스티브 블랭크의 스탠퍼드 수업에서 학생들은 첫 수업부터 완성된 제품을 시연했다. 하지만 제품이 빨리 만들어지자 고객의 문제를 확인하는 실험이 판매 설명으로 바뀌었다.
제품 발견 방법론을 다룬 책을 마틴 크리스텐센과 함께 쓴 마커스 카스텐포르스(Marcus Castenfors)는 이 사례를 바탕으로 AI가 제품 개발에서 인지 편향을 키울 수 있다고 주장한다. 제품 아이디어를 검증하려는 창업자와 제품팀이라면, 완성품을 만드는 속도만큼 고객의 실제 반응을 확인하는 과정도 살펴볼 필요가 있다는 내용이다.
이 수업에서 무엇이 달라졌나
린 런치패드(Lean LaunchPad)는 학생들이 사업계획서를 먼저 완성하는 대신, 가설을 빠르게 시험하고 최소 기능 제품(MVP)을 만들어 잠재 고객을 만나도록 하는 수업이다. 고객 인터뷰와 제품 실험을 반복해 아이디어를 검증하는 방식이다.
블랭크는 수업에 관한 글에서 AI가 학생들에게 첫 수업 전까지 완성된 제품을 만들 수 있게 했다고 전했다. 하지만 카스텐포르스가 주목한 문제는 그 다음이다. 학생들은 제품을 실험 대상으로 삼기보다 판매하듯 소개했고, 고객에게서 반대 증거를 찾기보다 칭찬을 모았다. 일부는 고객 대신 AI를 통해 통찰과 검증을 얻었고, AI가 내놓은 정보라서 맞다고 여겼다.
어떤 편향이 개입했을까
카스텐포르스는 이 상황을 네 가지 인지 편향으로 설명한다. 인지 편향은 정보를 받아들이고 판단할 때 생각이 한쪽으로 기우는 경향이다. 이는 그의 해석이며, 수업에서 편향이 실제로 측정됐다는 뜻은 아니다.
확증 편향은 기존 믿음을 뒷받침하는 정보를 찾고 해석하는 경향이다. 팀이 자기 아이디어에 맞는 반응을 얻으려 하면 반대되는 증거를 놓칠 수 있다. 카스텐포르스는 먼저 가정과 위험을 정리하고, 무엇이 나오면 가설이 틀렸다고 판단할지 기준을 정하라고 제안한다. 가장 위험한 가정부터 시험하는 방식이다.
자동화 편향은 자동화 시스템의 결과를 지나치게 믿고, 이에 어긋나는 정보를 낮게 평가하는 경향이다. AI가 만든 고객 통찰을 실제 고객의 말처럼 받아들이면 그 정보의 근거를 따져 묻지 않을 수 있다. 카스텐포르스는 AI로 만든 가상 고객 통찰을 피하고 사람과 직접 대화하라고 권한다. 고객 조사는 해결할 문제나 제품 적합성을 찾는 일뿐 아니라, 팀이 다른 사람의 문제를 함께 이해하는 과정이라는 게 그의 주장이다.
이케아 효과는 자신이 만든 것에 실제 품질과 무관하게 더 높은 가치를 부여하는 경향이다. 카스텐포르스는 팀이 직접 만든 제품에 정서적으로 투자하면, 고객의 반응이 좋지 않아도 아이디어를 바꾸기 어려워질 수 있다고 본다. 이를 줄이려면 팀이 함께 중단 기준이나 성과 지표를 정할 수 있다. 예로 든 지표는 디자인 파트너·추천 고객 수, 인바운드 잠재 고객 수, 접촉한 잠재 고객 가운데 미팅을 예약한 비율이다.
설명 깊이의 착각은 어떤 것을 실제보다 깊이 이해한다고 믿는 경향이다. AI가 인터뷰를 깔끔하게 요약하면 고객을 충분히 이해했다고 느낄 수 있지만, 중요한 맥락이나 예외적인 의견을 놓칠 수 있다는 설명이다. 카스텐포르스는 AI에 사용자 조사를 종합하게 맡기지 말고, 팀이 직접 토론하고 생각하는 과정에서 고객의 이야기와 핵심 발언을 파악해야 한다고 주장한다.
제품보다 고객의 증거를 먼저 볼 수 있을까
카스텐포르스가 제시하는 핵심은 AI로 제품을 만드는 일을 멈추라는 것이 아니다. AI가 만들어 준 결과를 고객 검증의 대체물로 여기지 말고, 실제 사람과의 대화와 반대 증거를 살피라는 주장이다. 그가 경고하는 위험은 팀이 자기 믿음을 확인하고, 만든 제품에 애착을 갖고, AI 결과를 맹신하는 사이 아무도 원하지 않는 제품을 만들 수 있다는 점이다.
그는 AI를 활용하기 전에 가설을 반증할 조건과 제품을 계속하거나 중단할 기준을 팀에서 정해 보라고 제안한다. 위험 가정을 정리하는 방법도 참고할 수 있다. 다만 블랭크 수업에서 이런 편향이 얼마나 자주 발생했는지, AI 사용 전후 고객 검증 결과가 어떻게 달라졌는지는 원문에 제시되지 않는다.
댓글 (0)
로그인하면 이 기사에 내 생각을 남길 수 있어요