AI가 UX 리서처를 대체할까? AI가 설문을 돌립니다 -- 그런데 올바른 질문은 누가 하죠?

리서치 랩에 새 어시스턴트가 생겼습니다

사용성 테스트를 준비하는 UX 리서처라고 상상해 보십시오. 참가자를 모집하고, 토론 가이드를 작성하고, 세션을 진행하고, 수 시간의 인터뷰를 녹취하고, 질적 데이터를 코딩하고, 이 모든 것을 실행 가능한 권고안으로 종합해야 합니다. 2년 전만 해도 이 모든 단계에 상당한 인간의 노력이 필요했습니다. 오늘날 AI는 그중 여러 가지를 여러분이 아침 커피를 마시기도 전에 처리합니다.

저희 데이터에 따르면, UX 리서처의 2025년 전체 AI 노출도는 54%이며 자동화 위험은 100점 만점에 38점입니다 [사실]. 노출 수준은 높지만, 자동화 유형은 대체가 아닌 증강입니다. 이 차이는 매우 중요합니다 -- AI가 UX 리서처의 대체품이 아니라, 리서처 도구 상자의 강력한 도구가 되고 있다는 뜻이기 때문입니다.

AI가 판도를 바꾸고 있는 영역

UX 리서치에서 가장 자동화율이 높은 업무는 질적·양적 사용자 데이터 분석으로, 65% 자동화에 달합니다 [사실]. AI는 이제 수천 건의 설문 응답을 처리하고, 감성을 태깅하고, 행동 분석에서 패턴을 식별하고, 몇 분 만에 예비 인사이트를 생성할 수 있습니다. 대형 언어 모델 기반 도구는 인터뷰 녹음을 녹취·요약하며, 리서처가 모든 오디오를 직접 듣지 않아도 핵심 주제를 강조해 줍니다.

사용자 퍼소나 및 여정 맵 생성이 58% 자동화로 그 뒤를 잇습니다 [사실]. AI 시스템에 충분한 사용자 데이터를 입력하면 퍼소나 프로필 초안을 만들고, 주요 사용자 플로우를 매핑하고, 행동 클러스터링을 기반으로 페인 포인트까지 제안할 수 있습니다. 산출물에 보통 인간의 다듬기가 필요하지만, 며칠 걸리던 첫 초안이 이제 몇 분이면 나옵니다.

사용성 테스트 자체도 42% 부분 자동화되어 있습니다 [사실]. AI 기반 테스트 플랫폼은 무인 테스트를 대규모로 실행하고, 시선 추적을 하고, 과업 완료 시간을 측정하고, 사용성 이슈를 자동으로 플래그할 수 있습니다. Maze나 UserTesting 같은 플랫폼은 테스트 분석의 반복적인 작업 대부분을 처리하는 AI 기능을 통합했습니다.

AI가 복제할 수 없는 인간만의 강점

여기서 흥미로워집니다. 이해관계자 인터뷰 및 현장 연구 수행의 자동화율은 겨우 28%입니다 [사실]. 이것이야말로 UX 리서치를 독보적으로 인간적인 학문으로 만드는 핵심입니다.

UX 리서처가 병원 응급실에서 좌절한 환자 맞은편에 앉아 스트레스와 고통 속에서 키오스크와 상호작용하는 모습을 관찰할 때, 어떤 AI도 그 순간의 공감적 이해를 복제할 수 없습니다. 이해관계자 미팅에서 분위기를 읽을 때 -- 엔지니어링팀과 디자인팀 사이의 정치적 긴장감을 감지하고, 말로 표현되지 않는 우선순위를 파악할 때 -- 이것은 AI가 보유하지 못한 종류의 패턴 인식입니다.

최고의 UX 리서치는 항상 아무도 생각하지 못한 질문을 던지는 것이었습니다. 사용자가 말하지 않는 것을 알아채는 것이지, 말하는 것만 듣는 것이 아닙니다. AI는 답변 처리에 탁월하고, 인간은 질문 설계에 탁월합니다.

밀접한 관련이 있는 UX 디자이너가 어떤 영향을 받고 있는지 궁금하시다면, 비교해 보시면 시사점이 있습니다. 디자이너는 비슷한 AI 노출을 받지만 업무 프로필이 다릅니다 -- 시각적 생성이 더 많고, 질적 분석은 적습니다.

3년 후 전망

2028년까지 저희 전망에 따르면 UX 리서처의 전체 AI 노출도는 69%에, 자동화 위험은 100점 만점에 51점에 도달합니다 [추정]. 처음으로 50% 위험 문턱을 넘는 것인데, 실제로 무엇을 의미하는지 이해하면 그리 놀랍지 않습니다.

성공하는 리서처는 이 변화를 받아들이는 사람들입니다. 시간의 60%를 데이터 처리에, 40%를 전략적 인사이트에 쓰는 대신 그 비율이 뒤집힐 것입니다. AI가 데이터를 처리합니다. 여러분은 인사이트를 제공합니다. 기업은 데이터를 처리할 리서처는 적게 필요하지만, 발견 결과를 비즈니스 전략으로 전환하고, 이해관계자와의 어려운 대화를 진행하고, 진정으로 참신한 질문을 던지는 리서치 프로그램을 설계하는 리서처는 더 많이 필요할 것입니다.

채용 시장이 이미 이를 반영하고 있습니다. UX 리서처 채용 공고에서 "전략적 리서치", "혼합 연구 방법 전문성", "이해관계자 관리"를 점점 더 많이 언급합니다 -- 자동화하기 어려운 역량입니다. 반면 "설문 분석"과 "데이터 처리"를 강조하는 공고는 감소하고 있습니다.

이것이 여러분에게 의미하는 바

UX 리서처이거나 되고자 한다면, 앞으로의 길은 명확합니다. AI가 건드릴 수 없는 역량에 집중하십시오: 민족지학적 연구 방법, 퍼실리테이션, 스토리텔링, 그리고 리서치 결과를 비즈니스 성과에 연결하는 능력. AI 도구를 유창하게 사용하는 법을 배우십시오 -- 생산성이 극적으로 높아질 것입니다. 하지만 확보된 시간을 어떤 알고리즘도 자동화할 수 없는 깊고 복잡한 인간적 작업에 투자하십시오.

어려움을 겪게 될 리서처는 처리할 수 있는 데이터의 양으로 자신의 가치를 정의한 사람들입니다. 성공할 리서처는 던질 수 있는 질문의 질로 자신의 가치를 정의한 사람들입니다.

업무별 전체 분석은 UX 리서처 직업 페이지에서 확인하실 수 있습니다. 인접한 분석 역할에서 AI가 어떻게 작용하는지 데이터 사이언티스트와 비교해 보시는 것도 유용할 것입니다.

업데이트 이력

• 2026-03-30: 2025년 실제 데이터와 2028년 전망으로 최초 게시.

출처

• Eloundou et al. (2023). "GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models."
• Brynjolfsson et al. (2025). "Generative AI at Work."
• Anthropic Economic Research (2026). Labor Market Impact Assessment.

---

이 분석은 AI의 도움으로 작성되었습니다. 모든 통계는 동료 심사 연구와 산업 데이터를 결합한 자체 데이터셋을 참조합니다. 방법론에 대한 자세한 내용은 데이터 소개를 참조하십시오.