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

20년 차 테스터가 고른 최근 IT 소식: 기술의 속도, 그리고 사람의 자리

20년 넘게 IT 업계에서 테스팅하고 강의하고 공부하고 여러 일을 해왔지만... 정말이지 단 하루도 편하게 쉴 틈을 주지 않는 세상입니다. 특히 최근 4~5년 동안 가속화된 AI의 물결은 기술의 스펙트럼뿐만 아니라 우리가 일하고, 협업하고, 조직을 이끄는 방식 전체를 뒤흔들고 있습니다. 이번 주에도 수많은 뉴스레터와 아티클을 훑어보았습니다. 그중에서도 기술의 화려함 뒤에 숨겨진 ‘사람, 조직, 그리고 커리어의 본질’을 찌르는 글 몇 개가 눈에 띄어 메모해 둡니다. 제 평소 생각과 맞닿아 있는 6가지 이야기입니다. --- 1. 인지부채(Cognitive Debt): 바이브 코딩 시대에 우리가 지게 되는 진짜 빚 (출처: ROBOCO - 인지부채: 바이브 코딩 시대의 새로운 부채 관리법 / 정도현 수석 컨설턴트 ) 요즘 커서(Cursor)나 클로드 코드(Claude Code) 같은 에이전트를 붙여 "이거 만들어줘" 하고 승인(Approve) 버튼만 누르면 눈 깜짝할 사이에 코드베이스가 완성되는 '바이브 코딩(Vibe Coding)'이 유행입니다. 그런데 속도는 엄청나게 빠른데, 정작 서비스에 장애가 나면 "AI가 짜서 잘 모르겠는데요?"라는 답이 나오는 이상한 현상이 벌어집니다. 정도현 컨설턴트는 이를 '인지부채(Cognitive Debt)'라고 정의합니다. 코드는 쌓이는데, 정작 인간의 시스템 이해도는 쌓이지 않는 격차죠. * Human-in-the-loop의 환상: AI가 초당 수백 줄을 뽑아내는데 사람이 일일이 검토한다? 결국 검토자는 병목이 되고, 시간 압박에 쫓겨 영혼 없이 승인 버튼만 누르게 됩니다. 40년 전 자동화 연구(Bainbridge, 1983)가 지적했듯, 자동화될수록 사람은 감시만 하다가 정작 개입해야 할 결정적 순간에 숙련도를 잃어버립니다. * 부채는 0으로 만드는 게 아니라 '관리'하는 것: AI가 만든 모든 코드를 사람이 외울 수는 없습니다. 핵심은 ...

우리는 AI로 '더 빠른 말'을 키우고 있는걸까요? 아니면 '자동차'를 만들고 있는걸까요?

20년 넘게 IT 현장에서 뒹굴거렸는데... 요즘처럼 "우리가 지금까지 당연하게 여겨온 일하는 방식의 본질"에 대해 근본적인 질문을 던지게 만드는 때가 없었던 것 같습니다. 최근 읽은 UX 관련 글 하나가 가슴을 쿵 치고 지나갔습니다. UX 및 디지털 트렌드를 다루는 블로그 ux4dotcom에 올라온 "Beyond Faster Horses — Why AI Challenges One of UX's Oldest Assumptions"라는 글입니다. (출처: ux4dotcom - Beyond Faster Horses — Why AI Challenges One of UX's Oldest Assumptions ) 혁신을 말할 때 늘 인용되는 헨리 포드의 유명한 말이 있습니다. "사람들에게 무엇을 원하느냐고 물었다면, 그들은 '더 빠른 말'이라고 답했을 것이다." 사람들은 자신이 경험해 본 범위 안에서만 미래를 상상합니다. 말만 탈 줄 아는 사람에게 자동차는 상상 밖의 범주(Mental Model)니까요. 저자는 그동안 UX(사용자 경험)라는 학문과 필드 자체가 '더 빠른 말을 만드는 일(기존 과업의 효율화)'에 집중해 왔다고 지적합니다. 사용자의 행동을 관찰하고, 마찰(Friction)을 줄이고, 화면을 간소화하고, 기존 워크플로우를 최적화해 주는 작업 말입니다. 실제로 주변을 봐도 우리가 AI를 쓰는 방식도 대부분 이 범주를 벗어나지 못하고 있습니다. 더 빠르게 이메일을 작성하고, 문서 요약을 3초 만에 끝내고, 프레젠테이션 장표나 일정표를 순식간에 만들어내는 일. 분명 유용하고 저 역시 매일 요기하게 쓰고 있지만, 이건 어디까지나 '기존에 인간이 하던 일의 프로세스를 흉내 내어 속도만 올린 것(Faster Horse)'에 불과합니다. 정작 "이 워크플로우 자체가 과연 계속 존재해야 하는가?"라는 근본적인 질문은 던지지 못하고 있는 것이죠....

'자동화 편향'과 '대중적 불신' 을 고려 AI 테스팅 시나리오 설계

최근 생성형 AI나 자율주행, 에이전트 기술의 테스팅 시나리오를 작성할 때 우리가 당연하게 전제(Assumption)로 깔고 가는 중요한 인간 행동 방식이 하나 있습니다. 바로 '자동화 편향성(Automation Bias)'입니다. 인간은 시스템이 자동화되고 스마트해질수록 기술을 과도하게 신뢰하고 주의력을 놓아버립니다. 차량을 운전하면서 운전자 보조 시스템을 켜고 전방 주시를 태만히 하고 스마트폰을 보거나 영상을 시청하는 운전자라던지 AI 의료 진단 보조 도구가 내놓은 결과를 의사가 깊은 의심 없이 그대로 승인해 버리는 현상이라던지 AI 챗봇이 추천한 잘못된 정보를 사용자가 사실로 믿고 행동하는 케이스 같은 게 있을 겁니다. 우리는 항상 이러한 "사람들이 AI를 너무 믿어서 발생하는 위험"을 핵심 리스크로 정의하고, 이를 검증하기 위한 안전장치(Safety Guardrail)나 경고 알림, 오용 방지(Misuse) 테스팅 시나리오를 도출해 왔습니다. 그런데 최근 Gizmodo에 보도된 미국 설문조사 결과는 매우 흥미로운 사실을 보여줍니다. (출처: Gizmodo - Survey Finds Americans See AI as Comparable to Humans—It’s Making Them Trust It Less )   기사에서 언급된 설문조사의 결과는 AI가 사람을 닮아갈수록 완벽함에 대한 기대와 실수가 충돌하고 책임이 모호해져 대중의 신뢰는 오히려 떨어진다는 것이었습니다.  자세히 살펴보면 해당 조사는 일반 대중을 대상으로 AI에 대한 인지적 반응을 측정했습니다. AI가 인간과 유사한 대화/추론 능력을 보일 때 유저가 느끼는 '인지적 불쾌한 골짜기(Uncanny Valley)' 현상을 정량 지표로 포착해 냈다는 점에서 의미가 있다고 생각합니다. 단순히 "AI가 좋다/나쁘다"를 넘어, 의인화(Anthropomorphism)의 수준과 신뢰도(Trust) 사이의 음(-)의 상관관계를 입증했기 때문...