기본 콘텐츠로 건너뛰기

장애인과 일반인 사이에서 소외받은 사람들

대한민국에서 장애인이라 하면 첨부된 문서에 해당하는 사람들만이 장애인 등록을 할 수 있고, 장애인으로서의 혜택을 받을 수 있다.


첨부문서에서 정의된 장애 유형은 각계각층의 전문가들이 모여서 협의하고 정해진 것이라고 의심하는 바는 아니다.

하지만 이렇게 장애 유형이 정해지면서 우리는 자연스럽게 사회 구성원들을 장애인과 일반인으로 구분해서 생각하는 이분법에 익숙해져 버렸다.

그리고 그러한 이분법적인 구분 사이에서 소외 받는 사람들이 생겼지만, 아직까지 그런 사람들에 대한 우리의 관심은 그다지 큰 것 같지는 않다.

가장 대표적인 사람들이 바로 색각이상을 가지고 있는 사람들이다.

색각이상은 색맹이라고도 하고, 색맹에 대해 위키피디아에는 아래와 같이 적혀 있다.

돌턴의 노고에 따라 이러한 조건을 돌터니즘(Daltonism)이라고 부르기도 하지만 이 용어는 이제 색맹의 하나인 제2색맹 (deuteranopia)으로 불린다. ...


쉽게 말하면 색각이상은 특정 색을 잘 인지하지 못하거나 보지 못하는 사람들을 가리킨다.

그런데 이러한 색각이상을 가진 사람들은 장애 분류에 포함되어 있지 않다.

그렇다면 장애란 무엇일까?

장애인에 대해 위키피디아는 아래와 같이 적고 있다.

장애인, 장애우, 장애자는 신체 장애와 정신 장애를 비롯해 여러 이유로 일상적인 활동에 제약을 받는 장애를 가진 사람들을 이른다. 크게 태어났을 때부터 장애...


그렇다면 색각이상을 가진 사람들은 일상적인 활동에 과연 제약을 받고 있을까? 만약 제약을 받고 있다면 얼마나 받고 있을까?

솔직하게 말한다면 지금까지 내 주변에서 이러한 것을 확실하게 말해줄 수 있었던 사람을 본 적이 없다.

대부분의 색각이상자들은 나름의 깜냥을 터득해서 일상 생활에 큰 불편을 느끼지 못한다고 한다. 어떤 경우는 자신이 색각이상인 것을 알지 못하는 분들도 보았다.

그렇다면 일상적인 활동에 큰 제약이 없는 이런 사람들에 대한 배려는 과연 필요가 없는 것일까?

색각이상인 사람들에 대한 이슈가 논의되기 시작한 것은 웹표준이 논의되던 시점과 거의 같은 시점으로 보인다. 사실은 그 전부터 조금씩은 논의가 되었지만 실제로 심각하게 생각해 본적은 없는 듯 하다.

웹이 일상 생활에 광범위 하게 사용되고 웹이 기존의 텍스트 중심의 컨텐츠에서 이미지와 각종 동영상등을 적극적으로 활용하는 단계로 넘어가기 시작하면서 디자이너 사이에서 보다 시각적인 웹페이지를 디자인 하는 과정에서 색각이상에 대한 논의가 나온 것으로 알고 있다.

웹이 표현할 수 있는 색의 범위가 점점 넓어지면서 색각 이상인 사람들 뿐만 아니라 정상인 사람들조차 웹페이지의 컨텐츠를 식별하기 힘들 수 있다는 것을 알게 된 것이었다.

솔직히 난 디자인을 전공한 사람이 아니기 때문에 전문적인 용어로 설명할 수는 없지만 배색이나 보색등에 따라서는 일반인들도 여러 색이 조합되었을 때 각 색을 구분하지 못하는 경우가 생기고, 색각 이상자는 그 정도가 더 심해진다는 것이 사실이다.

이러한 색각 이상이나 일반인이나 모두를 위해서 식별성이 높은 웹페이지를 기획하기 위한 도구는 인터넷을 찾아보면 꽤 많은 자료와 도구들을 찾을 수 있다.

여기서는 그 중 하나인 http://www.checkmycolours.com/ 를 소개해 보고자 한다.

해당 사이트는 색을 잘 구별하지 못하는 사람들을 위해서 웹페이지의 상의 모든 구성 요소의 색상 대비를 분석하여 그 결과를 보여주는 사이트이다.

실제로 여러 사이트를 검사해 보면 국내 사이트 뿐만 외국 사이트까지 통과를 하는 사이트가 거의 없을 정도이다.

즉, 그만큼 기존의 많은 곳에서 색각이상자에 대한 배려를 많이 고민하지 못하고 있다는 뜻일 것이다.

결론은 세상을 조금 더 넓게 보자는 것이다. 우리가 모르는 곳에서는 우리가 구성해 놓은 환경 속에서 불편과 차별을 감내하며 살고 있는 사람들이 분명 있을 것이다.

그런 사람들을 찾아내고 그런 사람들을 위해서 기술이 더욱 발전하고 우리가 노력한다면 더 좋은 세상이 되지 않을까?

누구에게나 공평한 환경은 이룰 수 없는 꿈일지 모르지만 그런 세상을 만들기 위해 노력하는 모두가 되었으면 한다.

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 ...