DBpia에서 AI 채팅을 처음 선보였을 때 저는 꽤 설렜습니다.
‘이젠 논문을 읽기 전에 궁금한 걸 먼저 물어볼 수 있게 됐다’는 건, 학술 정보 서비스로서 정말 새로운 시도였으니까요.
하지만 현실은 달랐습니다. 채팅창은 열리지만, 질문은 딱 한 번. 그게 끝이었습니다.
“왜 아무도 두 번째 질문을 하지 않을까?”“혹시, 질문을 던지는 게 아니라 핵심을 먼저 알려주는 게 더 필요했던 건 아닐까?”
그 질문이 새로운 전환의 시작이었습니다.
제목없음
제목없음
⁉️ 사용자는 질문보다 요약을 원하고 있었다
제목없음
제목없음
우리는 기능 명칭과 메시지를 바꿔가며 세 차례 A/B 테스트를 진행했습니다.
‘AI채팅’ → ‘요약보기’ → ‘AI요약보기’로 단계적으로 명칭 변경
‘논문 완독: 10~15분’ vs ‘요약: 1분’ 비교 문구 실험
테스트 결과는 놀라웠습니다. ‘요약’이라는 표현 하나로 클릭률은 최대 5.3%p 상승했고, 자연스럽게 논문 열람으로 이어졌습니다.
그제야 우리는 깨달았습니다. AI 채팅은 단순히 ‘채팅만을 위한 기능’이 아니라, ‘요약 이후에야 비로소 의미를 갖는 기능’이었다는 것을 말이죠.
그래서 방향을 바꾸기로 했습니다. ‘AI 채팅’을 보완하는 수준이 아닌, ‘AI 요약’을 중심에 둔 'AI뷰어'로 서비스 정체성을 재설계했습니다.
제목없음
제목없음
A/B 테스트 그래프
제목없음
제목없음
🎯 전환은 시작일 뿐, 진짜는 그 다음이었다
제목없음
제목없음
방향은 정했지만, 고민은 더 깊어졌습니다.
“요약은 어떤 방식으로 보여줘야 할까?”
“이후 질문을 유도하려면 어떤 흐름으로 보여줘야 자연스러울까?”
우리는 이 고민을 품고 두 차례 고도화를 진행했습니다.
1차 고도화 – 콘텐츠 구조 강화
요약 포맷 다양화: 짧은 요약, 목차/연구방법 요약, 쉬운 어조 제공
신뢰도 향상: 초록 대신 논문 본문 기반 응답, 페이지 번호 근거 포함
사용자 맞춤: 응답 길이 조절, 다국어 번역 등 기능 확대
2차 고도화 – UI 흐름 최적화
진입 방식 개선: 논문 상세에서 AI뷰어 접근성 강화
가독성 향상: 글머리 기호·단락 구분 적용
상호작용 강화: 질문 출력 중 입력 가능, 이전 질문 기반 꼬리 질문 제안 도입
제목없음
제목없음
주제분류 기반 추천 시리즈 목록화
제목없음
제목없음
📊 매달 프롬프트를 다듬고, 사용자에게 직접 물었습니다
제목없음
제목없음
단발적인 개선으로 끝낼 수는 없었습니다. 우리는 매달 채팅 로그를 분석하며 이렇게 질문했습니다.
“사용자들이 가장 자주 묻는 건 무엇일까?”“지금의 응답 방식이 정말 도움이 되고 있을까?”
실제 이용자 행동에 기반해 프롬프트를 반복 개선했고, 정량적 로그 분석만으로는 보이지 않는 맥락을 파악하기 위해 대학생 패널을 통한 정성 설문조사도 함께 운영했습니다. 기능 고도화 릴리즈 타이밍에 맞춰 사용성·정확도·체감 효용성을 측정해 기능 개선과 인식 개선이 맞물리도록 설계했죠.
제목없음
제목없음
⚙️ 서비스보다 중요한 건, 그 서비스가 ‘어떻게 쓰이느냐’였다
제목없음
제목없음
AI 채팅은 논문을 효율적으로 읽을 수 있도록 도와줍니다. 하지만 사용자가 먼저 원하는 건 “무엇을 묻고 싶은지를 알게 해주는 요약”이었습니다.
서비스를 고도화 할수록, 사용자가 그 서비스를 인식하고 쓰는 방법이 더 중요해지고, 사실상 서비스 고도화보다는 고도화된 서비스를 전달하는 방식이 더 어렵다는 것을 깨달았죠.
획기적인 서비스가 있다고 해서, 사용자가 그 서비스를 곧바로 쓴다는 보장은 없습니다.
서비스가 쓰이게 하려면 그것이 언제·어떻게 보여지는가, 즉 사용자의 흐름에 맞춰 기능을 전달하는 방식이 핵심이었습니다.
우리는 그렇게 사용자 행동을 기준으로 판단하는 기획을 배워갔습니다.
단순히 서비스를만드는 사람이 아니라, 서비스가 쓰이게 만드는 사람이 되어야 했으니까요.
제목없음
제목없음
🤝 마치며
제목없음
제목없음
AI뷰어는 아직 완성되지 않았습니다.
하지만 우리는 사용자 행동을 중심으로 더 나은 서비스를 만들고,
사용자의 질문에 더 좋은 답을 줄 수 있는 방향으로 개선하면서 조금씩 사용자와 서비스 사이의 거리를 좁히고 있습니다.
기획은 답을 아는 사람이 아니라, 질문을 계속 던질 줄 아는 사람이 하는 일이라 생각합니다.
그리고 우리는 그 질문을 사용자에게서 찾고 있습니다.
사용자가 남긴 데이터를 읽고, 사용자의 반응을 보고, 매달 더 나은 서비스를 만드는 것.
그게 우리가 일하는 방식입니다.
