AI로 만들기 쉬워진 시대, 차별화를 만드는 안목
이 글은 Taste Is the New Moat and Design Decides Which Startups Survive를 읽고 개인적인 해석을 덧붙인 글입니다. “안목이 해자가 된다”는 주장은 생각해볼 관점이지, 모든 시장에서 검증된 법칙은 아닙니다.
LLM이 구현 초안을 쓰고 디자인 도구가 화면을 만드는 등, 아이디어를 눈에 보이는 형태로 옮기는 일이 쉬워졌다. 그렇다고 검증, 보안, 운영을 포함한 제품 개발 비용까지 사라진 것은 아니다.
생성된 화면들을 보다 보면 비슷한 그라데이션, 비슷한 온보딩, 비슷한 AI 어시스턴트가 눈에 띈다. 결과물이 많아져도 사용자의 문제를 해결하는 방식까지 다양해지는 것은 아니라는 생각이 든다.
그래서 나는 다음 질문에 더 관심이 간다.
무엇을 만들고, 무엇을 버리며, 어떤 디테일을 끝까지 지킬 것인가?
이 질문에 반복해서 답하는 능력을 이 글에서는 안목이라고 부르고 싶다.
안목은 나중에 맞았다고 말하는 능력이 아니다
안목을 “결과적으로 맞는 선택을 하는 감각”으로만 정의하면 성공한 결정을 나중에 칭찬하는 말에 그치기 쉽다. 운 좋게 맞은 선택도 구분할 수 없다.
내가 생각하는 안목에는 선택 전에 설명할 수 있는 기준과, 선택 후 틀렸음을 인정할 수 있는 조건이 함께 있어야 한다. 예쁜 화면을 고르는 능력도 그 일부지만, 사용자가 혼동할 문장을 찾아내거나 실패 후 복구 동작을 남기는 판단도 안목이다.
Paul Graham은 Taste for Makers에서 좋은 설계를 판단하는 감각도 발전할 수 있다고 주장한다. 나는 그 주장을 사용자에게 선택을 검증받는 과정까지 포함해서 받아들이고 싶다. 많이 보는 것만으로는 내가 익숙한 스타일을 더 좋아하게 될 수도 있기 때문이다.
안목이 곧 해자는 아니다
원문은 구현이 쉬워질수록 선택과 일관성이 경쟁력이 된다고 말한다. 그 방향에는 공감한다. 다만 기술, 자본, 데이터, 유통망의 중요성이 없어졌다는 주장에는 동의하지 않는다. 좋은 제품도 필요한 고객에게 도달하지 못하거나 안정적으로 운영되지 못하면 경쟁에서 어려움을 겪는다.
제품의 느낌도 일부는 복제할 수 있다. 화면과 문장, 가격과 온보딩을 따라 만드는 것은 가능하다. 따라서 “취향은 복제할 수 없다”는 말만으로 지속적인 경쟁 우위를 설명하기는 부족하다.
내가 더 어렵다고 보는 것은 사용자를 이해하고, 피드백을 받아, 서로 다른 상황에서도 일관된 결정을 갱신하는 과정이다. 그 과정이 실제로 더 나은 사용 경험과 재사용으로 이어질 때 안목은 경쟁력의 한 원인이 될 수 있다. 이것은 이 글의 해석이며, 안목만으로 성장을 설명하는 주장은 아니다.
예쁜 화면과 믿을 만한 제품을 구분하기
AI가 문서를 요약하는 기능을 설계한다고 가정해보자. 다음은 특정 제품의 평가나 실제 사용자 테스트 결과가 아니라 비교를 위한 예다.
| 선택 | 보기에는 좋은 점 | 함께 판단할 문제 |
|---|---|---|
| 요약만 간결하게 보여주기 | 읽기 쉽고 화면이 단순함 | 잘못된 내용의 원문을 찾을 수 있는가 |
| 모든 문장 옆에 출처 표시 | 검증 경로가 드러남 | 출처가 실제 주장을 뒷받침하며 읽기를 방해하지 않는가 |
| 한 번의 클릭으로 전체 반영 | 완료까지 빠름 | 틀린 결과를 검토·수정할 수 있는가 |
| 반영 전에 차이와 수정 기회 제공 | 결과를 통제할 수 있음 | 위험이 작은 작업에도 불필요한 확인을 강요하는가 |
여기에는 늘 하나의 정답이 있는 것이 아니다. 개인 메모 초안과 고객에게 보낼 최종 문서는 실패 비용이 다르다. 좋은 판단은 모든 기능을 줄이는 것이 아니라, 해당 사용자가 감당해야 할 위험과 확인 비용에 맞춰 복잡도를 배치하는 일에 가깝다.
“미니멀하다”는 이유로 오류 안내를 없애거나, “안전하다”는 이유로 매번 같은 확인창을 띄운다면 둘 다 사용자를 제대로 보지 못한 선택일 수 있다.
신뢰는 인상을 넘어 검증 가능해야 한다
사용자가 시스템의 동작을 이해하고, 잘못된 결과를 찾아 고칠 수 있게 하는 디자인은 중요하다. 이 문제는 생성형 AI 이후에 갑자기 생긴 것도 아니다. Microsoft Research의 2019년 인간-AI 상호작용 연구도 18개 디자인 지침을 제시하고 여러 AI 제품에서 그 관련성을 평가했다.
다만 명확한 로딩 메시지나 출처 배지가 있다고 실제 정확성이 높아지는 것은 아니다. 근거를 보여주는 듯한 화면이 틀린 답을 더 쉽게 믿게 만들 수도 있다. 내가 목표로 삼고 싶은 것은 무조건 큰 신뢰가 아니라 시스템의 실제 능력에 맞는 신뢰다.
문서 요약 예라면 예쁜 완료 화면보다 다음이 먼저 궁금하다.
- 사용자가 중요한 오류를 알아차리고 원문으로 돌아갈 수 있는가?
- 요약이 실패하거나 일부만 처리됐을 때 상태를 구분할 수 있는가?
- 반영 전에 수정할 수 있고, 반영 후의 복구 범위도 이해하는가?
- 확인에 들이는 노력에 비해 실제로 시간을 절약하는가?
안목을 팀의 학습으로 남기기
안목을 “우리 팀은 감각이 좋다”는 자기평가로 남기고 싶지는 않다. 다음과 같은 짧은 기록이면 검증 가능한 판단으로 바꿀 수 있다.
- 대상을 고른다. 누가 어떤 문서를 어떤 목적으로 요약하는지 정한다.
- 대안을 비교한다. 화면만 바꾸지 말고 원문 확인·수정·실패 후 행동까지 비교한다.
- 예측을 적는다. 예를 들어 “원문 연결을 가까이 두면 중요한 오류를 확인하기 쉬워질 것”이라고 가설을 남긴다.
- 행동을 관찰한다. 예쁘다는 평가와 작업 완료, 오류 발견, 확인 시간은 따로 본다. 소수 관찰은 문제 발견에 쓸 수 있지만 효과 크기를 확정하지는 않는다.
- 기준을 갱신한다. 확인 경로가 거의 쓰이지 않으면 필요 없다고 단정하지 않고, 찾지 못했는지 필요하지 않았는지 구분한다.
이렇게 남은 결정과 피드백이 다음 판단의 재료가 된다. 에이전트에게도 “세련되게 만들어줘”보다 목표 사용자, 비교할 대안, 실패 상태, 확인할 행동을 전달하기 쉬워진다.
무엇을 남기고 싶은가
AI는 후보를 빠르게 만들고 비교를 도와줄 수 있다. 그 결과 중 무엇을 살리고 버릴지 선택하는 일은 여전히 중요하다. 다만 선택에 대한 확신을 안목과 혼동하지 않고 싶다.
좋은 안목은 선택의 이유를 설명하고, 사용자에게 그 선택을 검증받으며, 틀렸을 때 기준을 고칠 수 있는 능력에 가깝다.
만들기 쉬워진 시대에 내가 더 키우고 싶은 것도 그 능력이다. 더 적게 만드는 원칙 자체보다, 필요한 것을 남겼다고 말할 근거가 있는 제품을 만들고 싶다.