디자인 리서치에서 사용자 요구 도출을 위한 생성형 AI 활용 비교연구 - 페르소나와 고객여정지도를 중심으로 -
Comparative Study of Generative AI Applications for Eliciting User Needs in Design Research - Focused on Persona and Customer Journey Maps -
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
연구배경 디자인 리서치에서 사용자 요구를 효과적으로 파악하기 위한 방법론으로 페르소나(persona)와 고객여정지도(Customer Journey Map)가 널리 활용되어 왔다. 최근에는 생성형 인공지능(Generative AI)이 디자인 분야에서 데이터 분석, 아이디어 도출, 시각화 등 다양한 단계에 도입되고 있으나, 기존 인간 연구자에 의한 리서치와 비교한 실증적 연구는 아직 부족하다. 이에 본 연구는 ‘소형 관람 보트 디자인’ 프로젝트의 초기 사용자 요구 도출 단계에서 생성형 인공지능을 적용한 결과를 인간 연구자 중심의 리서치와 비교 분석하고자 하였다. 연구방법 페르소나와 고객여정지도를 생성하는 리서치 과정을 두 방식으로 병행하였다. 먼저, 연구자(디자이너)가 전통적인 방법으로 페르소나와 고객여정지도를 작성하고, 비교를 위하여 ChatGPT 등 생성형 AI를 활용해 동일한 자료를 생성하였다. 이후, 두 방식의 결과물을 6인의 현업 디자이너에게 제시하여 설문조사(5점 척도)와 개방형 의견 수집을 실시하였으며, 내용 비교와 정성적 분석을 병행하였다. 그리고 생성형 인공지능이 이러한 디자인 리서치 방법에 미치는 영향을 비교 분석하며, 기존의 리서치 방법론과의 차별성을 확인하였다. 연구결과 생성형 인공지능은 대규모 정보의 신속한 수집, 표준화된 데이터 구조화 및 반복적 작업 측면에서 뚜렷한 효율성을 보였다. 단기간 내 다양한 연령, 직업군의 페르소나와 고객여정지도를 일관된 양식으로 생성할 수 있었다. 반면, 인간 연구자의 리서치는 실제 경험에 기반한 감정과 세부 맥락을 섬세하게 반영해 ‘실제성’과 ‘창의성’에서 높은 평가를 받았다. 설문조사 결과, 전문가들은 두 방식의 결합이 상호보완적 효과를 얻을 수 있다고 평가하였다. 그러나 생성형 AI는 전형적이거나 일반화된 결과를 산출하는 경향을 보였고, 인간 연구자의 방법은 시간과 노력이 많이 들었다. 따라서 AI는 다양한 사례를 빠르게 탐색하는 데 유용하며, 이후 인간의 사고를 통해 세부 내용을 정제하는 방식이 효과적일 것으로 판단된다. 결론 연구 결과, 생성형 인공지능과 인간 연구자 중심의 디자인 리서치는 각각 강점과 한계를 지닌 것으로 나타났다. 생성형 AI는 빠른 정보 확보와 정형적 결과 도출에 유리하고, 인간 연구자는 사용자 맥락의 깊이 있는 해석과 창의적 접근에 우위가 있었다. 전문가들은 AI의 신속성과 전문가의 깊은 해석이 결합할 때 리서치의 효율성과 완성도가 모두 높아질 수 있음을 인식하였다. 앞으로 다양한 산업과 최신 AI 기법을 활용한 확장 연구가 필요하며, 생성형 인공지능과 인간 연구자의 융합형 협업을 통하여 더욱 정교하고 깊이 있는 리서치를 수행할 수 있을 것으로 기대한다.
Abstract
Background Persona and Customer Journey Map methodologies have been widely used in design research to effectively identify user needs. Recently, generative artificial intelligence (AI) has been introduced into various stages of the design field, such as data analysis, idea generation, and visualization. However, empirical studies comparing generative AI-based research with traditional human researcher-driven approaches remain insufficient. Accordingly, this study aims to compare and analyze the results of applying generative AI in the initial user needs exploration phase of a ‘small sightseeing boat design’ project with those of conventional, human researcher-centered research. Methods Two parallel research processes were conducted to generate personas and customer journey maps. First, the researcher (designer) created personas and journey maps using traditional methods. For comparative purposes, the same materials were also produced using generative AI tools such as ChatGPT. The results from both methods were then presented to six professional designers, who evaluated them through a survey using a five-point Likert scale and provided open-ended feedback. Additionally, content comparison and qualitative analysis were undertaken to assess the impact of generative AI on design research methods and to identify distinctions from existing approaches. Result Generative AI demonstrated clear advantages in rapid large-scale data collection, standardized data organization, and repetitive tasks. It was able to produce personas and customer journey maps covering various age groups and occupations in a consistent format within a short period. In contrast, human researcher-driven studies offered greater ‘authenticity’ and ‘creativity’ by delicately capturing real experiences, emotions, and detailed contexts. Survey results indicated that experts considered a combination of both methods to be complementary and effective. However, generative AI tended to produce typical, generalized results, while the human method was time-consuming and labor-intensive. Therefore, AI proves useful for quickly exploring a wide range of cases, with subsequent refinement of details through human reasoning being the most effective approach. Conclusion The findings reveal that generative AI and human researcher-driven design research each have distinct strengths and limitations. Generative AI excels at rapid information gathering and producing standardized results, whereas human researchers are better at in-depth interpretation of user context and creative approaches. Experts recognized that combining the speed of AI with the deep insights of experts can greatly enhance both the efficiency and quality of research. Further studies utilizing advanced AI techniques in various industries are required, and it is expected that collaborative, hybrid approaches between generative AI and human researchers will enable more precise and in-depth design research in the future.