요즘 어떤 앱이든 AI 챗봇 하나쯤은 들어가 있어요. 고객 상담, 사내 지식 검색, 데이터 분석까지. 그런데 "ChatGPT 같은 걸 우리 서비스에 넣자"라고 시작했다가 사용자가 전혀 안 쓰는 챗봇이 되는 경우가 정말 많아요. 기술이 문제가 아니라 UX가 문제예요.
2026년 4월, GitHub에서 Onyx라는 오픈소스 AI 챗 플랫폼이 주목받고 있어요. 모든 LLM과 호환되는 범용 AI 채팅 인터페이스인데, 이 프로젝트가 보여주는 설계 원칙들이 AI 챗봇 UX의 정석을 잘 보여주고 있어서 함께 분석해볼게요.
많은 서비스가 AI 챗봇을 도입하지만, 실제 사용률이 10% 미만인 경우가 흔해요. 실패하는 패턴은 거의 비슷해요:
사용자가 챗봇을 처음 열었을 때 빈 입력창만 보여주면 안 돼요. 대신:
Onyx 같은 플랫폼에서도 초기 화면에 사용 가능한 도구(Connected Sources)를 명시적으로 보여주는 방식을 채택하고 있어요. 이게 사용자의 첫 번째 장벽을 낮추는 핵심이에요.
AI 응답은 항상 틀릴 수 있어요. 이걸 숨기면 신뢰가 무너져요. 대신:
이건 단순한 투명성이 아니라 UX 전략이에요. 출처가 명시된 답변은 사용자가 더 신뢰하고, 더 자주 사용해요.
자유 대화만 가능한 챗봇은 효율이 떨어져요. 핵심은 가이디드 대화(Guided Conversation)예요:
AI가 답을 못 하는 상황은 반드시 와요. 이때의 UX가 서비스 전체의 인상을 결정해요:
텍스트만으로 모든 걸 설명하려 하지 마세요. 2026년 AI 챗봇은:
대화형 인터페이스라고 해서 텍스트에 갇힐 필요 없어요. 오히려 다양한 UI 컴포넌트를 대화 흐름 안에 자연스럽게 넣는 게 2026년 트렌드예요.
Onyx 같은 오픈소스 플랫폼을 활용하면 기본 기능은 빠르게 구축할 수 있어요. 하지만 서비스에 맞는 UX 커스터마이징, 기존 시스템과의 연동, 보안 설정은 별도 개발이 필요해요.
포텐랩에서 프로젝트를 진행할 때도 AI 챗봇 UX는 설계 단계에서 가장 많은 시간을 투자하는 영역 중 하나예요. 기술적 구현보다 사용자 경험 설계가 성패를 가르거든요. AI 기능이 포함된 서비스를 기획 중이라면 포텐랩 UX/UI 서비스를 참고해보세요.
AI 특화 개발이 필요하다면 트리숲(TreeSoop)도 좋은 선택이에요. POSTECH/KAIST/서울대 출신 팀이 AI 서비스 개발을 전문으로 합니다.
FAQ 10~20개 수준이면 룰 기반으로 충분해요. 하지만 사내 문서 검색, 개인화된 추천, 자연어 질의가 필요하면 LLM 기반 AI 챗봇이 필요해요. 비용은 2~3배 더 들지만 사용자 경험 차이가 확연해요.
기본 FAQ 챗봇은 500만~1,000만 원, RAG 기반 지식 검색 챗봇은 2,000만~5,000만 원, 멀티모달 + 시스템 연동까지 포함하면 5,000만 원 이상이에요. 오픈소스 기반으로 시작하면 초기 비용을 줄일 수 있어요.