SuperSkillsStack: Agency, Domain Knowledge, Imagination, and Taste in Human-AI Design Education

이 연구는 80 개 학생 디자인 팀의 반성적 글을 분석하여 생성형 AI 가 브레인스토밍과 정보 통합 등 초기 단계에서 인지적 가속기 역할을 하지만, 맥락 해석과 솔루션 정제에는 '에이전시, 도메인 지식, 상상력, 취향'이라는 4 가지 인간 역량이 필수적임을 보여줍니다.

핵심

🎩 핵심 비유: AI 는 '재능 있는 조수'일 뿐, '마법사'는 인간이다

연구자들은 학생 80 팀이 AI 를 사용하며 디자인 과제를 수행하는 과정을 분석했습니다. 그 결과, 성공적인 디자인은 **네 가지 '초능력 (SuperSkills)'**을 가진 인간이 AI 라는 도구를 잘 다룰 때 나왔습니다.

1. 주체성 (Agency) = "조수에게 지시를 내리는 마법사"

• 비유: AI 는 아주 똑똑하지만, 때로는 멍청하기도 한 조수입니다. 마법사 (학생) 가 "이제 이걸 해줘"라고 지시하지 않으면 조수는 아무것도 못 합니다.
• 실제 발견: 학생들은 AI 를 무조건 믿지 않았습니다. "현장 조사나 사용자 인터뷰 때는 AI 를 쓰지 않아. AI 는 사람의 표정이나 분위기를 못 읽으니까."라고 말하며 언제 AI 를 쓰고 언제 쓰지 않을지 스스로 결정했습니다.
• 교훈: AI 를 부리는 것은 인간이어야 합니다. AI 가 시키는 대로 하지 말고, 인간이 주도권을 잡아야 합니다.

2. 전문 지식 (Domain Knowledge) = "현장을 아는 요리사의 맛"

• 비유: AI 는 인터넷에 있는 모든 레시피를 외우고 있지만, 실제 재료가 싱싱한지, 손님이 어떤 맛을 원하는지는 모릅니다.
• 실제 발견: AI 가 만든 지도나 설명이 실제 현장과 맞지 않는 경우가 많았습니다. 예를 들어, AI 가 "이곳은 조용할 거예요"라고 했지만, 학생들은 직접 가보니 시끄러웠습니다. 학생들은 직접 현장을 보고 (Fieldwork) AI 가 만든 엉뚱한 정보를 고쳐 썼습니다.
• 교훈: AI 는 책상 위 이론은 잘하지만, 실제 현장의 냄새와 소리는 모릅니다. 그걸 구분해 주는 건 오직 인간의 경험과 지식뿐입니다.

3. 상상력 (Imagination) = "재료를 빠르게 섞어주는 믹서기"

• 비유: AI 는 1 초 만에 100 가지의 새로운 요리 아이디어를 뿜어낼 수 있는 초고속 믹서기입니다.
• 실제 발견: 아이디어가 생각나지 않을 때 (창작의 막힘), AI 가 "이런 건 어때?"라고 100 가지 제안을 해주면, 학생들은 그중에서 영감을 얻어 더 좋은 아이디어를 발전시켰습니다.
• 교훈: AI 는 아이디어를 '만드는' 게 아니라, 인간이 아이디어를 '펼쳐보게' 도와주는 시작점을 제공합니다.

4. 취향 (Taste) = "최종 맛을 보는 셰프의 입"

• 비유: 믹서기가 100 가지 요리를 만들어냈다고 해서 다 맛있는 건 아닙니다. **어떤 요리를 손님에게 낼지, 어떤 건 버릴지 결정하는 것은 셰프의 '입맛 (취향)'**입니다.
• 실제 발견: AI 가 만든 아이디어는 그럴듯해 보이지만, 실제 상황에 맞지 않는 경우가 많았습니다. 학생들은 "이건 우리 프로젝트랑 안 어울려"라고 걸러내고, 인간적인 감성과 미적 감각으로 다듬었습니다.
• 교훈: AI 는 양을 늘려주지만, 질을 판단하고 선택하는 것은 인간의 능력입니다.

---

🚀 결론: AI 는 '스피드 부스터'일 뿐, '엔진'은 인간이다

이 연구의 결론은 매우 명확합니다.

• AI 의 역할: 아이디어를 빨리 내고, 정보를 정리하는 '속도 부스터' 역할을 합니다. (초반 단계에서 매우 유용함)
• 인간의 역할: 상황을 이해하고, 옳고 그름을 판단하며, 감성을 담아 완성하는 '지휘자' 역할을 합니다. (전 과정에 걸쳐 필수적임)

한 줄 요약:

"AI 는 훌륭한 조수지만, 마법사는 인간입니다. AI 가 만들어준 재료를 가지고 인간이 직접 맛보고, 고치고, 완성해야 진정한 디자인이 나옵니다."

이 논문은 디자인 교육이 "AI 사용법"을 가르치는 것을 넘어, **인간만이 가진 판단력 (취향), 현장 경험 (전문 지식), 그리고 주도권 (주체성)**을 어떻게 키울지 고민해야 한다고 말합니다. AI 가 발전할수록, 오히려 인간이 인간다워야 할 부분이 더 중요해진다는 뜻입니다.

기술 요약

논문 개요

이 연구는 생성형 인공지능 (AI) 이 디자인 교육 및 실무에 통합되는 과정에서 인간이 어떻게 AI 와 협력하는지를 분석합니다. 저자들은 인간과 AI 의 효과적인 협업을 위해 필요한 4 가지 핵심 인간 역량인 SuperSkillsStack(주체성, 도메인 지식, 상상력, 취향) 프레임워크를 도입하여, 디자인 프로젝트에 AI 를 활용한 80 개 학생 팀의 성찰 기록을 정성적으로 분석했습니다.

1. 연구 배경 및 문제 제기 (Problem)

• 배경: 생성형 AI 는 아이디어 생성, 연구 요약, 시각적 산출물 제작 등 디자인 실무의 효율성을 혁신적으로 높이고 있습니다.
• 문제: AI 도구의 접근성이 높아지면서, 디자인 교육이 기술적 숙련도 위주로 흐르거나 인간의 고유한 역량 (관찰, 공감, 비판적 판단 등) 이 약화될 수 있다는 우려가 제기되고 있습니다.
• 연구 질문: 디자인 교육은 AI 도구를 통합하면서도 인간 중심의 역량을 어떻게 육성할 수 있는가? 학생들은 AI 와 협업할 때 **주체성 (Agency), 도메인 지식 (Domain Knowledge), 상상력 (Imagination), 취향 (Taste)**을 어떻게 발휘하는가?

2. 연구 방법론 (Methodology)

• 연구 설계: 정성적 주제 분석 (Qualitative Thematic Analysis).
• 데이터 수집:
  • 대상: 인간 중심 디자인 (Human-Centered Design) 과정을 수강한 80 개 학생 팀.
  • 자료: 프로젝트 종료 후 작성된 성찰 보고서 (Reflective Writings).
  • 맥락: 학생들은 실제 환경 (공공 교통, 시장, 의료 시설 등) 에서 사용자 연구 및 문제 해결을 수행했으며, ChatGPT, Gemini, Perplexity 등 다양한 생성형 AI 도구를 자유롭게 활용하거나 배제할 수 있었습니다.
• 분석 프레임워크: SuperSkillsStack 모델의 4 가지 차원을 코딩 범주로 사용:
  1. Agency (주체성): AI 도구 사용 시기와 방법을 결정하는 주도권.
  2. Domain Knowledge (도메인 지식): 현장 관찰과 맥락적 이해를 통해 AI 출력물을 검증하는 능력.
  3. Imagination (상상력): 아이디어 생성 및 발산적 사고를 확장하는 능력.
  4. Taste (취향): 아이디어의 미적, 개념적, 실용적 품질을 평가하고 선별하는 능력.
• 분석 절차:
  1. 1 단계 (범주화): 성찰 텍스트를 4 가지 역량에 따라 코딩.
  2. 2 단계 (주제 분석): 디자인 프로세스 단계 (관찰, 아이디어 도출, 분석, 평가, 정제) 와의 연관성을 파악하여 인간-AI 협업 워크플로우 모델 도출.

3. 주요 결과 (Results)

분석 결과, 학생들은 AI 를 디자인 프로세스의 초기 단계에서는 적극 활용했으나, 후반부 해석 및 평가 단계에서는 인간의 판단을 절대적으로 의존했습니다.

• 1. 주체성 (Agency): AI 의 전략적 통제

  • 학생들은 AI 를 수동적으로 수용하기보다, 프로세스의 어느 단계에 도입할지, 어떤 도구를 사용할지 능동적으로 결정했습니다.
  • 특히 현장 관찰 (Site Analysis) 이나 사용자 인터뷰 (User Interview) 와 같이 인간적 공감과 맥락 이해가 필요한 단계에서는 AI 사용을 의도적으로 배제하거나 제한했습니다.
  • 여러 AI 도구를 비교 실험 (Perplexity vs. Gemini 등) 하여 특정 작업에 가장 적합한 도구를 선택하는 모습을 보였습니다.

• 2. 도메인 지식 (Domain Knowledge): AI 출력물의 검증 필터

  • AI 는 통계적 패턴에 기반하여 그럴듯하지만 실제 현장과 맞지 않는 정보 (잘못된 다이어그램, 일반화된 통찰) 를 생성하는 경우가 많았습니다.
  • 학생들은 현장 방문, 사용자 인터뷰, 직접적인 관찰을 통해 수집한 구체적인 데이터를 바탕으로 AI 의 오류를 식별하고 수정했습니다.
  • 핵심 발견: 도메인 지식은 AI 가 생성한 내용을 실제 세계의 맥락에 부합하도록 검증하는 '필터' 역할을 수행했습니다.

• 3. 상상력 (Imagination): 아이디어 생성의 촉매제

  • AI 는 아이디어 발산 (Divergent Thinking) 단계에서 강력한 역할을 했습니다. 창의적 막힘 (Creative Block) 을 해소하고 다양한 관점을 빠르게 제시하여 아이디어 풀을 확장했습니다.
  • 그러나 AI 가 생성한 아이디어는 '시작점 (Starting Point)'에 불과했으며, 이를 구체적인 디자인 개념으로 발전시키는 과정은 인간이 주도했습니다.

• 4. 취향 (Taste): 최종 평가 및 선별

  • 모든 팀의 성찰에서 가장 두드러지게 나타난 역량이었습니다.
  • 학생들은 AI 가 생성한 아이디어가 맥락에 부합하지 않거나, 너무 추상적일 때 이를 비판적으로 평가하고 폐기하거나 수정했습니다.
  • 텍스트 재작성, 다이어그램 수작업 수정 등을 통해 AI 산출물을 인간적인 목소리와 맥락에 맞게 정제했습니다.

• 종합 워크플로우:

  1. AI 가 초기 아이디어 및 요약 생성 $\rightarrow$ 2. 학생이 도메인 지식으로 검증 $\rightarrow$ 3. 팀 내 비판적 논의 및 필터링 $\rightarrow$ 4. 인간적 판단을 통한 최종 설계 정제.

4. 주요 기여 (Key Contributions)

1. SuperSkillsStack 프레임워크의 실증적 검증: 이론적으로 제안되었던 4 가지 인간 역량이 실제 디자인 교육 현장에서 어떻게 작동하는지를 구체적인 사례를 통해 입증했습니다.
2. AI 의 역할 재정의: 생성형 AI 를 '창의성 대체자'가 아닌 **'인지 가속기 (Cognitive Accelerator)'**로 규정했습니다. AI 는 탐색과 아이디어 생성 속도를 높이지만, 맥락 해석과 가치 판단은 인간이 담당해야 함을 보여줍니다.
3. 디자인 교육의 방향성 제시: AI 도구 사용법 (기술적 리터러시) 교육보다는, AI 와 협업하기 위한 **고차원적 인지 능력 (비판적 판단, 맥락 이해, 미적 평가)**을 기르는 교육이 필요함을 강조했습니다.

5. 의의 및 시사점 (Significance)

• 교육적 함의: 디자인 교육은 AI 를 '대체 도구'가 아닌 '협력 파트너'로 도입해야 합니다. 이를 위해 현장 연구 (Fieldwork), 사용자 관찰, 비판적 평가 (Taste) 와 같은 인간 고유의 역량을 강화하는 커리큘럼이 필수적입니다.
• 실무적 함의: 디자이너는 AI 가 생성한 대량 산출물 중에서 맥락에 적합한 가치를 가진 아이디어를 선별하고 정제하는 '큐레이터' 및 '오케스트레이터' 역할을 수행해야 합니다.
• 미래 전망: AI 기술이 발전함에 따라 인간의 창의성은 사라지는 것이 아니라, AI 를 효과적으로 조율하고 평가하는 새로운 형태의 '인간 중심 역량'으로 진화해야 함을 시사합니다.

결론적으로, 이 연구는 생성형 AI 시대의 디자인 교육이 기술 습득에 그치지 않고, 주체성, 도메인 지식, 상상력, 취향이라는 4 가지 핵심 역량을 통해 인간과 AI 가 상호 보완적으로 협력할 수 있는 능력을 배양하는 데 초점을 맞춰야 함을 강조합니다.