모든 도시에는 아무도 현재 지도를 가지고 있지 않은 배관들이 있습니다. 그것들은 수십 년 전 당시에는 타당했던 문제를 해결하려던 작업 팀에 의해 설치되었고, 서로 소통하지 않았던 서로 다른 계약업체들에 의해 두 번이나 보수되었으며, 이제는 아무도 확인하기 위해 파헤치고 싶어 하지 않는 3피트 두께의 콘크리트 아래에 놓여 있습니다. 배관은 여전히 물을 운반합니다. 다만 한때는 말이 되었지만 지금은 누구에게도 말이 되지 않는 방식으로 운반할 뿐입니다. 정보 설계 (Information Architecture, IA)도 이와 똑같이 작동하며, 대부분의 팀은 무언가가 파헤치도록 강요하기 전까지는 자신이 그 위에 서 있다는 사실을 알아차리지 못합니다.

그 무언가는 바로 지금, AI입니다.

아무도 예산을 책정하지 않는 부채

정보 설계 (Information Architecture)는 콘텐츠가 어떻게 조직되고, 라벨링(labeling)되며, 탐색(navigation)되고, 검색되는지에 대한 결정들의 집합입니다. 카테고리 이름. 내비게이션(nav)에서 기능이 어디에 위치하는지. "결제 (billing)"와 "지불 (payments)"가 동일한 것인지 아니면 둘 다 어느 정도 성격이 비슷한 두 개의 서로 다른 섹션인지와 같은 것들입니다. 이러한 결정들은 내려지는 순간에는 그 어떤 것도 시급하게 느껴지지 않습니다. 제품에 40개의 페이지가 있고, 한 사람이 사이트맵 (sitemap)을 관리하며, 약간 어색한 라벨은 비용이 들지 않습니다. 왜냐하면 그 라벨을 작성한 사람이 바로 옆 페이지도 만들었기에 모든 것이 어디에 있는지 기억하고 있기 때문입니다.

3년이 지나고 4번의 조직 개편이 일어난 후, 그 동일한 라벨은 현재 팀에 있는 누구도 작성하지 않은 콘텐츠를 지탱하는 하중을 견디고 있습니다. 이 부분이 IA 부채를 대부분의 기술 부채 (technical debt)와 다르게 만드는 지점입니다. 즉, 에러를 발생시키지 않는다는 것입니다. 엉망인 데이터베이스 스키마 (database schema)는 쿼리 (query)를 깨뜨리고 누군가 호출을 받게 만듭니다. 하지만 잘못된 분류 체계 (taxonomy)는 그저 조용히 콘텐츠를 고립시킵니다. 페이지는 존재하고, 기술적으로는 라이브 상태이며, 기술적으로는 사이트의 일부이지만, 분류가 어긋나고 아무도 그 경로를 재설정하지 않았기 때문에 내비게이션이나 검색을 통해서는 도달할 수 없게 됩니다. 팀들은 이를 고립된 콘텐츠 (orphaned content)라고 부르며, 규모가 있는 대부분의 조직은 직접 찾아본다면 예상했던 것보다 더 많은 고립된 콘텐츠를 가지고 있습니다.

사실 부채(debt)라는 비유는 이 문제를 다소 과소평가하고 있습니다. 금융 부채는 적어도 명세서라도 보내주지만, IA 부채는 아무것도 보내주지 않습니다. 그것은 침묵 속에서 복리로 쌓여만 가며, 당신이 받게 되는 첫 번째 신호는 대개 "이게 있는 건 알겠는데, 찾을 수가 없어요"라는 내용의 고객 지원 티켓(support ticket)입니다.

왜 AI는 나쁜 구조를 해결하지 못하고, 오히려 증폭시키는가

모든 것을 바꾸어 놓는 패턴은 다음과 같습니다. 혼란스러운 사이트를 탐색하는 인간은 일종의 부분적인 안전망 역할을 합니다. 사람들은 좌절하기도 하지만, 동시에 즉흥적으로 대처하기도 합니다. 브라우저의 찾기 기능을 사용하거나, URL을 추측하거나, 올바른 항목을 찾기 전까지 세 개의 잘못된 메뉴 항목을 지나쳐 스크롤하기도 합니다. 혼란스러운 IA는 나쁜 경험을 만들어내지만, 구조적 결함으로 인해 완전히 실패하는 경우는 드뭅니다. 루프 안에 있는 인간(human in the loop)이 구조의 실수를 보완하기 때문입니다.

하지만 동일한 구조 위에 놓인 AI 챗봇(AI chatbot)에게는 그러한 즉흥적인 여유가 전혀 없습니다. 챗봇은 자신이 검색(retrieve)할 수 있는 범위 내에서 답변하며, 무엇을 검색할 수 있는지는 전적으로 콘텐츠가 처음에 어떻게 조직되고, 레이블(label)이 지정되고, 연결되었는지에 달려 있습니다. 만약 분류 체계(taxonomy)가 일관되지 않거나, 메타데이터(metadata)가 누락되었거나, 관련 페이지들이 실제로 서로 연결되어 있지 않다면, 모델은 인간처럼 그 문제를 우회하지 못합니다. 모델은 그저 불완전한 검색을 바탕으로 자신감 있고 그럴듯하게 들리는 답변을 내놓거나, 혹은 아무런 유용한 정보도 제공하지 못합니다. 이 경우 사용자는 연구자들이 정확히 이러한 실패 모드(failure mode)를 설명할 때 사용하는 표현처럼, 답변을 얻지 못한 채 제자리를 맴돌게(spinning in circles) 됩니다.

이 지점이 바로 깊이 고민해 볼 만한 부분입니다. AI는 새로운 정보 설계 (IA) 문제를 일으키는 것이 아닙니다. 그동안 존재해 왔던 문제들을, 혼란을 느끼는 소수의 사용자가 조금씩 발생시키던 것과는 비교할 수 없는 속도와 규모로 드러낼 뿐입니다. 명확한 레이블 (label)과 페이지 간의 깔끔한 관계를 갖춘, 견고하고 구조화된 콘텐츠를 기반으로 구축된 검색 시스템 (retrieval system)은 임시방편적 (ad hoc)인 콘텐츠를 기반으로 구축된 시스템보다 측정 가능한 수준으로 더 나은 성능을 보이며, 그 격차는 결코 미미하지 않습니다. 구조화되고 메타데이터 (metadata)가 풍부한 소스는 검색 정확도 (retrieval accuracy) 측면에서 원시 콘텐츠 (raw content)보다 일관되게 우수한 성능을 발휘합니다. 과거에 나쁜 IA가 좌절한 사용자들로 인해 지불해야 했던 UX 세금이었다면, 이제는 확신에 찬 태도로 잘못된 답변을 내놓음으로써 지불해야 하는 AI 정확도 세금이 되었습니다.

How IA debt accumulates silently until AI exposes it

복리 효과로 커지는 비용: 검색창에서 AI 에이전트로

시야를 더 넓혀보면, 압박은 한 방향이 아닌 여러 방향에서 동시에 오고 있습니다. 검색 행태 자체가 변화하고 있습니다. 현재 대다수의 검색은 어떤 웹사이트로도 클릭하여 이동하지 않은 채 종료되며, 사람들이 검색 엔진에 입력하던 쿼리 (query)의 상당 부분이 이제는 대화형 AI 제품에 입력되고 있습니다. 여러분의 홈페이지에 접속하여 내비게이션 바 (nav bar)를 통해 스스로 탐색하는 사람은 줄어들고 있습니다. 대신 더 많은 사람이 시스템에게 자신을 대신해 답을 찾아 직접 전달해 달라고 요청하고 있습니다.

이러한 변화는 여러분의 정보 설계 (IA)를 대상으로 하는 청중이 바뀌고 있음을 의미합니다. 과거에는 거의 전적으로 메뉴를 클릭하는 인간을 위해 구축되었습니다. 하지만 점점 더, 깨끗하고 구조화된 답변을 추출하려는 AI 에이전트 (AI agent)에 의해 읽히고 있으며, 에이전트는 인내심 있는 인간이라면 그냥 넘길 법한 구조적 허술함에 대해 매우 냉혹합니다. 일관성 없는 레이블링 (labeling), 자바스크립트 렌더링 (JavaScript rendering) 뒤에 숨겨진 콘텐츠, 주변 페이지와 명확한 관계가 없는 페이지 등은 사람이 결국에는 우회 방법을 찾아낼 수 있습니다. 하지만 크롤러 (crawler)나 검색 파이프라인 (retrieval pipeline)은 종종 이를 그냥 건너뛰거나 잘못 파악해 버립니다.

이러한 문제를 가장 적게 느끼는 조직은 콘텐츠 구조 (content structure)를 출시 주간의 체크리스트 항목이 아닌 핵심 인프라 (core infrastructure)로 취급한 조직들입니다. 반대로 가장 큰 고통을 느끼는 조직은 수년 전, 이미 퇴사한 사람들이 사이트맵 (sitemap)을 한 번 그려놓은 이후로 진지하게 재검토하지 않은 조직들입니다. AI가 이러한 격차를 만든 것은 아닙니다. AI는 단지 잘못된 링크를 클릭하게 된 운 나쁜 사용자들뿐만 아니라, 모든 사용자가 매번 그 격차를 눈으로 확인할 수 있게 만들었을 뿐입니다.

Anatomy of an information architecture system

부채 상환하기: 실제로 효과가 있는 방법

AI 기능이 잘못되거나 혼란스러운 답변을 내놓을 때 본능적으로 하게 되는 행동은 프롬프트 (prompt)를 패치 (patch)하는 것입니다. 지침을 추가하거나, 검색 파라미터 (retrieval parameters)를 조정하거나, 모델에게 더 주의를 기울이라고 말하는 식입니다. 이는 누군가 우연히 발견한 단 하나의 쿼리 (query)에 대해서는 좁은 의미에서 효과가 있을 수 있습니다. 하지만 근본적인 구조 (underlying structure)가 여전히 잘못되어 있기 때문에, 약간 다른 각도에서 동일하게 망가진 분류 체계 (taxonomy)를 건드리는 다음 백 개의 쿼리에는 아무런 도움이 되지 않습니다. 반면, 수정된 레이블 (label)이나 재구축된 카테고리 (category)는 그 구조에 의존하는 모든 답변의 상류 (upstream)에 위치하므로, 해당 구조를 건드리는 모든 쿼리를 영구적으로 해결합니다. 프롬프트 패치는 확장성 (scale)이 없지만, 구조적 해결책은 확장성이 있습니다.

실제로 IA 부채를 상환하는 일은 대부분의 AI 이니셔티브 (AI initiatives)보다 덜 화려해 보이지만, 훨씬 더 중요합니다. 이는 고립된 콘텐츠 (orphaned content)를 감사하여, 그것이 방치되도록 두는 대신 다시 연결하거나 의도적으로 폐기하는 것을 의미합니다. 또한, 3년 전 회의에서 제품 팀이 결정한 내부 용어가 아니라, 실제 사용자가 검색하는 언어를 바탕으로 분류 체계 (taxonomy)를 구축하는 것을 의미합니다. 메타데이터 (metadata)를 누군가 기억해서 채워 넣는 사후 고려 사항이 아니라, 일급 결과물 (first-class deliverable)로 취급하는 것을 의미합니다. 그리고 정보 설계 (information architecture)가 제품 초기 단계에서 한 번만 내놓으면 되는 결과물이 아니라는 점을 받아들이는 것을 의미합니다. 이는 인프라 유지보수 (infrastructure maintenance)에 더 가깝습니다. 즉, 화려하지 않고, 미루기 쉬우며, 바로 그 미루기 쉽다는 점 때문에 비용이 많이 듭니다.

Prompt patches versus structural fixes: why one scales and one doesn't

이 문제에 앞서 나가는 팀은 가장 화려한 AI 기능을 가진 팀이 아닙니다. 그들은 새로운 것을 그 위에 쌓아 올리기 전에 돌아가서 배관을 수리한 팀입니다. 이는 덜 흥미로운 종류의 작업이며, 데모(demo)를 보여주기에도 적합하지 않습니다. 하지만 이는 사람들에게 진짜 답변을 제공하는 AI 제품과, 사람들을 자신감 있고 잘 정리된 원 안에서 뱅뱅 돌게 만드는 AI 제품 사이의 차이를 만듭니다.

The compounding cost of unaddressed IA debt over time

👨‍💻 저와 소통하세요

Rohit Raghuvansh
💡 UX Thinker · AI Builder · 복잡한 기술을 인간 중심적으로 만듭니다

연결 및 팔로우

LinkedIn — Rohit Raghuvansh

📢 이 기사가 도움이 되었나요?

이 기사가 여러분의 학습 여정에 가치를 더했다면:

✅ 네트워크에 공유하기 ✅ 나중에 참고하기 위해 북마크하기 ✅ 더 많은 내용을 위해 팔로우하기

계속 학습하세요. 계속 구축하세요. 계속 성장하세요. 🚀