스프레드시트가 실패한 이유는 데이터가 아니라 인터랙션이었다
개발자이자 핀테크 빌더인 StackEasy 제작자가 dev.to에 공유한 회고는 꽤 흥미롭습니다. 17장의 신용카드를 Google Sheets로 관리하다 0% APR 만료일을 놓쳐 불필요한 이자를 낸 경험을 계기로, 직접 대시보드를 만들었다는 이야기인데요. 여기서 제가 주목한 건 기술 스택이 아니에요.
"The spreadsheet had the date in it. The conditional formatting was set up correctly. The problem was that a spreadsheet does not tap you on the shoulder."
데이터는 있었습니다. 조건부 서식도 걸려 있었어요. 그런데 왜 실패했냐고요? 사용자가 먼저 찾아가야 하는 구조였기 때문입니다. 이건 단순히 '알림 기능 없는 앱'의 문제가 아니에요. 프론트엔드 관점에서 보면, 정보의 존재 여부와 정보의 전달 시점은 완전히 다른 설계 레이어입니다.
"Notifications are the product" — 이 한 문장이 UX 설계의 핵심이다
StackEasy를 만들면서 그가 깨달은 가장 중요한 인사이트는 이것입니다: "The dashboard is nice. The charts are helpful. But the thing that actually prevents expensive mistakes is the notification."
Figma에서 볼 때는 대시보드 차트가 제일 눈에 띄어요. 파이차트, 바차트, 카드별 utilization 시각화—디자인리뷰에서 박수 받는 부분이죠. 그런데 실제 사용자 가치는 거기에 없었어요. 90일 전, 60일 전, 30일 전, 7일 전에 발송되는 프로모 만료 알림. 그것도 단순 "곧 만료됩니다"가 아니라 "Citi 카드 0% APR 30일 후 만료. 현재 잔액 $8,400. 권장 액션: 상환 또는 이체" 형태로요.
이게 바로 마이크로 인터랙션과 알림 설계가 UI 컴포넌트 못지않게 중요한 이유입니다. 저는 요즘 Toast 알림 하나를 구현할 때도 "이게 사용자에게 닿는 타이밍이 맞는가?"를 먼저 따져보게 됐어요. 예쁜 애니메이션보다 적절한 시점에 적절한 문맥을 전달하는 것이 훨씬 어렵고, 훨씬 중요합니다.
메타 AI 쇼핑 기능이 보여주는 '개인화의 UX 딜레마'
비슷한 맥락에서 ZDNet이 보도한 메타 AI 쇼핑 기능 테스트 소식을 보면 흥미로운 UX 질문이 떠오릅니다. 메타는 사용자가 특정 상품을 요청하면 위치 정보와 추론된 성별을 바탕으로 개인화된 상품 이미지를 나열해 보여주는 기능을 시험 중이에요.
여기서 "이거 왜 이렇게 했을까?" 하는 의심이 생깁니다. 인터랙션 흐름이 대화형 AI에서 끝나지 않고, 외부 판매자 링크로 이탈하는 구조거든요. 현재는 챗봇 내 직접 결제가 없으니 사용자 여정이 끊기는 지점이 명확합니다. UX 관점에서는 이 전환 지점이 가장 중요한 설계 포인트인데, 공개된 정보로는 이 gap을 어떻게 처리하는지가 불분명해요.
더 예민한 문제는 알고리즘 투명성입니다. 어떤 상품이 왜 추천됐는지, 광고주 우선 노출인지 순수 추천인지—이게 UX에서 신뢰 레이어(trust layer)를 구성하는데, 메타는 아직 이 부분을 공개하지 않고 있어요. 사용자 입장에서는 "이 추천이 나를 위한 건지, 광고주를 위한 건지" 알 수가 없죠.
D2C 스토어가 증명한 것: 결제·배송 UX는 브랜드 경험 그 자체
한편 홈웨어 브랜드 푸쉬레가 일본 공식 온라인 스토어를 열면서 D2C 전략을 선택한 사례(파이낸셜리뷰 보도)도 흥미롭습니다. 타 브랜드와 혼재되는 대형 플랫폼 입점 대신, 단독 자사 스토어를 구축한 이유가 "브랜드 고유의 쇼핑 경험 제공"이에요.
이 선택이 기술적으로 무엇을 의미하는지 생각해보면—현지 결제 시스템 연동(일본은 컨비니 결제, Pay-easy 등 특유의 결제 생태계가 있죠), 배송 인프라 최적화, 그리고 한국 스토어와 동일한 브랜드 경험을 유지하는 디자인 시스템 구축까지요. 운영 한 달도 안 돼 전체 매출의 20%를 차지했다고 하는데, 이건 결제·배송 UX가 제대로 최적화됐을 때 나오는 숫자입니다.
Figma에서 글로벌 스토어 디자인할 때는 "일본어 텍스트가 넘치면 어떡하지?" 같은 걱정을 하게 되는데, 실제로 구현하면 결제 플로우 현지화와 에러 메시지 로컬라이제이션이 훨씬 더 큰 이슈로 터집니다. 그게 진짜 글로벌 UX의 난이도예요.
bkit 프레임워크: AI가 기획-구현 갭을 메울 수 있을까?
팝업스튜디오가 공개한 AI 개발 프레임워크 bkit은 MVP 개발 기간을 기존 3~6개월에서 최대 1주로 단축한다고 주장합니다. PDCA 사이클을 AI가 가이드하고, '갭 디텍터(gap-detector)'로 초기 기획서와 최종 결과물 간의 완성도 차이를 90점 기준으로 측정해 보완을 권고하는 방식이에요.
솔직히 말하면—이 갭 디텍터 개념 자체는 굉장히 흥미롭습니다. 저처럼 "기획자가 이걸 의도한 건지..." 하며 구현 결과물과 기획 원본 사이의 괴리를 항상 의심하는 사람 입장에서는요. 다만 AI가 아키텍처 레벨의 판단을 대신해준다는 주장에는 물음표가 붙습니다. 인터랙션 설계의 세부 결정들—애니메이션 타이밍이 16ms냐 300ms냐, 이 컴포넌트가 flexbox냐 grid냐, 이 알림이 push냐 inline이냐—은 맥락과 의도 없이는 자동화하기 어려운 영역이거든요.
번들 사이즈 최적화를 위해 상황에 맞는 AI 모델을 선택한다는 기능은 흥미롭고, 실제로 토큰 비용이 프로덕션에서 의사결정에 영향을 주는 요인이 되고 있으니까요. 다만 "10명이 하던 일을 1명이"라는 주장은 검증된 프로덕션 사례가 나오기 전까지는 조심스럽게 봐야 합니다.
결국 AI 시대 이커머스 UX의 진짜 승부처
네 가지 사례를 교차해서 보면 공통 교훈이 보입니다.
첫째, 정보의 존재보다 전달 타이밍이 중요합니다. StackEasy의 알림 엔진이 증명했듯이, 데이터가 있어도 사용자가 적시에 받지 못하면 없는 것과 같아요. 이건 이커머스 맥락에서도 마찬가지예요—장바구니 이탈, 프로모 만료, 재입고 알림 모두 같은 원칙입니다.
둘째, AI 개인화는 투명성이 없으면 불신을 만듭니다. 메타 AI 쇼핑 기능이 직면한 문제처럼, 추천 알고리즘의 의도가 불투명하면 사용자는 "이게 나를 위한 건가?"라는 의심을 갖게 됩니다. 신뢰 레이어 설계는 AI UX의 핵심 과제예요.
셋째, 브랜드 경험은 결제·배송 플로우까지 포함합니다. 푸쉬레 D2C 사례처럼, 현지화된 결제와 배송 UX 없이는 글로벌 브랜드 경험이 완성되지 않아요. 이건 Figma 레벨의 문제가 아니라 시스템 아키텍처 레벨의 문제입니다.
넷째, AI 도구가 빨라질수록 '무엇을 만드는가'의 판단이 더 중요해집니다. bkit처럼 개발 속도가 빨라질수록, 인터랙션 설계와 사용자 여정에 대한 깊은 고민 없이 만들어지는 제품도 늘어날 거예요. 속도가 빨라진다고 품질이 따라오는 건 아닙니다.
결국 AI가 쇼핑을 추천하고, 코드를 짜고, 알림을 생성하는 시대가 왔지만—사용자가 어느 순간에 무엇을 느끼는가를 설계하는 일은 여전히 가장 어렵고 가장 중요한 문제로 남아 있습니다. 1px 어긋난 여백보다, 5초 늦게 도착한 알림이 더 큰 손해를 만들 수 있다는 걸 StackEasy 이야기가 아주 직접적으로 보여줬으니까요.