자율주행 자동차 신뢰도 향상을 위한 여행 서비스 제안 : 서비스 디자인 방법론을 중심으로
Copyright ⓒ 2019 The Digital Contents Society
This is an Open Access article distributed under the terms of the Creative Commons Attribution Non-CommercialLicense(http://creativecommons.org/licenses/by-nc/3.0/) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.
초록
자율주행 자동차의 저변을 확대하기 위해서 신뢰도 문제는 반드시 해결해야 하지만, 이는 단순히 고도화된 기술만으로는 해결 불가능하다. 이를 위해 사용자 중심의 연구가 심층적으로 이루어져야 한다. 본 연구에서는 기술적 완성도에 초점을 맞춘 현재 자동차산업의 방향에 새로운 초점을 제시하고자 서비스 디자인 방법론에 따른 사용자의 감성적 경험 중심 여행 서비스를 제안하였다. 1:1 인터뷰, 퍼소나, 사용자 여정 지도(Journey map) 기법을 통해 카렌디피티(Carendipity) 컨셉의 자율주행 서비스 시나리오를 도출하고 구체화하였다. 해당 컨셉은 개인 맞춤 케어 서비스, 맥락 기반 주행 및 여정 변경, 여정 몰입감을 위한 엔터테인먼트, 그리고 지속사용을 위한 여정 공유 플랫폼까지 총 네 가지 요소를 포함하였다. 이러한 서비스를 통해 궁극적으로 사용자의 자율주행 자동차에 대한 신뢰도를 향상시키고자 한다.
Abstract
Human’s trust against the autonomous driving is the most important to resolve. Providing a trustful autonomous driving experience is essential to expand a base of autonomous vehicle usage. Improving the sophisticated technology of autonomous vehicle would not be sufficient without advanced user-centered research. According to service design methodology, this paper explores challenges to present a new aspect on the direction of the current of automotive industry. 1:1 Interviews, Persona and Journey Map have been used to derive and materialize the self-driving service scenario of Carendipity concept. The concept included a total of four elements: personalized care services, context-based driving and travel changes, entertainment for travel immersion, and a shared platform for continuing use. These services ultimately aim to increase users' trust in self-driving cars.
Keywords:
Self-driving Cars, Service Design, User Experience, Interaction Design, Human-AI Interaction키워드:
자율주행자동차, 서비스 디자인, 사용자경험, 인터랙션 디자인Ⅰ. 서 론
1-1 연구배경 및 필요성
자율주행 자동차는 2020년경부터 본격적으로 시장에 출시될 것으로 예상되며, 2020년부터 2035년까지 북미, 서유럽, 아시아태평양 3개 지역의 자율주행 자동차 시장 연평균성장률은 85%에 이를 것으로 전망되고 있다[1]. 또한, 모건스탠리는 2026년에 자율주행차의 대중화를 위한 기술과 인프라가 완성될 것이라고 예견하였으며, 자동차는 단순한 이동수단에서 이동성을 확보한 생활공간이라는 개념으로 변화되고, 이에 따라 자동차 산업 시장에 새로운 산업 패러다임적 변혁이 이뤄질 것이라고 예고했다[2]. 현재 미국, 독일, 싱가포르 등을 중심으로 레벨3 이상 자율주행 자동차 운행이 법적으로 가능한 상황이며, 우리나라는 2017년 11월 기준으로 17개 기업 및 기관이 30대의 자율주행 자동차 임시 운행을 신청하여 테스트 중에 있다[3].
이처럼 세계 각국에서 자율주행에 대한 기술발전이 이뤄지고 실험을 할 수 있는 환경이 만들어지면서 본격적인 자율주행 자동차 연구가 실행되고 있지만, 법/제도의 부재, 보안 및 윤리 문제 등 자율주행 기술이 실제 상용화로 이어지기 위해서는 극복해야 할 장애요소가 많다. 그중 인간의 자율주행자동차에 대한 신뢰도 문제는 시장 확대에 가장 큰 변수가 될 것으로 예측되고 있다[4]. 사회학적 의미에서 사람들은 자신의 삶의 환경 속에 존재하는 복잡성으로 인한 두려움을 피하기 위해 이를 줄이는 방법으로서 신뢰를 사용한다고 한다. 따라서 신뢰는 사회현상의 복잡성을 줄이는 하나의 기제로서 그 의의가 있다고 할 수 있다. 일반적으로 어떤 기계·시스템에 대한 신뢰는 우리가 기대한 기능을 목적에 맞게 충실하게 수행한다는 것을 의미한다[5]. 하지만 2016년 11월 테슬라S의 오토파일럿 기능을 사용하던 운전자가 사망한 사건, 2018년 3월 우버의 자율주행 자동차의 보행자 충돌 사망 사건 등 굵직한 사고들로 인해 사용자들의 자율주행 자동차에 대한 신뢰도는 급격히 하락하였다[6]. 일련의 사고들은 인공지능 알고리즘·SW·시스템 등에 오류가 없어 사용자가 기대한 결과가 발현될 것이라는 기술 신뢰도에 대한 믿음에 의문이 생기게 만들었다. 의도하지 않은 결과 발생에 대한 원인이 무엇인지, 인과관계에 대한 설명 부족과 이로 인해 발생하는 사람들의 이해 부족은 자율주행 자동차에 대한 더 깊은 신뢰 하락으로 나타날 것이다.
아무리 훌륭한 자동화 시스템이 갖춰졌더라도 사용자가 신뢰하지 않아 시스템을 사용하지 않는다면 시스템 성능을 활용할 수 없다. 즉, 자율주행 자동차의 저변을 확대하기 위해서는 사용자들의 신뢰도 문제를 해결해야 하며 이는 단순히 고도화된 기술만으로는 해결 불가능하다. 이를 위해 첨단 기술 못지않게 사용자 중심의 연구가 심층적으로 이루어져야 하지만, 현재 자동차산업은 주로 기술적 완성도에 초점을 맞춰 진화하고 있다. 따라서 본 연구에서는 사용자의 심리적, 감성적 경험을 중심으로 한 서비스를 제시하고자 한다. 서비스 디자인 방법론에 따라 자율주행 자동차 서비스를 디자인하고, 궁극적으로 사용자의 자율주행 자동차에 대한 신뢰도를 향상시키고자 한다.
1-2 연구의 범위 및 방법
본 연구는 자율주행 환경에서 가장 효과적으로 사용자의 경험을 증진시켜 줄 수 있는 서비스 영역이 무엇인지 파악하고 해당 영역에서의 자율주행 환경을 고려한 새로운 서비스를 제안하는 것에 목적이 있다. 먼저, 문헌연구를 통해 자율주행 환경이 되었을 때 사용자들의 라이프 스타일이 가장 크게 변화할 수 있는 영역을 설정한다. 이후 해당 영역의 현황 및 사례 분석을 통한 기회 요소를 발견하고 서비스 디자인 방법론을 적용해 서비스를 디자인한다. 20대와 30대 20명을 대상으로 심층 인터뷰(In-depth interview)를 진행하여 사용자의 니즈를 파악하고 인사이트를 도출한 후, 퍼소나(Persona) 및 사용자 시나리오(User Scenario)를 통해 서비스를 구체화시켜 최종적으로 자율주행 환경에서의 여행 서비스를 제안한다.
Ⅱ. 이론적 배경
2-1 자율주행 기술 현황
미국의 자동차공학협회(SAE; Society of Autonomous Engineers)에서는 그림 1.과 같이 자동차의 주행 자동화 정도에 따라 레벨 0~5로 구분 짓는 척도를 만들었다. 이 척도에 따르면 사람의 개입이 전혀 필요 없는 단계를 레벨5로 규정(미국 교통안전국 NHTSA는 레벨 0~4로 구분)하고 있으며, 현재 우리가 타는 자동차는 1단계 수준이다. Science Magazine의 에디터인 제프리 머비스(Jeffrey Mervis)는 자신의 저널에서 자율주행 자동차는 사람의 개입 없이 어떠한 조건에서도 정해진 목적지에 갈 수 있어야 된다고 설명했다. 그는 “엄밀히 말하면 레벨5를 제외한 모든 차는 자율주행 자동차라고 볼 수 없으며, 지금까지 전 세계 누구도 레벨5의 기술을 개발하지 못했다.”고 밝혔다[7]. 하지만 현재 현대자동차, BMW, 벤츠(Benz), 도요타(Toyota), GM 등 자동차 업체뿐만 아니라 구글, 애플, 소니와 같은 IT 기업들까지 자율주행 시장에 뛰어들어 앞 다투어 레벨3, 4에 이르는 자율주행 기술 자동차를 선보이며 기술을 빠르게 발전시키고 있다.
Levels of Autonomous Driving Technology
포드(Ford)는 미국의 캘리포니아, 미시간, 애리조나 3개 주에서 자율주행 시험을 진행 중에 있으며 2021년 레벨5 자율주행 자동차 상용화를 계획하고 있다. 르노(Renault)는 2020년 시내 자율주행이 가능한 차량을, 2022년 이후에는 완전 자율주행 자동차 출시를 목표로 하고 있으며 2017년 3월에는 영국에서 차세대 자율주행 프로토타입 차량의 실제 테스트 장면을 공개하였다[3]. 차량 공유 서비스 업체 우버(Uber)는 2016년 8월 자율주행 트럭을 개발한 스타트업 오토(Otto)를 인수하여 미국 콜로라도 주에서 120마일 구간을 2시간 만에 주행하여 세계 최초 상업 용 자율주행 배송에 성공하였다. 아우디(Audi)는 자사 차량인 A7로 팔로알토에서 라스베가스까지 900km를 자율주행 하며 자율주행으로 최장거리를 주행하는 기록을 세웠다. 자율주행 솔루션을 제공하는 글로벌 테크놀로지 회사인 앱티브(Aptiv)는 미국의 자동차 공유서비스 업체인 리프트(Lyft)와 협력해 CES2018이 열리는 5일 동안 400번 이상의 차량 공유 서비스를 제공하였는데, 운전된 마일의 99%는 완전 자율주행 모드로 이루어졌고 승객들로부터 5점 만점에 평균 4.997의 평점을 받았다. 현대자동차 역시 미국의 자율주행 솔루션 업체인 오로라(Aurora)와 협업으로 2021년 레벨4 수준의 자율주행 시스템을 상용화할 예정이며 계열사인 현대모비스는 현재 레벨2 자율주행 기술을 확보한 상태이다. 주요 글로벌 자율주행 자동차 개발 업체들은 2020년을 기준으로 상용 자율주행 자동차를 선보일 예정으로 이에 맞춰 기술 개발을 진행 중에 있다. 따라서 2020년부터는 자율주행 자동차 관련 산업은 확대되고 이후 성숙 단계를 거쳐 활성화 단계로 접어들며 더욱 발전할 것으로 전망된다.
2-2 여행 산업 현황
현대인이 가장 선호하는 여가 라이프는 여행으로 통계청 자료에 따르면 현대인들의 여가 시간 활용 욕구는 2015년 관광 및 여행이 전체 비중의 50%를 차지하였으며, 2017년에는 71.5%로 그 비중이 확대되었다[8]. 이와 같은 시장 현황을 보았을 때, 여행은 하나의 일상이 된 라이프 스타일이라고 볼 수 있다. 2017년 한 해 국민 10명 중 9명은 국내 각지로 여행을 다녀왔으며, 여행을 떠나는 빈도나 기간이 2016년에 비해 증가하였으나 전통 방식의 여행 산업이 더 이상 설 자리가 없다는 것이 시장과 학계의 공통된 의견이다[9].
전통 방식의 여행 서비스를 살펴보면 그림 2와 같다. 여행 관련 서비스를 분류한 것으로 사용 목적에 따라 여행 전, 중, 후로 구분하였다. 현재의 여행 서비스는 여행 전 코스를 계획하는데 도움을 주는 서비스, 여행 중 길을 안내해주고 여행지에 대한 정보를 제공하는 서비스, 여행 후 사진, 일기 등을 기록할 수 있게 해주는 서비스로 압축될 수 있다. 여행 전 방위에 걸친 서비스가 부재한 실정이며, 제공 플랫폼 역시 온라인이나 모바일에 한정 되어있다. 따라서 기존의 여행 산업에서 벗어난 새로운 패러다임의 여행 서비스가 필요한 시점이라고 볼 수 있다.
Current Status of Travel Services
국내 여행의 주요 이동수단의 72%를 자가용이 차지하는 것을 보면[10], ‘여행’에 있어 ‘자동차’의 역할은 매우 중요하다. 향후 완전자율주행 환경이 되면 장시간 운전의 피로함, 운전에 집중해야 하는 운전자의 여행 집중도 저하 등 수동 운전 여행이 갖는 제약을 보완하며 여행의 추세는 더욱 증가할 것으로 전망되며, 이에 따라 자동차가 제공해주는 여행 서비스의 중요도도 매우 높아질 것으로 예상된다. 이러한 조사 결과를 바탕으로 자율주행 환경에서 사용자들에게 새롭고 긍정적인 경험을 제공해줄 수 있는 서비스로 여행이라는 분야를 선정하였다.
2-3 기반 기술 조사
2017년 CES(consumer electronics show)에서 선보인 포드의 IVI(in-vehicle infotainment)서비스인 SYNC는 아마존 에코의 음성비서 엔진인 Alexa와 만나 자동차 내부 뿐만 아니라 거실과 안방에서도 자동차를 음성으로 제어할 수 있게 되었다. 해당 서비스에서 제공하는 기능으로 집 안에서 자동차 이용 일정과 전장 세팅을 설정할 수 있다. 또한 집 안에서 자동차 시동을 미리 걸어 Ready-to-go 상태로 대기시키고, 반대로 자동차 안에서 집안의 조명/온도/엔터테인먼트 기능을 명령할 수 있다.
삼성전자와 LG전자는 2016년 굽어 있거나(Curved), 말리거나(Rollable), 투명(Transparent)인 디스플레이를 선보이면서 자동차 내/외부의 사용자와 동승자, 혹은 보행자를 위해 사용될 수 있는 기술을 만들었다. 이러한 디스플레이는 현재 소형 전방표시장치(HUD; head up display)에 적극 사용되고 있으며 미래에는 앞/뒤 유리 및 창문에 유기 반도체를 삽입한 투과형 방식을 통해 선명한 정보를 유저에게 제공할 수 있다.
맥락인식(Context Awareness) 기술은 여러 센서로부터 수집한 데이터를 통해 사용자의 상황을 인지하고, 실시간으로 맥락을 이해하는 데 초점을 맞춘다. 위성 항법 장치(GPS; global positioning system), Wi-fi(wireless fidelity), 무선인식(RFID; radio frequency identification), 모션 센서, 소리 등 여러 신호를 수집해 분석하며, 사용자의 일정, 문자 메시지나 행동 정보 등을 가져와 ‘사용자가 어떤 사람인지’, 그리고 ‘현재 어떤 상황인지’ 등을 추론한다[11]. 현재까지 개발된 맥락 인식 기술로 주행 중인 운전자의 얼굴 랜드마크 감지를 통해 지속적으로 변화하는 값의 조합을 분류 및 학습하여 레이블링 된 사용자 감정을 유추하는 것이 가능하다[12]. 또한 에이전트와 대화하는 사용자의 음성 운율 조합을 통해서도 사용자의 감정 유추가 가능하다[13].
어펙티바(Affectiva)의 자동차 감성지능 플랫폼인 '어펙티바 자동차 AI는 운전자와 승객의 얼굴과 목소리에서 오는 복잡한 감정 상태를 이해하고 기쁨, 분노 및 놀람과 같은 표정과 감정뿐만 아니라 분노의 정도, 웃음의 표현과 하품, 눈가림 및 눈 깜박임 속도, 신체적 산만(제스처)도 감지한다. 이 시스템은 컴퓨터 비전, 머신러닝 및 딥러닝을 사용하여 감정을 분류하는 알고리즘을 학습한다. 또한 감정 데이터베이스는 75 개국에서 약 6 백만 명의 얼굴로 분석되었으며, 5,313,751 개의 얼굴 비디오와 38,944 시간의 데이터를 분석, 현재 약 20 억 개의 얼굴 프레임을 분석하고 나타낸다[14].
Ⅲ. 서비스 설계
3-1 서비스 디자인 방법론
서비스 디자인(Service Design)이란, 고객이 서비스를 순차적으로 이용하면서 접하게 되는 접점에서 경험하는 서비스 가치를 모든 이해 관계자가 협력하여 디자인함으로써, 서비스의 내용을 구체화하고 고객에게 더 매력적인 경험을 제공하기 위한 일련의 활동을 나타낸다[15]. 본 연구에서는 자율주행환경에서의 신뢰성 향상을 위한 서비스 발굴을 목표로 하며, 이를 위해 디자인 카운슬(Design Council)의 ‘더블 다이아몬드 디자인 프로세스 모델’(The double diamond design process model)[16] 을 기초로 그림 3과 같이 발견(Discover) > 정의(Define) > 개발(Develop) > 전달(Deliver)의 4단계의 과정을 거친다. 첫 번째 다이아몬드는 Discover와 Define의 단계로 문제를 정의하고 기회를 발견하는 단계이며 두 번째 다이아몬드 Develop과 Deliver는 서비스의 콘셉트를 도출하고 아이디어의 세부 내용을 정리하는 단계이다. 앞의 방법론을 기반으로 Discover 단계에서 심층 인터뷰를, Define 단계에서는 퍼소나 설정을, Develop에서 사용자 시나리오를 작성하였고, Deliver 단계에서는 서비스 콘셉트 및 기능 설명을 통해 서비스를 구체화하였다.
Service Design Process; Double Diamond
사용자들의 여행 행태 및 니즈(needs)를 파악하여 자율주행 서비스로 제공해야 할 여행의 모습을 찾고자 여행을 즐기는 20-30대 대학생, 직장인 등 남녀 20명을 대상으로 2018년 07월 10일 ~ 2018년 07월 17일까지 7일에 걸쳐 심층 인터뷰를 진행하였다.
총 6개의 항목에 대해 약 30분에서 1시간가량 인터뷰하였다. 질문은 여행 전, 중, 후 3단계로 나누어 인터뷰 대상자의 각 단계 별 행동과 경험에 대한 세부질문으로 구성하였다. 인터뷰 대상자의 답변에 따라 추가적인 질문을 통해 대상자들의 여행 경험에 대한 심도 깊은 이해를 하고자 하였다. 그리고 난 후 이를 통해 사용자 인사이트를 도출하였다. 심층 인터뷰의 질문 가이드라인은 표 1의 항목을 따랐다.
Interview Questions
심층 인터뷰 결과, 인터뷰 대상자들은 공통적으로 여행 준비 단계에서 정보의 과잉으로 원하는 정보를 찾는데 어려움을 겪었고, 선택에 혼란을 주는 정보로 인해 스트레스를 받았다. 반면에 여행을 준비하면서 자신이 몰랐던 새로운 곳을 발견했을 때 설레며 일부는 여행 자체가 주는 기대감과 설렘이 크다고 답변했다. 인터뷰 대상자들은 자신의 개인 사회관계망 서비스(SNS)에 여행관련 사진, 정보 등을 공유하며, 공유하지 않는 경우에는 개인용 클라우드나 기타 저장매체에 기록한다고 답했다. 여행 중 가장 힘든 점은 계획이 추가, 변경, 취소 등 수정되었을 때 새롭게 루트를 짜기 위한 과정이라고 하였으며, 계획한 곳은 아니지만 여행 도중 눈에 띄는 곳이 있다면 멈춰 서서 구경해 본 적이 있다고 답변하였다. 인터뷰 대상자들이 여행 중 가장 많이 이용하는 엔터테인먼트 요소는 음악으로 나타났다. 여행 후 지난 여행이 생각날 때는 저장해둔 사진을 보았고, 재방문을 계획한 답변자도 있었다.
심층 인터뷰를 통해 발견한 인사이트는 다음과 같다. 첫 번째, 사용자들은 구체적으로 세워진 계획에 의한 여행보다 떠나는 시간 자체에 몰입하는 여행을 원한다. 두 번째, 여행지에서 의도치 않았던 뜻밖의 장소를 발견하거나 사용자만의 감성 장소를 발견하였을 때 여행에 대한 만족감이 높아진다. 세 번째, 여행 관련 정보 과잉으로 오는 피로는 사용자들을 계획 없이 떠나는 즉흥 여행, 목적지에 임의성을 부여하는 랜덤 여행 등을 하도록 만든다.
퍼소나란 디자이너로 하여금 제품 혹은 서비스를 이용할 사람들에 대한 이해를 돕기 위해 개발된 가상의 인물을 뜻하며[17] 1999년 앨런 쿠퍼(Alan Cooper)가 본인의 저서 ‘정신병원에서 뛰쳐나온 디자인’에서 처음 소개한 개념이다. 퍼소나를 설정하는 이유는 퍼소나를 통해 그들이 어떤 가치를 필요로 하는지, 니즈는 무엇인지를 그들 입장에서 생각해 볼 수 있으며 특정한 상황 속에서 퍼소나가 어떻게 행동할 것인가, 어떻게 느낄 것인가를 예측해 볼 수 있는 기회가 되기 때문이다.
그림 4와 5는 심층 인터뷰를 통해 발견한 인사이트를 토대로 도출한 퍼소나이다. 이들은 차량을 보유하였으며 일상 속에서 여행에 대한 욕구를 가지고 있다. 퍼소나A는 20-30대의 젊은이들을 대표하는 퍼소나로 홀로 떠나는 여행을 두려워하지 않으며 새로운 곳을 발견하는 것에서 희열을 느낀다. 하지만 바쁜 일상으로 인해 여행을 위한 계획을 설정하고 시간을 내는 것이 쉽지 않으며 누군가 기분전환을 시켜줄 뜻밖의 장소로 이끌어 주길 바란다. 퍼소나B는 자녀를 둔 40-50대를 대표하는 퍼소나로 주말을 이용해 자녀들과 교외로 나가 시간을 보내고 싶으나, 장시간 운전에 대한 부담과 운전으로 인해 자녀와의 대화 및 여정에 온전히 집중하기 어려운 상황이 불편한 것이 항상 고민이다.
Persona A; Young adults
Persona B; Mid-age adults
도출한 퍼소나와 심층 인터뷰 결과를 바탕으로 여행의 단계 별로 사용자 여정 지도(User Journey Map)를 그림 6과 같이 정리하였다. 사용자 여정 지도는 사용자의 경험을 시각화 하여 보여주기 때문에 여정의 흐름에 따라 사용자가 가지는 브레이크 포인트(Break Point)를 보다 정밀하게 분석할 수 있으며, 이를 통해 사용자가 느끼는 감정과 생각들을 이해할 수 있다.
User Journey Map
여행 전 단계에서 사용자들은 여행 자체에 대한 기대감을 갖지만 여행을 떠나기 위해 양질의 정보를 찾는 것에 피로를 느꼈다. 또한 현재와 같은 수동 운전 환경에서는 운전에 집중해야 하는 상황으로 인해 여행에 100%를 집중하기 어려워했으며, 장시간 운전을 해야 하는 여행에 대해 부담감을 가지고 있었다. 이는 자율 주행 환경에서는 자연스럽게 해결될 문제이다. 따라서 이러한 브레이크 포인트가 해소된다면 사용자들의 만족도가 크게 증가할 수 있을 것이다.
여행 중 단계에서 사용자들은 기존에 세운 여행 계획에서 벗어나게 될 경우에 불안을 느끼게 되며, 계획을 수정하기 위해 제한된 시간 내 정보를 찾는 것에 스트레스를 받았다. 반면에 기대하지 못했던 뜻밖의 장소를 발견하거나, 뜻밖의 즐거움을 얻게 될 경우 여행에 대한 만족도가 상승했다. 사용자들이 여행을 즐기며 하는 공통된 행위로, 여행을 즐기기 위해 음악과 같은 엔터테인먼트 요소를 추가한다는 사실을 발견하였다.
여행 후 단계에서는 많은 사용자들이 여행을 정리하고 기록하는 것에 니즈를 갖고 있었지만 이를 관리하는 것에 어려움을 겪었으며, 지난 여행 정보를 적시적기에 찾는 것에서 불편함을 드러냈다. 이는 쌓이는 정보를 효율적으로 관리할 수 있는 수단자체가 없거나 있더라도 이를 관리하는데 이차적인 수고가 들어가기 때문으로 보였다.
사용자 시나리오란 사용자가 겪을 수 있는 다양한 상황을 예측하고 설계하여 그들에게 어떤 사용자 경험을 제공할 것인가를 디자인하는 단계로, UX 디자인 설계의 모든 과정에 반드시 필요한 절차이다[18]. 심층 인터뷰, 퍼소나를 종합하여 자율주행 환경에서의 두 가지 사용자 시나리오를 다음과 같이 작성하였다.
첫 번째 시나리오는 차량 내 AI 에이전트가 바쁜 일상에 지친 사용자A의 상태를 파악하고 기분 전환을 위한 랜덤 여정을 추천한다. AI 에이전트의 추천 여정을 받아들인 A에게 AI 에이전트는 여정을 더 즐겁게 만들기 위한 동승자를 추천하고 동승자에게 여정 동의 메시지를 보낸다. 이를 수락한 동승자를 픽업하고 여정은 시작된다. 여정 목적지로 떠나는 중간, 사용자와 동승자의 대화 맥락을 파악한 AI 에이전트는 유동적으로 여정 목적지를 변경해 주고 사용자 맞춤형 여정을 꾸려 나간다. 여정이 끝난 후 사용자A가 동승자에게 여정동안 기록한 사진을 공유한다. 그림 7은 AI 에이전트가 사용자의 상태를 파악하고, 사용자의 현 상태를 반영한 여정지를 추천해주는 모습, 즉 서비스제안의 순간을 보여준다. 그림 8에서는 여정 중에 사용자를 더욱 즐겁게 만들어 주기 위한 동승자를 추천하고, 동승자의 현 위치를 파악하여 픽업루트를 설정하는 과정이다. 그림 9는 AI 에이전트가 이동 중 함께 즐길만한 엔터테인먼트 요소를 추천해주는 모습과 여정 종료 후 동승했던 각 사용자에게 여정을 공유하는 모습을 보여준다.
User Status Identification and Journey Recommendation Scenario
Fellow Passenger Recommendation and Pick-up Service Scenario
Music Recommendation and Journey Sharing Scenario
두 번째 시나리오는 앞선 시나리오와 마찬가지로, 차량 내 AI 에이전트가 사용자B와 그의 자녀C간에 나누는 어색한 대화 및 상황을 판단하여 여정을 제안한다. 여정을 수락한 B와 C는 지정한 날짜에 여정을 출발하고 AI 에이전트는 B와 C의 대화가 어색해지려는 찰나 음악을 추천하거나 대화를 유도하는 등 사용자의 여정 시간을 풍부하게 만들어 준다. 또한 여정이 끝난 후 여정을 기록해 주어 사용자가 추억을 간직할 수 있도록 도움을 준다. 그림 10은 여정 중 음성 탐지를 통해 대화가 없는 탑승자 간에 대화를 유발하기 위해 AI 에이전트가 먼저 발화를 하여 주의를 환기시키는 모습이고, 그림 11은 사용자가 여정동안 생성된 사진을 선택하면 AI 에이전트가 선택된 사진을 종합하여 여정을 기록해 주는 모습이다.
Inter-Passenger Conversation Inducing Scenario
Photo Selection and Journey Recording Scenario
Ⅳ. 서비스 제안
4-1 서비스 콘셉트
본 연구에서 제안하는 자율주행 자동차 여행 서비스 명은 자동차를 뜻하는 영어 단어인 카(Car)와 세렌디피티(Serendipity)1)의 합성어인 ‘카렌디피티(Carendipity)’로 이름 붙였다. 또한, 카렌디피티 서비스에서 사용하는 AI 에이전트는 ‘실론(Ceylon)2)’이라 명명하였다. 실론은 세렌디피티와 마찬가지로 스리랑카 언어에서 기원 된 것도 있지만, 무엇보다 누구나 쉽게 발음할 수 있고 기존에 존재하는 AI 에이전트의 이름들과 겹치지 않기에 선택하게 되었다. 본 서비스는 기존에 직접 준비해야 했던 일련의 여행과정을 모두 알아서 가능하게 함으로써, 기존 여행의 pain point개선과 value point 극대화를 이룰 수 있도록 하였다. 또한 차와 함께 이동하는 즐거운 경험을 제공하며 사용자들로 하여금 새로운 여가 라이프를 경험할 수 있게 해주는데 그 목적이 있다.
4-2 각 기능 별 상세 설명
카렌디피티는 그림 12와 같이 여정 시작 전부터 후까지 여정 전반에 걸쳐 서비스를 제공해주며, 주요 기능은 다음과 같다.
Service Flow Chart
감정 교감을 통한 개인 맞춤형 케어 서비스는 첫 번째, 사용자의 감정 및 상황 맥락에 맞춰 랜덤으로 사용자에게 여정을 추천한다. 사용자가 자동차에 탑승한 순간부터 Eye Tracking, 맥박 센서, 체열 감지 등의 기능을 이용하여 사용자의 피로도와 스트레스 추이를 주기적으로 수집 및 분석한다. 이를 통해 사용자의 감정을 파악하고 기록한다. 또한 사용자의 음성 및 대화 내용에서 추출한 상황 맥락 키워드는 자동차가 사용자를 이해하는데 쓰이는 중요한 데이터로 사용자와 자동차 사이 교감의 기반이 된다. 두 번째, 기록된 여정 데이터 및 사용자의 감정 변화 데이터를 기반으로 사용자 맞춤 동승자를 추천한다. 동승자를 추천하는 방식은 2가지로, 비슷한 랜덤 여정을 함께 했던 동승자 데이터 기반과, 사용자와 동승자가 함께 있을 때의 감정 변화 추이 데이터를 기반으로 한 방식이 있다. 세 번째, 사용자가 여정 중일 때 사용자의 감정과 상황 맥락을 항상 감지하고 이를 기반으로 사용자 감정을 주제로 대화를 시도한다. 누적 분석된 사용자의 대화 맥락과 동승자 인터렉션에서 발생되는 감정 분석 결과는 차후 랜덤여정과 동승자 추천 등 잠재적 서비스 제공 기회를 물색하는데 사용한다.
맥락변화에 따른 주행환경 모드 및 여정 속성 자동 변환 기능은 첫 번째, 사용자와 동승자의 상황 및 대화 맥락 모두를 고려하여 실시간으로 여정을 추천 및 업데이트한다. 탑승자의 신체적/심리적 변화에 따라 함께 변화하는 ‘뜻밖의 여정’은 놀라움을 주면서 지속적인 기대감을 제공한다. 두 번째, 고려된 사용자의 맥락에 따라 운전 모드가 자동으로 전환된다. 예를 들어, 천천히 오래 즐겨야 하는 여정의 경우 서행 모드를 제공하고, 사용자의 흥분도가 높은 경우, 부드럽고 안정감을 느낄 수 있는 모드로 전환한다. 이는 실내 무드 전환으로도 사용될 수 있는데, 날씨 및 외부 환경 변화 및 랜덤 여정 전반의 분위기 맥락에 따라 숙면을 위한 취침모드, 학습을 위한 스탠드모드, 엔터테인먼트 요소를 위한 미러볼 모드 등으로 전환된다. 여정과 탑승자 상태에 따라 변화하는 자동차의 내외부적 반응은 여정의 ‘새로움’을 공감각적으로 느끼게 해줄 뿐 아니라, 감정 교류를 극대화시키는데 기여한다.
여정 몰입감을 위한 엔터테인먼트 기능은 첫 번째, 차 안에서 이루어지는 대화 맥락 및 감정 변화를 감지하고 적시적기에 음악 추천 및 즉각적인 대응으로 사용자들에게 즐거움을 제공해 준다. 이를 통해 사용자에게 AI 에이전트가 항상 사용자의 상태를 살피고 사용자를 최우선으로 하고 있음을 알리고 사용자의 여정에 대한 몰입감을 상승시킨다. 두 번째, 사용자의 풍부한 랜덤 여정 경험을 위해 사용자 위치를 기반으로 목적지 혹은 근처 명소에 대한 역사, 지리, 문화적 설명을 제공하는 도슨트 기능을 제공한다. 또한 랜덤 목적지 도착 후에도 관련 정보를 사용자 스마트폰으로 전송하여 차 이외의 공간에서도 연속성 있는 여정을 즐길 수 있도록 해준다.
사용자의 지속사용을 위한 여정 기록 공유 플랫폼 제공 기능은 자동차에 저장된 모든 데이터를 모바일 및 웹 환경 뿐 아니라 다양한 소셜 플랫폼으로 공유할 수 있도록 한다. 사용자의 여정 기록은 자체 서버로 전송되어 다른 사용자와 공유되며 공유 기능 활성 및 비활성화는 사용자의 선택에 따라 조절 가능하다. 여정 플랫폼은 사용자의 소중한 순간들을 기록해줌으로써 사용자가 여정 동안 느꼈던 다양한 감정과 설렘을 여정이 끝난 후까지 지속적으로 연결하여 여운을 느낄 수 있도록 해준다. 이러한 공유 플랫폼은 사용자들간 유대감을 형성하는데 기여하며, 축적된 데이터는 감정/맥락 기반의 추천 알고리즘을 더욱 강화시키고 이를 통해 사용자는 맞춤화 된 서비스를 이용하게 된다. 이러한 공유 플랫폼은 결과적으로 사용자와 서비스의 UX 접점의 순환을 강화시킴으로써 서비스 Lock-in효과를 나타낼 수 있도록 해준다.
Ⅴ. 결 론
본 연구에서는 사용자의 심리적, 감성적 경험을 중심으로 한 자율주행 서비스 제시를 통해 사용자의 자율주행 기술에 대한 신뢰도를 향상시키고자 하였다. 이를 위해 사용자 심층 인터뷰와 더블 다이아몬드 서비스 디자인 방법론을 활용하였고, 그 결과 카렌디피티(Carendipity) 컨셉의 자율주행 서비스 시나리오가 도출되었다. 해당 컨셉은 개인 맞춤 케어 서비스, 맥락 기반 주행 및 여정 변경, 여정 몰입감을 위한 엔터테인먼트, 그리고 지속사용을 위한 여정 공유 플랫폼까지 총 네 가지 요소를 포함하였다. 이번 연구를 통해 자율주행에 대한 신뢰가 기술이 아닌 서비스로 인해 유도될 수 있도록 하는 한편, 머지않아 도래할 자율주행 시대의 새로운 서비스 시나리오 디자인에 있어서 실질적인 도움을 줄 수 있을 것으로 기대한다.
Acknowledgments
본 연구는 2018년도 연세대학교 미래융합연구원의 지원에 의하여 이루어진 연구로서, 관계부처에 감사드립니다.
Notes
참고문헌
- J. G. Lee, Trends and Prospects of Self-driving cars, KIST, (2015).
- J. H. Park, Artificial intelligence trust issues and Countermeasures, ETRI, (2018).
- S. M. Lee, Recent Trends and Implications of Self-driving cars, The Institute for Information & Communications Technology Promotion is a South Korean, (2018).
-
Parasuraman, R, Riley, V., “Humans and automation: Use, misuse, disuse, abuse. Human Factors”, The Journal of the Human Factors and Ergonomics Society, 39(2), p230-53, (1997).
[https://doi.org/10.1518/001872097778543886]
- M.G. Kim, J. H. Park, Confidence Issues and Countermeasures of Artificial Intelligence, ETRI, Innovation & Future Trend, (2018, Feb).
- Morning Consult, Americans Less Trusting of Self-Driving Safety Following High-Profile Accidents, (2018, Apr).
- Science Magazine, Are we going too fast on driverless cars?, Available: https://www.sciencemag.org/news/2017/12/are-we-going-too-fast-driverless-cars.
- Statistics Korea, Social Survey Results 2015, (2017).
- DMC Repost, Current status of travel industry in Korea and abroad, (2018).
- Ministry of Culture, Sports and Tourism, 2016 National Travel Survey, (2016).
- K. M. Kwan, [Artificial Intelligence in IT] Context Recognition. You don’t have to tell me, IT Donga, Available: http://it.donga.com/28076/.
-
McDuff, D., Mahmoud, A., Mavadati, M., Amr, M., Turcot, J., & Kaliouby, R. E., (2016, May), “AFFDEX SDK: a cross-platform real-time multi-face expression recognition toolkit”, In Proceedings of the 2016 CHI Conference Extended Abstracts on Human Factors in Computing Systems, p3723-3726, ACM, (2016.
[https://doi.org/10.1145/2851581.2890247]
- Abdic, I., Fridman, L., McDuff, D., Marchi, E., Reimer, B., & Schuller, B., (2016, September, “Driver frustration detection from audio and video in the wild”, In KI 2016: Advances in Artificial Intelligence: 39th Annual German Conference on AI, Klagenfurt, Austria, Proceedings, 9904, p237, September, 26-30), (2016.
- H. J. Kwon, Hyundai Mobis even recognizes emotions on AI virtual assistants for cars. AITimes, Available: http://www.aitimes.kr/news/articleView.html?idxno=12600.
- Korea Institute of Design Promotion, Keywords to Succeed in Service Design, p2-3, (2013).
- Design Council, The double diamond design process model, Available: http://www.designcouncil.org.uk.
- Donald Norman, (2004, Nov, 16), Ad-Hoc Personas & Empathetic Focus, Retrieved 2015.11.7, Available: http://www.jnd.org/dn.mss/personas_empath.html.
- J. K. Ah, Digital Media Design, Communication Books, p36-37, (2014).
저자소개
2012년 : 연세대학교 전기전자공학과(공학사)
2018년 ~ 현재: 연세대학교 UX트랙
※관심분야：UX기획, HCI, 모빌리티 UX, AI UX
2015년 : 연세대학교 전기전자공학과(공학사)
2016년 ~ 현재: 연세대학교 인지과학협동과정
2015년 : 현대모비스
※관심분야 : HCI, UX, 자율주행
2018년 : 아주대학교 전자공학과(공학사)
2018년 ~ 현재: 연세대학교 UX트랙
※관심분야 : 모빌리티 UX, AI UX
2014년 : 영국 코벤트리대학교 자동차 디자인(Master of Design)
2017년 ~ 현재: 연세대학교 인지과학 협동과정
※관심분야: 자동차/미래 모빌리티 UX, HCI
2002년 5월 : 뉴욕주립대학(버팔로) 커뮤니케이션학(박사)
▪2002년 8월 ∼ 2006년 5월 : Rensselaer Polytechnic Institute. Department of Language, Literature, & Communication 조교수
▪2006년 9월 ∼ 2009년 2월 : 광운대학교 미디어영상학부 부교수
▪2009년 3월 ∼ 현재 : 연세대학교 정보대학원 UX 트랙 부교수
<관심분야> : 인공지능 에이전트와의 대화형 인터랙션, 자율주행 모빌리티 서비스 UX