2025년, 생성형 AI는 사용자 경험(UX) 설계의 경계를 허물고 있다. 특히 GPT-4o와 같은 멀티모달 AI는 텍스트, 이미지, 음성, 영상까지 아우르며 사용자의 의도와 맥락을 실시간으로 파악하고 응답하는 새로운 인터페이스 시대를 열고 있다. 이로 인해 UX는 정적 화면 설계가 아니라 동적 흐름과 의도 인식을 중심으로 재정의 되고 있다.

예컨대 교육 분야에서는 학생이 말로 질문하고, 이미지로 보충 설명을 요청하면 AI는 개념을 시각화하여 설명하고 퀴즈까지 제시하는 인터랙션을 제공한다. 이는 기존의 클릭 중심 UI가 아닌 대화 기반 UX의 전형적인 진화 사례다. 사용자의 참여와 몰입도는 급증하고 있으며, 단순한 정보 탐색을 넘어서 개인화된 학습 경험을 창출하고 있다.

이러한 트렌드는 UX 디자이너의 역할에도 영향을 준다. 디자이너는 더 이상 단순히 시각적 화면을 만드는 것이 아니라, 사용자 프롬프트 시나리오를 설계하고, AI의 학습 데이터 기반 피드백을 조율하며, 의도-행동 간 간극을 최소화하는 인터랙션 흐름을 설계해야 한다. 특히 다중 AI 출력(텍스트 + 이미지 + 모션)의 UX 구성에서 조화와 직관성을 유지하는 것은 새로운 과제가 되고 있다.

멀티모달 AI 기반 UX에서 중요한 설계 원칙은 다음과 같다:

1. 의도 중심의 인터랙션 흐름 설계: 사용자의 입력 방식과 맥락에 따라 AI가 적절한 반응을 하도록 구조를 디자인
2. 신뢰 기반 피드백 루프 구축: AI가 출력하는 정보에 대한 설명성과 근거 제시를 통해 사용자의 불안감 해소
3. 에러와 실패를 전제로 한 UX 구성: 불완전한 AI 출력을 자연스럽게 보완하거나 유연하게 수정 요청할 수 있는 경로 설계
4. 감정 인식과 정서적 설계: 사용자 목소리 톤이나 이미지 반응에 따라 감정 상태를 추론해 반응을 조율
5. 프라이버시 고려 설계: 사용자 데이터 기반의 추천 UX에서 정보 제공 방식과 데이터 수집 경로에 대한 설명 포함

사용자 유형별 UX 차이

고령자 사용자는 시각적 명료성, 단순한 피드백 흐름, 음성 인터페이스 선호 경향이 크다. 특히 버튼의 크기, 언어의 난이도, 에러 복구 기능 등이 UX 만족도를 좌우한다. 실제 사례로는 미국의 CVS Health가 도입한 고령층 약국 챗봇이 있다. 이 챗봇은 큰 글씨, 느린 응답 속도, 음성 안내 기능을 통해 약 복용 알림과 건강 조언을 전달하며 고령 사용자의 사용성을 높였다. 또 하나의 예는 일본 도쿄도청이 제공하는 시니어 전용 방재 챗봇으로, 재난 발생 시 대피소 위치와 응급 대처법을 음성 안내 중심으로 전달해 고령자의 생존 가능성을 높였다. 독일 뮌헨 시청은 고령층 시민을 대상으로 하는 사회복지 챗봇을 통해 사회서비스 신청 절차를 안내하고 있으며, 버튼형 인터페이스와 시각 강조 모드를 적용해 접근성을 강화하고 있다.

반면 디지털 네이티브는 감성적 공감, 속도감 있는 반응, 재미 요소(이모지, 애니메이션, 창의적 응답 등)에 민감하다. 실제 사례로는 Snapchat의 AI 챗봇 'My AI'가 있다. 사용자는 이모지와 밈을 주고받으며 AI와 자연스럽게 대화를 나누며 일상 이야기를 공유한다. 또 다른 사례로는 스웨덴의 Klarna가 운영하는 쇼핑 어시스턴트 챗봇으로, Z세대 고객의 관심사와 유행 제품을 실시간 반영한 대화형 추천을 제공한다. 마지막으로 미국의 Duolingo는 게임화된 인터페이스와 캐릭터 기반의 AI 튜터 챗봇을 통해 젊은 사용자층의 몰입도와 학습 지속률을 끌어올리고 있다.

두 집단을 하나의 UX로 만족시키기 위해선 AI 시스템이 사용자 유형을 인식하고 맞춤화된 UI/UX를 실시간 제공하는 구조가 필수적이다. 연령, 디지털 친숙도, 감정 상태 등을 반영한 프리셋 기반 UX 설계가 점차 확대될 것이다.

‍

산업별 적용 사례

• 리테일: “파티에 어울릴 만한 블랙드레스 보여줘” 같은 프롬프트를 통해 사용자는 자연어로 스타일 요청을 입력하면, 챗봇은 과거 구매 이력, 선호 브랜드, 계절 요소 등을 분석해 AI 기반의 개인 스타일링을 제안한다. 예컨대 ZARA나 H&M의 챗봇은 사용자가 선택한 기분 또는 상황(예: '면접', '소개팅')에 따라 어울리는 제품을 추천하며, AI가 자동 생성한 착장 이미지까지 함께 제시한다. 또한 비주얼 기반 검색 기능을 통해 사용자가 올린 사진을 분석하여 유사한 제품을 매칭하거나, 코디를 조합하는 인터랙션도 구현된다.

이러한 챗봇은 단순한 추천을 넘어 '지능형 커머스'로 진화하고 있다. 예를 들어 Amazon은 사용자 검색 히스토리, 구매 패턴, 반품 이력, 현재 장바구니 데이터를 통합 분석해, 실시간 구매 타이밍과 함께 연관 상품을 추천하는 다층적 챗봇 UX를 구현하고 있다. Shopify는 타사 앱과 연동된 AI 커머스 챗봇을 통해 고객 리뷰 분석을 기반으로 제품 평점과 신뢰도를 요약 제공하며, 사용자 취향 기반의 리뷰 필터링 기능까지 통합한 대화형 쇼핑 경험을 제공한다. 또한 AI는 재고 상황, 할인 시점, 배송 옵션을 실시간으로 고려해 '지금 구매해야 할 이유'를 자동 제시함으로써 구매 전환율을 높이는 데 기여한다.

• 헬스케어: 환자가 증상을 설명하면 AI가 감정 상태를 고려해 우선 질환을 추론하고, 진료 예약까지 이어지는 대화 UX를 설계할 수 있다. 예를 들어, 미국의 Babylon Health는 사용자가 챗봇에 증상을 입력하면 AI가 간단한 문진을 통해 의심 질환을 제안하고, 필요 시 바로 원격 진료 예약으로 연결한다. 한국의 경우 서울아산병원은 챗봇을 통해 검사 예약, 내과 접수, 의사와의 상담 신청을 음성과 키보드 입력 모두로 지원하며, 고령 환자나 만성질환자 대상 기능에 특화된 UX를 제공하고 있다. 또한 헬스케어 챗봇은 감정 인식 기술을 통해 불안감이나 스트레스를 감지하고, 필요 시 정신건강 관련 정보와 상담기관 연결까지 이어주는 정서 기반 UX도 발전 중이다.
• 공공기관: 출입국 신고, 세금 안내, 사회보장 관련 절차 등 다양한 행정 서비스에 AI 기반 인터페이스가 도입되고 있다. 예를 들어, **싱가포르 정부의 'Ask Jamie'**는 다양한 부처의 공공서비스를 통합해 시민의 질문에 실시간 응답하며, 자연어 이해 기반의 챗봇 시스템으로 출입국, 건강관리, 운전면허 갱신 등의 민원을 일관된 UX로 안내한다.

또한 **영국 HMRC(Her Majesty’s Revenue and Customs)**는 세금 관련 문의를 처리하는 챗봇을 도입해, 납세자의 연말정산 일정, 세금 코드, 환급 상태를 음성 및 텍스트 기반 인터페이스로 지원하고 있으며, 사용자 유형(개인/법인)에 따라 화면 구성을 달리 제공하는 맞춤 UX 전략을 적용하고 있다.

**미국 국세청(IRS)**도 다국어 챗봇 기능을 시험 운영 중이며, 향후에는 납세자의 신고 이력과 자동 연동되어 환급 예상액, 서류 제출 기한 등을 실시간 제안하는 구조로 확장될 예정이다. 이처럼 공공 챗봇은 정보 접근성을 높일 뿐 아니라, 복잡한 행정 절차를 개인화된 경로로 안내하는 UX로 진화하고 있다.

• 금융: 챗봇은 투자 성향 진단, 연말정산 가이드, 신용등급 기반 추천까지 복잡한 흐름을 단순화한 대화형 UX로 진화하고 있다. 예를 들어, HSBC UK는 자산 관리 챗봇을 통해 고객의 투자 성향을 파악하고, ESG 기반의 펀드 포트폴리오를 제안하며, 챗봇 내에서 금융교육 콘텐츠를 연동해 사용자 금융 리터러시를 향상시키는 UX를 구현하고 있다. Bank of America의 챗봇 'Erica'는 음성과 문자 기반으로 작동하며, 소비 패턴을 분석해 절약 가능 항목이나 반복 결제를 경고하고, 신용 점수 향상 팁을 제공하는 등 사용자 재무 습관 개선에 초점을 맞춘 UX 흐름을 제공한다. 또한 Revolut은 실시간 환율 분석과 지출 카테고리별 경고 기능을 결합해, 고객의 해외 결제나 구독 서비스 결제 패턴을 모니터링하고 알림으로 반응하는 다이나믹 챗봇 UX를 구현하고 있다.

미래 UX의 방향

앞으로 UX는 “사용자가 시스템에 적응하는 방식”에서 “시스템이 사용자에게 적응하는 방식”으로 변화할 것이다. 특히 생성형 AI는 사용자 목소리, 표정, 입력 이력을 실시간으로 분석해 최적의 정보 포맷과 구조로 제공하게 되며, 이는 ‘직관적 맞춤형 경험’이라는 새로운 기준을 만들 것이다.

결론적으로, 2024년 이후의 UX는 인간-기계 간 상호작용을 넘어 ‘공존’을 위한 경험 설계로 진화하고 있다. 생성형 AI는 단순한 도구가 아니라 대화 상대이며, UX는 그 대화를 지혜롭게 설계하는 메타 프레임이 된다. 기업은 이러한 IX 전략을 통해 브랜드 충성도, 반복 방문율, 고객 생애가치(LTV)를 극대화할 수 있을 것이다.

프레임아웃은 이러한 변화의 흐름에 맞춰 ‘Intelligent Experience(IX)’를 중심으로 한 서비스 전략을 구축하고 있다. 자체 개발한 AI UX 솔루션인 AutoPageAI와 ConverseAI는 사용자의 맥락을 파악해 콘텐츠와 대화 흐름을 자동 구성하며, 고객사에 맞춤형 프롬프트 설계, 감정 기반 인터페이스, 멀티모달 상호작용까지 통합적으로 제공한다. 프레임아웃의 IX 전략은 단순한 기술 도입을 넘어, 고객 경험 전체를 설계하는 방향으로 확장되고 있다.

‍

AXC(AI & Experience Center)