AI 어시스턴트를 활용한 콘텐츠디자인 교육에 대한 AX(AI Experience) 연구: 캐릭터 디자인 개발을 중심으로

1-1 연구의 배경 및 목적

디지털 콘텐츠 산업은 인공지능(Artificial Intelligence, 이하 AI) 기술의 발전에 따라 급격한 변화를 겪고 있다. 특히 시각디자인, 캐릭터 디자인, 콘텐츠 기획 등 창의적 사고를 필요로 하는 분야에서도 AI는 도구로서의 역할을 넘어서 창작 과정의 협력자로 기능하고 있다. 이러한 흐름은 디자인 교육 현장에도 영향을 미치며, 전통적인 수작업 중심의 창작 활동에서 벗어나 AI 기반의 창의적 학습 환경 구축이 점차 확산되고 있다[1]. 최근 디자인 교육에서는 Midjourney, DALL·E, Adobe Firefly와 같은 생성형 AI 툴과 ChatGPT, Notion AI 등의 어시스턴트형 AI 도구가 학습 과정에 도입되고 있어 학습자들은 이를 활용하여 더욱 다양하고 창의적인 시각적 결과물을 관리하게 만들어 낼 수 있게 되었다. 특히 캐릭터 디자인 영역에서는 AI가 아이디어 도출, 스타일 적용, 재질 및 응용동작 생성 등에서 실질적인 협력 을 수행하며, 이에 따라 인간-AI 상호작용 경험, 즉 AX(AI Experience) 에 대한 관심이 커지고 있다[2]. AX는 단순한 기능적 사용성을 넘어, 인간이 AI와 상호작용하면서 느끼는 감정, 통제감, 창의성 인식, 몰입도 등 감성적·인지적 사용자 경험 전반을 포괄하는 개념이다[3]. 하지만 현재까지 디자인 교육에서 AI 도구를 디자인 교육에 도입함에 따른 학습자들의 경험에 대한 만족도와 AI를 활용한 디자인 도구의 지속적 사용 의도에 관한 연구가 매우 부족한 현실이다.

본 연구의 목적은 콘텐츠디자인 교육에서 AI 어시스턴트 기반 학습 경험(AX: AI Experience)이 학습자의 전반적 만족도와 AI 도구의 지속 사용 의도에 미치는 영향을 실증적으로 분석하는 데 있다. 이를 위해 대학생을 대상으로 캐릭터 디자인 실습을 전통적 방식과 AI 기반 방식으로 순차적으로 수행하게 하고, 그 경험에 대한 감성적·인지적·기능적 요인을 측정하여 AX 경험이 만족도 및 지속 사용 의도에 어떤 영향을 주는지를 분석하고자 한다. 본 연구는 AI 도구가 디자인 교육에서 창의성과 학습 참여를 증진시키는 효과를 갖는지에 대한 실증적 근거를 제시하는 데 목적이 있다.

1-2 연구의 방법 및 범위

본 연구는 디자인 전공 대학생을 대상으로, 전통적인 캐릭터 디자인 방식과 AI 어시스턴트를 활용한 캐릭터 디자인 방식을 순차적으로 실습하게 한 뒤, 이들의 AX(AI Experience) 경험을 측정하고 분석하는 데 목적이 있다. 국내 대학의 디자인관련학과 재학생 280명을 대상으로 오프라인 실험을 통해 온라인 설문조사를 기반으로 조사가 진행되었다. 실험은 두 단계로 구성되었다. 첫 번째 단계에서는 참가자들이 전통적인 방법(비-AI 방식)으로 캐릭터를 직접 기획하고, 응용동작을 개발한 후, 이모티콘 형태로 완성하는 과제를 수행하였다. 두 번째 단계에서는 동일한 참가자들이 AI 어시스턴트를 활용하여 캐릭터 콘셉트를 생성하고, 생성형 AI 도구(Midjourney, Adobe Firefly, ChatGPT, DALL·E, Perplexity)를 통해 캐릭터 이미지 및 다양한 응용동작과 재질 버전을 제작한 뒤, 이들을 활용한 이모티콘 디자인을 직접 제작하도록 진행하였다. AI 도구의 선정은 각 대학의 수업에서 유료 사용자로 사용하고 있거나 지원되는 도구를 자유롭게 사용할 수 있도록 하였다. 프로그램 단계 완료 후에는 참가자들의 감정적·인지적 사용자 경험(AX)을 측정하는 설문조사를 실시하였다.

본 연구에서 ‘AI 어시스턴트’는 사용자의 입력을 바탕으로 캐릭터 설정, 스타일 추천, 시각적 아이디어 등의 제안을 제공하는 인공지능 도구를 의미하며, ‘생성형 AI’는 입력된 프롬프트를 기반으로 시각적 결과물을 자동 생성하는 이미지 생성 도구로 정의한다. ‘AX(AI Experience)’는 인간이 AI 도구와 상호작용하는 과정에서 경험하는 감성적 몰입, 통제감, 창의성 인식, 효율성, 결과 만족도 등 전반적인 사용자 경험을 포괄하는 개념이다.

실험연구와 설문조사로 수집된 자료들은 SPSS 26.0 프로그램을 사용하여 실증적인 통계 분석 결과를 도출하였다. 분석 방법은 연구의 목적, 즉 AI 도구를 활용한 디자인 교육 학습자들의 경험과 AI 도구 사용에 대한 만족도가 향후 AI 도구의 지속적 사용 의도에 미치는 영향을 살펴보기 위해서 회귀분석을 실시하였다. 분석 결과, 학습자들의 AI 도구 사용에 따른 만족도는 대체로 높게 나타났으며, 향후 사용 의도 또한 유의미한 것으로 나타나 긍정적인 것으로 도출되었다. 이는 향후 AI 어시스턴트 활용이 디자인 교육과 산업에서의 실질적 활용도 측면에서 매우 필요하다고 볼 수 있으며, 본 연구 결과를 계기로 AI 도구의 효과적인 활용 방법에 대한 심층적이고 실질적 논의 전개를 기대한다.

2-1 AI 어시스턴트와 디자인 교육의 변화

디자인 교육 분야에서 AI 어시스턴트의 도입은 단순한 기능적 도구의 변화를 넘어 교육 패러다임 자체의 재구성을 의미한다. 초기의 AI는 주로 이미지 검색이나 편집 자동화와 같은 보조 역할에 그쳤지만, ChatGPT, Notion AI, Bing Copilot, Perplexity 등 자연어 및 시각 콘텐츠 생성 기능을 갖춘 도구들이 다양하게 등장하고 있으며, 학습자의 사고 구조와 창작 프로세스 전반에 깊숙이 개입하는 변화가 진행되고 있다. 기존에는 이론강의와 실습 중심의 지식 전달 방식이 대부분이었지만, 김지영의 ｢디자인 교육에서 생성형 AI 도구의 활용과 교수-학습 구조 변화 연구｣ 조사 결과에서 프로토타입 제작 전 단계에서부터 학습자의 아이디어 생성, 콘셉트 확장, 프롬프트 기반 시각화에 AI 어시스턴트가 적극 활용되고 있음이 확인되었다[1]. 특히 ChatGPT와 Perplexity 기반 프롬프트 설계 단계에서 학습자는 초기 디자인 사고 과정을 체계화할 수 있게 되었다. 이러한 도구의 활용은 기획 능력을 확장하고, 사용자는 더 다양한 시도를 할 수 있다.

장순규의 ｢생성형 AI를 활용한 콘텐츠 제작 기반 메이커 교육 프로그램 개발｣ 연구에서 시각디자인 전공을 대상으로 생성형 AI(글·영상·이미지)를 활용한 약 15주 커리큘럼을 설계하여, 학습자의 자신감, 흥미, 공유경험이 모두 유의하게 향상됨을 증명하였다[4]. 이는 AI 어시스턴트의 도입이 학습자의 주체적 참여와 창의력 확장에 긍정적 영향을 미친다는 근거로 활용될 수 있다. 김주연의 ｢공간디자인 교육에서 AI 도구 활용 학습경험에 관한 내러티브 탐구｣ 연구에서는 AI 사용이 학습자의 창의력 증진, 시간 효율성 향상, 협업감 및 정서적 안정감을 끌어내지만 동시에 정보 과부하, 신뢰성 문제 등의 한계도 존재하고 있음을 주장하였다[5]. 이는 AI 어시스턴트가 긍정성과 부정성을 동시에 지닌 복합적 경험이라는 점을 나타낸다. 주얼리 디자인 및 3D 조형 교육 등 다른 디자인 전공에서도 생성형 AI는 사용성, 유용성, 신뢰도, 창의성 지원 등 다차원 경험에 유의미한 영향을 미치며, 다중회귀분석 결과, 창의성 지원 요인이 만족도에 가장 큰 영향을 준다는 일관된 결과를 보였다[6]. 이러한 결과는 캐릭터 디자인 교육에도 유사한 경험 구조가 존재할 것이라는 가설을 설계할 수 있다. 박정기의 ｢인공지능과의 협업을 통한 디자인 교육 혁신에 관한 연구｣는 AI를 단순 도구가 아닌 협업 주체로 인식하고, 교수법 및 학습 방식의 변화를 모색하는 데 주요 역할로 작용 하였다[7].

AI 도구 활용은 결과물에 대한 신뢰성 문제, 도구 의존성, 정보 과부하, 통제감 저하 등의 리스크도 존재하나, AI 어시스턴트의 등장으로 디자인 교육은 아이디어 생성 단계의 사고 도구 확장과 창의적 실험력 강화, 그리고 시간 효율성과 심리적 안정감 제공이라는 장점을 확보하고 있다.

2-2 생성형 AI(Generative AI)와 시각 콘텐츠 제작

생성형 AI는 이미지, 영상, 텍스트 등의 콘텐츠를 사용자가 제공한 프롬프트(prompt)를 기반으로 자동 생성하는 인공지능 기술을 의미한다. 시각 콘텐츠 분야에서는 Midjourney, DALL·E, Adobe Firefly, Runway ML, Bing Image Creator 등 다양하게 등장하고 있으며, 최근 디자인 교육에서도 이러한 생성형 AI 툴을 적극 도입하고 있다. 이러한 생성형 AI의 도입은 단지 작업 효율성을 향상시키는 것을 넘어, 교육적 의미와 학습자의 경험 구조 변화를 유도하며, 이로써 디자인 교육 방식의 혁신을 촉진하고 있다. 생성형 AI 도입이 단순한 기술 적용을 넘어, 학생들의 디자인 인식과 태도 자체를 변화시키는 계기가 되고 있다. 남정·이연준의 ｢이미지 생성형 인공지능을 활용한 디자인 교육에서 반성적 사고가 미치는 영향｣ 연구에서는, 프롬프트 작성 시 반성적 질문(reflective prompts)을 통해 프롬프트 수준을 높인 학습자가 그렇지 않은 통제그룹보다 학습자 주도성과 프롬프트 기술 수준이 유의하게 높았음을 확인했다[8]. 이는 AI 도구와의 상호작용이 어떤 ‘질’을 가져야 하는지를 보여주는 실증 자료로, AI 프롬프트 기획 단계의 자율성 강화 및 비판적 사고 유도가 AX의 구성 요소 중 통제감과 창의적 주도성에 긍정 영향을 준다는 점에서 본 연구의 설계에도 중요한 교육적 기초자료를 제공하고 있다. 장운초는 ｢생성형 AI를 활용한 영상 콘텐츠 제작 과정 연구｣에서 프레임 기반 AI 워크플로우 변화에 대해 논의하며, ‘Midjourney 기반 스케치 → 인간 후처리 → 립싱크 애니메이션 완성’ 등의 제작 과정을 사례 중심으로 분석했다[9]. 연구 결과 AI 기반 제작이 시간 효율성과 창의성 확대를 동시에 달성하고 있음이 제시되었다. 이는 AI 사용 시 교육적 균형이 중요하며, 학습자에게 단순 편의 제공이 아닌 도구 전문성 확보 전략이 요구된다는 점을 의미한다. 박휴용은 ｢생성형 AI 기반 이미지 변환 툴의 활용성과 한계성｣에서 GAN, Diffusion, SAM, LLM 기반의 8개 대표 AI 툴을 분석하여, 시각적 표현력 강화 및 학습 효율성 증대와 동시에 복잡 개념 이해에 도움을 줄 수 있다고 평가했다. 그러나 반대로 결과물의 일관성 문제, 디자이너 주도성 저해, 도구 의존성 등의 한계도 제시했다[10]. 이러한 결과들은 AI가 디자인 과정을 자동화하는 측면과 함께 학습자 주체성 존중을 위한 전략이 함께 고민되어야 한다는 본 연구의 방향성을 제시해주고 있다. 천애리의 연구 ｢생성형 AI를 활용한 시각융합디자인 교육과정 연구｣에서는, AI 정보디자인 교과목을 통해 데이터 기반 자동화 시각화, 알고리즘 이해, 융합적 사고 능력 등의 핵심 역량 강화 효과를 확인했으며, 설문조사 결과 아이디어 발상 및 초기 디자인 단계에서 높은 창의적 자극이 나타났다고 보고했다[11]. 이는 AI 도구가 단순 도구화되지 않고 창의적 플랫폼으로 기능할 수 있는 교육 설계 조건의 필요성을 강조하며, 디자인 실습 맥락에서 AI 활용 시 AX 경험 구조를 정교하게 해석할 수 있는 기반을 제공하고 있다.

생성형 AI는 시각 콘텐츠 제작에 있어 작업 효율성과 창의력 자극이라는 이중 목적에서 교육적 장점을 제공하고 있으나, 디자이너 주도성 감소, 기술 한계와 같은 위험 요소도 공존하고 있다. 디자인 실습 과정에서 효과적인 AI 도구 사용을 위해 장·단점을 AX 관점에서 분석함으로써, 디자인 교육에서의 AI 도구 활용에 대한 보다 균형 잡힌 이해와 실제적 설계 전략이 제시될 필요가 있다.

2-3 AX(AI Experience)의 개념과 구성 요소

AX(AI Experience)란 사용자가 AI 시스템과 상호작용하면서 경험하는 감성적, 인지적, 기능적 경험 전반을 의미하며, 기존 UX(User Experience)를 확장한 개념으로 연구되고 있다. AI 도구는 단순 자동화 수단을 넘어, 인지 구조 변화, 감정적 몰입, 창의성 자극, 통제감의 재구성 등 다양한 경험 요소를 제공하는 주체가 된다.

전통적인 UX 연구는 사용성과 편의성 등 도구 중심 경험에 초점을 맞췄지만, AI의 도입은 상호작용 과정 자체가 창의적 경험으로 확장됨에 따라, 학습자의 정서적 반응과 창의적 주도성을 핵심 요소로 이전하게 만들었다. 인간과 AI의 협업 경험에 초점을 맞춰 단순한 사용성이나 편의성을 넘어서, AI를 디자인 동반자로 인식시킬 때 발생하는 창의성 자극, 정서적 몰입, 통제감 재구조화 등을 포함하고 있다. 디자인 UX 연구 초기에는 주로 사용성 평가, 정보 구조, 인터페이스 효율성 등에 초점이 맞춰져 있었다. 그러나 AI 어시스턴트와 생성형 AI의 등장은 사용자의 경험 범위를 확장시켰다. 신창엽의 연구에서 인공지능 설계 기반 UX가 자율성과 효율성 중심의 독립적 사용자에게 더욱 긍정적 피드백을 준다고 주장하였으며, AI와 인간 중심 UX 간 경험 차이를 분석한 결과 AX가 단순 도구 대상이 아니라 인지적 자율성과 정서적 연결의 협력 관계를 포함해야 한다고 결론지었다[12].

AX는 크게 감성적 경험(Emotional Experience). 인지적 경험(Cognitive Experience), 기능적 경험(Functi onal Experience)의 세 가지 축으로 구성된다. 감성적 경험은 정서적 몰입 및 안정감을 제공하며 AI와 정서적 유대를 형성한다. 홍성근·박종구·이근혜·안은희는 생성형 AI를 활용한 공간디자인 교육에서 학생들이 “디자인 프로세스가 더 몰입적이고 즐거웠다”는 응답이 높았음을 보고했다[13]. 최용혁·산만섭는 생성형 AI 기반 디자인 수업 참여 시 학생들이 “프롬프트 기반 상호작용 덕분에 몰입도와 학습 만족도가 향상되었다”고 보고했다[14]. 장태보·노승관은 AI와의 반복적 생성 과정이 “프롬프트 튜닝 시 마치 대화를 나눈 느낌이었다”고 기술하여, AI와의 정서적 연결성을 강조했다[15].

인지적 경험에서는 창의 자극 및 통제감과 반성적 사고 촉진을 형성한다. 황정석·조택연의 연구에서 AI의 창의성 지원 요인이 만족도에 가장 큰 영향을 미쳤으며, 유용성 및 도구 친화성 역시 유의미하게 기여하였다는 결과를 제시하였다. 생성형 AI가 복잡한 3D 조형 문제 해결을 지원하며, “사용자들이 AI가 써 준 프롬프트 이후에도 주도적으로 작업했다고 인지했다”고 보고했다. 또한 “AI와 시각적 결과물 제작 과정이 메타인지적 사고와 문제해결 능력 향상에 기여했다”고 밝혔다[6].

기능적 경험에서는 효율성과 결과물 만족도 및 툴 사용 편의성을 형성한다. 최용혁의 연구 결과에서 감성적 몰입 및 효율성의 상승이 학업 만족도 및 지속 사용 의도에 높은 상관을 보였으며, AI 활용 전후 수업에서, 작업 시간이 평균 30% 단축되고 시각적 결과물 만족도가 유의미하게 향상되었다고 보고했다. 생성형 AI 경험 연구에서 참가자들은 “프롬프트 기반 워크플로우가 직관적이었다”고 응답하여, AX의 기능적 구성으로서 도구 친화성을 확인했다고 밝혔다. AX의 구성 요소를 요약하면 감성적 경험(자인 몰입도, 정서적 안정감, 즐거움), 인지적 경험(창의성 자극, 통제감, 자기주도성), 기능적 경험(사용 편의성, 시간 효율성, 결과물 만족도)으로 정의될 수 있다.

2-4 캐릭터 디자인 교육과 디지털 콘텐츠 확장

캐릭터 디자인 교육은 스토리텔링, 브랜딩, 사용자 경험과 긴밀히 결합되어 있는 융합 교육의 대표적인 사례이며, 최근 디지털 콘텐츠의 확산 속에서 그 중요성은 더욱 확대되고 있다. 디지털 캐릭터는 단순한 시각적 상징을 넘어서 교육 콘텐츠, 메타버스 아바타, 이모티콘 등을 포함하는 융복합 콘텐츠 에코시스템의 중심으로 자리 잡았다.

김숭현은 2D 캐릭터 기반의 시각 콘셉트를 Mudbox와 Maya를 활용해 3D 모델로 확장하는 수업 프로토콜을 설계하여, 단계별 기술 습득과 시각화 경험이 초보자도 쉽게 가능하다는 점을 보고했다[16]. 이러한 교육 방식은 ‘2D 드로잉 기본기 강화 → 3D 모델링 기술 연계’라는 교육적 구조를 만들며, 학생들에게 디지털 워크플로우 전환 경험을 제공한다. 이는 캐릭터 디자인 교육이 단순한 드로잉에서 멀티미디어 콘텐츠 제작 역량 강화로 진화하고 있음을 보여준다. 이유섭·정진헌의 연구는 유아 교육 콘텐츠에서 OSMU(One Source Multi Use) 전략이 캐릭터 디자인 교육에 어떻게 적용될 수 있는지를 분석했다. “OSMU 전략이 캐릭터 확장성과 브랜드화를 가능하게 하며, 교육용 게임 및 영상 콘텐츠로 변환될 때 유아 학습 몰입을 높인다”고 결론지었다[17]. 이는 실제 교육 현장에서 캐릭터 디자인 수업이 단일 결과물이 아닌 시리즈 콘텐츠 개발 역량까지 커리큘럼에 포함해야 함을 나타낸다. 박미선·김승인은 한국과 일본의 대표 캐릭터(‘뽀로로’와 ‘도라에몽’)를 허니콤 모델을 통해 비교 분석하며, “어린 시절 형성된 캐릭터 경험은 성인이 되어서도 브랜드 친밀도와 콘텐츠 수요에 영향을 미친다”고 밝혔다[18]. 이는 캐릭터 디자인 교육이 단기적 기술 습득보다는 문화적 정체성, 브랜딩, 장기적 콘텐츠 활용 전략까지 포함해야 함을 나타내고 있다. 최우석의 연구는 차세대 디자이너 교육을 위해 팀 기반 창의 문제 해결 교육, 2D-3D 소프트웨어 통합 교육, 조직 창의성까지 포괄하는 교육시스템이 필요함을 강조했다[19]. 이 총체적 접근은 캐릭터 디자인 교육의 초점이 단순한 창작 스킬에서 산업 기반 콘텐츠 제작 환경의 이해로 반드시 확장되어야 함을 뒷받침한다.

이와 같이 캐릭터 디자인 교육이 단순 예술훈련을 넘어서 디지털 워크플로우, OSMU, 인터랙티브 교육, 브랜딩 전략, 산업 융합 등으로 확장되고 있음을 보여준다. 디지털 캐릭터개발 교육에 있어서도 제작과정의 변화와 이에 맞춰전 커리큘럼 도입을 위해 , 전통 방식과 AI 기반 접근의 경험 차이를 실증적으로 비교할 필요가 있다. AX(AI Experience)의 관점에서 학생들의 몰입, 창의성, 자기주도성, 만족도 등을 분석하여, AI 협업 중심 캐릭터 교육 모델의 교육적 효과 및 콘텐츠 확장의 가능성을 정량적으로 제시할 필요가 있다.

2-5 선행연구 고찰 및 본 연구의 차별성

최근 디자인 교육 현장에서 인공지능 기술, 특히 생성형 AI 및 AI 어시스턴트의 활용이 빠르게 확산되고 있으며, 이에 따라 학습자의 경험에 대한 새로운 접근이 요구되고 있다. 특히, AI와의 상호작용을 중심으로 하는 AX(AI Experie nce) 개념은 단순한 UX(User Experience)를 넘어서는 사용자 중심 경험 프레임으로 주목받고 있다. 이에 따라 다양한 연구들이 디자인 교육에서 AI 활용의 가능성과 효과를 탐색하고 있으나, 각각의 연구들은 연구 대상, 방법, 분석 범위에 있어서 제한점을 지닌다.

AI 어시스턴트와 디자인 교육의 변화에 대한 기존 연구는 대체로 기술 도입의 교육적 효과에 주목하며, 학습자 중심 설계 및 도구 기반 수업 변화의 필요성을 제시해 왔다. 그러나 신창엽은 AI 기반 UX 설계가 사용자 경험에 미치는 영향을 분석하면서, 학습자 주도성 및 자기 효능감에 긍정적 영향을 미친다고 보고하였으나 주로 UX 관점에서의 사용자 반응을 분석하였을 뿐, 감성·인지·기능으로 세분화된 AX 구조를 체계적으로 다루지는 않았다.

생성형 AI와 시각 콘텐츠 제작 관련 연구는 실제 디자인 산출물의 효율성과 창의성 향상에 집중되었다. 예를 들어, 김주연은 이미지 생성 AI를 활용한 교육이 창의적 결과물 생성에 기여함을 밝혔으며, 프롬프트 설계 과정이 학습자의 반성적 사고와 몰입도에도 영향을 준다고 분석하였으나, 이 역시 디자인 도구 활용 측면에서의 창작 결과물 중심 접근이며, 학습자가 경험한 AI 협업 감성이나 정서적 유대와 같은 정성적 요소는 정량화되지 않았다.

AX 개념과 구성 요소를 정리하고, 기존 디자인 교육 연구에서 이 개념이 어떻게 다루어졌는지를 분석한 결과, 최용혁의 기초디자인 수업 사례나 황정석·조택연의 3D 조형 교육 연구는 모두 창의성 자극, 효율성 향상, 만족도 증가 등의 측면에서 긍정적 효과를 도출하였으나, 공통적으로 AX를 세부 요인(감성적, 인지적, 기능적 경험)으로 구분하여 정량적 측정 도구로 분석한 연구는 부족하였다. 또한, 디자인 교육 전반을 포괄하지 못하고 특정 도구나 수업 유형에 한정된다는 제약이 있었다.

캐릭터 디자인 교육과 디지털 콘텐츠 확장 관련 연구는 교육 결과물의 활용 범위와 융복합 가능성에 대한 논의가 중심이었다. 이유섭·정진헌은 OSMU 기반의 캐릭터 디자인 전략이 교육 콘텐츠의 다양성과 효과성을 높인다고 하였고, 김숭현은 2D 기반의 캐릭터 디자인을 3D로 확장하는 교육 접근을 제안하였다. 이러한 연구들은 캐릭터 디자인의 산업적 활용 가능성과 시각적 확장성에 초점을 맞추었지만, AI 기반 제작 경험과 학습자 내면의 경험 구조를 정량적으로 탐색한 사례는 드물었다.

이러한 선행연구들을 종합해 볼 때, AI 기술을 활용한 디자인 교육에서의 효과는 다양한 측면에서 입증되고 있지만, 아직까지 다음과 같은 한계점이 존재한다. 첫째, 대부분의 연구는 정성적 사례 중심이거나 단편적인 결과 중심 분석에 그치며, AX 구성 요소를 체계적으로 설계하고 정량화한 실증적 분석이 미흡하다. 둘째, 사용 도구 또는 디자인 영역에 따라 결과가 단편적으로 분리되어 있으며, 전통적 제작 방식과 AI 기반 제작 방식을 직접 비교한 교육 실험 설계는 매우 제한적이다. 셋째, 캐릭터 디자인이라는 특정 콘텐츠에 특화된 AI 경험 비교 분석 연구는 거의 찾아보기 힘들며, 디자인 교육에서의 감성적·인지적·기능적 경험을 포괄하는 총체적 AX 관점 연구도 부재하다.

이에 따라 본 연구는 다음과 같은 차별성을 가진다. 첫째, 동일한 대학생 집단을 대상으로 전통 방식과 AI 기반 방식을 순차적으로 수행하게 하여, 각 과정에서의 AX 경험 차이를 비교하였다. 둘째, AX의 세 가지 구성 요소(감성적, 인지적, 기능적)를 기준으로 정량적 설문 문항을 개발하고, 요인 분석과 회귀 분석을 통해 경험 요인 간 관계 및 만족도와의 인과를 검증하였다. 셋째, 결과물로서 캐릭터 이모티콘을 제작하는 실습을 포함하여, 디지털 콘텐츠 확장의 실제 가능성과 학습자의 인식 변화를 함께 분석할 수 있도록 설계하였다. 결과적으로 본 연구는 기존 디자인 교육 연구의 한계를 보완하며, 디자인 교육 현장에서 AI 도구가 단순한 ‘자동화 수단’이 아닌 창의적 경험의 동반자로 기능할 수 있음을 실증적으로 밝힐 수 있는 교육 모델을 제시한다는 점에서 의의가 있다.

3-1 연구 대상 및 방법

본 연구는 연구는 실험연구와 설문조사법을 병행하여 실시하였다. 연구를 위한 대상의 선정은 국내 대학 디자인 전공 관련학과 재학생(1~4학년, 총 280명, 남성 92명, 여성 188명)들로 구성하였으며, 전통적인 캐릭터 디자인 방식과 AI 어시스턴트를 활용한 디자인 방식을 순차적으로 실습하게 하여, 두 방식 간 AX(AI Experience) 경험이 교육 만족도와 사용 의도에 미치는 영향을 분석하였다. 실험은 동일한 집단을 대상으로 전후 비교 형식으로 진행되었으며, 이를 바탕으로 온라인 설문조사를 통해 수집하고 SPSS 26.0 통계 프로그램을 이용해 분석하였다. 통계 분석은 기술통계 분석, 신뢰도 분석, 상관분석, 회귀분석을 수행하였다. 실험은 각 국내 대학 5군데에서 2025년 3월 20일부터 2025년 5월 20일까지 수행하였다. 전통 방식 캐릭터 디자인 실습 단계로는 학생들이 캐릭터에 대한 주제를 선정하고 직접 기획하여 스케치를 하였고 최소 3종 이상의 응용 동작을 제작 후 이모티콘을 제작하였다. 캐릭터의 제작툴은 전통적인 제작 방식으로 손 스케치와 디지털 드로잉 후 어도비 일러스트레이터(Adobe Illustrat or) 와 포토샵(Adobe Photoshop)을 활용하여 디지털 캐릭터로 제작하였다. 결과물 제출 후, 해당 제작 과정에 대한 디자인 경험에 대하여 1차 설문조사를 실시하였다. AI 어시스턴트 활용 캐릭터 디자인 실습 단계로는 주제를 선정 후 AI 이미지 생성 툴(Midjourney, Adobe Firefly, DALL·E, ChatGPT, Perplexity)을 활용하여 ‘프롬프트 기획 → AI 생성 → 편집 → 응용동작 생성’의 과정을 진행하였다. 툴은 유료로 사용하고 있는 툴 중 자유롭게 사용하도록 하였다. 또한 3D입체 재질과 독특한 재질을 적용한 동일 캐릭터도 생성하도록 하였다. 학생들은 AI가 생성한 캐릭터를 기반으로 이모티콘을 제작하였고, 이후 AI 기반 제작 경험에 대하여 2차 설문조사를 실시하였다.

3-2 측정 도구(설문 설계)

설문 문항은 선행연구에서 제시된 사용자 경험(UX) 및 기술 수용 관련 척도를 바탕으로 감성적 경험(EMO), 인지적 경험(COG), 기능적 경험(FUNC), 전반적 만족도(OS), 지속 사용 의도(INT)의 총 5개 측정 요인을 AX(AI Experience) 척도로 구성하였으며, 전반적 만족도 및 지속 사용 의도(SAT)를 통합하여 사용하기도 하였다. 감성적 경험, 인지적 경험, 기능적 경험을 독립변인, 전반적 만족도를 조절 변인, AI 도구의 지속 사용 의도를 종속변인으로 설계하였다.

Table 1.

Survey question structure

감성적 경험 문항은 Norman의 Emotional Design에서 제시한 사용자 감정의 안정감, 흥미, 몰입 등에 대한 개념을 참고하여, 디자인 도구 사용 중의 정서적 반응을 측정하도록 구성하였다. 특히 AI 기반 작업에서의 몰입도 및 즐거움에 대한 인식에 초점을 두었다. 인지적 경험 문항은 Glickman & Sharot의 연구에서 다룬 인간-AI 협업 상황에서의 판단력 변화, 창의적 사고 촉진에 대한 실험 결과를 토대로 구성하였으며, AI 도구와의 상호작용이 창의성 자극, 자기주도성, 통제감 등 인지적 영역에 미치는 영향을 중심으로 측정하였다. 기능적 경험 문항은 Xu의 “AI in HCI Design and User Experience” 연구에서 제시한 효율성, 사용 편의성, 결과물 만족도에 대한 분석을 기반으로 설계되었으며, 실제 디자인 실습에서 AI 도구의 기능적 유용성과 자동화 효율을 평가하도록 하였다. 전반적 만족도 문항은 Parasuraman et al.의 SERVQUAL 척도에서 제시된 사용자 만족도 평가 방법을 참고하여 AI 도구를 활용한 전체 디자인 경험에 대한 만족감을 측정하는 문항으로 구성하였다. 지속 사용 의도 문항은 Venkatesh & Davis의 TAM2(Technology Acceptance Model 2)에서 기술 수용과 반복 사용 의도를 예측하는 핵심 구성 요소를 기반으로, 향후 학습이나 디자인 실무에서의 AI 도구 활용 지속성에 대한 사용자의 태도를 측정하였다. 각 문항은 5점 리커트 척도로 응답하게 설계되었다. 모든 문항은 T-검정 및 신뢰도 분석(Cronbach's α)을 통해 각 변인별 타당성을 검증하고 SPSS (version)을 활용하여 분석하였다.

3-3 연구 모형 및 가설 설정

AX의 세 구성 요소(감성적 경험, 인지적 경험, 기능적 경험)가 학습자 만족도 및 AI 도구 지속 사용 의도에 미치는 영향 관계를 분석하고자 그림 1과 같이 연구 모형을 설계하고 표 2와 같이 연구 가설을 설정하였다.

Fig. 1.

The research model

Table 2.

Research hypothesis

4-1 인구통계학적-일반적 특성

피험자의 일반적 특성을 살펴보면, 전체 280명 중 67.1%가 여성, 32.9%가 남성으로 여성의 비율이 두 배 이상 높았다. 학년 분포는 고르게 분포되어 있으며, 2·3학년 응답자가 전체의 60% 이상을 차지하였다. 전공은 시각디자인(36.4%)이 가장 많았으며, 그 외 콘텐츠디자인, 디지털미디어디자인, 기타 순으로 나타났다. AI 도구 사용 경험이 있는 학생은 전체의 61.8%로, 이미 생성형 AI 도구에 대한 기초 경험이 있는 응답자가 다수였다. 이는 본 실험 과제 수행에 있어 AI 활용의 심리적 진입장벽이 낮았다고 할 수 있다.

Table 3.

Demographic characteristics(N=280)

4-2 AX 경험 구성 요인별 학습자 인식 분석

AI 어시스턴트를 활용한 캐릭터 디자인 실습 이후, 디자인 전공 대학생 280명을 대상으로 실시한 설문조사의 응답 결과에 대해 기술통계 분석을 실시하였다. 응답 문항은 총 20개이며, 감성적 경험, 인지적 경험, 기능적 경험, 전반적 만족도, 지속 사용 의도의 5개 요인으로 구성되어 있다.

분석 결과 감성적 경험, 인지적 경험, 기능적 경험, 전반적 만족도, 지속 사용 의도)에 대한 응답 평균과 표준편차는 표 4와 같다. 모든 문항의 평균은 4.0 이상으로 나타나, 전반적으로 응답자들이 AI 어시스턴트를 활용한 디자인 학습 경험에 대해 긍정적으로 인식하고 있음을 알 수 있다. 특히 인지적 경험 요인(COG1~COG5)에서는 ‘프롬프트 작성이 창의적 사고를 유도했다’(M=4.24) 와 ‘AI 제안이 창의적 사고를 촉진했다’(M=4.22) 등의 문항에서 높은 평균을 보여, AI 협업을 통한 창의성 자극이 본 연구 집단에게 중요한 긍정 요인이었음을 의미한다. 감성적 경험(EMO)에서는 정서적 안정감(EMO3, M=3.98)이 다소 낮게 나타난 반면, ‘창의적 감정 자극’(EMO4)이나 ‘즐거움’(EMO1)에서는 높은 응답을 보였다. 이는 AI 도구와의 상호작용이 정서적 친밀감보다는 흥미와 창작 자극을 중심으로 감성적 경험을 구성하고 있음을 보여준다. 기능적 경험(FUNC) 항목에서는 ‘작업 시간 단축’(FUNC2, M=4.21), ‘실질적 도움’(FUNC5, M=4.16) 등이 특히 높게 나타났으며, 이는 AI 도구의 효율성과 실용성 측면에서 학습자의 만족도가 높음을 나타낸다. 전반적 만족도 및 사용 의도(SAT)에서는 ‘AI 도구를 지속적으로 활용하겠다’(SAT3, M=4.22)는 응답이 가장 높았으며, AI 기반 디자인 학습이 단기적 만족뿐 아니라 향후 활용 의도에도 긍정적 영향을 준 것으로 해석할 수 있다.

Table 4.

Learners’ perception analysis by AX experience components

결과적으로 학습자들은 AI 기반 디자인 실습을 전반적으로 긍정적으로 인식하고, 특히 인지적 경험(창의적 사고 확장) 및 기능적 경험(효율성과 편의성)에서 높은 평가를 받음으로 인해 AI 어시스턴트가 단순한 자동화 도구가 아니라, 디자인 교육에서 창의성과 효율성을 동시에 강화할 수 있는 동반자적 역할을 수행하고 있음을 확인하였다.

4-3 신뢰도 분석

본 연구에서 사용된 설문 문항의 내적 일관성을 확인하기 위해 크론바흐 알파 값으로 변인 별 신뢰도 측정을 제시했다. 감성적 경험, 인지적 경험, 기능적 경험, 전반적 만족도 및 지속 사용 의도의 총 4개 요인에 대해 분석을 수행하였다. 각 변인 별로 5개 문항으로 구성되어 있다. 분석 결과, 모든 요인의 Cronbach’s α 계수가 0.85 이상으로 나타났으며, 이는 각 변인과 변인 간 관계를 실증하기 위해 타당한 측정 문항이라는 것을 의미하여 높은 신뢰도를 나타냈다.

Table 5.

Reliability analysis

4-4 상관 분석

각 변인 간의 상관관계를 살펴보기 위해서 상관분석을 실시하여 Pearson의 상관계수를 도출하였다. 분석 결과는 표 6과 같다. 분석 결과를 살펴보면 각 변인 간 상관관계는 모든 항복에서 Pearson 상관계수가 0.5보다 높게 나타나 변인 간 상관 관계가 매우 높은 것으로 나타났다.

Table 6.

Correlation analysis

4-5 회귀 분석

1) AX 경험 요인이 전반적 만족도에 미치는 영향

독립변인 간 영향 및 인과 관계를 분석하기 위해서 다중 회귀분석을 실시하였다. 분석결과는 표 7과 같다. 분석결과 독립변인 측정문항에 대한 분산팽창지수(VIF)가 1을 넘어 귀무가설은 기각되어 회귀분석모형에 적합한 것으로 나타났다. 감성적 경험(B=.317, p<.001), 인지적 경험(B=.384, p<.001), 기능적 경험(B=.335, p<.001) 모두 전반적 만족도에 유의한 정(+)의 영향을 미치는 것으로 나타났다. 이는 세 독립변수에 대한 귀무가설이 기각되고, 각 변수 간 영향 관계를 가정한 대립가설(H1, H2, H3)이 모두 채택되었음을 의미한다. 특히, 인지적 경험의 표준화 계수(β=0.354)가 가장 높게 나타나, AI 기반 디자인 실습에서 창의성 자극, 통제감, 자기주도성과 같은 인지적 요인이 학습자의 전반적 만족도에 가장 큰 영향을 주는 것으로 분석되었다. 이는 학습자가 주체적으로 사고하고 문제를 해결하는 과정에서 AI와의 상호작용이 보다 긍정적인 학습 경험을 제공했음을 의미한다. 본 회귀모형의 결정계수(R²=0.584)는 세 AX 구성 요소가 학습자의 전반적 만족도를 약 58.4% 설명함을 보여주며, 모형의 설명력이 높고 분석 결과가 통계적으로 유의미함을 확인할 수 있다(F=82.14, p<.05).

Table 7.

The effect of AX experience factors on overall satisfaction(regression analysis)

결론적으로, 본 연구에서 설정한 H1(감성적 경험 → 전반적 만족도), H2(인지적 경험 → 전반적 만족도), H3(기능적 경험 → 전반적 만족도)의 모든 가설이 실증적으로 채택되었으며, AX 요인이 전반적 만족도의 중요한 선행 요인임이 입증되었다.

2) 전반적 만족도가 지속 사용 의도에 미치는 영향

전반적 만족도가 AI 도구의 지속 사용 의도에 미치는 영향을 분석하기 위해 단순 회귀분석을 실시한 결과, 전반적 만족도가 지속 사용 의도에 통계적으로 유의한 정(+)의 영향을 미치는 것으로 나타났다(B= 0.654, β=0.711, t=13.92, p<.001). 이에 따라 설정한 가설 H4(“전반적 만족도는 AI 도구의 지속 사용 의도에 정(+)의 영향을 미친다”)는 지지되었으며, 귀무가설이 기각되었다. 이는 학습자가 디자인 실습 과정에서 경험한 전반적인 만족도가 향후 AI 도구를 계속해서 사용할 의도를 결정하는 중요한 심리적 요인으로 작용함을 의미한다. 회귀계수와 설명력(R²=0.506)은 전반적 만족도가 지속 사용 의도의 약 50.6%를 설명함을 보여주며, 본 회귀모형이 이 관계를 적절하게 설명하고 있음을 나타낸다. 또한 상관관계 분석 결과에서도 전반적 만족도와 지속 사용 의도 간에는 높은 정(+)적 상관(r= .711, p<.001)이 확인되어, 두 변수 간 강한 선형적 관계가 존재함을 알 수 있다. 이러한 결과는 단순한 통계적 유의성 검증을 넘어, 설정된 연구 가설(H4)의 실증적 증거를 제공하며, 두 변수 간 인과적 관계의 방향성 및 영향력 수준에 대한 설명적 해석이 가능하다는 점에서 의미가 있다.

Table 8.

The effect of overall satisfaction on intention to continue use(regression analysis)

결과적으로 본 회귀분석은 연구의 목적을 충실히 반영하며, 설정한 가설이 경험적으로 지지됨을 명확하게 입증하였다. 향후 교육 설계 및 AI 기반 학습도구의 지속 활용 전략 수립 시, 학습자 만족도 향상 요소를 핵심적으로 고려할 필요가 있음을 제공한다.

3) AX 경험 요인이 지속 사용 의도에 미치는 영향

AX 경험의 세 하위 요인(감성적, 인지적, 기능적 경험)이 AI 도구의 지속 사용 의도에 미치는 영향을 분석하기 위해 다중 회귀분석을 실시한 결과, 감성적 경험(β =0.274), 인지적 경험(β =0.326), 기능적 경험(β =0.289) 모두 AI 도구의 지속 사용 의도에 대해 통계적으로 유의한 정(+)의 영향을 미치는 것으로 나타났다(p< .001). 세 요인의 VIF 값은 모두 2 미만으로 회귀분석모형에 적합한 것으로 나타났다. 이 결과는 AI 기반 학습 경험이 단순히 단기적인 만족에 그치지 않고, 학습자의 감정적 유대감, 창의적 자기주도성, 그리고 실질적 편의성을 통해 장기적인 사용 행동으로 이어질 수 있음을 보여준다. 특히, 인지적 경험이 가장 높은 표준화계수(β=0.326)를 보였으며, 이는 학습자의 자기주도성, 통제감, 창의성 자극과 같은 요소가 AI 도구에 대한 장기적 사용 의도에 가장 큰 영향을 미친다는 것을 의미한다. AI를 활용한 학습 환경에서 학생 스스로가 창의적인 결과물을 통제하며 생산하는 경험이 지속 사용 동기를 강화함을 확인할 수 있다. 기능적 경험(β=0.289), 감성적 경험(β=0.274)도 유의미한 영향을 미치며, 편의성·효율성, 정서적 안정감·흥미 요소 역시 사용자의 만족 및 반복 사용 동기를 형성하는 데 기여함을 나타냈다.

Table 9.

The effect of AX experience factors on intention to continue use(regression analysis)

분석 결과 H5, H6, H7 가설이 모두 채택되었음을 실증적으로 보여주며 귀무가설이 기각되었다. 또한 AI 기반 디자인 교육에서 감성·인지·기능 측면의 경험을 아우르는 통합적 AX 설계가 중요함을 뒷받침한다.