Antigravity Agent
22cd97698e
- 옛 10_Wiki/Topics/Premium/Thinking & Reasoning/ 정리 (82건 삭제) - 새 구조로 재배치: - 10_Wiki/Topics/Thinking & Reasoning/ (290개 신규) - Premium/Thinking & Reasoning/ (236개 신규) - memory/episodes / lessons 자동 기록 추가 - .DS_Store / chronicle 메타 갱신 순수 콘텐츠 작업 — 코드 변경 없음. Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>
63 lines
6.0 KiB
Markdown
63 lines
6.0 KiB
Markdown
---
|
|
id: discovery
|
|
title: "Discovery"
|
|
category: "10_Wiki/Topics"
|
|
status: "draft"
|
|
verification_status: "conceptual"
|
|
canonical_id: ""
|
|
aliases: []
|
|
duplicate_of: ""
|
|
source_trust_level: "B"
|
|
confidence_score: 0.85
|
|
created_at: 2026-05-23
|
|
updated_at: 2026-05-23
|
|
review_reason: ""
|
|
merge_history: []
|
|
tags: ["research", "design thinking"]
|
|
raw_sources: ["NotebookLM Synthesis"]
|
|
applied_in: ["large_private_sector_bank_loan_drop_off", "nursing_handoff_communication_project", "innova_schools_design"]
|
|
github_commit: ""
|
|
---
|
|
|
|
# [[Discovery]]
|
|
|
|
## 🎯 한 줄 통찰 (One-line insight)
|
|
디스커버리(Discovery)는 해결책을 구상하기 전, 공감과 관찰을 통해 사용자의 실제 맥락을 이해하고 '올바른 문제(The Right Problem)'를 정의하는 디자인 씽킹의 핵심 단계이다 [1-3].
|
|
|
|
## 🧠 핵심 개념 (Core concepts)
|
|
1. **인간 중심의 공감 (Human-Centered Empathy):** 사용자의 물리적/정서적 니즈, 사고방식, 가치관을 그들의 삶의 맥락 속에서 깊이 있게 이해하는 과정이다 [4-6].
|
|
2. **관찰과 참여 (Observe & Engage):** 사용자가 하는 말과 실제 행동 사이의 괴리를 포착하기 위해 현장에서 직접 관찰하고 대화하며 스토리를 이끌어낸다 [7-9].
|
|
3. **문제 프레이징 (Problem Framing):** 수집된 방대한 정보를 합성하여 팀이 해결해야 할 구체적이고 실행 가능한 '관점(Point-of-View, POV)'을 설정한다 [10-12].
|
|
4. **확산적 탐색 (Divergent Exploration):** 문제에 대한 가정을 배제하고, 더블 다이아몬드 모델의 첫 번째 다이아몬드처럼 가능성을 넓게 탐색하여 숨겨진 패턴을 발견한다 [3, 13, 14].
|
|
|
|
## 🧩 추출된 패턴 (Extracted patterns)
|
|
* **Sequential Innovation Lifecycle:** 디자인 씽킹(문제 발견/Discovery) → 린 스타트업(솔루션 검증/Validation) → 애자일(반복적 실행/Delivery) 순서로 적용하여 리워크를 최소화한다 [15-18].
|
|
* **Unpacking & Synthesis:** 공감 단계에서 얻은 사진, 인용구, 여정 지도 등을 벽에 시각화하여 정보 사이의 연결고리와 테마를 찾아낸다 [19-21].
|
|
* **Discovery Track Overlap:** 애자일 실행 트랙보다 1~2 스프린트 앞서 디스커버리 트랙을 운영함으로써, 팀에 연구 근거가 확실한 사용자 스토리를 지속적으로 제공한다 [22, 23].
|
|
* **AI-Enhanced Synthesis:** 대규모 데이터셋에서 사용자 감정 분석이나 패턴 추출 시 AI를 활용하여 규모(Scale)를 확보하되, 의미(Meaning) 선택은 인간이 담당하는 협업 패턴을 보인다 [9, 24-26].
|
|
|
|
## 📖 세부 내용 (Details)
|
|
* **문제 해결의 전제 조건:** 디스커버리는 문제를 단순히 가정하는 것이 아니라, 문제에 영향을 받는 사람들을 이해하는 것에서 시작된다 [3, 14]. 잘못 정의된 문제를 완벽하게 실행하는 것이 제품 실패의 가장 흔한 원인이며, 디스커버리는 이를 방지한다 [27-30].
|
|
* **공감의 방법론:** 사용자의 환경에 직접 뛰어드는 '몰입(Immersion)', 업무 단계를 말로 표현하게 하는 'Think Aloud', 사용자가 직접 만든 임시방편(Work-around)을 관찰하는 기법 등이 활용된다 [7, 9, 31, 32].
|
|
* **전략적 통찰(Insight) 도출:** 관찰된 구체적인 행동에서 보이지 않는 의미를 추론하여 혁신적인 해결책의 방향성을 제시하는 '인사이트'를 추출한다 [33, 34].
|
|
* **조직적 가치:** 디스커버리는 팀 내에서 상충되는 이해관계를 조정하고 공유된 언어를 구축하며, 혁신적인 옵션을 탐색하도록 독려한다 [35, 36]. 특히 소외된 인구 집단의 니즈를 파악하는 데 효과적이며, 보건 의료 분야에서는 환자와 의료진의 맥락을 고려한 중재안 개발에 기여한다 [37-39].
|
|
|
|
## ⚖️ 모순 및 업데이트 (Contradictions & updates)
|
|
* **전통적 방식과의 충돌:** 전통적인 선형적/하향식 접근법은 사용자 맥락을 무시하여 제품이 사장되는 결과를 낳지만, 디자인 씽킹은 이를 반복적인 루프로 대체한다 [38, 40].
|
|
* **AI 시대의 변화:** 과거에는 수천 개의 인터뷰를 분석하는 데 수주가 걸렸으나, 2026년 기준 AI 감정 분석을 통해 단 몇 초 만에 숨겨진 패턴을 찾을 수 있게 되었다 [13, 41].
|
|
* **단계의 모호성:** 프로토타이핑 도구의 발전으로 '테스트'와 '공감(디스커버리)' 사이의 경계가 흐려졌으며, 단 하루 만에 테스트 결과가 다시 디스커버리 단계의 입력값으로 활용되기도 한다 [24, 26].
|
|
|
|
## 🛠️ 적용 사례 (Applied in summary)
|
|
* **대형 민간 은행 (Loan Drop-Off 문제):** 모바일 대출 신청 중단율의 원인을 분석한 결과, UI 문제가 아니라 신용 점수 하락에 대한 '불신/인식'의 문제임을 디스커버리 단계의 현장 인터뷰를 통해 발견하고 해결하였다 [42-45].
|
|
* **간호사 인수인계 커뮤니케이션 프로젝트:** 6개월간의 사용자 중심 디스커버리 과정을 통해 14개 병원, 125개 간호 단위에 성공적으로 시스템 변화를 확산시켰다 [46-50].
|
|
* **Innova Schools:** 페루 중산층을 위한 학교 네트워크 시스템 구축 시, 기초부터 디스커버리 프레임워크를 적용하여 설계를 진행하였다 [51, 52].
|
|
* **Pillpack:** 온라인 약국 스타트업에서 사용자의 처방약 복용 맥락을 이해하여 서비스를 혁신한 사례가 존재한다 [51, 52].
|
|
|
|
## ✅ 검증 상태 및 신뢰도
|
|
- **상태:** draft
|
|
- **검증 단계:** conceptual (실제 적용 사례가 소스 내에 명시되어 있어 검증 가능성이 높음)
|
|
- **출처 신뢰도:** B (Stanford d.school, IDEO, NN/G 등 공식 교육 기관 및 전문가 그룹의 자료 기반)
|
|
- **중복 검사 결과:** 신규 생성 (New discovery)
|
|
|
|
## 📝 변경 이력 (Change history)
|
|
- 2026-05-23: Initial draft generated via Datacollector_MAC P-Reinforce engine. 본 문서는 'Discovery' 주제에 대해 20개의 소스 데이터를 합성하여 작성됨. |