[하나의 질문에서 여러 가능성을 그리고, 미래를 설계하다]
저는 당연한 현상에서 새로운 질문을 발견하고, 그 안에서 가능성을 발견해 미래의 관계를 설계해왔습니다. 학부에서부터 석사 과정까지 모든 프로젝트를 관통하는 출발점은 새롭게 변화하는 환경에서 ‘사람이 기술을 어떻게 인식하고, 어떤 관계를 맺는가’ 였습니다. 석사 과정에서는 “표정과 신체 관절이 없는 비인간형 로봇이 오류 상황에서 어떻게 사용자와의 관계를 회복할 수 있을까?”라는 질문에서 출발해, 친근함, 공손함과 같은 동작의 전략을 설계했고, 산학 프로젝트에서는 화면 대신 제스처로 기기를 다루고 인터랙션하는 결제, 소통, 디지털 경험을 제안했습니다.

[예외를 파고들고, 흩어진 가능성을 정리하다]
저는 사소하고 당연한 것에 “왜?”를 붙이고, 예상밖의 결과에서 새로운 가능성을 발견합니다. 관찰을 통해 흩어진 데이터가 하나의 구조로 정리되는 순간에 가장 큰 몰입을 느끼며, 그 과정에 필요한 도구들을 적극적으로 활용하여 체계를 만듭니다. 석사 연구는 “표정도 관절도 없는 로봇이 동작으로 미안함을 전할 수 있을까”라는 질문에서 시작했습니다. 그 과정에서 애니메이션 3편, 12가지 캐릭터의 동작 수백 장면을 분석하여, 반복되는 패턴을 속도, 방향, 연속성 등 6개의 변수로 구조화하며, 하나의 프레임워크로 정리하였습니다. 이후 생성형 AI로 동작 프로토타입을 제작했고, 의도한 정서가 실제로 전달되는지 확인하기 위해 OpenCV를 새롭게 학습해 프레임별 움직임을 수치화했으며, 106명의 설문과 통계 분석으로 유효성을 검증했습니다.

이러한 탐색은 결과가 예상을 벗어났을 때 더욱 집요해집니다. ‘실망’을 표현하는 동작만 실패 맥락에 따라 인식률이 크게 달라져, 기술적 실패에서 34%, 사회적 실패에서 74%로 차이가 나타났습니다. 저는 이 예외를 “왜 같은 신호가 맥락에 따라 다르게 읽히는가”라는 새로운 질문의 출발점으로 삼았고, 사회심리학 이론 중 하나인 귀인 이론과 레퍼런스를 파고들어, 사람은 기술적 실패 맥락에서 로봇의 동작을 감정 반응이 아닌 오작동으로 해석할 수 있음을 발견했습니다.

이 경험으로 예상과 다른 데이터가 사람과 기술의 관계를 이해하는 중요한 단서가 될 수 있으며, 예외에 더 큰 가능성이 있다는 것을 배웠습니다. 질문에서 시작해 흩어진 데이터를 하나의 축으로 정리하고, 검증까지 끌고 가 예외에서 새로운 가능성을 찾아내는 것, 그리고 그 과정에 필요한 도구들을 빠르게 학습해 활용한다는 것이 저의 차별화된 강점입니다. HRI 디자인에서 넓은 호기심으로 흩어진 신호를 하나의 기회 영역으로 정리하고, 파고들어 디자인 기회를 찾아 네이버랩스에 기여하겠습니다.