Chatbots are not the final interface: OpenAI''s Head of Design on what''s next

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

Chatbots are not the final interface: OpenAI’s Head of Design on what’s next를 중심으로, AI는 엔지니어링의 구현 속도를 크게 높이지만, 디자인은 여러 안을 만들고 폐기하며 사용자 피드백과 조직 내 합의를 거치는 비선형를 핵심 판단 포인트로 압축 정리한다.

📌 핵심 요점

1. AI는 엔지니어링의 구현 속도를 크게 높이지만, 디자인은 여러 안을 만들고 폐기하며 사용자 피드백과 조직 내 합의를 거치는 비선형적 탐색이어서 같은 방식으로 압축되지 않는다.
2. AI로 역량을 증폭하는 디자이너는 아이디어 단계부터 Codex나 Claude 같은 에이전트를 활용해 구현 가능성을 확인하고, 실패했던 도구도 반복해서 재시험하며 새로운 작업법을 동료와 공유한다.
3. 누구나 제품을 만들 수 있게 될수록 기능 구현 자체보다 사용자의 실제 필요를 발견하고, 고유한 관점을 담으며, 기존 학습 데이터에 없는 상호작용을 발명하는 인간의 판단이 더 중요한 차별점이 된다.
4. 미래 인터페이스는 빈 대화창에 머물지 않는다. 작업에 맞는 도구와 편집 가능한 결과물을 제시하고, 누적된 개인 맥락을 활용하며, 답변·후속 대화·실제 실행 가운데 적절한 방식을 스스로 선택하는 방향으로 확장된다.
5. PM·디자인·엔지니어링의 경계는 흐려지지만 전문적 책임은 남는다. 빠른 개발 환경에서는 조합 가능한 시스템과 공통 플랫폼을 구축하고, 제품 성숙도와 기술의 예상 수명에 따라 실험 속도와 디자인 투자 수준을 달리해야 한다.

🧩 배경과 문제 정의

• AI 도입으로 엔지니어의 작업 방식과 생산성은 빠르게 바뀌었지만, 디자이너는 역할 기대와 필요한 역량이 불명확해 불안·피로·비관을 크게 겪고 있다.
• 프로토타입 생성 속도는 빨라져도 좋은 디자인에는 실패안 폐기, 사용자 피드백, 조직 내 합의가 필요해 설계 과정 자체는 여전히 비선형적이다.
• 누구나 제품을 만들 수 있게 될수록 사용자의 실제 필요, 독창적인 관점, 전례 없는 상호작용을 설계하는 인간의 판단이 핵심 차별점이 된다.

🕒 시간순 섹션별 상세정리

1. 디자인 직군의 불안은 불명확한 역할 기대에서 커진다

• 디자이너와 사용자 연구자는 압도감·불안·피로가 가장 높고 낙관성과 직업 추천 의향은 가장 낮아, AI 전환의 충격을 다른 기술 직군보다 크게 겪고 있다. [02:47]
• 역할 변화, 성과 기대, 매일 코드를 배포해야 하는지조차 불명확해 기존 방식으로 훈련받은 디자이너에게 전면적인 재학습 압박이 생긴다. [03:52]

2. 디자인의 탐색 과정은 엔지니어링처럼 압축되지 않는다

• 엔지니어는 AI로 생산성을 10배, 때로는 100배까지 높이지만 디자인은 여러 안을 만들고 버리는 탐색 때문에 같은 폭으로 압축되지 않는다. [04:46]
• 코딩 에이전트의 결과는 비교적 명확하게 판정할 수 있지만, 디자인은 좋은 아이디어도 사용자·내부 피드백에서 실패할 수 있어 시행착오의 순환이 계속 필요하다. [05:08]

3. 연구소형 문화는 변화의 압박을 탐색의 기회로 바꾼다

• OpenAI는 연구소에서 출발한 실험적 DNA를 제품 조직에도 유지하며, 디자이너가 정답보다 가능성을 탐색할 수 있는 환경을 만든다. [06:06]
• AI 경력 자체보다 도구에 대한 호기심을 중시하고 작업 방식을 강제로 바꾸기보다 자유로운 실험을 지원하면 변화에 대한 압박이 줄어든다. [06:32]

4. AI로 증폭되는 사람들은 작업 전 과정에서 도구를 활용한다

• 기술 직군의 절반은 최고의 경력 시기를 보내지만 나머지 절반은 큰 어려움을 겪으며, 두 집단을 가르는 강한 요인은 AI가 자신의 역량을 증폭한다고 느끼는지 여부다. [09:03]
• AI를 작업 전 단계에 활용하고 동료 디자이너와 시행착오를 공유하는 사람일수록 새로운 작업법을 빠르게 익힐 수 있다. [09:59]

5. 적응력은 빠르게 달라지는 도구를 반복해서 시험하는 능력이다

• 어제 실패했던 방식도 오늘은 작동할 수 있고 산업 전체가 6개월 만에 바뀔 수 있어, 고정된 사용법보다 계속 다시 시험하는 적응력이 중요하다. [10:48]
• 제대로 작동하지 않던 코딩 에이전트가 한 달 뒤 Codex 출시 후 실용적인 수준으로 바뀌면서, 디자인 아이디어를 곧바로 구현해 보는 작업이 가능해졌다. [11:26]

6. 아직 모두가 초기에 있어 지금 시작해도 늦지 않다

• 변화가 오래 진행된 것처럼 보여도 완성된 디자인 프로세스를 아는 사람은 없으며, 현재 효과적인 방식도 다시 달라질 가능성이 크다. [11:48]
• 지금 시작해도 대부분보다 앞설 수 있고, 현재 최첨단으로 여기는 작업법도 한 달이나 1년 뒤에는 낡은 방식이 될 수 있다. [12:29]

7. 아이디어를 수분 안에 구현할 수 있는 디자인 환경이 열렸다

• 과거에는 HTML 소스와 Dreamweaver를 직접 뜯어보며 디자인과 코드를 배워야 했지만, 현재는 도구와 대화하며 훨씬 빠르게 원리를 익힐 수 있다. [13:53]
• 아이디어를 수분 만에 작동하는 형태로 만들 수 있어 표현의 장벽이 낮아지고, 정식 훈련 여부와 관계없이 더 많은 사람이 디자이너 역할을 수행할 수 있다. [14:33]

8. 제품 생성량이 늘수록 인간 중심 디자인의 가치가 커진다

• 더 많은 소프트웨어와 제품이 쏟아질수록 기능을 만드는 능력만으로는 부족해지고, 인간적 감각을 담은 디자인이 중요한 경쟁 요소가 된다. [14:48]
• 누구나 무엇이든 만들 수 있는 환경에서는 사용자를 깊이 이해하고 즐거운 경험을 만드는 제품이 두드러지며, 이것이 디자이너의 핵심 역할과 맞닿아 있다. [15:23]

9. 스타트업의 인력 구성과 디자이너의 권한이 달라질 수 있다

• 디자이너 1명과 엔지니어 15명 같은 기존 비율 대신, 제품 창의성을 담당할 디자이너 2명과 구현 안정성을 책임질 뛰어난 엔지니어 1명을 두는 구성도 가능해진다. [15:54]
• 디자이너는 초기 연구 아이디어를 직접 구현하고, 고객이 원하는 제품이나 충족되지 않은 필요를 해결하는 형태까지 발전시킬 수 있다. [16:40]

10. PM·디자인·엔지니어링의 경계는 더 흐려진다

• 엔지니어는 디자인 역량을 더 많이 갖추고 디자이너도 생산성을 높일 수 있지만, 디자인의 성과는 엔지니어링처럼 단순한 10배 산출량으로 측정되지는 않는다. [18:12]
• 제품 감각이 강한 디자이너와 완성도 높은 구현에 능한 디자이너처럼 기존에도 역할 간 역량은 겹쳤으며, 단일 직무 정의만으로 실제 기여를 담기 어렵다. [18:45]

11. 경계가 흐려져도 전문적인 책임은 사라지지 않는다

• 한 사람이 디자인, 조직 정렬, 제품 관리, 엔지니어링을 모두 맡으면 각 영역에 필요한 서로 다른 역량을 충분히 갖추기 어렵다. [19:47]
• 뛰어난 PM은 여러 팀을 결집하고 문제 범위와 자원을 조정하며, 엔지니어는 결과물이 더 큰 시스템에서 안정적으로 작동하도록 책임진다. [20:17]

12. AI는 이미 유능한 디자이너지만 모든 세부 영역에서 최고는 아니다

• AI는 누구나 접근할 수 있는 강력한 제품 디자이너이며, 특정 전문가에게만 있던 설계 역량을 모든 사람의 도구로 확장한다. [22:53]
• 시각 디자인, 정보 위계, 타이포그래피, 사용자 경험, 인터랙션 디자인의 각 영역에서는 아직 최고의 전문가 수준이 아니며 발전 경로도 단정하기 어렵다. [23:10]

13. 인간의 강점은 실제 필요와 고유한 관점을 형성하는 데 있다

• 사람들이 제품을 사용하는 모습을 관찰하고 피드백을 해석해야 실제 필요를 이해할 수 있으며, 기존에 없던 것을 발명하는 과정에도 인간의 판단이 필요하다. [24:07]
• 누가 누구를 위해 왜 만들었는지가 드러나는 고유한 관점은 제품에 인간적인 흔적을 남기며, AI의 능력이 높아질수록 더 강한 차별점이 된다. [24:33]

14. 새로운 상호작용에는 학습 데이터 밖의 발명이 필요하다

• 멀티터치 기반 iPhone처럼 새로운 제품은 기존 훈련 데이터가 없는 상호작용 패러다임을 열기 때문에, 과거 사례를 조합하는 것만으로 설계하기 어렵다. [25:40]
• Instagram은 모두가 스마트폰을 갖게 된 변화를 활용했고 Snapchat은 낯선 인터랙션으로 소통 방식을 뒤집으며, 충족되지 않은 필요를 독특한 방식으로 해결했다. [26:13]

15. 채용은 만능 개인보다 균형 잡힌 팀과 높은 호기심을 중시한다

• 강한 팀에는 모든 일을 다루는 제너럴리스트뿐 아니라 시각·브랜드·프로토타이핑·전략·첨단 기술에 각각 강한 전문가가 필요하며, 한 사람이 모든 강점을 갖추기는 어렵다. [27:50]
• AI 경력은 필수가 아니지만 빠르게 뛰어들어 학습하고, 자신의 작업 과정뿐 아니라 더 많은 사람이 AI를 사용하도록 도구를 설계할 호기심과 적응력은 필수에 가깝다. [29:13]

16. 조합 가능한 시스템이 설계의 기본 단위가 된다

• 다양한 기능을 가진 초지능 제품은 일회성 화면을 따로 만드는 대신, 서로 쌓아 올릴 수 있는 기본 단위를 먼저 설계해야 복잡성을 통제할 수 있다. [30:38]
• Notion의 블록처럼 모든 경험을 조합 가능한 공통 시스템 위에 얹으면, 사용자는 하나의 단순한 제품을 경험하고 모델도 여러 기능을 함께 엮을 수 있다. [31:05]

17. 개발 속도가 ‘덜 설계하는’ 판단을 요구한다

• 엔지니어링 조직이 하루 5,000개의 PR을 내는 속도에서는 전통적인 디자인 절차에 쓸 시간이 줄어들며, 디자인 시스템과 공통 플랫폼의 가치가 커진다. [31:50]
• 새 기능을 매번 설계하기보다 기존 컴포넌트나 기능을 확장하고, 필요 없는 기능은 만들지 않으며, 담당 화면 밖의 전체 시스템까지 함께 판단해야 한다. [32:42]

18. 제품의 성숙도에 따라 실험 방식이 달라진다

• 디자인 절차는 고정된 순서가 아니라 제품과 기능의 성숙도에 따라 달라지며, 핵심 기능과 초기 제품에 같은 수준의 완성도를 요구할 수 없다. [33:27]
• ChatGPT의 핵심 기능과 입력창은 100개를 시도해 99개를 버릴 정도로 세부 사항을 다듬고, 매일 새로운 안을 시험한다. [33:48]

19. 기술의 수명이 디자인 투자 규모를 결정한다

• 일부 기능은 사용자 조사와 A/B 테스트로 세밀하게 발전시키지만, 불확실성이 큰 기능은 큰 시도를 먼저 배포한 뒤 빠르게 학습한다. [34:43]
• 모델 기능·지능·지연 시간이 한 달 안에도 달라지면 기존 인터랙션이 불필요해지거나 새 인터랙션이 필요해지므로, 기술이 굳기 전에는 디자인에 과도하게 집착하지 않아야 한다. [35:03]

20. 일상 질문과 산업 자동화가 같은 제품에 공존한다

• Instagram은 사용 방식이 비교적 단순했지만 ChatGPT는 사용자 목적과 숙련도의 차이가 훨씬 커서, 하나의 대표 사용자상만으로 제품을 설계하기 어렵다. [38:39]
• 저녁 요리법이나 헤어스타일을 묻는 사람과 일본의 농장을 자동화하는 사람이 같은 제품을 사용하며, 영향을 받는 작업의 규모도 크게 다르다. [39:31]

21. 단순한 기본 경험과 최첨단 기능을 함께 운영한다

• 대규모 사용자에게는 극도로 단순하고 간결한 기본 경험을 제공하되, 첨단 기능이 필요한 사용자에게는 해당 기능을 쉽게 찾고 사용할 경로를 열어야 한다. [40:10]
• 소수만 이해하는 기능을 10억 사용자 앞에 곧바로 놓기보다 데스크톱 앱과 Codex 같은 영역에서 적극적인 사용자와 먼저 실험한다. [40:44]

22. 빈 대화창은 작업에 맞게 형태를 바꿔야 한다

• 무엇이든 입력할 수 있는 빈 대화창은 강력하지만 ‘화려한 터미널’처럼 보일 수 있고, 사용자가 가능한 작업을 스스로 알아내야 하는 문제가 남는다. [42:00]
• 이미지 생성과 프레젠테이션 제작처럼 성격이 다른 작업을 하나의 제품이 처리하려면, 인터페이스가 목적에 맞는 도구로 유연하게 변형돼야 한다. [42:18]

23. 대화형 입력은 조작 가능한 작업 인터페이스로 확장된다

• 대화는 낮은 수준부터 높은 수준까지 폭넓은 지능과 소통할 수 있지만, 사용자가 완벽한 프롬프트를 작성하지 않아도 기능을 발견하고 후속 질문을 탭해 의도를 구체화할 수 있어야 한다. [44:36]
• 이메일이나 편지는 별도의 writing block에 담아 직접 수정하고 일부만 복사할 수 있으며, 순수 텍스트 대화보다 결과물을 다루기 쉬워진다. [45:17]

24. 개인 맥락과 선제성이 미래 인터페이스를 바꾼다

• 제품은 사용자가 매번 모든 정보를 입력하게 하기보다 생활과 업무의 누적 맥락에 점점 더 적응해야 한다. [46:25]
• 캘린더와 Slack 같은 외부 정보를 활용하면 현재 상황에 맞는 작업을 먼저 제안할 수 있고, 선제성이 새로운 사용 방식의 핵심이 된다. [46:42]

25. 하나의 입력창이 답변과 실행 방식을 스스로 고른다

• 범용 입력창은 요청에 따라 즉시 답할지, 대화를 이어갈지, 별도의 작업을 수행할지를 스스로 판단해야 한다. [47:45]
• 일반 사용자는 모델이나 처리 속도를 직접 선택하지 않아도 좋은 결과를 얻고, 세부 제어가 필요한 사용자에게만 선택권을 노출하는 구조가 적합하다. [48:08]

26. 빠르게 성장하는 조직에서도 모두가 초보자다

• GPT-4를 사용해 본 상태에서도 OpenAI 입사 당시 기술을 제대로 이해하지 못한다는 두려움이 컸지만, 분야 전체가 아직 초기 단계라는 인식이 부담을 낮췄다. [49:32]
• 빠르게 커지는 조직에서 대규모 디자인팀을 이끄는 역할은 매일 새로운 문제를 만들었고, 경험 부족을 개인의 무능으로 받아들이기 쉬웠다. [50:35]

27. 확신을 연기하기보다 변화의 가장자리를 탐색한다

• AI로 모든 것을 해결한 듯한 성공 사례가 넘치지만 실제로 완성도 높게 작동하는 사례는 많지 않으며, 과장된 자신감은 현실적인 학습을 방해한다. [51:46]
• 모르는 상태를 인정하고 같은 도구를 다시 시험하면 과거에 실패했던 작업이 새 모델이나 기능에서는 작동할 수 있다. [52:07]

28. 디자이너의 불안은 실험과 결과 중심 사고로 전환할 수 있다

• 압도감과 미래에 대한 불안은 합리적인 반응이며, 새로운 도구와 프로토타이핑 방식을 직접 시험하면 불확실성을 탐색 가능한 문제로 바꿀 수 있다. [54:02]
• 목적은 프로세스나 도구, 토큰 사용량을 늘리는 것이 아니라 사람들이 좋아하는 소프트웨어와 제품을 만드는 데 있다. [54:40]

29. AI는 초기 시각화와 운영 업무를 함께 보조한다

• 밤에 떠오른 아이디어를 곧바로 입력해 프로토타입으로 시각화하면, 완성된 디자인 없이도 팀과 논의할 구체적인 출발점을 만들 수 있다. [55:53]
• 중요한 Slack 메시지와 후속 조치를 요약하고 회의·채용에 필요한 맥락을 미리 준비하면, 디자인 외의 관리 업무도 보강할 수 있다. [56:17]

30. 실패는 잘못된 가정을 고치는 반복 과정이다

• OpenAI 합류 초기에는 디자인팀을 어떻게 구성하고 채용해야 하는지도 확신하지 못했으며, 매일 실패하는 느낌 속에서 빠르게 조정하고 배웠다. [58:19]
• 경력을 미리 계획하기보다 작동하지 않는 제품을 직접 배포하고, 실수에서 배운 내용을 다음 시도에 반영하는 방식으로 성장했다. [59:13]

31. 실패를 전제로 한 반복과 디자인의 기회

• 제품이 틀렸을 때는 세상에 내놓은 뒤 비판과 피드백을 받아 수정해야 하며, 한 번 무엇을 출시했는지보다 이후 어떻게 대응하고 개선을 지속하는지가 더 중요하다. [1:00:08]
• 디자이너는 변화에 적응하면서 즐겁고 완성도 높은 결과물을 만들어야 하며, 디자인을 중시하지 않는 기업은 뒤처지는 반면 좋은 디자인의 가치는 더욱 커진다. [1:00:48]

32. 디자인 고전과 창작물에서 얻은 영감

• 『디자인과 인간 심리』는 사람의 사고와 사물의 사용 방식을 이해하는 디자인 고전이며, 기술 업계 종사 여부와 관계없이 읽을 가치가 있다. [1:01:52]
• 브로드웨이 작품 「어쩌면 해피엔딩」은 지능형 휴머노이드 로봇이라는 친숙한 소재에 독창적인 프로덕션과 무대 디자인을 결합했다. [1:02:38]

33. 기존 조작 관습을 없앤 제품과 유연한 작업 태도

• 리비안 전기차는 가까이 다가가면 잠금이 풀리고 별도의 시동 조작도 필요하지 않아, 자동차를 작동하는 기존의 여러 전제를 없앴다. [1:04:08]
• 웨이모는 개인적으로 가장 마법적인 이동 경험에 가까우며, 자율주행 서비스가 더 많은 사람에게 보편적으로 제공되는 변화가 기대된다. [1:04:44]

34. 유머와 개성으로 차별화한 그루폰의 브랜드

• 초기 그루폰은 코미디언 중심의 작가 팀과 앤드루 메이슨의 개성을 제품에 반영했고, 스스로를 지나치게 진지하게 다루지 않는 문화로 뚜렷한 브랜드 성격을 만들었다. [1:06:10]
• 이용자는 약 50% 할인이라는 실용적 혜택뿐 아니라 재미있고 잘 쓰인 이메일을 좋아했으며, 유머와 개성이 일일 할인 서비스를 경쟁 제품과 구별했다. [1:06:56]

35. 회사마다 다른 조직 DNA와 제품 개발 방식

• 그루폰의 브랜드 중심 문화, 인스타그램의 디자인·창의성 중심 문화, OpenAI의 연구소 기반 운영 방식은 서로 달랐으며, 각 환경에 맞춰 일하는 방식도 달라져야 했다. [1:07:21]
• 창업자 중심으로 형성된 기업 문화를 외부에서 들어온 사람이 바꾸기는 매우 어려우므로, 기존 DNA를 이해하고 장점을 활용하는 편이 현실적이다. [1:08:28]

36. 사용자 피드백과 작업 과정의 공개

• ChatGPT와 Codex를 직접 사용한 뒤 피드백을 보내는 참여가 필요하며, 디자이너뿐 아니라 엔지니어와 제품 관리자도 소셜미디어를 통해 의견을 나눌 수 있다. [1:10:05]
• 변화한 작업 방식과 제작 과정을 공개하면 점차 불투명해지는 AI 실무를 이해할 수 있고, OpenAI의 제품 개선과 디자인 커뮤니티의 공동 학습에도 도움이 된다. [1:10:33]

🧾 결론

• AI는 아이디어를 작동하는 형태로 옮기는 장벽을 낮추지만, 무엇을 만들지 결정하고 사용자의 반응을 해석하며 실패안을 버리는 책임까지 대신하지는 않는다.
• 챗봇 이후의 핵심은 더 화려한 대화창이 아니라 사용자 목적과 숙련도에 따라 인터페이스가 변형되고, 대화에서 조작과 실행으로 자연스럽게 이어지는 경험이다.
• 디자이너의 역할은 사라지기보다 초기 연구 아이디어를 직접 구현하고 제품 방향에 관여하는 쪽으로 넓어질 수 있으며, 인간 중심 디자인의 상대적 중요성도 커진다.
• 완성된 AI 디자인 프로세스는 아직 없으므로 확신을 연기하기보다 빠르게 시험하고 공개하며 피드백을 다음 시도에 반영하는 적응력이 중요하다.

📈 투자·시사 포인트

• AI 제품을 평가할 때는 모델 성능뿐 아니라 초보자에게 가능성을 발견하게 하고 숙련자에게는 방해 없이 고급 기능과 실행 경로를 제공하는 인터페이스 역량을 함께 살펴볼 필요가 있다.
• 제품 생성량과 개발 속도가 높아질수록 조합 가능한 기본 단위, 디자인 시스템, 공통 플랫폼을 보유한 조직이 복잡성을 통제하기 유리해질 수 있다.
• 디자인·프로토타이핑·제품 감각을 구현 과정과 밀접하게 연결하는 팀 구성은 기존의 디자이너 대 엔지니어 비율과 제품 의사결정 권한을 바꿀 가능성이 있다.
• 모델 기능과 지연 시간, 실행 능력이 빠르게 달라지는 영역에서는 완성도에 대한 과잉 투자보다 작은 배포와 신속한 학습이 중요하며, 장기 핵심 경험과 단기 실험 기능을 구분해야 한다.

⚠️ 불확실하거나 확인이 필요한 부분

• 엔지니어 생산성이 10배 또는 100배 높아진다는 주장, 기술 직군이 두 집단으로 나뉜다는 관찰, 하루 5,000개의 PR이라는 수치는 비교 기준과 조사 방법이 제시되지 않아 일반화에 주의가 필요하다.
• 개인 맥락과 선제성, 범용 입력창의 자동 판단이 미래 인터페이스의 핵심이라는 전망은 방향성 제안이며, 대규모 사용 환경에서의 정확성이나 사용자 수용성이 검증됐다고 보기는 어렵다.
• AI는 제품 디자인을 대중화하는 강력한 도구로 묘사되지만 시각 디자인, 정보 위계, 타이포그래피, 사용자 경험, 인터랙션 디자인의 세부 영역에서는 아직 최고 전문가 수준이 아니며 발전 경로도 확정되지 않았다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 다음 아이디어 하나를 기획 완료 후가 아니라 발상 단계부터 Codex나 Claude에 입력해 작동하는 프로토타입으로 만들고, 기존 절차와 학습 속도를 비교한다.
• 프로토타입을 실제 사용자와 내부 동료에게 보여주고, 실패한 가정·폐기한 안·수정 이유를 함께 기록해 피드백 순환을 명시적으로 운영한다.
• 현재의 대화형 기능 하나를 선정해 답변, 편집 가능한 작업 블록, 후속 질문, 실제 실행으로 이어지는 흐름을 각각 시험한다.
• 제품 기능을 장기 핵심 경험과 수명이 짧은 초기 실험으로 구분하고, 사용자 조사·완성도·배포 속도에 서로 다른 기준을 적용한다.

❓ 열린 질문

• 범용 입력창은 어떤 조건에서 즉시 답하고, 추가 대화를 요청하며, 별도의 작업을 실행해야 하는가?
• 사용자의 누적 맥락을 활용한 선제적 제안은 어느 수준까지 유용하고, 어느 지점부터 작업 흐름을 방해하는가?
• 직무 경계가 흐려진 뒤에도 PM·디자인·엔지니어링이 각각 끝까지 책임져야 할 전문 영역은 무엇인가?