이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.
핵심 요약
정적인 사용자 리서치 데이터를 LLM 기반의 멀티 에이전트 시스템으로 전환하여 실시간 협업 자원으로 활용할 수 있다. 기술적 구현을 넘어 디자이너와 개발자의 직무 경계가 허물어지는 새로운 AI 협업 패러다임을 제시한다.
배경
네이버 사내 기술 교류 행사인 NAVER ENGINEERING DAY 2025에서 발표된 세션으로, UX 리서치 데이터를 활용한 AI 페르소나 구축 사례를 다룹니다.
대상 독자
UX 디자이너, AI 엔지니어, 서비스 기획자, PM 및 AI 시대의 새로운 협업 모델에 관심 있는 전문가
의미 / 영향
NSona 사례는 정적인 사용자 데이터를 실시간 협업 자원으로 전환하는 새로운 UX 방법론을 제시한다. 이는 기획과 개발 사이의 간극을 줄이고, AI가 단순한 도구를 넘어 팀의 구성원으로서 작동하는 미래의 협업 구조를 보여준다. 기업들은 이를 통해 사용자 중심의 제품 개발 속도를 획기적으로 높일 수 있다.
챕터별 상세
00:00
NSona의 탄생 배경과 UX 리서치의 한계 극복
기존 UX 리서치에서 페르소나는 종이 입간판처럼 정적인 존재로 머물러 실제 서비스 개발 과정에서 활용도가 낮았다. NSona는 누적된 사용자 인터뷰 데이터를 LLM에 주입하여 실시간 대화가 가능한 '살아있는 페르소나'로 변환했다. 이를 통해 기획자와 디자이너는 언제든 가상의 사용자와 대화하며 아이디어를 검증하고 리서치 사이클을 단축할 수 있는 환경을 구축했다.
- •정적인 페르소나 방법론의 한계를 AI 기술로 해결하여 실무 활용도 극대화
- •사용자 리서치 데이터를 실시간 협업 자원으로 전환하는 NSona 플랫폼 개발
- •기획 단계부터 서비스 개발 전 과정에 가상 사용자를 투입하여 의사결정 지원
12:34
멀티 에이전트 기반의 대화 시스템 설계
단순한 1:1 챗봇을 넘어 여러 명의 페르소나가 동시에 참여하는 Multi-Party 대화 시스템을 구현했다. 각 에이전트는 인구통계학적 정보, 제품 경험, 대화 스타일(Who-What-How)의 3단계 계층 구조로 설계되어 고유한 정체성을 유지한다. 대화의 흐름 제어(Turn-taking)와 응답 관계 추론을 위해 CoT(Chain-of-Thought) 기법을 적용한 LLM 기반의 동적 분기 로직을 도입하여 자연스러운 다자간 대화를 실현했다.
- •Who-What-How 3단계 계층 구조를 통한 에이전트 정체성 및 발화 스타일 정의
- •CoT 추론을 활용하여 대화 맥락에 따른 동적 발화 순서 제어 로직 구현
- •마이크로서비스 아키텍처(MSA) 기반의 유연한 에이전트 중심 시스템 구축
다자간 대화에서는 누가 다음에 말할지(Turn-taking)와 누구에게 말하는지(Adjacency pair)를 결정하는 것이 기술적 난제이다.
31:30
UX 특화 모델 평가 체계 수립 및 결과
기존의 일반적인 LLM 벤치마크로는 UX 리서치 참여자로서의 유용성을 측정하기 어려워 9가지 독자적인 평가 기준을 정립했다. 정합성, 재현성, 비동조성, 경험 회고성 등 UX 관점의 지표를 수립하고, 이를 LLM Judge 기반의 자동화된 평가 파이프라인(VLOps)으로 구축했다. 평가 결과, 특정 모델은 전문가적 견해를 고수하는 반면 다른 모델은 감정적 공감에 특화되는 등 모델별 행동 패턴의 차이를 정량적으로 확인했다.
- •UX 리서치 참여자로서의 역량을 평가하기 위한 9가지 전용 루브릭 설계
- •VLOps를 이용한 실시간 의사결정 보조 자동화 평가 시스템 구축
- •모델별 강점과 약점에 따른 최적의 리서치 과업 매칭 인사이트 도출
LLM Judge는 사람이 평가하는 대신 고성능 모델이 루브릭에 따라 다른 모델의 응답을 채점하는 방식이다.
45:57
AI 시대의 새로운 협업 모델: 선이 아닌 점으로
NSona 개발 과정에서 디자이너는 프롬프트를 설계하고 개발자는 서비스 로직을 에이전트 구조로 전환하는 등 기존의 직무 경계가 허물어지는 경험을 했다. 협업을 단순히 역할 분담(R&R)이라는 '선의 경계'로 보는 대신, 각자가 파장을 일으키는 '중심점'이 되어 유연하게 확장하는 모델을 제안했다. 이는 AI 기술이 단순한 도구를 넘어 협업의 방식 자체를 변화시키는 중요한 사례이다.
- •AI 개발 과정에서 디자이너와 개발자의 역할이 교차되는 영역 파괴 경험
- •R&R을 경계선이 아닌 중심점에서 퍼지는 파장으로 재정의하는 협업 철학
- •AI를 비평의 대상이자 동료로 대하는 새로운 업무 태도 제안
실무 Takeaway
- 사용자 리서치 데이터를 LLM에 주입할 때 인구통계, 제품 경험, 대화 스타일의 3단계 계층으로 페르소나를 정의하면 에이전트의 정체성 유지에 효과적이다.
- 다자간 대화 시스템에서 발화 순서와 응답 관계를 제어하기 위해 CoT 추론을 활용한 동적 분기 로직을 적용하면 복잡한 규칙 없이도 자연스러운 대화 흐름을 만들 수 있다.
- 서비스 목적에 맞는 독자적인 평가 루브릭(Rubric)을 설계하고 LLM Judge를 통한 자동화 파이프라인을 구축하면 모델 개선 주기를 획기적으로 단축할 수 있다.
- AI 제품 개발 시 디자이너가 프롬프트 엔지니어링에 참여하고 개발자가 UX 로직을 설계하는 등 직무 간 경계를 허무는 협업이 품질 향상의 핵심이다.
언급된 리소스
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2025. 12. 02.수집 2026. 02. 21.출처 타입 YOUTUBE
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.