AI시대에 인터페이스는 어떻게 변화할까?
GPT, Gemini 같은 멀티모달 서비스가 등장한 이후, 우리는 AI가 일상 깊숙히 들어오는 변화를 경험했다.
글을쓰고, 이미지를 만들며 다양한 곳에서 사용하지만, 그 영향력에 비해서 우리가 서비스를 사용하는 방식, 즉 인터페이스는 크게 달라지지 않은 것 같다.
이제 서비스의 형태가 변화할 시점에 점점 들어가고 있다고 생각한다.
어떤 기술이 서비스의 형태를 바꾸려면 보급, 기술의 성숙, 플랫폼 통합이 함께 이뤄져야 하는데, 지금 생성형 AI는 이제 이 국면에 접어들었다고 생각한다.
다만 변화가 된다고 우리의 행위가 변화하기 보단, 스마트폰을 중심으로 더 많은 개인 맥락을 연결하고 해석하는 방식으로 발전할 것이라고 본다.
다음 논문은 생성형 AI의 등장 이후로, 모바일 커뮤티케이션이 재구성되는 국면에 들어섰다고 주장하지만, 스마트폰의 종말이 아닌, 앱, 인증, 커뮤니케이션 등 다양한 사회적 결합의 기반이 되어 개인화된 AI 생태계 중심으로 작동할 것이라고 이야기한다.
이에 완전히 동의하고, 현재 시장도 AI 디바이스, 웨어러블, AIoT의 움직임을 보이고 있다고 생각한다.
AI를 기반으로, 기존에 활용도가 낮았던 정성적 데이터에서의 데이터 마이닝을 가능케 할 것이라고 본다. 이를 기반으로 완전히 개인화된 데이터를 활용하는 것이 내가 생각하는 미래의 모습이다.
이에 따라서 스마트폰 중심으로 주변 기기들을 바탕으로 개인의 맥락을 최대한 많이 수집할 수 있는 방식으로 발전할 것으로 본다.
예를들어 애플의 비전 Pro같은 것 보단, 삼성에서 new intelligent eyewear라고 부르는 웨어러블 기기가 현실적으로 느껴지고, Limitless의 AI 뱃지 웨어러블 같은것들이 스마트폰과 연동되는 형식이 자연스럽게 느껴진다.
개인화 AI와 Reflect 서비스
우선, AI의 뱡향은 개인화이다. 그 이유는 명확하다고 생각한다.
주요 AI제품들, Chat GPT 부터 Gemini까지, 이미 메모리/개인 컨텍스트 기능을 핵심 기능으로 밀고있다.
그리고 명확하게 개인화가 UX로 이어진다는 점. 소비자는 더 맞춤화된 경험을 기대하고, 기업은 프론티어급 모델을 활용한 거대한 개인화 AI를 제공할 수 있게 되었다는점.
전망이라기 보단 이미 시장 가치가 증명되었다는 점이다.
이렇게 개인의 맥락을 쌓기 위한 웨어러블/AIoT 기기가 계속해서 발전될 것이라 생각되는 가운데, 이 데이터를 서비스 형식으로 어떻게 나타날 것이냐는 물음이 내가 이번 프로젝트를 진행하는 근본적 물음으로 생각한다.
“내가 어떤 서비스를 만들어볼 수 있을까?” 라는 생각을 많이 했다.
웨어러블 기기를 내가 개발할 수 있는 노릇은 아닐터. 하지만 개인의 맥락을 해석하고 다시 사용자에게 의미 있는 형태로 돌려주는 서비스는 만들 수 있다고 생각했다.
AI가 개인의 기록, 하루의 맥락을 해석해서 자기 자신을 좀 더 잘 이해할 수 있게 도와주는 인터페이스를 만들 수 있겠다는 생각이었다.
퍼스널 인포매틱스, 기록과 자기이해.
기본적으로 퍼스널 인포매틱스의 5단계 모델은 준비→수집→통합→성찰→행동의 다섯 단계로 설명한다.
사용자가 먼저 무엇을 기록할지 수집하고, 데이터를 성찰 가능한 형태로 통합하고, 해석한 후 스스로 행동 변화로 이어져 가야 한다.
여기에는 큰 문제가 있다. 사용자에게 큰 부담이라는 문제, 부담이 커서 기록 유지에 어려움이 있다는 문제다.
A Lived Informatics Model of Personal Informatics 연구에 따르면, 자기추적이 처음 의도한 대로 깔끔하게 유지되는 것이 아니라 생활 변화, 도구 피로, 목표 변화, 데이터의 의미 상실 등으로 중단·재개·변형된다고 설명한다.
그리고, 참가자들은 개인 데이터를 수집하는 행위 자체를 부담스럽고, 보상은 부족한 일로 느꼈다는점도 지적한다.
지금까지 서비스는 퍼스널 인포매틱스 행위 자체를 대신 해주기 보단, UX를 통해서 사용자 행동을 이끌어 내는 방식에 가까웠다고 생각한다. 데이터를 얻기 위해선 결국에 사용자가 직접 입력하는 방식 밖에 없었기 때문이다.
AI를 이용하여 이 흐름을 바꿀 수 있다고 생각했다.
Cognitive Personal Informatics-2026 연구에 따르면, 생성형 AI가 인지·스트레스·집중 같은 복잡한 데이터를 분석, 시각화, 해석하는 새 가능성을 열었지만, 이런 데이터는 맥락 의존적이고 이해하기 어렵다고 지적한다.
요는 이제 흩어진 정성적 데이터를 해석 가능한 언어로 바꾸는 것은 AI가 많은 도움이 될 것이란 판단이다. 해당 데이터를 맥락에 맞게 해주는 서비스의 시대가 조금씩 열릴 것이라는 생각이다.
앞으로 내가 하고자 하는 것
이런 고민에서 ‘닐라’라는 서비스를 만들고 있다.
내가 직접 웨어러블 기기를 개발해서 검증까지 할 수 있는 노릇은 아닐터, 개인화된 데이터를 모우는 AI가 탑재된 웨어러블 기기같은 것들이 대중화가 되지 않은 시점에서, 구닥다리 Input으로 데이터를 받아오는게 최선이라 생각하여 메모앱을 만들고 있었다.
그렇게 개발하다가 IOS에서 제공하는 API하나를 알게 되었다. Journaling Suggestions API바로 그것인데, 기본적으로 on-device intelligence로 구동된다.
즉 아이폰에서 AI를 활용한 개인화된 데이터를 받아올 수 있는 API라는 점이다.
지금 시점에서 웨어러블/IoT 기기와 같은 맥락을 완전히 가져올 수 있는 것들이 대중화가 되지 않은 시점에서, 이런 API를 이용해보는 것은 좋은 경험이라고 생각했다.
AI가 개인의 생활 속에서 발생하는 정성적 맥락 데이터를 해석 가능한 언어로 바꿀 수 있다면, 그것을 사용자가 자기 자신을 이해하는 경험으로 되돌려줄 수 있을까? 닐라는 이 질문을 서비스로 검증해보려고 한다.
닐라는 사용자가 선택한 하루 맥락을 바탕으로, AI가 질문을 생성하는 방식으로 기록 흐름을 구성하려고 한다. 사용자에게 어떤 감정, 의미로 남았는지를 끌어내는 방향으로 AI를 활용하려고 한다.
AI가 질문에 대해 태그를 선택하게 하거나, 직접 문장을 입력하게 하여 주관적 맥락을 채우게 된다. Journaling Suggestions API가 제공하는 객관적 맥락과 더불어 자기의 언어로 해석한 맥락 까지 함께 받게된다.
닐라가 검증하고 싶은건 AI를 이용해서 단순히 글을 채워주는 것이 아니라, AI를 활용해 생활 속 데이터를 적절한 질문으로 만들었을 때 사용자가 더 쉽게 작성할 수 있는지, 이를 본인의 언어로 해석할 수 있는 과정으로 UX를 만들어낼 수 있는지를 검증하고자 한다.