04 · AI 워크플로우
EXAONE Data Foundry
AI 데이터 생성 플랫폼의 경험을 재설계했습니다.
반복적인 데이터 생성 작업에서 사용자가 작업을 이어가지 못하는 문제를 해결하는 것을 목표로 했습니다. 기존 서비스는 기능은 충분했지만, 작업 흐름이 단절되어 사용자가 현재 상태와 다음 행동을 반복적으로 다시 파악해야 하는 구조적 문제가 있었습니다.
사용자 리서치로 문제를 재정의하고, 작업 흐름 중심의 UX 구조로 재설계해 끊기지 않고 작업을 이어갈 수 있는 경험을 구축했습니다.
서비스 보기 ↗01Platform Overview
현업 문서를 기반으로 도메인 특화 QA 데이터를 생성하는 End-to-End LLM 튜닝 플랫폼
Data Foundry는 현업 문서를 기반으로 도메인 특화 QA 데이터를 생성하고, 사용자 피드백을 반영해 데이터와 모델을 빠르게 최적화할 수 있는 플랫폼입니다.
01
지식의 깊이와 폭을 아우르는 데이터 생성
도메인 특화 문서를 업로드하면 AI가 문서 내 전문 지식을 자동으로 추출
02
전문가 선호를 반영한 정교한 데이터 생성
설문 데이터를 바탕으로 다양한 조건과 문맥에 적합한 고정밀 데이터 프로파일을 구축
03
데이터 품질 검증부터 모델 튜닝까지 원스텝
데이터 생성부터 최종 분석까지 전 과정이 통합된 흐름으로 설계
02Target Customer
주 고객은 AX를 추진하지만, 보안·비용·성과 사이에서 균형을 고민하는 실무 책임자입니다.
Data Foundry를 활용해 데이터 구축의 시간과 비용을 줄이고, ROI가 명확한 AI 활용을 가능하게 하는 것이 목표입니다.
“AX 과정에서 데이터 취합은 여전히 사람의 몫이에요”
Pain Point 1
리소스 제약
본업만으로도 리소스가 부족해 문서를 분석하고 데이터를 구축할 여유가 없고, 모델 구축·운영 인프라도 부족함
Pain Point 2
도메인 간극
업무 맥락과 도메인 특성이 반영되지 않아 결과를 실제 업무에 바로 적용하기 어렵고, AI 활용이 개별 작업 단위로 단절됨
Pain Point 3
판단·협업 부담
오픈 모델 활용과 직접 튜닝 사이의 선택 기준이 없고, 도메인 데이터 제작이 숙련된 전문가에게 의존하는 구조
03As-Is Problem
단계마다 사용자 퍼널이 끊겨 생성 완료까지 도달하지 못했습니다.
Data Foundry의 도입 목적은 데이터 구축 비용과 시간 절감이었지만, 작업량과 결과를 예측할 수 없어 시작 전부터 망설임이 발생했습니다.
“문서 업로드 다음에 뭐하지? 데이터셋 생성 다음에 뭐하지?”
“앞으로 남은 km가 얼마지? 나는 어느 정도 와 있는가?”
문제
- Step-by-Step 제약
- 행동의 불확실성
- 다음 단계 부재
- 진행 현황 불투명
To-Be 개선 아이템
- 개선된 온보딩 경험으로 동기부여 제공
- 개선된 행동 가이드로 다음 액션 유도
- 맥락 Catch-up으로 빠르게 현황 파악
04Hypothesis & Approach
진행 상태와 다음 행동을 명확히 보여주지 않으면, 사용자는 이탈할 것이다.
문서 업로드 후 처리 완료까지 평균 2시간이 소요되는 구간에서, 진행 상태와 다음 행동을 명확히 제공하지 않으면 작업 완료 여부를 알 수 없어 이탈이 발생할 것이라고 가정했습니다.
가설 1
전체 단계와 현재 위치
오버뷰에서 전체 작업 단계와 현재 위치를 보여주면, 작업 상태를 더 명확히 이해할 것이다.
가설 2
다음 작업 제안
이어서 해야 할 작업을 제안하면, 데이터셋 생성 흐름을 더 자연스럽게 이어갈 것이다.
가설 3
시각 단서 집중
진행률, 상태값, 시각 단서를 집중 배치하면, 주의 집중도와 작업 연속성이 향상될 것이다.
- 01
문서 업로드
- 02
데이터 프로필 생성
- 03
데이터셋 생성
- 04
데이터셋 검수 및 완성
05Validation · A/B Test
4개 직군 12명을 대상으로 기존안(A)과 가설 기반 프로토타입(B)을 비교했습니다.
개발, 기획, 데이터 분석, 모델 엔지니어를 대상으로, 사용자의 상태 인지와 다음 행동 이해도를 중심으로 관찰했습니다. 사용자는 더 많은 기능보다 ‘지금 무엇을 하고 있고 다음에 무엇을 해야 하는지’를 명확히 보여주는 구조에서 더 안정적으로 작업을 이어갔습니다.
- 가설 일치
- 진행 상태를 제공하지 않으면 이탈이 발생한다 → 12명 전원 생성 중 다른 탭으로 이탈하는 패턴 확인
- 부분 일치
- 시각 단서 집중 배치 시 주의 집중도가 향상된다 → 플로우 시각화·프로그레스바는 긍정적. 단, 툴팁·아이콘은 오작동 유발
- 불일치
- 이어서 생성하는 태스크 흐름을 타당하게 느낄 것이다 → 연속 생성 흐름으로 인식한 사용자는 소수
06Final Solution 01 · 메인/오버뷰
다시 진입해도 현재 위치와 다음 액션을 놓치지 않는 오버뷰
사용자가 다시 진입해도 현재 위치와 다음 액션을 놓치지 않도록, 작업 상태 중심의 오버뷰 화면을 설계했습니다.
AS-IS
- 진입 후 현재 작업 상태를 파악하기 어려움
- 다음에 어떤 작업을 해야 하는지 불명확함
- 데이터 생성 현황이 분산되어 있음
TO-BE
- Status Overview — 진행 중인 작업을 상단에 고정 노출
- Step-by-Step Guide — 다음 행동을 단계별로 안내
- Generation Status — 데이터셋 현황과 생성 상태를 메인에서 통합 제공
07Final Solution 02 · 상태 기반 작업 흐름
다른 탭으로 이동하거나 작업을 중단해도, 현재 단계와 다음 행동을 바로 확인
다른 탭으로 이동하거나 작업을 중단한 뒤에도 현재 단계와 진행 상태, 다음 행동을 바로 확인할 수 있도록 상태 기반 작업 흐름을 설계했습니다.
AS-IS
- 작업을 벗어나거나 실패가 발생하면 현재 상태와 다음 행동을 다시 파악해야 했음
TO-BE
- Document · Data Profile · Dataset 중 현재 단계를 항상 노출
- 긴 생성 시간 동안 진행률과 경과 시간 표시
- 실패 시 사유 확인, 완료 시 Dataset 확인으로 연결
08Final Solution 03 · 단계별 CTA
업로드부터 검수까지 각 단계에 CTA를 연결했습니다.
사용자가 다음 행동을 고민하지 않고 이어갈 수 있도록, 각 작업 단계에 CTA를 연결했습니다.
AS-IS
- 화면은 각각 존재했지만, 작업이 끝난 뒤 다음에 무엇을 해야 하는지 직접 판단해야 했음
TO-BE
- 생성 완료 시 Dataset 확인 CTA로 다음 단계 이동
- 문서 업로드, 결과 확인, 다운로드 등 단계별 주요 행동을 CTA로 고정
- 생성에서 끝나지 않고 검수와 다운로드까지 하나의 경로로 연결
09Result
가설을 사용자 테스트로 검증하고 최종 UX에 반영했습니다.
Data Foundry는 기능 자체보다 사용자가 긴 데이터 생성 과정에서 현재 상태와 다음 행동을 놓치는 문제가 더 큰 제품이었습니다. 전체 흐름을 하나의 워크플로우로 재구성하고, 상태 기반 오버뷰·Step-by-Step 가이드·생성 상태 표시·다음 액션 유도 구조를 최종안에 반영했습니다. 이 UX 구조는 식약처 과제 제안에 반영되었습니다.
Workflow Continuity
긴 생성 과정에서도 현재 위치를 잃지 않게
Status Visibility
기다리는 동안에도 진행 상태를 확인
Action Guidance
다음에 무엇을 해야 하는지 바로 알 수 있게
Validated UX
4개 직군 12명 A/B 테스트로 검증