UX 리서치 데이터를 LLM 페르소나 봇으로 전환한 Multi-Party 대화 시스템

요약

네이버 3인 팀이 LLM 페르소나 봇 NSona로 사용자 리서치 데이터를 대화에 끌어들여, 디자이너·리서처·개발자가 같은 자리에서 사용자에게 묻고 답을 받는 협업 구조를 실험. 디자이너 프롬프트 설계, 리서처 에이전트 로직 전환, 개발자 AI 비평으로 역할이 재배치됨.

내용

UX 리서치 결과는 보통 보고서로 정리된 뒤 시간이 지날수록 일상 작업과 거리가 멀어짐. 사용자 인사이트가 디자인·기획·개발 협업의 실시간 재료로 들어오지 못하는 게 출발점.

NSona는 이 간극을 좁히기 위해 사용자 페르소나를 대화 가능한 AI로 옮긴 시도. 기존 페르소나 문서를 읽고 한 명이 해석해 적용하던 흐름 대신, 페르소나 자체가 회의 자리에 들어와 답하게 함. 이를 위해 1대1 챗봇이 아닌 Multi-Party 대화 시스템 구조 선택 — 디자이너·리서처·개발자가 동시에 페르소나에게 질문하고 응답을 공유.

해결 / 접근

• Agent 중심 서비스 구조: 페르소나 응답을 단일 LLM 호출이 아닌 Agent 단위로 모듈화. 리서처가 기존 리서치 로직을 에이전트 구조로 옮김
• 역할 재배치: 디자이너 → 페르소나 프롬프트 설계 / 리서처 → 에이전트 로직 변환 / 프론트 개발자 → AI 응답을 비평 대상으로 다룸
• Service-specific 평가 프로세스: 일반 LLM 벤치마크가 아닌 "사용자를 생생히 재현해 몰입을 일으키는가"를 기준으로 한 UX 중심 모델 품질 평가
• 최소 인원 × 빠른 실행: 3인 구성으로 기획 → 프로토타입까지 직접 구현

결과 / 참고

• 사용자 리서치 데이터를 Multi-Party 대화 시스템 안에서 실시간 호출 가능한 자원으로 전환
• UX 중심 평가 기준으로 페르소나 재현 품질 측정
• NAVER ENGINEERING DAY 2025 (10월) 세션 발표, 팀네이버 컨퍼런스 DAN25 공개
• 발표 영상: https://d2.naver.com/helloworld/2678553
• 관심 대상: UX 리서치-개발 간극 줄이기, 페르소나 봇 기획·개발, Multi-Party 대화 서비스 구조, AI 협업 모델