블로그

최신순
인기순
좋아요순

가장 먼저 떠오르는 것이 판단을 만든다

뉴스에서 항공 사고 장면을 연달아 본 날이면, 평소엔 아무렇지 않던 비행기 탑승이 갑자기 두려워지곤 한다. 통계로는 자동차가 더 위험하다는 말을 들어도 마음이 쉽게 바뀌지 않는다. 머릿속에서 선명하게 재생되는 장면이 판단의 첫 재료가 되기 때문이다. 이처럼 ‘쉽게 떠오르는 것’이 곧 ‘자주 일어나는 것’처럼 느껴지는 현상을 ‘가용성 휴리스틱’이라 한다. 일상은 ‘한 사례’로 쉽게 과장된다가용성 휴리스틱은 복잡한 확률을 계산하기 어려울 때 사람이 쓰는 지름길 사고다. 떠올리기 쉬운 사례일수록 더 그럴듯하고 더 흔하다고 판단한다. 그리고 그 판단이 굳어져 실제 확률을 체계적으로 과대평가하는 단계에 이르면 가용성 편향이 된다. 뉴스에서 사고를 자주 봐서 ‘사고 장면이 쉽게 떠오르는 것’은 휴리스틱의 작동이고, 그래서 ‘비행기는 실제보다 훨씬 위험하다’고 믿게 되는 것은 편향의 결과다. 이 과정은 감정과 결합될수록 강해진다. 충격적이고 시각적인 정보는 더 생생하게 남아 쉽게 가용해지고, 떠올린 이미지에 붙은 불안이나 분노가 위험 판단을 더 크게 부풀린다. 전체 발생률보다 한두 개의 사례를 더 믿는 ‘기저율 무시’도 곁에 붙는다. 결국 우리는 확률을 읽는 대신 기억을 읽는다.이 현상은 일상에서도 자주 드러난다. 강력 범죄 보도를 며칠 연속으로 본 뒤 “요즘은 밖이 너무 위험하다”는 말이 자연스럽게 나오고, 외출 자체를 피하게 된다. 친구 한 명이 중고거래 사기를 당했다는 이야기를 들으면 전체 거래가 ‘거의 다 사기’처럼 느껴져 정상적인 거래까지 의심하게 된다. 확률이 아주 낮은 사고를 한 번 상상한 뒤 “절대 하면 안 된다”로 결론 내리는 것도 비슷한 흐름이다. 떠오름이 강해질수록, 실제 빈도보다 ‘최악의 시나리오’가 판단을 밀어붙인다. 디지털 서비스에서는 이 심리가 어떻게 적용될까?디지털 서비스는 이 심리를 ‘이용’하기도 하고 ‘교정’하기도 한다. 예를 들어 지도 앱의 혼잡도 그래프는 사용자가 “지금 가면 붐빌까”를 판단할 때 떠올리는 근거를 바꾼다. 기능이 없으면 지난번 토요일 저녁의 혼잡한 기억 한 장면이 모든 판단을 지배한다. 그러나 그래프가 눈앞에 있으면, 사용자는 자신의 기억보다 화면에 보이는 수치를 더 먼저 떠올린다. 즉, 서비스가 사용자의 가용한 단서를 ‘기억’에서 ‘데이터 표시’로 재배치하는 셈이다. 이는 선택 피로를 줄이는 장점이 있지만, 동시에 그래프가 정답처럼 보일 때 과신을 낳을 위험도 있다. 주변 행사 같은 특수 상황, 표본이 적은 지역의 오차, 갑작스러운 유입 같은 변수를 사용자가 떠올릴 기회가 줄어들기 때문이다.그래서 좋은 설계는 정보의 가용성을 높이되, 불확실성도 함께 가용하게 만든다. 혼잡도 옆에 신뢰도 배지를 두거나, “오늘은 주변 행사로 변동이 클 수 있다” 같은 한 줄을 고정해 두면 사용자는 ‘가능한 오차’를 판단 재료로 다시 끌어올릴 수 있다. 수치 하나로 단정하기보다 범위를 보여주는 방식도 같은 목적을 가진다. 더 나아가 혼잡이 높거나 신뢰가 낮을 때 덜 붐비는 시간대나 비슷한 대안 장소를 바로 제시하면, 사용자의 머릿속에 떠오르는 선택지가 넓어진다. 여기서 핵심은 사용자가 떠올릴 수 있는 ‘대안’을 화면이 먼저 만들어 주는 데 있다. 그래프가 만든 단서의 힘을, 다시 다양한 선택으로 분산시키는 방식이다.보안 경고는 가용성 편향이 가장 강하게 작동하는 무대다. 해킹은 자주 겪지 않으니 대부분의 사용자는 “난 아직 문제 없었다”는 부재의 경험으로 위험을 낮게 평가한다. 반대로 “비밀번호가 노출되었다” 같은 경고는 피해 이미지를 즉시 소환해 위험을 크게 느끼게 한다. 이때 경고가 공포를 자극하는 방향으로만 설계되면 과잉 반응과 경고 피로를 동시에 부른다. 자주 뜨는 강한 경고는 결국 ‘또 뜬다’는 무감각을 더 가용하게 만들고, 공격자가 비슷한 패턴을 모방하기도 쉬워진다. 따라서 경고의 목표는 겁을 주는 것이 아니라, 사용자가 실행할 절차를 가장 선명한 단서로 만드는 데 있어야 한다. 위협 메시지 대신 “지금 가장 효과적인 조치 2가지만 하면 된다”는 식의 단계형 체크리스트가 앞에 오고, 나중에 하기 같은 선택권도 숨기지 않아야 한다. 사용자의 자율성이 보장될 때 경고는 압박이 아니라 도움으로 읽힌다.콘텐츠 추천에서도 가용성은 조용히 방향을 만든다. 넷플릭스의 Top 10 같은 행은 홈에서 반복 노출되며 특정 작품을 ‘가장 먼저 떠오르는 후보군’으로 만든다. 선택의 순간 사람은 수백 개 목록을 평가하지 않고, 떠오르는 몇 개 중에서 고른다. 여기에 “남들이 많이 본다”는 사회적 증거가 붙으면, 인기 자체가 품질 신호처럼 작동한다. 문제는 이 신호가 너무 강해질 때 탐색이 죽고 다양성이 줄어든다는 점이다. 또한 계산 방식이 불명확하면 “조작된 것 아닐까”라는 불신이 생긴다. 그래서 Top 10을 노출하더라도, 바로 옆에 ‘숨은 보석’이나 ‘취향과 비슷하지만 Top10 밖’ 같은 대항 레일을 페어로 붙여야 한다. 인기 외의 판단 단서인 장르, 길이, 톤, 완결 여부를 전면에 두면 사용자는 ‘인기’ 하나만 떠올리지 않게 된다. “최근 7일, 지역 기준”처럼 최소한의 범위를 명시하는 투명성도 불신을 줄이는 안전장치가 된다.노출을 늘려 익숙함을 쌓고 싶다면 더더욱 타이밍이 중요하다. 결정 직전에 “이게 정답”을 반복하면 정보가 아니라 압박이 된다. 대신 행동 이전에는 존재를 알리고, 행동 순간에는 화면을 단순하게 두며, 언제든 다른 선택으로 쉽게 이동할 수 있게 해야 한다. 무엇이 먼저 떠오르게 할 것인가결국 가용성 휴리스틱은 인간의 결함이라기보다, 제한된 자원으로 살아가는 방식이다. 문제는 그 지름길이 언제든 왜곡으로 넘어갈 수 있다는 데 있다. 디자이너가 만드는 UI는 사용자의 머릿속에 무엇을 쉽게 떠올리게 할지 결정한다. 한 줄의 문구, 색 하나, 배지 하나, 반복 노출되는 레일 하나가 판단의 출발점을 바꾼다. 그러므로 설계의 질문은 “무엇을 보여줄까”를 넘어 “무엇이 가장 먼저 떠오르게 될까”로 바뀌어야 한다. 편의를 주되 과신을 막고, 위험을 알리되 공포를 팔지 않고, 인기를 보여주되 대안을 숨기지 않는 방식으로 가용성을 다루는 것이 장기 신뢰를 지키는 길이다. 결국 그 균형이 사용자 경험을 만든다. 디논과 함께하는 독서모임의 일환으로 작성되었습니다.⬇ 독서모임 링크 ⬇https://inf.run/owwZX

UX/UI･UXUI･심리학･UX디자인･인프런챌린지･독서모임･디논

2차 효과는 피할 수 없다: 디자이너가 설계할 것은 ‘회복력’

통제 불가능한 세상에서 ‘손 놓지 않는’ 방법서비스를 설계할 때 우리는 늘 “이 버튼을 누르면 전환이 오를 거야”, “리뷰 리워드를 주면 후기 수가 늘 거야” 같은 1차 효과를 기대한다. 그런데 현실은 대부분 2차 효과로 돌아온다. 사람들이 우리의 의도를 그대로 따르지 않고, 보상과 규칙이 만드는 가장 쉬운 길을 찾아 움직이기 때문이다.문제는 간단하다. 2차 효과를 완벽하게 예측하고 제어할 수 있을까? 솔직히 불가능에 가깝다. 하지만 불가능하다고 해서 손을 놓을 수는 없다. 디자이너가 할 일은 “완벽 통제”가 아니라, 부작용이 생겨도 시스템이 무너지지 않게 만드는 것이다.이 글은 그걸 위해 꼭 알아야 할 5가지 렌즈(Perverse incentive, Cobra effect, Goodhart, Campbell, Reward A hoping for B)를 배달앱 리뷰 사례로 설명하고, 마지막에 “디자이너가 실제로 할 수 있는 일”을 정리한다. 배달 리뷰 리워드가 ‘역효과’로 변하는 이유0. 먼저 A와 B를 나누자B(진짜 목표): 주문 전에 도움이 되는 리뷰가 늘어나서, 사용자의 실패 주문이 줄어드는 것A(우리가 실제로 보상하는 것): “리뷰를 작성했다”는 사실(개수), 혹은 별점 평균 같은 쉬운 지표여기서부터 대부분의 문제가 시작된다. 1. Reward A, hoping for B: A를 칭찬해놓고 B를 기대하는 실수배달앱에서 흔한 문구: “리뷰 쓰면 서비스 드려요.”이건 사실 “리뷰 작성(A)”을 보상하면서, “유용한 리뷰(B)”가 늘어나길 기대하는 설계다.하지만 사용자는 이렇게 최적화한다:혜택을 받는 가장 쉬운 방법 = 짧게라도 리뷰를 남기는 것 그 결과 “맛있어요/굿/재주문각” 같은 리뷰가 쌓이고, 리뷰 수는 늘어도 정보 가치는 올라가지 않는다. 2. Goodhart’s Law: 숫자가 목표가 되면 숫자만 올리는 요령이 생긴다리뷰 ‘수’가 목표가 되는 순간, 리뷰는 정보가 아니라 점수판이 된다.최소 노력으로 점수를 올리는 방법: 복붙, 한 줄, 의미 없는 사진KPI는 상승하지만, 구매 결정에 도움은 줄어든다.즉, “리뷰가 늘었다”는 숫자보다 중요한 질문은 이것이다:“리뷰가 늘어서, 사용자가 더 잘 선택하게 되었나?” 3. Campbell’s Law: 걸린 게 크면(돈/노출/평가) 왜곡·조작이 늘어난다별점/리뷰가 노출·매출·패널티와 직결되는 순간, 평점은 정보가 아니라 ‘이해관계가 걸린 전장’이 된다.“별점 올려주면 서비스 더 드릴게요” 같은 거래 유인이 생기고경쟁/불만이 쌓이면 별점 테러, 분쟁, 의심 사례가 늘어난다.리뷰 요청 카드/메시지가 ‘별점 5점이면 서비스’처럼 사실상 거래가 되는 순간, 평점은 쉽게 왜곡된다.핵심은 “사람이 나빠서”가 아니라, 시스템이 그렇게 행동하도록 만든다는 것. 4. Cobra effect: 문제를 줄이려다 문제를 키우는 루프가 생긴다코브라 효과는 “문제를 없애려고 보상을 걸었더니, 누군가 그 문제를 ‘생산’해서 보상을 타먹는” 패턴이다.배달 리뷰에서 이게 강하게 나타나는 순간은 보통 이럴 때다:리뷰 보상이 확정적이고(100%)검증/상한이 약하고어뷰징 ROI가 높을 때(다계정/반복 주문/형식 리뷰 등)배달 리뷰는 대체로 Goodhart/역인센티브에 가깝지만, 다계정·반복 주문·리뷰 공장처럼 ‘리뷰를 생산’하는 구조가 붙는 순간 코브라 효과에 가까워진다. 5. Perverse incentive(역인센티브): 숫자는 좋아졌는데 가치가 나빠지는 결과정리하면, 배달 리뷰 리워드는 이런 결과를 만들 수 있다.리뷰 수는 늘었는데리뷰 신뢰가 떨어져사용자는 더 자주 실패 주문을 하고CS/환불/불만이 늘어난다.이게 역인센티브(Perverse incentive)다. “좋아지려고 한 설계”가 “나빠지는 결과”를 만드는 것. 결론: 디자이너는 ‘통제’가 아니라 ‘회복력’을 설계한다2차 효과를 0으로 만드는 건 불가능하다. 그렇다면 디자이너의 역할은 무엇일까?디자이너는 결과를 완벽히 통제하는 사람이 아니라,부작용이 생겨도 시스템이 무너지지 않게 만드는 사람이다.그걸 위해, 제품 안에 3가지를 심어야 한다.가드레일(Guardrails): KPI와 함께 품질/신뢰/안전 지표를 같이 둔다.예: 리뷰 수↑와 함께 (저품질/복붙 비율, 신고율, 리뷰 열람 후 주문 전환, CS 분쟁)을 동시에 본다.속도 조절 장치(Controls): 상한/쿨다운/검증/정렬 보정한다.“예: 단순 리뷰 작성이 아닌, "맛/양/포장/배달 체크+한 줄 코멘트" 같은 정보성 리뷰를 입력할 수 있도록 유도한다.롤백과 학습 루프(Recovery loop): 이상하면 멈추고, 규칙을 업데이트한다.예: 중복률/신고율이 임계치를 넘으면 즉시 ‘보상 조건 강화’ 또는 ‘상단 노출 로직 변경’을 적용한다. 2차 효과는 피할 수 없다. 하지만 우리가 설계할 수 있는 건 있다. 안전하게 실험하고 빠르게 회복하는 시스템. 그게 디자이너가 할 수 있는 가장 현실적인 ‘통제’일 것이다. 디논과 함께하는 독서모임의 일환으로 작성되었습니다.⬇ 독서모임 링크 ⬇https://inf.run/owwZX

UX/UI･UIUX･심리학･UX디자인･인프런챌린지･독서모임･디논

AI와 대화는 늘어나는데, 왜 더 외로워지나

AI와 대화하는 일이 일상이 됐다. 질문을 던지면 즉시 답이 오고, 감정을 털어놔도 비난받지 않는다. 그런데 이상하다. 더 많이 연결된 것 같은데, “관계가 얕아지고 외로움이 커진다”는 말이 자꾸 들린다. 이 역설은 왜 생기는가. 답은 단순하다. 대화가 늘어난 것과 관계가 쌓이는 것은 다른 일이기 때문이다. 사람은 ‘사람’을 너무 쉽게 만들어낸다가로등 두 개가 멀리서 보이면 순간 얼굴처럼 느껴질 때가 있다. 점 두 개만 있어도 뇌가 “눈”을 먼저 찾아내는 성질이 있기 때문이다. 이런 현상을 파레이돌리아라고 부른다.여기에 말투나 반응이 조금만 더해지면, 우리는 기계를 기능이 아니라 “누군가의 태도”처럼 받아들인다.“제가 도와드릴게요” 같은 1인칭 말투타이핑 중… 같은 신호기다림과 반응의 리듬이런 단서가 붙는 순간, 화면 속에 ‘거기 있는 느낌’이 생긴다. 이게 사회적 현존감이다. 문제는 여기서부터다. 그 ‘거기 있는 느낌’이 너무 편하면, 실제 사람에게 연락할 에너지가 줄어든다. “충분히 이야기한 것 같은 기분”은 생기는데, 정작 관계는 쌓이지 않는 상태가 된다. 편리함은 관계의 ‘불편’을 지워버린다사람 관계에는 불편이 있다. 타이밍을 맞춰야 하고, 거절당할 수도 있고, 말이 어긋날 수도 있다. 반면 AI는 기다릴 필요가 없고 상처받을 위험도 적다. 사람은 자연스럽게 위험이 적은 쪽으로 이동한다.이 선택이 반복되면, 사람 관계를 유지하는 작은 근육이 약해진다.먼저 연락하기어색함을 견디기갈등을 조정하기그러다 보면 사람 관계가 더 어렵게 느껴지고, 다시 AI로 돌아가게 된다. “더 편한 쪽”이 “더 익숙한 쪽”이 되기 때문이다. ‘진짜 소외된 사람들’에게는 도움이 된 사례도 있다“AI는 다 나쁘다”가 아니다. 진짜로 고립된 사람들, 특히 노인 외로움에서는 기술이 ‘작은 행복’을 만든 사례가 있다.말이 많지 않아도, ‘반응하는 존재’가 위로가 되는 경우뉴욕주 노인복지국(NYSOFA)은 사회적으로 고립된 노인에게 움직이고 소리를 내는 로봇 반려동물을 제공해왔다. 만지면 반응하는 작은 존재가 “누군가가 곁에 있는 느낌”을 만들고, 정서적 안정에 도움을 주는 방식이다. 이 사례가 시사하는 점은 간단하다. 외로움이 심한 순간에 꼭 “깊은 대화”가 필요한 게 아니다. 따뜻한 반응 하나가 하루를 버티게 하기도 한다.요양시설에서 동반 로봇이 외로움을 낮춘 연구도 있다. 물범 모양 동반 로봇 PARO는 요양시설 환경에서 진행된 무작위 대조 시험에서, 로봇과 상호작용한 집단의 외로움이 감소했다는 결과가 보고됐다. 핵심은 “사람을 대체하는 친구”가 아니라, 정서적 완충을 만드는 장치였다는 점이다.AI가 먼저 말을 걸고 루틴을 제안하는 ‘ElliQ’ 같은 시도NYSOFA는 노인 대상 AI 동반 로봇 ElliQ 프로그램을 운영하며 외로움 감소를 보고한 바 있다. 여기서 중요한 포인트는 “그냥 대화 상대”가 아니라, 먼저 제안하고, 작은 행동을 꺼내주는 설계에 있다. 행복을 주되, 의존은 키우지 않으려면 ‘다리’가 필요하다이쯤에서 결론은 단순해진다. AI/로봇이 행복을 줄 수 있느냐는 “기술의 선악”이 아니라 어떤 방향으로 설계했느냐에 달려 있다. 여기서 기준이 두가지 있다.대체(Substitute): AI 안에 오래 머물게 만들어 사람 관계를 약화시키는가다리(Bridge): 잠깐 안정시킨 뒤 사람/현실로 이어주는가 대화의 끝은 ‘더 대화’가 아니라 ‘현실 행동’이어야 한다.“한 줄 안부 보내기”, “내일 산책 약속 잡기” 같이 부담 없는 행동으로 닫아야 한다.친밀함은 기본값을 낮게, 필요할 때만 올려야 한다.너무 사람 같은 말투/애칭은 쉽게 의존을 만든다. “따뜻함 다이얼”처럼 조절 가능해야 한다.과사용 신호에는 ‘부드러운 쉬어가기’를 줘야 한다.심야·장시간·반복 사용일수록 “잠깐 쉬기/타이머로 마무리” 같은 선택지가 필요하다. AI를 더 사람처럼 만들기보다, 사람에게 더 닿게 만들어야 한다AI는 점점 더 사람처럼 느껴지게 된다. 그건 사실이다. 그리고 그 덕분에, 특히 고립된 노인처럼 “진짜 소외된 사람들”에게는 작은 안도감과 일상의 버팀목이 될 수도 있다. 다만 방향을 잘못 잡으면, 따뜻함이 관계를 대신해버릴 수 있다. 그래서 AI는 친구가 아니라, 연결의 다리로 설계되어야 한다. 그때 비로소 기술은 외로움을 덮는 것이 아니라, 행복을 조금씩 회복시키는 쪽으로 작동할 것이다. 디논과 함께하는 독서모임의 일환으로 작성되었습니다.⬇ 독서모임 링크 ⬇https://inf.run/owwZX

UX/UI･UXUI･심리학･UX디자인･인프런챌린지･독서모임･디논