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.
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.
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.
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.
용어 해설
- 페르소나(Persona)
- — 사용자 리서치 데이터를 바탕으로 설정한 가상의 대표 사용자 인물상이다. 실제 사용자의 행동 패턴과 니즈를 반영하여 서비스 기획 및 디자인 과정에서 의사결정의 기준이 된다.
- 다자간 대화(Multi-Party Conversation)
- — 두 명 이상의 참여자가 동시에 대화에 참여하는 구조이다. 발화 순서 제어와 참여자 간의 관계 추론이 필요하며, AI 에이전트 환경에서는 각 에이전트의 정체성 유지가 핵심이다.
- 생각의 사슬(Chain-of-Thought)
- — LLM이 복잡한 문제에 대해 단계별 추론 과정을 거쳐 답을 도출하도록 유도하는 기법이다. NSona에서는 대화의 맥락을 분석하고 다음 발화자를 결정하는 논리적 판단 과정에 적용했다.
- 표적 집단 면접(Focus Group Interview)
- — 특정 주제에 대해 소수의 응답자와 심층 대화를 나누는 리서치 기법이다. NSona는 이러한 리서치 데이터를 AI로 재현하여 실시간으로 인터뷰를 시뮬레이션할 수 있게 한다.
- 루브릭(Rubric)
- — 평가 대상의 성취도를 측정하기 위해 정해놓은 명확한 기준과 척도이다. 이 영상에서는 AI 페르소나가 실제 사용자처럼 행동하는지 평가하기 위해 9가지 UX 관점의 루브릭을 설계했다.
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.