AI로 더 똑똑하게 페르소나와 저니맵 만드는 법
본문은 요즘 IT와 번역가 Yuna가 함께한 카일 수시(Kyle Soucy)의 글 <How I’m using AI to streamline persona and journey map creation>을 번역한 글입니다. 필자는 25년 경력의 UX 리서치 전문가로, 다양한 업계를 대상으로, 사용성 테스트와 정성적 사용자 연구를 수행하는 컨설팅 회사 ‘Usable Interface’의 설립자입니다. 이 글은 UX 실무자들이 AI의 힘을 빌려 더 빠르고 깊이 있게 페르소나와 저니맵을 설계할 수 있도록 돕습니다.
필자에게 허락을 받고 번역했으며, 글에 포함된 링크는 원문에 따라 표시했습니다.

AI는 우리의 업무를 더 효율적으로 만들어 주지만, 실제 UX 리서치와 분석을 통해 얻는 핵심 인사이트를 완전히 대체할 수는 없습니다.
일을 더 잘하게 해주는 AI, 하지만 사람을 대신하진 못합니다.
저는 UX 리서치 분야에서 20년 넘게 일해왔는데요, 처음에는 AI를 리서치 실무에 접목하는 것에 대해 다소 회의적이었습니다. 하지만 실제로 ChatGPT, Google Gemini, Microsoft Copilot, Claude.ai 같은 생성형 AI(GenAI) 도구들을 사용해 보니, 그 유용성은 기대 이상이었죠. 이 도구들은 단순히 데이터를 분석하는 데 그치지 않고, 도출한 인사이트를 UX 페르소나나 여정 지도 같은 핵심 산출물로 구체화하는 데에도 큰 도움이 되었습니다.

AI 프롬프트를 활용해 UX 페르소나나 저니맵을 만드는 방법은 이미 다양하게 소개되어 있습니다. “AI로 UX 페르소나 만드는 법”을 검색만 해도 수많은 자료를 찾을 수 있는데요. 저도 그중 일부는 참고해서 본문 말미에 출처로 정리해 두었습니다. 그런데도 제가 이 글을 쓰게 된 이유는, 지난 1년간 다양한 프롬프트 조합을 실험해 보면서 기존 자료에서는 잘 다루지 않았던 표현 방식과 구성의 차이를 활용해, 꽤 효과적인 접근법을 발견했기 때문입니다.
이 과정을 통해 얻은 인사이트가 다른 UX 리서처 분들께도 도움이 될 수 있지 않을까 하는 생각에 이렇게 공유하게 되었어요. AI를 UX에 적용하는 방법은 앞으로도 계속 진화하겠지만, 그 과정에서 서로의 경험을 나누고 함께 고민하는 것이 무엇보다 중요하다고 생각합니다. 혹시 이 글에서 소개한 프롬프트를 사용해 보셨거나, 또 다른 방식으로 좋은 결과를 얻으신 적이 있다면 댓글로 경험을 공유해 주세요.
페르소나 만들기

UX 페르소나는 크게 두 가지로 나눌 수 있습니다. 바로 실제 사용자 리서치에 기반한 페르소나와, 가정에 기반한 페르소나인데요. 데이터 기반으로 만든 페르소나든, 가설 페르소나(proto-persona), 임시 페르소나(ad-hoc persona), 합의 페르소나(alignment persona)처럼 가정에 기반한 페르소나든, GenAI가 이런 작업에 특히 효과적입니다.
가설 페르소나에 대해서는 아래 내용을 참고하세요.
제 경험상, 제품 팀 외의 분들은 페르소나와 가설 페르소나의 차이를 명확히 구분하지 못하는 경우가 많았습니다. 그래서 저는 가설 페르소나를 만들 때 ‘가정 기반 페르소나’라는 표현을 의도적으로 사용합니다. 이 표현을 쓰면 아직 실제 사용자 리서치가 이뤄지지 않았다는 점을 명확히 전달할 수 있기 때문인데요. 리서치 없이도 페르소나를 만들었다고 착각하게 만드는 상황만큼 곤란한 일도 없습니다. 예를 들어, 가설 페르소나를 보여줬더니 ‘이걸로 페르소나는 끝났네’ 하며 바로 다음 단계로 넘어가려는 경우가 대표적이죠.
가설 페르소나 작성법이 궁금하시다면, 타마라 애들린의 얼라인먼트 페르소나 자료를 참고하세요.
사용자 리서치를 기반으로 만든 페르소나라 하더라도, 그 안에 담긴 정보는 종종 허구적인 형식으로 표현되곤 합니다. 물론 제품의 평균적인 사용자를 정확히 반영하고 있지만, 이름이나 배경 이야기, 짧은 소개 문구 같은 창작 요소들은 페르소나에 생명력을 불어넣고, 더 현실감 있게 다가오도록 도와주죠. 이런 부분이 페르소나를 더 기억에 남게 만들고, 실제 사용자와 잘 연결되도록 해주는 역할을 합니다. 그런데 솔직히 말해, 저는 이런 허구적인 디테일을 쓰는 게 가장 어렵습니다. 그래서 이 부분에서 GenAI의 도움을 가장 많이 받게 되죠.
리서치와 분석을 통해 어떤 데이터를 넣고, 어떻게 나눠야 할지는 저도 잘 알고 있습니다. 하지만 그 내용을 어떻게 자연스럽고 설득력 있게 풀어낼지에서는 늘 고민이 생깁니다. 어떤 분들에겐 이 과정이 페르소나 만들기의 가장 재미있는 부분일 수 있지만, 저는 짧은 한 줄짜리 소개 문구 하나를 놓고도 몇 시간을 고민하는 경우가 많거든요.
저는 데이터를 분석하고 정성적 인사이트를 뽑아내는 걸 좋아하지만, 창의적인 글쓰기를 잘하는 사람은 아니라고 생각합니다. 그런데 바로 이런 부분이 페르소나를 더 입체적이고 공감 가는 존재로 만드는 데 핵심이 되기도 하죠. 물론 혼자서도 결국은 해낼 수 있겠지만, 시간과 에너지가 훨씬 더 많이 들기 때문에 이럴 땐 AI의 도움을 받는 편이 훨씬 효율적입니다.
최근에는 HeyMarvin, ChatGPT Team 같은 GenAI 도구들을 활용해서 이처럼 창의적인 서술이 필요한 부분들을 보완하는 실험을 해보고 있는데요. 이런 방식으로 AI를 잘 활용하려면, 핵심적인 작업은 먼저 사람이 정리해 놓은 상태에서 시작하는 게 가장 효과적이라는 걸 느꼈습니다.
1단계: 리서치 데이터와 인사이트를 모두 모으세요
사용자 리서치를 진행했다면, 인터뷰 녹취록이나 리서치 보고서 등 모든 자료를 빠짐없이 정리해 두세요. 만약 가설 페르소나를 만드는 단계라면, 브랜드 전략 보고서나 업계 분석 자료, 연말 결산 보고서, 이전 설문조사 결과, 시장 조사, 고객센터 데이터 등과 같은 2차 리서치 자료를 최대한 모아 분석하는 것이 중요합니다. 또는 우리 팀이 타겟 유저에 대해 가지고 있는 가정이나 추측이 담긴 문서라도 괜찮습니다. 어떤 형태든, 출발점이 되는 정보가 필요합니다.
2단계: 어떤 항목과 질문을 할지 결정하세요
페르소나는 모두 똑같이 만들 필요는 없습니다. 리서치 목적에 맞게 어떤 항목을 포함할지 결정하는 것이 핵심인데요. Steve Mulder의 “사용자가 언제나 옳다”에서 언급했듯, 페르소나의 모든 요소는 반드시 목적이 있어야 합니다. 각 항목은 팀이 사용자 집단을 더 잘 이해하고 공감하는 데 도움이 되어야 하죠. 특히 배경 정보는 제품이나 서비스와의 맥락 안에서 의미 있는 것이 중요합니다. 제품 사용과 관련 없는 사적인 정보는 과감히 생략해도 괜찮습니다. 오히려 그런 정보는 페르소나의 전달력을 흐릴 수 있어요.
3단계: GenAI 툴에 문서를 업로드하세요(데이터셋 만들기)
사용하는 툴에 따라 업로드할 수 있는 파일 형식은 다를 수 있습니다. 현재 ChatGPT Plus나 Team 버전에서는 PDF, TXT, JPEG, PNG, DOCX, CSV, XLS 형식의 파일을 업로드할 수 있습니다.
업로드 전에 데이터 보안 관련 주의사항을 확인하세요.
ChatGPT Plus에 업로드된 파일은 서비스 내에 무기한 보관될 수 있으며, 해당 파일이 OpenAI 모델 학습에 사용될 수도 있습니다. 따라서 중요한 개인정보나 민감한 데이터를 포함한 파일은 업로드하지 않는 것이 좋습니다. 보다 안전한 환경이 필요하다면, 대화 내용이 학습에 사용되지 않고 데이터가 암호화되는 ChatGPT Team 계정을 사용하거나, HeyMarvin, Dovetail과 같은 전문 UX 리서치 분석 툴이 좋습니다.
추가로 현재 ChatGPT Team에는 워크스페이스에 누구든지 새 멤버를 초대할 수 있는 보안상의 허점이 존재합니다. 따라서 멤버 관리 페이지를 정기적으로 확인하시는 걸 권장드립니다. ChatGPT Enterprise는 이와 같은 보안 문제가 없습니다. 고객 데이터나 사내 데이터를 다룰 경우, 도입 전에 반드시 IT팀과 협의하여 해당 툴이 회사의 데이터 보안 정책에 부합하는지 확인하시기 바랍니다.
4단계: AI 프롬프트 입력하세요
아래 프롬프트는 상황에 맞게 조정하여 사용하시면 됩니다.
5단계: 결과 검토 및 다듬기
처음 받은 결과가 기대한 바가 아니거나, 특정 정보를 더 포함하고 싶을 때는 GenAI에게 여러 방식으로 내용을 수정해달라고 요청할 수 있습니다. 저는 특히 행동 유도 질문을 활용해 페르소나의 특정 항목을 더 풍부하게 만드는 방식을 자주 사용하는데요. 예를 들어 아래 프롬프트처럼, GenAI에게 동기부여나 선호도에 대한 항목을 다시 작성해달라고 요청할 수 있습니다. 참고로 이 질문들은 제가 페르소나 워크숍을 진행하면서 다양한 팀들과 함께 가설 페르소나를 만들 때 실제로 사용하는 질문이기도 합니다.
이런 프롬프트로 후속 작업을 하면 페르소나 결과가 더욱 풍부해지는 경우가 많습니다. 물론 처음부터 이런 행동 유도 질문을 프롬프트에 포함시킬 수도 있지만, 데이터를 한 번에 너무 많이 주기보다는, 단계별로 조금씩 제공하면서 점진적으로 수정 요청을 하는 방식이 더 효과적이라는 걸 알게 되었습니다. 요구사항을 한꺼번에 넣으면 AI 모델이 혼란스러워할 수 있기 때문이죠.
패트릭 니먼의 UX 디자이너와 프로덕트 매니저를 위한 AI 어시스턴트 마스터링 가이드도 프롬프트에 사용자 리서치 질문을 포함시키면, 실제 사용자에 더 잘 부합하는 페르소나를 만들 수 있다고 조언합니다. 예를 들어, “이 페르소나가 실제 사용자와 부합하는지 검증할 수 있도록, 사용자 리서치 질문을 생성해 주세요.”와 같은 문장을 포함하라고 제안합니다.
또한 대규모 언어 모델(LLM)을 활용하면 사용자 기반을 행동 패턴, 선호도, 인구통계 정보 등에 따라 서로 다른 페르소나로 나눌 수 있어 실무에서 유용하게 쓸 수 있습니다. 다만, 한 가지 꼭 유의해야 할 점이 있습니다. 데이터 자체가 어느 한쪽으로 치우쳐 있다면, AI는 그 관점을 그대로 따라 하거나, 오히려 더 강화할 수도 있다는 점입니다.
정확성을 유지하고 싶다면 참고하세요.
모든 GenAI 도구는 완벽하지 않고, 틀린 정보를 제공할 수 있다는 점을 항상 유념해야 합니다. 최종적으로 제공된 결과가 실제 수집한 데이터와 부합하는지를 직접 검토하고 확인해야 합니다. 만약 사용하는 데이터셋에 성별, 인종, 사회경제적 배경 등에 대한 편향이 존재한다면, 생성된 결과에도 그러한 편향이 반영될 수밖에 없습니다.
AI 기반 리서치로 페르소나 만들기 – 단계별 가이드라는 글에서 빌 벌먼은 흥미로운 팁 하나를 소개합니다. 페르소나의 하루를 이야기 형식으로 받아보고 싶다면, 프롬프트에 “사용자 인터뷰 데이터를 바탕으로 이 페르소나의 하루를 스토리 형식으로 작성해 줘.”라고 입력해 보세요.
데이터 기반이든, 가정 기반이든 UX 페르소나를 만드는 작업은 생각보다 섬세한 과정입니다. 그리고 이 과정을 GenAI의 도움을 받을 수 있어요. 특히 창의적인 글쓰기가 익숙하지 않은 분들에게는, 페르소나를 보다 생동감 있고 공감 가는 방식으로 완성하는 데 큰 도움이 될 수 있죠. 사용자 데이터를 면밀히 수집·분석하고, 진짜 사용자 니즈를 반영한 페르소나 요소를 정의한 다음, AI를 전략적으로 활용해 창의적인 표현을 보완해 나간다면, 더 정확하고 매력적인 UX 페르소나를 만들 수 있습니다.
사용자 저니맵 만들기

저니맵을 만들 때도 페르소나 제작과 동일한 절차를 따라 진행하시면 되는데요. 2단계와 4단계에서는 몇 가지 차이점이 있습니다.
2단계에서는 저니맵에 어떤 요소를 포함할지 결정하는 데 충분한 시간을 들이는 것이 중요합니다. 특히, 여정을 구성하는 단계들을 어떻게 나눌지, 각 단계에서 행동, 생각, 해야 할 일과 같은 어떤 사용자 데이터를 보여줄지 명확히 정의해야 하죠. 이 부분은 GenAI에게 맡기기보다는 직접 고민하고 정리하는 것이 좋습니다. 이렇게 정리한 내용은 이후 프롬프트에 포함해 주시면 됩니다. 즉, 3단계에서 업로드했던 문서들과 함께, 최종 정리된 페르소나와 저니맵 요소 정의 내용까지 포함해서 AI에게 전달하는 방식입니다.
4단계에서 사용할 프롬프트는 다음 네 가지 정보를 포함하면 좋습니다.
- 누가 여정을 경험하는지 (즉, 해당 페르소나)
- 어떤 여정을 겪고 있는지
- 그 여정이 어떤 단계들로 나뉘는지
- 각 단계에서 어떤 정보를 보여줄 것인지 (행동, 생각, 해야 할 일 등)
예를 들어, 앱으로 음식을 주문하는 저니맵을 만든다면 저는 프롬프트를 다음과 같이 작성할 거예요.
결과를 검토할 때 저니맵이 데이터와 다르다면, GenAI가 빈 부분을 스스로 추론했을 가능성이 있습니다! 대규모 언어 모델(LLM)은 사용자 행동을 예측하거나 추정하는 데 능하지만, 별도로 지시하지 않으면 이런 추론이 결과에 표시되지 않습니다. 그래서 저는 프롬프트를 좀 더 정교하게 다듬어, 어떤 부분에서 데이터가 부족한지 파악할 수 있도록 요청합니다.
네이트 존슨이 프롬프트 엔지니어링 포켓 가이드: AI 모델을 최대한 활용하는 법에서 언급한 것처럼, AI가 특정 형식으로 답변을 하길 원한다면, 그 형식을 프롬프트에 명확히 지정해 주는 것이 중요합니다. 예를 들어, “표 형식으로 작성해.”라고 입력해야 하죠.
이를 위해서는 기회와 해결책 항목을 포함해야 합니다.
저는 보통 저니맵의 각 단계에 기회와 해결책이라는 추가 항목을 한 줄씩 더 넣는 편인데요. 기회는 각 단계에서 나타난 접점, 감정, 좌절을 바탕으로 개선 아이디어를 제시하는 항목이고, 해결책은 그에 따라 UX를 개선할 수 있는 기능이나 디자인 방향을 제안하는 영역입니다. 이 두 항목은 저니맵 속 리서치 데이터를 실제 실행 가능한 전략으로 연결해 주는 핵심 포인트라고 생각합니다. 다만, 이 부분은 GenAI에게 맡기지 않는 것이 좋아요. 일반적으로 데이터셋에는 팀 전체가 가지고 있는 문제 해결 경험과 맥락이 포함되어 있지 않기 때문이죠.
AI를 활용해 저니맵을 작성해 보니, 복잡한 데이터셋을 사용자 여정에 통합하는 과정이 훨씬 빠르고 효율적으로 진행되었고, 각 단계에서의 행동, 생각, 과제, 상호작용이 보다 명확하게 정리되는 경험을 할 수 있었습니다. 또한, AI는 사용자 행동을 예측하고 시각적으로 정리하는 데에도 강점을 보여주었기 때문에 저니맵의 전달력과 활용 가능성 역시 높아졌습니다.
다만, 중요한 점은 AI가 생성한 결과를 반드시 사람이 직접 검토하고 조정해야 한다는 것입니다. 현실 사용자 경험에 맞게 조율하고, 사람만이 제공할 수 있는 인사이트를 반영해야 실질적인 사용자 여정이 완성되기 때문이죠. AI는 사용자 행동을 예측하고 정리하는 데 큰 도움이 되지만, 궁극적으로는 사람의 인사이트가 더해져야 진짜 의미 있는 저니맵이 만들어집니다.
AI는 빠르게 사람은 깊게, 그 사이에서 균형 잡기
UX 디자인 프로세스에 GenAI를 통합해 나가면서, AI의 계산 능력과 인간만이 줄 수 있는 직관과 공감의 균형을 찾는 일이 무엇보다 중요해졌습니다. 진정성 있고 임팩트 있는 페르소나와 저니맵을 만들기 위해서는, AI의 효율성과 우리의 전문성·창의성을 결합하는 방식이 필요하죠. 이러한 조화를 통해, 실제 사용자 경험에 깊이 공감할 수 있는 결과물을 더 빠르고 효과적으로 만들 수 있습니다. 저는 많은 UX 동료 분들이 이 도구들을 직접 실험해 보고 경험을 나누며, 이 흥미로운 기술과 디자인의 교차점에서 함께 새로운 가능성을 열어가시길 응원합니다.
<원문>
How I’m using AI to streamline persona and journey map creation
<참고 자료>
- 패트릭 니먼의 ‘UX 디자이너와 프로덕트 매니저를 위한 AI 어시스턴트 마스터링 가이드’ - GPT Prompt Guides에서 보기
- 넬슨 아길라의 ‘ChatGPT에 파일을 업로드하는 방법과 그 이유’ - CNET 기사 보기
- 네이트 존스의 ‘프롬프트 엔지니어링 포켓 가이드: AI 모델을 최대한 활용하는 법’ - Nate’s Newsletter에서 보기
- 빌 벌먼의 ‘AI 기반 리서치로 페르소나 만들기 – 단계별 가이드’ - LinkedIn에서 보기
- 딜런 모리슨의 ‘UX와 AI: ChatGPT로 사용자 페르소나 만들기’ - Medium에서 보기
- 오로라 할리의 ‘페르소나는 사용자에 대한 기억을 팀에 남긴다’- Nielsen Norman Group에서 보기
- 타마라 애들린의 ‘Alignment Persona 프레임워크 소개’- Adlin Inc 공식 사이트
- 스티브 멀더의 ‘사용자가 언제나 옳다: 웹을 위한 실용적인 페르소나 가이드’- Amazon에서 도서 정보 보기
- 카일 수시의 ‘UX 페르소나를 만드는 법과 활용하는 방법’ - YouTube에서 보기
©위 번역글의 원 저작권은 Kyle Soucy에게 있으며, 저작권법의 보호를 받는 바, 무단 전재와 복사, 배포 등을 금합니다