기본 콘텐츠로 건너뛰기

최고의 사용자 설명서는...

여러분은 제품을 사서 사용자 설명서를 읽으시나요?

저는 제품을 사면 사용자 설명서부터 꼼꼼이 읽는게 버릇이지만 은근히 많은 분들이 사용자 설명서를 잘 읽지 않습니다.

제 아내도 역시 제품을 사면 사용자 설명서를 잘 읽지 않습니다.

우리 나라의 경우 인터넷(지식인?)이 발달해 있고 주변에 도움을 요청할 사람이 많고 AS가 워낙 발달해서 그런것일수도 있겠죠..

그러다보니 사용자 설명서도 생각외로 부실한 경우가 많습니다.

어차피 읽지도 않는 사용자 설명서를 뭐하러 꼼꼼이 만드느냐는 식으로 사용자 설명서가 개판인 경우가 많습니다.

옛날 옛적의 템페스트라는 게임을 보면 게임 안에 포함되지도 않은 시스템에 대한 설명이 사용자 설명서에 버젓이 적혀 있는가 하면 옵티머스 Q라는 스마트폰의 사용자 설명서는 도데체 사용자 설명서를 읽어서 무엇을 할 수 있을까? 싶을 정도의 개판인 수준입니다.

국내 굴지의 대기업의 사용자 설명서가 이따위 수준이라면 국내 대부분의 중소기업들의 사용자 설명서는 말할 필요도 없지요.

어떤 경우는 사용자 설명서가 너무 어려워 읽지 않는다는 사용자도 있죠.

사용자 설명서가 이렇게 부실하다면 사용자는 어디서 제품을 사용할 정보를 얻어야 할까요?

저는 제품 그 자체가 최고의 사용자 설명서가 되어야 한다고 생각합니다.

제품 자체가 최고의 사용자 설명서가 된다면 사용자가 굳이 설명서를 보지 않아도 되겠죠.

하지만 이런 관점에서 사용성 테스팅을 진행하고 조언을 하다 보면 개발자나 기획자 분들의 대답이 언제나 거의 똑같습니다.

기획 의도다.. 우리의 사용자는 그런건 이미 다 알고 있다.. 등등..

대표적인 경우가 특정 산업분야에서 쓰이는 소프트웨어의 경우 메뉴가 약자로 가득히 도배되어 있는 경우가 있습니다.

약자로 도배된 모든 메뉴를 전부 수정을 요구하자 개발자는 단칼에 우리의 고객은 그런건 이미 다 알고 있다라고 하더군요..

기존의 고객은 알겠지만 새로운 고객은 어떨까요?

저는 제품 그 자체의 피드백을 통해 유치원생이 쓰더라도 곧 배워 사용할 수 있는 제품이 좋은 제품이라고 봅니다. 조금 과장해서요..

얼마전 모 사의 도구를 사용해 컨설팅을 진행한 적이 있습니다.

진행하면서 항상 들은 말은 사용하기 불편하다. 어렵다. 직관적이지 않다. 의도한 결과가 나오지 않는다..

였습니다.

저도 알고 있습니다. 저도 그 도구의 개발에 조금은 관계가 있었으니까요..

하지만 제가 제시한 사용성 이슈는 받아들여진 경우가 거의 없었습니다.

제가 이슈를 제기하면 네가 특이한거다. 대다수의 사용자는 그렇지 않다라고 대답하더군요.

뭐.. 제가 좀 특이하긴 합니다.

그리고 실제로 제품을 모든 사용자에게 맞출 수 없는 것도 사실입니다.

하지만 최소한 그러한 노력을 기울이고 그러한 테스트를 진행해야 하는 것이 아닐까요?

이러한 노력은 제품을 처음 기획하는 순간부터 준비되어야 하는 것이 사실입니다.

얼마전 서비스 직전의 웹 서비스 테스트를 한 적이 있습니다.

웹 서비스를 개발하면서 IA도 진행하지 않은 웹사이트는 테스트 당시 정말 어떻게 사용해 볼 여지가 없이 혼돈 그 자체였습니다.

다행인 것은 협조적인 개발자분의 도움으로 많은 부분을 수정할 수 있었지만 그래도 진한 아쉬움이 남는 기억입니다.

개발자의 사용자는 누구일까요? 테스터가 말하는 사용자는 누구일까요?

우리가 제품을 개발하면서 항상 입에 달고 사는 것 중 하나가 사용자입니다.

사용자를 위해서라고..

그렇지만 많은 경우 사용자는 자신의 이해관계를 관철시키기 위한 가상의 존재일 뿐 많은 경우 사용자를 위한 경우는 없습니다.

진정 사용자를 위한다면 정말 사용자를 관찰하고 사용자의 이야기를 들어야 하는 사용성 테스트가 필수지만 많은 회사에서는 사용성 테스팅은 비싸다는 관념에 사로잡혔는지.. 어렵다는 생각때문이지 잘 진행하지 않습니다.

하지만 사용성 테스팅은 쉽습니다. 비싸지도 않습니다.

노력하면 누구나 할 수 있습니다.

여러분은 최고의 사용자 설명서를 만들기 위해 어떤 노력을 하시나요?

ps. 원래 하고 싶던 얘기는 이 얘기가 아닌거 같은데.. 정리 되지 않은 얘기를 마구 쓰다 보니 또 이상한 삼천포로 빠졌네요.. 커흑..

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...