우리는 지금 인터페이스의 종말과 새로운 탄생을 동시에 목격하고 있습니다. 과거의 HCI(Human-Computer Interaction)가 ‘어떻게 하면 사용자가 버튼을 더 쉽게 찾게 할 것인가’라는 효율성의 문제에 집중했다면, 생성형 AI 시대의 HCI는 ‘컴퓨터가 사용자의 의도를 어떻게 해석하고 능동적으로 반응하게 할 것인가’라는 지능적 상호작용의 문제로 옮겨갔습니다. 하지만 여전히 많은 HCI 석사 지원자들은 과거의 문법에 갇혀 있습니다. 단순히 예쁜 피그마(Figma) 시안과 사용자 여정 지도(User Journey Map)만으로 무장한 포트폴리오는 이제 더 이상 경쟁력이 없습니다.

AI 모델의 능력이 기하급수적으로 상승하면서, 제품의 핵심 가치는 ‘기능의 구현’이 아니라 ‘모델의 능력을 어떻게 사용자 경험으로 치환하느냐’에 달려 있게 되었습니다. 이제 HCI 연구자와 설계자는 단순한 디자이너가 아니라, LLM(대규모 언어 모델)의 확률적 특성을 이해하고 이를 제어하여 일관된 사용자 경험을 만들어내는 ‘AI 오케스트레이터’가 되어야 합니다. 2026년 가을 학기 입학을 목표로 하는 지원자라면, 기술적 깊이와 인문학적 통찰이 결합된 새로운 접근 방식이 필요합니다.

AI 모델의 역량 변화와 제품 설계의 패러다임 시프트

최근의 AI 모델들은 단순한 텍스트 생성을 넘어 멀티모달(Multimodal) 능력을 기본으로 탑재하고 있습니다. 이는 HCI 관점에서 매우 중요한 변화입니다. 기존의 GUI(Graphical User Interface)는 정해진 메뉴와 버튼이라는 제약 조건 속에서 작동했지만, LUI(Language User Interface)는 무한한 입력 가능성을 전제로 합니다. 여기서 발생하는 가장 큰 문제는 ‘자유도’와 ‘통제력’ 사이의 충돌입니다.

사용자에게 너무 많은 자유를 주면 시스템은 예측 불가능하게 작동하고, 너무 많은 제약을 걸면 AI의 강력한 능력을 활용하지 못하게 됩니다. 따라서 현대의 HCI 설계자는 다음과 같은 기술적 고민을 포트폴리오에 녹여내야 합니다.

• 프롬프트 엔지니어링의 UX화: 단순한 명령어 입력을 넘어, 사용자가 최적의 결과를 얻을 수 있도록 유도하는 인터랙션 구조 설계
• 신뢰성과 투명성 설계: AI의 환각(Hallucination) 현상을 사용자가 어떻게 인지하고 수정하게 할 것인가에 대한 메커니즘 구축
• 적응형 인터페이스(Adaptive UI): 사용자의 맥락과 의도에 따라 실시간으로 UI 요소가 변화하는 동적 인터페이스 연구

기술적 구현: LLM 기반 인터랙션의 명과 암

AI 기반 제품을 설계할 때 실무자와 연구자가 직면하는 가장 큰 기술적 딜레마는 ‘결정론적 시스템’에서 ‘확률론적 시스템’으로의 전환입니다. 기존 소프트웨어는 A를 입력하면 항상 B가 나왔지만, AI는 매번 다른 답변을 내놓습니다. 이를 해결하기 위한 기술적 접근법과 그에 따른 장단점은 다음과 같습니다.

접근 방식	장점 (Pros)	단점 (Cons)
Strict Prompting (엄격한 제약)	결과물의 일관성 유지, 예측 가능한 UX 제공	AI의 창의성 저하, 유연한 대응 불가
Agentic Workflow (에이전트 워크플로우)	복잡한 태스크의 자율적 수행, 높은 문제 해결력	추론 시간 증가(Latency), 제어 불가능한 루프 발생 가능성
Human-in-the-loop (인간 개입 설계)	최종 결과물의 품질 보장, 사용자 신뢰도 상승	사용자의 인지 부하 증가, 프로세스 속도 저하

결국 중요한 것은 어떤 기술이 더 우월하냐가 아니라, 제품의 목적에 맞는 적절한 ‘개입 지점’을 설계하는 능력입니다. 예를 들어, 의료 AI 서비스라면 ‘Human-in-the-loop’ 모델이 필수적이지만, 단순 엔터테인먼트 챗봇이라면 ‘Agentic Workflow’의 자율성을 극대화하는 것이 더 나은 경험을 제공할 것입니다.

실제 사례 분석: 숏폼 플랫폼과 AI 추천 알고리즘의 진화

틱톡(TikTok)이나 유튜브 쇼츠(YouTube Shorts)와 같은 플랫폼은 현대 HCI의 정수를 보여주는 사례입니다. 이들은 사용자가 ‘무엇을 원하는지’ 직접 묻지 않습니다. 대신 사용자의 시선 체류 시간, 스와이프 속도, 반복 시청 여부라는 비정형 데이터를 실시간으로 수집하여 인터페이스를 최적화합니다.

여기서 주목할 점은 ‘명시적 입력’을 최소화하고 ‘암시적 피드백’을 극대화했다는 것입니다. 이는 AI 시대의 HCI가 나아가야 할 방향을 제시합니다. 사용자가 복잡한 프롬프트를 입력하게 만드는 것이 아니라, 사용자의 행동 패턴 자체를 프롬프트로 활용하는 설계입니다. 2026년의 HCI 석사 과정에서는 이러한 데이터 기반의 인터랙션 설계 능력이 핵심 평가 요소가 될 것입니다.

2026년 가을 학기 지원자를 위한 단계별 액션 가이드

단순히 학점을 관리하고 영어 성적을 만드는 것만으로는 부족합니다. 입학 사정관들은 당신이 ‘AI라는 도구를 어떻게 정의하고, 이를 통해 인간의 삶을 어떻게 개선할 것인가’에 대한 철학적, 기술적 답변을 듣고 싶어 합니다.

1. 기술적 스택의 확장

피그마와 어도비 툴을 넘어, 최소한의 파이썬(Python) 능력과 API 활용 능력을 갖추십시오. 직접 LLM API를 연결해 간단한 프로토타입을 만들어본 경험은 ‘구현 가능한 설계를 하는 사람’이라는 강력한 신호를 줍니다. 특히 LangChain이나 AutoGPT와 같은 프레임워크를 활용해 에이전트 기반의 UX를 실험해 보시기 바랍니다.

2. 포트폴리오의 서사 구조 변경

기존의 ‘문제 발견 $
ightarrow$ 리서치 $
ightarrow$ 솔루션 $
ightarrow$ 결과’ 구조에서 탈피하십시오. 대신 다음과 같은 서사를 도입하십시오: ‘AI 모델의 특정 한계 발견 $
ightarrow$ 이를 해결하기 위한 인터랙션 가설 설정 $
ightarrow$ 프로토타입 구현 및 검증 $
ightarrow$ AI와 인간의 협업 모델 제안’. 결과물보다 ‘왜 이 시점에 AI가 필요했는가’와 ‘AI의 불확실성을 어떻게 UX로 해결했는가’에 집중해야 합니다.

3. 도메인 특화 전문성 확보

단순히 ‘AI UX’라고 말하는 것은 아무것도 말하지 않는 것과 같습니다. 헬스케어, 에듀테크, 핀테크 등 구체적인 도메인을 정하고, 그 분야에서 AI가 일으킬 수 있는 윤리적 문제나 사용성 저해 요소를 깊게 파고드십시오. 예를 들어, ‘노년층을 위한 AI 비서의 신뢰 구축 방안’과 같은 구체적인 주제는 일반적인 AI 서비스 설계보다 훨씬 높은 평가를 받습니다.

결론: 도구의 시대에서 관계의 시대로

컴퓨터는 더 이상 우리가 명령을 내리는 ‘도구’가 아니라, 함께 협업하는 ‘파트너’가 되고 있습니다. 따라서 미래의 HCI는 단순한 사용성(Usability)을 넘어 관계성(Relatability)과 협업 효율성(Collaborative Efficiency)을 연구하는 학문이 될 것입니다.

지금 당장 시작해야 할 액션 아이템은 명확합니다. 현재 사용 중인 AI 서비스 하나를 선정하여, 그 서비스가 가진 ‘최악의 인터랙션 지점’을 찾으십시오. 그리고 그것을 기술적으로 어떻게 해결할 수 있을지 가설을 세우고, 아주 작은 규모라도 직접 구현해 보십시오. 이론적인 분석보다 단 한 번의 ‘작동하는 실험’이 당신의 합격 확률을 결정지을 것입니다.