DX-AI Platform 디자인 스프린트:
상세 과정 및 결과 종합 정리
2025년 4월 23일~24일, 과천시창업지원센터
DX-AI Platform Design Sprint 안내 링크
DX-AI Platform의 목표와 방향성에 대한 팀 내 공감대를 형성하고, 각자의 역할과 배경을 자연스럽게 공유하며 상호 이해를 높이는 성과를 거두었습니다. 또한 Benchmarking, Ideation, Sketch, Prototype Design 전 과정에 Gen-AI를 적극 활용하여, 1.5일 만에 4개 세션을 신속히 완료할 수 있었으며, 이를 통해 Gen-AI의 실질적 업무 적용 가능성도 체감할 수 있었습니다.
이번 DX-AI Platform 디자인 스프린트는 플랫폼의 핵심 가치를 정의하고, 단기적으로 집중해야 할 MVP(Minimum Viable Product) 기능과 사용자 경험을 구체화하기 위해 4개의 세션으로 진행되었습니다. 각 세션별 주요 활동 과정과 협의 결과는 다음과 같습니다.
목표 설정 및 문제 정의
플랫폼의 비전과 핵심 문제점을 명확히 정의하는 과정
솔루션 아이디어 발상
다양한 관점에서 혁신적 해결책을 도출하는 단계
아이디어 결정 및 구체화
최적의 솔루션을 선정하고 상세 스토리보드 작성
프로토타입 제작
선정된 아이디어를 바탕으로 MVP 기능 구현 및 검증
Session 1: 목표 설정 및 문제 정의 (Map)
장기 목표(Long Term Goal) 설정
1~2년 후 플랫폼이 달성해야 할 가장 이상적인 모습에 대해 논의하고 투표를 통해 핵심 목표를 선정했습니다.
스프린트 질문(Sprint Questions) 도출
설정된 장기 목표 달성을 가로막을 수 있는 잠재적 장애물과 핵심적인 질문들을 브레인스토밍하고 투표로 우선순위를 정했습니다.
전문가 인터뷰 및 HMW 질문 생성/그룹핑
각 분야 참가자들의 경험과 지식을 공유하며 '우리가 어떻게 하면 ~할 수 있을까?' 형태의 HMW 질문들을 다수 생성하고, 유사한 주제끼리 그룹핑하여 핵심 과제를 도출했습니다.
사용자 여정 맵(Map) 제작
플랫폼을 사용할 가상 사용자(페르소나)가 문제를 인지하고 플랫폼을 통해 목표를 달성하기까지의 과정을 단계별로 시각화하며, 각 단계에서의 문제점과 기회 요소를 파악했습니다.
Session 1: 목표 설정 및 문제 정의 (Map)
장기 목표
"AI/DX 기반 공정/설비 최적화 및 품질 안정화"를 핵심 목표로 합의 (불량 감소, 수율 향상, 데이터 기반 의사결정 문화 정착 등 포함).
핵심 질문
"품질 AI 구현의 가장 큰 걸림돌은 무엇인가?" (데이터 품질, 전문가 부족, 협업 등)와 "안정적인 데이터 확보", "기술 발전 속도 대응"의 중요성에 공감.
핵심 과제(HMW)
"데이터 확보 방안 구축", "데이터 분석 및 시각화 체계", "품질 이슈 예측/분석" 등이 가장 중요한 해결 과제로 부각됨.
사용자 경험 문제점
데이터 입력/수집의 정확성 및 편의성, AI 분석 결과 해석의 어려움, 분석 결과와 실제 조치 연계의 비효율성 등이 주요 문제점으로 식별됨.
스프린트 타겟 및 MVP 기능
데이터 수집/검증, AI 기반 분석/예측(품질 중심), 결과 시각화/UI 영역에 집중하기로 결정. 이를 바탕으로 MVP 핵심 기능을 데이터 분석, Target 예측, 데이터 수집, 검색/리포트, 처리 파이프라인, 파서 등으로 정의하고, 도메인 특화 AI 에이전트 설계 및 GitHub 기반 협업/시연 구조 수립을 부가 목표로 설정.
Session 2: 솔루션 아이디어 발상 (Sketch)
GenAI 라이트닝 데모(Lightning Demos)
GenAI를 이용해 제조업 외 다른 분야에서 유사 문제를 해결한 사례(예: 예측 분석, 디지털 트윈, 협업 플랫폼 등)를 공유하며 아이디어 발상에 영감을 얻었습니다.
1단계 스케치: GenAI Notes/Ideas
GenAI를 이용하여 라이트닝 데모에서 얻은 인사이트를 바탕으로 아이디어를 구체화 합니다.
2단계 스케치: GenAI Wireframe
GenAI를 이용하여 아이디어를 바탕으로 기준으로 화면별 Wireframe 생성 합니다.
3단계 스케치: GenAI Mockups
GenAI를 이용하여 생성된 Wireframe을 바탕으로, 주요 화면 단위로 Low-Fidelity Mockup 생성 합니다.
4단계 스케치: Solution ㅇSketch
최종적으로 선별한 아이디어를 상세하게 시각화하고 사용자 경험 흐름과 함께 구체화하는 단계입니다.
Session 2: 솔루션 아이디어 발상 (Sketch)
솔루션 아이디어 도출 결과
Session 1에서 정의된 문제와 타겟 영역을 해결하기 위한 다양하고 구체적인 솔루션 아이디어들이 시각적인 스케치 형태로 다수 도출되었습니다.
구체적인 아이디어 예시
예를 들어, 통합 대시보드의 구성 요소, AI 기반 원인 분석 결과를 보여주는 방식, 데이터 탐색 인터페이스, 사용자 간 협업 기능 등에 대한 개별적인 아이디어들이 구체화되었습니다.
Session 3: 아이디어 결정 및 스토리보드 구체화 (Decide)
디자인 스프린트 3일차에는 도출된 다양한 아이디어 중 최적의 솔루션을 선택하고 구체화하는 과정을 진행했습니다.
아트 뮤지엄(Art Museum) & 히트맵(Heat Map)
솔루션 스케치들을 전시하고, 참가자들이 조용히 둘러보며 인상 깊거나 중요하다고 생각하는 부분에 점 스티커를 부착하여 시각적으로 선호도를 표현했습니다.
스피드 크리틱(Speed Critique)
히트맵 결과를 바탕으로 주목받은 아이디어들을 중심으로 사회자가 간략히 설명하고, 참가자들이 핵심 컨셉과 장단점에 대해 빠르게 의견을 나누었습니다.
투표 및 선정
참가자들의 투표와 논의를 통해 프로토타입으로 구현할 핵심 솔루션 아이디어와 사용자 흐름을 최종적으로 결정했습니다.
스토리보드(Storyboard) 제작
선정된 아이디어를 바탕으로, 사용자가 경험할 구체적인 화면 단위의 흐름을 약 6~8개의 핵심 프레임으로 구성된 스토리보드로 상세하게 시각화했습니다. 각 프레임에는 화면 구성 요소와 사용자 인터랙션이 명확히 표현되었습니다.
Session 3: 아이디어 결정 및 스토리보드 구체화 (Decide)
홈(통합 대시보드)
모든 핵심 정보와 알림을 한눈에 확인할 수 있는 통합 인터페이스로, 사용자 맞춤형 위젯과 요약 정보를 제공합니다.
데이터 관리
다양한 소스에서 데이터를 수집하고 정제하는 과정으로, 데이터 품질 확인과 자동 전처리 기능을 포함합니다.
데이터 탐색/분석
직관적인 인터페이스를 통해 데이터 시각화 및 패턴 분석을 수행하며, 비전문가도 쉽게 인사이트를 도출할 수 있습니다.
AI 원인 분석(RCA)
문제 발생 시 AI가 자동으로 근본 원인을 분석하고 주요 변수 간 상관관계를 시각적으로 제시하여 의사결정을 지원합니다.
조치 추천/실행
AI가 과거 데이터와 현재 상황을 기반으로 최적의 조치를 추천하고, 승인 시 자동화된 워크플로우를 통해 실행됩니다.
실시간 모니터링/리포팅
조치 실행 후 효과를 실시간으로 추적하고, 주요 이해관계자들을 위한 맞춤형 리포트를 자동 생성합니다.
프로토타입으로 구현할 핵심 사용자 경험 시나리오가 스토리보드 형태로 확정되었습니다. 이 시나리오는 위와 같은 주요 단계를 포함합니다. 부가적으로 LOT 상세 추적 및 예측 알림, 조치 추적기 기능의 흐름도 포함되었습니다. 이 스토리보드는 다음 세션에서 제작할 프로토타입의 청사진 역할을 하게 됩니다.
스토리보드 개발 과정에서 팀은 사용자 인터페이스의 일관성과 직관적인 워크플로우에 특별히 주목했습니다. 데이터 과학자뿐만 아니라 현장 엔지니어와 관리자도 쉽게 이용할 수 있는 인터페이스를 설계하는 데 중점을 두었으며, 각 단계 간 자연스러운 전환과 정보의 계층적 구조화를 통해 복잡한 데이터와 AI 분석 결과를 효과적으로 전달할 수 있도록 했습니다.
참가자들의 열띤 토론 끝에, AI 기반 의사결정 지원 시스템으로서의 정체성을 강화하는 방향으로 스토리보드가 구체화되었습니다. 특히 데이터 기반 의사결정과 자동화된 조치 실행 사이의 균형을 맞추는 것이 중요한 과제로 부각되었으며, 사용자가 최종 결정권을 가지면서도 AI의 추천을 충분히 활용할 수 있는 워크플로우를 설계했습니다.
Session 4: 프로토타입 제작 (Prototype)
디자인 스프린트의 네 번째 단계에서는 이전 세션에서 구체화한 아이디어를 실제 사용자가 경험할 수 있는 형태로 구현했습니다.
프로토타입 마인드셋 공유
"실제처럼 보이되, 학습에 필요한 만큼만 만들고 언제든 버릴 수 있다"는 원칙을 공유하며 빠르고 효율적인 제작을 목표로 했습니다.
프로토타입 제작
Session 3에서 확정된 스토리보드를 기반으로, 디자인 툴(Figma AI)를 사용하여 사용자가 실제로 클릭하며 상호작용하는 것처럼 느낄 수 있는 고충실도(High-fidelity) 디지털 프로토타입을 제작했습니다. 주요 화면들의 UI 디자인과 화면 간 인터랙션을 구현했습니다.
Session 4: 프로토타입 제작 (Prototype)
통합 대시보드
핵심 품질 지표와 알림을 한눈에 볼 수 있는 메인 화면으로, 사용자가 중요 정보에 빠르게 접근할 수 있도록 설계되었습니다.
AI 원인 분석(RCA)
품질 문제의 근본 원인을 AI가 분석하여 시각적으로 제시하고, 관련 데이터와 함께 해결책을 추천하는 화면입니다.
Action Tracker
식별된 문제에 대한 조치 사항을 관리하고 진행 상황을 추적할 수 있는 협업 기능입니다.
스토리보드에 정의된 핵심 사용자 흐름과 기능(대시보드, 데이터 분석, RCA, Action Tracker 등)을 시각적으로 구현한 테스트 가능한 인터랙티브 프로토타입이 완성되었습니다. 이 프로토타입은 다음 단계인 사용자 테스트에서 아이디어를 검증하고 피드백을 얻는 데 사용될 핵심 결과물입니다.
디자인 스프린트 회고 (Retrospective)
스프린트 종료 후, 과정 전반에 대한 성찰과 학습을 위해 회고를 진행했습니다.
잘한 점 (Keep)
AI(GenAI 포함)를 적극 활용하여 디자인 프로세스의 효율성을 높이고 새로운 가능성을 탐색한 경험. 다양한 배경의 참가자들이 모여 지식과 경험을 공유하고 공동의 목표를 향해 협력하며 팀워크를 다진 점. 짧은 시간 내 집중하여 아이디어를 발상하고 시각화하여 효과적으로 소통하고 공유한 점.
아쉬웠던 점 (Stop)
전체 일정 및 세션별 시간이 촉박하여 충분한 숙고나 아이디어 발전에 한계가 있었던 점. 의사결정 과정 및 명확성에 대한 일부 아쉬움. 참여자 구성이나 논의된 아이디어의 범위가 특정 분야에 집중되어 다양한 관점 반영이 부족했던 점.
앞으로 시도할 점 (Try)
스프린트 시작 전 목표, 방법론, 관련 정보 등에 대한 충분한 사전 공유 및 학습 강화. 목표 범위를 더 작고 구체적으로 설정하거나, 개발 가능성을 고려한 현실적인 MVP 범위 설정 노력. 다양한 부서/전문가/고객사 참여 유도 및 역할 순환 등을 통해 관점의 다양성 확보 및 시너지 창출.
결론
🏁 디자인 스프린트의 성과
이번 디자인 스프린트는 DX-AI Platform의 전략적 방향성을 명확히 설정하고, 사용자 중심의 구체적 솔루션 아이디어와 단기 개발 목표(MVP 범위)를 성공적으로 도출하는 데 중점을 두었습니다.
짧은 시간 동안 Gen-AI를 적극 활용하여 다양한 아이디어를 수렴하고, 이를 구체적 프로토타입으로 연결하는 과정을 통해 팀원들의 창의적 사고, 신속한 의사결정, 협업 역량이 크게 향상되었습니다.
특히 사용자의 잠재적 니즈와 현장 중심 페인 포인트를 도출함으로써, 향후 제품 개발의 실질적 방향성을 확보했습니다.
💡 핵심 가치 및 공감대 형성
데이터 통합 및 현장 적용성 확보의 중요성에 대해 깊은 공감대를 형성하였으며,
사용자 경험(UX)과 기술 실현 가능성(Feasibility) 간 균형점을 탐색하는 과정에서 플랫폼의 차별화된 가치 제안을 명확히 정의할 수 있었습니다.
이번 과정을 통해 "단순 기능 구현"을 넘어, 사용자의 실질적 문제 해결과 비즈니스 성과 향상에 기여할 수 있는 플랫폼 개발의 견고한 기반을 마련했습니다.
🚀 다음 단계
완성된 프로토타입은 다음 단계인 사용자 테스트를 통해 검증 및 개선될 예정입니다. 실제 사용자들의 피드백을 수집하여 사용성과 기능성을 평가하고, 필요한 경우 디자인과 기능을 조정할 계획입니다. 이후 개발팀과의 긴밀한 협업을 통해 MVP 개발 계획을 수립하고, 단계적 구현 전략을 마련하여 빠른 시일 내에 시장에 출시할 수 있도록 추진할 것입니다.
🧠 기술적 혁신과 비즈니스 가치
DX-AI Platform은 온톨로지 기반 RAG 기술과 로컬 LLM(Gemma3)을 활용하여 데이터 수집, 정제, 분석 프로세스를 혁신적으로 최적화하였습니다.
이를 통해 데이터 활용도를 극대화하고, 현장 맞춤형 지식 서비스를 제공함으로써 의사결정 속도와 정확도를 향상시킬 수 있습니다.
특히, 자동화된 데이터 전처리·분석 기능은 기업 운영 효율성 제고와 비용 절감 측면에서 큰 비즈니스 가치를 창출할 것으로 기대됩니다.
🤝 협업 문화와 조직 역량 강화
이번 스프린트는 다양한 부서와 전문 영역의 구성원들이 참여하여 상호 이해를 증진시키고,
공통의 목표를 향한 협력 문화를 자연스럽게 형성하는 데 기여했습니다.
Gen-AI를 협업 파트너로 활용한 경험은 구성원들의 디지털 역량과 혁신 수용성을 높였으며, 향후 다양한 프로젝트로 확산 가능한 조직적 자산이 되었습니다.
📈 시장 경쟁력 및 확장성
개발된 프로토타입은 모듈화(Modularization)와 API 기반 설계를 채택하여,
향후 기술 트렌드 변화 및 사용자 요구사항에 빠르고 유연하게 대응할 수 있는 구조를 갖추고 있습니다.
이는 장기적으로 DX-AI Platform이 다양한 산업 영역과 글로벌 시장에 확장 가능한 강력한 경쟁력을 확보하는 데 중요한 역할을 할 것입니다.
이번 Design Sprint를 통해 DX-AI Platform의 목표와 방향성에 대한 팀 내 공감대를 성공적으로 형성하였습니다.
단순한 과제 수행을 넘어, 각 구성원이 자신의 역할과 업무 배경을 공유하며 자연스럽게 상호 이해를 높이는 기회를 마련했습니다.
이를 통해 서로의 전문성과 관점을 존중하고 연결하는 기반이 구축되었으며, DX-AI Platform이 지향하는 최종 목표에 대해 명확하고 일관된 인식을 공유할 수 있었습니다.
특히, 이번 Sprint에서는 Benchmarking, Ideation, Sketch, Prototype Design 전 과정에 Gen-AI를 적극적으로 활용하여,
짧은 기간 동안 빠른 의사결정과 결과물을 도출할 수 있었습니다.
이를 통해 Gen-AI를 실제 업무에 어떻게 적용할 수 있는지에 대한 감각도 자연스럽게 익힐 수 있었으며,
덕분에 제한된 시간(1.5일) 안에 4개 세션을 성공적으로 마칠 수 있었습니다.
이번 Sprint 결과는 향후 DX-AI Platform 개발 및 확산 과정에서 모든 참여 부서와 이해관계자들이 같은 방향을 바라보며 협력할 수 있는 탄탄한 출발점이 될 것입니다. 또한, 이러한 경험은 향후 조직 내 다른 프로젝트에도 적용 가능한 모범 사례로 활용될 수 있을 것입니다.
Podcast