본문으로 건너뛰기

🔎AI와 미래

UX 리서처 · 사람들이 제품을 어떻게 사용하는지 연구해, 관찰된 행동과 필요와 불만을 팀이 디자인의 근거로 삼을 수 있는 증거로 바꾸는 일.

이 페이지 공유

AI 도구는 필사, 태깅, 요약, 초안 보고서 작성 같은 수작업을 빠르게 줄이고 있다.

핵심적인 연구 과제는 여전히 인간의 일이다: 무엇을 연구할지 정하고, 신뢰할 수 있는 참여를 얻어내고, 맥락 속에서 증거를 해석하는 일.

31 / 100
보통

기계가 대신할 수 있는 업무의 비율

AI는 연구 행정 업무와 1차 종합 작업의 상당 부분을 자동화할 수 있다. 하지만 타당한 연구를 설계하거나, 참가자의 말로 표현되지 않은 불편함을 알아채거나, 윤리적 딜레마를 판단하거나, 오해를 낳는 결론에 대해 조직에 책임을 묻는 일은 신뢰성 있게 해내지 못한다.

직함이 아니라 업무 단위로 산정했다. 낮을수록 안전하다.

AI가 대체하지 못하는 직업 →

기계가 가져가지 못하는 것

연구 설계(framing)

92

올바른 질문을 선택하려면 제품, 인간, 조직에 대한 맥락이 필요하다.

참가자와의 신뢰

88

민감한 이야기를 이끌어내는 것은 경청하고 책임 있게 반응할 수 있는 연구자에게 달려 있다.

윤리적 책임

90

동의, 개인정보 보호, 피해 방지는 요약 도구에 위임할 수 없다.

맥락적 해석

82

망설임이나 우회 행동에는 문화적, 접근성, 업무 환경상의 원인이 있을 수 있다.

관계자 판단

76

연구자는 편리한 결론에 이의를 제기하고 증거가 실제로 뒷받침하는 바를 협상해야 한다.

이미 가져가고 있는 것

필사

85

음성-텍스트 시스템이 이미 많은 수동 필사 작업을 없앴다.

1차 태깅

70

모델은 반복되는 문구와 제안된 주제를 인간이 검토할 수 있도록 군집화할 수 있다.

인터뷰 가이드 초안

60

AI는 초기 가이드를 만들 수 있지만, 연구자는 편향과 적합성을 반드시 검증해야 한다.

보고서 형식화

75

도구는 구조화된 노트에서 요약, 표, 증거 링크의 초안을 작성할 수 있다.

일이 변해가는 방식

더 빠른 종합, 더 높은 검토 기준

연구자는 노트를 정리하는 데 쓰는 시간을 줄이고, 요약이 미묘한 뉘앙스를 유지하는지 확인하는 데 더 많은 시간을 쓰게 될 것이다.

소규모 팀이 일상 업무를 처리한다

자동화는 행정적 역할을 줄이는 동시에 방법론적 역량에 대한 기대치를 높일 수 있다.

연구 거버넌스가 성장한다

팀은 민감한 연구에서 녹화, 참가자 데이터, AI 모델 사용에 관한 정책이 필요하다.

혼합 방법론의 가치가 커진다

정성적 종합이 저렴해질수록, 검증을 위해 강력한 실험적·행동적·현장 증거가 더 중요해진다.

갈라져 나오는 새 직업들

리서치 운영 리드

윤리적인 모집, 저장소, 참가자 시스템을 구축한다.

AI 경험 리서처

사람들이 AI 제품의 행동을 어떻게 신뢰하고, 정정하고, 이해하는지 연구한다.

접근성 리서처

장애가 있는 사용자가 제품 여정 전반에서 겪는 장벽을 조사한다.

인사이트 전략가

연구 증거를 제품 포트폴리오와 조직의 의사결정에 연결한다.

전망

AI는 일상적인 연구 제작을 더 빠르게 만들겠지만, 동시에 부실한 증거도 대규모로 만들기 쉽게 할 수 있다.

가장 오래 살아남는 연구자는 엄밀함을 지키고, 소외된 사람들을 대변하며, 명확한 증거로 고위험 결정을 바꿀 수 있는 사람일 것이다.

비슷한 직업

같은 분야만이 아니라 여섯 점수 프로필이 가까운 직업입니다.

계속 탐색하기

계속 탐색하기

예술·창작 분야의 다른 직업