HMW 질문법 문제 탐색 기회 발견

 

HMW 질문법은 디자인 씽킹을 대표하는 핵심 도구로, 문제를 해결 가능한 기회로 재해석하도록 돕는 질문 구조입니다. HMW는 “How Might We”의 약자로, 우리식 표현으로는 “어떻게 하면 우리는 ~할 수 있을까?” 정도로 해석됩니다. 이 질문은 단순한 문장 구조를 넘어 사고의 방향을 바꾸는 강력한 도구이며, 복잡한 문제 상황에서도 해결의 실마리를 발견하게 합니다. 많은 팀과 조직이 문제를 해결하려 할 때 “이건 안 돼”, “제약이 너무 많아”, “지금 상황은 해결할 수 없어”라는 사고에 갇히곤 합니다. 하지만 HMW 질문법은 문제를 제한이 아니라 가능성으로 바라보는 사고 전환을 만들어 냅니다. 문제를 기회로 전환하는 사고는 창의성의 핵심이며, 이는 단순한 발상이 아니라 구조화된 질문을 통해 가능해집니다. HMW 질문법은 바로 그 구조를 제공합니다. 특히 AI 시대의 문제 해결에서는 인간의 창의적 판단과 AI가 제공하는 정보 기반 분석이 결합되어야 합니다. ChatGPT 같은 모델은 문제 상황을 다양한 관점에서 재해석하고 HMW 질문을 확장해 주는 강력한 파트너 역할을 할 수 있습니다. 예를 들어 “어떻게 하면 고객이 더 쉽게 목표를 달성하도록 도울 수 있을까?”라는 질문을 기반으로, AI에게 다양한 아이디어 방향을 요청할 수 있습니다. 이런 방식은 단순한 정보 수집을 넘어서 문제 정의, 문제 전환, 아이디어 발상까지 자연스럽게 이어지게 합니다. HMW 질문법은 단순히 창의적 사고를 자극하는 도구가 아니라, 문제 해결 프로세스의 중심축으로서 팀의 사고를 정렬하고 실행 전략을 만드는 데 필요한 근거를 제공합니다. 문제를 어떻게 바라보느냐에 따라 해결책의 질이 달라지고, 결과적으로 제품의 성공 가능성도 크게 달라집니다.

문제 탐색 기반 HMW 질문의 품질 높이기

문제 탐색은 HMW 질문을 제대로 만들기 위한 필수 단계입니다. 많은 팀이 HMW 질문을 단순 브레인스토밍 도구라고 생각해 바로 질문을 만들려 하지만, 실제로 가장 중요한 것은 HMW 질문의 기반이 되는 문제를 얼마나 깊이 탐색했는지입니다. 문제 탐색을 충분히 하지 않으면 HMW 질문이 표면적 현상만을 다루게 되어 아이디어 발상이 방향을 잃게 됩니다. 문제 탐색의 첫 단계는 문제의 증상을 확인하는 것입니다. 예를 들어 고객 이탈률이 높거나 특정 기능의 사용성이 낮다는 신호는 증상에 불과합니다. 이 증상 뒤에는 더 깊은 원인이 존재합니다. HMW 질문법은 그 깊은 원인을 찾아 다시 기회로 전환하기 위한 도구이므로, 문제 탐색 단계에서 증상과 원인을 구분하는 작업이 특히 중요합니다. 이를 위해 5 Whys, JTBD 분석, 사용자 여정 관찰, 정성 인터뷰 등의 방법이 활용될 수 있습니다. AI 도구는 이 탐색 과정을 빠르게 정리하고, 사용자가 놓친 단서를 제안하는 역할을 할 수 있습니다. 예를 들어 ChatGPT에게 “이 문제가 나타난 배경을 다른 관점에서 설명해 달라”라고 요청하면 여러 해석 방향을 받아볼 수 있습니다. 문제 탐색의 핵심은 문제를 단순한 현상으로 바라보지 않고, 문제의 경계를 정교하게 정의하는 것입니다. 문제가 너무 넓게 정의되면 HMW 질문이 모호해지고, 너무 좁게 정의되면 창의적 확장이 어렵습니다. 문제 탐색 단계에서 좋은 기준은 “문제를 경험하는 사람”, “문제가 발생하는 상황”, “문제를 유발하는 행동”의 세 요소를 함께 고려하는 것입니다. 예를 들어 “고객이 신규 가입 과정에서 중도 이탈한다”는 문제 정의는 사람·행동·상황을 모두 포함하는 좋은 형태입니다. 이렇게 문제 탐색이 정교해질수록 HMW 질문은 더 명확하고 강력한 방향성을 가집니다. AI와 함께 탐색하면 더 다양한 관점에서 문제를 해석할 수 있고, 이는 질문 품질을 크게 향상시키는 요소가 됩니다.

기회 발견으로 이어지는 HMW 질문의 구조 설계

HMW 질문법의 강점은 문제를 기회로 바라보도록 사고를 전환한다는 점입니다. HMW 질문을 만들 때는 문제의 부정적 표현을 기회 중심 표현으로 바꾸는 과정이 핵심입니다. 예를 들어 “고객이 이탈한다”는 문제를 “어떻게 하면 고객이 더 오래 머무르도록 만들 수 있을까?”라는 질문으로 전환할 수 있습니다. 이렇게 HMW 질문은 문제를 그대로 표현하지 않고, 그 문제를 해결하면 어떤 새로운 기회가 생기는지를 상상하게 합니다. HMW 질문은 크게 세 가지 방식으로 설계할 수 있습니다. 첫 번째는 제약을 완화하는 질문입니다. 예를 들어 “어떻게 하면 고객이 복잡한 과정을 거치지 않고 목표를 달성하게 할 수 있을까?”는 기존 경험의 제약을 줄이는 방향으로 기회를 만들어 냅니다. 두 번째는 가능성을 확장하는 질문입니다. 예를 들어 “어떻게 하면 고객이 지금보다 더 의미 있는 경험을 하도록 디자인할 수 있을까?”는 새로운 가치를 창출하는 방향입니다. 세 번째는 기존 문제를 재배열해 새로운 조합을 만드는 질문입니다. 예를 들어 “어떻게 하면 이미 사용 중인 기능들을 더 자연스럽게 연결할 수 있을까?”라는 질문은 기존 요소들의 조합 방식을 바꾸며 기회를 발굴합니다. HMW 질문을 설계할 때 ChatGPT 같은 AI는 효과적인 조력자가 될 수 있습니다. AI는 문제를 다양한 관점으로 재해석하고, 각 관점에서 파생되는 다양한 HMW 질문을 생성합니다. 이 과정은 아이디어 확장의 폭을 넓히고, 팀이 놓친 기회를 발견하도록 도와줍니다. 기회 발견 단계에서 중요한 것은 “좋은 HMW 질문은 해결책을 직접 제시하지 않는다”는 원칙입니다. HMW 질문은 “이렇게 해야 한다”가 아니라 “무엇이 가능할까?”를 열어두는 질문이어야 합니다. 이렇게 열린 질문이 아이디어 발상을 촉진하고, 다양한 해결책이 도출될 수 있는 여지를 남깁니다.

실행력 높은 아이디어로 연결하는 HMW 기반 문제 해결

HMW 질문법의 마지막 단계는 질문을 기반으로 도출된 아이디어를 실행 전략으로 연결하는 과정입니다. 많은 팀이 아이디어 발상까지만 진행하고 실제 실행 단계에서 어려움을 겪습니다. 이는 HMW 질문에서 도출된 아이디어가 문제 정의와 일치하지 않거나, 우선순위가 제대로 정해지지 않았기 때문입니다. 실행력 높은 아이디어를 만들기 위해서는 먼저 HMW 질문을 통해 생성된 다양한 아이디어 중에서 핵심 문제를 해결하는 아이디어를 선별해야 합니다. 이때 JTBD 관점의 우선순위 평가, 비용 대비 효과 분석, 실험 가능한 최소 단위 정의 등이 필요합니다. AI 도구는 아이디어를 분류하거나 논리적 기준을 비교해 주는 역할을 할 수 있어, 실행 전략 수립에 큰 도움을 줍니다. 좋은 HMW 기반 아이디어는 세 가지 특징을 갖습니다. 첫째, 문제의 본질과 연결되어 있습니다. 둘째, 고객의 행동 변화를 만들 수 있습니다. 셋째, 작은 규모로도 실험이 가능합니다. HMW 질문에서 나온 아이디어가 너무 크거나 모호하면, 이를 더 작은 실험 단위로 쪼개 MVP 형태로 만들어야 합니다. 실행 과정에서는 실험 설계, 지표 정의, 사용자 피드백 분석 같은 구체적 활동이 필요하며, 여기서 AI는 지표 변화의 원인을 분석하거나 새로운 실험 방향을 제안하는 역할을 수행할 수 있습니다. HMW 질문법은 단순한 아이디어 생성 도구가 아닌, 문제 → 기회 → 아이디어 → 실행의 전체 흐름을 유기적으로 연결하는 사고 프레임입니다. 이 흐름을 반복적으로 사용하면 팀의 문제 해결 능력이 빠르게 향상되고, 복잡한 문제도 구조적으로 풀어낼 수 있는 역량을 갖추게 됩니다.