포트폴리오를 위해 뭔가 만들어야 하는데, 정작 “뭘 만들지” 를 정하는 데에 시간이 가장 많이 걸린다. AI로 코드는 손쉽게 짤 수 있는 시대인데, 정작 그 앞 단계에서 막힌다는 게 아이러니다.
오늘은 그 의문을 풀러 갔다. 다른 사람들은 어떻게 사람들의 pain 을 찾아내서 프로젝트를 시작할까? 그리고 그 조사를 AI에게 맡길 수 있는 영역은 어디까지일까?
Table of contents
Open Table of contents
문제 — 만들 수 있어도, 만들 것을 찾지 못함
내 머릿속의 의문을 그대로 옮기면 세 가지였다.
- 다른 사람들은 어떻게 pain을 조사하지?
- 내가 겪는 pain들을 다른 사람도 겪을까?
- AI가 이 조사를 도와줄 수 있는 영역은 어디까지일까?
이 의문을 그대로 Claude에 던졌다.
대표적인 방식 4가지 가 돌아왔다.
사람들의 pain을 찾는 4가지 방법
1) 자기 자신의 불편함에서 출발
- 장점: 실제로 내가 겪는 문제라 “pain이 진짜 있나?” 검증이 거의 필요 없다.
- 위험: “나만의 문제” 일 수 있다. 다른 사람도 같은 문제를 겪는지 별도 확인이 필요.
내가 평소에 프로젝트를 시작하는 방법이기도 한데, “나만의 문제” 였다는 사실을 뒤늦게 알게 되면 만든 게 사용되지 않는다. 시작 전에 한 번은 짚어야 하는 단계.
2) 사람들이 불평하는 곳을 관찰
- 인기 앱·서비스의 낮은 평점 리뷰
- 커뮤니티에 올라오는 질문 / 푸념 글
- 어떤 도구의 사용자들이 우회 방법으로 불편하게 쓰고 있는 상황 (= 그 자리에 더 나은 도구가 들어갈 자리)
3) 직접 대화 / 인터뷰
타겟이 되는 사람들과 직접 만나 구체적 경험과 pain을 묻는다.
- 장점: 가장 확실. pain의 강도까지 직접 가늠 가능.
- 비용: 큼. 만날 사람을 모으는 것 자체가 일.
방법론 측면에서 오프라인 만남도 있지만, 타겟이 되는 사람들에게 접근하는 게 핵심 이라 SNS 운영도 한 방법이라는 생각이 들었다.
4) 본인이 속한 업계 / 도메인의 비효율을 관찰
- 가장 강력한 방식이다. 도메인 안에 있는 사람만 보이는 비효율이 있다.
- 한계: 도메인 지식이 없으면 못 쓴다.
이게 사실상 내가 가장 하고 싶은 방법인데, 아직 어떤 도메인에 정착할지 정하지 못한 상태라 활용이 어렵다. 비교적 가볍게 적용한 사례가 하나 있긴 한데, 최근에 디아블로 2를 하면서 만든 시스템이다. 드롭된 아이템의 가치를 잘 모를 때 캡쳐해서 입력하면 AI가 점수를 매겨주는 도구. 게임 도메인이긴 하지만 같은 패턴 — “내가 잘 모르는 영역의 의사결정을 AI에 위임” — 을 산업 도메인으로 옮길 수 있다면 더 큰 임팩트가 가능하다는 게 다음 과제.
곁가지 의문 — SNS 계정 관리가 필요한가
직접 인터뷰의 보조 수단으로 SNS 계정을 운영하면 자연스럽게 사람들의 니즈를 알 수 있을 거라 생각했다. 그런데 막상 따져보니:
- 계정을 키우는 데에만 시간이 많이 든다.
- 결국 타겟 사용자는 특정 커뮤니티(예: 레딧의 서브레딧)에 이미 몰려 있다.
- 그 커뮤니티에 직접 들어가 관찰·질문하는 게 더 빠르고 정확하다.
→ 결론: 계정 키우기 보다 타겟 커뮤니티를 정해서 직접 들어가는 게 낫다. 그러기 위해선 다시 처음의 질문으로 — 타겟 / 도메인을 먼저 정해야 한다.
그러면 AI에게 pain 조사를 맡길 수 있을까
사람이 직접 커뮤니티 글을 뒤지는 게 정공법이지만, 요즘 AI 도구가 좋아져서 AI에게 조사를 시키는 것 은 어떤지가 자연스러운 다음 질문이었다. 정리해본 한계:
1) Public한 영역만 접근 가능
AI는 공개된 텍스트(웹, 공개 포럼, 트위터 등)만 본다. 다음은 접근 불가:
- 비공개 카페 / 디스코드 서버
- 단톡방 / 슬랙 워크스페이스 / 사내 위키
- 로그인 벽 뒤의 콘텐츠
→ AI가 찾아주는 pain은 이미 잘 드러난 부분이다. 잘 드러난 pain은 알기 쉬운 만큼, 이미 누군가 그 자리에 도구를 만들고 있을 가능성도 높다. 차별화 여지가 줄어드는 셈.
2) Pain의 “강도” 를 정확히 못 잰다
“불편하지만 돈을 낼 정도는 아니다” 와 “돈을 내고서라도 쓰고 싶다” 의 차이를 아는 건 사람이다.
AI는 데이터를 그럴듯하게 종합하지만, 그 pain이 실제로 어느 정도 절실한지 는 측정 못한다. 이건 사람이 글로 명시적으로 적어줘야만 AI가 그걸 가져올 수 있다. 대부분의 pain은 그 정도 정밀하게 글로 기록되어 있지 않다.
3) 그 외 한계
- 맥락을 놓친다 — 농담인지 진심인지, 작년 얘기인지 지금 얘기인지 구분이 불완전.
- 출처가 불투명 — AI 답변에서 “어디서 본 거냐” 를 역추적하기 어려운 경우가 많다.
- 환각(hallucination) — 그럴듯한 가짜를 만든다.
- pain의 보편성을 못 잰다 — 한 명이 쓴 글인지, 만 명이 같은 말을 하는지 구분 어렵다.
정리 — 조사는 AI에 맡기되, 판단은 사람이
| 단계 | 사람과 AI의 역할 |
|---|---|
| 광역 탐색 (어디서 사람들이 떠드나) | AI에게 위임 가능 |
| 후보 pain 추출 (어떤 불편이 자주 보이나) | AI 보조 + 사람 검증 |
| pain의 강도 측정 (정말 돈 낼 정도인가) | 사람이 직접 (인터뷰 / 공감) |
| pain의 보편성 확인 (몇 명이 같은 걸 겪는가) | 사람이 직접 (정량 조사) |
| 나만의 문제인지 검증 | 사람이 직접 (커뮤니티에서 묻기) |
AI는 광역 탐색에서 시간을 줄여주지만, 결정적인 검증 단계는 사람의 일 이라는 게 오늘 정리한 결론.
더 공부해볼 것
1. 타겟 / 도메인을 정하는 방법
- 본인의 강점(기존 경력 + 흥미) 와 시장 사이즈를 어떻게 교차해서 도메인을 좁히는가
- 임베디드 객체 인식 / NDT 같은 내 기존 경력 도메인에서 출발하면, 도메인 지식이 있고 비효율이 보이는 위치 — 이쪽을 정공법으로 다시 검토해보자
- 참고할 만한 프레임워크: PMF(Product-Market Fit) 탐색, “Niche down” 사고
2. 사용자 인터뷰 기법
- “The Mom Test” 식의 질문법 — 듣고 싶은 답을 유도하지 않는 인터뷰
- 5명만 인터뷰해도 80%의 문제가 드러난다는 UX 리서치 경험칙
- 인터뷰 결과를 정리하는 affinity diagramming 등의 분석 패턴
3. AI 기반 시장 조사 도구의 실제
- Reddit·Twitter·App store reviews 를 모아 자동 분석하는 OSS / 상용 툴 (예: Reddit API + LLM 파이프라인)
- 직접 만들어볼 가치도 있는 영역 — pain 조사 자체가 portfolio용 도구가 될 수 있음
4. 게임 도메인에서 시작한 가벼운 프로젝트의 확장
- 디아블로 2 아이템 가치 평가 시스템 같은 패턴을 일반화 — “내가 모르는 영역의 의사결정을 AI가 보조”
- 산업 도메인 적용 후보: 중고 부품 평가, 산업 장비 진단 점수, 비파괴 검사 보조 의견 등
5. 글로 안 적힌 pain을 잡는 방법
- AI가 못 보는 영역 (비공개 채팅, 직접 대화) 에서 어떤 식으로 pain을 수집하고 누적하는가
- 그렇게 모은 인사이트를 본인만의 자산으로 만드는 방식
회고
오늘의 질문은 사실 본질적이었다. “AI를 활용하면 이 막막함도 사라질까?” 답은 일부는 yes, 일부는 no.
코드는 AI로 빠르게 짤 수 있는 시대지만, 서비스가 실제로 운용되려면 코딩 단계보다 그 앞 단계(무엇을 만들지)와 뒷 단계(누구에게 어떻게 닿게 할지)에 더 많은 시간을 들여야 한다. 코딩이 빨라진 만큼, 상대적으로 그 양쪽 단계의 비중이 커지는 셈.
다음 행동은 두 가지로 좁힌다.
- 타겟 도메인 정하기 — 내 기존 경력(임베디드 객체 인식 / NDT 가능성)을 기준으로 후보 3개 정도 추리기
- 그 도메인의 커뮤니티 / 리뷰 / 푸념 글을 직접 관찰하기 — AI 보조는 광역 탐색까지만, 결정은 직접