Kindoc AI

AI 기반 건강검진 챗봇 디자인

개요

Kindoc AI는 사용자가 건강검진 여정을 잘 헤쳐 나가도록 돕습니다. 저는 챗봇의 역할과 IA, 핵심 인터랙션을 정의하고 AI 엔지니어와 긴밀히 협업하며, UX와 인터랙션 디자인을 end-to-end로 이끌었습니다.

역할 & 범위: UX 리서치
UX·UI 디자인
기간: 2023.12~
플랫폼: 웹
모바일
도구: Figma

배경

사용자는 검진 여정 전반에서 어려움을 겪고 있었다

사용자들이 건강검진에서 쓰이는 용어에 익숙하지 않다는 피드백을 꾸준히 받아왔습니다. 이는 CX 팀의 업무 부담도 키우고 있었습니다.

만족도 곡선

↘ 여정이 진행될수록 만족도가 계속 떨어집니다

탐색둘러보기알아보기예약검진결과

1 · 탐색

서비스 메인 페이지에 도착합니다. 아직 걸리는 것은 없습니다.

2 · 둘러보기

선택지가 너무 많고, 들어본 적 없는 검진을 판단하기 어려워 사용자는 길을 잃습니다.

3 · 알아보기

AI의 답변을 아직 온전히 신뢰하지 못해, 결국 병원이나 CX 팀에 전화해 사람에게 직접 듣습니다.

4 · 예약

예약을 마친 뒤에도 검진 항목을 바꾸거나 교체하려고 다시 CX 팀을 찾습니다.

5 · 검진 받기

결과지가 우편으로 도착합니다 — “결과 나왔네!”

6 · 결과 수령

결과를 이해하려고 전화가 오고, 병원도 같은 문제를 지적합니다 — 결과의 의미를 더 명확히 설명할 방법이 절실합니다.

각 지점을 누르거나 마우스를 올리면 무슨 일이 일어나는지 볼 수 있습니다

근본 원인

사용자는 자신에게 어떤 검진이 필요한지 스스로 판단하기 어렵습니다 — 용어가 낯설고, 각 검진이 실제로 무엇을 하는지도 분명하지 않기 때문입니다. 그래서 계속 병원과 CX 팀에 연락하게 됩니다. 사용자가 알아서 파악할 문제로 보였지만, 실제로는 CX 팀에도 상당한 부담이었습니다.

기회 영역

사용자가 의료 용어를 스스로 이해할 수 있게 돕는 무언가를 만들 것 — 지금 보고 있는 것이 무엇인지 알기 위해 병원이나 CX 팀에 전화하지 않아도 되도록.

문제 키워드 정의

낮은 의료 리터러시가 AI 활용을 가로막았다

사용자 피드백에서 의료 용어에 대한 낯섦이 드러났습니다. 저는 이 리터러시 격차가 AI 활용을 막을 것이라 가설을 세우고, '제한된 의료 리터러시'를 핵심 문제 키워드로 정의했습니다.

두 순간 → 하나의 뿌리 → 두 개의 비용

② 둘러보기 검진 전

“검진 종류가 너무 많은데, 들어본 적도 없는 게 대부분이에요.”

⑥ 결과 수령 검진 후

“간호사한테 결과 설명을 잠깐 들었는데도 잘 모르겠어서… 들은 걸 다시 확인하려고 전화했어요.”

공통 원인

낮은 의료 리터러시

사용자가 치르는 비용

스스로 판단할 수 없다 — 무엇을 물어야 할지조차 모른다.

우리가 치르는 비용

답을 얻지 못한 질문이 전부 CX 팀으로 간다.

사용자는 무엇을 물어야 할지조차 모르기에, 이후 채팅에 예시 질문을 미리 띄워 — 빈 입력창을 분명한 첫걸음으로 바꿨습니다.

어떻게 하면

AI 챗봇으로 검진 경험 전반을 개선할 수 있을까?

프로젝트 배경을 정리한 뒤, 목표를 명확히 하기 위해 How Might We 질문을 던졌습니다.

무엇을 물어야 할지 모를 때조차, 사용자가 자신의 건강을 이해하도록 돕는 대화형 AI를 디자인하기.

데스크 리서치

AI 역량과 챗봇 패턴 리서치

기술적 범위를 파악하기 위해 이해관계자 인터뷰를 진행하고, 검증된 UX 패턴을 살피기 위해 챗봇 제품들을 경쟁 리서치했습니다.

이해관계자 & 전문가 인터뷰

우리 AI가 제공할 수 있는 역량 파악하기

인터뷰를 통해 챗봇 여정 전체를 정리하고, 신뢰도를 위해 환각 방지가 핵심임을 확인했으며, 의료 리터러시가 낮은 사용자를 위한 주요 기능들을 다듬었습니다.

경쟁·패턴 리서치

도입할 패턴과 피할 패턴 정의하기

경쟁 제품들이 온보딩을 어떻게 구성하고 대화를 어떻게 안내하는지 분석했습니다. 이를 바탕으로 빈 화면에서 오는 막막함을 줄이고 자신감을 키우는 흐름을 설계했습니다.

이해관계자 & 전문가 인터뷰 — CTO 인터뷰를 통해 환각(hallucination) 방지가 매우 중요하며, 챗봇 제품을 평가하는 핵심 기준임을 알게 됐습니다.

경쟁·패턴 리서치 — perplexity, gemini, clova, gpt를 리서치했습니다.

UX 디자인 원칙

원칙을 세우고, 그에 맞춰 디자인을 반복했다.

핵심 UX 원칙을 세우고, 여정 전반의 UI 결정을 그 원칙에 맞춰 내렸습니다.

가이드 예시 프롬프트

무엇을 물어야 할지 모를 때 들어갈 길을 열어줍니다 — 빈 입력창이 분명한 첫걸음이 됩니다.
적용 — 최종 결과물 · 쉽게 시작
후속 질문 태그

백엔드 데이터를 활용해 최대 5개의 관련 질문을 제시하고, 첫 답변 이후에도 대화가 이어지게 합니다.

근거 데이터 두 원칙 모두 5개 대형 기업에서 수집한 데이터를 기준으로 범위를 정했습니다 — function call 커버리지와 검진결과지 업로드 성공률.

정보 구조

사용자와 비즈니스 양쪽을 모두 만족시키는 IA를 설계했다.

제품은 단순한 챗봇으로 시작했지만, 교육 콘텐츠와 병원 예약까지 포함하도록 확장됐습니다. 저는 핵심 미션과 비즈니스 목표가 균형을 이루도록 IA를 신중하게 구조화했습니다.

비즈니스 요구사항 핵심 기능

글로벌 내비게이션

로고

콘텐츠

채팅 섹션

SNB

새 대화

대화 기록

의료 서비스

의료 전문가 상담

설정

언어

채팅 워크스페이스(메인)

대화 스레드

예시 질문

질문 입력

파일 업로드

검진결과지 업로드

응답 툴바

복사

북마크

답변 재생성

추론 과정 보기

외부 연결

예약 웹사이트

*외부 랜딩

흰색 박스는 초기 목적을, 핑크색 박스는 비즈니스 니즈를 나타냅니다.

최종 결과물

모든 사용자에게 동등하게 좋은 경험을 제공한다.

가이드 예시 프롬프트가 빈 입력창을 분명한 첫걸음으로 바꿉니다.

임팩트

이러한 변화는 대화를 시작하는 문턱을 낮추고, 검진 결과를 더 쉽게 이해하게 했으며, 이후 헬스케어 AI 서비스에 재사용할 수 있는 인터랙션 프레임워크를 남겼습니다.

사용자 인게이지먼트

대화 시작 단계의 마찰을 줄였습니다. 결과 해석 기능의 사용성과 참여도를 높였습니다. 이후 헬스케어 AI 서비스가 채택한 재사용 가능한 인터랙션 프레임워크를 정립했습니다.

비즈니스 확장

사내 R&D 프로젝트로 시작해 Kindoc AI로 정식 출시됐습니다. Pro 버전으로 확장되며 제품 라인업을 이뤘습니다. B2B2C 검진 플랫폼과 병원용 사후 모니터링 솔루션(PMS)에도 도입됐습니다.