[김태형의 디자인 싱킹Ⅱ]<51>생성형 AI와 디자인 싱킹의 상호작용(2)

인공지능(AI) 기술은 최근 몇 개월 새 놀라운 속도로 진화하고 있다. 그 중심에는 챗GPT 같은 생성형 AI가 있다. 딜로이트 인사이트의 'AI가 말을 걸다, 인간과 대화하고 공감하는 AI의 등장'이라는 글에서 언급한 바와 같이 이미 생성형 AI는 고객 서비스, 상담, 교육 등 다양한 분야에서 인간과의 상호작용을 향상하고 사용자경험을 개선하고 있다.

디자인 싱킹과 AI 접점 관심도 증가하고 있다. 이는 두 분야가 함께 문제해결 능력을 발휘할 것이라는 기대감 때문이다. 지난 기고에서 생성형 AI와 디자인 싱킹 상호작용을 '창의력 관점'에서 살펴봤다면 이번에는 공통으로 강조되는 '문제해결 능력'에 초점을 맞춰 보자.

문제해결 능력에 대한 정의는 학문 분야에 따라 조금씩 다르지만 일반적으로는 해결책을 찾기 위해 더 높은 인지 과정을 처리하는 힘을 의미한다. 국가직무능력표준(NCS)에서는 문제해결 능력을 필수 직업 역량으로, 문제 상황에서 개인이나 조직이 당면한 문제를 인지하고 창의적이고 논리적인 사고를 통해 적절하게 대응할 수 있는 능력이라고 규정하고 있다. 즉 합리적인 판단과 창의력, 의사결정 능력을 바탕으로 한다고 볼 수 있다. 따라서 문제해결 능력은 미래 사회의 불확실성 및 다양한 상황 대처에 필요한 핵심 능력 가운데 하나다.

디자인 싱킹에서의 문제해결 능력은 사용자 중심 접근 방식으로 문제를 발견하고, 창의적인 솔루션을 제안해서 문제를 해결하는 것을 의미한다. 일반적으로 디자인 싱킹은 사용자 요구와 기존 경험을 바탕으로 문제를 정의하고, 다양한 아이디어를 도출해서 시제품(프로토타입)을 제작하고 테스트하는 과정을 거친다. 이 과정에서 디자인 싱킹은 문제를 해결하기 위한 창의력과 혁신을 강조한다. 특히 인간의 감성과 사용자경험 중심으로 사용자인 인간에게 더욱 적합한 해결책을 찾아내는 것을 핵심으로 한다.

반면 생성형 AI의 문제해결 능력은 기계학습 알고리즘을 이용하여 대량의 데이터를 분석하고 패턴을 찾는 데 초점을 맞춘다. 그 과정에서 데이터의 편차나 한계로 문제를 완벽하게 해결하기 어려울 수 있지만 긍정적 관점에서 보면 생성형 AI는 예측, 추천 등 다양한 문제해결 과정에서 새로운 솔루션을 제안한다.

또한 복잡한 문제에 대한 아이디어 또는 솔루션의 최적화 등 인간이 도출하기 어려웠던 결과를 만들어 낼 수도 있다.

따라서 디자인 싱킹과 생성형 AI의 문제해결 능력은 서로 보완적인 관계를 형성할 수 있다. 예를 들어 디자인 싱킹은 사용자 중심 접근을 통해 문제를 발견하고 해결책을 제시할 수 있으며, 생성형 AI는 데이터 기반 분석을 통해 문제의 원인과 패턴을 찾아내는 것이다.

이를 통해 제품 개발, 서비스 디자인, 조직 문화 개선, 교육 등 다양한 분야에서 디자인 싱킹과 생성형 AI는 함께 활용될 수 있을 것으로 기대된다. 그리고 이러한 접근 방식은 문제해결 능력을 향상할 뿐만 아니라 미래를 만드는 데 필요한 협업, 소통 능력 등과 같이 사회 전반에 걸친 질적·양적 변화를 끌어내는 데도 도움이 될 수 있을 것이다.

물론 디자인 싱킹과 생성형 AI는 각각의 고유한 특징이 있다. 그러나 공통점과 차이점은 혁신적인 문제해결과 창의성 영역에 대한 메커니즘 및 방식 차이에서 비롯된다고 할 수 있다. 따라서 이러한 공통점과 차이점을 잘 이해하고 활용하는 것은 새로운 미래에 대응하기 위한 문제해결 능력 향상에 상당히 중요하다.

결과적으로 창의력과 마찬가지로 이 두 가지 방식을 결합하면 생성형 AI의 데이터 기반 분석력과 디자인 싱킹의 인간 중심적 접근 방식이 상호 보완재로 작용해서 더 효과적인 문제해결을 이룰 수 있다. 앞으로의 우리에게 필요한 것은 이러한 협력을 통해 더 나은 문제해결 능력을 발휘하는 것이 아닐까.

김태형 단국대 교수(SW디자인융합센터장) kimtoja@dankook.ac.kr