기본 콘텐츠로 건너뛰기

사람은 본시 게으르다 - 자극 반응 일치성과 최소 저항 경로

아래와 같이 A와 B 지점을 정하고 A 지점에서 B 지점으로 도달하는 방법을 구해본다면 과연 몇가지나 될까?
정답은 무한대일 것입니다. A에서 B로 도달하는 모든 방법은 아마도 신만이 알고 있겠죠.

그렇다면 A에서 B로 도달하는 가장 최단 거리의 경로는 몇가지일까요?

정답은 한가지일 것입니다. A와 B를 연결하는 직선 경로가 바로 최단 경로입니다. 두 지점을 연결하는 최단의 경로는 직선이라는 것은 모든 사람이 다 아는 사실입니다. 우리는 이 사실을 경험과 학습을 통해 이미 알고 있습니다. 따라서 우리가 어떤 지점에서 어떤 지점으로 이동하고자 할때 다양한 경로에 대해 숙고하기 보다는 자동으로 최대한 직선으로 이동할 수 있는 경로를 산정하게 됩니다.

이러한 습관은 소프트웨어를 사용할 때도 흡사하게 나타납니다. 어떤 작업 절차가 이루어질때 우리는 해당 목표에 도달할 수 있는 가장 짧은 경로를 산정합니다.

이것을 조금 유식한 용어로 나타내면 '자극 반응 일치성(stimulus response compatibility)라고 합니다.

원래 '자극 반응 일치성'의 의미는 사람들이 자신이 받는 자극이 바람직한 행동과 일치하길 원한다는 의미입니다.

위의 예로 살펴보면 우리가 A에서 B 지점이 주어지고 두 지점 사이를 이동한다는 자극에 대해 우리는 직선으로 이동하는 것을 바람직한 행동으로 산정하게 된다는 것입니다.

그런데 만약 그 직선의 경로에 어떤 방해물이 존재한다면 어떨까요? 사람들은 그 방해물에 대하여 적절한 행동을 취하지 못할 수도 있습니다. 이러한 것은 방해물이 많으면 많을수록 더 강해집니다.

다른 예로 MS Word의 서식 복사를 살펴보도록 하자.

MS Word 에서 서식 복사를 하기 위해서는 서식을 복사하기 원하는 구역을 선택한 후 서식 복사 단추를 선택하고 서식을 붙여넣기 원하는 구역을 선택하면 해당 구역에 복사한 서식이 적용이 된다.

MS Word의 시장 지배력을 감안한다면 사람들은 경험과 학습에 따라 다른 유사한 종류의 워드프로세서나 텍스트 에디터에서도 유사한 기능을 원할 경우 위와 같은 경로에 따라 서식 복사를 무의식적으로 수행하게 된다는 것이다.

즉, 서식 복사라는 기능에 대한 자극에 우리는 MS Word의 방법대로 행동하는 것을 바람직하다고 여기게 된된다는 것이다.

그렇다면 다른 오피스에서는 유사 기능이 어떻게 구현되어 있을까?

Open Office 는 동일한 이름의 유사한 방식으로 기능이 구현되어 있다.

한글은 어떨까?

한글 2005는 서식 복사 대신에 유사한 기능이 모양 복사로 제공된다. 그런데 이 모양 복사는 기존의 MS Word와 모양 자체도 틀리다. 더 재미있는 것은 이 기능을 사용하기 위한 방법도 전혀 틀리다. 이런 경우 사용자는 어떤 반응을 보일까?

주위를 둘러보면 이런 결함을 가진 제품을 아주 손쉽게 찾아볼 수 있다. 닫기 버튼을 가장하여 광고 사이트로 사용자를 보내 버리는 광고(베너 광고라는 자극에 대한 우리의 바람직한 행동은 닫는 것이고 닫기 위해서 우리는 닫기 버튼을 찾게 되어 있다. 하지만 베너는 유사한 닫기 버튼을 만듬으로써 사람들에게 그 버튼을 클릭하도록 한다.), 별루 중요하지 않은 기능에 더 큰 버튼이 설정되어 있는 리모콘(중요한 것에 대한 자극에 우리의 바람직한 행동은 강조이다. 그런데 중요하지 않은 기능에 커다란 버튼이 배정된다는 것은 전혀 반대의 경우이다.) 등도 좋은 예가 될 것이다.

그런데 이러한 '자극 반응 일치성'은 최소 저항 경로(path of least resistance)에 부합될 때 더 강화된다.

즉, 우리가 받는 자극에 바람직한 행동을 산정할 때 최소한의 노력을 요구하는 옵션을 선택한다는 것입니다.

A지점과 B지점을 연결하는 경로 중 최소 저항 경로는 직선이고 그러한 경험이 축척되고 학습이 된다면 다른 경우에도 우리는 동일한 자극에 대하여 동일한 반응을 보이고 그 반응에 동일한 결과를 얻고 싶어 한다는 것입니다.

이러한 결론에 일전에 얘기한 기본 옵션이 결합된다면 기본 옵션이 왜 중요한지 좀 더 명확해 집니다.

우리가 판매하는 제품의 기본 옵션이 사용자들이 기대하는 반응과 일치하지 않는다면 사용자들은 옵션을 변경하기 보다는 동일한 반응을 보이는 제품을 선택할 확률이 더 높다는 것입니다.

다른 말로 바꾼다면 이전에는 다른 선택의 여지가 없기 때문에 사용자들이 울며 겨자먹기로 사용하던 제품에 대해서 최소 저항 경로가 산정되어 적용된 다른 제품을 만들어낼 수만 있다면 기존 제품을 이겨내고 그 지위를 차지할 수도 있다는 것입니다.

만약 여러분이 만들고 있는 소프트웨어나 제품의 작동 방식이 자극 반응 일치성을 어기고 있다면 어떻게 해야 할까요? 솔직히 자극 반응 일치성만을 고려한다면 이 세상은 매번 똑같은 방식의 제품만 나오게 될 것입니다. 그런 세상은 너무 재미없겠죠.

기존의 방식 중에는 분명 최소 저항 경로를 기술적인 이슈나 다른 여러 이슈로 구현하지 못했던 부분도 있을 수 있습니다.

그러한 것들에 대해 기술의 발달로 구현할 수 있게 된다고 해도 문제는 자극 반응 일치성에서 어긋난다면 사용자들이 혼란을 일으킬 수 있다는 것입니다.

예를 들면 기존의 손전화는 모두 버튼으로 메뉴를 선택하고 기능을 구동하는 방식이었습니다. 그리고 기술의 발전에 따라 근래에는 많은 손전화에서 터치 패널을 도입하였습니다. 하지만 입력 방식은 변했지만 그 입력과 출력에 대한 것은 우리의 기대에 크게 어긋난 부분이 없습니다.

문제가 된다면 터치 입력 방식은 기존의 물리적인 버튼 입력 방식에 비해 틀릴 확률이 더 크다는 것입니다.

이에 대해 많은 경우 진동과 같은 피드백을 주거나 입력이 틀린 부분에 대해 제시어를 제시하는 등 여러 피드백이 도입되어 있습니다.

중요한 것이 바로 이 피드백입니다.

이 세상의 누구나 실수를 저지르지 않는 사람은 없습니다. 따라서 적절한 시스템이라면 사용자들의 실수를 예상하고 그에 대한 피드백을 돌려 줄 수 있어야 합니다.

예를 들면 한글은 기존의 서식 복사와는 달리 복사하고자 하는 서식이 있는 위치에 커서를 두고 모양 복사 아이콘을 선택하여 서식을 복사할 수 있는 옵션 창이 뜨는 방식으로 구성되어 있습니다.

그렇다면 기존의 경로대로 만약 사용자들이 블록을 설정하고 모양 복사 아이콘을 선택한다면 그에 맞는 적절한 메시지를 출력해 줄 수 있다면 좋을 것입니다.

물론 현실에서는 그러한 모든 경우에 대하여 고려하기 힘든 경우가 많습니다. 그리고 자극 반응 일치성을 만족하는 사용자들이 선정한 경로를 모두 인식하는 것도 어렵고 힘든 일임에는 분명합니다.

하지만 최소 저항 경로와 자극 반응 일치성에 대해 약간의 노력만 기울인다면 분명 사용성은 크게 개선될 수 있다고 생각됩니다.

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 ...