요약
Open Brain Platform(OBP)은 과학자들이 이온 채널부터 단일 뉴런, 회로, 뇌 영역까지 디지털 뇌 모델을 구축하고, 시뮬레이션하고, 출판할 수 있게 합니다. 2022년 EPFL의 Blue Brain Project부터 2025년 Open Brain Institute의 공개 출시까지, 유일한 프로덕트 디자이너이자 가상 연구실의 프로덕트 오너, 프론트엔드 엔지니어로 일했습니다.
Open Brain Institute
프로젝트에서 맡은 역할
2014_2024
요약
Open Brain Platform(OBP)은 과학자들이 이온 채널부터 단일 뉴런, 회로, 뇌 영역까지 디지털 뇌 모델을 구축하고, 시뮬레이션하고, 출판할 수 있게 합니다. 2022년 EPFL의 Blue Brain Project부터 2025년 Open Brain Institute의 공개 출시까지, 유일한 프로덕트 디자이너이자 가상 연구실의 프로덕트 오너, 프론트엔드 엔지니어로 일했습니다.
과제
Blue Brain이 종료되면서 팀은 142명에서 32명으로 줄었고, 제품이 연구소를 지탱해야 했습니다. 목표는 연간 600개의 신규 가상 연구실, 그리고 연구 지원금과 대학 파트너십이었습니다. 전체 여정을 아우르는 제품은 없었고, 사용자는 요구가 저마다 크게 다른 전문가들이었습니다.
리서치
110건의 일대일 인터뷰(연구자 86명, 의학 연구자 24명), 30~34회의 워크숍과 공동 창작 세션, 설문과 그룹 디브리핑을 포함한 과업 기반 테스트. 출시 후에는 분석 데이터가 누구에게 연락할지 알려주었습니다.
해결책
실험이 실제로 진행되는 방식을 중심으로 구성되고, 리서치가 출시 내용을 결정한 플랫폼. 3D 뇌 대신 2D 층 뷰어, 회로를 위한 뷰 모드와 출처 맵, 그리고 업로드를 안내형 과업으로 바꾼 검증기.
한눈에 보는 성과
1,200+가상 연구실
2025년 3월 공개 출시 후 18개월 동안 생성. 연간 600개 목표의 약 1.3배 속도.
86% → 8%회로 뷰어 이탈률
뷰 모드와 출처 맵 출시 후. Matomo로 측정.
2.1k → 30k+업로드된 엔티티
단일 엔티티 업로드에서 다중 엔티티 검증기로.
12파트너 대학
유럽, 미국, 중국에서 연구와 교육에 활용.
이 페이지의 모든 화면은 예시 데이터를 사용합니다. OBP의 연구 데이터는 과학자들의 소유이며 기밀입니다.
역할과 배경
- 역할
팀의 유일한 프로덕트 디자이너. 가상 연구실(멤버, 프로젝트, 크레딧), 도움말 및 피드백, 리포트(과학 출판)의 프로덕트 오너. 프론트엔드 엔지니어.
- 프로덕트 디자인
- 프로덕트 오너십
- UX 리서치
- 프론트엔드 엔지니어링
- 기간
2022 – 2026. EPFL의 Blue Brain Project에서 Open Brain Institute까지. 2025년 3월 공개 출시.
- 팀
32명(초기 142명): 과학자 18명, 풀스택 4명, 백엔드 4명, 시각화 엔지니어 3명, HPC 엔지니어 2명, 그리고 저. 경영진: CEO, CTO, 최고과학책임자(CSO), 프로젝트 매니저 2명.
- 방법론
- 1:1 인터뷰
- 공동 창작 워크숍
- 과업 기반 사용성 테스트
- 설문조사
- Matomo 분석
- RICE
- 임팩트 / 노력
- 기술 스택
- Figma
- Next.js
- TypeScript
- Tailwind CSS
- Sanity
- Python
01
걸려 있던 것
연간 600개의 신규 가상 연구실, 아니면 연구소의 존속 불가.
연구실 도구에서 제품으로
OBP는 EPFL Blue Brain Project 안에서 내부 과학자들을 위한 도구로 시작했습니다. 프로젝트가 끝나자 Open Brain Institute가 기존 142명 중 32명과 함께 이를 넘겨받았고, 새로운 과제가 주어졌습니다. 이제 플랫폼이 연구소를 지탱해야 했습니다. 목표는 명확했습니다. 연간 600개의 신규 가상 연구실, 시뮬레이션을 뇌 영역과 전뇌 규모로 확장하기 위한 연구 지원금, 그리고 대학과의 파트너십이었습니다. 전체 여정을 다루는 곳은 없습니다. Allen Institute는 아틀라스와 탐색 도구를 제공하고, 다른 도구들은 뉴런 한두 개를 시뮬레이션합니다. OBP는 과학자가 데이터 탐색부터 구축, 시뮬레이션, 출판까지 한곳에서 해낼 수 있게 해야 했습니다.
_05
가상 연구실 홈: 세 가지 진입점(데이터 탐색, 워크플로 실행, 노트북에서 시작)과 플랫폼 전체를 조작할 수 있는 어시스턴트.
02
리서치
어떤 디자이너보다 자기 분야를 훨씬 잘 아는 과학자들의 이야기를 4년간 들었습니다.
리서치 루프
리서치는 출시 후에도 멈추지 않았습니다. 모든 릴리스가 같은 루프를 거쳤고, 다음에 누구와 이야기할지는 분석 데이터가 알려주었습니다.
110인터뷰
일대일: 연구자 86명, 의학 연구자 24명.
30–34워크숍
주제별 워크숍(모델 시각화, 시뮬레이션 분석)과 4~12명 규모의 공동 창작 세션.
과업 기반 테스트
사용자가 실제 과업(데이터 탐색, 워크플로 실행, 뉴런 모델 구축)을 수행한 뒤 설문 작성.
그룹 디브리핑
무엇이 어려웠는지, 어디서 막혔는지, 무엇을 바꾸거나 더하고 싶은지.
출시 및 측정
Matomo로 사용자가 이탈하는 지점과 다음에 연락할 대상을 파악.
누구를 위해 디자인했나
제품의 각 영역에 연결된 두 가지 주요 페르소나.
- 연구 과학자
이온 채널부터 회로까지 모델을 구축합니다. 엄밀함, 출처 추적, 모든 파라미터에 대한 통제가 필요합니다.
- 탐색
- 구축
- 의학 연구자
파킨슨병, 알츠하이머병, ALS 등 신경퇴행성 질환을 연구합니다. 처음부터 모델링하는 것이 아니라 시뮬레이션이 필요합니다.
- 시뮬레이션
- 그 밖의 사용자
신경과학 학생과 교사, 그리고 생물학적 회로로 모델을 새로운 방식으로 학습시키는 AI 팀.
- 학생
- 교육
- AI 연구
03
리서치가 바꾼 것
사용자가 원한다고 믿었던 것을 뒤집은 세 가지 발견.
인사이트 01 — 탐색
과학자들이 원한 것은 더 인상적인 뇌가 아니라 더 정확한 뇌였습니다.
가정
인터랙티브 3D 뇌가 데이터에 들어가는 가장 매력적인 방법일 것이라 생각했습니다. 뇌 영역과 그 안에 기록된 모든 것, 즉 형태학부터 전기생리학까지 둘러볼 수 있는 공간적이고 시각적인 진입점입니다.
리서치 결과
연구자들은 3D 뷰가 부정확하고, 뇌 영역 간의 연결에 대해 아무것도 알려주지 않는다고 느꼈습니다. 그들은 주변 영역과의 관계를 보여주는 상세한 2D 뷰를 요청했습니다.
만든 것
인접 영역과의 연결 유형을 보여주는 층별 2D 뷰어를 기본으로 적용.
결과
Explore, 특히 Data의 트래픽 증가. 과학자들의 감사 메시지. 2D 뷰를 보강하기 위해 정확한 생물학적 뇌 데이터를 생산하는 기업과 파트너십 체결. 그리고 덴드로그램 같은 새로운 요청.
인사이트 02 — 회로
대규모 회로는 너무 많이 보여주거나, 충분히 보여주지 못했습니다.
이전
회로에는 시냅스 농도, 부톤 밀도, 층 두께 등 방대한 정보가 담겨 있습니다. 뷰어는 두 극단 중 하나로만 보여주었습니다. 모든 것을 한꺼번에 보여줘서 읽을 수 없거나, 너무 적게 보여줘서 활용할 수 없었습니다.
리서치 결과
사용자들은 회로 뷰어를 떠났습니다. 이탈률 86%. 많은 사용자가 스크린샷을 찍어 고객 지원에 무엇을 보고 있는 건지 묻거나, 쓸 수 있는 게 없다고 알려왔습니다.
만든 것
필터 대신 뷰 모드. 각 모드는 하나의 질문(시냅스 농도, 부톤 밀도, 층 두께)에 답하며, 같은 회로를 표, 2D, 3D로 볼 수 있습니다.
결과
출처 맵과 함께, 회로 뷰어 이탈률이 86%에서 8%로 떨어졌습니다. 워크숍에서 사용성 문제가 더 이상 제기되지 않았습니다.
인사이트 03 — 출처
과학자들은 엔티티의 상위 항목으로 이동할 수는 있었지만, 전체 출처는 볼 수 없었습니다.
이전
단일 뉴런 모델 같은 각 엔티티는 자신이 생성되거나 추출된 소스에만 연결되어 있었습니다. 전체 이력(어디서 왔고 어디에 재사용되었는지)을 알려면 과학자들이 링크를 하나씩 따라가며 연결 고리를 직접 재구성해야 했습니다.
리서치 결과
뉴런 모델이 어디서 왔고 어디에 재사용되었는지 추적하기가 매우 번거로웠습니다. 과학자들은 무엇을 추출하고 논문에 인용할 가치가 있는지 판단하기 위해 바로 그 정보가 필요합니다.
만든 것
고급 필터를 갖춘 인터랙티브 관계 맵으로, 플랫폼 전반에서 모든 엔티티의 기원과 재사용 내역을 추적할 수 있게 했습니다.
결과
과학자들이 무엇을 보고, 추출하고, 논문에 활용할 가치가 있는지 판단할 수 있게 되었습니다. 뷰 모드와 함께 회로 뷰어 이탈률을 86%에서 8%로 낮췄습니다.
86% → 8%회로 뷰어 이탈률
이전: 과학자들이 뷰어를 캡처해 고객 지원에 무엇을 보고 있는지 문의. 이후: 뷰 모드와 출처 맵.
Matomo로 측정. 기능은 전체 구현 2주 후 출시되어 과학자들이 참여한 공개 워크숍에서 발표되었습니다.
04
제품 의사결정
무엇을 만들고, 무엇을 만들지 않을지 선택하기.
정보 구조
실험 순서를 따르는 워크플로
워크플로는 OBP의 핵심입니다. 과학자 및 경영진과 워크숍을 진행해 플랫폼의 모든 기능을 몇 개의 동사(Build, Simulate, Extract, Optimize, Validate)로 정리한 다음, 세 가지 진입 방식을 테스트했습니다.
A — 카테고리 우선출시
카테고리를 고르고, 유형(이온 채널, 시냅톰, 회로…)을 고른 다음, 기존 워크플로를 재사용하거나 새로 만듭니다.
B — 카테고리, 유형, 스케일기각
너무 복잡했고, 과학자들이 실험을 진행하는 자연스러운 순서를 거꾸로 뒤집었습니다.
C — 카테고리와 활동 테이블일부 반영
활동 테이블은 기존 워크플로를 둘러보고 탐색하는 방법으로 남았습니다.
원칙인터페이스는 과학자들이 실제로 실험을 진행하는 순서를 따릅니다.
워크플로 내부
모든 워크플로는 같은 구조를 공유합니다. 왼쪽에는 단계별 설정, 오른쪽에는 결정에 필요한 맥락.
검증기 — 데이터 업로드
과학자가 스스로 데이터를 고칠 수 있는, 앱 속의 앱
이전
엔티티는 한 번에 하나씩 업로드되었고, 각각 OBP의 스키마와 분류 체계에 정확히 맞아야 했습니다. 필드가 많고, 규칙이 엄격하며, 데이터 타입이 정해져 있었습니다. 업로드 하나를 준비하는 것도 결코 빠르지 않았고, 연구실 전체 데이터셋은 말할 것도 없었습니다.
리서치 결과
업로드는 OBP의 스키마와 분류 체계에 맞아야 합니다. 필드가 많고, 규칙이 엄격하며, 데이터 타입이 정해져 있습니다. 과학자들의 데이터를 몰래 우리 데이터로 바꿀 수는 없었습니다. 그들이 직접 고치고, 그 이유를 이해해야 했습니다.
만든 것
검증기: 셀, 행, 열 단위로 오류와 경고를 표시한 뒤 깨끗한 배치를 가져오는 스프레드시트 형태의 표. 단순하고 빠르게 만들기까지 여러 차례 반복이 필요했습니다. 가장 어려운 부분은 일괄 편집이었습니다. 하나를 바꾸면 다른 곳에서 오류가 생길 수 있었기 때문입니다.
결과
업로드된 엔티티는 단일 업로드 시 2,100개에서 다중 엔티티 업로드로 30,000개 이상이 되었습니다. 분석 데이터에서 사용자들이 100개 단위로 가져오는 것을 확인하고 직접 연락해, 그들의 피드백으로 흐름을 단순화했습니다. 매달 10~20명의 사용자가 새로 50개 이상의 엔티티를 업로드합니다.
거절하기
제가 반대한 두 가지 요청
CTO 및 과학 리드들과 함께 로드맵을 수립했고, 매주 금요일 RICE와 임팩트/노력 기준으로 제 티켓과 우선순위를 설득했습니다. 가장 중요한 결정 중 일부는 거절이었습니다.
홈페이지의 사례 연구거절
과학자들은 자신의 최고 성과를 보여주고 싶어 했습니다. 하지만 그 사례들은 너무 복잡해서 도구를 어떻게 시작하는지가 가려졌습니다. 홈페이지는 새 연구실이 시작할 수 있도록 도와야 합니다.
가상 연구실 게스트거절
가상 연구실은 프로젝트가 시작되는 곳이지, 작업이 이루어지는 곳이 아닙니다. 관리자는 연구자를 초대하고 예산을 관리하며, 멤버는 프로젝트에 참여합니다.
원칙가상 연구실은 관리 공간입니다. 과학은 프로젝트에서 이루어집니다.
크레딧
추상적인 화폐를 구체적으로
리서치 결과
사람들은 달러, 유로, 프랑으로 생각합니다. 어려운 점은 OBP 크레딧으로 실제로 무엇을 살 수 있는지, 그리고 그것이 컴퓨팅 비용인지 저장 비용인지 아는 것이었습니다.
만든 것
실행 시점만이 아니라 모든 곳에서의 비용 투명성. 시뮬레이션 실행 전 비용 내역을 보여주고, 제가 강하게 제안한 대로 크레딧 금액을 입력하는 즉시 그 금액으로 무엇을 할 수 있는지 실시간 예시를 보여줍니다. 연구실 소유자는 실제 연구실처럼 크레딧을 구매하고 프로젝트별로 예산을 배분합니다.
진입점으로서의 노트북
Jupyter 노트북은 과학계의 표준입니다. 연구자들에게 OBP의 구조를 배우고, 실험을 재구성해 다시 실행하라고 요구하면 새로운 오류 가능성까지 생겨 도입의 장벽이 되었습니다. 그래서 노트북을 OBP 안에서 네이티브로 실행할 수 있게 했습니다. 과학자들은 익숙한 환경에서 시작하고, 저는 노트북 안에 같은 단계를 수행하는 OBP 네이티브 도구를 안내하는 팁을 넣자고 제안했습니다. 미리 준비된 노트북은 플랫폼으로 무엇을 할 수 있는지도 보여줍니다.
05
디자인 엔지니어링
디자인한 다음, 상당 부분을 직접 구현했습니다.
직접 구축한 것
코드는 제 디자인 프로세스의 일부였습니다. 회로 아틀라스와 Explore를 개념 증명으로 프로토타이핑했고, 제가 맡은 부분은 처음부터 끝까지 직접 출시했습니다.
- 제품
가상 연구실 홈과 프로젝트 내비게이터 알림과 시스템 메시지 도움말 및 피드백 리포트: 과학자들이 생성한 모델과 시뮬레이션을 모아 완전한 과학 논문으로 엮는 공간. 코멘트, 피드백, 독립된 토론을 통한 동료 검토, 초안부터 출판까지의 흐름, 그리고 내장된 시뮬레이션 뷰어와 뉴런 형태 및 전기생리학 같은 엔티티 상세 정보
- 웹사이트
openbraininstitute.org, 처음부터 끝까지 직접 구축.
- 프로토타입
회로 아틀라스와 Explore의 초기 개념 증명.
- 기술 스택
- Next.js
- TypeScript
- Tailwind CSS
- Sanity
- Python
_023
OBI Assistant는 플랫폼 전체를 조작할 수 있습니다. 페이지 이동, 모델 구축, 시뮬레이션 실행, 노트북 열기까지. ML 팀의 Jan, Nicolas, Boris가 개발했고, 인터페이스는 제가 디자인하고 구현했습니다.
OBI Assistant
06
결과
이 작업이 만들어낸 결과.
누구에게 도움이 되었나
- 과학자
신뢰할 수 있는 데이터를 탐색합니다. 기본으로 제공되는 정확한 2D 뷰, 한 번에 하나의 질문에 답하는 뷰 모드, 모든 모델의 전체 출처. 감사 메시지가 이어졌고, 워크숍에서 사용성 문제가 더 이상 제기되지 않았습니다.
- 데이터 기여자
엔티티를 하나씩 업로드하는 대신, 스프레드시트 형태의 검증기에서 가져오기 전에 직접 데이터를 고칩니다. 업로드된 엔티티는 2,100개에서 30,000개 이상으로 늘었습니다.
- 연구실 소유자
시뮬레이션 실행 전에 비용을 확인하고, 실제 연구실처럼 프로젝트별로 예산을 배분합니다.
- 연구소
존속하려면 연간 600개의 신규 가상 연구실이 필요했습니다. 과학자들은 18개월 만에 1,200개 이상을 만들었고, 파트너 대학은 12곳입니다.
성과
1,200+가상 연구실
18개월, 0에서 시작.
12파트너 대학
유럽, 미국, 중국.
51최대 연구실 인원
동료를 초대하며 성장하는 연구실.
30k+업로드된 엔티티
2,100개에서 증가.
숫자 너머
- 사용성
Explore와 회로 개선 이후, 워크숍에서는 미적인 세부 사항만 언급되었습니다. 사용성 문제는 더 이상 나오지 않았습니다.
- 파트너십
정확한 생물학적 뇌 데이터를 생산하는 기업이 2D 뷰를 보강하기 위해 OBI와 파트너십을 맺었습니다.
- 참여
2D 기본 뷰에 대한 감사 메시지, 그리고 덴드로그램 같은 추가 기능 요청.
다시 한다면 다르게 할 것
온보딩을 결과에서 출발해 거꾸로 설계하겠습니다. OBP는 도구와 기능이 많은 거대한 플랫폼이라, 처음 온 사용자는 목적을 보기 훨씬 전에 단계부터 마주합니다. 각 워크플로를 실제 논문을 중심으로 한 OBI Assistant와의 대화로 시작하게 하겠습니다. 이것이 결과이고, 이것이 그림입니다. 거기서부터 사용자는 시간을 거슬러 올라가 각 결과와 산출물이 어떻게 나왔는지 이해한 뒤 자신만의 것을 만들 수 있습니다.
