질문·공간·오감 발상을 연계한 생성형 AI 기반 XR 글래스용 영감 수집 서비스 제안

실제 디자이너의 영감 수집 과정뿐만 아니라, 아이디어 발상 과정에서 생기는 어려움과 니즈를 살펴보기 위해 1차와 2차로 나누어 1인당 30~40분 정도 소요되는 심화 질문지를 구성한 후 10명 대상 대면, 비대면 심층 인터뷰를 진행하였다. 그림 4의 1은 1차 대면 인터뷰 때 활용했던 노트북 내의 캡처 이미지로 일상 기록을 포함한 디자이너의 일상 작업 과정의 이해 및 행동 관찰을 목적으로 진행하였다. 질문은 온라인과 오프라인에서 영감을 얻는 경로, 영감을 얻는 과정 중의 어려움, 영감을 주는 자료들을 어떻게 활용하는지와 같은 발상 소스 활용 측면과 아이디어 발상 시의 어려움, 발상 시 어려움 해소 방법에 대해 질문하였다. 2는 2차 대상자 비대면 인터뷰 장면 캡처 이미지로, 1차 때의 질문과 더불어 생성형 AI의 활용 여부 및 니즈에 대해 조사하였다. 이 사용자 조사 과정을 통해 여러 분야 디자이너의 발상 수집 관련 페인 포인트와 공통된 답변의 특징을 발견하여 정리하였다.

Fig. 4.

Pilot interview and participant information

그림 5는 인터뷰 결과를 종합한 내용이다. 1, 2차 인터뷰를 통해 도출한 공통 인사이트는 인터뷰한 10명의 디자이너 모두 온라인보다 오프라인에서 영감을 수집하는 데 어려움을 겪고 있으며, 아이디어 발상 과정에서 자신이 찾은 레퍼런스와 차별화된 지점을 찾는 것을 어려워했다. 또한, 아이디어가 생각나지 않을 때 어려움을 극복하기 위해 타인과 대화를 하거나 밖으로 나가 주위를 환기함을 알 수 있었다. 또 다른 해소 방법은 마인드맵핑을 통해 생각을 연결 짓거나, 브레인스토밍처럼 생각나는 대로 떠올리는 무작위 발상을 통해 발상의 어려움을 해소하고 있었다. 생성형 AI 활용 여부를 보면 기획 단계에서부터 발상 단계까지 목적에 맞게 생성형 AI를 두루 활용하고 있음을 알 수 있었다. 생성형 AI 활용에 대한 니즈를 조사한 결과, 영감을 얻고 아이디어를 확장하는 과정에서 도움을 받고자 하였다. 예를 들어, 다른 사람과의 차별화 방안을 생성형 AI가 제시해 주기를 원하거나 수집한 영감을 혼합하여 새로운 방향성 제안을 바랐다. 또한, 생각의 흐름이 막힐 때 생성형 AI가 이를 파악하고 적절한 자극을 주면 좋겠다는 의견도 있었다. 마지막으로, 생성형 AI와의 소통에 대한 니즈로는 대부분 AI가 자신의 생각을 정확히 파악해 주길 원했으며, 그다음으로 보이스 기반, 이미지, 텍스트 순으로 소통 방식이 선호되었다. 이러한 인사이트를 바탕으로 정리한 서비스 아이디어는 다음과 같다. 첫째, 오프라인 환경에서 글래스 기반 XR을 활용해 사용자가 주시하는 사물과 공간을 기록하고, 생성형 AI와 함께 영감의 대상을 탐구할 수 있어야 한다. 둘째, 마인드맵핑, AI의 꼬리 질문, 오감 활용 등 상황 맞춤형 발상 방법을 제안해 사용자의 발상 확장과 차별화 지점을 발견하도록 한다. 마지막으로, 생성형 AI와의 소통을 보이스 기반 대화형으로 전개해 발상 심화를 지원한다.

Fig. 5.

Interview results

그림 6은 서비스 시나리오 기반 프로토타입 제작 때 활용한 생성형 AI의 종류이다. 프로토타입 제작 환경과 과정은 그림 6의 생성형 AI 툴 활용을 중심으로 이미지, 영상, 3D 모델링, AI 캐릭터 및 음성 생성을 포함한다. 프로토타입 과정에서 이미지를 생성할 때는 1처럼 이미지 생성 AI인 미드저니를 사용하였다. 미드저니는 상상했던 시각 요소를 이미지로 세밀하게 표현할 수 있어 프로토타입의 비주얼 표현 강화에 도움을 준다. 식물, 커피, 카페의 배경이 하늘로 전환되는 이미지를 포함한 모든 프로토타입 이미지를 미드저니로 생성하였다. 2는 생성한 이미지를 영상으로 변환하는 과정으로, 모션 생성 AI 중심 도구인 런웨이(Runway), 루마(Luma)를 활용하였다. 이러한 서비스들은 여러 스타일과 유형의 영상 생성 기능을 제공하며, 정적 이미지를 동적 콘텐츠로 변환하는 데 필요한 기술을 지원하여 정적 이미지에 생동감을 추가하고, 프로토타입을 더욱 실감 나게 표현한다. 가령, 화면을 클로즈업하거나 화분이 바람에 살랑살랑 움직이는 모션, 햇살이 창가 사이로 들어오는 모습을 AI 영상 툴을 활용해 제작하였다. 3은 2D 이미지를 3D로 변환하는 과정으로, 3D 생성 AI 트리포(Tripo)를 활용하였다. 트리포는 2D 이미지를 정교한 3D 모델로 변환해 프로토타입의 입체감을 선명하게 구현하며, 이를 통해 실제 구현 가능한 서비스 모델 제시에 큰 도움을 준다. 마지막으로, 또 다른 영상 생성 AI 툴인 피카(Pica)와 보이스 생성 AI 서비스인 타입 캐스트(TypeCast)를 활용해 표정과 손짓이 있는 AI 캐릭터를 제작하여 사용자의 몰입감을 높이고자 했다.

Fig. 6.

The generative AI tool used in the prototype

그림 7은 2장의 종합 분석을 기반으로 구성한 시나리오로, AI의 질문을 통한 발상 연계, 배경 또는 사물 연결 방식을 활용한 공간 기반 발상, 오감 활용 발상의 세 가지 유형을 포함하고 있다. 미드저니, 피카, 런웨이와 같은 생성형 AI 툴을 활용해 프로토타입을 제작했으며 구체적인 시나리오는 다음과 같다. 그림 7의 1은 사용자가 본 서비스에 처음 진입하는 단계로, 사용자는 세 가지 캐릭터 중 영감 얻기에 적합한 캐릭터를 선택할 수 있다. 캐릭터를 선택하면, 2에서는 데페이즈망을 활용한 배경 변경 발상, 3에서는 AIS(Artificial Intelligence-based Image Search System)를 활용한 무작위 사물 연계 발상, 4에서는 공간 사운드를 기반으로 한 오감 활용 발상을 통해 아이디어 영감을 얻을 수 있다. 예시를 보면, 2의 B-1은 특정 사물을 인식한 후 배경을 변경하는 데페이즈망 방식의 발상 방법이다. 가령, 사용자가 AI와 발상 중심의 대화를 나누며 연상된 이미지나 상상을 보이스로 표현하면, AI가 이를 반영해 새로운 배경 이미지를 생성하고 VR 공간에 적용한다. 이를 통해 사용자는 XR 글래스의 몰입형 경험을 바탕으로 "하늘에서 케이크가 떨어진다면?"과 같은 상상을 확장하며 공간 활용 발상을 할 수 있다. 두 번째 유형은 공간 내 오브젝트 연계 발상으로, C-1은 두 개 이상의 대상을 엮어 무작위적 발상을 하는 것으로, AR 공간에서 나뭇잎과 커피잔을 인식하면, AI가 "화분도 커피를 마신다면 새로운 에너지를 얻을 것 같지 않나요?"와 같은 질문을 던져 사용자의 발상을 확장하도록 돕는다. C-2는 AI가 XR 글래스 기반으로 대상을 인식한 후, AIS 이미지 검색을 통해 하나의 사물을 좀 더 구체적으로 살펴보는 발상 방법이다. 사용자가 화분의 나뭇잎을 클로즈업해 생성형 AI에 분석을 요청하면, AI는 인식된 정보를 제공하며 추가 옵션으로 디자인 컬러 팔레트, 자연물의 질감과 패턴, 소리 연동 기능을 제안한다. 예를 들어, 사용자가 XR 글래스로 화분의 나뭇잎을 포커싱하고 바람에 흔들리는 모습을 관찰하며 AI와 소통한다면, ‘살랑살랑’, ‘춤추기’와 같은 키워드가 떠오를 수 있다. 이를 AI가 제공한 정보와 결합해 자연물 패턴으로 변환하거나, 자연 친화적 패브릭 및 제품 디자인에 적용할 수 있다. 마지막은 오감을 활용한 발상 방법으로, D-1은 사용자가 공원을 산책하며 주변 소리에 귀 기울이며 영감을 얻는 상황이다. AI는 물 흐르는 소리, 참새 소리, 바람 소리 등 여러 사운드를 인식한 후, 보이스 필터(Voice Filter) 기술을 활용해 XR 상에서 사운드 클립을 생성한다. 사용자는 AI와 소리에 관한 질문과 대화를 나누며 발상을 확장하고, D-2는 이러한 대화를 바탕으로 스토리텔링을 구체화하는 화면이다. 예를 들어, 사용자가 참새 소리를 듣고 '작은 참새의 대도시 탐험'이라는 키워드를 떠올렸다면, 이 키워드를 기반으로 AI와 소통하며 참새의 성격을 고민하고 스토리 전개를 상상하면서 발상을 이어나갈 수 있다. 가령, AI 캐릭터는 "참새가 대도시를 처음 경험할 때 어떤 감정을 느낄까요?"와 같은 질문을 던지며 사고를 확장하고, 참새가 겪을 주요 사건이나 장애물을 대화 중심으로 제안해, AI가 사용자의 창의적인 상상력을 더욱 확장할 수 있도록 돕는다. 5는 2, 3, 4에 이어 사용자의 머릿속에만 있는 발상을확장하기 위해 이미지 및 비디오 생성을 활용하여 아이디어를 구체화하는 과정이다. 만약 사용자가 5의 E와 같이 XR 기반 마인드맵핑 단계에서 구체화하고 싶은 아이디어가 있다면 발전시키고자 하는 요소를 선택한 후 ’발상 추가하기‘ 기능을 탭 하면 된다. 만약 발상 과정에서 생성했던 2D 캐릭터를 3D 캐릭터로 변환하고 싶다면, AI 기반으로 보이스 기반 소통 및 프롬프트 입력을 통해 실현시킬 수 있다. 3D로 전환한 캐릭터는 F처럼 MR 기반의 XR 공간으로 불러와 아이템 및 필터를 활용하면서 배경 및 캐릭터를 꾸밀 수 있다. 또한, G처럼, 생성한 캐릭터와 배경을 하나의 영상으로도 생성할 수 있다. 이러한 과정을 거쳐, 사용자는 자신의 생각을 텍스트와 소통을 통해 언어화하고, 이를 2D 이미지에서 3D로 입체화, 나아가 동적 이미지로 발전시키면, 정적인 이미지 표현에 머물던 아이디어가 생각의 흐름을 담은 스토리텔링으로 확장되어 더욱 풍부한 이야기로 발전할 수 있다. 이는 스토리의 전개를 더욱 입체적으로 표현하는 데 많은 도움이 된다. H는 시나리오의 마지막 단계로, 사용자가 떠올리고 구체화한 아이디어를 발상 노트에 기록하고 저장하는 과정이다. 기록된 정보는 노드-링크 기반으로 발상 전과정을 포함한다. 이를 통해 사용자는 자신의 아이디어와 발상 맥락을 정리하고 필요시 리뷰하거나 2차 창작물로 확장할 수 있다. 본 연구는 이미지 생성부터 동적 시나리오 기반 발상과 기록에 이르는 사용자의 영감 수집 및 아이디어 발상 경험을 AI와의 소통과 오감 연계를 포함한 선순환 프로세스로 지원하여 유연하게 여러 상황에 적용할 수 있도록 설계하였다.

Fig. 7.

User service scenario

그림 8의 1, 2는 AI가 사용자에게 질문하고 사용자의 답변에 꼬리 질문을 이어가는 기술 사례를 조사한 내용이다. 더불어 그림 8의 3은 본 서비스에서 오감을 활용해 아이디어를 도출할 때 사용할 수 있는 질문 유형을 상황별로 정리한 내용이다. 먼저 2장에서 언급한 꼬리 질문 생성 관련 기술은 최근 면접 AI 서비스에서 활발히 반영되고 있다. 첫 번째 AI 면접 서비스인 사람인(Saramin)은 구직자의 자기소개서를 바탕으로 면접에서 받을 수 있는 질문을 AI가 예상하여 생성하고, 구직자가 예상 질문에 대답하면 AI가 이를 듣고 꼬리 질문을 이어간다. 그림 8의 1처럼, 사람인은 인공지능의 한 분야인 NLP(Natural Language Processing) 기술을 사용하여 발화자의 답변을 문장 단위로 나누고, 정보 간의 관계를 파악하여 면접 내용과 관련된 여러 질문을 추출한다. 이를 통해 AI가 분석한 내용을 기반으로 사용자에게 역량 질문, 꼬리 질문들을 생성하는 서비스가 가능하다[18].

Fig. 8.

Follow-up question techniques and example

두 번째는 몬스터(Monster) 서비스로 실제 면접관처럼 대화하며 지원자의 인성과 업무 능력을 파악하는 AI 면접 평가 서비스이다. 그림 8의 2처럼 몬스터는 채용 면접에 맞춰 고도화된 STT(Speech-to-Text) 기술을 적용하여 답변에서 실시간으로 파악한 내용을 바탕으로 꼬리 질문을 할 수 있다. AI는 STT를 통해 사람의 목소리를 텍스트로 변환하고, NLP를 사용해 사람의 의도를 문장 단위로 파악한 뒤 대화의 앞뒤 맥락을 이해한다[19]. 이러한 구조를 통해 AI는 사용자의 답변을 바탕으로 추가적인 꼬리 질문을 제시할 수 있다.

3은 본 서비스에서 오감 활용 시 질문 유형을 분류한 것으로, AI가 각 상황에 맞춰 시각, 청각, 후각, 촉각 기반의 상황 맞춤별 질문을 던지며 사용자의 창의력 향상을 유도한다. 가령, 후각 중심 발상의 경우 AI는 사용자에게 "티라미수 케이크의 달콤하고 진한 향에서 떠오르는 감정이나 이미지를 디자인에 어떻게 반영할 수 있을까요?"라고 질문할 수 있다. 사용자가 ‘부드럽고 포근한 느낌을 살려 따뜻한 색감이나 자연 소재를 활용할 것 같다’고 답하면, AI는 그림 8의 1, 2 기술 기반 꼬리 질문 알고리즘을 활용해 ‘따뜻한 색감이나 자연 소재를 활용할 때, 어떤 형태나 질감이 향의 분위기를 잘 전달할까요?’와 같이 오감 연계 기반으로 꼬리 질문을 이어갈 수 있다. 이와 같은 과정을 통해, 사용자는 본인 생각을 더욱 풍부하게 표현하고, 대상을 깊이 탐구하며 사고의 폭을 한층 더 넓혀갈 수 있다. 본 연구는 이 기술 연구를 바탕으로, AI가 사용자와 자연스럽게 소통하며 각 캐릭터 유형에 적합한 질문과 창의적 발상을 유도하는 질의를 제공하여, 사용자가 대상과 컨텍스트를 다각도로 탐구하고 차별화된 고유 아이디어를 효과적으로 도출할 수 있도록 돕고자 한다.

그림 9는 미드저니로 생성한 AI 기반 소통형 캐릭터로, 그림 9의 2와 같이, Chat GPT를 활용해 각 캐릭터에 성격을 부여한 뒤, 발상을 돕는 질문 방식의 예시를 도출했다. 먼저, A번 라미(Lami)는 협력적이고 유연한 성격을 부여했으며, 주요 특징은 ‘의견 제시 및 공감, 새로운 질문 제안’이다. 가령, 책상 위에 커피와 화분이 놓여 있다면 라미는 ‘커피와 화분을 보니, 둘 다 하루를 시작하는 느낌을 주네요. 화분도 커피를 마신다면 무언가 새로운 에너지를 얻을 것 같지 않나요?’처럼 두 사물을 인위적으로 연결해 의견을 제시하고 질문 제공을 통해 발상을 유도한다.

Fig. 9.

Generated AI characters and questions with GPT

캐릭터 B의 제나(Jenna)는 자유로운 예술가 성격으로, 색감, 소리, 형태 등 감각적 요소를 활용한 질문을 통해 상상력을 자극하는 특징이 있다. AI의 질문 방식은 ‘감각 활용 탐구’와 ‘추상적인 질문’의 두 가지로 나뉜다. 예를 들어, 사용자가 감정이나 심리 상태를 기반으로 발상할 때, 감각 활용 탐구 방식에서는 “지금 이 감정을 색으로 표현한다면 어떤 색과 질감일까요?”처럼 감정을 시각적으로 형상화하는 질문을 던진다. 추상적 질문 방식에서는 “이 감정이나 상황을 하나의 상징적인 이미지로 표현한다면 어떤 장면이 떠오르시나요?”와 같이 열린 창의적 질문을 통해 사고를 확장하도록 유도한다.

마지막으로, 캐릭터 C의 리오(Rio)는 호기심이 많은 성격으로, 가정법과 대조 질문을 활용해 특정 대상을 여러 다른 관점에서 생각할 수 있도록 돕는다. 가령, ‘만약 도시에서 자연을 경험하고 싶다면, 어떤 방식을 통해 자연의 소리를 들을 수 있을까요?’와 같이, 새로운 상황을 가정하여 창의적 발상을 유도한다. 대조 질문은 ‘우리가 바닷속에서 사는 생물이라면, 바다의 소리와 도시에 있는 소리의 차이는 무엇일까요?’와 같이 비교를 통해 다른 관점에서 깊이 있는 시각을 할 수 있도록 돕는다. 본 연구는 이러한 세 가지 AI 캐릭터 유형을 통해 맞춤형 열린 발상 경험을 제공하고자 한다.

그림 10처럼, 본 서비스의 콘텐츠 사용 시나리오를 위해 2장 심층 인터뷰의 페인 포인트와 니즈를 반영하여 퍼소나를 설정하였다. 이름은 유주현으로 대학생이며 여러 전공 영역을 수강하며 창의적 발상의 니즈가 많은 숏폼 크리에이터의 꿈을 갖고 있다. 유주현이 겪고 있는 주요 페인 포인트는 발상을 위해 수집한 레퍼런스와 자신의 아이디어를 비교했을 때, 어떻게해야 자신만의 아이디어를 차별화할 수 있을지의 고민이다. 니즈는 자신만의 차별화된 숏폼 영상을 제작하고자 하며 AI가 아이디어 확장에 도움을 주고, 수집한 영감을 혼합하여 새로운 방향성을 제안해 주길 바라고 있다. 이에 대한 서비스 목적은 AI의 보이스 기반 꼬리 질문을 통해 퍼소나에게 공간 및 오감 연계 발상을 포함한 여러 발상 서비스를 제공하고, 이를 통해 사용자의 영감 수집 경로를 다각화하여 자신만의 유연하고 차별화된 아이디어 확장을 돕고자 한다.

Fig. 10.

Core service persona

그림 11은 공간 내 배경 발상 관련 XR 인터페이스 디자인이다. XR은 Virtual Reality인 가상 세계 속의 경험인 VR과, Augmented Reality인 현실에 가상 정보를 증강시키는 AR, 그리고 이 두 기술을 결합한 개념인 Mixed Reality의 MR을 통합하여 확장시킨 Extended Reality 개념의 초 실감형 기술을 의미한다[20]. 이 프로토타입은 이러한 XR 개념을 반영해 사용자가 VR, AR, MR 환경을 자유롭게 넘나들며 발상을 전개하도록 설계했으며, 해당 장면에 유형을 기입했다. 예를 들어, 그림 11은 퍼소나가 피크닉 공간에서 데페이즈망 기반 배경 발상을 수행하는 장면으로, AR과 VR 서비스가 연동된 사례다. 사용자가 ‘공간 발상하기’를 선택하면, AI는 XR 글래스를 통해 퍼소나의 시선에 보이는 사물과 공간을 인식해 티라미수 케이크, 과일, 풀 등을 감지한다. AI가 사물 인식 기반으로 “티라미수 케이크네요! 맛이 어떤가요?”라고 오감 중 미각 관련 질문으로 대화를 유도하면, 퍼소나는 “부드럽고 크리미한데, 씁쓸한 맛도 나”라고 답한다. 이어서 AI는 “이런 부드러움이 공간으로 펼쳐진다면 어떤 풍경이 떠오르세요?”와 같이 시각 정보로 연계해 꼬리 질문을 던진다. 이에 퍼소나가 ‘몽환적인 공간과 구름이 가득한 풍경이 떠올라’라고 답변하면 AI는 데페이즈망 기법으로 배경을 구름 배경으로 변환시켜 티라미수 케이크가 하늘에 떠 있는 듯한 몽환적 이미지를 연출한다. 이는 선행 사례인 캔바의 평면적인 2D 발상 한계와 세부 조정의 어려움을 공간 및 프롬프트 기반 배경 조절 기능으로 개선하였다. 또한, 360도 스캐닝 기능을 추가해 구름 위에서 자유롭게 회전하며 볼 수 있도록 제안했다.

Fig. 11.

Space background change-based scenario

그림 12의 1은 사물 요소 간의 관계를 기반으로 발상하는 XR 인터페이스 디자인이다. 먼저, A는 AR 기반 실내 공간에서 두 가지 이상의 대상을 연결하여 무작위로 발상하는 상황이다. 가령, 사용자가 AI 캐릭터 라미를 선택하고 탁자 위의 커피와 화분을 보며 무작위적 발상을 진행하면, 라미는 “화분도 커피를 마신다면 새로운 에너지를 얻을까요?”와 같은 질문을 던진다. 퍼소나가 “식물도 카페인을 마시면 밤에 잠을 잘 못 자려나?”라고 반응하면, AI는 꼬리 질문을 통해 사고를 확장시키고, 퍼소나는 이를 바탕으로 새로운 가능성을 탐색한다. 예를 들어, ‘식물이 카페인을 흡수한다면?’에서 출발해 ‘카페인 기반의 식물 영양제’ 콘셉트를 도출하거나, 밤마다 깨어나는 식물 이야기로 스토리텔링의 시드를 얻을 수 있다. 또는 ‘카페인을 머금은 식물 잎을 씹으면?’처럼 미각 기반 발상으로 새로운 가능성을 탐색할 수도 있다. 이 방식은 AI가 꼬리 질문을 생성해 대화를 유도하여, 잼봇 AI와 같은 결괏값 중심 답변의 한계를 보완하였다. B는 XR 글래스의 줌인 기능과 AI의 이미지 검색(AIS)을 활용해 대상을 세밀하게 탐색하는 발상 방법이다. 예를 들어, 화분의 나뭇잎을 확대하면 AI가 형태와 질감 등의 정보를 제공한다. 그림 12의 2는 본 연구 방식의 기술적 당위성을 뒷받침하는 선행 사례로, A-1은 UX/UI 사용성 테스트를 지원하는 토스(Toss)의 휴리봇 AI다. 예를 들어, “사람 두 명이 걷고 있는 걸 보니 걷기 이벤트인가 싶은데, 티켓 이벤트 참여 방법이 뭔지 모르겠네요.”처럼, AI는 대상을 관찰하고 사용성 관점에서 기능을 추측해 의견을 제시한다[21]. B-1은 3-3의 2에서 언급한 AIS 시스템으로, 네이버 스마트렌즈 기술과 유사하다[22].

Fig. 12.

Space-based scenario and related AI example

그림 13은 공간의 감각 요소를 연계한 오감 발상 XR 인터페이스 디자인이다. 그림 13의 A는 퍼소나가 야외에서 소리를 통해 영감을 얻는 모습이다. 사용자가 ‘사운드 수집’을 선택하면, AI가 AR 보이스 필터로 사운드를 인식해 청각 집중을 돕는다. 수집된 소리는 B처럼 XR 공간의 사운드 클립으로 반영되며, 사용자가 ‘연결하기’를 활성화하면 AI와 발상을 이어갈 수 있다. 예를 들어, AI 리오가 “주변 소리를 듣고 떠오른 키워드는 무엇인가요?”라고 묻고, 사용자가 “짹짹 소리가 말을 거는 듯해, ‘말하는 작은 새’가 떠올라.”라고 답하면, AI는 “그 새는 어떤 계기로 말을 걸까요?”와 같은 꼬리 질문을 던진다. 이후, 퍼소나가 “어리바리한 새가 우당탕거리며 말을 걸 것 같아. 무언가에 쫓기고 있을 수도 있지 않을까?”라고 답하면, AI는 이를 바탕으로 또 다른 꼬리 질문을 던지며 발상을 유도한다. 이 과정에서 사용자는 공원의 여러 소리를 듣고 떠오르는 키워드를 정리하는 동시에, 흙냄새나 나무 냄새 같은 오감 중 후각 정보인 주변 향기를 연계해 발상을 더욱 확장할 수도 있다. 이러한 과정을 기반으로 퍼소나가 상상한 참새의 분위기와 특성을 AI에게 보이스로 전달하면, AI는 C처럼 이미지 생성 기능을 통해 사용자가 상상한 캐릭터를 생성해 준다. 이러한 발상 방식은 텍스트 기반으로만 사고력 증진을 유도하는 선행 키위챗 사례의 한계를 보완한다. 마지막으로, D처럼 퍼소나가 ‘발상 종료’를 누르기 전까지 AI와의 모든 대화는 Chat GPT와 사용자가 보이스로 상호작용할 때 대화 흐름이 자동 기록되는 방식처럼, XR 공간에서 마인드맵 형태로 저장된다. 이후, 노드-링크 기반 ‘발상 추가’, ‘합쳐보기’ 기능을 통해 XR 기반 발상 확장을 이어갈 수 있다.

Fig. 13.

Sound-based ideation scenario

그림 14는 사용자가 수집한 영감을 바탕으로 아이디어를 확장하고 시각화하는 인터페이스 디자인이다. 퍼소나는 ‘발상 추가하기’ 기능을 통해 시드 아이디어를 구체화하며, XR 환경에서 점진적으로 발전시켜 나간다. 예를 들어, A는 시드 아이디어를 시각화하는 과정으로, 퍼소나는 AI에게 2D 캐릭터를 3D로 변환할 것을 요청한다. 변환된 3D 캐릭터는 B처럼 MR 환경에 배치되며, 사용자는 아이템과 필터를 활용해 배경을 꾸미거나, C처럼 인터랙션을 통해 캐릭터의 크기를 조정하는 등 이미지를 구체화할 수 있다. 더 나아가, D는 오감 중 후각 정보를 활용하여 꽃 생성 후 향기 관련 메시지를 남길 수 있으며, E처럼 ‘비디오 생성하기’로 정적 이미지를 동적으로 변환하고, ‘합쳐보기’로 기존 이미지와 조합해 여러 장면을 구성할 수 있다. 이 과정은 F처럼 XR 기반 마인드맵핑을 통해 시각적으로 기록 및 정리되며, 아이디어 발전을 노드-링크 방식으로 관리할 수 있다.

Fig. 14.

Completion of idea expansion and visualization