효과적인 정보의 제공과 컨텍스트

Sun Microsystems의 CEO, Jonathan Schwartz의 블로그에서 "1페타바이트의 데이터 이동" 이라는 포스트를 보면, 1PB(=1000 TB)의 데이터를 샌프란시스코에서 홍콩까지 전송하려고 할 때, 인터넷보다 배로 실어 나르는 게 더 빠르다는 내용이 나옵니다. 미국에서 상대적으로 빠른 인터넷 연결속도인 500kbps의 속도로 데이터를 전송 한다고 하면 500년이 걸린다고 하는군요. 100Mbps의 속도라고 해도 수년이 걸린다고 하니 당연히 데이터를 직접 들고 가는 것이 더 빠르게 마련입니다.
  1PB가 수 년간 다운 받아야 하는 큰 용량이라고는 하지만 현재 전세계의 사람들이 만들어 내고 있는 정보량에 비하면 아무것도 아닙니다. 버클리 정보대학(School of Information)의 "How much information? 2003" 이라는 연구결과에 따르면, 지난 2002년 생성되어 인쇄물, 필름, 자기디스크와 광디스크에 저장된 정보의 양은 5EB(Exabyte) 라고 합니다. (그 중 92%가 Magentic media, 주로 하드디스크에 저장. ) 그럼 5EB면 얼마나 큰 양의 정보일까요. 산술적으로는 1EB = 10¹⁸ bytes = 1,000,000,000,000,000,000 인데, 인류가 내뱉은 모든 단어들에 해당하는 양이라는 군요. 100Mbps의 속도로 약 1만3천 년이 지나야 받을 수 있는 데이터의 양에 해당하고 전세계 인구수로 나누면 대략 한 사람당 800MB의 정보를 생성 하였고. 더욱이 1999년의 2EB와 비교하면 3년 만에 2.5배의 증가를 보인 셈입니다. 2007년에는? 동영상 UCC의 증가로 모르긴 해도 적어도 십수배는 늘어나지 않았을까요.

Google.com/history에 남은 로그들

구글의 미션은 "전 세계 정보를 체계화하여 모두가 편리하게 이용할 수 있도록 하는 것("Organize the world's information and make it universally accessible and useful)"입니다. 하지만 이처럼 기하 급수적으로 증가하고 있는 엄청난 양의 정보들 중 필요한 정보를 제공 해 주는 것이 수 십 만개의 검색 결과를 화면에 뿌려주는 검색 기술만 가지고 되는 일은 아닙니다. 순식간에 만에 수 십만개의 검색 결과를 뿌려주는 구글의 너무나 뛰어난 검색 엔진은 사용자 입장에서는 오히려 독이 될 수도 있습니다.
  정보는 활용 가능할 때 가치가 있는 것이지, 너무 많은 정보는 전혀 없는 것과 같다는 말이 있습니다. ("too much information is as bad as none at all") 결국 유용한 정보를 제공해 주는 것이 필요한데 잘 알려진 대로 구글은 이를 위한 한가지 방법으로 개인화(Personalization )에 주목하고 있습니다. 2003년 Kaltix를 인수한 것도 같은 맥락에서 입니다. 구글 웹기록을 통해 구글을 통해 검색하는 모든 검색어를 개인별로 관리하고, 이를 기반으로 자신이 원하는 정보와 가장 관련도가 높은 맞춤형 검색 결과를 제공받게 됩니다. 예를 들어 같은 apple을 검색어로 넣더라도, 이전 검색성향에 따라 사과 혹은 apple 社 가 나올 수 있겠지요.
  하지만 현재의 사용자가 직접 질문을 입력해서 그에 대한 검색결과를 받아보는 형태의 정보 제공은 분명한 한계가 있습니다. 그것은 바로, 사용자가 질문을 하지 않는다면 아무것도 알려주지 않는다는 것이죠. 아침 출근길에 날씨를 검색해 보지 않았기 때문에 오늘 비가 올 것이라는 것을 알아도 알려주지 않습니다. 물어보지 않았기 때문에 비행기가 연착할 것이라는 사실을 공항으로 떠나는 사용자에게 알려주지 않습니다. 만약 구글이 컴퓨터가 아니라 비서였다면, 물어보지 않았더라도 이러한 정보들을 알려주었을 것입니다.  
  이처럼 사람들이 컴퓨터보다 더 효과적으로 커뮤니케이션을 할 수 있는 이유는 의식적으로나 무의식적으로 주변 상황에 대한 정보, 즉 컨텍스트를 주고받기 때문에 가능합니다. 하지만 아직까지 사람과 시스템간에서는 이러한 컨텍스트를 충분히 사용하지 못합니다. 미래의 구글은 데스크탑을 벗어나 다양한 플랫폼 위에서 사용자와 더 가까워 질것이고 지금보다 더 지능적으로 적절한 순간과 적절한 장소에 적절한 정보를 제공해 줄 수 있게 될 것 입니다.   

그렇다면 어떤 정보들을 사용자에게 제공해 주어야 할까요. 정보들을 1950년대 미국의 심리학자 Joseph Luft 와 Harry Ingham 가 개발한 Johari Window모델을 빌려서 표현해 보면,

1. 시스템과 사용자가 모두 알 고 있는 정보(Open Area),
2. 시스템은 알지만 사용자는 모르는 정보 (Blind Area)
3. 사용자는 알지만 시스템은 모르는 정보 (Hidden Area)
4. 사용자와 시스템 모두 알지 못하는 정보 (Unknown)
으로 구분할 수 있습니다.

이중 현재 사용자들이 쉽게 제공 받을 수 있는 정보들은 Blind Area에 있는 정보, 즉 내일의 날씨나 비행기의 연착정보와 같이 사용자는 알지 못하지만 시스템은 알고 있는 정보들 입니다. 이 영역들의 정보들을 상황에 맞게 잘 제공해주는 어플리케이션들이 사용자에게 실질적인 도움을 줄 수 있습니다.
다양한 센서들을 활용하면 Hidden Area의 정보들을 Open Area나 Blind Area로 끌어올릴 수 있습니다. 예를 들어, 시스템은 사용자의 위치를 알수 없지만 (Hidden Area) GPS 센서를 통해 사용자의 위치를 측정하면 이는 Open Area에 속하는 정보가 되어서 활용 가능해 집니다. 하지만 아쉽게도 많은 중요한 정보들이 단순한 센서로는 알아내기 힘든 정보 들입니다. 대표적인 예가 감정인데, 사용자의 현재 기분을 시스템이 알 수 있다면 상황에 맞는 다양한 서비스들이 제공 될 수 있겠죠. 물론 더 단순한 방법으로는 시스템에게 사용자가 직접 알려주는 방법이 있지만, 컴퓨터에게 '나 기분 나쁘다 조심해' 라고 입력하는 경우를 제외한다면 아직 감정, 선호도 등의 정보는 Hidden Area에 속하는 정보입니다.  이러한 정보들을 알아내기 위한 많은 연구들이 진행 중이니 언젠가는 Open Area에 속하는 정보가 될 날이 곧 올 것입니다.
사용자도 모르고 시스템도 모르는 Unknown 정보는 del.icio.us 와 같은 소셜 북마킹 서비스에서의 집단지성이나 Amazon.com 에서 책을 추천해주는 방법인 Collaboration filtering 등을 사용해 Open Area의 정보로 끌어올릴 수 있습니다. Amazon에 로긴하기 전까지는 사용자 자신도 몰랐던 볼만한 책들을 추천 받게 되는 순간 Unknown 정보가 Open 정보로 바뀌게 됩니다.
이 처럼 많은 다양한 정보들이 Open Area에 속하게 되는 날이 온다면, 더 다양한 컨텍스트를 활용하여 사용자에게 적절한 정보를 제공해 주는 것이 가능해 질 것이고 좀 더 나은 사용자 경험을 제공 할 수 있게 될 것입니다.