AI는 인터페이스를 생성할 수 있지만, 여전히 제품을 디자인하지는 못합니다

UITOP의 저희 팀 전체는 매일 AI 도구를 사용합니다. 저는 경쟁사 조사와 카피 초안 작성을 위해 AI를 사용합니다. 또한 레이아웃을 실제로 평가할 수 있도록 대시보드 화면을 현실적인 데이터로 채우는 데 AI를 활용합니다. 예전에 하루가 걸리던 작업들이 이제는 두 시간 만에 끝납니다.

이것이 바로 제가 AI 제품 디자인에서 AI가 하지 못하는 것에 대해 이야기해야 하는 정확한 이유입니다. AI로 구축된 제품들과 1년 반 동안 함께 일하면서, 저는 계속해서 동일한 사건의 흐름을 목격하고 있기 때문입니다. 그리고 그것은 항상 같은 결말로 끝납니다. 첫 달에 디자인 비용을 아꼈던 창업자가, 6개월 차에는 제품을 수정하기 위해 훨씬 더 많은 비용을 지불하게 되는 것입니다.

패턴은 합리적인 결정에서 시작됩니다

한 창업자가 SaaS 제품을 만들고 있습니다. 팀 규모는 작고, 몇 시간 안에 작동하는 인터페이스를 생성할 수 있는 도구들이 있습니다. Lovable, Claude, Figma AI 같은 것들 말이죠. 논리는 명확합니다. 도구가 즉시 작동하는 인터페이스를 제공하는데 왜 디자이너를 고용해야 할까요?

처음 3~4개월은 대개 잘 흘러갑니다. 제품은 라이브 상태이고, 초기 사용자들이 가입하며, 데모 콜(demo calls)도 진행됩니다. MVP(Minimum Viable Product, 최소 기능 제품)는 작동합니다. 그러다 수치가 변하기 시작합니다. 예를 들어, 온보딩(onboarding) 이탈률이 상승하거나 사용자들이 고객 지원 티켓(support tickets)을 오픈합니다. 제품이 고장 난 것은 아니지만, 전환(conversion)도 일어나지 않습니다. 창업자는 분석 데이터(analytics)를 보고 문제를 확인합니다. 하지만 분석 데이터는 무엇이 그 문제를 일으키는지 설명해주지 않습니다.

이때 저에게 전화가 옵니다.

AI가 무엇을 만드는가, 그리고 누구를 위해 만드는가

Lovable이나 Figma AI와 같은 도구에 의해 생성되는 모든 AI 인터페이스는 그들의 학습 데이터(training data)에 있는 가장 흔한 패턴으로부터 구축됩니다. 실제로 이는 가장 협조적인 사용자를 대상으로 구축된다는 것을 의미합니다. 즉, 연결 상태가 좋고, 차분하게 집중하며, 최신 기기를 사용하고, 시간적 압박이 없는 사용자 말입니다.

여러분의 실제 사용자는 항상 그런 사람이 아닙니다:

• 그들은 통근 중에 화면이 깨진 휴대폰으로 여러분의 제품을 엽니다.
• 작업 흐름 중간에 연결이 끊깁니다.
• 주의가 산만해져서 버튼 라벨을 잘못 읽습니다.
• 잘못된 옵션을 탭하고 어떻게 되돌아가는지 모릅니다. 세션이 만료되고 그들의 진행 상황은 사라집니다.

AI는 그러한 사용자를 모델링하지 못합니다. 사용자가 구체적으로 요청하지 않는 한 에러 상태 (error states)를 생성하지도 않습니다. 또한, 너비가 320px이고 직사광선 아래에 있는 화면을 위해 설계하지도 않습니다.

이러한 점은 생성된 플로우 (flows) 내부의 AI UX 결정 사항을 살펴볼 때 더욱 명확해집니다. UX 디자이너는 다음과 같은 질문을 던집니다. 제 디자이너 중 한 명이 Lovable로 생성된 플로우를 검토하던 중 Claude에게 직접 물었습니다: "왜 이 솔루션이 이런 방식으로 구조화되어 있나요?" Claude는 즉시 솔루션을 재고해야 한다고 답했습니다. 화면은 괜찮아 보였습니다. 하지만 그 이면의 논리는 전문가의 직접적인 질문 하나를 견뎌내지 못했습니다.

사용자가 실제로 이탈하는 지점

SaaS UX 문제는 온보딩 (onboarding) 단계에서 가장 눈에 띄게 나타납니다. 이곳은 대개 AI만으로 구축된 제품들이 가장 높은 비율로 사용자를 잃는 지점이며, 데이터만으로는 그 이유가 명확히 드러나는 경우가 드뭅니다.

사용자가 가입합니다. 다음 화면에서는 회사 이름, 직원 수, 결제 플랜을 요구합니다. 사용자는 제품이 유용한 일을 단 하나라도 수행하는 것을 아직 보지 못했습니다. 그럼에도 호기심 때문에 내용을 채워 넣습니다.

다음으로, 그들은 인식하지 못하는 라벨이 붙은 일련의 카드 중에서 하나를 선택하라는 요청을 받습니다. 그들은 첫 번째 카드를 선택하고 대시보드 (dashboard)에 도달합니다. 대시보드는 비어 있고, 데이터도 없고, 가이드도 없으며, 다음에 무엇을 해야 하는지에 대한 표시도 없습니다.

그들은 이곳저곳을 클릭하다가 설정 (settings) 페이지에 들어갔다가 다시 돌아오고, 다른 버튼을 시도해 봅니다. 어느 시점에 이르면, 그들은 제품이 고장 난 것인지 아니면 자신이 잘못 사용하고 있는 것인지 구분할 수 없게 됩니다. 바로 이 불확실성의 순간에 사용자를 놓치게 됩니다. 그들은 탭을 닫고 다시 돌아오지 않으며, 귀하의 후속 이메일은 읽히지 않은 채 남겨집니다.

분석 도구 (analytics)를 통해 이탈률을 확인할 수 있습니다. 하지만 분석 도구가 알려주지 않는 것은 사용자가 각 화면에서 무엇을 생각했는지, 혹은 어떤 구체적인 순간에 포기하게 되었는지입니다. 그것은 리서치 (research)의 영역이며, 사용자와 대화하고 세션 녹화 (session recordings)를 관찰하는 과정이 필요합니다.

채팅 우선 (Chat-First) AI 제품의 문제점

점점 더 많은 SaaS 제품들이 주요 상호작용 모델로서 AI 채팅 인터페이스 (AI chat interface)를 중심으로 구축되고 있습니다. 그 논리는 타당합니다. 사용자가 필요한 것을 입력하게 하고, AI가 이를 처리하도록 하는 것입니다. 하지만 대화형 UI (conversational UI)는 도구들이 스스로 해결하지 못하는 특정한 디자인 과제를 야기합니다.

채팅 인터페이스는 가드레일 (guardrails)을 제거합니다. 전통적인 UI (traditional UI)에서는 버튼과 메뉴가 사용자가 할 수 있는 일을 제한합니다. 반면 대화형 흐름 (conversational flow)에서는 사용자가 자유 형식의 입력 (free-form input)을 할 수 있으며, 제품은 이를 유연하게 처리해야 합니다.

챗봇 UX (Chatbot UX)의 실패는 초기 테스트 단계에서는 종종 보이지 않는데, 이는 창업자들이 명확하고 잘 구성된 입력값으로 테스트하기 때문입니다. 실제 사용자들은 명확하고 잘 구성된 입력을 작성하지 않습니다. 그들은 파편화된 문장을 쓰거나, 잘못된 용어를 사용하거나, 필요한 행동 대신 원하는 결과만을 설명하곤 합니다.

AI로 구축된 제품들이 모두 비슷해 보이는 이유

AI로 생성된 SaaS 제품들 전반에서 발견되는 시각적 패턴도 있습니다. 회색 사이드바 (gray sidebar), 파란색 기본 버튼 (blue primary button), Inter 폰트, 깔끔한 카드 레이아웃 (clean card layout) 같은 것들입니다. 이러한 인터페이스는 사용자가 지난주에 평가했던 다섯 개의 경쟁 제품과 구분이 불가능합니다.

1970년대와 80년대의 자동차 산업을 생각해 보십시오. 캐딜락 (Cadillac)과 시트로엥 (Citroën)은 즉각적으로 식별이 가능했습니다. 그들의 시각적 정체성 (visual identities)은 주차장 건너편에서도 알아볼 수 있을 만큼 매우 달랐습니다. 그러다 제조 표준화 (manufacturing standardization)와 공기역학적 요구 사항 (aerodynamic requirements)이 모든 자동차를 동일한 최적의 형태를 향해 몰아넣었습니다. 오늘날 현대 투싼 (Hyundai Tucson)과 렉서스 NX (Lexus NX)는 거의 동일한 실루엣을 가지고 있습니다. 결국 엠블럼을 확인하러 다가가야만 알 수 있습니다.

AI 도구들로 구축된 SaaS 제품들도 정확히 이 과정을 겪고 있습니다. 도구들은 대부분의 맥락에서 작동하는 것을 만들어내며, 이는 모든 제품에 대해 동일한 결과물을 만들어낸다는 것을 의미합니다.

당신만의 시각적 정체성(Visual Identity)이야말로 기억에 남는 방식으로 AI 사용자 경험(UX)을 형성하는 핵심입니다. 지난 화요일에 어떤 제품을 사용했는지 기억하지 못하는 사용자는 서비스를 재구독하지 않을 것입니다. AI 도구들은 관점(Point of view)을 가지고 있지 않기에, 당신의 제품에 관점을 부여할 수도 없습니다.

그다음은, 코드의 문제입니다

최근 제가 경험한 시나리오가 하나 있습니다. 한 팀이 프로토타입(Prototype)을 구축하기 위해 Lovable을 사용했습니다. 외관은 깔끔했고 데모도 잘 진행되었습니다. 하지만 실제 제품을 구축할 때가 되어, 기술 리드(Tech lead)가 개발 계획을 세우기 위해 프로토타입 코드를 검토했습니다.
그의 예상치는 3일이었습니다. 해당 기능은 대략 1,000줄 정도의 코드로 작성되어야 했습니다. 하지만 Lovable은 이를 10,000줄이 넘는 코드로 생성해 놓았습니다.

결국 개발자는 디자이너 주도의 프로세스였다면 깔끔하게 전달되었을 코드를 풀어내는 데 몇 주를 허비했습니다. 예산은 어떤 방식이든 제품에 투입됩니다. 문제는 그 예산이 결정을 내리는 시작 단계에 투입되느냐, 아니면 그 결정을 되돌리기 위해 비용을 지불하는 마지막 단계에 투입되느냐 하는 것입니다.

부실한 AI SaaS UX 기반은 이 문제를 더욱 악화시킵니다. 인터페이스 로직(Interface logic)이 일관되지 않으면, 개발자는 코드에 이를 보완하는 로직을 구축해야 하며, 이는 전체 시스템의 유지보수(Maintain)를 더 어렵게 만듭니다.

제대로 된 디자인 시스템(Design system)을 바탕으로 작업하는 디자이너는 개발자의 프로젝트에서 즉시 사용할 수 있는 일관된 변수(Variables)를 가진 명명된 컴포넌트(Named components)를 전달합니다. 이는 전문적인 디자인 작업의 표준 관행입니다. AI가 생성한 결과물은 이 과정을 완전히 건너뛰기 때문에, 개발자는 코드부터 시스템을 직접 구축해야 하며, 이는 훨씬 더 오래 걸리고 더 많은 불일치를 발생시킵니다.

AI가 진정으로 시간을 단축해 주는 지점

이 모든 것에 대한 해답은 AI 도구 사용을 중단하는 것이 아닙니다. 전문가가 의사결정을 통제하는 규율 있는 AI 워크플로우(AI workflow)에 도구들을 통합하는 것입니다.

• 클라이언트 프로토타입 (Client prototypes). Figma에서 인터랙티브한 프로토타입을 만든 다음, 데모의 첫 10분 동안 어떤 부분이 클릭 가능한지를 설명하는 것은 데모 콜(demo call)의 시간을 낭비하는 것입니다. Lovable은 몇 시간 만에 작동하는 프로토타입을 생성하며, 클라이언트는 이를 브라우저에서 직접 열어 스스로 살펴볼 수 있습니다. 덕분에 대화는 훨씬 더 유용한 지점에서 시작될 수 있습니다.
• 현실적인 화면 데이터 (Realistic screen data). 플레이스홀더(placeholder) 텍스트로 채워진 대시보드는 레이아웃이 제대로 작동하는지에 대해 거의 아무것도 알려주지 않습니다. 회사 이름이 47자일 때, 값이 음수일 때, 혹은 표시할 데이터가 없을 때 어떤 일이 발생하는지 확인해야 합니다. AI는 몇 분 만에 화면을 현실적인 데이터로 채울 수 있습니다.
• 경쟁사 조사 (Competitive research). 10개의 경쟁사 제품을 검토하고, 그들의 내비게이션 패턴(navigation patterns)을 매핑하며, 그들이 동일한 결정을 내리는 지점과 서로 다른 지점을 식별하는 작업은 예전에 꼬박 하루가 걸리는 일이었습니다. AI를 사용하면 몇 시간밖에 걸리지 않습니다. 분석은 여전히 디자이너의 몫입니다. 다만, 원재료를 수집하는 데 걸리는 시간이 짧아질 뿐입니다.

당신이 실제로 내리고 있는 결정

AI 도구만으로 제품을 만든다면, 당신은 특정한 거래를 하고 있는 것일 가능성이 높습니다. 즉, 나중에 더 비싼 비용을 들여 수정하는 대신, 지금 당장 더 빠른 결과물을 얻는 거래입니다. 때로는 이것이 옳을 수도 있습니다. 시장에 출시하는 것이 중요하기 때문입니다.

하지만 당신이 무엇을 맞바꾸고 있는지 명확히 이해할 가치가 있습니다.

단 하나의 화면을 생성하기 전에, UX 디자이너가 포함된 팀은 다음과 같은 질문에 답합니다: 이 제품은 정확히 누구를 위한 것이며, 그들이 완료하려는 작업은 무엇인가? 그다음: 그 작업이 잘못되었을 때는 어떤 일이 발생하는가? 이 작업에는 며칠이 소요됩니다. 그리고 이 작업은 이후의 모든 디자인 결정을 형성합니다.

AI 도구와 함께 작업하는 UX 디자이너들은 이전보다 대략 절반의 시간 안에 작업을 완료하고 있습니다. 이러한 절감 효과는 실질적입니다. 이는 전문가가 AI를 하나의 도구(instrument)로 사용할 때 나타납니다. 잘 수행된 AI 제품 UX는 바로 그 조합, 즉 도구의 속도와 사람의 판단력이 결합된 결과물입니다.

개발에는 하나의 원칙이 있습니다. 코딩을 할 줄 모르면, 바이브 코딩 (vibe-coding)도 할 수 없다는 것입니다. 생성된 결과물에 대해 올바른 결정을 내리려면, 당신이 무엇을 생성하고 있는지 이해해야 합니다. 디자인도 마찬가지입니다. AI는 당신이 이미 알고 있는 것을 증폭시킬 뿐입니다.

디자인 도구를 열기 전 던져야 할 세 가지 질문

만약 당신이 지금 제품을 만들고 있거나, 이미 출시된 제품을 평가하고 있다면 여기서부터 시작하십시오:

• 사용자가 구체적으로 누구인가? 온전한 주의력을 가지고 완벽한 연결 상태를 유지하는 이상적인 사용자가 아닙니다. 실제 상황 속에서, 실제로 주의가 산만해질 수밖에 없는 이유를 가진 진짜 사용자입니다.
• 온보딩 (onboarding)의 어느 단계에서 사용자가 이탈하는가? 그리고 그 순간 사용자가 무엇을 생각하고 있었는지 알고 있습니까?
• 새로운 사용자가 팀의 도움 없이도 제품 내에서 첫 번째 유용한 동작 (useful action)에 도달할 수 있는가?

만약 이 모든 질문에 자신 있게 답할 수 없다면, 그것이 바로 또 다른 화면을 생성하기 전에 수행해야 할 디자인 작업입니다. 당신이 이 작업을 완료하고 나면 AI는 이 과정을 더 빠르게 만들어 줄 것입니다. 하지만 AI가 당신 대신 이 작업을 해주지는 않습니다.