---
id: define-mode
title: "Define mode"
category: "10_Wiki/Topics"
status: "draft"
verification_status: "conceptual"
canonical_id: ""
aliases: ["정의 단계", "Problem Framing"]
duplicate_of: ""
source_trust_level: "B"
confidence_score: 0.90
created_at: 2026-05-23
updated_at: 2026-05-23
review_reason: ""
merge_history: []
tags: ["research", "design thinking", "synthesis"]
raw_sources: ["NotebookLM Synthesis"]
applied_in: ["Pillpack", "Innova Schools", "Nurse Knowledge Exchange plus", "Large Private Sector Bank Loan Case"]
github_commit: ""
---

# [[Define mode]]

## 🎯 한 줄 통찰 (One-line insight)
**"올바른 문제를 정의하는 것만이 올바른 해결책을 만드는 유일한 길이다."** [1, 2]

## 🧠 핵심 개념 (Core concepts)
1. **의미 형성(Sensemaking):** 공감 단계에서 수집한 광범위하고 흩어진 정보를 분석하여 연결 고리와 패턴을 발견하고 의미를 부여하는 과정이다 [3-6].
2. **시점(Point-of-View, POV):** 특정 사용자, 그들의 니즈, 그리고 통찰(Insight)을 결합하여 도출한 **행동 가능하고 명확한 문제 정의서**이다 [4, 6-8].
3. **인간 중심적 프레임워크:** 비즈니스 목표(예: 가입률 5% 증대)가 아닌 **인간의 니즈(예: 바쁜 부모가 건강한 음식을 제공하도록 돕기)의 관점**에서 문제를 규정한다 [9, 10].
4. **선택과 집중:** 모든 문제를 해결하려는 시도에서 벗어나, 가장 고통스럽거나 중요한 문제 하나에 집중하여 혁신의 기회를 포착한다 [7, 8, 11].

## 🧩 추출된 패턴 (Extracted patterns)
- **Unpacking & Clustering:** 공감 단계의 결과물(사진, 인용구, 여정 지도 등)을 벽에 시각화하여 공유하고, 유사한 주제끼리 그룹화하여 **지배적인 테마**를 찾아낸다 [12-15].
- **수렴적 사고(Convergence):** 더블 다이아몬드 모델의 첫 번째 다이아몬드가 닫히는 지점으로, 발견된 통찰을 바탕으로 도전 과제를 새롭게 정의하고 범위를 좁힌다 [16-18].
- **HMW(How-Might-We) 전환:** 정의된 POV를 바탕으로 아이디어 발산이 가능하도록 "우리가 어떻게 하면 ~할 수 있을까?"라는 질문 리스트를 만들어 다음 단계(Ideate)로 자연스럽게 연결한다 [14, 19, 20].

## 📖 세부 내용 (Details)
**Define mode**는 디자인 사고 프로세스 중 명확성과 집중력을 제공하는 단계이다 [3, 5]. 공감 단계에서 얻은 사용자 데이터와 맥락을 바탕으로 **'적절한' 도전 과제**를 설정하는 책임이 디자이너에게 부여된다 [3-6].

*   **통찰(Insight)의 도출:** 통찰은 단순히 주어지는 것이 아니라, 정보를 합성하는 과정에서 나타난다 [4, 6]. 사용자의 말과 행동 사이의 불일치나 예상치 못한 해결 방식을 분석하여 깊은 의미를 파악해야 한다 [7, 8, 21, 22].
*   **POV의 구성 요소:** 성공적인 POV는 **사용자(User), 니즈(Need), 그리고 합성된 통찰(Insight)**의 세 가지 요소가 결합되어야 하며, 팀원들에게 영감을 주고 독립적인 의사결정을 내릴 수 있는 기준이 되어야 한다 [1, 2, 7, 8].
*   **협업의 정렬:** 팀원들은 각자의 배경과 전문 지식에 따라 문제 식별 방식이 다를 수 있다. 따라서 정의 단계에서 팀의 초점을 일치시키는 데 상당한 시간을 할애하는 것이 일반적이며, 이는 프로세스 전체의 가이드라인 역할을 한다 [23, 24].
*   **AI 시대의 문제 정의:** 2026년 기준, AI 도입 시에도 기술적 유스케이스보다 **인간의 문제(예: 중간 관리자가 AI 사용에 자신감을 갖도록 돕기)**를 먼저 정의하는 것이 핵심이며, AI는 공감 데이터에서 패턴을 찾는 협업자로 활용된다 [9, 10, 25-27].

## ⚖️ 모순 및 업데이트 (Contradictions & updates)
- **비선형성:** 이론적으로는 '공감' 후 '정의'가 오지만, 실제로는 프로토타입 제작이나 테스트 중에 새로운 통찰이 발견되면 언제든 정의 단계로 되돌아와 문제를 재규정(Refine)해야 한다 [28-32].
- **효율성의 역설:** 문제 정의를 좁게 설정하는 것이 제한적으로 보일 수 있으나, 실제로는 더 많고 질 높은 해결책을 도출하게 한다 [4, 6].
- **사용자 원트 vs 니즈:** 사용자가 단순히 원하는 것과 그들에게 실제로 유익한 것(전문가적 견해) 사이의 균형을 맞추는 것이 필요하다 [33].

## 🛠️ 적용 사례 (Applied in summary)
- **Large Private Sector Bank:** 대출 신청 이탈 문제 해결 시, UX 개선이 아닌 **'신용 점수 하락에 대한 두려움'**이라는 인지적 문제를 정의하여 이탈률을 34% 개선함 [34-36].
- **Nurse Knowledge Exchange plus:** 14개 병원 125개 간호 부서의 인수인계 시스템 개선 과정에서 사용자 중심의 문제 정의를 통해 시스템 전파에 성공함 [37-39].
- **IT Services Firm:** 프로젝트 시작 전 구조화된 문제 정의 단계를 도입한 결과, 개발 단계에서의 범위 변경(Scope changes)이 40% 감소함 [40, 41].
- **Health Care 분야:** 유방암 환자 교육 자료 개발(Adirim et al.), 약물 상호작용 경고 시스템 디자인(Luna et al.) 등에서 사용자 니즈 분석을 통해 효과성을 입증함 [42-45].

## ✅ 검증 상태 및 신뢰도
- **상태:** draft
- **검증 단계:** conceptual (실제 적용 사례 다수 발견으로 검증 가능성 높음)
- **출처 신뢰도:** B (Official Documentation / Primary Source via NotebookLM)
- **중복 검사 결과:** 신규 생성 (New discovery)

## 📝 변경 이력 (Change history)
- 2026-05-23: Initial draft generated via Datacollector_MAC P-Reinforce engine.---