직장인을 위한 일정 관리 서비스를 준비하는 A씨가 있다고 가정해 보자. 고객을 어디서 만나야 할지 막막해 AI에게 먼저 물었다. “바쁜 직장인 고객이 되어 내 아이디어를 평가해 줘.” 답변은 친절했다. 일정이 흩어져 불편하고, 자동으로 정리해 주면 편리하며, 적당한 가격이라면 사용할 의향이 있다는 말이 이어졌다. 질문을 바꿀 때마다 새로운 고객의 목소리처럼 보이는 문장이 쌓였다.
이제 A씨에게는 두툼한 인터뷰 보고서가 있다. 그러나 실제 고객을 만난 적은 없다. 이 보고서를 사업계획서의 ‘고객 검증 결과’에 넣어도 될까?
AI와 나눈 대화는 고객 검증일까? 그 자체로는 아니다. 고객이 무엇을 생각할지 탐색하는 가설이나 인터뷰 연습은 될 수 있다. 하지만 누군가 실제로 겪은 불편, 이미 선택한 대안, 실제로 지불한 돈을 확인한 기록은 아니다.
그렇다면 더 중요한 질문이 생긴다. AI를 쓰느냐 마느냐가 아니라, AI에게 어떤 역할을 맡겨야 고객을 더 잘 이해할 수 있을까? 지금까지 인터뷰의 부담은 사람을 찾고, 질문하고, 기록을 정리하는 데 있었다. AI는 이 준비와 정리의 일부를 도울 수 있다. 그러나 정리가 빨라졌다고 해서 검증의 책임까지 사라지는 것은 아니다. 줄여야 할 것은 정리의 수고이지, 현실과 부딪히는 과정이 아니다.
고객 인터뷰의 목적은 아이디어를 칭찬받는 것이 아니다. 고객이 어떤 상황에서 문제를 겪고, 지금은 어떻게 해결하며, 무엇 때문에 기존 방법을 바꾸지 않는지 알아내는 것이다. “이런 서비스가 나오면 쓰시겠어요?”라는 질문만으로는 이 차이를 보기 어렵다.
Y Combinator의 ‘How to talk to users’는 고객이 하는 말뿐 아니라 실제 행동을 깊이 이해해야 한다고 강조한다. Product Talk의 테리사 토레스도 고객 인터뷰에서 얻어야 할 것은 일반적인 선호의 목록이 아니라 실제 과거 행동에 관한 구체적인 이야기라고 설명한다.
A씨의 경우라면 “일정 관리가 힘드신가요?”보다 다음 질문이 유용하다. 아래는 정답을 유도하기 위한 설문이 아니라, 실제 있었던 장면을 복원하기 위한 질문의 예시다.
여기서 중요한 것은 불편하다는 형용사가 아니다. 불편을 해결하려고 이미 한 행동이다. 물론 과거 경험 한 번으로 시장 전체를 설명할 수는 없다. 기억이 부정확할 수도 있다. 그래서 가능하고 동의를 얻을 수 있다면 작업 화면이나 사용 기록처럼 이야기를 확인할 단서도 함께 본다. 인터뷰는 판결문이 아니라, 다음 확인을 더 정확하게 만드는 출발점이다.
합성 고객은 AI가 특정 고객 집단의 특징을 바탕으로 만들어 낸 가상의 응답자다. 낯선 시장을 공부하거나 질문을 연습할 때 도움을 줄 수 있다. 문제는 그 답변을 실제 고객의 경험과 같은 종류의 증거로 취급할 때 생긴다.
Nielsen Norman Group은 2024년 합성 사용자와 실제 사용자의 인터뷰를 비교했다. 공개한 사례에서 실제 온라인 강의 수강자는 바빠지거나 관심이 달라져 강의를 끝내지 못했다고 말했다. 반면 합성 사용자는 강의를 모두 마쳤다는 식으로 자신의 행동을 더 이상적으로 설명했다. 연구진은 이런 차이를 근거로 합성 사용자를 실제 사용자 조사 대신 쓰지 말라고 권고했다.
이 사례가 모든 AI 도구가 언제나 같은 답을 한다는 뜻은 아니다. 도구와 모델은 달라진다. 다만 창업자가 경계할 지점은 분명하다. 사람은 좋은 기능을 알아도 사용하지 않을 수 있다. 비용보다 귀찮음 때문에 결정을 미룰 수도 있다. 지금 방법이 불편해도 동료와 함께 써야 해서 바꾸지 못할 수 있다.
이런 생활의 마찰은 서비스의 우선순위를 바꾼다. 고객에게 필요한 것이 새 기능인지, 기존 업무와의 연결인지, 아예 다른 문제의 해결인지가 달라지기 때문이다. 설명하기 좋은 고객과 돈을 내고 움직이는 고객은 같지 않을 수 있다. AI 답변이 풍부하다는 사실과 사업의 근거가 풍부하다는 사실을 구분해야 한다.
그렇다면 AI를 어디에 써야 할까? 먼저 인터뷰 준비에 쓸 수 있다. 다만 “고객이 되어 답하라”에서 끝내지 말고, 내가 만든 질문과 가설의 허점을 찾는 쪽으로 역할을 바꾸는 것이다.
예를 들어 “이 질문에 내 아이디어를 좋게 보이게 하는 표현이 있는가”, “미래의 구매 의향을 묻는 질문을 과거 행동 질문으로 바꾸면 어떻게 되는가”, “내 가설을 반박할 수 있는 사람은 누구인가”를 검토하게 할 수 있다. 답변은 완성된 조사 설계가 아니라 사람이 다시 점검할 초안으로 다룬다.
가상 고객과의 대화도 버릴 필요는 없다. 처음 듣는 업계의 용어를 익히거나, 질문 순서를 연습하거나, 내가 미처 생각하지 못한 조건을 떠올리는 데 활용할 수 있다. Nielsen Norman Group 역시 합성 사용자의 제한적인 활용처로 초기 탐색과 실제 조사를 위한 준비를 제시한다. 여기서 얻은 내용에는 ‘확인할 가설’이라는 이름표를 붙이는 것이 핵심이다.
특히 기업 고객을 상대한다면 사용자의 불편과 구매자의 판단을 나누어 질문해 볼 수 있다. 매일 업무를 하는 사람은 시간을 아끼고 싶어도, 구매를 승인하는 사람은 보안이나 기존 계약을 먼저 볼 수 있다. 이것은 특정 기업의 사례가 아니라 인터뷰 대상을 설계할 때 검토할 역할 구분이다. AI에게 두 관점의 질문을 나누게 한 뒤, 실제로 누구를 만나 확인할지는 창업자가 정한다.
준비의 결과물은 화려한 고객 보고서보다 간단해도 된다. 누구를 만날지, 무엇을 물을지, 어떤 답이 나오면 내 생각을 바꿀지 적혀 있으면 된다. AI가 가설을 더 많이 만드는 것보다, 내가 틀릴 조건을 더 분명하게 만드는 것이 중요하다.
실제 인터뷰를 했다면 AI는 전사나 정리의 보조 도구가 될 수 있다. 그러나 사람을 만났다는 이유만으로 그 뒤의 AI 요약이 자동으로 정확해지는 것은 아니다. 발언을 짧게 줄이는 과정에서 조건이나 망설임이 빠질 수 있고, 창업자의 기대와 맞는 표현만 눈에 들어올 수도 있다.
따라서 기록을 정리할 때는 세 가지를 나누어 두는 편이 좋다. 첫째는 고객이 실제로 한 말이나 보여 준 행동이다. 둘째는 창업자의 해석이다. 셋째는 아직 확인하지 않은 추측이다. 이 구분은 AI의 성능을 믿느냐의 문제가 아니라, 나중에 판단을 되짚을 수 있게 하는 작업 방식이다.
AI에게는 “제공한 기록 밖의 내용을 보충하지 말고, 각 요약에 근거가 되는 발언 위치를 붙여 달라”고 요청할 수 있다. 기록에 없는 내용은 ‘확인 안 됨’으로 남기게 한다. 그리고 중요한 인용과 결론은 사람이 원문과 직접 대조한다. 위치를 표시했다는 사실만으로 대조가 끝난 것은 아니다.
자주 나온 말뿐 아니라 반대되는 말도 따로 모아야 한다. 대부분이 편리하다고 해도, 구매를 결정하는 사람이 현재 방식으로 충분하다고 말했다면 그 의견은 단순한 예외가 아닐 수 있다. 누구의 말인지와 어떤 조건에서 나온 말인지를 지운 채 빈도만 세면 우선순위가 뒤집힌다.
외부 AI 서비스에 기록을 넣기 전에는 녹음과 이용에 관한 동의 범위, 내부 규칙, 서비스의 데이터 처리 조건을 확인해야 한다. 이름을 지웠다고 모든 식별 가능성이 없어지는 것도 아니다. 회사의 사정이나 계약 내용처럼 불필요한 정보는 제외한다. 정리를 편하게 하려다 고객과의 신뢰를 잃으면 안 된다.
반론도 있다. AI가 발전하는데 언제까지 실제 인터뷰만 강조해야 하느냐는 질문이다. 합성 고객이 조사 비용을 줄이고 더 많은 대안을 검토하도록 도울 가능성은 있다. 모든 활용을 금지하는 태도 역시 실무적이지 않다.
베인앤드컴퍼니는 2026년 5월 합성 고객의 활용 사례를 소개했다. 중요한 것은 결과가 그럴듯했다는 설명만이 아니다. 기업이 보유한 실제 고객 데이터로 모델을 구성하고, 과거에 수행한 조사 결과와 비교해 신뢰성을 확인했다는 조건이다. 베인도 시작 단계에서는 기존 조사를 대체하기보다 보완하는 접근을 권고한다.
이 조건을 빼면 전혀 다른 이야기가 된다. 실제 고객 자료와 검증 절차를 갖춘 조직의 실험을, 고객을 한 번도 만나지 않은 창업자가 일반 챗봇에 질문한 결과와 같다고 볼 수는 없다. 데이터의 출처, 어떤 집단에 적용되는지, 무엇과 비교했는지, 어디에서 오차가 커지는지가 함께 설명되어야 한다.
따라서 질문은 “합성 고객이 맞느냐, 틀리느냐”보다 구체적이어야 한다. 어떤 용도에서 어느 정도 믿을 수 있는가? 그 범위를 벗어나면 무엇을 실제 고객에게 다시 확인해야 하는가? 모델이 바뀌거나 다른 고객 집단을 다루어도 이전의 검증 결과가 그대로 유효한가?
AI로 탐색의 비용을 낮추는 것과, AI의 답변으로 사업의 불확실성이 사라졌다고 말하는 것은 다른 일이다. 한정된 자원을 가진 초기 창업자일수록 이 구분이 중요하다. 그럴듯한 보고서에 맞춰 개발비를 쓰기보다, 가장 큰 가정부터 작게 확인해야 하기 때문이다.
지원사업이나 투자를 준비하는 창업자에게는 이 차이가 문서의 신뢰 문제로 이어진다. AI가 여러 가상 고객의 답변을 만들었다면 그것은 시뮬레이션이다. 실제 사람을 인터뷰했다면 인터뷰이고, 돈을 받고 시험 서비스를 제공했다면 그 범위 안의 구매 행동 기록이다. 서로 다른 활동을 같은 ‘검증 완료’로 묶지 않는 것이 출발점이다.
사업계획서에는 무엇을 했고, 무엇을 아직 모르는지 나누어 쓰면 된다. 가설을 세운 단계인지, 실제 고객의 문제를 확인한 단계인지, 해결책을 사용하게 해 본 단계인지, 지불이나 반복 사용을 확인한 단계인지 밝힌다. 어느 단계도 시장 전체의 성공을 보증하지는 않는다. 다만 다음 판단을 위한 근거의 성격이 달라진다.
지금 준비할 일은 다음과 같이 정리할 수 있다. 이는 성과가 검증된 고정 공식이 아니라, 초기 탐색을 위한 실행 순서의 제안이다.
A씨에게 필요한 다음 문장은 “AI 고객의 반응이 좋았다”가 아닐 수 있다. “어떤 상황의 고객에게 무엇을 확인해야 하는지 정했고, 이제 실제 행동을 확인하러 간다”가 더 정직한 출발점이다. 고객을 만난 뒤 처음 생각이 달라졌다면 그것은 보고서의 실패가 아니라, 잘못된 개발을 피할 기회가 된다.
AI는 질문을 만드는 데도, 기록을 묶는 데도 활용할 수 있다. 앞으로 합성 고객의 활용 범위가 더 넓어질 가능성도 있다. 그러나 고객을 이해하는 책임은 여전히 제품을 만들고 자원을 배분하는 사람에게 있다. 잘 정리된 문장이 실제 경험을 대신하지 못하는 이유다.
어떤 도구가 어디까지 유용한지는 계속 달라질 것이다. 지금의 한계가 영원하다고 단정할 필요도 없다. 다만 도구가 좋아질수록 결과의 출처와 적용 범위를 더 정확하게 설명해야 한다. AI 시대의 고객 검증은 답변을 많이 만드는 경쟁이 아니라, 무엇을 알고 무엇을 아직 모르는지 분명히 하는 경쟁이다.
※ 이 글은 2026년 10월 31일까지 공개된 자료를 바탕으로 작성했다. A씨의 사례와 질문 예시는 설명을 위한 가상 설정이다. 합성 고객, 실제 사람을 대상으로 한 인터뷰, 실제 사용·구매 행동은 구분해 해석해야 한다. AI가 실제 사람에게 질문을 진행하는 방식은 가상의 응답자를 생성하는 방식과 다르며, 이 글의 합성 고객 논의를 그대로 적용할 수는 없다.
© Second Lens · 문의 motman777@gmail.com