작성자: Boxu Li

우리는 개인 AI의 접근성이 왜 중요한지, 신경 다양성과 다중 모달 상호작용을 논의했습니다. 이번 두 번째 시리즈에서는 Macaron AI가 미니 앱 플레이북에서 적응형 콘텐츠와 오프라인 지능에 이르기까지 어떻게 포용성을 디자인에 녹여내는지 알아봅니다.

미니 앱의 접근성 (플레이북 패턴)

Macaron의 독특한 기능 중 하나는 「미니 앱」 플레이북 라이브러리입니다. 이는 루틴 빌더, 식단 계획표, 습관 추적기 등 특정 작업을 수행하는 템플릿화된 미세 흐름을 제공합니다. 이러한 미세 흐름이 접근 가능하고 포괄적이도록 보장하는 것이 최우선 과제입니다. 포괄성을 우연에 맡기지 않고, 보편적인 디자인 패턴을 이러한 템플릿에 직접 통합했습니다. 모든 미니 앱은 인지적 부담을 최소화하도록 설계되었습니다: 긴 프로세스는 논리적인 부분으로 나누어 한 번에 하나씩 처리할 수 있게 합니다. 이는 인지적 접근성을 위한 UX 모범 사례와 일치하며, 작업을 작고 관리 가능한 단계로 나누면 사용자(특히 ADHD를 가진 사용자)가 집중력을 유지하고 압도되지 않게 도와줍니다. 예를 들어, "이벤트 플래너" 플레이북은 처음에 이벤트 이름과 날짜만 묻고, 다음 단계에서 초대할 사람을 묻는 식으로 큰 양식 하나를 던지지 않습니다. 각 미니 앱은 명확한 제목과 시각적 진행 표시기(간단한 진행 바나 단계 수)를 제공하여 항상 얼마나 많은 단계가 완료되었고 얼마나 남았는지 알 수 있습니다. 연구에 따르면 실시간으로 진행 상황을 보는 것은 동기 부여를 높이며, 시각적 진행 추적이 있는 앱은 사용자 참여도가 눈에 띄게 높아집니다(한 연구에서는 진행 표시기를 추가했을 때 일일 사용이 31% 증가했습니다).

많은 미니 앱들은 선택적인 지원으로 타이머와 알림을 통합합니다. 예를 들어, ADHD 친화적인 루틴 빌더 템플릿은 각 단계에 부드러운 타이머를 추가하도록 제안합니다 (과도한 알람 없이 작업에 집중하도록 돕기 위해). 마찬가지로, 포모도로 스타일의 집중 세션 플레이북은 기본적으로 25분 카운트다운과 휴식 알림을 포함할 수 있습니다. 이러한 패턴은 생산성 연구와 ADHD 코칭 기법에서 영감을 받아왔습니다. 시간 제한 및 일정에 따른 휴식은 시간 관리에 어려움을 겪는 사람들의 작업 수행을 크게 향상시킬 수 있습니다. 마카롱은 이러한 지원을 쉽게 포함할 수 있도록 합니다: 템플릿에는 "이 작업에 타이머를 추가할까요?" 또는 "X 시간까지 완료되지 않으면 알림을 보내주세요." 같은 토글이 있습니다. 이러한 기능들이 내장되어 있어, ADHD, 기억 문제, 바쁜 일정 등을 가진 사용자들은 모든 것을 처음부터 설정할 필요가 없습니다 – 이 포함은 사전적입니다.

또 다른 일반적인 패턴은 각 단계마다 만족감을 주는 「완료」 버튼이 있는 체크리스트입니다. 미니 앱은 종종 한 번의 탭으로 완료할 수 있는 하위 작업 체크리스트를 제공합니다. 세 가지 항목이 있는 목록을 보고 각각을 탭하여 완료 표시하는 것만으로도 복잡한 작업을 성취 가능한 단계로 게임처럼 전환할 수 있습니다. 이는 앞서 언급한 진행 상황 피드백과 연결되며 즉각적인 소규모 보상을 제공합니다. 습관 형성 앱에서 작은 성취를 축하하는 것(시각적 체크 표시나 약간의 축하 효과 등)이 동기 부여를 강화할 수 있다는 것을 알았습니다. 작업이 끝난 직후 빠른 피드백이나 포인트를 제공하면 집중력과 추진력을 유지하는 데 도움이 됩니다. 즉, Macaron의 미니 앱은 초기 성취를 제공하여 사용자의 참여를 유지합니다. 이러한 접근 방식은 신경 다양성 사용자뿐만 아니라 모든 사람의 완료율을 높입니다.

중요하게도, 이러한 모든 미세 흐름 보조 기능은 선택적이고 사용자 맞춤형입니다. 접근성은 유용한 옵션을 제공하는 것이며, 모두에게 엄격한 「쉬운 모드」를 강요하는 것이 아닙니다. 신경 전형적 파워 유저는 속도를 위해 추가 확인 및 진행 알림을 비활성화할 수 있지만, 다른 사용자는 이를 크게 의존할 수 있습니다. Macaron의 플레이북은 기본적으로 포괄적이지만 디자인상 유연함을 가지고 있어 자신의 작업 스타일에 맞게 지원을 조절할 수 있습니다.

적응형 읽기 등급 및 속도(콘텐츠 자동 간소화 또는 풍부화)

모든 사용자가 동일한 읽기 능력이나 배경 지식을 갖고 있는 것은 아닙니다. 그래서 Macaron의 AI는 각 개인의 필요에 맞춰 콘텐츠의 복잡성과 속도를 조절합니다. Macaron이 정보를 제공할 때(예: 지침, 설명 또는 교육 콘텐츠), 여러분은 얼마나 간단하거나 풍부한 표현을 사용할지 선택할 수 있습니다. 실제로는 레시피 미니 앱이 요리 단계를 초보 요리사에게 설명하는 것처럼 간단하게 제공하거나, 요리의 과학적 또는 문화적 배경을 포함한 풍부한 버전을 제공할 수 있습니다. 이면에서는 AI가 출력물의 읽기 등급 수준을 자동으로 조정하여 여러분의 선호에 맞춥니다. 시스템이 여러분이 간단하고 직설적인 언어를 선호한다는 것을 알면, 설명 시 기본적으로 그 언어를 사용합니다. 반대로, 세부 사항을 좋아하는 전문가라면 더 많은 기술 용어와 깊이를 사용할 것입니다. 이러한 적응은 심지어 능동적으로 일어날 수 있습니다 – 예를 들어, Macaron이 여러분이 자주 추가적인 질문을 통해 명확성을 요구한다는 것을 관찰하면, 번거로움을 줄이기 위해 처음부터 약간 더 간단한 답변을 제공하기 시작할 수 있습니다.

유럽 전역의 낮은 문해율 추정치(진할수록 높음). 많은 EU 국가에서 성인의 20% 이상이 기본적인 읽기와 쓰기에 어려움을 겪습니다. Macaron의 "자동 간소화" 기능은 정보를 간단하고 쉽게 처리할 수 있는 언어로 제공하여 낮은 문해력을 가진 사용자들을 돕습니다.

우리는 Part I에서 언급한 자연어 재작성 기능을 활용하여 앱 전반에 걸쳐 "자동 간소화" 토글을 구현합니다. 어떤 미니 앱에서도 (예를 들어, "태양계에 대해 배우기" 교육 흐름) 자동 간소화를 켜면 모든 텍스트 콘텐츠가 쉽게 읽을 수 있는 형태로 출력됩니다: 짧은 문장, 일반적인 어휘, 능동적 어조. 이는 요구에 맞춰 읽기 수준을 조정하는 맞춤형 튜터와 같습니다. 반대로 "텍스트 풍부화" 옵션은 더 깊이 있는 내용이나 고급 세부 사항을 추가하여 도전 과제를 원하는 사람들에게 유용합니다 (언어 학습 미니 앱이나 개인적인 호기심을 충족시키기 위해). 우리는 본질적으로 학습을 위한 보편적 설계 원칙을 개인 AI 도메인에 도입하여 정보를 여러 형태로 제공하고 난이도를 조절할 수 있도록 합니다. 이를 통해 저학력자나 인지 장애가 있는 사용자도 여전히 성공적으로 작업을 완료할 수 있도록 지원합니다 (항상 더 쉬운 표현을 요청할 수 있기 때문에). 그리고 미묘한 차이를 원하는 사람들을 위해서는 복잡한 표현을 사용할 수 있습니다.

전통적인 소프트웨어는 쉽게 할 수 없는 일이지만, 콘텐츠를 진정으로 이해하는 AI는 실시간으로 콘텐츠를 변환할 수 있습니다. 의료 지침 미니 앱을 상상해보세요: 난독증이 있는 사용자는 "아침과 밤에 한 알씩, 식사와 함께 복용하세요."라는 버전을 선택할 수 있습니다. 반면, 의학 용어에 익숙한 다른 사용자는 "식사와 함께 하루 두 번 한 알씩 복용하세요."라는 버전을 받을 수 있습니다. 같은 정보이지만 전달 방식이 다릅니다. 핵심은 선택입니다. 그리고 Macaron은 개별 사용자의 선호도를 기억하기 때문에 시간이 지남에 따라 사용자가 정보를 제시받고 싶어하는 방식을 학습합니다 (예: 항상 간단한 요약을 먼저 주세요; 더 많은 정보가 필요하면 제가 물어볼게요).

또 다른 측면은 인터랙티브 플로우에서의 적응형 속도 조절입니다. 어떤 사람들은 빨리 읽고, 다른 사람들은 천천히 읽습니다; 어떤 사람들은 단계 사이에 생각할 시간이 더 필요할 수도 있습니다. Macaron의 미니 앱은 의도적인 일시 정지를 삽입하거나 사용자의 신호를 기다린 후에 다음 단계로 진행할 수 있습니다. 예를 들어, 안내된 호흡 운동에서는 사용자 피드백에 따라 (또는 미래에는 센서 데이터에 기반하여) 속도를 조절할 수 있습니다 ("숨을 들이마시고... 내쉬고..."). 학습 퀴즈에서는 사용자가 더 오래 걸린다는 것을 인식하고 부드럽게 힌트나 추가 시간을 제공할 수 있습니다. 이러한 적응성은 경험을 서두르는 것보다는 지지받고 있음을 느끼게 만듭니다 (또는 반대로 지루하게 느리지는 않습니다). 개인화가 여기에서 차별화 요소입니다 – 두 사용자가 같은 템플릿을 사용하더라도 그들의 속도와 스타일에 맞게 맞춤 제작된 것처럼 느낄 수 있습니다.

현지화 및 이중 언어 지원

A personal AI should be polyglot if it's truly personal. Macaron's interface and content can be localized on the fly. If you're bilingual or learning a new language, you can switch the AI's language output seamlessly – even mid-conversation or mid-task. For example, you might typically converse with Macaron in English, but say you add: "Explique-moi ça en français" ("Explain that to me in French"). Macaron will smoothly continue the thread in French. All buttons, labels, and responses in a mini-app can swap language accordingly. This isn't only useful for international users – it's also great for language learners who might want bilingual scaffolding. Imagine a dual-language vocabulary quiz mini-app: Macaron can present a word in Spanish, then provide the explanation in English (or vice versa), helping you make connections between the two. Or a recipe app that lists ingredients in both English and, say, Italian with local names (eggplant / melanzana, cilantro / coriandro). This caters to multicultural households or anyone trying to learn a new language while cooking dinner.

이처럼 유연한 현지화는 사람들이 그 순간 가장 편안하게 사용할 수 있는 언어를 사용할 수 있게 해주기 때문에 접근성에 큰 도움이 됩니다. 제2언어에서 난독증이 있는 사람은 복잡한 작업을 위해 모국어로 전환하는 것을 선호할 수 있습니다. 또는 사용자가 AI의 응답을 조부모가 이해할 수 있는 언어로 전환하여 가족을 참여시킬 수도 있습니다. 마카롱은 제공하는 콘텐츠에 대한 즉석 번역도 가능합니다: 익숙하지 않은 언어로 된 문자나 이메일을 받으면 AI가 이를 번역하고 필요하면 소리 내어 읽어줄 수도 있습니다. 이 기능은 AI가 장벽을 허무는 직접적인 예입니다. 언어는 정보나 유용성에 대한 장벽이 되어서는 안 됩니다. 사실, 새로운 GPT-4 기반의 도우미들은 이미 풍부한 설명과 번역을 통해 시각장애인의 시각적 및 텍스트 접근성을 변화시키고 있으며, 우리는 언어 및 읽기 접근성을 위해 동일한 원칙을 적용하고 있습니다.

우리는 심지어 코드 전환(한 문장에서 여러 언어를 혼합하는 것)과 같은 시나리오도 고려했습니다. 마카롱은 다국어 입력을 원활하게 처리하도록 훈련되어 있어서, 다른 언어를 섞어 사용해도 혼란스러워하거나 하나의 언어만 고집하도록 강요하지 않습니다. 궁극적으로, 마카롱을 문화적이고 언어적으로 적응 가능한 실제 개인 비서처럼 만드는 것이 목표입니다. 이는 단순히 장애에 관한 것이 아니라 사람들의 다양한 문화적 및 언어적 요구를 충족시키는 우리의 넓은 접근성 관점의 일부입니다.

개발자 측면에서는 커뮤니티에서 기여하는 미니 앱 템플릿이 번역 가능하도록 도구를 제공합니다. Macaron의 자체 AI 모델은 다양한 언어로 세부 조정되어 품질을 유지합니다. 요약하자면, 화요일에 스페인어로 일정을 원하거나 이중 언어 플래시카드로 만다린 연습을 돕기 위해 Macaron을 사용할 때도 문제없습니다. 당신의 개인 AI는 당신의 언어를 구사해야 합니다.

저대역폭 및 오프라인 우선 설계

접근성은 인간의 능력뿐만 아니라 열악한 인터넷 연결이나 오래된 기기와 같은 환경적 제약도 포함합니다. 진정한 개인 AI는 언제 어디서나 당신을 지원해야 합니다. 이는 2G 네트워크를 사용할 때나 비행기에서 완전히 오프라인일 때도 포함됩니다. Macaron은 제한적이거나 전혀 연결이 없는 상황에서도 핵심 기능을 사용할 수 있도록 회복력 있는 오프라인 우선 사고방식으로 설계되었습니다. 이는 2024년 기준 전 세계 인구의 약 3분의 1(26억 명)이 아직 인터넷에 접속하지 못하고 있으며, 많은 이들이 간헐적이거나 느린 연결만을 갖고 있기 때문에 중요합니다. 심지어 개발된 지역에서도 신호가 없는 상황에 처할 수 있습니다(예: 농촌 지역, 지하철, 자연 재해 시). 그런 순간에 AI 도우미를 잃어서는 안 됩니다.

캐싱 및 우아한 강등: Macaron은 중요한 데이터와 절차가 가능한 한 기기에 저장되도록 하는 지능형 캐싱을 사용합니다. 자주 사용하는 미니 앱과 최근 대화 내용은 로컬에 저장(적절한 암호화 포함)되므로, 오프라인 상태에서도 Macaron이 많은 작업을 수행할 수 있습니다. 예를 들어, 매일 아침 호흡 운동 미니 앱을 자주 사용한다고 가정하면, Macaron은 필요한 단계와 미디어(예: 차분한 애니메이션 또는 소리)를 미리 캐시합니다. 오프라인 상태에서 실행하면 완벽하게 작동합니다. 오프라인일 때 Macaron에게 "내 캘린더에 이벤트 추가해줘"라고 요청하면, 해당 요청을 대기열에 추가하고 로컬에서 확인합니다. 온라인으로 돌아오면 클라우드 캘린더와 동기화됩니다. 이러한 우아한 강등은 인터넷이 없더라도 실패가 아닌 약간의 지연만 발생하도록 보장합니다. 로컬 알람 설정, 메모 작성, 저장된 할 일 목록 불러오기 같은 핵심 기능은 기본적으로 오프라인에서도 사용할 수 있습니다.

클라우드가 필요한 AI 특화 작업(예: 복잡한 쿼리나 긴 텍스트 생성)을 위해, Macaron은 기기 내 모델 기능을 탐색하고 있습니다. 현대 스마트폰은 특정 작업에 대해 놀라울 만큼 강력한 신경망 모델을 실행할 수 있습니다. Macaron의 대규모 언어 모델에 접근할 수 없는 경우, 더 작은 오프라인 모델이 기본 요청을 처리할 수 있습니다(예: 로컬에 저장된 노래를 재생하라는 음성 명령 이해). 클라우드 버전만큼 스마트하지는 않지만, 연결이 복구될 때까지 기본적인 기능을 제공할 수 있습니다.

UI는 Macaron이 오프라인 모드에 있을 때와 어떤 기능이 제한될 수 있는지를 명확히 표시하여 사용자가 혼란스럽지 않도록 합니다. 만약 "오늘의 뉴스를 웹에서 검색해줘" 같은 오프라인에서 실제로 수행할 수 없는 요청을 하면, Macaron은 예의를 갖춰 쿼리를 저장하고 가능한 한 나중에 완료할 것이라고 설명합니다. 디자인 목표는 부드러운 실패 동작입니다: 갑작스러운 충돌이나 막다른 길 없이 항상 인식과 대체 경로를 제공합니다. Macaron은 오프라인 지식 팩도 포함하고 있습니다: 인터넷 없이도 많은 일반적인 질문에 답할 수 있는 일반 정보와 FAQ가 로컬에 캐시된 데이터베이스입니다(일부 음성 비서가 기본 명령에 대해 오프라인 모드를 제공하는 것과 비슷하게).

경량 UI 및 대체 모드: 최신 전화기나 무제한 데이터를 가진 사람만 있는 것은 아닙니다. 우리는 마카롱의 인터페이스가 저자원 환경에서도 확장될 수 있도록 보장했습니다. 매우 느린 연결이 감지되면 자동으로 작동되는 저대역폭 모드를 전환할 수 있습니다. 이 모드에서는 마카롱이 텍스트 전용 또는 기본 HTML 인터페이스로 전환되어 이미지나 비디오가 최소화됩니다. AI가 일반적으로 보여줄 멀티미디어 콘텐츠(예: 설명 이미지)는 큰 파일을 다운로드하는 대신 설명 캡션으로 지연되거나 대체됩니다. 이는 큰 인기를 끌었던 앱의 "라이트" 버전과 유사합니다. 예를 들어, 페이스북의 느린 네트워크용 경량 앱은 출시 2년 만에 2억 명의 사용자에게 도달하여 대역폭 친화적 디자인의 필요성을 입증했습니다. 마찬가지로, 마카롱의 경량 모드는 데이터 집약적인 자산과 네트워크 호출의 빈도를 줄여 불량한 연결에서도 쾌적한 경험을 유지합니다.

백그라운드 동기화도 최적화했습니다. 마카롱의 업데이트와 백업은 기회를 틈타 작은 단위로 이루어지며, 중단/재개가 매끄럽게 가능합니다. 짧은 시간 동안만 연결이 가능한 경우, 앱은 중요한 동기화(예: 오프라인에서 작성한 메시지나 이메일 전송)를 우선 처리하고, 대화 기록 백업과 같은 덜 중요한 작업은 나중으로 미룹니다. 이는 네트워크 가용성과 데이터 비용을 모두 존중하기 위한 것입니다. 일부 지역에서는 모바일 데이터 비용이 비싸기 때문에 개인 AI가 불필요하게 데이터를 사용하지 않도록 합니다. 사용자는 "Wi-Fi에서만 이미지/비디오 동기화"와 같은 선호 설정을 지정할 수도 있습니다.

기기 호환성을 위해, 웹 클라이언트와 기본 앱은 RAM이 제한된 구형 스마트폰에서도 작동하도록 테스트되었습니다. 화려한 3D 아바타나 무거운 애니메이션은 선택적인 요소로, 핵심 기능은 기본적으로 강화된 메시징 인터페이스이며, 큰 부담이 없습니다. 심지어 스마트폰 앱 사용이 어려운 시장이나 상황을 위해 마카롱에 대한 SMS 인터페이스도 제공합니다. 일부 기능은 제한되지만, 여전히 간단한 문자 메시지를 통해 AI와 상호작용하여 답변을 받거나 일정을 업데이트할 수 있습니다.

본질적으로, 개인 AI는 최신 하드웨어와 가장 빠른 네트워크를 필요로 하는 사치품이 되어서는 안 됩니다. Macaron의 포용적인 철학은 기술 인프라에도 확장됩니다: 연결이 느리든 빠르든, 기기가 오래되었든 새롭든, Macaron은 이를 수용하고 유용하게 남아 있으려 노력합니다. 우리는 Google 지도 오프라인 모드, YouTube의 품질 선택기, 연결성에 관계없이 핵심 기능을 제공하는 프로그레시브 웹 앱 같은 예시에서 영감을 받습니다. Macaron은 이 길을 따라 삶이 어디로 가든 신뢰할 수 있도록 합니다.

투명한 동기화 및 대기열 처리: 오프라인이나 저속 대역폭 모드에서 작업할 때, Macaron은 온라인 상태로 돌아왔을 때 어떤 일이 발생할지 알려줍니다. 우리는 "동기화 센터" 패널을 제공하여 보류 중인 작업(예: "보낼 메시지 2개, 백업할 노트 1개, 가져올 답변 1개")을 볼 수 있도록 합니다. 이는 정보가 손실되지 않는다는 마음의 평화를 제공합니다. 또한 사용자 자율성을 존중합니다 – 오프라인에서 무언가를 작성하고 전송 전에 취소하기로 결정할 수도 있습니다; 이는 동기화 센터에서 가능합니다.

여기서도 프라이버시가 고려됩니다: 모든 대기 데이터는 동기화될 때까지 기기 내에서 안전하게 저장됩니다. 그리고 사용 중인 네트워크가 사용량 제한이 있고 앱이 많은 데이터를 동기화해야 할 경우(예: 나중에 Macaron이 분석할 사진을 많이 캡처한 경우), 대용량 파일을 업로드하기 전에 사용자에게 물어봅니다. 사용자는 항상 수동 동기화를 트리거할 수 있습니다("지금 Wi-Fi에 연결되어 있으니 모든 것을 동기화"). 반대로 동기화를 일시 중지하여 오프라인 상태를 더 오래 유지할 수도 있습니다.

접근성 관점에서 볼 때, 이러한 투명성과 제어는 불안을 줄여줍니다. 네트워크가 불안정한 상황에서 AI에게 "전달"한 내용이 실제로 전달되었는지 모르는 것만큼 나쁜 것은 없습니다. 상태를 명확하게 보여주고 (원한다면 음성으로도 알릴 수 있습니다. 예: "인터넷 연결 없음 – 요청을 보류하고 나중에 동기화할게요" 그리고 "다시 연결됨 – 모든 보류 작업이 완료되었습니다"), 항상 상황을 파악할 수 있도록 합니다. 이는 이메일 클라이언트가 전송되지 않은 메일을 위한 "발송함"을 보여주는 것과 유사합니다. Macaron은 모든 상호작용에 이 개념을 확장하여 항상 정보가 어디에 있는지 알 수 있도록 합니다.

이 접근 방식은 특히 실행 기능 문제(예: ADHD에서 흔히 발생)를 가진 사용자에게 지원적입니다. 이들은 Macaron을 사용하여 마음의 부담을 덜어낼 수 있을 것입니다. 이러한 작업이 안전하게 대기열에 있음을 알고(잊혀지지 않음을) 신뢰하는 것이 중요합니다. 우리의 목표는 오프라인 상태에서도 Macaron을 자신 있게 사용할 수 있도록 하는 것이며, 나중에 반복해서 말할 필요가 없도록 하는 것입니다. Macaron에 있는 한 잃어버리지 않을 것입니다. 그것이 우리의 약속입니다.

접근성 결과 측정 (준수 그 이상)

접근성 기능을 많이 만드는 것은 한 가지 일이지만, 진짜 질문은: 그것들이 실제로 사용자가 목표를 이루는 데 도움을 주고 있나요? Macaron은 기능 목록을 채우는 것뿐만 아니라 사용자 결과로 성공을 측정하는 데 전념합니다. 우리는 접근성과 포용성을 피드백과 데이터에 의해 주도되는 지속적인 실천으로 간주합니다. Macaron이 다양한 필요를 가진 사람들에게 얼마나 잘 서비스를 제공하고 있는지를 평가하는 몇 가지 방법은 다음과 같습니다.

작업 완료 및 좌절 메트릭: 먼저, 사용자가 주요 작업을 얼마나 신뢰할 수 있게 완료할 수 있는지를 봅니다. 특히 보조 설정을 활용하는 사용자를 중점적으로 봅니다. 화면 읽기 프로그램이나 음성 전용 모드를 사용하는 사람이 다른 사람들처럼 쉽게 알림을 만들거나 일정을 잡을 수 있나요? 우리는 다양한 사용자 세그먼트에서 작업 성공률을 측정하며, 동등성을 목표로 합니다(내부 목표는 모든 주요 작업의 성공률을 90% 이상으로 유지하는 것으로, 이는 우수한 제품의 사용성 기준과 일치합니다). 원시 완료율과 함께, 우리는 좌절의 지표도 모니터링합니다. 사용자 동의와 개인정보 보호 안전장치를 통해, Macaron은 반복 명령이나 "분노 클릭" 같은 패턴을 감지할 수 있습니다 – 예를 들어, 사용자가 버튼을 다섯 번 클릭해야 하거나 동일한 음성 명령을 반복할 경우, 이는 문제를 나타냅니다. 현대 UX 분석에서는 이러한 것을 좌절 신호로 정의합니다(무언가가 응답하지 않을 때 빠르게 반복 클릭하는 것처럼). 특정 흐름에서, 예를 들어 신경 다양성을 가진 사용자들에게 높은 좌절 징후가 보이면, 이는 디자인 개선이 필요한 영역임을 나타냅니다.

사용자 피드백을 직접 수집하여 사용의 용이성이나 어려움을 평가합니다. 주요 작업 후에는 (선택적으로) Macaron이 "이번 경험은 어땠나요? 어려움이 있었나요?"라는 간단한 질문을 할 수 있습니다. 이 질문은 간단하게 유지되거나 이모지 평가를 통해 이루어질 수 있습니다. 이는 내부적으로 "불만 점수"에 반영됩니다. 예를 들어, 난독증 모드의 사용자들이 여전히 텍스트 읽기에 어려움을 겪는다고 보고하면, 그 문제를 해결하기 위해 집중합니다 (예를 들어, 글꼴이나 간격 조정이 필요할 수 있습니다). 이러한 정성적 응답은 마찰의 수동 신호(예: 분노 클릭이나 도움말 메뉴의 빈번한 호출)와 결합되어 불편한 지점을 파악하는 데 사용됩니다. 모든 이러한 원격 측정 데이터는 익명으로 수집되며, 사용자의 선택에 따라 제공됩니다. 목표는 지원 이메일을 기다리지 않고, 사람들이 어디서 막히거나 짜증을 느낄 수 있는지를 사전에 파악하는 것입니다.

다양한 사용자 그룹(장애인을 포함한)과 정기적으로 사용성 테스트를 실시하여 그들의 피드백을 가능한 한 측정 가능한 지표로 변환합니다. 예를 들어, 시각 장애인 사용자가 특정 미니 앱 흐름이 혼란스럽다고 말하면, 화면 리더 사용자들이 해당 흐름에서 얼마나 자주 이탈하거나 단계를 다시 시도하는지를 추적하는 지표를 도입할 수 있습니다. 이러한 상황을 정량화된 데이터로 취급함으로써, 개선 사항이 실제로 혼란을 줄이는지 확인할 수 있습니다.

구성 및 오류 복구 시간: 온보딩과 오류 처리는 종종 장애가 있는 사용자에게 경험을 좌우하는 순간이 됩니다. 우리는 새로운 사용자가 필요한 접근성 옵션을 발견하고 활성화하는 데 얼마나 빨리 할 수 있는지를 측정하여 설정 시간을 평가합니다. 평균 사용자가 Macaron에 익숙해지는 데 5분이 걸린다면, 시력이 낮거나 난독증이 있는 사용자에게도 비슷한 시간이 걸리도록 하고 싶습니다. 그렇지 않다면, 우리의 온보딩 "접근성 마법사"를 개선하거나 특정 안내를 더 적극적으로 만들 것입니다. 이상적으로는 특정 조정(고대비, 큰 텍스트, 음성 상호작용 등)이 필요한 사용자가 첫 몇 분 내에 이를 달성할 수 있어야 합니다. Macaron의 온보딩은 명확한 설명과 함께 보조 설정을 구성할지 묻고, 얼마나 많은 새로운 사용자가 이를 활용하여 필요한 것을 즉시 활성화하는지 추적합니다.

오류 복구는 또 다른 중요한 조치입니다. 모든 사람은 실수를 하거나 오류를 겪을 수 있지만, 신경다양성을 가진 사용자에게 혼란스러운 오류 메시지는 막다른 길이 될 수 있습니다. 우리는 오류 복구율을 측정합니다: 문제가 발생했을 때(예: "죄송해요, 잘 못 들었어요" 또는 "메모 저장 실패"), 사용자가 스스로 또는 Macaron의 도움으로 다시 정상으로 돌아가는 빈도를 측정합니다. 우리는 거의 100%의 복구율을 목표로 합니다. 즉, 오류가 발생하더라도 사용자가 항상 해결책이나 대안을 찾도록 안내합니다. 예를 들어, 음성 명령이 이해되지 않았을 경우, Macaron은 자동으로 철자 친화적인 모드로 전환하거나 가능성 있는 옵션 메뉴를 제안할 수 있습니다("죄송해요, 알람을 설정하시겠습니까 아니면 알림을 설정하시겠습니까?"). 이러한 이벤트를 추적함으로써 특정 설정을 가진 사용자에게 특정 오류가 불균형적으로 영향을 미치는지 확인할 수 있습니다(예를 들어, 음성 전용 사용자가 더 많은 실패 동작을 경험한다면, 우리는 음성 인식이나 확인 프롬프트를 개선해야 한다는 것을 알 수 있습니다). 우리는 오류를 막다른 길이 아닌 사용자 여정의 갈림길로 보고 이를 매끄럽게 만드는 데 주력합니다.

우리가 주시하는 또 다른 지표는 지원 기능의 지속적인 사용입니다. 예를 들어, 집중 모드나 난독증 모드를 켠 사람들이 다른 사람들보다 더 빨리 앱을 포기한다면, 그것은 우리의 실패입니다. 이상적으로는 이러한 편의 제공이 참여와 성공을 증가시켜야 합니다. 따라서 특정 접근성 기능을 켠 사용자와 끈 사용자의 유지율 및 작업 완료를 비교합니다(총체적으로). 기능을 활성화하는 것이 낮은 성공과 연관된다면, 그 기능의 구현이나 표현 방식에 문제가 있다는 것입니다. 우리는 그 반대를 기대합니다. 즉, 보조 기능이 필요한 사람들에게 더 높은 성공과 연관되어 그 기능이 장벽을 제거하는 데 효과적이라는 것을 알려주는 것입니다.

장기 결과(습관 및 준수): 개인 AI의 약속 중 하나는 사용자가 좋은 습관을 형성하고 일상을 유지하도록 돕는 것입니다. 이는 제시간에 약을 복용하거나, 학습 계획을 따르거나, 스트레스 감소 기법을 연습하는 것일 수 있습니다. 신경다양성 사용자의 경우, 실행 기능의 차이로 인해 일상을 유지하는 것이 더 어려울 수 있습니다. Macaron의 영향력을 측정하는 중요한 척도는 그것이 실제로 사용자가 장기적으로 선택한 일상을 유지하는 데 도움이 되는지를 보는 것입니다.

예를 들어, ADHD를 가진 사용자가 Macaron의 루틴 빌더를 사용하여 "3단계 아침 루틴"을 설정하면 (10분 집중 블록과 부드러운 타이머 포함), 우리는 그들이 매일 얼마나 자주 이를 완료하는지, 그리고 며칠 연속으로 이를 유지하는지를 추적합니다. 물론, 삶에는 변수가 많아 100% 일관성을 유지하기는 어렵지만, 대부분의 사용자가 일주일 후에 루틴을 포기한다면, 그것은 아마도 루틴 템플릿이 지속 가능하지 않거나 우리의 알림이 조정이 필요하다는 것을 나타냅니다. 반면, 건강한 비율의 사용자가 한 달 후에도 여전히 루틴을 수행하고 있다면, 그것은 성공입니다. Macaron이 긍정적인 행동 변화를 효과적으로 지원했다는 의미입니다.

또한, 사용자가 공유하기를 선택할 때 주관적인 보고도 수집합니다. 예를 들어, 누군가가 "저는 보통 운동을 절대 지속할 수 없었지만, Macaron의 도움으로 아침 스트레칭 루틴을 5일 연속으로 수행했습니다."라고 말할 수 있습니다. 이러한 일화는 우리의 정량적 지표에 정보를 제공합니다. 시간이 지나면서, 우리는 "루틴 플레이북을 사용한 ADHD 사용자가 4주 후 아침 루틴 준수율이 X% 향상되었습니다."와 같은 익명화된 통계를 발표하고 싶습니다. 이는 구체적인 삶의 개선이기 때문입니다.

마찬가지로, 기분 추적기나 약 복용 알림과 같은 건강 중심의 플레이북에 대해서는 준수도와 결과를 측정합니다. 사용자가 정해진 시간에 더 일관되게 약을 복용하고 있나요? 도구를 일정 기간 사용한 후 기분이나 집중력이 향상되었다고 보고하나요? 우리는 이 데이터를 신중하게 다룹니다 - 그러한 추적은 사용자의 선택에 따라 이루어지며, 주로 사용자가 자신의 통찰을 얻을 수 있도록 제공됩니다 (Macaron은 당신의 연속성, 추세 등을 보여줄 수 있습니다). 그러나 집계된 데이터를 통해 무엇이 효과적인지 분석합니다. 만약 게이미피케이션 요소(예: 연속 보상이나 진행 상황의 소셜 공유)가 신경다양성을 가진 사용자들의 준수도를 크게 향상시킨다면, 우리는 그 부분에 집중할 것입니다. 그렇지 않다면 다른 곳에 집중합니다.

우리의 모토는 외관보다 결과입니다. 우리가 "접근성 기능 X를 가지고 있다"고 말하는 것만으로는 충분하지 않습니다. 기능 X가 어떤 사람이 구체적인 성과를 이루거나 덜 좌절감을 느끼도록 도왔는지 묻습니다. 작업 성공, 오류 감소, 시간 절약, 루틴 준수와 같은 것을 측정함으로써 우리는 그 질문에 대해 책임을 집니다. 그리고 Macaron은 본질적으로 AI이기 때문에, 피드백을 분석하고 이러한 지표의 추세를 파악하는 데 AI를 활용하여 경험을 지속적으로 개선합니다. 궁극적인 목표는 포괄성을 체크리스트로만 보는 것이 아니라, 포괄성을 통해 실제로 삶을 변화시키는 개인 AI를 만드는 것입니다 - 각 사용자가 더 생산적이고, 더 독립적이며, 그들에게 진정으로 적응하는 어시스턴트에 의해 더 잘 이해되도록 돕는 것입니다.