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

사에마 아흐메드-크리스텐센 교수는 디자인 엔지니어링 분야의 선도적인 학자로, 엑서터 대학교의 Associate Pro-Vice-Chancellor(연구 및 사회적 영향)를 맡고 있습니다. 또한 DIGIT 연구소의 소장입니다. 이 연구소는 디지털 혁신과 전환에 중점을 둔 주요 학제 간 연구 사업입니다. 교수의 연구는 디자인 창의성과 인지, 데이터 기반 및 디지털 디자인, 복잡한 엔지니어링과 제품 개발에 첨단 기술을 통합하는 분야를 포괄합니다. 산업 협력, 정책 참여, 대규모 연구 프로그램을 통해 학문적 통찰을 실제 성과로 연결하는 데 특히 중점을 둡니다.

교수님의 경력은 케임브리지, DTU, 임페리얼 칼리지 런던, 로열 칼리지 오브 아트를 거쳐 현재 엑서터 대학교까지 이어집니다. 돌아보면 디자인, 창의성, 디지털 기술의 역할에 관한 사고에 가장 큰 영향을 준 경험이나 전환점은 무엇인가요?

저의 디자인 연구는 다양한 문화와 학문 분야에 걸쳐 있습니다. 브루넬에서 당시로서는 드물게 기술, 인간 중심 디자인, 형태에 대한 이해를 결합한 과정을 공부하며 시작했습니다. 이를 통해 창의성과 혁신이 밀접하게 연결되어 있다는 것을 일찍 배웠습니다.

이후 케임브리지에서 공부하며 사고의 폭이 더 넓어졌습니다. 칼리지 환경에서 여러 학문을 접했고, 서로 다른 분야의 지식이 만날 때 혁신이 이루어진다는 것을 알게 됐습니다. 박사 연구에서는 항공우주 분야의 엔지니어링 디자이너들이 정보를 찾고 사용하는 방식을 조사했습니다. 사람들이 지식에 접근하는 방식, 전문성을 지원하거나 재현하는 방법, 인지·컴퓨터과학·엔지니어링 디자인의 접점을 연구했습니다. 이러한 인간 중심 관점은 지금까지 이어지고 있습니다.

디지털 기술이 발전하면서 연구 질문도 확대됐습니다. IoT 데이터, AI, 첨단 연산의 부상은 디자인을 인간 중심에서 사회 중심으로 확장했습니다. 이 변화는 엑서터 대학교에서 DIGIT 연구소를 이끄는 제 연구에도 계속 영향을 줍니다. 창의적 과정에서 대규모 언어 모델(LLM)의 역할, 산업의 도입 장벽, 데이터가 혁신을 이끄는 방식을 살펴보고 있습니다.

임페리얼과 로열 칼리지 오브 아트에서 보낸 시간은 디자인이 제품이나 서비스의 형태를 만드는 것 이상이라는 점을 확신하게 했습니다. 적절한 사람, 과정, 문화가 갖추어지면 디자인은 현재와 미래의 세계적 과제를 해결할 수 있는 새롭고 확장 가능한 기술, 재료, 아이디어의 동력이 됩니다.

DIGIT 연구소는 대규모 기존 조직의 디지털 전환에 주력합니다. AI가 디자인, 혁신, 의사결정을 어떻게 바꿀지에 관해 리더들이 가장 크게 오해하는 점은 무엇이라고 보시나요?

수십 년간 AI 연구가 발전하고 일부 산업이 이를 도입했지만, 역량 격차, 경영진의 이해, 가치와 필요한 인프라에 대한 명확성 부족이 발전을 제한하곤 했습니다. LLM과 DALL·E 같은 생성형 도구가 등장하면서 AI에 접근하기 쉬워졌고, 필요한 전문 지식이나 초기 설정도 크게 줄었습니다. 하지만 개인정보 보호, 데이터 보안, 범용 모델의 특정 분야 적합성이라는 새로운 문제도 생겼습니다.

디자인과 혁신에서는 이런 문제가 특히 뚜렷합니다. 인간과 AI가 만든 12,000개 이상의 아이디어를 조사한 연구에서 AI의 아이디어가 유사한 개념 주변에 모이는 경향을 발견했습니다. 이는 범용 도구에 인간의 전문성을 반영하거나 특정 분야에 맞게 AI를 조정하고, 인간의 창의성 및 의사결정과 AI를 언제 어떻게 함께 사용할지 이해해야 함을 보여줍니다.

교수님의 많은 연구는 디자인의 창의성과 인지를 탐구합니다. 생성형 AI가 아이디어와 개념, 반복안을 대규모로 만들 수 있는 지금, 창의성에서 인간 고유의 영역은 무엇이며 어떤 부분을 책임 있게 AI 기반 과정으로 옮길 수 있을까요?

저에게 창의성은 대안을 만드는 것 이상입니다. 의도, 문화적 의미, 디자인이 만드는 감정적 연결에 관한 것입니다. 최근 DIGIT 연구소 설문은 이를 명확히 보여줬습니다. 응답자의 82%는 인간 주도 또는 하이브리드 작업이 더 의미 있다고 했고, 71%는 AI만으로 만든 디자인에서 감정적 연결이 덜하다고 답했습니다. AI가 만든 작업을 ‘감정이 부족하다’(48%)거나 ‘지나치게 완벽하다’(40%)고 묘사한 사람도 많았으며, 36%는 그 영향이 빠르게 사라진다고 느꼈습니다. 이는 제가 오랫동안 믿어온 바를 강화했습니다. 감정적 참여는 있으면 좋은 부가 요소가 아니라 사람들이 창작물을 경험하고 가치를 부여하는 데 필수적입니다.

인간과 AI의 아이디어를 비교한 연구에서도 인간 디자이너가 다양하고 참신한 아이디어를 만들고, 예술품·제품 디자인·서비스 등의 창의적 결과물에 깊이와 의미를 부여하는 데 더 뛰어났습니다. 창의적 전문가에게는 아직 재현할 수 없는 역량이 있습니다. 디자이너는 아이디어를 만들기 전에 문제를 이해해야 하며, LLM은 문제 사이를 오가는 과정에서 정보를 모으는 데 매우 유용합니다. 인간의 전문성에 관한 모델을 AI 도구에 반영하면 아이디어 평가도 지원할 수 있어 인간의 창의적 능력을 더 잘 활용할 수 있습니다.

우리가 실험하는 사고 사슬(chain-of-thought) 접근법은 LLM이 전문가의 추론을 따르도록 돕습니다. 단순히 점수만 매기게 하는 것이 아닙니다. 어떤 경우든 결과를 해석하고 디자인 선택이 사용자의 실제 경험에 부합하는지 확인하려면 인간의 감독이 필요합니다.

컴퓨터가 해석할 수 있도록 사람들이 제품, 서비스, 상호작용을 경험하는 방식을 포착하는 모델을 만들거나, 맥락을 제공하는 풍부한 정성적 통찰인 두꺼운 데이터(thick data)를 수집된 얇은 데이터 또는 대규모 센서 데이터와 결합해야 합니다. 이런 모델을 개발하기는 쉽지 않으며, 바로 그렇기에 인간의 참여가 여전히 중요합니다.

따라서 결론은 창의성에 AI가 설 자리가 없다는 것이 아닙니다. 인간과 AI가 서로 다른 강점을 기여한다는 것입니다. 사람들이 인간 또는 하이브리드 작업에 더 긍정적으로 반응한다는 사실은 무게중심이 어디에 있는지 보여줍니다. AI는 더 넓은 디자인 공간을 탐색하고 패턴을 분석하며 구조화된 비평을 제공할 수 있습니다. 하지만 평면적인 느낌, 알고리즘적 완벽함, 감정적 거리감은 가능성을 공감을 일으키는 결과로 바꾸는 데 인간의 판단이 여전히 필요함을 보여줍니다.

그래서 창의성의 미래는 본질적으로 협력적이라고 봅니다. AI는 가능성을 넓히고 디자이너는 그 가능성에 의미를 부여하는 공감, 문화적 이해, 의도를 제공합니다. 인간의 판단이 방향을 정하고 AI가 탐색을 풍부하게 할 때 창의적 과정은 더 엄밀하고 상상력 있으며 궁극적으로 더 인간적인 결과를 냅니다.

사용자 경험을 정량화하고 디자인 지식을 구조화하는 접근법을 개척하셨습니다. AI 시스템이 제품과 서비스 생성에서 더 큰 역할을 맡을 때 인간의 경험, 감정, 문화적 신호를 디자인 과정의 중심에 두려면 어떻게 해야 할까요?

인간의 경험을 중심에 두려면 인식과 감정에 관한 지식을 방법론에 반영해야 합니다.

크게 두 가지 접근법이 있습니다. 첫째는 인간의 경험, 인식, 감정을 깊이 이해하게 하는 정성적 데이터의 필요성을 인정하고 이를 효과적인 인간-AI 협업에 활용하는 것입니다. 제가 집중해 온 둘째 접근법은 이 지식을 AI 시스템이 이해하고 사용할 수 있는 모델로 바꾸는 것입니다.

이런 모델은 사용자 경험, 인간의 인식, 설계 대상 제품이나 시스템의 특성을 통합해 인간의 반응과 전반적인 경험을 예측해야 하므로 개발이 복잡합니다.

항공우주, 의료, 제조, 소비재 등 복잡한 산업과 폭넓게 협력하고 계십니다. 이런 고위험 환경에서 AI 지원 디자인의 잠재력과 안전성, 추적 가능성, 신뢰의 필요성 사이에서 어떻게 균형을 잡으시나요?

의료, 항공우주, 제조 같은 고위험 분야에서 문제는 AI를 사용할 수 있느냐가 아니라 어떻게 관리하느냐입니다. 신뢰는 디자인과 의사결정의 모든 단계에서 명확한 책임, 추적 가능성, 설명 가능성에 달려 있습니다. AI는 시뮬레이션, 최적화, 초기 탐색을 강력하게 지원할 수 있지만 최종 권위가 되어서는 안 됩니다.

이 분야들에는 엄격한 규제와 안전 요건이 적용되며, 개인정보와 상업적으로 민감한 정보를 포함한 모든 데이터를 안전하게 처리해야 합니다. 구체성과 관련성을 확보하려면 현지 데이터를 활용해 프롬프트나 질의를 개발해야 하는 경우가 많고, 조직이 자체 AI 도구를 구축하고 유지하는 것도 흔합니다.

우리의 폭넓은 연구는 일관되게 하이브리드 시스템의 필요성을 보여줍니다. AI는 전문가의 판단을 대체하는 대신 강화해야 합니다. 특히 안전, 위험, 법적 책임과 관련된 중요한 의사결정 지점마다 인간의 감독이 필요합니다. 규제기관과 최종 사용자가 AI 시스템을 신뢰하려면 모델 훈련 방식, 사용 데이터, 결과 생성 방식에 관한 투명한 문서도 있어야 합니다. 이런 투명성 없이는 기술이 아무리 발전해도 신뢰를 확장할 수 없습니다.

많은 조직이 ‘AI 실험’과 제품 개발에 대한 실질적 통합 사이에서 어려움을 겪습니다. 실험에서 전략적 실행으로 전환하려는 팀에 어떤 실천 단계를 권하시나요?

많은 조직이 명확한 전략적 목적 없이 AI를 도입해 실험 단계에 머뭅니다. 첫 단계는 개발 과정에서 AI가 맡을 역할을 분명히 하는 것입니다. 아이디어 구상 지원인지, 테스트 가속인지, 평가 개선인지, 의사결정 강화인지 정해야 합니다. 이 구분이 없으면 시범 사업은 실제 사업 및 디자인 성과와 단절됩니다.

적절한 기반도 필요합니다. 기술 성능만이 아니라 실제 사용자 경험을 반영하는 고품질의 잘 관리된 데이터에 투자해야 합니다. 특히 창의적이고 인간 중심적인 판단처럼 전문가의 감독이 필수인 영역에서 AI의 현재 한계를 현실적으로 이해해야 합니다.

많은 분야에서 사업성 검토, 시범 운영, 광범위한 도입까지 AI 실험 과정을 안내하는 정책을 개발하기 시작했습니다. 이런 정책은 AI가 실제로 가치를 더하는 지점을 찾고 필요한 곳에 인간의 참여를 유지하도록 돕습니다.

마지막으로 고립된 실험이 아니라 실제 업무 흐름에 통합된 구조적인 저위험 시범 사업을 진행해야 합니다. 디자이너, 엔지니어, 데이터 과학자, 분야 전문가가 협력해 학습을 공유하고 다른 곳에도 적용할 수 있어야 합니다. AI는 별개의 실험 계층이 아니라 일상 업무에 반영될 때 가치를 제공합니다.

오랫동안 지식을 구조화하고 자동화하는 방법을 개발해 오셨습니다. 단순한 콘텐츠 생성에 그치지 않고 디자인 의도, 사용자 요구, 맥락을 추론해 실질적인 가치를 더하는 AI 시스템에 얼마나 가까이 와 있나요?

일부 영역에서는 사용자 선호 예측이 비교적 간단합니다. 검색 기록이나 시청한 영화·TV 프로그램 기록 같은 데이터를 추천에 사용할 수 있기 때문입니다. 쉽게 이용할 수 있는 데이터의 혜택을 받는 영역입니다.

반면 제품과 서비스 디자인에서는 사람들의 선택, 요구, 실제 경험에 관한 데이터를 쉽게 얻기 어렵다는 문제가 있습니다.

저의 최근 연구에서는 DIGIT 연구소와 함께 사람들이 디자인 특성을 인식하고 반응하는 방식에 관한 모델을 제공했을 때 LLM의 능력을 살펴봤습니다. 하지만 현재 모델은 데이터의 패턴에 기반하며 의미에 맥락을 부여하지 못합니다. 형태와 인식의 관계를 살핀 이전 연구에서는 형태의 작은 변화도 감정적 반응을 바꿀 수 있었습니다. 이런 미묘한 차이는 인간의 안내나 정교한 모델 없이는 AI가 예측하기 어렵습니다. 따라서 의도에 관한 AI의 추론은 개선되고 있지만 여전히 인간 전문성의 보완물입니다.

AI가 아이디어 구상부터 시제품 제작까지 디자인 주기를 가속할 때 디자이너에게 어떤 새 역량이 필요할까요? 대학과 조직은 다음 세대 창의적 인재의 교육을 어떻게 재고해야 할까요?

디자이너는 인간의 인식과 AI 도구 모두에 능숙해야 합니다. 형태, 재료, 비례가 감정적 반응을 어떻게 형성하는지 이해하는 것은 계속 좋은 디자인의 기초가 될 것입니다. 아이디어 생성과 평가를 지원하는 AI 시스템도 자신 있게 다룰 수 있어야 합니다. 단순히 사용하는 것을 넘어 무엇을 최적화하고 어떤 한계가 있는지 알아야 합니다. AI가 디자인 업무에 깊이 통합될수록 결과를 비판적으로 해석해 인간의 판단과 결합하는 능력은 가장 귀중한 창의적 역량 중 하나가 될 것입니다.

AI가 구상부터 시제품까지의 주기를 단축하면서 전통적인 제작 기술을 넘어선 새로운 능력과 사고방식의 조합이 필요합니다. 디지털 기술의 작동 원리, 데이터 종류별로 알 수 있는 것과 없는 것, 디자인 전문성과 AI 이해력을 결합하는 방법을 알아야 합니다. 기술 성능 지표에만 의존하지 않고 실제 사용자 경험을 반영하는 고품질의 잘 관리된 데이터를 다룰 줄 알아야 합니다. AI가 도움이 되는 지점과 인간의 창의성 및 비판적 사고가 중심에 남아야 하는 지점을 구분하는 판단력도 필요합니다.

대학과 조직은 다음 세대 인재의 교육을 재고해야 합니다. 일부 대학이 디자인 과정에 데이터 과학을 통합하고 있지만, 중요한 시작일 뿐 충분하지는 않습니다. 필요한 것은 디지털 시대에 맞는 디자인 사고 방법입니다. AI와 협력하고 학문 간 경계를 넘으며, 윤리적이고 인간 중심적인 감독을 유지하면서 빠르게 실험하도록 돕는 방법이어야 합니다.

이 격차를 메우는 일은 중요합니다. 동료인 Ji Han 박사와 제가 케임브리지 대학교 출판부에서 출간할 디지털 시대의 디자인 사고라는 책을 쓰는 이유입니다. 이 책은 AI와 함께 효과적으로 디자인하는 데 필요한 틀, 역량, 사고방식을 모읍니다.

DIGIT 연구소는 책임 있는 전환을 강조합니다. AI가 여러 산업의 디자인 업무에 통합될수록 더 주목해야 할 윤리적·사회적 위험은 무엇인가요?

한 가지 예는 데이터의 윤리적 사용입니다. 충분한 설명에 근거한 동의를 얻고 AI 제품 개발에 사용된 데이터셋 및 그 안의 잠재적 편향에 관한 투명성을 유지해야 합니다. 예를 들어 의료 시스템의 데이터셋은 전체 인구를 충분히 대표하는지, 대표성이 부족한 집단은 없는지, AI 시스템이 목적에 적합하고 포용적인지 면밀히 검토해야 합니다. 사회적으로 AI가 일자리를 대체할 것이라는 우려가 많지만, 인간의 전문성이 필수인 지점과 인간의 능력을 대체하지 않고 강화하는 AI의 활용 방식을 이해해야 합니다.

더 깊은 윤리 문제도 있습니다. 디자이너가 인간 데이터에 의존할 때는 개인정보 보호, 편향, 투명성에 책임 있게 대응해야 합니다. DIGIT 연구소 워크숍은 제조업의 주요 과제 범주로 ‘데이터’, ‘인간’, ‘거버넌스’를 확인했습니다. 더 나은 데이터 수집, 인간이 참여하는 감독, 보안·신뢰·지식재산·규제에 관한 명확한 정책이 필요합니다. 이를 위해 다양한 데이터로 AI 시스템을 구축하고 중요한 지점에 인간의 판단을 반영하며 개인정보, 동의, 문화적 맥락을 존중하는 포용적 디자인 표준을 개발해야 합니다.

데이터와 AI로 사용자 경험에 맞춰 제품을 조정하는 연구를 하셨습니다. 제품이 공장을 떠난 뒤에도 실시간 데이터에 따라 역동적으로 진화하는 미래를 예상하시나요? 그렇다면 디자이너는 어떻게 준비해야 할까요? 

데이터 기반 디자인을 활용하면 제품을 개인화하거나 맞춤 제작하고 개인의 행동에 적응시킬 수 있습니다. 제품은 사용 방식에 관한 데이터를 모으고 내장 센서와 IoT 연결을 통해 통신하는 ‘스마트’ 시스템이 됩니다. 우리의 프레임워크에서 맞춤화 활동은 이 데이터를 이용해 출고 후 제품을 업데이트하고 조정하는 것을 뜻합니다. 예로는 몸짓 인식 모델을 인간-로봇 협업용 디지털 트윈에 연결하거나, 머신러닝 지원 스캐닝으로 맞춤 부품을 만드는 것이 있습니다.

이 변화는 새로운 책임을 만듭니다. 디자이너는 어떤 인간 데이터가 관련 있는지, 즉 행동, 생리, 피드백, 감정 중 무엇이 필요한지 정해야 합니다. 업데이트가 형태와 인식에 연결된 본래의 미적·감정적 특성을 유지하도록 해야 합니다. 거버넌스도 중요합니다. 산업 워크숍에서는 데이터, 신뢰, 개인정보 문제에 명확한 정책과 인간의 감독이 필요함을 강조했습니다. 잘 이루어진다면 진화하는 제품은 의미나 윤리를 희생하지 않고 지속적인 가치와 대응 능력을 제공할 수 있습니다.

앞으로의 연구를 이끄는 큰 질문은 무엇인가요? AI, 창의성, 디자인 엔지니어링의 접점에서 향후 몇 년간 어떤 돌파구를 예상하시나요?

앞서 설명한 많은 과제는 해결되지 않았으며, 저도 그중 여러 가지를 연구하고 있습니다. 범용 생성형 AI 도구를 도입하려는 특정 분야에 효과적으로 맞추는 작업도 포함됩니다.

분야별 모습은 상당히 다를 수 있습니다. 제조업에서는 특정 분야의 지식으로 훈련한 현지화 모델과 강력한 개인정보 및 보안 조치가 필요할 수 있습니다. 창의 산업에서는 결과의 다양성을 높이고 인간과 AI의 협력을 더 의미 있게 만드는 데 초점을 둘 수 있습니다.

기술적으로는 LLM을 평가 작업에 활용하는 실험을 하고 있습니다. 한 연구는 잘 설계된 프롬프트를 제공하면 LLM이 참신성과 유용성을 평가하며 인간 전문가의 판단에 더 가까워질 수 있음을 보여줍니다. 관련 논문은 사고 사슬 프롬프팅과 다중 모델 집계로 AI 평가의 신뢰성을 높입니다. 조직의 디지털 전환 요구를 수집하기 위한 대화형 에이전트도 탐구하며, 챗봇이 구조화된 인터뷰를 효과적으로 수행할 수 있음을 보여줍니다. 인간 데이터를 디자인에 활용하는 연구와 함께, 이런 시도는 AI가 전문성을 보존하고 더 나은 결정을 내리며 사용자를 윤리적으로 참여시키는 미래를 가리킵니다.

사려 깊고 통찰력 있는 인터뷰에 감사드립니다. 아흐메드-크리스텐센 교수의 AI 기반 디자인, 창의성, 책임 있는 디지털 전환 연구를 더 알고 싶은 독자들은 DIGIT 연구소에서 진행 중인 연구와 사업을 살펴볼 수 있습니다.