세계 최고 HCI 학술대회 ACM CHI 2026, 삼성SDS R&D센터가 바르셀로나에 서다

B2B 현장에서 고객을 직접 만나기 어렵다는 이야기는 이미 많은 분들이 공감하는 현실입니다. 승인 절차, 보안 이슈, 인터뷰 대상 자체의 부족까지 — 프로젝트 초기에 사용자 리서치를 충분히 수행하는 일은 늘 만만치 않습니다. R&D센터 CX팀은 이 오래된 문제에 LLM 기반 합성 Persona라는 방식으로 답을 찾고, HCI 분야 세계 최고 권위의 학술대회인 ACM CHI 2026 포스터 세션에 그 연구를 출품했습니다. 바르셀로나 현장을 직접 다녀온 팀의 이야기를 담았습니다.

현장에서 돌아온 이야기는 단순한 참가 후기 이상이었습니다. 구글은 합성 Persona를 어떻게 쓰고 있는지 직접 말해 주었고, 전 세계 연구자들이 Gen AI의 협업 확장 문제를 같은 방식으로 고민하고 있다는 것도 확인했습니다. 더불어, 이미 진행 중인 연구의 방향이 글로벌 기준에서도 유효하다는 점을 확인하고, 다음 과제가 한층 구체화되는 계기가 되었습니다.

합성 Persona란 무엇인가? — B2B 리서치의 새로운 접근

ACM CHI 2026 — HCI 분야의 대표 무대

[사진 - CHI 2026 in Barcelona] > 바로가기

CHI 2026 in Barcelona 홍보 이미지

ACM CHI(Conference on Human Factors in Computing Systems)는 1982년부터 매년 개최되어 온 HCI 분야의 대표 국제 학술대회입니다. ACM(Association for Computing Machinery) SIGCHI 분과가 주관하며, 구글·애플·오토데스크 등 글로벌 빅테크가 스폰서로 참여합니다. 학계의 최신 연구와 산업계의 실무 고민이 한 자리에 모이는 이 학회는 HCI 연구자라면 한 번쯤 논문을 내고 싶은 무대로 꼽히며, 올해 바르셀로나 대회에는 전 세계에서 5,254명이 현장에 참석했습니다.

CHI를 처음 경험하는 사람에게 가장 먼저 눈에 들어오는 것은 참가자들의 적극성입니다. 발표장마다 좌석이 부족해 밖에서 줄이 생기고, 패널 토론 후에는 발언을 위해 마이크 앞에 줄을 서는 장면이 흔합니다. 포스터·데모 구역에서는 관심을 보이는 참가자에게 먼저 다가가 설명을 건네고, 같은 분야 연구자끼리 링크드인을 교환하는 모습도 자연스러웠습니다. 발표장 안팎을 가리지 않고 연구 이야기가 이어지는 것, 그것이 CHI의 분위기입니다.

더불어, 학회 운영 자체에 담긴 포용적 설계도 인상적이었습니다. 인간과 컴퓨터의 상호작용을 연구하는 학회답게, 어떤 어려움이 있더라도 참여에 불편함이 없도록 세심한 장치가 곳곳에 마련되어 있었습니다. 수십 개 발표장의 발화 내용이 실시간 스크립트로 제공되었고, 각 발표장에는 수화 통역사가 배치되었으며 해당 통역사가 잘 보이는 자리는 수화 사용자를 위해 별도 예약되어 있었습니다. 연구 성과를 논하는 자리이면서, 그 성과가 실제로 모든 사람에게 닿을 수 있는 환경을 만드는 데도 상당한 자원을 쏟는 학회였습니다.

CX팀의 연구, CHI 포스터로 채택되다

[사진 - 포스터 세션 전경]

R&D센터 CX팀은 이번 CHI 2026에 「AI-Driven Co-Construction of Synthetic Personas for Early-Stage B2B User Research」를 출품해 포스터 세션 채택에 성공했습니다. 이번 대회 포스터 부문에서 2,068편 중 792편이 채택(채택률 38.3%)되었으며, 김인엽, 이은솔, 윤지은, 서미영 연구원과 최영현 그룹장, 사공경 상무가 공동 저자로 참여했습니다.

이 연구의 출발점은 단순한 질문입니다. B2B 프로젝트에서 실제 고객을 만나기가 왜 이렇게 어려울까. 승인 절차와 보안 이슈, 인터뷰에 적합한 대상의 절대적 부족까지 — 문이 여러 겹 잠겨 있는 셈입니다. 그렇다고 아무 정보 없이 프로젝트 초기 방향을 잡는 것은 더 위험합니다. LLM은 이 구간을 메울 수 있는 도구입니다. 제한된 정보만으로도 그럴듯한 사용자 관점을 빠르게 구성해낼 수 있기 때문입니다. 다만 기존 연구는 합성 Persona 결과물의 품질 평가에 집중해 왔고, 실무자가 Persona를 정의·정제·활용하는 과정 전체를 다룬 연구는 많지 않았습니다. CX팀은 바로 그 공백을 채웠습니다.

어떻게 만들었나 — 3가지 설계 원칙과 7단계 워크플로우

연구에 활용된 에이전트는 다음과 같은 세 가지 원칙 하에 설계되었습니다.

첫 번째는 워크플로우 통합입니다. Persona 정의부터 대화까지의 전 과정을 하나의 연속된 흐름으로 설계했습니다. 두 번째는 사용자 통제권 확보입니다. Persona 속성을 직접 선택하고 계속 수정할 수 있도록 하되, 산업군·역할 같은 핵심 전제는 사용자가 명시적으로 확인하도록 해 AI 효율성과 인간 판단이 균형을 이루는 구조를 갖췄습니다. 세 번째는 신뢰 형성입니다. 에이전트가 개입 가능한 지점과 선택지를 명시적으로 보여주고, Persona 생성·정제 단계에서 웹 리서치를 통해 공개 정보를 활용함으로써 "어디서 온 결과인지 모르겠다"는 불안감을 줄였습니다.

이 세 원칙을 구현한 에이전트는 7단계 인터랙션 흐름으로 작동합니다. ① 프로젝트 맥락 설정, ② 도메인·역할 확인, ③ Persona 초안 후보 생성, ④ Persona 정제, ⑤ Persona·질문 방식 선택, ⑥ 질문 추천, ⑦ Persona와의 대화로 이어지는 이 흐름에서 사용자가 확인한 뒤에야 다음 단계로 넘어가고, 현재 위치와 남은 단계가 화면에 명시됩니다. 또한 에이전트 구동에는 사내 LLM 플랫폼인 Fabrix를 활용했습니다. 사내 환경에서의 선적용을 통해 실무 맥락에서의 유효성을 먼저 검증하기 위함입니다.

[사진 - 7단계의 인터랙션 기반 Agent Design]

1. Project Context Setup 2. Domain & Role Confirm 3. Persona Draft Generation 4. Persona Refinement 5. Question Method Selection 6. Question Recommendation 7. Persona Interview

실제 업무에서 써보니 — 사용자 스터디 결과

에이전트를 내부에 배포한 뒤, CX 컨설팅·상품 기획·사업 기획·AI 서비스 시나리오 기획 등 다양한 실무 역할을 맡고 있는 내부 직원 5명을 대상으로 사용자 스터디를 진행했습니다. 참가자들은 자신의 실제 업무 맥락에서 에이전트를 직접 활용한 경험을 바탕으로 약 40분간 심층 인터뷰에 응했으며, 화면 공유를 통해 단계별 의사결정 과정을 설명했습니다.

Persona를 정의하는 과정에서 흥미로운 패턴이 관찰되었습니다. 처음에는 한 문장 정도의 가벼운 입력으로 시작하다가, 에이전트의 흐름을 파악하면서 점점 더 구체적인 도메인 정보를 추가해 나가는 방식이었습니다. 처음부터 완벽한 Persona를 만들려는 것이 아니라, 대화하면서 함께 다듬어 간다는 감각이 에이전트 활용의 핵심이었습니다. 한 참가자는 자신이 담당하는 제조업 고객사의 실제 페인포인트를 입력해 Persona를 구성했고, 그 결과물을 함께 검토한 팀원들로부터 "실제 고객이 하는 말과 비슷하다"는 반응을 얻었다고 전했습니다.

다만 신뢰도에 대해서는 맥락에 따라 반응이 갈렸습니다. 내부 탐색과 아이디어 발산 용도로는 유용하다는 평가가 많았지만, "실제 고객에게 직접 물어본 거야?"라는 외부 공유 상황에서의 질문에는 선뜻 답하기 어렵다는 것이 공통된 한계로 지적되었습니다. 또한 가장 빈번하게 언급된 기술적 한계는 LLM의 일반 지식에만 의존할 때 나오는 범용적 응답이었습니다. RAG(검색 증강 생성)* 연동을 통해 도메인 맥락을 보강하는 것이 이 한계를 해소하기 위한 다음 목표로 자연스럽게 도출되었습니다. *RAG(Retrieval-Augmented Generation): 외부 데이터를 검색해 LLM 응답의 정확도와 도메인 적합도를 높이는 방식입니다.

현장에서 확인한 가능성 — 포스터 세션의 반응

5일간의 일정 중 4일차 오후 세션에 게시된 포스터에는 학계 연구자, 컨설팅 업계 출신, B2B 산업 관계자 등 다양한 배경을 가진 20~30여 명이 직접 찾아와 설명을 요청하거나 추가 질문을 건넸습니다.

학계에서 합성 Persona를 연구하는 방문자들은 실제 B2B 업무 맥락에 이 방법론이 적용된 사례에 높은 관심을 보였습니다. 학술적 논의로만 다루어지던 주제가 실무 현장에 접목된 구체적인 방식 — LLM 선택 기준, Persona 생성 시 참고 데이터, 프롬프트 설계 — 에 대한 질문이 이어졌습니다. 또한 컨설팅 업계 출신 참가자들은 프로젝트 초기 단계에서 사용자 리서치를 확보하기 어렵다는 현실에 B2B 컨설팅을 오랫동안 해온 입장에서 즉각적으로 공감을 표했습니다.

[사진 - 포스터에 방문한 많은 참관객]

포스터를 통해 나눈 대화는 또 하나의 관점을 더해 주었습니다. 과거 리서치에 인터뷰이로 참여한 경험이 있는 공공기관 실무자와 이야기를 나눌 기회가 있었는데, 인터뷰에는 기꺼이 응했지만 그 내용이 프로젝트에 어떻게 반영되었는지 현장에서 체감하기 어려웠다는 솔직한 이야기였습니다. 고객에게 접근하기 어렵다는 고충은 연구·컨설팅 측만의 것이 아니었습니다. 인터뷰에 응한 고객 측 역시 연결이 끊겼다는 답답함을 느끼고 있었습니다. 양쪽이 서로를 향해 있지만 중간 어딘가에서 접점이 끊기는 구조 — 합성 Persona가 좁히려는 간극이 바로 그 지점입니다.

아울러 RAG 연동을 통한 도메인 특화 강화, B2B2C 관점의 확장 가능성, Persona라는 명칭 대신 역할 수행을 보다 직관적으로 드러내는 표현 사용 등 후속 연구 방향에 대한 다양한 피드백도 이 자리에서 오갔습니다.

CHI 2026이 던진 질문 — 세 개의 장면

[사진 - CHI 2026 패널 세션]

CHI 2026 전반에 걸쳐 관통하는 하나의 질문이 있었습니다. "AI가 HCI 연구와 실무를 어떻게 재편하고 있는가" 그 흐름을 각기 다른 각도에서 보여준 세 장면이 있었습니다.

장면 1. AI 시대 UX 실무의 재편 — 구글 Sponsor Talk

구글은 이번 CHI의 핵심 스폰서 중 하나였습니다. Material Design의 UX 리서치 디렉터 Frank Bentley는 약 2년 전부터 Gemini 모델과 디자인 시스템을 결합해 Figma 내에서 디자인을 자동 생성하는 실험을 진행해 왔으며, 그 시도가 현재의 Figma Make*(AI 프롬프트를 입력하면 Figma 내에서 UI 디자인과 프로토타입을 자동 생성하는 기능)로 이어졌다고 소개했습니다. 유튜브의 엔지니어링 디렉터 Dessie Sadrzadeh는 AI 보조 코딩 덕분에 빠르게 인터랙티브한 프로토타입을 만들 수 있게 되면서 사용자 피드백 수집 사이클을 기존 몇 분기에서 며칠 단위로 단축했다고 밝혔습니다.

두 발표자가 공유한 핵심 메시지는 하나였습니다. 기술 구현은 AI가 담당하더라도, 왜 이 사용자 경험이 필요한가를 묻고 정의하는 것은 여전히 사람의 영역이라는 것.

질의응답에서 가장 관심이 모인 질문은 합성 Persona가 실제 사람을 대체할 수 있는가였습니다. 유튜브의 UX 리서치 매니저 Steven Schirra는 "합성 Persona는 연구 프로세스를 효율화하는 보조 도구이며, 실제 사용자를 대체하는 용도로 보고 있지 않다"고 선을 그었습니다. 합성 Persona는 과거 데이터를 기반으로 생성되기 때문에 지금 이 순간의 사용자 감정과 문화 변화를 포착하는 데 한계가 있으며, 새로운 영역을 개척하거나 현재 트렌드를 확인해야 할 때는 반드시 실제 사람을 통한 검증이 필요하다는 것이 그 이유였습니다. 이 발언은 CX팀이 에이전트 설계에서 내린 결론 — "초기 단계의 보조 수단으로 먼저 내부 신뢰를 쌓고, 실제 인터뷰를 준비하기 위한 사전 시뮬레이션에 활용한다" — 과 정확히 같은 방향을 가리키고 있었습니다.

장면 2. Gen AI 협업의 빈틈 — 논문 세션

뉴스룸 매니저·편집자·현장 기자 등 27명을 대상으로 한 심층 인터뷰 연구는 AI 도구를 쓰는 많은 조직이 이미 체감하고 있을 상황을 데이터로 보여주었습니다. Gen AI는 이미 널리 활용되고 있지만, 그 사용은 여전히 매우 개인적이고 비공식적입니다. 동료에게 AI 사용 여부를 숨긴 채 결과물을 공유하는 일이 반복되면서 "저 결과물, AI가 만든 건 아닐까?"라는 의심이 쌓이고, 결국 동료의 결과물을 다시 검증해야 하는 숨겨진 노동이 발생한다는 것이었습니다. 연구팀은 이를 이중 블랙박스(double black box) 문제라고 명명했습니다 — 내 동료가 어떤 프롬프트를 넣어 어떤 추론 과정을 거쳤는지 알 수 없는 상태. Gen AI가 개인 효율화를 넘어 팀 협업으로 확장되려면, 프롬프트 이력과 수정 경로가 공유되는 기술 설계와 AI 사용을 정당한 업무 수행으로 인정하는 조직 문화가 함께 갖춰져야 한다는 것이 연구의 결론이었습니다. * 발표 논문 : Can GenAI Move from Individual Use to Collaborative Work? Experiences, Challenges, and Opportunities of Coordinating GenAI into Collaborative Newswork

장면 3. 아직 기준이 없다 — LLM 활용 워크샵

LLM을 시뮬레이션된 연구 참여자로 활용하기 위한 표준과 문서화 방안을 논의하는 워크샵에서는 흥미로운 광경이 펼쳐졌습니다. 5~6명의 소규모 그룹으로 나뉘어 어떤 상황에서 LLM을 연구 참여자로 활용해도 되는지를 논의했는데, 학계 연구자들이 주를 이루는 자리였던 만큼 실무 가이드라인을 도출하기보다 그 기준의 타당성 자체를 계속 질문하고 검토하는 방향으로 논의가 흘렀습니다. 이 장면이 전달하는 메시지는 명확합니다. LLM을 연구 방법론으로 편입하기 위한 기준은 아직 형성 중에 있으며, 그 기준을 만드는 논의에 실무 사례가 적극적으로 기여해야 할 자리가 있다는 것입니다.

B2B AI 리서치, 다음 과제는 무엇인가

B2B 환경에서 AI 기반 사용자 리서치는 아직 탐색 초기 단계에 있습니다. CX팀의 이번 연구는 현장의 실질적인 문제에서 출발해, 그 해결 방식을 학술적으로 정리하고 검증한 사례입니다. B2C 중심으로 발전해 온 AI 리서치 방법론이 B2B 맥락에서는 어떻게 달라져야 하는가라는 질문에, 실무 기반 연구가 의미 있는 답변을 제시할 수 있음을 보여준 사례이기도 합니다.

이번 학회가 확인해 준 것처럼, 합성 Persona는 실제 사용자를 대체하는 것이 아니라 리서치 프로세스를 보강하는 도구로 자리매김하고 있습니다. 이 포지셔닝을 기반으로 다음 연구 과제도 구체화됩니다. RAG 연동을 통해 도메인 데이터를 Persona 생성에 반영하고, 외부 공유 상황에서 결과에 근거를 더할 수 있는 신뢰 지원 메커니즘을 강화하는 것. 그리고 B2B 프로젝트의 성격과 단계에 따라 합성 Persona를 언제, 어떻게 활용할지를 체계화하는 실무 가이드를 마련하는 것입니다.

더불어, Gen AI 협업 연구가 제기한 이중 블랙박스 문제는 AI 도구를 도입하는 모든 조직이 마주할 과제입니다. 기술이 빠르게 개인의 업무 방식을 바꾸는 동안, 팀 단위의 협업 구조와 신뢰 체계는 아직 그 속도를 따라가지 못하고 있습니다. 이 간극을 기술 설계와 조직 문화 양면에서 좁혀가는 것이 B2B AI 리서치가 개인 도구를 넘어 조직의 역량이 되기 위한 조건입니다.