AI 시대의 UX Consulting 고객들이 기대하는 것

배경 및 소개

생성형 AI 열풍 속에서도 조직이 UX 컨설턴트를 찾는 근본 이유는 달라지지 않았다. 클라이언트가 원하는 것은 화려한 AI 데모가 아니라, 문제를 올바로 정의하고 사용자와 비즈니스 맥락을 고려해 실행 가능한 판단을 내려주는 전문가다. 대부분의 조직은 이미 AI 도구를 갖고 있지만, 언제·어떻게 책임 있게 써야 하는지, 무엇을 자동화하고 어디에 인간 판단을 남겨야 하는지 확신이 없다. 이 글은 다양한 프로젝트 경험을 토대로, AI가 보편화된 지금도 클라이언트가 일관되게 중시하는 UX 컨설팅의 가치를 정리한다. 핵심은 강한 판단력과 연구의 엄밀성, 사용자 증거에 근거한 명확한 관점, 그리고 법·보안·조직 구조 같은 현실 제약을 존중하는 태도다. 클라이언트는 이 조합을 통해 불확실성을 줄이고, 우선순위를 명료하게 하며, 자신 있게 다음 단계를 밟고자 한다.

주요 내용

첫째, Strong Judgment가 AI 숙련도보다 중요하다. 많은 클라이언트는 AI를 쓸 수 있지만, 무엇에 적용해야 효과적인지 모른다. 내부 의사결정 지원 시스템의 AI 추천 기능을 평가한 사례에서, stakeholder interviews와 task analysis, journey mapping을 해보니 팀마다 입력과 성공 기준, mental model이 제각각이었다. 이 상태에서 AI를 도입하면 품질 개선이 아니라 불일치의 자동화가 될 뿐이었다. 해법은 의사결정 기준을 명시화하고, 입력을 정렬하며, 이후에 인간 판단을 보조하는 지점을 식별하는 것이었다.

둘째, 증거에 anchored된 명확한 POV가 필요하다. AI는 수많은 디자인과 콘텐츠 변형을 만들지만, 이는 오히려 선택과 연구를 어렵게 만든다. 한 소비자 서비스의 AI 기반 onboarding personalization 실험에서, 기술적으로 정확해도 사용자는 맥락을 잡지 못해 재확인하고 머뭇거렸다. 초기 단계의 변주가 cognitive load를 높였고, AI 생성문안은 강조와 위계, 필요한 세부성이 부족했다. 권고는 prompt 개선이 아니라, 일관된 human-crafted baseline을 먼저 제공하고, 사용자가 경험 구조를 익힌 뒤에야 선택적으로 personalization을 적용하는 것이었다.

셋째, 현실 제약과 경험 품질을 함께 존중해야 한다. 법·컴플라이언스·보안, 제한된 데이터, 레거시와 사일로, 승인 병목 등은 AI가 간과하기 쉽다. 의료 도메인에서는 잘못된 요약이 사용자 피해로 이어질 위험과 강한 정확성·책임성 기대가 드러났다. 결과적으로 end-user용 generative AI 대신, 검증 콘텐츠 기반 rule-based decision support, 내부팀을 위한 AI-assisted summarization, 모호·고위험 케이스의 명확한 escalation 경로를 제안했다.

넷째, 속도보다 연구와 해석의 rigor가 신뢰를 만든다. AI가 전사·태깅·요약을 가속해도 피상적 통찰은 경계된다. 설계 의도에 맞는 연구 설계, 의미 있는 패턴을 드러내는 해석, 신뢰도·한계·오픈 이슈에 대한 투명성이 요구된다. 인간 검토로 결과를 검증하고, 인사이트 도출 과정을 명확히 설명하며, 탐색적 시그널과 설계 권고를 구분할 때 신뢰가 쌓인다.

다섯째, 명료한 사고와 plain language가 필수다. 클라이언트는 허풍과 전문용어보다 구조화된 콘텐츠, 분명한 위계, 필요한 세부성에 가치를 둔다. 디테일과 구체성이 부족한 “그럴듯한” AI 출력에는 단호히 선을 긋고, 의도적 설계 결정을 드러내는 소통을 원한다.

결론 및 시사점

AI는 UX 업무의 일부를 가속하지만, 컨설팅을 의뢰하는 본질적 이유를 대체하지 않는다. 유용함이 인상적임보다 중요하며, 현장에서 신뢰를 받는 컨설턴트는 최신 도구 나열이 아니라 문제의 본질을 가르는 판단력, 실제 사용자 증거에 기댄 권고, 조직의 법·보안·데이터·프로세스 제약을 반영한 실행 계획을 제시한다. 이는 자동화가 경험 품질을 갉아먹지 않도록 보호하는 역할까지 포함한다. 동시에 AI를 배척하는 것도 아니다. 선택적·보조적 수단으로 엄밀히 쓰되, 연구 설계와 해석의 투명성, 탐색과 권고의 구분을 유지하는 태도가 중요하다. 이러한 원칙은 도메인과 솔루션 유형을 막론하고 통한다. 다만 조직 성숙도, 리스크 프로필, 데이터 가용성에 따라 적용 강도와 우선순위는 달라질 수 있으며, 과도한 경계로 혁신 기회를 놓치지 않도록 균형 감각이 필요하다.