AI가 리서치의 일부를 자동화할수록 리서처의 일은 줄어드는 것이 아니라 추상도가 올라간다. 과거의 리서처가 좋은 인터뷰를 수행하고 보고서를 만드는 사람이었다면, 앞으로의 리서처는 어떤 질문을 합성 사용자에게 맡기고 어떤 질문을 실제 사용자에게 가져갈지 결정하는 사람에 가까워진다. 이 판단이 틀리면 빠른 합성은 빠른 오판이 된다.
여기서 중요한 역량은 도구 사용법이 아니라 배합 감각이다. 합성 데이터는 가설 생성과 질문 리허설에 유용하지만, 조직의 의사결정에 필요한 맥락적 제약을 대신 만들어주지는 못한다. 실제 사용자의 인용구와 행동 로그는 그 자체로 가치가 있는 것이 아니라, 모델이 놓친 조건을 밝혀내고 제품 선택지의 경계를 좁힐 때 가치가 생긴다.
근거
원문은 Sim-to-real이 발전할수록 데이터의 양보다 “어떤 데이터를 어떻게 설계해서 어떻게 배치할 것인가”라는 레시피가 중요해진다고 본다.
“앞으로의 리서처는 ‘AI가 잘 활용할 수 있도록 데이터를 설계하고, 합성 데이터와 실제 데이터를 전략적으로 배합하는 사람’으로 역할이 확장됩니다.”
연결된 생각
- 20260626-ux-research-data-orchestration — 데이터 배합 설계를 UX 리서치 운영 방식으로 구조화한 개념이다.
- 20260512-ai-era-rewards-judgment-not-execution-speed — 실행 속도가 평준화될수록 판단이 희소 역량이 된다는 같은 패턴이다.
- 20260512-ai-as-design-hypothesis-simulator — AI를 완성 도구가 아니라 검증 전 가설 시뮬레이터로 쓰는 관점과 연결된다.