AI는 디자인, 전략, 지식 관리와 같이 이전에 분리되었던 콘텐츠 도메인을 단일 사용자 경험으로 통합하고 있습니다. 이러한 통합은 현재의 업무 관행이 이러한 시스템 간의 상호 의존성에 충분히 대비되어 있지 않음을 보여줍니다. AI의 비즈니스 프로세스에 대한 불완전한 이해로 인해 송장 결제 상태를 파악하는 데 어려움을 겪는 재무 관리자의 사례는 이러한 깨어진 사용자 경험을 잘 보여줍니다. 이러한 문제는 기업이 역사적으로 분리되어 관리되어 온 콘텐츠 및 지식 생태계를 결합하면서 발생합니다.AI와 콘텐츠 변환에 대해 논의할 때, 단순히 하나가 아닌 두 가지를 다루기 때문에 이를 탐색하는 것은 복잡합니다. Sarah Gibbons는 "AI 디자인"의 네 가지 유형을 식별했으며, 각 유형은 콘텐츠 작업에 다른 영향을 미칩니다. AI를 사용한 디자인은 기존 프로세스를 가속화하는 반면, AI 에이전트를 위한 디자인은 기계가 개념과 행동을 안정적으로 표현하는 시스템을 요구합니다. 네 번째 유형인 AI 자체를 디자인하는 것은 모델의 행동을 포함하며 다른 모든 AI 디자인 영역을 형성합니다.콘텐츠 디자인 내의 전문화가 증가하고 있으며, 구조화된 콘텐츠 시스템 및 모델 행동 디자인으로 나아가고 있습니다. 그러나 시스템 전반에 걸쳐 공유된 의미를 확립하기 위해 분류 체계, 온톨로지 및 지식 그래프를 활용하는 의미론적 및 맥락 아키텍처에 대한 전문성의 필요성이 커지고 있습니다. 이를 위해서는 콘텐츠 디자이너가 기술 팀과 협력하고 경험의 의미론적 아키텍처를 적극적으로 형성해야 합니다.AI 시스템이 이제 다양한 기능에서 관리되는 문서, 마케팅 콘텐츠 및 지식 기반을 활용함에 따라 엔터프라이즈 콘텐츠 도메인과 관련된 UX 콘텐츠 디자인을 고려할 때 문제는 더욱 심화됩니다. 다양한 소스에서 실시간으로 경험을 조합하는 것은 단일 팀이 문제를 진단하고 해결할 수 있는 완전한 가시성을 갖지 못할 수 있으므로 새로운 운영상의 복잡성을 야기합니다.이를 해결하기 위해 엔터프라이즈 지식, 의미론적 아키텍처 및 AI 엔지니어링을 담당하는 팀 간의 조정된 의사 결정이 확장되어야 합니다. 재사용 가능한 시스템은 역사적으로 콘텐츠 디자인을 확장하는 데 도움이 되었지만, AI는 불일치의 영향을 더 크게 만듭니다. 콘텐츠 디자인을 확장한다는 것은 좋은 디자인 결정을 반복 가능하게 만드는 것을 의미하며, 이러한 결정은 이제 여러 팀의 도구 및 프로세스에 걸쳐 있습니다. 예를 들어, 기업 전체의 용어 변경은 이제 UI 문자열 및 도움말 콘텐츠뿐만 아니라 분류 체계, AI 검색 메커니즘 및 에이전트 해석도 업데이트해야 합니다.