AI를 활용한 디자인 창작 활동이 즐거움과 자아확장에 미치는 영향: 창작물의 독창성과 매력성 지각을 중심으로

1. 독창성 지각 및 매력성 지각

본 연구에서는 생성형 AI를 활용하여 창작 과정에 참여한 소비자들이 자신의 창작 결과물을 평가하는 지표로 독창성과 매력성 지각을 제시하였다. 이는 창의성(creativity)을 구성하는 주요 요소를 반영한 것으로, 소비자들이 AI 기반 창작물을 평가할 때 고려하는 핵심 기준을 명확히 하고, 이러한 평가가 창작 과정 경험에 어떤 영향을 미치는지 분석하기 위함이다. 독창성은 창의성 평가의 핵심 하위 요인 중 하나로, 특정 시각 자극물의 창의성은 주로 독창성(originality)과 관련성(relevance)이라는 두 가지 주요 차원으로 구분된다(Lange et al. 2016). 독창성은 ‘새롭고 기존의 것과 다른 것’(Koslow et al. 2003)으로 정의되며, 창작물이 얼마나 참신하고 기존의 틀을 벗어난 독특한 특징을 지니는지를 평가하는 요소이다. 반면, 관련성은 ‘제품과 관련 있는 것’(Koslow et al. 2003)으로 정의되며, 특정 맥락에서 창작물이 얼마나 적절하고 유용한지를 나타낸다. 즉, 창작물이 완전히 새로운 방식으로 구성되었더라도 해당 분야나 용도와 연관성이 낮다면 효과적인 창의적 산출물로 평가되지 않을 수 있다. 독창성과 관련성 외 창의성을 평가하기 위한 다른 요인들도 제시되었는데, Koslow et al.(2003)은 광고 에이전시를 대상으로 한 질적 연구를 통해 창의성의 차원을 독창성, 전략성, 예술성으로 구분하였으며, Choi et al.(2020)은 패션매장 쇼윈도우의 창의성을 독창성, 관련성, 예술성으로 구분하였다. 이들 연구에서 창의성의 평가 요인으로 예술성을 제안함으로써 창의적 디자인이 단순히 독창적이거나 맥락적으로 적절한 것에서 나아가, 시각적으로 얼마나 미적 완성도를 갖추고 있는지를 고려할 필요가 있음을 강조하였다.

본 연구에서는 창의성 평가의 핵심 요소 중 하나인 독창성을 측정 지표로 선정하였다. 한편, 기존 연구에서 창의성의 또 다른 하위 요소로 예술성이 주로 사용되었으나, 본 연구에서는 소비자들이 생성형 AI를 통해 만든 창작물을 평가하는 과정에서 시각적 호감도와 감성적 반응이 중요한 역할을 할 것으로 판단하여 예술성보다 보다 포괄적인 개념인 매력성을 측정 지표로 채택하였다. 이는 창작 결과물이 단순히 예술적 가치를 지니는지를 넘어, 소비자들에게 직관적으로 얼마나 매력적으로 인식되는지를 반영하기 위함이다.

2. 즐거움

즐거움은 소비자가 제품이나 경험을 통해 얻는 긍정적인 감정적 반응으로, 이는 단순한 만족(satisfaction)이나 행복(happiness)과는 구별된다(Alba & Williams 2013). 만족은 소비자가 기대했던 기능적ㆍ실용적 가치를 충족할 때 발생하는 반면, 즐거움은 감각적, 정서적, 심리적 요소와 더 깊이 연관되어 있다. Alba & Williams(2013)는 즐거움의 원천을 제품 자체에서 비롯되는 요인(디자인, 미적 요소, 기능성 등)과 소비자와 제품의 상호작용에서 발생하는 요인(기대, 몰입, 성취감, 사회적 연결 등)으로 구분하여 설명하였다. Jordan(2000)은 즐거움을 네 가지 유형으로 구분하였는데, 시각, 청각, 촉각과 같은 감각적 경험에서 오는 생리적(physio) 즐거움, 제품을 통해 사람들과 소통하고 관계를 형성할 때 느끼는 기쁨인 사회적(socio) 즐거움, 제품을 사용하면서 감정적 만족이나 성취감을 느끼는 심리적(psycho) 즐거움, 마지막으로 제품이 개인의 가치관이나 신념과 맞아떨어질 때 얻을 수 있는 관념적(ideo) 즐거움을 제시하였다. 즉, 즐거움은 단순히 제품의 기능적 유용성에서 비롯되는 것이 아니라, 소비자가 제품이나 경험을 통해 감각적 자극을 받고, 정서적으로 몰입하며, 사회적 관계를 형성하고, 개인적인 의미를 부여하는 과정에서 형성되는 복합적인 감정적 반응이라 할 수 있다.

즐거움의 핵심적인 이론적 개념 중 하나는 몰입(flow) 이론으로, Csikszentmihalyi(2008)는 사람들이 특정 활동에 깊이 몰입할 때 최상의 즐거움을 경험한다고 주장했다. 몰입 상태에서는 시간 감각이 사라지고, 개인이 활동에 완전히 집중하게 되며, 이는 높은 수준의 창의성과 성취감을 동반한다(Csikszentmihalyi 2008). 이러한 개념은 AI를 활용한 창작 과정에서도 적용될 수 있는데, 소비자들이 생성형 AI를 활용하여 디자인 과정에 참여할 때, 자신의 아이디어가 시각적으로 구현되는 과정에서 몰입을 경험하고 높은 수준의 즐거움을 느낄 가능성이 크다.

또한, Affective expectation model에 따르면, 소비자의 정서적 반응은 특정 자극에 대한 기대를 기준으로 형성되며, 기대가 실제 경험을 어떻게 받아들이는지를 결정하는 중요한 요인으로 작용한다(Wilson et al. 1989). 즉, 소비자가 특정 제품이나 경험에 대해 기대할수록, 기대가 충족되거나 초과될 때 더 큰 즐거움을 경험할 가능성이 높다. 특히, AI를 활용한 창작 과정에서는 소비자가 예상하지 못한 창의적인 결과물을 얻을 가능성이 높아, 기대 이상의 만족감을 경험할 수 있을 것이다. 디자인 감각이 부족한 소비자라도 AI를 활용하면 쉽게 독창적이고 세련된 결과물을 만들어낼 수 있으며, 이러한 예기치 못한 창작 경험은 즐거움을 더욱 증대시키는 요소가 될 수 있다.

3. 자기 확장

자기 확장 이론(Self-expansion theory)은 개인이 자신의 정체성을 확장하고 강화하려는 내재적인 욕구를 설명하는 이론으로, 사람들은 자신을 향상하고 새로운 경험을 통해 자아를 확장하려는 본능적인 욕구를 가진다고 본다(Aron et al. 2001). 해당 이론에 따르면, 자기 확장은 단순히 내면적 변화에 그치지 않고, 외부 환경에서의 다양한 경험을 통해 이루어진다. 즉, 개인은 새로운 경험을 통해 자신의 한계를 넘어서고 더 넓은 세상과의 연결을 통해 성장하며, 이를 통해 자신을 발전시키고 새로운 자아를 발견하려 한다(Reimann & Aron 2009).

자기 확장은 여러 방식으로 촉진될 수 있으며, 특히 감정적(affective), 감각적(sensory), 사회적(social), 지적(intellectual) 차원에서의 브랜드 경험을 통해 유발될 수 있다(de Kerviler & Rodriguez 2019). 예를 들어, 기쁨이나 열정과 같은 긍정적인 감정은 개인이 열린 태도를 가지도록 유도하며, 새로운 가능성이나 관계, 경험을 추구하도록 동기 부여하는 중요한 역할을 한다(Mattingly et al. 2014). Schindler et al.(2013)의 연구에 따르면, 감탄이나 존경 같은 긍정적인 감정은 개인이 자기 확장을 이룰 수 있는 가능성을 높이고, 그 과정에서 목표 달성에 대한 의욕을 증진시키는 것으로 나타났다.

본 연구는 이러한 자기 확장 모델에 기반하여, 생성형 AI를 활용한 디자인 과정에 참여하는 것이 긍정적인 감정을 유발하고, 이를 통해 자기 확장을 경험하게 할 것이라고 예상한다. 특히, 이러한 효과는 AI 기반 디자인 과정에서 생성된 결과물의 창의성이 높게 평가될 때 더욱 두드러질 것으로 예상된다. AI와 인간의 공동 창작(Co-creation) 과정에서는 결과물의 창의성이 개인의 노력이나 AI 활용 능력에 따라 다르게 인식될 수 있다. 따라서, 결과물이 얼마나 창의적으로 보이는지에 대한 개인의 주관적 평가가 높을수록, 이 과정에서 느끼는 기쁨과 자기 확장의 경험도 더 커질 것으로 보인다.

4. 창의적 소비 효능감

창의적 자기 효능감(Creative self-efficacy)은 창의성이 요구되는 특정 분야에서 자신이 창의적인 결과를 도출할 수 있다는 신념이나 자신감을 의미한다(Tierney & Farmer 2002). Tierney & Farmer(2002)는 이를 평가하기 위해 개인이 창의적인 방식으로 문제를 해결할 수 있다고 믿는 정도를 측정하는 세 가지 단일 문항을 개발하여 활용하였다. 이후 Rim et al.(2016)은 창의적 자기 효능감 개념을 소비 맥락에 적용하여, 소비자가 창의적 사고를 통해 독창적인 소비 경험을 만들어낼 수 있다고 믿는 정도를 측정하는 척도를 개발하고, 이를 창의적 소비 효능감(Creative consumer efficacy)으로 명명하였다. 이러한 연구는 창의적 자기 효능감이 조직 내 창의적 문제 해결뿐만 아니라 소비자의 창의적 활동과 혁신적인 소비 행동을 설명하는 데에도 유용한 개념임을 시사한다.

창의적 소비 효능감은 네 가지 하위 차원으로 구성되며 이는 독창적 사고 효능감, 용도 확장 효능감, 문제 해결 효능감, 방식 다양화 효능감으로 구분된다(Rim et al. 2016). 독창적 사고 효능감은 새로운 아이디어를 제시하는 데 대한 자신감을 의미하며, 용도 확장 효능감은 하나의 제품을 다양한 용도로 활용할 수 있다는 믿음을 반영한다. 문제 해결 효능감은 예상치 못한 상황이나 제약된 환경 속에서도 창의적인 아이디어를 통해 문제를 해결할 수 있다는 신념을 나타낸다. 마지막으로, 방식 다양화 효능감은 제품을 새로운 방식으로 활용하고 변형하는 것에 대한 자신감을 의미한다(Rim et al. 2016). 이러한 개념은 소비자가 창의적인 사고를 실생활에서 어떻게 적용하는지를 설명하는 중요한 요인으로 작용한다.

본 연구는 개인이 생성형 AI 프로그램을 활용하여 창작한 결과물의 창의성 평가가 해당 과정에서 경험하는 즐거움에 미치는 영향을 탐구하고자 한다. 특히, 이러한 영향력은 개인이 느끼는 창의적 소비 효능감, 즉 자신이 창의적 과정을 효과적으로 수행할 수 있다는 신념의 수준에 따라 차별적으로 나타날 것으로 예상된다. 특히, 창의적 소비 효능감의 네 가지 하위 요인 중 문제 해결 효능감만을 조절 변수로 활용하고자 한다. 이는 문제 해결 효능감이 창의적 소비 효능감의 하위 차원 중에서도 특히 예기치 않은 문제 상황에서 창의적인 해결책을 모색하는 능력과 관련이 깊으며, 생성형 AI를 활용한 창작 과정에서 중요한 역할을 할 가능성이 크기 때문이다. 따라서 본 연구는 창의적 과정에서 개인의 소비 효능감이 감정적 경험과 태도에 미치는 중요성을 강조하며, AI 기반 창작 과정의 사용자 경험을 심층적으로 이해하는 데 기여할 것이다.

1. 연구가설

본 연구는 생성형 AI를 활용한 창작 과정에서 창작물의 독창성과 매력성 지각이 개인의 즐거움과 자아확장에 미치는 영향을 통합적으로 탐구하고자 한다. 창작물에 대한 개인의 독창성과 매력성 지각은 즐거움을 유발하는 핵심 요인으로 작용하며, 이러한 즐거움은 개인의 자아확장 욕구를 자극하는 매개 역할을 할 것으로 예상된다. 또한, 개인의 창의적 소비 효능감은 이러한 관계에 조절적 영향을 미칠 것으로 보인다.

구체적으로, 자신이 AI를 활용해 만들어낸 창작물의 독창성과 매력성이 높게 지각될수록 즐거움이 증가하며, 이는 자아확장으로 이어지는 경로를 강화할 것으로 가정한다. 그러나 창의적 소비효능감의 수준에 따라 독창성과 매력성 지각이 즐거움에 미치는 영향력의 크기는 달라질 수 있다. 창의적 소비효능감이 높은 개인은 창작물의 독창성과 매력성을 더 긍정적으로 평가하며, 이를 통해 더 큰 즐거움과 자아확장을 경험할 가능성이 크다. 반면, 효능감이 낮은 개인은 창작물에 대한 긍정적 반응이 상대적으로 약할 수 있다.

본 연구는 이러한 가설적 관계를 실증적으로 검증함으로써 생성형 AI를 활용한 창작 과정이 소비자 경험과 심리적 확장에 미치는 영향을 심층적으로 이해하고, AI 기반 창작 기술의 설계 및 활용에 대한 실질적 시사점을 제공하고자 한다. 본 연구에서 제시하는 구체적인 가설과 연구모형은 다음과 같다(Fig. 1).

가설 1: 생성형 AI를 활용하여 도출한 창작물에 대한 독창성 지각은 즐거움에 정적 영향을 미칠 것이다.

가설 2: 생성형 AI를 활용하여 도출한 창작물에 대한 매력성 지각은 즐거움에 정적 영향을 미칠 것이다.

가설 3: 생성형 AI를 활용하여 도출한 창작물에 대한 독창성 지각은 즐거움을 매개하여 자아확장에 정적 영향을 미칠 것이다.

가설 4: 생성형 AI를 활용하여 도출한 창작물에 대한 매력성 지각은 즐거움을 매개하여 자아확장에 정적 영향을 미칠 것이다.

가설 5: 독창성 지각이 즐거움에 미치는 영향력은 개인의 창의적 소비 효능감에 의해 조절될 것이다.

가설 6: 매력성 지각이 즐거움에 미치는 영향력은 개인의 창의적 소비 효능감에 의해 조절될 것이다.

Fig. 1.

Research model.

2. 자료 수집 및 분석 방법

데이터 수집을 위해 본 연구에서는 생성형 AI 프로그램을 활용한 디자인 과정에 참여할 피험자를 모집하였다. 실험에 앞서, 피험자들에게 생성형 AI 프로그램(Deep Dream Generator)의 사용 방법과 연구의 전반적인 절차에 대한 사전 지침을 제공하였다. 해당 지침에는 AI를 활용하여 새로운 이미지를 생성하거나 기존 이미지를 수정하는 방법, 키워드 입력 및 참고 이미지 업로드 등 주요 기능에 대한 설명이 포함되었다. 피험자들은 지침을 숙지한 후, 원하는 이미지를 도출하기 위해 키워드를 입력하거나 참고 이미지를 업로드하는 방식으로 작업을 시작하였으며, 원하는 결과물이 나올 때까지 자유롭게 수정 작업을 반복할 수 있도록 하였다. 이러한 설정은 피험자들이 생성형 AI를 활용한 창작 과정에 몰입하고, 자신만의 독창적인 이미지를 만들어낼 수 있도록 지원하기 위함이었다.

이러한 과정을 통해 도출된 최종 이미지는 메타버스 창작 플랫폼인 제페토 스튜디오(Zepeto Studio)에 업로드하여 아바타의 패션 아이템을 제작하는 데 활용하도록 안내하였다. 이를 통해 단순히 이미지를 생성하는 데 그치는 것이 아니라, 생성된 결과물이 실제 메타버스 환경에서 어떻게 적용 될 수 있는지를 직접 경험하도록 함으로써 피험자들에게 보다 깊이 있는 창작 경험을 제공하고자 하였다.

실험이 완료된 후, 피험자들은 설문지를 통해 자신이 창작한 작품에 대한 독창성 및 매력성 지각, 창작 과정에서 경험한 즐거움, 자아확장, 인구통계적 특성에 관한 질문에 응답하였다. 총 77개의 데이터를 수집하였으며, 데이터를 분석하기 위해 SPSS 26.0 프로그램을 사용하여 기술통계 분석, 탐색적 요인 분석, 신뢰도 분석, PROCESS macro 분석을 진행하였다. 특히, 본 연구에서는 PROCESS macro(Model 7)를 활용한 회귀 분석을 수행하였으며, G*Power 분석을 통해 적절한 표본 크기를 검증하였다. 중간 수준의 효과 크기(f²=0.15), 유의수준(α=0.05), 검정력(1-β=0.80)을 기준으로 샘플 크기를 산출한 결과, 최소 필요 표본 크기는 68명으로 나타났다. 본 연구의 표본 크기(n=77)는 이 기준을 충족하며, 분석 결과의 신뢰성을 확보할 수 있음을 시사한다.

3. 척도 구성

본 연구는 여러 선행연구에서 신뢰성과 타당성이 검증된 척도를 바탕으로 연구의 맥락에 맞게 일부 항목을 보완하고 수정하였다. 창작물의 독창성과 매력성 지각은 각각 4문항과 3문항(Koslow et al. 2003)으로 측정하였고, 생성형 AI 프로그램 활용 시 느낀 즐거움은 3문항(Hennig-Thurau et al. 2002; Dagger & O’Brien 2010), 자아확장은 4문항(Lewandowski Jr. & Aron 2002), 창의적 자기 효능감 중 문제해결 효능감은 3문항(Rim et al. 2016)으로 측정하였다. 모든 항목은 7점 리커트 척도(1=전혀 그렇지 않다, 7=매우 그렇다)를 사용하였다.

1. 측정 문항의 타당도 및 신뢰도 분석 결과

본 연구에서는 사용한 측정 도구의 타당성을 검증하기 위해 탐색적 요인 분석(Exploratory factor analysis)을 수행하였으며, 주성분 분석(Principal component analysis)과 Varimax 회전을 적용하였다. 분석 결과, Table 1에서 나타난 바와 같이 요인 부하량은 0.670에서 0.916 사이로 나타나 적절한 수준을 보였으며, 모든 요인의 고윳값(eigenvalue)은 1.000 이상으로 확인되었다. 또한, 신뢰도를 평가하기 위해 Cronbach’s α 값을 산출한 결과, 모든 변수에서 0.792에서 0.922 사이의 값을 보여 신뢰도가 우수하며, 각 변수의 세부 문항 간 내적 일관성이 높은 것으로 나타났다.

Table 1.

Results of exploratory factor analysis

2. 연구가설 검증

개인이 생성형 AI를 활용하여 창작한 결과물에 대한 독창성, 매력성 지각이 즐거움을 매개로 자아확장에 미치는 영향과 창의적 소비 효능감의 조절 효과를 검증하기 위해 PROCESS Macro(Model 7)를 활용한 부트스트래핑 분석(n=5,000 bootstrap sample)을 실시하였다. 분석 결과, Fig. 2와 같이 창작물에 대한 독창성 지각은 자아확장을 증가 시키며, 이는 즐거움을 통해 매개되는 것으로 나타났다. 또한, 독창성 지각이 즐거움에 미치는 영향은 창의적 소비 효능감이 조절하는 것으로 나타났다. Table 2에서 나타난 바와 같이, 창의적 소비 효능감이 낮을 때, 독창성 지각과 즐거움 간의 긍정적 관계가 더욱 두드러지게 나타났다. 이는 창의적 능력에 대한 자신감이 낮은 사람들이 AI와의 협업을 통해 창출된 디자인 결과물이 혁신적이라고 인식할 때 더 큰 즐거움을 경험할 가능성을 시사한다. 본 연구 결과는 생성형 AI를 활용한 창작 과정에서 개인이 지각하는 독창성이 자아확장에 중요한 역할을 하며, 이 과정에서 즐거움이 핵심적인 매개 변수로 작용함을 시사한다. 이는 기존 연구에서 제시된 창의적 경험과 자아확장의 관계를 AI 기반 창작 맥락에서 확장하는 결과로 볼 수 있다(Reimann & Aron 2009; Mattingly et al. 2014). 특히, 창의적 소비 효능감이 낮은 경우 독창성 지각이 즐거움에 미치는 영향이 더욱 강화된다는 점은, AI가 창작 과정에서 창의적 자신감이 부족한 사용자들에게 새로운 가능성을 제공할 수 있음을 의미한다.

Fig. 2.

Moderated mediating model.

Table 2.

Results of moderated mediation analysis

반면, 매력성 지각이 자아확장에 미치는 직접 효과는 유의하게 나타났으나 매력성 지각이 즐거움에 미치는 영향력은 유의하지 않았으며, 창의적 소비 효능감의 조절 효과 역시 유의하지 않았다. 창작물이 매력적으로 인식될수록 자아확장이 촉진될 가능성이 있지만, 그 과정에서의 정서적 즐거움이 핵심적인 매개 역할을 하지는 않는 것으로 해석할 수 있다. 즉, 개인이 AI를 활용하여 창작한 결과물이 미적으로 우수하다고 평가될 때, 이는 자신의 창작 역량에 대한 확신이나 정체성 확장을 강화할 수 있지만, 필연적으로 더 큰 즐거움을 유발하는 것은 아닐 수 있다. 이는 독창성이 창의적 과정에서 보다 강한 정서적 반응을 이끌어내는 반면, 매력성은 결과물의 평가와 더 직접적으로 연결될 가능성을 의미한다. 또한, 창의적 소비 효능감이 매력성 지각과 즐거움 간의 관계를 조절하지 않았다는 점은 주목할 만하다. 이는 개인이 자신의 창의적 역량을 어떻게 인식하든, 창작물의 매력성이 창작 과정에서 느끼는 즐거움을 증가시키는 데에는 제한적인 영향을 미친다는 점을 보여준다. 다시 말해, 창의적 자신감이 높은 사람들도, 낮은 사람들도 결과물이 시각적으로 매력적이라고 평가할 때 즐거움의 정도가 크게 달라지지 않는다는 것이다. 이는 창작물의 미적 평가가 창작 과정의 감정적 경험과 반드시 연결되지 않을 수 있음을 시사하며, 창의적 과정에서의 심리적 동인에 대한 보다 정교한 이해가 필요함을 강조한다.