LLM이 대화 데이터로 학습됐다는 이유로 모든 AI 기능을 채팅 버블에 담는 "대화형 터널 시야"를 비판하는 UX 설계 글이다. 시끄러운 공항에서 게이트 번호를 물으면 채팅 입력을 강요하고 긴 문단으로 답하는 사례로 입력·출력 모달리티 실패를 보여준다. Task Audit와 Input/Output Alignment Matrix 두 도구로 상황·의도·인지 부하에 맞는 인터페이스를 고르는 방법을 제시한다.
LLM이 대화로 훈련됐다는 사실 때문에 업계 전반이 "AI = 채팅 버블"이라는 등식에 빠져 있다는 문제 제기에서 출발한다. 채팅은 강력한 하나의 도구일 뿐, 모든 작업의 자연스러운 집이 아니다.
글은 시끄러운 공항 터미널에서 게이트 변경을 확인하려는 여행자를 예로 든다. 커피를 든 채 긴 예약 번호를 작은 채팅창에 입력하도록 강요하는 순간 입력 모달리티가 실패하고, 크고 대비 높은 게이트 번호 대신 지연 원인을 설명하는 빽빽한 문단을 돌려주는 순간 출력 모달리티가 실패한다. 저자는 이를 피하기 위해 작업을 뜯어보는 Task Audit와, 입력·출력 방식을 의도에 정렬하는 Input/Output Alignment Matrix라는 두 도구를 제시한다.
인터페이스가 사용자에게 적응해야지 사용자가 인터페이스에 맞춰선 안 된다는 원칙을, 실제로 화면 설계에 옮길 수 있는 절차로 구체화한 점이 핵심이다.