안녕하세요, 오픈패스(OPENPATH)입니다. AI가 UI도, 카피도 알아서 뽑아주는 요즘, "그럼 디자이너는 뭘 하지?" 하는 생각 한 번쯤 해보셨죠.
이번 인터뷰에서 그 답의 실마리를 함께 찾아보려고 해요. 13년 차 프로덕트 디자이너이자 토스 최초의 '툴즈 디자이너'를 거쳐, 앱 '우주고양이 보라'를 매각까지 이끌고, 샌프란시스코에서 AI 네이티브 언어 학습 앱 '엘스(Else)'를 만드셨던 4년 차 창업가 강영화 님을 만났습니다.
Q. 먼저 자기소개 부탁드려요. 지금까지 어떤 일을 해오셨나요?
안녕하세요, 13년 차 프로덕트 디자이너이자 4년 차 창업가 강영화입니다. 그래픽 디자이너로 커리어를 시작해, 스포카에서 '도도포인트'를 만들며 UI/UX 디자이너에서 프로덕트 디자이너로 성장했어요. 이후 토스로 옮겨 만보기·송편지원금 같은 유저 확보 실험을 거쳤고, 토스 최초의 '툴즈 디자이너'로 일하며 6개월 만에 20개가 넘는 내부 제품을 문제 정의부터 출시까지 직접 이끌었습니다. 사내 계정 권한 관리 시스템 하나로 연간 약 2,600시간의 반복 업무를 줄이기도 했고요.
그다음엔 창업가로 방향을 틀었어요. 외부 투자 없이 누적 100만 다운로드를 달성하고 앱스토어 라이프스타일 부문 1위를 기록한 '우주고양이 보라'를 만들었고, 미국 샌프란시스코에서는 팀과 함께 AI 네이티브 언어 학습 앱 '엘스(Else)'를 만들었습니다. 기존의 디자인뿐 아니라 기획, 개발, 마케팅까지 경계 없이 넘나들며 '문제를 해결하는 사람'으로 일했습니다. 최근엔 그 여정을 담아 《프로덕트 디자이너로 살아남기》라는 책도 썼습니다.
Q. AI로 기획·개발·디자인의 경계가 흐려지는 지금, '디자이너만의 고유한 것'은 뭐라고 보세요?
역설적이지만, 경계가 흐려질수록 디자이너의 고유함은 더 선명해진다고 생각해요. AI는 이미 UI를 자동 생성하고, 흐름을 분석하고, 반복 작업을 대체합니다. 하지만 디자인의 본질은 문제를 발견하고, 사람을 이해하며, 해결책을 명확한 형태로 구현하는 것입니다. 이 본질은 한 번도 바뀐 적이 없습니다.
디자이너만의 고유한 것을 꼽자면 두 가지입니다.
첫째, 사용자의 문제를 가장 가까이, 깊이 들여다보는 사람이라는 점이에요.
누구보다 사용자의 입장을 대변하고, "유저가 버튼을 못 찾는다"는 현상 너머의 진짜 문제를 꿰뚫어 보려는 태도가 디자이너가 가져야할 태도입니다. AI가 사용자 경험 개선을 거들 수는 있어도, 그 과정을 지휘하며 사용자에 집중하는 리더십은 결국 디자이너의 몫이니까요.
둘째, 의외성을 설계하는 창의적 직관입니다.
AI는 수많은 패턴의 평균을 내는 데 강하지만, 사용자조차 인식하지 못한 욕구를 찾아내 놀라움과 설득력을 동시에 만드는 일은 잘 못합니다. 감정, 맥락, 문화에 민감하게 반응하는 일은 여전히 인간 디자이너의 영역이에요. 이제 디자이너는 '무엇을 만드는 사람'이 아니라 '무엇을 왜 만들지 가장 깊이 고민하는 사람'입니다. 그게 디자인의 정의를 다시 써야 하는 이유이자, 디자이너가 가진 고유함이라고 봅니다.
Q. 자주 이야기하시는 '문제 해결력' 이 AI 시대에 이 역량은 어떻게 달라졌을까요?
문제 해결력의 본질은 그대로인데, 그 무게중심이 이동했어요. 이제는 "어떻게 문제를 풀까?"를 넘어 "AI와 함께 어떻게 문제를 풀까?"를 고민해야 합니다. 크게 세 가지가 달라졌다고 봅니다.
먼저, 문제 해결의 순서가 달라졌습니다.
기존에는 '사용자 문제 → 핵심 정의 → 해결책 탐색' 순이었다면, AI 네이티브 제품은 '이 기술이 지금 뭘 할 수 있는가'를 먼저 이해하고, 그 능력으로 어떤 문제를 가치 있게 풀 수 있을지 역으로 구상해야 해요. 카네기 멜런 대학교의 연구에서도 'AI가 할 수 있는 것'부터 시작한 디자이너 그룹이 일관되게 더 실현 가능한 아이디어를 냈습니다. 기술 이해가 문제 해결의 출발점이 된 거죠.
둘째, 실행이 아니라 판단이 병목이 됐습니다.
AI가 초안을 만들어주는 시대에 디자이너는 의사결정권자이자 편집자, 지휘자가 됩니다. 수많은 대안 중 무엇이 좋은 디자인인지 판단하고, 정제하고, 책임지는 '의사결정의 퀄리티'가 핵심 역량이 됐어요.
셋째, 구조화 역량이 더 절실해졌습니다.
아직 디자인 워크플로우 전체를 통합하는 AI는 없어요. 그래서 일의 흐름 어디에 AI를 배치할지 결정하고, 거대한 비전을 실행 가능한 단위로 쪼개는 힘, 그러니까 AI까지 팀원으로 삼아 '일이 되게 하는' 구조화가 문제 해결력의 핵심이 됐습니다.
Q. 문제 해결력을 기르는 방법이 있다면 어떤 것들이 있을까요?
거창한 방법보다, 제가 실제로 해왔던 훈련 몇 가지를 소개하고 싶어요.
나만의 프레임워크로 구조화하기.
저는 "문제 정의 → 정보 수집 → 솔루션 도출 → 솔루션 비교 → 실행 → 팔로업"이라는 6단계로 문제를 풉니다. 처음엔 ICE 프레임워크, 실험 설계 명세, MECE 같은 기존 프레임워크를 빌려 쓰다가, 점차 저만의 방식으로 다듬었어요. 핵심은 문제를 뾰족하게 정의하는 것부터 시작해야한다는 겁니다. "문제가 무엇인가? 실재하는가? 왜 발생했는가?"를 집요하게 묻는 것부터 시작합니다.
'양치기', 압도적인 양으로 승부하기.
토스에서 툴즈 디자이너로 일할 때 6개월간 20개 넘는 제품을 만들었어요. 작은 문제를 빠르게 정의하고, MVP로 실험하고, 피드백으로 다음 스텝을 밟는 사이클을 정말 많이, 자주 반복했습니다. 그 경험이 그대로 '직관의 자산'이 됐어요. 문제 해결력은 결국 문제를 정의하고 끝까지 해결해 본 횟수에 비례한다고 믿습니다.
역기획 연습하기
잘 만든 제품을 보면 "이 팀은 어떤 문제에서 출발해 왜 이렇게 만들었을까?"를 거꾸로 추적해 문서로 써봅니다. 레퍼런스를 따라 그리는 게 아니라 남의 고민의 흔적을 읽어내는 훈련이에요.
가설 기반 사고와 팔로업.
"이건 문제다"라고 단정하는 대신 "이게 문제일 가능성이 있다"는 가설을 세우고 검증하는 습관, 그리고 내 솔루션이 어떤 결과를 냈는지 반드시 확인하는 습관이요. 여기에 셀프 피드백이든 타인의 피드백이든 피드백을 곁들이면 성장 속도가 더 가팔라집니다.
정답은 아니지만 이런 방법들을 시도해 보고 본인만의 방식에 맞게 바꿔 나가다보면 문제를 맞닥뜨렸을 때 막막하기보다는 빠르게 행동으로 옮길수 있게 되실 거에요
Q. 앱을 직접 빌드해 매각까지 이르셨어요. 그 경험에서 가장 크게 배운 점은 어떤걸까요?
'우주고양이 보라'를 빌드해서 매각까지 마친 뒤, 공동창업자와 함께 "왜 잘 됐을까"를 정말 많이 회고했어요. 다시 살펴보니 결론은 의외로 단순했습니다. 디자인이 좋아서 잘 됐다는 거예요. 다만 여기서 디자인은 예쁜 화면이 아니라, 사용자를 바라보는 관점이었습니다.
기존 사주 앱들은 "이 사주가 잘 맞아", "이 운세가 너의 미래를 보여줄 거야"라고 말했어요. 저희는 다른 언어를 썼습니다. 사람이 운세를 보는 진짜 이유는 외롭고 불안해서라고 봤거든요. 그래서 정확한 예측이 아니라 '위로'에 초점을 맞췄고, 마음을 어루만지는 편지를 써 주는 방식으로 접근했어요. 디자이너가 가장 잘할 수 있는 그 일, 사용자의 표면적 니즈 너머의 진짜 마음을 읽어내는 것이 제품의 성패를 갈랐다는 게 가장 큰 배움이었습니다.
매각 과정 자체도 거대한 배움이었어요. LOI를 쓰는 일부터 인수 협상까지, 평생 한 번도 해 본 적 없는 일들의 연속이었습니다. 물어볼 사람도 마땅치 않았고, 모든 게 인생 최초의 경험이었죠. "나도 잘 못하는데 해야 하는" 일들이 너무 많았어요. 그런데 그 고난의 연속 속에서도 이 여정이 좋았습니다. 엄청 어려운 동시에 즐거웠고, 내 길을 직접 만들어 간다는 자유감이 컸거든요.
마지막으로, 화면을 디자인하는 것도 중요하지만, 사업이 영속해야 디자인도 있다는 걸 뼈저리게 배웠습니다. 살아남을 방법을 찾는 것이 먼저고, 디자이너의 일은 그 생존의 한가운데에 있다는 것. 매각까지의 모든 과정이 그걸 가르쳐줬어요.
Q. AI를 실무에 어떻게 쓰고 계세요? 실제로 효과를 본 것과 기대에 못 미친 것이 궁금해요.
확실히 효과를 본 건 세 가지예요. 먼저 리서치 초기의 가설 검토입니다. 특정 화면에 대한 사용자 반응을 LLM에 물어보면 꽤 설득력 있는 답이 나와서, 리서치 초입에 방향을 잡고 다듬는 조력자로 유용하거든요. 낯선 산업군의 도메인 지식을 짧은 시간에 파악할 때도 좋고요.
다음은 그래픽 에셋 생성이에요. 예전엔 직접 스케치하거나 외주를 맡겨야 했던 일러스트나 움직이는 에셋을 프롬프트 한 줄로 뽑아내면서, 생산성이 압도적으로 올랐습니다.
마지막은 바이브 코딩으로 직접 프로토타이핑하는 거예요. 코드로 제품을 만들어 빠르게 반응을 확인하며 PMF를 찾는 방식인데, '기획자 → 디자이너 → 개발자'로 이어지던 순서의 경계가 사라지는 경험이었어요.
반대로 기대에 못 미친 건 LLM의 불확실성이었어요. 기존 제품은 A를 넣으면 A가 나오는데, LLM은 A를 넣어도 B, C가 나오거나 아예 안 나올 수도 있거든요. 사용자 기대는 "AI니까 이 정도는 하겠지"로 잔뜩 높아져 있는데, 오히려 AI가 병목이 되기도 하고요. 그래서 AI의 역량과 한계를 정확히 이해하고, 평가와 구현 과정에 디자인이 깊이 개입하는 팀이 결국 잘하는 팀이 된다고 느낍니다.
Q. AI 시대에 디자이너가 길러야 할 역량, 딱 하나만 꼽는다면요?
하나만 꼽으라면 단연 '문제 해결력'입니다. 더 풀어 말하면, 문제를 정의하고 구조화해 끝내 해결해 본 총체적인 경험이요.
도구는 계속 바뀝니다. 포토샵에서 스케치로, 피그마로, 이제 AI 어시스턴트로. 어떤 도구가 표준이 될지, 언제 기준이 다시 바뀔지는 아무도 몰라요. 정규직이라는 타이틀도, 특정 도구의 숙련도도 영원하지 않습니다. 하지만 문제를 정의하고 끝내 해결해 본 경험은 어떤 환경에서도 변하지 않는, 절대 사라지지 않는 자산이 됩니다.
반복 작업은 AI가 대체하는 시대일수록, 복잡한 문제를 구조적으로 정의하고 AI를 동료 삼아 최적의 해법을 만들어내는 능력이 디자이너의 본질적인 경쟁력이자 생존 전략이에요. 문제를 풀 줄 아는 사람에게 세상은 언제나 새로운 무대를 내어주니까요.
Q. 마지막으로, OPEN SQUARE에서 어떤 이야기를 풀어주실 예정인가요?
이번 세션의 제목은 "AI 네이티브 서비스는 어떻게 만들어질까?"입니다. 2025년부터 지금까지 언어 교육 도메인에서 AI 네이티브 서비스를 만들어왔는데요. 그동안 어떻게 AI 네이티브 서비스들을 빌딩했는지, 구체적인 이야기를 들려드리려 합니다.
AI 네이티브 제품은 단순히 'AI 기능이 들어간 앱'이 아니에요. AI가 데이터를 먼저 처리하고, 인터페이스가 그 흐름에 맞춰 유동적으로 구성되는 설계 방식 자체가 뒤집힌 제품입니다. 그래서 만드는 과정도 완전히 다릅니다. '사용자 문제'가 아니라 '이 기술이 지금 뭘 할 수 있는가'에서 출발해야 하고, 결과가 고정되지 않는 LLM의 불확실성과 씨름해야 하고, 참고할 레퍼런스조차 없는 화면을 디자인해야 하죠.
세션에서는 실제 빌딩 과정에서 마주한 이런 순간들 가령, 기술 이해에서 역으로 문제를 구상하던 과정, AI가 병목이 됐던 시행착오, 레퍼런스 없는 제품을 '구조'로 쪼개고 다시 조립하며 디자인하던 방법까지 가감 없이 공유할 예정입니다.
AI 네이티브 제품을 만들고 있거나 만들어보고 싶은 분, 그리고 "AI 시대에 내 일은 어떻게 달라질까" 궁금한 분이라면 바로 적용해 볼 수 있는 힌트를 얻어가실 수 있을 거예요.