기본 콘텐츠로 건너뛰기

과도한 친절은 없는것만 못하다. - 피드백의 중요성

인간은 누구나 실수를 한다. 실수를 하지 않는 사람은 없다.

만약 인간이 실수를 하지 않게 된다면, 테스터는 모두 백수가 되고 말 것이다.

왜냐하면, 인간이 실수를 하지 않게 된다면 결함이 발생하지 않을 것이기 때문이다.

아무리 잘 설계된 시스템이라고 할지라도 그것을 사용하는 것은 사람이기 때문에 개발자들의 의도와는 전혀 다른 방식으로 시스템을 사용하는 사람도 분명 존재를 한다.

만약 사용자가 개발 의도와 다른 용도록 시스템을 사용하게 된다면 시스템은 그에 걸맞는 적절한 메시지를 출력해 줄 수 있어야만 한다.

그렇지 않다면 사용자가 시스템을 신뢰하지 못하게 되거나 파괴하게 될지도 모른다.

그런 결과를 원하지 않는다면 시스템이 사용자의 반응에 적절한 피드백을 줄 수 있도록 설계해야 할 것이다.

문제는 이러한 피드백이 차고 넘치는 경우나 무의미한 경우를 생각해 볼 수 있다.

적절한 피드백이라면 사용자 하드 디스크의 남은 용량이 부족하다던지, 노트북의 배터리 잔량이 부족하다던지, 시스템에 무단으로 접근하는 사용자에 대한 경고 등 대부분 시스템이 사용자에게 전달하는 메시지는 매우 유용하다.

하지만 사용자들에게 아무런 피드백도 주지 못하는 경우도 있다. 일면 과도한 친절이라고 볼 수 있다.

대표적인 것이 파일을 삭제하는 경우나 인터넷에서 파일을 다운로드 하는 경우, 소프트웨어를 컴퓨터에 설치하는 경우에 사용자에게 선택문을 출력하는 경우 등이 그러하다.

이러한 경우의 공통점은 반복 작업이라는 것이다. 즉, 동일한 자극에 동일한 반응을 보이는 사람은 이러한 경고에 익숙해 지면서 경고 자체를 무시하게 된다.

휴지통에 파일을 삭제하거나 소프트웨어를 컴퓨터에 설치하는 경우는 그래도 사정이 좀 나은 편이다.

우리가 인터넷을 돌아다니면서 마주치는 여러 Active X 와 같이 보안과 직결되는 경고에 대해서도 너무 과도한 친절이 오히려 사용자들이 그러한 경고를 무시하게 되는 결과로 귀결되어 경고의 의미가 완전히 사라져 버렸다.

다른 경우는 아무런 의미가 없는 피드백이다.

가장 좋은 피드백은 사용자가 메시지를 통해 정보를 얻고 정보를 통해 행동을 선택할 수 있어야만 한다.

그런데, 우리가 윈도우 상에서 소프트웨어를 사용하다 보면 '알 수 없는 이유로 프로그램을 종료합니다.' 와 같은 유형의 메시지를 마주하는 경우가 종종 있다.

그런데 이러한 종류의 메시지는 그 메시지를 통해 우리가 어떤 정보를 얻을 수도 없고 우리가 어떤 행동을 취할 수도 없다.

이러한 종류의 메시지가 가장 악랄한 경우의 메시지라고 볼 수 있다.

두번째의 경우는 우리가 행동을 취할 수 있지만 그 정보가 충분하지 않은 경우고 마지막은 우리에게 정보도 충분하지 않고 행동 역시 선택할 수 없는 경우이다.

피드백이라는 것은 다양한 분야에서 다양한 방법으로 분명 개선될 수 있다.

좋은 피드백이라는 것은 사용자에게 적절한 정보를 제공하고 사용자가 그 정보를 정확히 인식하고 그 정보를 토대로 적절한 행동을 취할 수 있는 것이 좋은 피드백이다.

여러분의 소프트웨어의 피드백이 그렇지 못하다면 그것을 어떻게 개선시킬 수 있을지 고민해 보도록 하자.

내가 최근에 접한 가장 좋은 예는 전기 자동차였다.

본시 전기 자동차는 그 탁월한 정숙성으로 인해서 골목길과 같은 보행자가 다니는 길에서 보행자에게 적절한 피드백을 줌으로써 보행자가 자동차를 인식하고 그에 대한 대응을 할 수 있도록 하지 못했다.

때문에 전기 자동차에서 인위적으로 엔진 소리를 나게 함으로써 보행자에게 적절한 피드백을 제공하도록 하였다.

이것은 엔진 소리라는 자극에 대해서 보행자들은 피해야 한다는 반응을 보인다는 자극 반응 일치성에 부합하는 좋은 개선 사례라고 생각한다.

사용성을 개선하는 방법은 여러가지가 있겠지만 적절한 피드백을 제공하는 것은 가장 효과가 좋은 최선의 방법 중 하나이다.

댓글

이 블로그의 인기 게시물

AI 에이전트의 환각과 프롬프트 폭증을 막는 '컨텍스트 엔지니어링(Context Engineering)'과 아키텍처의 미래

AI 코딩 에이전트나 생성형 LLM을 소프트웨어 개발에 접목하는 시도가 늘어나면서, 엔지니어들이 마주하는 가장 큰 기술적 병목 중 하나는 바로 '컨텍스트(Context)'의 관리입니다. 저 역시 최근 AI와 바이브 코딩(Vibe Coding)을 활용해 여러 프로젝트를 진행하고 있는데, 하나의 대화창(세션)을 오래 켜둔 채 작업을 계속 이어가다 보면 AI가 초기 맥락을 잊어버리거나 이전에 지켜달라고 했던 제약조건을 놓치며 실수를 저지르는 경우를 자주 겪곤 합니다. 그래서 저는 목적별로 대화창을 명확하게 분리해서 작업하거나, 어느 정도 작업 단계가 진행되면 지금까지의 구현 내용과 의사결정을 요약 정리한 뒤 새 대화창에서 AI에게 이를 다시 학습시키는 방식으로 맥락을 관리하고 있습니다. 그렇다면 엔지니어링 아키텍처 차원에서는 이 문제를 어떻게 접근하고 있을까요? InfoQ의 발표 아티클 "Architecture / Context Engineering"에서는 바로 이 지점, 즉 단순한 프롬프트 엔지니어링을 넘어 시스템 아키텍처 수준에서 컨텍스트를 제어하는 '컨텍스트 엔지니어링(Context Engineering)'의 필요성과 구체적인 프레임워크를 다루고 있습니다. (출처: InfoQ - Architecture / Context Engineering) https://www.infoq.com/presentations/architecture-context-engineering/ 발표자들은 코딩 에이전트나 자율형 에이전트가 현장에서 실패하는 가장 큰 이유로 '비대해진 컨텍스트 윈도우(Bloated Context Windows)'와 무분별하게 채워진 프롬프트(Stuffed Prompts)를 꼽습니다. AI에게 너무 많은 정보를 한 번에 주면, 모델의 주의력(Attention)이 분산되거나 논리적 우선순위를 놓치는 현상이 발생합니다. 마치 인간 엔지니어에게 백과사전 수십 권을 던져주고 "이거 다 읽고 10초 ...

합성 사용자(Synthetic Users)의 5가지 유형과 AI 테스팅 현장에서의 활용법

AI와 생성형 모델 기술이 발전하면서, 사용자 경험(UX) 연구와 테스팅 현장에서 가상 퍼소나를 활용해 테스트 데이터를 수집하거나 사용성을 평가하려는 시도가 급격히 늘고 있습니다. 이를 흔히 '합성 사용자(Synthetic Users)'라고 부릅니다. 하지만 막연히 "AI에게 사용자 역할을 시켜 테스트를 돌린다"고 할 때, 그 가상 사용자가 어떤 방식과 데이터로 생성되었는지 명확히 구분하지 않으면 자칫 왜곡된 결과에 빠질 위험이 있습니다. UX 및 사용성 리서치 분야의 권위 있는 기관인 MeasuringU에서 이 합성 사용자의 개념을 명쾌하게 분류한 아티클을 공개했습니다. 바로 "What Are the Different Types of Synthetic Users?"라는 글입니다. (출처: MeasuringU - What Are the Different Types of Synthetic Users? / Jeff Sauro, PhD & Jim Lewis, PhD) https://measuringu.com/what-are-the-different-types-of-synthetic-users/ Jeff Sauro와 Jim Lewis 박사는 합성 사용자를 단순히 하나의 개념으로 뭉뚱그리지 않고, 생성 기술의 근거와 데이터 기반에 따라 크게 5가지 유형으로 깔끔하게 정리해 줍니다. 첫째는 규칙 기반(Rule-Based) 합성 사용자입니다. AI 모델이 아니라 사전 정의된 조건문, 정규식, 시나리오 스크립트에 따라 움직이는 전통적인 형태의 가상 사용자입니다. 예측 가능하고 정확하지만, 인간 사용자의 복잡한 정서나 미묘한 변수를 반영하진 못합니다. Selenium, Playwright, K6 같은 도구를 통해 지정된 경로대로 버튼을 누르고 데이터를 입력하는 방식을 들 수 있습니다. 둘째는 퍼소나 기반 LLM(Persona-Based LLM) 합성 사용자입니다. 생성형 AI에게 "너는 50대 비테크놀로지 사용...

AI가 만들고 사람이 고친 글, 과연 'AI 생성물'일까? — 무너지는 경계선과 각국의 표기 가이드라인

이미지, 음성, 텍스트를 가리지 않고 생성형 AI의 산출물이 전 세계 디지털 공간에 폭포수처럼 쏟아져 나오고 있습니다. 가짜 뉴스, 딥페이크 오정보, 저작권 침해 등 여러 사회적 문제를 일으키면서, 최근 EU를 비롯한 세계 각국의 규제 기관들이 "AI가 만든 콘텐츠에는 반드시 표시(Labelling)를 하라"는 강제 가이드라인을 잇달아 꺼내 들고 있습니다. 이와 관련해 Smashing Magazine에 비탈리 프리드만(Vitaly Friedman)이 기고한 아티클은 EU의 최신 규제가 실무 인터페이스(UI/UX)에 어떤 변화를 요구하는지 잘 보여줍니다. (출처: Smashing Magazine - New EU Guidelines For AI Labelling / Vitaly Friedman) https://www.smashingmagazine.com/2026/08/eu-guidelines-ai-labelling/ EU AI Act 제50조 투명성 규정에 따르면, 딥페이크나 AI 챗봇 대화, 인간의 검수 없이 AI가 100% 작성한 공공 텍스트 등에는 전용 AI 마크나 암호화된 메타데이터(Watermark)를 반드시 내장해야 합니다. 기존에 서비스들이 유행처럼 쓰던 모호한 '반짝이 아이콘(✨ Sparkles)' 수준으로는 법적 기준을 충족할 수 없게 된 것입니다. 하지만 현장의 개발자, 에디터, 테스터들이 마주한 진짜 혼란은 규제의 유무가 아닙니다. 바로 "도대체 어디까지를 AI가 만들었다고 볼 것이며, 어디서부터를 사람이 만든 것으로 정의할 것인가?"라는 근본적인 경계선의 모호함입니다. 프롬프트 한 줄 던져서 AI가 뽑아낸 초안을 사람이 문장 몇 개 다듬었다면, 이것은 AI 산출물일까요, 인간의 글일까요? AI가 코딩한 1,000줄의 소스 코드를 엔지니어가 한 시간 동안 디버깅하고 검수했다면 이 코드의 주인은 누구일까요? 글로벌 규제 기관들도 이 모호함을 인지하고 명확한 자격 기준을 세우기 위해 격렬한 논의를 ...