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>
97 lines
8.1 KiB
Markdown
97 lines
8.1 KiB
Markdown
---
|
|
id: define
|
|
title: "Define"
|
|
category: "10_Wiki/Topics"
|
|
status: "draft"
|
|
verification_status: "conceptual"
|
|
canonical_id: ""
|
|
aliases: ["Point-of-View", "POV", "Problem Definition"]
|
|
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: ["Innova Schools", "Pillpack", "Private Sector Bank Loan Case"]
|
|
github_commit: ""
|
|
---
|
|
|
|
# [[Define]]
|
|
|
|
## 🎯 한 줄 통찰 (One-line insight)
|
|
**"올바른 문제를 프레이밍하는 것이 올바른 해결책을 만드는 유일한 길이다."** [1, 2]
|
|
|
|
## 🧠 핵심 개념 (Core concepts)
|
|
- **Point-of-View (POV):** 사용자, 그들의 필요(Needs), 그리고 공감을 통해 얻은 통찰(Insight)을 결합하여 작성하는 의미 있고 실행 가능한 문제 정의문입니다 [3-6].
|
|
- **Sensemaking (의미 형성):** 공감 단계에서 수집된 방대한 정보를 합성하여 연결 고리와 패턴을 발견하고 전략적 초점을 식별하는 과정입니다 [3, 5, 7, 8].
|
|
- **Synthesis (종합):** 흩어져 있는 발견점들을 강력한 통찰로 결합하여 디자인 도전 과제를 해결할 수 있는 우위를 확보하는 작업입니다 [4, 6].
|
|
- **Problem Framing:** 비즈니스 목표가 아닌 인간 중심의 요구 사항 관점에서 문제를 포착하여 해결해야 할 '옳은' 과제를 정의하는 것입니다 [3, 5, 9, 10].
|
|
|
|
## 🧩 추출된 패턴 (Extracted patterns)
|
|
- **Unpacking Pattern:** 공감 작업 후 결론을 내리기 전, 들은 것과 본 것을 시각적 형태(사진, 포스트잇, 여정 지도 등)로 공유하며 머릿속 정보를 밖으로 꺼내 연결하는 패턴입니다 [11, 12].
|
|
- **Narrowing Strategy:** 문제 정의를 좁게 설정할수록 아이디어 구상 단계에서 솔루션의 양과 질이 모두 향상되는 역설적 효과를 활용합니다 [3, 5].
|
|
- **Transition Mechanism:** Define 모드에서 도출된 POV를 바탕으로 "How-Might-We(HMW)" 질문을 리스트업하여 자연스럽게 [[Ideate]] 단계로 전환합니다 [13, 14].
|
|
|
|
## 📖 세부 내용 (Details)
|
|
- **Define 모드의 본질:** 디자인 프로세스의 이 단계는 디자인 공간에 **명확성과 초점**을 가져오는 단계입니다 [15, 16]. 공감 단계에서 얻은 정보를 정리하고 사용자 요구 사항을 정확히 짚어냄으로써 혁신의 기회를 강조하기 시작합니다 [17, 18].
|
|
- **좋은 POV의 기준:** 훌륭한 문제 정의는 팀에 초점을 제공하고 영감을 주며, 상충하는 아이디어를 평가하는 기준이 됩니다 [1, 2]. 또한 팀원들이 병렬적으로 독립적인 의사결정을 내릴 수 있도록 권한을 부여하며 사람들의 마음을 사로잡아야 합니다 [1, 2].
|
|
- **수렴적 사고의 역할:** Double Diamond 모델에서 Define은 첫 번째 다이아몬드가 수렴되는 지점입니다 [19, 20]. 발견(Discover) 단계에서 얻은 통찰을 바탕으로 도전 과제를 새로운 방식으로 재정의합니다 [21, 22].
|
|
- **AI의 역할 변화:** 2026년 기준, AI는 수만 건의 인터뷰 데이터에서 숨겨진 패턴을 찾는 협업자로 활용됩니다 [23]. 기계가 규모(Scale)를 파악하면 인간 팀은 그 안에서 무엇이 **의미(Meaning)** 있는지 선택하며 전략적 판단을 내립니다 [24].
|
|
|
|
## ⚖️ 모순 및 업데이트 (Contradictions & updates)
|
|
- **비선형적 루핑:** 이론적으로는 선형적 단계로 설명되지만, 실제로는 프로토타입 제작이나 테스트 중에 새로운 사실을 발견하면 다시 Define 단계로 돌아와 문제를 재정의하는 루핑이 빈번하게 발생합니다 [25, 26].
|
|
- **Hyper-iteration:** 과거에는 Define과 다른 단계의 경계가 명확했으나, 현대에는 빠른 프로토타이핑 도구와 AI의 도움으로 오전에는 정의하고 오후에는 테스트하는 식의 경계가 흐릿한 초반복(Hyper-iteration)이 나타납니다 [27, 28].
|
|
|
|
## 🛠️ 적용 사례 (Applied in summary)
|
|
- **Innova Schools:** 페루의 중산층을 위한 학교 네트워크 설계 시, 단순히 학교를 짓는 것이 아니라 전체 시스템을 확장 가능하도록 재정의하여 적용하였습니다 [29, 30].
|
|
- **Pillpack:** 사용자가 약국과 상호작용하는 방식을 단순화하고 재정의함으로써 스타트업에서 대규모 매각까지 성공한 온라인 약국 서비스의 핵심 동력이 되었습니다 [29, 30].
|
|
- **대형 민간 은행 (Loan Drop-off):** 대출 앱 이탈 문제를 단순한 UX/UI 결함이 아닌 '프로세스에 대한 신뢰 부족'으로 재정의하여 고객 이탈률을 획기적으로 개선했습니다 [31-36].
|
|
|
|
## ✅ 검증 상태 및 신뢰도
|
|
- **상태:** draft
|
|
- **검증 단계:** conceptual (실제 적용 사례 다수 존재하나 특정 규격 v3.0에 맞춘 지식 문서로서는 초안 단계)
|
|
- **출처 신뢰도:** B (Official Documentation / Primary Source via NotebookLM - Stanford d.school, IDEO, NN/G 등 공신력 있는 기관의 소스 기반)
|
|
- **중복 검사 결과:** 신규 생성 (New discovery)
|
|
|
|
## 🔗 관련 문서 링크 (Related document links)
|
|
|
|
### 상위/유사 개념
|
|
- [[design thinking]]
|
|
- 연결 이유: Define은 디자인 씽킹 5/6단계 프로세스의 핵심 구성 요소입니다 [37-39].
|
|
- [[Human-Centered Design]]
|
|
- 연결 이유: 비즈니스 목표보다 인간의 필요를 우선시하는 Define의 철학적 기반입니다 [40, 41].
|
|
|
|
### 하위/방법론적 개념
|
|
- [[Empathize]]
|
|
- 연결 이유: Define 단계에 필요한 원천 데이터(관찰, 인터뷰)를 제공하는 선행 단계입니다 [11, 12].
|
|
- [[Ideate]]
|
|
- 연결 이유: Define에서 정립된 POV를 해결하기 위해 아이디어를 발산하는 후행 단계입니다 [13, 14].
|
|
- [[Double Diamond]]
|
|
- 연결 이유: 문제를 정의하고 해결책을 찾아가는 과정을 시각화한 범용 프레임워크입니다 [19, 20].
|
|
|
|
### 심층 후속 질문 (Deeper Research Questions)
|
|
- POV의 세 가지 요소(User, Need, Insight) 중 하나라도 부족할 경우 문제 정의의 효력은 어떻게 변하는가? [4, 6]
|
|
- AI 감성 분석 결과와 디자이너의 직관적 'Sensemaking'이 충돌할 때 어떤 기준을 우선시해야 하는가? [23, 24]
|
|
- "Narrow focus"가 혁신의 양을 늘린다는 통찰은 실제 프로젝트 데이터에서 어떻게 입증되는가? [3, 5]
|
|
- 비즈니스 생존(Viability)과 사용자의 열망(Desirability) 사이의 균형을 Define 단계에서 어떻게 명문화하는가? [42, 43]
|
|
- '잘못된 문제를 아름답게 해결하는 것(Execution error)'을 방지하기 위한 Define 단계의 체크리스트는 무엇인가? [44, 45]
|
|
|
|
### 실무 적용 맥락 (Practical Application Contexts)
|
|
- **Implementation:** 개발 팀이 "무엇을 빌드할 것인가"에 대한 명확한 지침을 얻어 불필요한 재작업을 방지합니다 [46, 47].
|
|
- **System Design:** 복잡한 사회적, 환경적 문제(Wicked Problems)를 다룰 때 파편화된 정보를 전략적 초점으로 응축합니다 [48-50].
|
|
- **Operation / Maintenance:** 운영 중 발생하는 지속적인 페인 포인트의 근본 원인을 재정의하여 임시방편이 아닌 근본적 해결책을 마련합니다 [51, 52].
|
|
- **Learning Path:** 초보 디자인 싱커는 단순히 '요약'하려 하지만, 숙련자는 데이터 간의 '연결(Connections)'과 '패턴(Patterns)'을 찾는 훈련을 합니다 [4, 6].
|
|
|
|
### 인접 주변 주제 (Adjacent Topics)
|
|
- [[Lean Startup]]
|
|
- 확장 방향: Define된 문제가 시장에서 비즈니스 모델로 작동하는지 가설을 검증하는 방식입니다 [53, 54].
|
|
- [[Agile]]
|
|
- 확장 방향: 정의된 문제에 대한 해결책을 짧은 주기로 반복하여 구축하고 개선하는 방법론입니다 [53, 54].
|
|
- [[AI Transformation]]
|
|
- 확장 방향: 기술 도입 시 'AI 도구 배포'가 아닌 '인간의 자신감 향상' 등으로 문제를 재정의하여 성공을 유도합니다 [9, 55].
|
|
|
|
## 📝 변경 이력 (Change history)
|
|
- 2026-05-23: Initial draft generated via Datacollector_MAC P-Reinforce engine. (P-Reinforce v3.0 규격 준수) |