삼성SDS의 멀티에이전트 디자인 씽킹과 B2B 합성 Persona 적용 사례

HCI Korea 2026에서 삼성SDS의 AI 에이전트 기반 디자인 씽킹과 B2B 합성 Persona(Synthetic Persona) 활용 사례가 소개되었습니다. 삼성SDS는 멀티에이전트 협업 구조를 통해 디자인 씽킹 프로세스를 확장하고, LLM 기반 합성 Persona를 활용해 B2B 사용자 리서치 자동화 가능성을 제시했습니다.

이번 글에서는 해당 발표의 핵심 내용과 실무 적용 인사이트를 정리합니다.

HCI Korea 2026란?

HCI KOREA 2026은 인간-컴퓨터 상호작용(HCI) 분야의 국내 최대 규모의 융합 학술대회입니다. 2005년 출범 이후 매년 약 1,500명 이상이 참여해 왔으며, 학계와 산업계가 함께 최신 연구와 기술을 공유하는 대표적인 교류의 장으로 자리매김했습니다.

올해는 1월 26일부터 28일까지 강원도 홍천 소노벨 비발디파크에서 개최되었고, “AI, 일상(日常), 이상(理想), 상상(想像)”을 주제로 AI가 우리의 일상과 경험을 어떻게 확장하는지에 대한 논의가 이어졌습니다.

[사진1] HCI KOREA 2026 <AI, 일상(日常), 이상(理想), 상상(想像)> 바로 가기

HCI KOREA 2026 홍보 배너로 AI, 일상(日常), 이상(理想), 상상(想像) 이라는 타이틀과 함께 소노벨 비발디파크 컨벤션센터에서 2026.01.26 월요일부터 2026.01.28 수요일까지 진행된다고 안내하고 있다. 하단에는 "AI는 이제 우리의 일상에 깊숙이 스며들며, 현대인들이 꿈꾸는 이상이 되었습니다. 인간과 기술이 상호작용하며 펼쳐지는 상상의 세계로 여러분을 초대합니다." 라고 적혀있다.

컴퓨터공학, 디자인, 인문학, 심리학 등 다양한 전공의 연구자들뿐만 아니라 삼성전자, 현대자동차 등 주요 대기업들도 참가하여 키노트 세션과 기술 전시를 진행하는 등, AI 기반 사용자 경험(HCI) 트렌드를 한눈에 조망할 수 있는 기회를 제공했습니다.

삼성SDS에서는 1월 27일 기업 사례 발표 세션에 참여하였는데요. CX전략그룹 최영현 그룹장과 이지연 랩장이 AI Agent를 활용한 디자인 씽킹 비즈니스 적용 사례를 발표하였고, 김인엽, 이은솔 프로는 B2B 사용자 리서치를 위한 합성 Persona 에이전트 개발 및 실무 적용 사례를 소개했습니다.

1. AI Agent를 활용한 디자인 씽킹 비즈니스 적용 사례

[사진2] HCI Korea 2026에서 발표된 삼성SDS 멀티 에이전트 기반 디자인 씽킹 사례(순서대로 최영현 그룹장, 이지연 랩장, 김인엽 프로, 이은솔 프로)

삼성SDS CX팀 최영현 그룹장과 이지연 랩장은 <멀티에이전트*를 활용한 기업 사례>를 주제로, 빠르게 발전하고 있는 AI Agent와의 Co-creation을 기반으로 한 업무 문화 혁신에 대해 소개했습니다. *멀티에이전트(Multi-Agent)란?
여러 AI 에이전트가 각각의 역할과 기능을 분담하여 협력적으로 문제를 해결하는 인공지능 시스템 구조를 의미합니다. 최근에는 LLM 기반 에이전트들이 협업하는 형태로 활용되며, 복잡한 업무를 단계적으로 수행하는 방식으로 확장되고 있습니다.
이번 세션은 강연장 좌석이 모두 찰 정도로 높은 관심을 모았으며, 일부 참석자는 스탠딩으로 발표를 청취할 만큼 열기가 뜨거웠는데요. 이를 통해 ‘멀티 에이전트를 활용한 디자인 씽킹’이 학계와 산업계를 넘어 사회 전반으로 확산되고 있는 주요 AI 협업 트렌드임을 실감할 수 있었습니다.

[사진3] Human-AI 협업 모델과 AI Agent 기반 업무 혁신을 설명하는 발표 장면

AI Agent 협업 시대, CX 업무 방식은 어떻게 진화하고 있을까요?

발표는 인간의 욕망과 기술 진화의 흐름을 짚으며, 산업 발전에 따라 노동과 협업 방식이 어떻게 변화해왔는지 설명하는 것으로 시작했습니다. 육체노동에서 기계노동으로, 지식 노동을 거쳐 이제는 ‘지능 노동’의 시대로 전환되고 있다는 것이었습니다. (아래 그림 내용 참고) 특히 2026년 현재는 AI Agent와 협업하는 단계에 진입했으며, Agent는 더 이상 단순한 보조 도구가 아닌 ‘업무 파트너’로 기능하고 있다고 강조했습니다.

또한 AI Agent 기반 업무 환경에서는 인간 지능(Human Intelligence)과 인공 지능(Artificial Intelligence)이 각자의 강점을 인정하고, 생산성과 창의성을 동시에 극대화하는 방향으로 협업 구조를 재설계를 해야하는데, 이러한 구조를 발표에서는 Human-AI 협업 모델*로 정의했습니다. *Human-AI 협업 모델이란?
Human Intelligence와 Artificial Intelligence가 각자의 강점을 기반으로 상호 보완하며 성과를 창출하도록 설계된 협업 구조를 의미합니다.

[사진4] AI Agent를 활용한 삼성SDS 디자인 씽킹 프로세스 소개 장면

일하는 방식이 변하고 있는 이유? 욕망의 진화, 기술의 가속화!

육체 노동(1인당 노동 생산량) → 기계 노동(1인당 기계 생산량) → 지식 노동(1인당 정보 처리량) → 지능 노동(1인당 품질 기여도)

AI Agent 기반 디자인 씽킹, 삼성SDS에서는 비즈니스에 어떻게 적용했을까요?

삼성SDS CX팀은 전통적인 디자인 씽킹이 갖는 인적 자원과 시간의 제약을 극복하기 위한 방안으로 AI Agent를 도입한 사례를 공유했습니다. 단순 업무 자동화가 아닌, 디자인 씽킹 프로세스 자체를 확장하는 접근이라는 점이 핵심인데요. 기존 디자인 씽킹은 ①공감 → ②문제 정의 → ③문제 해결 아이디어 도출 → ④프로토타이핑 개발 → ⑤고객 검증의 5단계로 구성됩니다. 이번 사례에서는 각 단계별로 Unit Agent를 설계하고, 단계 간 유기적으로 상호작용이 가능하도록 멀티에이전트 구조를 구축했습니다. 이를 통해 사람과 AI가 함께 문제를 정의하고, 아이디어를 발전시키며, 검증하는 새로운 협업 방식을 실험했습니다.

이 모델의 주요 특징은 다음과 같습니다. (자세한 내용 아래 이미지 참고)

[사진5] 멀티에이전트 기반 디자인 씽킹

삼성SDS AX·DT 소개

시작은 AI로 빠르게 예상 문제해결! 원하는 수준의 산출물 도출은 휴먼 Co-creative로! "새로운 방식의 디자인 씽킹 AX·DT"

이미지에는 상 하로 나뉘어 Multi Agent 와 Co-Create 설명이 있고 순서대로 01 공감 Unit Agnet → 02 정의 Unit Agnet → 03 아이디어 Unit Agnet → 04 구현 Unit Agnet → 05 검증 Unit Agnet → 06 검증 H·W → 07 구현 H·W → 08 아이디어 H·W → 09 정의 H·W → 10 공감 H·W → 01공감 Unit Agnet... 으로 순환한다. 내부에는 공감, 정의, 아이디어, 구현, 검증 5단계 설명이 있고 순서대로 빠르고 스마트한 공감 - AI 에이전트가 사용자 데이터 자동 수집 및 분석 (인터뷰 요약, 트렌드 분석, 페인포인트 도출 지원) 사실 근거 문제 정의 - 수집된 인사이트 바탕으로 에이전트가 핵심 문제 정리 (문제 진술문 자동 생성 및 다양한 관점 제안) 창의적 아이디어 자극 - AI가 유사 사례, 창의적 해결책, 확장 아이디어 제시 (실시간 아이디어 분류 및 평가 지원) 실현 가능성 확인 - AI가 시각적 목업, 서비스 플로우, 간단한 코드/시나리오 자동 생성 (프로토타입 버전 관리 및 개선안 추진) 다양한 관점의 검증 - AI 에이전트를 통해 사용성 검증 의견 제시 (사용자 관점의 피드백 예측 및 대응)

발표 이후에는 멀티에이전트 기반 디자인 씽킹 모델에 관심을 보인 연구자들과의 교류가 이어졌으며, 산학 협력 가능성에 대한 논의도 활발하게 진행되었습니다.

2. B2B 사용자 리서치를 위한 합성 Persona 에이전트 개발 및 실무 적용 사례

이어서 김인엽, 이은솔 프로는 <B2B 사용자 리서치를 위한 합성 Persona(Synthetic Persona)* 에이전트 개발 및 실무 적용> 사례를 발표했습니다. *합성 Persona(Synthetic Persona)란?
LLM 기반 추론을 활용해 가상의 사용자 모델을 생성하고 인터뷰·가설 검증·시나리오 평가를 수행하는 AI 기반 사용자 리서치 방법입니다.
B2B 환경에서는 실제 사용자를 대규모로 확보해 반복적인 리서치를 수행하기 어렵다는 현실적 제약이 존재합니다. 이번 발표는 이러한 한계를 보완하기 위한 대안으로 설계된 합성 Persona 에이전트의 실무 적용 가능성을 제시했습니다.

[사진6] B2B 사용자 리서치를 위한 합성 Persona 활용 구조

LLM의 등장: 리서치 공백을 줄이는 새 도구

공백(도메인, 접근, 데이터)을 메운다

기존 B2B 사용자 리서치 한계 : 확인할 수 있는 자료가 부족 - Data(데이터 공백), 무엇을 확인해야 할지도 막막 - Domain (도메인 공백), 현장 실무자를 만나기 어렵다 Access(접근 공백) → LLM으로 공백을 줄인다 LLM의 핵심 능력 : 역할 기반 가설 사용자 초안 제공 - Synthesis(퍼소나 합성), 업무 맥락 구조화*질문 축 초안 제공 - Reasoning(지식·추론), 대화로 빠른 확인·탐색 기능 제공(리허설) 정답이 아니라 '검증 가능한 출발점'을 만든다

이번에 개발된 합성 Persona 에이전트는 다음과 같은 특징을 가지고 있는데요.

• 최소 입력 정보만으로 합성 Persona를 신속하게 생성합니다.
• LLM 기반 추론을 통해 인터뷰/가설 검증/시나리오 평가 수행 가능합니다.
• 시나리오 기반 롤플레잉을 통한 의사결정 지원 구조 제공합니다.

특히 이번 발표는 합성 Persona의 절대적 신뢰도 검증보다는, B2B 사용자 리서치 영역에서의 유즈케이스 발굴과 가능성 탐색에 초점을 맞췄습니다. 또한 향후 로드맵에 따라 실제 데이터와 맥락을 추가해 정합성을 검증할 계획 또한 함께 밝혔습니다.

현재 단계에서는 LLM의 기본 지식만으로 Persona를 생성하였기 때문에 일부 응답에서 구체성이 부족한 한계가 확인됐으며, 이에 따라 파일럿 단계 이후에는 RAG(Retrieval-Augmented Generation)* 기반 외부 지식 연계를 도입해 실제 데이터와 맥락을 반영하고, Persona의 현실 적합도를 높일 예정입니다. * RAG란? 외부 데이터를 검색해 LLM 응답의 정확도를 높이는 방식입니다.
또한 에이전트 개발에는 삼성SDS 패브릭스 플랫폼을 활용되었으며 플랫폼 내 삼성 자체 LLM과 다양한 오픈소스 모델을 비교, 평가한 뒤 실무 환경에 가장 적합한 모델을 선택해 적용하고 있다고 설명했습니다.

접근성이 낮은 집단(예: 장애인 등)에 대한 직접적인 사내 경험은 아직 충분하지 않지만, 관련 연구에서 제기된 편향성과 안전성 이슈를 참고해 향후 모델 고도화 과정에 반영할 계획을 가지고 있는 것도 언급했습니다. 아울러 Persona 속성 고도화를 위해 에이전트 워크플로우에 반복적인 수정 요청 단계를 도입할 예정이며, 사용자의 지속적인 피드백을 반영하여 Persona의 완성도를 점진적으로 개선하는 구조를 설계하고 있다고 밝혔습니다. 발표 이후에는 합성 Persona와 B2B 사용자 리서치 자동화에 대한 질의 응답이 활발히 이어졌으며, AI 기반 리서치 모델의 실무 적용 가능성에 대한 높은 관심을 확인할 수 있었습니다.

[사진7] 참석자들의 열기로 꽉 채운 HCI Korea 2026 기업 사례 발표 세션 현장

마무리

이번 발표는 멀티에이전트 기반 디자인 씽킹과 합성 Persona 에이전트가 실제 비즈니스 환경에서 어떻게 활용될 수 있는지를 보여준 사례였습니다.

특히 Human-AI 협업 구조가 CX 전략, B2B 서비스 기획 방식을 어떻게 변화시킬지에 대한 실무적 가능성을 확인할 수 있었습니다.