Museums now deploy recommendation engines to personalize gallery tours. Streaming platforms use algorithmic curation to shape what audiences encounter and when. Interactive installations respond to visitors' movements, expressions, and biometric signals in real time. Yet the theoretical frameworks for understanding these AI-mediated cultural experiences remain underdeveloped—borrowed piecemeal from service design, human-computer interaction, and marketing, none of which were built to capture what happens when artificial intelligence mediates the encounter between a human being and a work of culture.

The Research Landscape

A study published through Taylor & Francis (2025) addresses this gap directly by proposing a framework for AI-based experience design in cultural and creative industries. The paper examines how AI technologies transform three interconnected dimensions of cultural production: audience engagement, creative production processes, and cultural consumption patterns.

The framework's contribution lies in its attempt to integrate what are typically treated as separate phenomena. Research on AI and creativity tends to focus on the production side—how artists and designers use AI tools. Research on cultural consumption tends to focus on the audience side—how people discover, access, and engage with cultural products. Research on engagement tends to sit in the marketing literature, focused on measurable outcomes like time-on-platform or return visits. By framing all three as facets of a single "experience design" problem, the paper creates analytical space for examining their interactions.

This integrative move matters because particularly significant effects of AI on cultural industries may occur precisely at the intersections. When an AI system simultaneously shapes what gets produced (by influencing creative workflows), how it gets distributed (by controlling recommendation algorithms), and how audiences engage with it (by personalizing the experience), the cultural ecosystem is being reshaped at multiple points simultaneously. Analyzing any single dimension in isolation may miss emergent properties that only become visible when the full system is examined.

Critical Analysis

The framework approach carries both strengths and limitations worth noting. On the strength side, cultural and creative industries genuinely lack a unified theoretical model for AI-mediated experience. The existing literature is fragmented across disciplines, and a synthesizing framework provides researchers with shared vocabulary and conceptual anchors. On the limitation side, frameworks are inherently abstract—they organize thinking but do not, by themselves, generate testable predictions. The value of this framework will ultimately be determined by whether subsequent empirical research finds it useful for structuring investigations and generating insights that would not have emerged without it.

A deeper question concerns the boundary of "cultural and creative industries" itself. The term encompasses everything from fine art museums to video game studios, from opera houses to advertising agencies. AI's role and impact in these settings differ so substantially that a single framework risks being either too abstract to be useful or too specific to be general. The paper's treatment of this tension—whether it proposes domain-specific adaptations within the overarching framework—would be important to assess from the full text.

There is also a normative dimension that deserves scrutiny. "Experience design" implies intentionality—someone is designing the experience for someone else. In cultural contexts, this raises questions about power, agency, and authenticity that are less prominent in commercial service design. When an AI system designs a museum visitor's experience by selecting which artworks to highlight, in what order, with what contextual information, it is exercising curatorial judgment that has traditionally been reserved for human experts with deep domain knowledge and cultural sensitivity.

Open Questions

• Empirical grounding: Has the proposed framework been tested against actual AI deployments in cultural institutions, or does it remain at the conceptual stage?
• Cultural specificity: Do the framework's categories apply equally across different cultural traditions, or does it implicitly assume Western cultural production norms?
• Audience agency: How does the framework account for audience resistance to AI-mediated experiences—cases where people actively prefer non-algorithmic cultural encounters?
• Creative autonomy: When AI systems influence creative production at the same time as audience consumption, is there a risk of feedback loops where production converges toward whatever the algorithm predicts audiences will engage with, reducing cultural diversity?
• Measurement: What metrics would validate or falsify the framework's claims about transformation? How would one measure whether AI has genuinely transformed cultural experience rather than merely digitized existing patterns?

Closing

The most valuable contribution here may be the insistence that audience engagement, creative production, and cultural consumption are not separate problems to be solved by separate disciplines. For researchers in service design, digital humanities, or cultural policy, this framework offers a starting point for cross-disciplinary conversation. For practitioners in cultural institutions considering AI adoption, it suggests that decisions about any one dimension—say, implementing a recommendation engine—cannot be evaluated without considering their effects on the other two. The full paper merits careful reading by anyone working at the intersection of AI and cultural production.

Explore related work through ORAA ResearchBrain.

면책 조항: 이 게시물은 정보 제공 목적의 연구 동향 개요이다. 학술 연구에서 인용하기 전에 구체적인 연구 결과, 통계 및 주장은 원본 논문을 통해 반드시 확인해야 한다.

AI를 활용한 경험 설계: 문화·창의 산업을 위한 프레임워크

현재 박물관들은 갤러리 관람을 개인화하기 위해 추천 엔진을 도입하고 있다. 스트리밍 플랫폼은 알고리즘 큐레이션을 활용하여 관객이 무엇을 언제 접하는지를 결정한다. 인터랙티브 설치 작품은 방문객의 움직임, 표정, 생체 신호에 실시간으로 반응한다. 그러나 이러한 AI 매개 문화 경험을 이해하기 위한 이론적 프레임워크는 아직 충분히 발전하지 않은 상태이다. 현재의 프레임워크는 서비스 디자인, 인간-컴퓨터 상호작용(HCI), 마케팅에서 단편적으로 차용되고 있는데, 이 분야들 중 어느 것도 인공지능이 인간과 문화적 작품 사이의 만남을 매개할 때 발생하는 현상을 포착하기 위해 만들어진 것이 아니다.

연구 현황

Taylor & Francis(2025)를 통해 발표된 한 연구는 문화·창의 산업에서 AI 기반 경험 설계를 위한 프레임워크를 제안함으로써 이 격차를 직접적으로 다루고 있다. 해당 논문은 AI 기술이 문화 생산의 상호 연결된 세 가지 차원, 즉 관객 참여, 창작 생산 과정, 문화 소비 패턴을 어떻게 변화시키는지 검토한다.

이 프레임워크의 기여는 일반적으로 별개의 현상으로 취급되는 것들을 통합하려는 시도에 있다. AI와 창의성에 관한 연구는 예술가와 디자이너가 AI 도구를 어떻게 활용하는지, 즉 생산 측면에 집중하는 경향이 있다. 문화 소비에 관한 연구는 사람들이 문화적 산물을 어떻게 발견하고, 접근하며, 참여하는지, 즉 관객 측면에 집중하는 경향이 있다. 참여에 관한 연구는 플랫폼 체류 시간이나 재방문율 같은 측정 가능한 성과에 초점을 맞추는 마케팅 문헌에 주로 속해 있다. 이 세 가지를 단일한 '경험 설계' 문제의 측면으로 구성함으로써, 해당 논문은 이들의 상호작용을 분석할 수 있는 분석적 공간을 창출한다.

이러한 통합적 접근은 중요한 의미를 지닌다. AI가 문화 산업에 미치는 특히 중요한 영향이 바로 이러한 교차 지점에서 발생할 수 있기 때문이다. AI 시스템이 무엇이 생산되는지(창작 워크플로에 영향을 미침으로써), 어떻게 유통되는지(추천 알고리즘을 통제함으로써), 그리고 관객이 어떻게 참여하는지(경험을 개인화함으로써)를 동시에 형성할 때, 문화 생태계는 여러 지점에서 동시에 재편되고 있다. 단일 차원만을 고립적으로 분석하면, 전체 시스템을 검토할 때만 드러나는 창발적 특성을 놓칠 수 있다.

비판적 분석

프레임워크 접근법에는 주목할 만한 강점과 한계가 모두 있다. 강점 측면에서, 문화·창의 산업은 AI 매개 경험에 대한 통합적 이론 모델이 실질적으로 부재한 상황이다. 기존 문헌은 여러 학문 분야에 걸쳐 분산되어 있으며, 종합적 프레임워크는 연구자들에게 공유된 어휘와 개념적 기준점을 제공한다. 한계 측면에서, 프레임워크는 본질적으로 추상적이다. 프레임워크는 사고를 체계화하지만, 그 자체로는 검증 가능한 예측을 생성하지 않는다. 이 프레임워크의 가치는 궁극적으로 후속 경험적 연구가 조사를 구조화하고, 프레임워크 없이는 도출되지 않았을 통찰을 생성하는 데 이를 유용하게 활용하는지에 따라 결정될 것이다. "문화·창의 산업"이라는 경계 자체에 관한 더 근본적인 질문도 존재한다. 이 용어는 순수미술 박물관부터 비디오 게임 스튜디오까지, 오페라 하우스부터 광고 대행사까지 모든 것을 아우른다. 이러한 환경에서 AI의 역할과 영향은 매우 상이하기 때문에, 단일 프레임워크는 지나치게 추상적이어서 실용적이지 않거나, 지나치게 구체적이어서 일반화가 불가능한 위험을 안고 있다. 이 논문이 이러한 긴장을 어떻게 다루는지—즉, 상위 프레임워크 내에서 분야별 적용 방안을 제시하는지—는 전문(全文)을 통해 평가해야 할 중요한 사항이다.

또한 면밀한 검토가 필요한 규범적 차원도 존재한다. "경험 디자인"은 의도성을 내포한다—누군가가 타인을 위해 경험을 설계한다는 것이다. 문화적 맥락에서 이는 상업적 서비스 디자인에서보다 덜 부각되는 권력, 행위 주체성, 진정성에 관한 문제를 제기한다. AI 시스템이 어떤 예술 작품을 부각할지, 어떤 순서로, 어떤 맥락 정보와 함께 제시할지를 선택함으로써 박물관 방문객의 경험을 설계할 때, 그것은 전통적으로 깊은 분야별 지식과 문화적 감수성을 지닌 인간 전문가에게 유보되어 온 큐레이터적 판단을 행사하는 것이다.

미결 과제

• 실증적 근거: 제안된 프레임워크가 문화 기관의 실제 AI 배치 사례를 대상으로 검증되었는가, 아니면 개념적 단계에 머물러 있는가?
• 문화적 특수성: 프레임워크의 범주들이 서로 다른 문화적 전통에 걸쳐 동등하게 적용되는가, 아니면 암묵적으로 서구의 문화 생산 규범을 전제하고 있는가?
• 수용자 행위 주체성: 프레임워크는 AI 매개 경험에 대한 수용자의 저항—사람들이 비알고리즘적 문화 경험을 능동적으로 선호하는 사례—을 어떻게 설명하는가?
• 창작 자율성: AI 시스템이 수용자 소비와 동시에 창작 생산에 영향을 미칠 때, 알고리즘이 수용자가 반응할 것으로 예측하는 방향으로 생산이 수렴하여 문화적 다양성이 감소하는 피드백 루프의 위험이 존재하는가?
• 측정: 프레임워크의 주장을 검증하거나 반증할 수 있는 지표는 무엇인가? AI가 기존 패턴을 단순히 디지털화한 것이 아니라 문화 경험을 실질적으로 변환시켰는지를 어떻게 측정할 것인가?

맺음말

이 연구에서 가장 가치 있는 기여는 수용자 참여, 창작 생산, 문화 소비가 각기 다른 분야에 의해 개별적으로 해결되어야 할 별개의 문제가 아니라는 점을 강조한 것일 수 있다. 서비스 디자인, 디지털 인문학, 문화 정책 연구자들에게 이 프레임워크는 학제 간 대화의 출발점을 제공한다. AI 도입을 고려하는 문화 기관의 실무자들에게는, 특정 차원—예컨대 추천 엔진 도입—에 관한 결정이 나머지 두 차원에 미치는 영향을 고려하지 않고서는 평가될 수 없음을 시사한다. 전문(全文)은 AI와 문화 생산의 교차점에서 활동하는 모든 이가 주의 깊게 읽을 가치가 있다.

관련 연구는 ORAA ResearchBrain을 통해 탐색할 수 있다.