AI-UX 포트폴리오 제작할 때 체크 포인트 7가지

지난 3~4년간 취업을 준비하는 학생들과 이직을 준비하는 실무자를 대상으로 AI 기반 UX 디자인 워크숍을 진행하며 포트폴리오 작업물을 함께 제작해 왔다. 그 과정에서 기존 UX 디자인 포트폴리오와는 다른 관점에서 신경 써야 할 몇 가지 요소를 발견했다.

물론 AI를 활용하든 안 하든 포트폴리오에서 기본적으로 지켜야 할 부분은 있다.

예를 들어, 이전 글 런던에서 만난 AI 시대 디자이너의 5가지 생존 전략에서 언급한 것처럼 AI로 인해 직무 간 경계가 무너지고 디자이너의 역할이 확장되고 있는데, 그럼에도 여전히 왜 이 제품을 만드는지, 사용자가 누구인지 등 근본적인 원칙에 집중해야 한다는 건 변함이 없다. 따라서 어떤 방법으로 리서치를 수행하고 데이터를 수집했는지, 그 데이터를 어떻게 분석해서 문제를 정의했는지, 그리고 어떤 과정을 거쳐 해결안을 도출했는지와 같은 논리적인 흐름은 AI를 활용한 프로젝트에서도 동일하게 유지되어야 한다.

그렇다면 AI 기반 UX 디자인 프로젝트에서는 무엇을 추가로 고려해야 하며, 이를 포트폴리오에는 어떻게 담아내야 할까? 이번 글에서는 AI를 활용한 UX 프로젝트를 소개할 때 특히 확인해야 할 일곱 가지 체크 포인트를, 워크샵 경험을 바탕으로 정리해 보았다.

AI x UX Design 포트폴리오 체크포인트 7가지

이 이미지는 AI-UX 디자인 워크숍에서 사용하는 포트폴리오 템플릿의 일부이다.

템플릿은 앞서 설명한 것처럼 UX 디자인 프로젝트를 소개할 때 필요한 논리적인 흐름에 맞춰 구성되어 있다. 리서치부터 데이터 분석, 솔루션 도출, 검증까지의 과정에서 AI를 활용하면 어떤 내용이 추가될 수 있는지 하나씩 살펴보자.

※ 이 글에 소개된 사례 이미지는 모두 수강생들의 개인 작업물이므로 무단 복제, 배포, 변형을 금지합니다.

체크 포인트 1. 명확한 AI 협업 프로세스 제시

첫 번째 체크 포인트는 AI와의 협업 프로세스를 명확하게 보여주는 것이다.

AI를 활용한다고 해서 문제를 정의하고 해결책을 도출하는 UX 디자인 프로세스의 큰 틀이 달라지는 것은 아니다. 다만 세부 단계는 조금씩 바뀐다.

예를 들어 기존에는 데스크 리서치나 사용자 리서치만으로 데이터를 수집했다면, AI를 적극 활용한 AI 페르소나 시뮬레이션이나 AI 인터뷰가 추가될 수 있다. 또는 데이터를 수집한 뒤 AI가 생성한 정보의 신뢰도를 검증하는 과정이 새롭게 포함될 수도 있다.

한편 와이어프레임 단계는 축소되고, 프로토타입을 반복적으로 수정/개선하는 단계에 더 많은 시간을 투자하는 경우도 있다.

이처럼 프로젝트마다 AI가 개입하는 지점이 달라질 수 있기 때문에, 프로젝트를 소개하기에 앞서 전체 작업 프로세스를 먼저 제시하는 것이 좋다. 예시 이미지처럼 프로젝트 초반에 프로세스를 시각화해 두면, 어떤 단계에서 AI를 활용했는지 한눈에 이해할 수 있다. 또한 해당 프로젝트가 단순히 AI를 사용한 것이 아니라, AI와 협업하는 방식까지 설계한 프로젝트라는 점을 효과적으로 전달할 수 있다.

체크 포인트 2. AI의 역할 및 사용 범위 제시(AI 사용자를 인간 사용자와 혼용하지 않기)

AI를 어느 단계에서, 어떤 역할로 활용했는지를 명확하게 설명하는 것도 중요하다. 아래 예시는 AI를 활용해 사용자 인터뷰를 진행한 과정을 담은 포트폴리오 페이지다.

왼쪽의 점선 표시를 보면 두 가지 방식으로 타깃 페르소나를 생성한 뒤, 이를 대상으로 AI 인터뷰를 진행했음을 확인할 수 있다.

• A: 주요 타깃층의 특성을 반영해 생성한 AI 페르소나
• B: 실제 인물을 기반으로 생성한 클론 AI 페르소나

같은 AI 인터뷰 과정이라도 AI를 일반적인 타깃 사용자의 특성을 반영한 페르소나 생성 도구로 활용했는지, 또는 실제 사용자를 1:1로 시뮬레이션하는 도구로 활용했는지에 따라 의미가 달라진다. 따라서 포트폴리오에서는 AI가 어떤 역할을 수행했는지 구체적으로 설명하는 것이 필요하다.

이 단계에서 가장 중요한 점은 AI 사용자를 실제 인간 사용자와 혼용하지 않는 것이다. AI가 특정 연령, 성별, 직업 등의 인구통계학적 특성이나 개인의 성격, 성향, 가치관을 반영하도록 설정할 수는 있다. 그러나 어디까지나 이는 특성을 기반으로 한 시뮬레이션일 뿐, 실제 사람의 복잡한 사고 과정이나 감정을 그대로 재현한다고 볼 수는 없다.

따라서 실제 사용자 리서치를 수행하지 않았다면, 포트폴리오에서도 AI 페르소나와 실제 사용자를 명확하게 구분해 표현하는 것이 바람직하다. 예시처럼 AI 기반 인터뷰와 실제 사용자 인터뷰를 구분해 표기하면, 프로젝트의 신뢰성을 높이는 동시에 AI의 활용 범위를 더욱 명확하게 전달할 수 있다.

체크 포인트 3. 어떤 AI를, 왜 사용했는지 설명

AI 도구의 종류가 빠르게 늘어나면서, 왜 특정 AI를 선택했는지 설명하는 것도 포트폴리오에서 중요한 요소가 되었다. 단순히 AI를 사용했다는 사실보다, 각 도구의 특성을 이해하고 목적에 맞게 선택했다는 점을 보여주는 것이 더 중요해진 것이다.

예를 들어 스카이스캐너는 국내 사용자와 해외 사용자가 모두 사용하는 서비스다. 국내 사용자와 해외 사용자의 페인 포인트를 각각 조사해 비교하려면, 활용하는 AI 도구도 달라질 수 있다.

구체적으로 국내 사용자 리뷰는 앱스토어에서 데이터를 수집한 뒤, 리스틀리(Listly)와 클로드(Claude)를 활용해 리뷰를 크롤링하고 분석*할 수 있다. 반면 해외 사용자 리뷰는 퍼플렉시티(Perplexity)에서 데이터 출처를 소셜로 설정하여 레딧(Reddit)에서 리뷰 데이터를 수집하고 분석하는 방식이 더 적합할 수 있다.

*자세한 내용은 AI로 생생한 사용자 의견 모을 ‘소셜 리스닝’하는 법의 2번 내용을 참고

동일한 데이터셋에 여러 AI를 함께 활용하는 방법도 있다. 예를 들어 같은 리뷰 데이터를 클로드와 GPT에 각각 분석하도록 한 뒤, 두 결과를 비교하여 공통적으로 도출되는 인사이트가 무엇인지 확인할 수 있다. 이렇게 하면 하나의 AI가 생성한 결과를 그대로 수용하기보다 교차 검증하는 과정까지 보여줄 수 있다.

프로토타입을 생성할 때도 마찬가지다. Stitch AI, Motiff 등 다양한 AI 기반 프로토타이핑 도구를 사용할 수 있는 상황에서 왜 특정 도구의 결과물을 선택했는지를 설명하는 것이 좋다. 예시에서 볼 수 있듯, Stitch AI로는 스카이스캐너의 기존 디자인 스타일을 재현하는 데 어려움이 있었지만, Motiff는 기존 디자인 시스템과 시각적 톤을 비교적 잘 유지했다. 따라서 Motiff의 결과물을 초안으로 삼아 최종 결과물을 완성했다는 내용을 담았다.

이처럼 특정 AI를 선택한 이유, 또는 생성된 결과물 가운데 무엇을 선택했고 왜 그렇게 판단했는지를 명확하게 설명하면, AI를 무작정 사용한 것이 아니라 각 도구의 장단점을 이해하고 목적에 맞게 활용했다는 점을 효과적으로 전달할 수 있다. 이는 디자인 역량뿐 아니라 AI 활용 능력과 도구 선택에 대한 판단력까지 함께 보여주는 요소가 된다.

체크 포인트 4. 검증 절차 진행 여부 및 방식 제시

AI를 활용한 콘텐츠가 쏟아지며 이제 사람들은 어떤 콘텐츠를 보더라도 ‘사람이 직접 만든 게 맞을까?’, ‘사실 여부가 검증된 내용일까?’라는 의문을 갖게 되었다. 그만큼 AI를 활용하는 대부분의 작업에서는 생성된 결과를 검증하고 사실 여부를 확인하는 과정이 무엇보다 중요하다.

특히 UX 디자인은 리서치와 데이터에 기반한 분야인 만큼, 데이터의 정확성과 신뢰도가 프로젝트의 완성도를 좌우한다. 따라서 AI를 통해 리서치를 수행했다면 어떤 방식으로 리서치 결과를 검증했는지까지 함께 보여주는 것이 필요하다.

위 예시에서는 AI를 활용해 사용자 리뷰를 분석한 뒤, 실제 통계 자료와 원본 데이터를 다시 확인하는 과정을 거쳤다고 설명한다. 관련 통계 자료의 URL을 직접 확인하며 AI가 도출한 결과와 비교/검증했고, 이를 바탕으로 사용자가 실제로 서비스를 어떻게 이용하는지 이해했다고 덧붙였다. 이처럼 단순히 “AI가 이렇게 분석했다”에서 끝나는 것이 아니라 출처를 확인하고 데이터를 직접 검증했다는 과정을 명시하면 리서치 결과의 신뢰도를 더욱 높일 수 있다.

디자인 개선 과정에서도 AI를 활용할 수 있는데, 이때도 마찬가지로 검증 절차가 필요하다. 예를 들어 AI를 활용해 A/B 테스트의 가설을 도출했다면, 거기서 끝내는 것이 아니라 실제 사용자에게 투표를 받거나 사용성 테스트를 진행해 가설을 검증하는 과정을 함께 제시하는 것이 좋다.

예시에서는 실제 인간 사용자들에게 투표를 받을 수 있는 플러그인을 사용하여 직접 결과를 검증했고 이를 바탕으로 사용자가 선호하는 시안을 채택했다고 설명한다. 이처럼 AI는 가설을 빠르게 생성하는 도구로 활용하되, 최종 의사결정은 실제 데이터를 통해 검증했다는 점을 명확히 보여주면 프로젝트의 신뢰성과 의사결정의 설득력을 한층 높일 수 있다.

체크 포인트 5. 복합적인 근거 체계 필요

체크 포인트 5번은 간단히 말해, 하나의 근거에만 의존하여 문제를 정의하지 말라는 의미이다. 특히 리서치 단계에서 실제 사용자 인터뷰 없이 AI만으로 데이터를 수집했다면, 아무리 검증 절차를 거쳤더라도 결과의 신뢰성에는 한계가 있을 수 있다.

따라서 하나의 리서치 방법에만 의존하기보다, 여러 출처에서 수집한 근거를 종합해 문제를 정의했다는 점을 보여주는 것이 중요하다.

예를 들어 위 그림처럼 최근 시장 동향 분석, 경쟁 서비스 분석, 사용자 리뷰 분석 등 다양한 방법으로 데이터를 수집하고, 각각에서 도출한 A, B, C 근거를 종합해 사용자의 페인 포인트를 정의하는 방식이다.

AI를 활용한 사용자 시뮬레이션도 마찬가지다. AI 페르소나를 생성해 한 번만 인터뷰하는 것이 아니라, 서로 다른 페르소나와 다양한 시나리오를 반복적으로 시뮬레이션하며 결과를 비교하는 것이 좋다. 여러 관점과 상황을 반복해서 검토함으로써 사용자의 실제 니즈가 무엇인지, 핵심 페인 포인트가 무엇인지를 지속적으로 재확인하는 과정이 필요하다. 반복적인 시뮬레이션을 빠르게 수행할 수 있다는 점은 AI가 가진 대표적인 장점이기에 이를 적극적으로 활용하는 것이 좋다.

이때는 가능한 실제 사용자 리서치를 함께 진행하는 것이 가장 효과적이다. 앞서 체크 포인트 2에서 소개한 것처럼 AI 기반 리서치와 실제 사용자 인터뷰를 함께 활용하면, AI만으로 데이터를 수집하고 분석했을 때보다 훨씬 높은 신뢰도를 확보할 수 있다.

결국 중요한 것은 하나의 AI 리서치 결과만을 근거로 사용하는 것이 아니라, 여러 데이터와 인사이트를 통해 보다 탄탄한 근거 체계를 구축하는 것이다. 이러한 접근은 프로젝트의 논리성과 설득력을 높이는 것은 물론, AI 기반 리서치의 객관성을 유지하는 데에도 도움이 된다.

체크 포인트 6. AI 답변을 자신의 언어로 수정

이번에는 주의해야 할 점이다. AI를 사용하여 데이터를 분석하거나 인사이트를 도출한 후에, 그 내용을 그대로 복사하여 포트폴리오에 넣는 경우가 종종 있다. 혹은 직접 초안을 작성하였더라도 AI로 교정하거나 다듬는 과정에서 AI가 수정한 문장을 거의 그대로 사용하는 경우가 있다. 문제는 이러한 문장들이 AI가 작성한 티가 난다는 점이다.

예시 이미지에서 표시한 부분을 보면 AI가 작성한 내용이라는 걸 쉽게 짐작할 수 있다. 특정 키워드를 강조하는 마크다운 강조 기호(**) 때문이다. 내용이 아무리 타당하더라도 이러한 표현이 반복되면, 독자는 글의 신뢰성을 의심하게 될 수 있다.

이 밖에도 AI가 작성한 글에서 자주 나타나는 특징이 있다. 제목이나 말머리에 이모지를 과도하게 사용하거나, 불필요한 위치에 쉼표를 반복해서 넣는 경우, 엠대시(—)를 지나치게 사용하는 경우, 또는 번역체처럼 어색한 문장과 어휘를 사용하는 경우다. 이런 표현이 눈에 띄면 포트폴리오 전체의 완성도와 전문성이 떨어져 보일 수 있다.

포트폴리오는 자신의 사고 과정과 문제 해결 능력을 보여주는 문서다. 따라서 AI는 아이디어를 정리하거나 초안을 다듬는 보조 도구로 활용하되, 최종 문장은 반드시 자신의 언어로 다시 작성하는 게 좋다. 특히 디자인 프로젝트는 많은 설명을 늘어놓기보다, 한두 문장으로 핵심을 명확하게 전달하는 것이 중요하다. 그러므로 포트폴리오에 들어가는 텍스트만큼은 직접 표현을 고민하고, 여러 차례 교정·교열을 거쳐 자신의 문체로 완성하는 것이 좋다.

체크 포인트 7. 피드백을 받을 때 비판적이고 객관적인 관점 요청

마지막 체크 포인트는 AI로부터 피드백을 받아 결과물을 개선하는 작업에 적용하는 것이다.

바로 이전 글 나만의 ‘UX/UI 디자인 피드백봇’ 만들기에서 소개했듯, 프롬프트를 통해 AI에 일반 사용자의 역할을 부여하고 피드백을 받아볼 수 있었다. 이처럼 일반 사용자 역할을 부여하는 대신, 전문가의 역할을 지정하고 그 관점에서 디자인 피드백을 받아보는 것도 가능하다.

이때 주의할 건, AI의 아첨이다. AI는 사용자의 의견에 지나치게 동조하거나 결과물을 긍정적으로 평가하는 경향이 있다. 이는 AI가 갖고 있는 일반적인 특징 중 하나이기도 하지만 특히 프로젝트를 진행하는 동안 같은 대화창에서 여러 차례 의견을 주고받았다면, 이전 대화의 맥락에 영향을 받아 객관적인 피드백을 제공하지 못할 가능성이 더욱 커진다.

따라서 최종 결과물을 검토할 때는 “장점을 칭찬하기보다 문제점을 중심으로 평가해줘”라든가 “비판적이고 객관적인 관점에서 개선해야 할 부분을 찾아줘”와 같이 평가 기준을 명확하게 제시하는 것이 좋다. 이렇게 해야 예시처럼 실제 디자인 개선에 도움이 되는 구체적이고 실질적인 피드백을 얻을 가능성이 높아진다.

마치며

이번 글에서는 AI 기반 UX 디자인 프로젝트를 포트폴리오에 담을 때 고려해야 할 일곱 가지 체크 포인트를 살펴보았다. 7가지 모두 기존 포트폴리오와는 달리, AI를 활용한 프로젝트의 신뢰성과 설득력을 높이기 위해 특히 신경 써야 할 요소들이다.

이제 AI를 활용하는 것 그 자체는 특별한 일이 아니다. 누구나 AI의 도움을 받아 작업할 수 있는 시대이다. 그러나 동시에 AI가 생성한 결과물에 대한 의심도 함께 커지고 있다. 그렇기 때문에 프로젝트에서 AI를 어떤 과정에 활용했는지, 왜 해당 도구를 선택했는지, 생성된 결과를 어떤 방식으로 검증했는지를 명확하게 설명하는 것이 무엇보다 중요하다. 이는 단순히 AI를 사용했다는 사실을 넘어, AI를 목적에 맞게 활용하고 결과를 비판적으로 검토할 수 있는 역량까지 보여주는 근거가 된다.

이 글을 읽고 있는 분들 가운데는 취업이나 이직을 위해 포트폴리오를 준비하는 사람도 있을 것이고, 반대로 포트폴리오를 검토해 채용 여부를 결정해야 하는 사람도 있을 것이다. 어떤 입장에 있든, 이번에 소개한 일곱 가지 체크 포인트를 기준으로 포트폴리오를 점검해 본다면 AI 시대에 더욱 설득력 있는 프로젝트를 만들고 평가하는 데 도움이 될 것이다.

ⓒ요즘IT의 모든 콘텐츠는 저작권법의 보호를 받는 바, 무단 전재와 복사, 배포 등을 금합니다.