커넥티드카 음성 UX

주행 중 음성 인터랙션이 효과적인 상황을 판단하려면 context(맥락)와 contents(콘텐츠) 두 방향의 접근이 필요하다. <사용자 경험 스케치>의 저자 빌 벅스튼이 제시한 'place-ona(place+persona)' 개념에 따르면, 음성 인터랙션은 사용자 성향보다 장소적 맥락에 따라 필요성이 달라진다. 도서관·요리 중·시끄러운 클럽·주행 중 네 가지 장소를 비교하면, 음성 인터랙션이 우세한 조건은 ① 사용자의 시선 또는 두 손이 부자유한 상황, ② 청각적 방해가 없는 상황 두 가지가 겹칠 때다. 운전은 이 두 조건을 동시에 만족시키는 대표적인 멀티태스킹 상황이다.

주행 중 음성 인터랙션은 가정 내 스마트스피커 사용과 다르다. 운전이 메인 태스크이기 때문에 사용자는 음성 안내 전체를 경청하기보다 필요한 정보만 선별적으로 캐치하려 한다("대충 듣고 쓱 훑어본다"). 동시에 시선은 전방, 손은 핸들에 있어 화면 조작의 정확도와 흐름이 떨어진다. 따라서 익숙해질수록 운전을 방해하지 않는 음성 인풋이 화면보다 유리해진다.

이런 맥락에서 차량용 VUX(Voice UX) 설계는 두 가지 질문에 답해야 한다. 첫째, 주행 중 의사결정을 얼마나 사용자에게 맡길 것인가. 음악·팟캐스트 재생처럼 정확도 민감도가 낮은 태스크는 세부 확인 없이 로직대로 처리해 태스크를 단순화하는 편이 낫다. 반대로 전화 걸기, 목적지 변경처럼 잘못되면 곤란해지는 태스크는 정확한 의사결정을 위해 필요한 정보를 생략하지 않고 충분히 제공해야 한다. 요약하면 "의사결정을 줄이되, 꼭 필요한 정보는 생략하지 않기"가 원칙이다.

둘째, 음성과 화면 두 채널을 어떻게 조합할 것인가. 주행 중에는 음성이 화면보다 주의를 덜 끌어 유리하지만, 내비게이션의 거리·방향처럼 시각적 인지에 익숙한 정보나 다수의 검색 결과 리스트는 음성만으로 전달하기 어렵다. 이 경우 화면은 음성을 보조하는 서브 채널로 활용해 사용성을 높여야 하며, 사용자의 음성 질의·명령에 화면만으로 답하는 일은 피해야 한다. 즉 음성 인터랙션을 주로 사용하되, 음성의 한계를 화면으로 보완하는 것이 원칙이다.

기존 차량의 음성 명령(Voice command) 버튼은 이 두 원칙을 온전히 구현하지 못한 과도기적 형태였다. 라디오 주파수·내비게이션 목적지처럼 차량에 연결된 기능만 호출할 수 있고 스마트폰 기능을 쓰려면 별도 연결 절차가 필요했으며, 목적지를 음성으로 말한 뒤에도 화면의 '검색' 버튼을 누르거나 다시 음성 인식 버튼을 눌러 "검색"이라고 말해야 하는 등 사실상 화면 조작을 대신 수행하는 보조 수단에 머물렀다. 이 때문에 사용자는 여전히 화면을 봐야 했고, 명령은 명사 위주("신사주유소" → "검색")로 나뉘어 있었다. 반면 LTE 기반 AI 스피커가 차량에 결합되면서 복잡한 연결 절차 없이 곧바로 음성 명령을 쓸 수 있게 됐고, 차량·스마트폰에 국한됐던 기능 범위도 넓어져 집에서 듣던 플레이리스트를 그대로 재생하거나 도착 예정 시각에 맞춰 미리 피자를 주문하는 IoT형 시나리오까지 확장됐다. 무엇보다 "신사주유소 찾아줘"라고 말하면 곧바로 목적지 검색이 실행되는 것처럼, 사람과 대화하듯 한 번에 의도를 전달하는 방식으로 바뀌면서 화면을 확인할 필요가 크게 줄었다. 이 변화는 결국 명사 중심의 음성 명령에서 문장 중심의 음성 대화로의 이동으로 요약되며, AI 스피커 초기 단계는 이 명령-대화 스펙트럼의 과도기에 위치해 있었다.

이 원칙들이 실제 제품으로 구현된 사례가 2017년 무렵 상용화된 애플 카플레이(CarPlay)다. 아이폰을 유선(일부 차종은 무선)으로 연결하면 차량 화면에 전용 홈 화면이 뜨는 미러링 방식으로, 아이폰보다 물리적으로 넓은 화면에 8개의 큼직한 아이콘만 배치해 주행 중 오선택 확률을 낮췄다. 시리(Siri)를 호출해 통화·문자·내비게이션을 실행하면 결과를 최대한 음성으로 전달하며, 특히 문자 메시지는 화면으로 확인·작성하는 것 자체가 불가능해 반드시 음성 인터랙션을 거치도록 설계되어 있어 '화면은 보조 채널' 원칙을 사실상 강제한 사례다. 반면 한계도 뚜렷했다. 내비게이션은 애플 지도 앱을 그대로 쓰기 때문에 실시간 교통정보·과속카메라·차선 안내처럼 한국 사용자에게 익숙한 세부 정보가 빠져 있었고, 카카오톡 등 국내 메신저 앱을 지원하지 않았으며, 시리가 인식하는 명령어 범위가 제한적이어서 사용자가 정해진 명령어를 학습해야 하는 부담이 있었다. 이는 음성 인터랙션을 중심에 둔 설계 원칙 자체는 유효하더라도, 현지화와 명령어 인식 범위가 뒷받침되지 않으면 '궁극의 드라이빙 파트너'로 완성되기 어렵다는 것을 보여주는 실제 사례다.

차량 음성 인터페이스는 세 세대로 진화해왔다. 1세대는 음성 내비게이션 같은 일방향 안내로, 정해진 상황에 녹음된 안내음을 재생하는 수준이었다(국내 최초 사례는 팅크웨어 '아이나비320'). 2세대는 아마존 에코 등 스마트스피커의 등장으로 촉발된 양방향 음성인식으로, 모바일 연동·거치형 디바이스를 통해 인포테인먼트와 공조·주유 알림 같은 차량 기능까지 조작 범위가 넓어졌다. 다가올 3세대는 단순 응답을 넘어 스스로 생각하고 결정하는 음성 AI로, 이 단계에서는 '음성 인터페이스'보다 인간과 AI가 대화하는 관계 자체가 중심이 된다.

3세대를 특징짓는 두 가지 변화가 있다. 첫째, 완전 자율주행이 실현되면 운전자는 다른 동승자와 다를 바 없는 위치가 되어 조작을 위한 음성 의존도는 오히려 낮아지고, 차량 내 음성 인터페이스의 역할은 가정용 스마트스피커와 비슷해진다. 둘째, 조작 기능이 충분히 성숙하면 음성 AI에게 기대하는 역할이 기능 수행에서 감정 소통으로 이동한다. 애니메이션 '신세기 사이버 포뮬러'의 AI 캐릭터 '아스라다'처럼 동승자와 정서적으로 교감하는 존재상이 참조점이 되며, 실제로 MIT SENSEable City Lab의 'AIDA', 닛산의 감성주행 도우미 'Pivo2', 인간형 로봇 'Jibo', 로봇 강아지 'Aibo' 등이 비언어적 동작으로 감정을 주고받는 인터랙션을 실험해왔다. 결국 자율주행으로 인한 운전자 역할 변화와 감정 소통 니즈는 하나의 흐름으로 수렴하며, 차량 UX의 화두는 "어떻게 안전하게 운전할까"에서 "차 안에서 무엇을 하며 시간을 보낼까"로 이동하게 된다.

핵심 내용

  • place-ona(빌 벅스튼): 음성 인터랙션은 장소적 맥락이 성향보다 우선한다
  • 음성 인터랙션 우세 조건 = 시선/손 부자유 + 청각적 방해 없음, 두 조건 동시 충족
  • 주행 중 사용자는 음성 안내를 선별적으로만 청취(전체 경청 어려움)
  • 원칙 1: 의사결정을 줄이되, 정확도 민감 태스크(전화·목적지)는 필요 정보를 생략하지 않기
  • 원칙 2: 음성을 주 채널로, 화면은 시각 정보 보완용 서브 채널로 한정
  • 기존 차량 음성 명령(Voice command 버튼)은 차량 연결 기능에 한정되고 화면 조작을 대신하는 보조 수단에 머묾
  • AI 스피커 결합 이후 연결 절차 없이 즉시 사용 가능해지고, 기능 범위가 IoT형 시나리오까지 확장됨
  • 차량 음성 UX의 변화 = 명사 중심의 음성 명령에서 문장 중심의 음성 대화로 이동
  • 카플레이(CarPlay) 사례: 8아이콘 홈 화면, 문자 메시지는 화면 확인/작성 자체를 차단해 음성 우선 원칙을 강제한 실제 구현
  • 카플레이의 한계: 실시간 교통정보 부재, 국내 메신저 미지원, 제한된 명령어 인식 범위로 인해 완전한 드라이빙 파트너에는 못 미침
  • 차량 음성 인터페이스 3세대 진화: 일방향 안내 → 양방향 음성인식 → 스스로 판단하는 음성 AI
  • 완전 자율주행이 실현되면 조작 목적의 음성 의존도는 낮아지고, 감정 소통 목적의 역할이 부상

관련 개념

출처

최종 업데이트: 2026-07-19 | 출처 4개