|
[AI Eyes]는 UX를 만드는 시각으로 AI와 함께하는 세계를 비춥니다. |
의료 체계의 빈틈을 메우는 인간과 AI의 협업
출처: 생성형 AI 제미나이(Gemini)와 만듦
뛰어난 성능으로 다양한 업무 현장에서 사람을 돕는 AI에게도 도움이 필요한 순간이 있어요. 바로 데이터 신뢰성, 사회적 가치와 같은 요소를 함께 고려해 결정을 내려야 할 때죠. AI는 학습한 데이터에 의존하기 때문에, 그 결과에 대해 근거 데이터가 충분히 신뢰할 만한지, 결과가 사회적으로 고유하는 가치와 맞아떨어지는지 등을 판가름할 때는 ‘사람의 손길’이 필요해요. AI를 중심으로 자동화한 시스템을 전제로 하되 결정적인 순간 사람이 개입하는 방식으로, ‘휴먼 인 더 루프(Human- in-the-loop, HITL)’라고도 부르죠.
민감한 개인 정보를 다루고 전문성과 신뢰성이 중요하게 작용하는 의료 업계에서도 AI 도입과 함께 휴먼인더루프를 선택하는 추세예요. 의료 보험사 블루크로스 블루실드(Blue Cross Blue Shield, 이하 블루크로스)도 그중 하나인데요. 연간 3,600만 건 이상의 보험 청구를 다루는 블루크로스는 병목 현상을 해소하기 위해 AI 자동화 시스템을 구축했다고 해요. 단순하거나 반복적인 업무는 AI에 맡겨 빠르게 처리하고, 전문가의 판단이 필요한 사안은 의료인에게 맡겨 오류를 최소화하죠.
블루크로스 노스캐롤라이나 지사에서 문서 자동화를 맡은 게리 그레나(Gary Grena)는 “가입자의 보험료 부담을 낮추기 위해 자동화를 활용”했다며 “비용 절감과 함께 어려운 의료 상황에 처한 고객들의 행정적 부담을 덜어줄 것”이라고 강조했어요. 미국 의료 체계의 특성상 사보험은 미국인의 건강과 복지에 큰 영향을 미치는데요. 의료를 비롯한 여러 분야에서 AI와 사람이 함께 ‘삶의 질’을 높여나가는 미래를 기대해 봄직하네요.
- 임현경(UX 라이터)
번역가를 위협하는 AI? 번역가와 함께 성장하는 AI!
출처: 생성형 AI 제미나이(Gemini)와 만듦
영화 ‘데드풀’, ‘나이브스 아웃’ 등의 번역을 맡아 호평받은 황석희 번역가를 아시나요? 황석희 번역가는 AI를 똑똑한 조수로서 활용한다고 해요. 고민이 필요한 문맥을 챗GPT나 클로드(Claude)에게 질문하고 답변을 참고해 최적의 표현을 선택하는 ‘AI 인 더 루프(AI-in-the-Loop)’ 방식인데요. 사람이 메인, AI가 보조도구라고 볼 수 있어요. 하지만 기업 단위의 번역 업무라면 이야기가 달라져요. 처리해야 할 데이터는 방대한데, 모든 문장을 사람이 일일이 검수하며 AI를 보조로만 쓰기에는 비용 대비 효율이 떨어지거든요. 기계 번역 후 사람이 최종적으로 검수하는 기존 방식의 경우, 번역 퀄리티가 낮으면 결국 검수하는 사람이 처음부터 번역하는 게 나았을 정도의 결과가 나오기도 한다는 단점이 있고요.
번역 설루션 모던MT(ModernMT)는 이에 대한 명쾌한 접근법으로 피드백 루프를 제시했어요. 기계가 우선 번역하고 사람이 개입해 품질을 높이는(”Machine-First, Human-Optimized”) 한편, 사람이 수정한 내용을 AI에 학습시켜 ‘쓰면 쓸수록 성장하는 AI 모델’을 설계한 것이죠. 사용자는 예산이나 중요도에 따라 사람이 개입할 ‘휴먼 리뷰(Human Review)’ 비율을 설정할 수 있어요. AI는 그에 따라 먼저 번역한 다음 검수가 필요한 영역을 파악하고 커뮤니티 내 전문 번역가, 즉 사람에게 작업을 요청하죠. 번역가가 검수를 마친 작업물은 다시 AI 학습에 활용돼요.
모던MT의 번역 모델을 도입한 에어비앤비는 앱 내에서 ‘번역하기’ 버튼을 없애고 숙소 정보, 리뷰 등 모든 데이터가 사용자가 설정한 언어로 자동 번역되는 UX를 제공해요. 휴먼 인 더 루프를 통한 지속적 개선으로 번역 품질을 확보한 덕분에 사용자는 언어 제약 없이 쉽고 편하게 플랫폼을 탐색할 수 있게 됐죠. AI 시대의 번역은 AI와 사람이 서로 도우며 지속적으로 학습하고 성장하는 시스템을 만드는 것이 핵심이에요. 더 많은, 다양한 프로덕트가 손쉽게 언어 장벽을 허물고 매끄러운 현지화(Localization)를 이뤄내는 날이 머지않은 것 같아요.
- 장예원(프로덕트 디자이너)
잘 물어보는 AI가 개발도 잘한다
출처: 생성형 AI 제미나이(Gemini)와 만듦
요즘 개발자들 사이에서 AI를 쓰지 않는 일은 드문데요. AI는 모든 코드를 알아서 짜주는 자동 로봇보다는 사람의 의견에 따라 움직이는 개발 파트너에 가까워요. 커서(Cursor)와 같은 AI 코딩 에이전트는 꼭 사용자에게 이런 질문을 던지곤 하죠. "이 컴포넌트를 서버 컴포넌트(Server Component)로 만들까요?” 사용자의 답변에 따라 완전히 다른 코드가 생성돼요. AI가 개발을 잘하려면 개발을 잘하는 사람의 개입이 꼭 필요하죠.
랭그래프(LangGraph)는 사람과 AI의 협업 과정을 적절히 조율할 수 있는 프레임워크예요. 개발자는 어느 단계에서 사람의 승인이 필요한지, AI가 자율적으로 진행해도 되는 작업은 무엇인지 세밀하게 조절할 수 있어요. AI는 자동으로 일하다가 특정 단계에 도달하면 실행을 멈추고, 사람이 확인하거나 수정한 뒤 다음 작업을 진행하죠. 완전 자동화가 아닌 '적절한 협업'이 핵심이에요.
AI가 혼자 스스로 일하기엔 여전히 한계가 있어요. 없는 정보를 그럴듯하게 지어내는 '환각' 현상, 학습하지 못한 상황에서의 엉뚱한 판단, 조금만 복잡해도 놓쳐버리는 맥락 등이 대표적이죠. 그래서 AI 코딩 에이전트의 UX에서는 ‘사람이 개입해야 할 지점을 명확히 설계했는지’가 중요해요. 프론트엔드에서는 어느 타이밍에 승인 버튼을 보여줄지, 피드백 입력창을 어떻게 배치할지 등을 고민해 볼 수 있겠죠. 똑똑한 AI는 혼자 다 하는 AI가 아니라, 사람에게 물어봐야 할 때를 아는 AI라는 사실을 잊지 말아야 해요.
- 박바름, 이혜준(프론트엔드 개발자)