AI 가상 인터뷰이와 Big Five 성격 5요인 이론(NEO-PI-R) 기반 프롬프트를 활용한 UX 실무자의 정성적 인터뷰 라포 향상 연구

1-1 연구의 배경 및 목적

최근 HCI(Human-Computer Interaction)와 AI(Artificial Intelligence) 연구가 발전하면서 UX 실무자를 지원하는 다양한 시도들이 이루어지고 있다. 그러나 AI가 UX 업무의 주류 도구로 활용되는 사례는 아직 많지 않으며, AI가 UX 디자인 프로세스를 근본적으로 개선할 수 있는지에 대한 총체적인 이해가 필요하다[1],[2].

기존 연구 리뷰들을 보면, AI 기반 UX 연구는 대부분 기술 중심적 접근에 치중하거나, UX 디자인 과정에서 AI가 실제로 어떻게 활용되는지에 대한 구체적 사례가 부족했다. Abbas의 연구에서는 ML을 활용한 UX 디자인 지원 연구가 급격히 늘어나고 있음을 확인했지만, 연구 초점은 알고리즘, 데이터셋, 데이터 수집 등 기술적 측면에 맞춰져 있었다[3]. Lee의 연구에서는 다양한 디자인 분야에서 AI 도구 활용 사례를 소개했지만, 실제 디자인 과정에서 AI가 사용자 경험을 어떻게 지원하는지는 다루지 않았다[4]. 또한, Lu의 문헌 고찰에 따르면 AI 기반 UX 연구 309편 중 인간 중심적 접근을 적용한 연구는 약 24.3%에 불과하며, 대부분은 기술 개발과 성능 향상에 초점이 맞춰져 있었다[1]. 여기서 말하는 인간중심적 접근이란, AI 설계와 활용에서 사용자 요구, 행동, 심리적·사회적 맥락을 고려하고, UX 향상과 사용자 경험 개선을 목표로 하는 접근을 뜻한다. 그 밖에도, 일부 연구에서는 사용자의 상태를 감지하는 제한적 사례만 존재할 뿐, 가상 인터뷰이 퍼소나 제작에 대한 연구나 UX 디자인 전반을 포괄하는 인간 중심 연구는 부족한 실정이다[5],[6].

이에 본 연구는 기존 AI-UX 연구의 한계를 보완하고, 인간 중심적 관점을 UX 인터뷰 지원 도구 개발에 적용하고자 한다. 구체적으로, 가상 AI 인터뷰이와 프롬프트 엔지니어링 기법을 활용하여 정서적 라포와 신뢰 기반 상호작용을 형성하고, 인터뷰 참여자의 몰입도와 응답 질을 높이는 사용자 공감 기반 UX 인터뷰 지원 도구 개발을 목표로 한다. 기존 연구가 주로 AI 엔진 성능 비교나 기술적 효율성에 집중한 것과 달리, 본 연구는 AI 인터뷰이의 정서적 상호작용과 사용자 경험 향상이라는 새로운 관점을 도입하여 UX 실무자의 실제 요구를 반영하고, 인간-AI 협업 가능성을 탐색한다.

연구 방법으로는 성격 5요인(Big Five) 이론을 AI 인터뷰이 설계에 적용하여, 성격 특성이 라포 형성에 미치는 영향을 분석하고, 이를 바탕으로 프롬프트 설계 방향을 탐색한다. 사람 간 상호작용에서 발생하는 정서적 반응이 라포 형성에 중요한 역할을 한다는 선행 연구와, 라포가 심리학 분야에서 활발히 활용되고 있다는 연구를 바탕으로, 성격 기반 AI 인터뷰 설계를 수행한다[7],[8]. MBTI, HEXACO, DISC 등 다른 성격 평가 모델도 있으나, 신뢰성과 예측력 측면에서 한계가 있으며, Big Five 모델은 다양한 문화권에서 신뢰성과 타당성이 검증되었다[9],[10]. 행동 및 정서적 반응 예측에도 강점을 보여 성격 기반 인터뷰 설계에 적합하다.

이를 통해 본 연구는 정성적 UX 인터뷰의 몰입도와 데이터 질을 높이고, 인간-AI 협업 기반의 UX 실무 지원 프레임워크 구축에 기여하는 것을 목표로 한다.

2-1 UX 디자인 실무에서의 AI 활용

Lu Yuwen et al.은 User Testing, Maze, Uizard, Framer, Figma 플러그인 등을 활용하여 UX 평가와 디자인 프로세스를 자동화함으로써, AI가 사용자 요구와 경험을 보다 빠르고 정확하게 반영하도록 지원하고, 사용자 공감대 형성 과정에서 효율성을 높이는 성과를 만들었다[1]. Maria Rosala와 Kate Moran은 ChatGPT와 Synthetic User를 활용하여 사용자 공감대 형성과 UX 프로세스 자동화를 동시에 지원함으로써, 실무자가 디자인 의사결정을 보다 신뢰성 있게 내릴 수 있도록 돕는 성과를 확인하였다[11]. 조은아는 ChatGPT를 활용해 창의적 아이디어 발산과 디자인 사고 확장을 지원함으로써, UX 실무자가 보다 다양한 디자인 시나리오를 탐색하고 창의적인 아이디어를 도출할 수 있는 성과를 보여주었다[12].

하지만 이런 연구들은 주로 AI 도구 활용과 자동화, 창의적 지원에 초점을 맞추고 있다. 반면 정성적 UX 인터뷰에서의 정서적 상호작용이나 라포 형성, 즉 사용자와 깊은 공감을 형성하는 부분은 충분히 다루어지지 않았다. 특히 인간 중심 UX 디자인, 즉 사용자의 요구와 행동, 심리·사회적 맥락을 고려하고 UX 향상을 목표로 하는 접근에서는, 성격 심리학의 Big Five 이론(NEO-PI-R)을 활용해 AI 인터뷰 프롬프트를 설계하고 정서적 라포를 형성하는 연구는 없었다.

2-2 프롬프트 엔지니어링

프롬프트(prompt)는 대형 언어 모델(LLM)에 주어지는 지시문으로, 모델이 어떻게 답변할지 방향을 설정하는 역할을 한다. 프롬프트를 어떻게 설정하느냐에 따라 AI 답변의 오류 가능성이 감소하기 때문에 프롬프트를 설계하는 ‘프롬프트 엔지니어링’이 매우 중요하다.

프롬프트 엔지니어링은 AI가 주어진 과제를 정확하고 일관되게 수행하도록 돕는 기술을 말한다. 일반적으로 작업 지시, 배경 정보, 입력 데이터, 원하는 답변 형태를 포함해 프롬프트를 체계적으로 설계하면 AI의 응답 품질을 높일 수 있다.

특히 ‘지시형 프롬프트’와 ‘맥락 제공형 프롬프트’를 결합한 ‘혼합형 프롬프트’는 효과적인 방식으로 주목받고 있다. 지시형 프롬프트는 수행해야 할 과제를 명확히 전달하고, 맥락 제공형 프롬프트는 배경 정보와 상황을 함께 제시해 AI가 보다 정확하고 깊이 있는 답변을 생성할 수 있도록 돕는다. 이 두 방식을 결합하면 AI가 과제를 정확히 이해하고, 일관되고 신뢰성 높은 응답을 제공할 수 있다.

이런 프롬프트 설계의 중요성은 VR 환경에서도 확인된다. Aghel Manesh et al.은 VR에서 프롬프트 기반 상호작용을 연구하며, 참가자들이 긴 지시문보다 짧고 단계적인 프롬프트를 주고 점진적으로 결과를 확인하며 수정하는 방식을 선호한다는 점을 보고했다. 또한 참가자들은 시스템이 자신이 무엇을 이해했는지 시각적으로 보여주길 원하며, AI가 사용자의 제스처와 이전 상호작용을 기억하고 반영하기를 기대했다[13].

2-3 성격 5요인 이론(NEO-PI-R)

McAdams는 개인의 성격을 이해하기 위해 단순한 특성만으로는 부족하며, 세 가지 수준에서 성격을 고려해야 한다고 주장하였다. 첫 번째 수준은 기질적 특성으로, 시간과 상황을 초월해 비교적 안정적으로 유지되는 성향을 의미하며, 성격 5요인(Big Five)이 대표적이다[14]. 그러나 기질적 특성만으로는 개인의 고유성을 충분히 설명할 수 없다. 두 번째 수준은 특징적 적응으로, 개인이 목표, 동기, 가치, 대처 방식 등을 통해 특정 맥락에 적응하는 방식을 포함한다. 세 번째 수준은 서사정체성으로, 개인이 자신의 삶을 이야기로 통합해 과거, 현재, 미래를 연결하고 삶의 의미와 목적을 부여하는 과정이다[15].

본 연구에서는 성격 평가에 있어 기질적 특성과 개인적 서사를 모두 반영하기 위해, 성격 5요인 이론(Big Five)을 기반으로 한 NEO-PI-R 검사를 활용하였다. 또한 인터뷰를 통해 대상자의 말투, 감정 표현, 반응 태도를 분석하여, 성격 특성에 맞춘 질문 방식과 공감 제공으로 보다 풍부한 반응을 이끌어냈다. 이를 통해 McAdams가 제안한 성격의 다층적 이해(기질적 특성, 특징적 적응, 서사정체성)에 보다 충실히 접근할 수 있었다.

성격 특성 이론은 오랜 기간 중심 개념으로 다뤄져 왔으나, 특성의 개수와 본질에 대해서는 다양한 견해가 존재하였다[16]. 그럼에도 여러 연구에서 인간 성격의 핵심 특성들이 다섯 가지 주요 요인으로 효과적으로 설명될 수 있음이 입증되었다[17].

대표적 성격 검사인 NEO-PI-R은 특성 이론과 요인 분석을 기반으로 개발되었으며, Costa와 McCrae는 인간 성격을 신경증, 외향성, 개방성, 친화성, 성실성의 다섯 요인으로 구성한다고 제안하였다. 이 요인들은 시간과 상황 변화에도 인간 행동 예측에 유용한 개념으로 평가된다[18]. 자세한 요인은 표 1에서 확인할 수 있다.

Table 1.

Big Five personality factors (NEO-PI-R)

인터뷰 대상자의 말투, 감정 표현, 반응 태도를 성격 5요인(신경증, 외향성, 개방성, 친화성, 성실성)에 따라 분석하면, AI 인터뷰이가 더 구체적이고 체계적인 답변을 제공할 수 있다. 예를 들어, 외향성이 높은 대상자에게는 개방형 질문을, 신경증이 높은 대상자에게는 안정감 있는 질문과 정서적 공감을 적용할 수 있다. AI가 성격에 맞춰 표현 방식을 조정하고 공감을 형성하면 대상자의 신뢰와 라포가 높아지며, 이는 Vera Sorin (2024) 연구에서 AI의 인지적 공감과 정서적 지지가 인간과 유사한 상호작용을 가능하게 한다고 보고된 바 있다[19]. 따라서 AI 인터뷰에 성격 5요인 모델을 활용하면 더욱 풍부하고 신뢰성 있는 정보를 얻는 데 도움이 된다.

2-4 사용자-AI 간 라포(Rapport)의 개념과 요소

Gremler와 Gwinner는 라포를 상호작용자 간 친밀하고 긍정적인 관계로 정의하고, 이를 구성하는 핵심 요소로‘즐거운 관계’와 ‘개인적 유대감’을 핵심 요소로 제시하였다. 라포는 반복적 접촉 없이도 일시적 감정 경험을 통해 형성되며, 서비스 제공자의 신뢰와 전문성을 높여 관계 유지에 기여하고, 고객의 만족도와 충성도 향상에 긍정적 영향을 준다[20],[21],[22]. 비록 AI를 통한 정성 인터뷰에서 라포가 직접적으로 영향을 준다는 연구는 아직 없지만, 이러한 인간 간 라포의 긍정적 효과를 고려할 때, AI 인터뷰이와 사용자의 상호작용에서도 라포가 인터뷰의 품질과 결과에 일정 부분 기여할 가능성이 있다.

2-5 사회적 실재감(Social Presence)과 인터뷰 신뢰성

사회적 실재감은 미디어를 통해 상대방과 실제로 함께 있는 것처럼 느끼는 정도로, Biocca는 이를 “다른 사람과 사회적으로 연결되어 있다고 느끼는 것”으로 정의하였다[23]. 이는 물리적 거리에 상관없이 대화 맥락에서 상대방의 존재를 심리적으로 인지하는 상태를 의미한다. 사회적 실재감이 높아질수록 상대와의 심리적 거리가 좁혀지며, 인터뷰에서는 대상자가 면접자를 더 신뢰하게 되어 응답의 진정성과 신뢰성을 향상시키는 데 중요한 역할을 한다[23]. 비록 AI를 통한 정성 인터뷰에서 사회적 실재감이 직접적으로 영향을 준다는 연구는 아직 없지만, Bicca의 연구를 근거로, 라포를 통해 AI-사용자 상호작용에서도 유사하게 신뢰와 응답 진정성이 향상될 가능성을 고려할 수 있다.

2-6 사용자 경험(UX)의 감성적 구조와 평가 요인

감정 원형성 평가 이론은 사용자가 제품이나 대상에 대해 느끼는 감정적 반응을 ‘새로움’, ‘친밀감’, ‘신뢰감’, ‘선호도’ 등의 요소로 설명하며, 사용자의 인식과 분류에 따라 평가 결과가 달라질 수 있다[24]. 박은경과 김명석은 오효정과 김보미의 연구를 참고하여, 새로움, 친밀감, 신뢰감, 선호도 4개 항목과 13개 형용사 문항으로 구성된 감성 평가 도구를 개발하였다[25](표 2 참조).

Table 2.

Adjectives used for sentiment evaluation in Park Eun-kyung's study

최근 연구에 따르면, 사용자의 로봇 인식 방식이 감성 평가에 큰 영향을 미치며, 감정 반응은 단순한 인상을 넘어 인지적 구조와 깊이 연결되어 있음을 보여준다[24]. 따라서 감정 원형성 평가는 사용자 인식과 감정 반응의 관계를 설명하는 효과적인 이론으로, 특히 로봇과 같은 감성적 제품 디자인 시 사용자 인지 범주를 고려한 전략적 설계에 활용될 수 있다.

3-1 연구 대상

본 연구를 위한 대상은 AI 기반 도구를 활용한 UX 디자인 실무 경험자를 대상으로 선정하였다. 4년 이상의 UX 실무 경력과 AI 도구 활용 정도를 기준으로 삼아 AI를 단순하게 툴로 활용하는 단계를 넘어 효율적으로 업무에 활용하거나 아이디어 발상 등 AI를 능동적으로 활용할 수 있는 능력이 있는 실무자를 대상으로 하였다.

구체적인 선정 기준은 UX 실무 경력 4년 이상과 AI 도구 활용 능력으로 설정되었으며, 연구자의 판단에 따라 적합한 인원을 선발하였다. 총 10명이 참여하였으며, 모두 여성이다. 이들은 4~8년차 UI/UX 디자이너 및 기획자로, 다양한 AI 보조 도구를 비교적 자유롭게 활용할 수 있으며, 실제 디자인 실무에서 AI의 가능성과 한계를 경험한 숙련된 실무자들로 구성되었다.

3-2 인터뷰 문항 구성 및 설계

인터뷰 질문은 크게 3가지 방향으로 (1) 기존 UX 디자인의 어려움, (2) AI를 활용한 UX 디자인 실무 경험, (3) 성공적인 UX 디자인 경험 사례를 묻기 위한 줄기 질문(본 질문)과 가지 질문(부가 질문)으로 구별하여 구성되었다.

Table 3.

Interview Participant Selection Questions

3-3 인터뷰 진행 절차

Table 4.

Research procedure

본 연구는 다음의 네 단계로 진행되었다. 첫째, 심층 인터뷰를 통해 UX 실무자가 경험하는 어려움을 파악하였다. 그 결과, 인터뷰이와의 정서적 라포 형성 부족, 신뢰 유도 실패, 몰입도 저하 등이 주요 문제로 확인되었고, 이를 바탕으로 후속 실험 설계를 진행하였다.

둘째, 실험에서는 Big Five 성격 요인이 가상 퍼소나 생성에 미치는 영향을 검증하기 위해 A군(일반형)과 B군(Big 5 성격형) 두 가지 프롬프트 양식을 제공하고, 이를 기반으로 퍼소나를 제작하였다.

셋째, 인터뷰 및 실험에서 수집한 데이터를 개방코딩과 축코딩 방법으로 분석하였다. 먼저, 개방코딩을 통해 주요 개념과 범주를 도출하였으며, 이어서 축코딩을 적용하여 도출된 범주 간의 인과관계, 조건, 맥락을 구조화함으로써, UX 실무자가 AI 인터뷰이와의 상호작용에서 라포를 어떻게 형성하는지에 대한 패턴과 흐름을 체계적으로 파악하였다. 본 연구의 목적이 단순 개념 탐색을 넘어 라포 형성의 구조적 요인을 설명하는 데 있었기 때문에, 범주 간 관계를 명확히 분석할 수 있는 축코딩의 적용이 적절하다고 판단하였다.

마지막으로, 가상 AI 인터뷰이와의 상호작용에 대해 감성 평가를 시행하였다. 평가 항목은 박은경과 김명석이 제시한 ‘친밀감’과 ‘신뢰감’에 ‘라포 형성’을 추가한 총 6가지 항목으로 구성하여, UX 직무자가 AI 인터뷰 사용자와 상호작용하며 느낀 감성을 정밀하게 측정하는 데 중점을 두었다[25].

3-4 UX 실무의 어려움 파악을 위한 1차 심층 인터뷰

2025년 5월, 10명의 참여자를 대상으로 줌(Zoom) 화상 미팅을 통해 45~50분간 심층 인터뷰를 진행하였다. 인터뷰 시작 전 연구 목적과 녹음 사실, 개인정보 폐기 절차를 안내하였다.

1차 인터뷰는 UX 디자인 실무에서 겪는 어려움과 AI 활용 경험을 파악하기 위해 진행되었다. 본 질문과 세부 질문은 실무 과정에서의 반복 작업, 병목 현상, 비효율성 등 감성적·실질적 어려움을 이해하는 데 초점을 맞추었다(표 5 참조).

Table 5.

Preliminary interview on UX design issues

인터뷰 결과, 참여자들은 반복 작업으로 인한 사용자 리서치의 병목과 비효율성이 실무자들이 공통적으로 인식하는 문제로 나타났다. 이를 바탕으로 AI 인터뷰이가 정성 인터뷰의 활용 가능성을 검토하고자 실험을 설계하였다.

인터뷰 결과, 참여자들은 반복 작업으로 인한 사용자 리서치의 병목과 비효율성을 공통적으로 문제로 인식하는 것으로 나타났다. 이를 통해 실무에서 경험하는 어려움과 AI 활용의 잠재적 해결 가능성을 탐색할 수 있었으며, 정성 인터뷰를 통해 이러한 경험과 문제점의 맥락을 심층적으로 이해하는 것이 가능함을 확인하였다. 이를 바탕으로 AI 인터뷰이가 정성 인터뷰의 활용 가능성을 검토하고자 실험을 설계하였다.

특히 AI 인터뷰이의 성격 특성이 라포 형성에 미치는 영향을 탐색하기 위해, 본 연구는 A군(일반형)과 B군(Big Five 성격형) 두 가지 프롬프트 조건을 비교하였다. A군은 일반적인 인터뷰 응답을 생성하도록 설정한 반면, B군은 Big Five 성격 요인을 프롬프트에 명시적으로 반영하여 AI 인터뷰이가 특정 성격적 특성을 지닌 것처럼 반응하도록 설계하였다. 성격 요인의 정의와 설명은 Costa & McCrae, McAdams & Pals 등 기존 성격심리학 연구를 토대로 하였다.

Table 6.

Prompt A(general) & prompt B(Big Five personality)

B군 프롬프트는 단순히 성격 요인을 나열하는 것에 그치지 않고, Aghel Manesh et al.의 VR 프롬프트 기반 상호작용 연구를 참조하여 구체화되었다. 해당 연구에서는 사용자가 긴 설명을 한 번에 제시하기보다 짧고 단계적인 프롬프트를 활용하고, 시스템이 이를 맥락적으로 이해하며 이전 맥락을 기억하는 방식이 효과적임을 보여주었다[13]. 이를 반영하여 본 연구의 B군 프롬프트는 성격 요인이 대화의 어조, 표현 방식, 응답 스타일에 자연스럽게 스며들도록 설계되었다.

예를들어 외향성(Extraversion)이 높은 조건에서는 적극적이고 활발한 표현을, 신경성(Neuroticism)이 높은 조건에서는 불안과 긴장이 묻어나는 표현을 사용하였다. 이를 통해 성격적 특성이 대화의 흐름 속에서 자연스럽게 드러나도록 하였으며, 사용자가 성격 차이를 직관적으로 인식할 수 있도록 유도하였다.

3-5 인터뷰 자료와 실험 테스트 분석: 개방코딩과 축코딩

개방코딩을 통해 인터뷰 텍스트를 분석 가능한 단위로 나누고, 유사한 개념을 묶어 범주화하였다. 이를 바탕으로 주요 개념과 그 속성을 도출하였다[26]. 이후 축코딩을 적용하여 도출된 범주들 간의 관계를 분석하고, 원인, 중심 현상, 맥락적 조건, 중재적 조건, 상호작용 전략, 결과 등 핵심 요소를 중심으로 구조화하였다[26]. 이를 통해 사용자 리서치 과정의 문제 구조와 AI 인터뷰 실험의 영향을 구체적으로 파악하였다.

3-6 가상 인터뷰 사용자 AI의 인터랙션 감상 평가

본 연구는 박은경과 김명석이 제시한 ‘친밀감’과 ‘신뢰감’ 평가 항목에 ‘라포 형성’을 추가하여 총 6가지 감성 평가 항목을 구성하고, UX 실무자가 AI 인터뷰 사용자와의 상호작용에서 느낀 감성을 세밀하게 측정하였다[25]. 최종 항목 구성은 기존 표 2의 내용을 수정·보완한 것으로, 표 7에 제시하였다.

Table 7.

Final framework for analyzing UX practitioners’ experiences with a virtual AI interviewer

라포 형성은 선행 연구를 기반으로 새롭게 포함된 요소로, 다음 세 가지 이론적 측면에서 평가 항목을 도출하였다. 첫째, 라포는 “상호작용을 통해 형성되는 공감적이고 친밀한 감정이나 상호 이해”를 의미하며, 이를 반영해 ‘공감하는(Empathetic)’, ‘대화하기 쉬운(Approachable)’, ‘배려 깊은(Considerate)’, ‘이해심 많은(Understanding)’을 포함하였다[20]. 둘째, 라포는 “상대방과 밀접한 공통점이 있다고 느끼게 하는 능력”으로 정의되며, 이에 따라 ‘동질감을 주는(Relatable)’, ‘닮은(Comparable)’을 추가하였다[20]. 셋째, Gremler와 Gwinner는 라포를 “접촉 횟수나 기간과 관계없이 순간적으로 형성되는 자연스러운 인지적 결과”로 설명하며, 이를 반영해 ‘대화 흐름이 자연스러운(Natural in Conversation Flow)’ 항목을 포함하였다[20].

4-1 중심 현상

UX 실무자들은 사용자 리서치 전반에서 반복적인 수작업과 높은 업무 부담을 경험하고 있었다. 특히 리서치 과정이 본 업무 흐름을 방해하는 ‘병목’으로 작용하면서, 리서치 자체가 비효율적이고 피로를 유발하는 활동으로 인식되었다.

4-2 원인

리서치 과정에서 타겟 선정, 질문 설계, 인터뷰 준비, 데이터 정리 등 반복적인 작업이 단계별로 과도한 시간과 에너지를 소모하였다. 이러한 누적된 부담이 실무자의 작업 효율을 저하시켰고, 리서치 진행에 어려움을 초래하였다.

4-3 맥락적 조건

UX 실무자들은 부족한 시간과 인력, 제한된 리서치 환경 속에서 일하며, 이러한 제약들이 반복 작업 부담을 키우고 리서치 효율성을 떨어뜨리는 배경이 되었다. 또한, 데이터 기반 기획의 중요성이 커지면서 부담이 더욱 가중되고 있다.

4-4 성격 기반 프롬프트가 AI 인터뷰 경험에 미치는 영향

본 연구에서는 AI 인터뷰 경험에서 사용자와 AI 간 정서적 반응에 초점을 맞추어, 일반형 프롬프트(A군)와 Big Five 성격 요인을 반영한 맞춤형 프롬프트(B군)를 비교 분석하였다. 이를 통해 각 프롬프트 유형이 UX 실무자의 몰입, 신뢰감, 라포 형성 등 정서적 경험과 실무적 활용 가능성에 미치는 영향을 평가하였다.

분석 결과, A군 프롬프트 기반 AI 인터뷰이는 사용자가 비인간적이고 감정적 공감이 결여된 존재로 인식하였다. 대화는 기계적이고 표면적이며 맥락 없는 응답이 많아 정서적 몰입이 어려웠고, 친밀감과 신뢰감이 낮게 나타났다. 사용자는 업무 적용 가능성 역시 제한적이라고 평가하였으며, 이는 기능 중심의 AI 설계가 실제 정성 인터뷰에서 정서적 유대 부족이라는 한계를 드러낸 것으로 해석된다.

반면, B군 프롬프트 기반 AI 인터뷰이는 사용자 정서에 긍정적 영향을 미쳤다. 사용자는 AI가 감정적으로 더 깊고 사람처럼 느껴졌으며, 자연스럽고 맥락 있는 대화가 라포 형성에 기여한다고 평가하였다. 또한 사례 공유와 분석을 통해 업무 효율성과 친근감을 동시에 제공하여, 실무적 활용 가능성이 A군보다 높게 나타났다.

정량적 감성 평가 항목(신뢰감, 친밀감, 라포 형성 등 6개 항목)에서도 B군 AI는 A군보다 전반적으로 높은 점수를 기록하였다. 특히 ‘사람과 대화하는 듯한 몰입감’과 ‘맥락을 이해한 응답’ 항목에서 유의미한 차이가 나타났으며, 실제 동료와 대화하는 듯한 친근감이 신뢰감과 라포 형성을 강화하는 주요 요인으로 작용했다.

이와 같은 결과는 UX 리서치에서 AI 도구가 단순 보조 역할을 넘어 정서적 교감과 맞춤형 설계를 기반으로 실무자의 몰입과 신뢰를 지원할 수 있음을 시사하며, 향후 인터랙티브 AI 도구 개발에서 정서적 요소와 개인화 설계가 핵심 전략임을 제안한다.

4-5 종합 논의

본 연구는 UX 실무자들이 경험하는 리서치 병목과 AI 도구에 대한 복합적 인식을 유기적으로 구조화함으로써, AI가 실무 환경에서 어떠한 조건과 맥락에서 수용되고 작동하는지 다각도로 조명하였다. 반복적이고 비효율적인 리서치 과정에 대한 부담 해소가 중요한 과제로 남아 있으며, AI는 일부 단순 반복 업무에 주로 활용되는 보조적 역할에 머무르고 있다.

한편, 성격 기반 맞춤형 프롬프트를 통한 AI 인터뷰 도구는 정서적 라포 형성과 몰입도를 증진하여 UX 실무자의 업무 지원에 실질적 가치를 제공할 수 있음을 제시하였다. 이러한 결과는 실무 환경에서 AI 도구 개발에 있어 정서적 교감과 맞춤형 설계가 필수적인 전략임을 본 연구가 시사한다. 향후 인터랙티브 AI 도구 개발에서는 이러한 정서적 요소와 맞춤형 설계가 핵심 전략으로 고려될 필요가 있다.

5-1 UX 실무자의 리서치 병목과 AI 도구에 대한 인식

UX 실무자들은 리서치 과정에서 반복적이고 비효율적인 작업을 경험하였으며, 이러한 병목은 단순한 시간이나 인력 부족 때문만이 아니라 조직 내 리서치 중요성 인식 부족, 결과 활용의 어려움 등 복합적 요인으로 인해 발생한다는 점이 확인되었다.

실무자들은 AI 도구를 단순한 자동화 도구가 아니라, 자료 정리나 질문 설계 등 사고를 보조하고 해석을 지원하는 ‘디지털 리서치 파트너’로 기대하였다. 이는 AI를 도입할 때 기술적 측면뿐 아니라, 사용자의 감정과 맥락까지 함께 고려해야 함을 시사한다.

5-2 성격 기반 프롬프트가 라포 형성에 미치는 영향

본 연구에서는 Big Five 성격 요인을 반영한 맞춤형 프롬프트(B군)와 일반형 프롬프트(A군)를 비교하여, AI 인터뷰 시스템과 사용자 간 정서적 상호작용이 UX 실무자의 경험에 미치는 영향을 분석하였다.

분석 결과, 일반형 프롬프트를 사용한 경우 AI는 기계적이고 딱딱한 질문을 던지는 느낌을 주어, 사용자가 정서적으로 공감하기 어렵고 신뢰감이나 친밀감을 형성하는 데 한계가 있었다. 대화 흐름이 매끄럽지 않아 몰입도가 낮았고, 실제 업무 적용 가능성도 제한적으로 평가되었다. 사용자는 AI가 자신을 충분히 이해하지 못한다고 느끼며, 대화에서 거리감을 경험하였다.

반면, 성격 기반 프롬프트를 적용한 AI는 사용자의 성격과 상황에 맞춰 자연스럽고 친근하게 대화를 이어갔다. 그 결과 사용자는 AI와 대화하면서 “사람과 대화하는 것 같다”, “편안하다”, “신뢰할 수 있다”는 반응을 보였고, 사례 공유와 분석을 통해 실제 업무에 활용할 수 있는 유용한 정보를 얻을 수 있다고 평가하였다. 이러한 결과는 단순히 정확한 질문을 던지는 것만으로는 충분하지 않으며, 말투, 대화 흐름, 사용자의 감정을 이해하려는 태도와 같은 정서적 상호작용이 UX 경험의 핵심적 요소임을 보여준다.

즉, Big Five 성격 요인을 반영한 맞춤형 프롬프트는 AI 인터뷰에서 사용자와 정서적으로 연결되는 경험을 가능하게 하며, 이는 신뢰와 몰입을 높이는 라포 형성으로 이어진다. 이러한 정서적 연결은 AI를 단순 정보 제공자가 아닌, 실제로 함께 일하고 싶은 ‘디지털 리서치 파트너’로 활용할 수 있는 근거가 된다.

5-3 연구 한계와 향후 과제

본 연구는 UX 실무자와 AI 인터뷰 도구 간 감성적 상호작용을 분석하여, 정서적 유대와 라포 형성이 리서치 경험의 질에 중요한 영향을 미친다는 점을 확인하였다. 특히 성격 기반 프롬프트가 사용자 신뢰와 몰입을 높인다는 실증적 근거를 제공하여, 향후 AI 설계에서 감성적 요소가 핵심 지표로 포함되어야 함을 제시하였다.

다만, 본 연구는 UX 실무자 소수(10명)와 주로 UI 디자이너를 대상으로 진행되어 결과의 일반화에 한계가 있다. 또한 정성적 반응에 집중한 관계로 정량적 성과 지표 측정에는 제한이 있었고, 감성 평가는 주관적 평가에 의존하였으므로 보다 객관적인 측정 방법의 보완이 필요하다.

향후 연구에서는 다양한 성격 모델과 사용자 맥락을 반영한 프롬프트 설계, 음성·표정 등 실재감 있는 인터랙션 디자인, 정량적 성과와 감성 반응을 함께 측정할 수 있는 평가 도구 개발이 요구된다. 이러한 방향은 AI 인터뷰 도구가 인간 중심의 감성적 설계를 통해 신뢰를 형성하고, 보다 깊이 있는 리서치 경험을 제공하는 데 기여할 수 있을 것이다.