AI로 바꾼 토스 챗봇 설계 순서: 경험 우선 역산 설계

본문은 AI를 활용하여 기존의 '구현 중심' 설계 방식을 '경험 중심 역산 설계'로 전환한 사례를 제시함. 이전에는 데이터 구조, 운영 도구, 시스템 설계 후 사용자 경험을 고려했지만, 이 프로젝트에서는 이상적인 사용자 경험을 먼저 정의하고 이를 구현하는 데 필요한 요소들을 역으로 도출함. 이러한 접근 방식은 필요한 기술 스택(Required Tech Stack)과 API를 명확히 정의하고, 초기 설계 단계에서의 불필요한 복잡성을 제거하는 데 기여함. 결과적으로 팀 합류 후 약 3주 만에 현황 분석부터 프로토타입 제작 및 검증까지 완료하는 개발 속도(Development Velocity) 향상을 이룸.

기존 챗봇 설계 방식은 고객 문의 분석, 유형 정리, 시나리오 작성, 프로토타입 제작 순이었으나, 본 프로젝트에서는 AI를 활용하여 시나리오 초안을 먼저 생성하고 이를 실제 상담 데이터 기반 프로토타입에서 즉시 검증하는 방식을 채택함. AI는 정책 학습 대신 실제 상담 경험 데이터를 학습하여 고객의 언어와 상담사의 문제 해결 방식에 가까운 시나리오를 생성함. 또한, '시나리오 허브'를 구축하여 '프리미엄 멤버십 해지'와 같이 수십 가지 상황 조합을 효율적으로 테스트하고, 실제와 같은 사용자 경험(Realistic User Experience)을 조기에 검증하여 '이럴 것 같다'가 아닌 '실제로 이렇다'는 판단 기준을 마련함.

AI가 생성한 시나리오 검증 과정에서 정보 반복, 잘못된 추측 등 예상치 못한 문제가 반복적으로 발견됨. 초기에는 개별 시나리오를 수정했으나, 반복되는 문제 해결을 위해 '규칙 기반 개선(Rule-based Improvement)' 방식으로 전환함. '해결 우선, 설명 나중', '모르면 모른다고 하기', 'AI 권한 경계 명확화' 등의 원칙을 수립하고 이를 AI에 반영함. 이러한 규칙 수정은 모든 시나리오에 동시적으로 적용되어 개별 수정보다 훨씬 빠른 검증 속도 향상을 가져왔으며, AI의 의사결정 로직(AI Decision Logic)을 체계적으로 관리하는 기반을 마련함.

AI 도입으로 인해 디자이너의 업무 비중이 변화함. 과거에는 화면 설계 및 시나리오 작성에 많은 시간을 할애했으나, AI가 시나리오 생성, 프로토타입 구현, 검증 비용을 크게 절감시킴. 결과적으로 디자이너는 아이디어 구현 가능성 타진이나 세부 화면 디자인보다 '어떤 경험이 더 좋은 경험인가', '어떤 규칙이 더 효과적인가', '무엇을 검증해야 하는가' 와 같은 핵심적인 판단과 의사결정(Critical Judgment and Decision-making)에 더 많은 시간을 투자하게 됨. 이는 AI가 단순히 업무를 대신하는 것이 아니라, 더 많은 선택지를 빠르게 검증할 수 있도록 지원하는 도구로서의 역할을 강화함.