사에마 아흐메드-크리스텐센 교수, 디지트 연구소 소장 – 인터뷰 시리즈

사에마 아흐메드-크리스텐센 교수는 디자인 엔지니어링 분야의 선도적인 학자이자 엑서터 대학교의 부총장(연구 및 영향)입니다. 그는 또한 디지털 혁신과 변환에 중점을 둔 주요 학제 간 연구 이니셔티브인 디지트 연구소의 소장입니다. 그의 연구는 디자인 창의성과 인지, 데이터 기반 및 디지털 디자인, 그리고 복잡한 엔지니어링 및 제품 개발에 고급 기술을 통합하는 것에 관한 것입니다. 그는 학문적 통찰력을 현실 세계에 적용하는 데 강한 중점을 두고 있습니다.

당신의 경력은 케임브리지, DTU, 임페리얼 칼리지 런던, 로열 칼리지 오브 아트, 그리고 지금 엑서터 대학교를 거쳐왔습니다. 돌아보면, 디자인, 창의성, 디지털 기술의 역할에 대해 생각하는 것을 가장 많이 형성한 경험이나 전환점은 무엇입니까?

저의 디자인 작업은 많은 다른 문화와 학문 분야를 걸쳐왔습니다. 저는 브루넬에서 기술, 인간 중심 디자인, 형태에 대한 이해를 결합한 몇 안 되는 과정을 하나에서 시작했습니다. 그것은 저에게 창의성과 혁신이密接하게 연결되어 있음을 일찍부터 가르쳐주었습니다.

케임브리지에서 공부하는 것은 저의 생각을 더 넓혔습니다. 대학 환경은 저에게 많은 학문을 소개해주었고, 혁신은 분야를 넘나드는 지식의 결합에 의존한다는 것을 보여주었습니다. 저의 박사 학위는 항공 우주 분야에 초점을 맞추었고, 엔지니어 디자이너들이 정보를 찾고 사용하는 방법을 조사했습니다. 저는 사람들이 지식을 접근하는 방법, 전문 지식이 어떻게 지원되거나 복제될 수 있는지, 그리고 인지, 컴퓨터 과학, 엔지니어링 디자인 사이의 교차점을 연구했습니다. 이것은 인간 중심의 렌즈로 남아있었습니다.

디지털 기술이 성장함에 따라, 저의 작업에서 질문도 성장했습니다. IoT 데이터, AI, 고급 계산의 부상은 디자인을 인간 중심에서 사회 중심으로 이동시켰습니다. 이것은 엑서터 대학교에서 DIGIT 연구소의 소장으로서 저의 작업을 계속 형성합니다. 저는 창의성 과정에서 LLM의 역할, 산업이它们를 채택하는 데 직면하는 장벽, 그리고 데이터가 혁신을 어떻게 추동할 수 있는지에 초점을 맞추고 있습니다.

임페리얼과 로열 칼리지 오브 아트에서 저의 시간은 디자인은 단순히 제품이나 서비스를 형성하는 것보다 더 많은 것을 의미한다는 것을 강조했습니다. 올바른 사람들, 프로세스, 문화가 있는 경우, 디자인은 새로운 기술, 재료, 아이디어를 추동하는 것이 될 수 있습니다. 이러한 아이디어는 오늘과 내일의 글로벌 도전에 대처할 수 있습니다.

DIGIT 연구소는 대규모 기존 조직 내의 디지털 변환에 중점을 두고 있습니다. 당신의 관점에서, 리더들은 디자인, 혁신, 의사 결정에 미치는 AI의 영향에 대해 가장 잘못 이해하고 있는 것이라고 생각합니까?

수십 년 동안, AI는 연구에서 발전하고 특정 산업에서 채택되어 왔지만, 기술의 발전은 종종 기술 격차, 리더의 이해, 가치 및 필요한 인프라에 대한 명확성으로 제한되었습니다. LLM과 제너레이티브 툴의 부상으로 인해 AI는 더 쉽게 접근할 수 있게 되었습니다. 그러나 이것은 개인 정보, 데이터 보안, 일반 목적 모델이 특정 도메인에 잘 적용되는지에 대한 새로운 질문을 제기합니다.

디자인과 혁신에서, 이러한 문제는 특히 명확합니다. 우리의 연구는 인간과 AI가 생성한 12,000개 이상의 아이디어를 조사했으며, AI 아이디어는 유사한 개념 주변에 클러스터링되는 경향이 있음을 보여주었습니다. 이것은 제네릭 툴에 인간 전문 지식을 구축하거나, AI를 특정 도메인에 적응시키거나, 인간의 창의성과 의사 결정과 함께 AI를 사용하는 방법을 이해하는 필요성을 강조합니다.

당신의 많은 연구는 디자인의 창의성과 인지에 대해 탐구합니다. 제너레이티브 AI가 아이디어, 개념, 반복을 대규모로 생성할 수 있는 상황에서, 당신은 인간만이 고유하게 소유하는 창의성의 측면과 AI 주도 프로세스로 이동할 수 있는 부분을 어떻게 보십니까?

창의성은 저에게 단순히 대안을 생성하는 것보다 더 많은 것을 의미합니다. 그것은 의도, 문화적 의미, 디자인에 의해 생성된 감정적 연결에 관한 것입니다. 우리의 최근 DIGIT 연구소 설문조사에서 82%의 사람들이 인간 주도 또는 하이브리드 작업이 더 의미 있게 느껴진다고 말했으며, 71%의 사람들이 AI 전용 디자인에 대해 감정적으로 덜 연결되어 있다고 말했습니다. 많은 사람들은 AI 생성된 작업을 “감정적으로 결핍”이라고 묘사했으며(48%), “과도하게 완벽”이라고 느꼈으며(40%), 36%의 사람들은 그 영향이 빠르게 사라진다고 느꼈습니다. 이러한 반응은 저가 오랫동안 믿어온 것을 강조했습니다. 감정적 참여는 창의적 작업을 경험하고 평가하는 데 필수적입니다.

인간 디자이너는 더 다양한, 새로운 아이디어를 생성하고, 창의적 출력이 깊고 의미 있게 하는 데 더 좋습니다. 창의적 전문가들은 아직 복제할 수 없는 기술 집합을 보유하고 있습니다. 디자이너들은 아이디어를 생성하기 전에 문제를 이해해야 하며, LLM은 디자이너가 하나의 문제에서 다른 문제로 이동하는 데 도움이 될 수 있습니다. 인간의 창의적 기술을 AI 툴에 구축할 수 있다면, AI는 아이디어 평가를 더 잘 지원할 수 있습니다.

우리가 실험하는 체인-오브-사고 접근법은 LLM이 전문가의 추론을 따를 수 있음을 지원합니다. 모든 경우에, 결과를 해석하고 디자인 선택이 사용자의 경험과 일치하는지 확인하기 위해 인간의 감독이 필요합니다. AI가 디자인 공간을 더 넓게 탐색하고, 패턴을 분석하고, 구조화된 비평을 제공할 수 있지만, 그들은 여전히 인간의 판단이 필요합니다.

저는 AI와 인간이 서로 다른 강점을 보유한다고 생각합니다. 사람들이 일관되게 인간 또는 하이브리드 작업에 더 긍정적으로 반응하는 사실은 단순히 중력의 중심이 어디에 있는지를 보여줍니다. AI는 디자인 공간을 더 넓게 탐색하고, 패턴을 분석하고, 구조화된 비평을 제공할 수 있지만, 인간의 창의성과 의사 결정이 중심이 되어야 합니다.

저는 창의성의 미래를 근본적으로 협력적이라고 생각합니다. AI는 가능성의 필드를 넓히는 데 도움이 될 수 있습니다. 디자이너들은 감정적 이해, 문화적 이해, 의도를 제공하는 데 필요한 전문 지식을 제공합니다. 두 가지가 함께 일할 때, 인간의 판단이 방향을 설정하고, AI가 탐색을 풍부하게 하는 경우, 결과는 더 엄격하고, 더 상상력 있고, 궁극적으로 더 인간적인 창의적 과정입니다.

당신은 사용자 경험과 디자인 지식을 구조화하고 자동화하는 방법에 대해 연구해왔습니다. AI 시스템이 디자인 의도, 사용자需求, 컨텍스트를 이해하는 방식으로 가치가 있는 것을 제공하는 데 얼마나 가까이 왔습니까?

일부 영역에서는 사용자 선호도를 예측하는 것이 상대적으로 쉽습니다. 데이터를 사용하여 추천을 할 수 있습니다. 이러한 영역은 쉽게 사용할 수 있는 데이터를 혜택으로 받습니다.

반면에, 제품과 서비스의 디자인은 사람들의 선택, 필요, 경험에 대한 데이터가 쉽게 사용할 수 없는 경우가 많습니다.

제 최근 연구는 LLM이 디자인 특성에 대한 사람들의 인식과 반응을 모델링하는 데 사용될 수 있음을 보여주었습니다. 그러나 현재 모델은 데이터의 패턴에만 작동하며, 의미를 컨텍스트화할 수 없습니다. 이전 연구에서는 형태와 인식 사이의 관계를 보여주었으며, 이러한 미묘한 차이는 AI가 예측하기 어렵습니다. 따라서 AI의 의도에 대한推論은 개선되고 있지만, 인간의 전문 지식의 보완으로 남아 있습니다.

디자이너들은 AI 지원 디자인의 잠재력을 균형 있게 유지하면서 안전성, 추적 가능성, 신뢰성의 필요성을 어떻게 달성합니까?

고위험 분야에서, AI는 시뮬레이션, 최적화, 초기 탐색을 지원하는 데 강력한 역할을 할 수 있습니다. 그러나 그것은 최종 권위자가 될 수 없습니다. 이러한 분야는 엄격한 안전 요구 사항과 규제에 따라 엄격한 데이터 처리, 개인 정보 및 상업적으로 민감한 데이터를 요구합니다.

조직에서는 자체 AI 툴을 구축하고 유지하는 경우가 많습니다. 우리의 연구는 하이브리드 시스템이 필수적임을 일관되게 보여주었습니다. AI는 전문가의 판단을 보완해야 하며, 특히 안전성, 위험, 책임이 관련된 경우에는 인간의 감독이 모든 임계 결정 지점에 내장되어야 합니다.

많은 조직은 AI를 제품 개발에 실험적으로 적용하는 것과 전략적으로 통합하는 것 사이의 간격에 어려움을 겪고 있습니다. 이러한 격차를 메우기 위해 팀에게 어떤 실제 단계를 권장합니까?

많은 조직은 명확한 전략적 목적 없이 AI를 채택하기 때문에 실험 단계에서停滯합니다. 첫 번째 실제 단계는 개발 프로세스에서 AI가 수행할 역할에 대해 명확하게 정의하는 것입니다. 이것은 아이디어 생성, 테스트 가속, 평가, 의사 결정 지원을 포함할 수 있습니다.

팀은 또한 올바른 기반을 마련해야 합니다. 이것은 높은 품질의 데이터에 투자하는 것을 의미하며, 특히 사용자 경험을 반영하는 데이터입니다. 또한 AI의 현재 한계, 특히 창의적이고 인간 중심의 판단에서 전문가의 감독이 필수적인 영역에서 현실적으로 생각하는 것을 의미합니다.

많은 산업은 이미 AI를 실험하고, 파일럿을 실행하고, 더广泛한 채택을 안내하는 정책을 개발하기 시작했습니다. 이러한 정책은 조직이 AI가真正로 가치를 추가할 수 있는 영역을 식별하는 데 도움이 되며, 동시에 인간이 필요한 곳에는 인간이 남아 있음을 보장합니다.

마지막으로, 조직은 구조화된, 저위험의 파일럿을 통해 진행해야 하며, 이는 실제 워크플로에 내장되어 있어야 합니다. 이러한 파일럿은 디자이너, 엔지니어, 데이터 과학자, 분야 전문가를 함께 모아, 학습이 공유되고 전달 가능하도록 해야 합니다. AI는 일상적인 관행에 설계될 때 가치를 제공합니다.

당신은 디자인과 디지털 기술의 교차점에서 윤리적 또는 사회적 위험에 대해 더 많은 주의가 필요하다고 생각하는 것이 무엇입니까?

예를 들어, 데이터의 윤리적 사용, 데이터セット의 명확한 동의, AI 제품 개발에 사용된 데이터셋의 투명성을 보장하는 것이 중요합니다. 예를 들어, 의료 시스템에 내장된 데이터셋은 충분히 전체 인구를 대표하는지, 어떤 그룹이欠代表인지, 그리고 AI 시스템이 목적에 적합하고 포괄적인지 확인하기 위해 주의 깊게 조사되어야 합니다.

더욱이, 인간 데이터를 처리할 때, 개인 정보, 편견, 투명성의 책임을 다루어야 합니다. DIGIT 연구소 워크샵은 “데이터”, “인간”, “거버넌스”를 주요 도전 분야로 강조했으며, 더 나은 데이터 캡처, 인간의 감독, 보안, 신뢰, 지적 재산, 규제에 대한 명확한 정책의 필요성을 강조했습니다.

당신은 데이터와 AI를 사용하여 사용자 경험을 중심으로 제품을 맞춤화하는 방법에 대해 연구했습니다. 제품이 공장에서 나온 후 실시간 데이터에 따라 동적으로 진화하는 미래를 볼 수 있습니까? 그렇다면 디자이너는 그 세계를 준비하기 위해 어떻게 해야 합니까?

데이터 주도 디자인은 제품을 개인화, 맞춤화, 또는 개별 행동에 적응시키는 데 사용될 수 있습니다. 그런 다음 제품은 “스마트” 시스템이 되어 사용 방법에 대한 데이터를 수집하고, 내장된 센서와 IoT 연결성을 통해 통신합니다. 우리의 프레임워크에서는 사용 데이터를 사용하여 제품을 업데이트하고 적응시키는 것을 포함합니다.

이러한 업데이트는 의도된 미적 및 감정적 특성을 유지하는 것을 포함하여 새로운 책임을 생성합니다. 디자이너는 어떤 인간 데이터, 행동, 생리적 피드백, 감정적 피드백이 관련되어 있는지 결정해야 합니다. 또한 업데이트가 제품이나 시스템의 특성을 유지하는지 확인해야 합니다. 마지막으로, 거버넌스는 중요합니다. 우리의 산업 워크샵은 데이터, 신뢰, 개인 정보에 대한 문제가 인간의 감독을 필요로 한다고 강조했습니다.

앞으로, 당신을 동기 부여하는 주요 연구 질문은 무엇이며, AI, 창의성, 디자인 엔지니어링의 교차점에서 몇 년 내에 어떤 돌파구가 발생할 것으로 생각합니까?

위에서 설명한 많은 도전은 아직 해결되지 않았습니다. 제가 현재 진행 중인 작업 중 하나는 일반적인 제너레이티브 AI 툴을 특정 산업에 효과적으로 맞추는 것입니다.

이것은 산업에 따라 다를 수 있습니다. 제조업의 경우, 도메인 특정 지식에 훈련된 지역 모델과 강력한 개인 정보 및 보안 조치를 사용하는 것을 포함할 수 있습니다. 창의적 산업의 경우, 출력을 다양화하고 인간과 AI 사이의 더 의미 있는 협력을 가능하게 하는 데 중점을 둘 수 있습니다.

우리는 또한 평가 작업을 지원하기 위해 대규모 언어 모델을 실험하고 있습니다. 하나의 연구에서는 LLM이 새로운 아이디어와 유용성을 평가하고, 잘 설계된 프롬프트에 따라 인간 전문가와 더 잘 일치한다는 것을 보여주었습니다. 관련된 논문에서는 체인-오브-사고 프롬프팅과 멀티 모델 집계를 사용하여 AI 평가를 더 신뢰할 수 있게 합니다. 우리는 또한 조직의 디지털 변환 요구 사항을 캡처하기 위해 대화형 에이전트를 탐색하고 있으며, 챗봇이 구조화된 인터뷰를 효과적으로 수행할 수 있음을 보여주었습니다.

이러한 이니셔티브는 AI가 전문 지식을 보존하고, 더 나은 결정을 내리고, 사용자를 윤리적으로 참여시키는 데 도움이 되는 미래를 가리킵니다.

사에마 아흐메드-크리스텐센 교수의 작업에 대해 더 알고 싶은 독자들은 DIGIT 연구소에서 진행 중인 연구와 이니셔티브를 탐색할 수 있습니다.