리빙랩의 네 가지 특징
- 실제 현장: 산업단지, 마을, 병원, 공장처럼 사람들이 실제로 생활하고 일하는 곳에서 진행합니다.
- 사용자가 공동 설계자: 사용자는 의견을 주는 대상이 아니라 문제 정의와 해결책 설계에 직접 참여합니다.
- 여러 이해관계자: 주민·근로자, 기업, 공공기관, 대학·연구기관이 함께 참여합니다.
- 반복 실험: 한 번에 완성하지 않고, 작게 시범운영해 보고 고치는 과정을 되풀이합니다.
비슷한 방법과 무엇이 다른가요
| 방법 | 사용자의 역할 | 진행 장소 | 결과 |
|---|---|---|---|
| 설문·FGI | 의견 제공 | 조사 환경 | 의견 보고서 |
| 워크숍 | 아이디어 제안 | 회의실 | 아이디어 목록 |
| 시범사업 | 이용자 | 현장 | 운영 결과 |
| 리빙랩 | 공동 설계자 | 실제 현장 | 검증된 해결책과 운영 방식 |
리빙랩은 위의 방법을 버리는 것이 아니라 하나의 흐름으로 엮습니다. 설문과 워크숍으로 문제를 찾고, 함께 만든 해결책을 현장에서 시범운영해 검증합니다.
리빙랩은 어떻게 운영되나요
일반적으로 다음 흐름을 따릅니다.
- 문제 발견: 현장 관찰, 인터뷰, 설문으로 실제 사용자의 불편과 필요를 찾습니다.
- 공동 설계: 사용자와 이해관계자가 워크숍에서 해결책을 함께 만듭니다.
- 현장 실험: 해결책을 작게 만들어 실제 현장에서 운영해 봅니다.
- 평가와 확산: 사용 데이터와 사용자 평가로 효과를 확인하고, 효과가 있는 것을 키웁니다.
연구에 따르면 리빙랩에는 하나의 정답 모델이 없습니다. 41개 적용 사례를 분석한 연구는 리빙랩을 이루는 여덟 가지 설계 요소와 네 가지 운영 모델을 찾았고, 프로젝트가 아이디어에서 성과로 가는 동안 운영 모델이 바뀐다고 보고합니다(Abi Saad & Agogué, 2024). 유럽 리빙랩 연구 77편을 검토한 연구는 리빙랩이 안정적인 제도 안에 있을 때 혁신으로 이어지며, 참여자 간 힘의 불균형과 방법의 파편화가 한계가 된다고 정리합니다(Stan & Tasente, 2025).
국내에서는 어디에 쓰이나요
- 산업단지: 산단 근로자와 함께 휴게·이동·문화 문제를 푸는 청년디자인리빙랩. 문화선도산업단지 사업에도 지역참여단이 산단 생활의 문화 수요를 찾는 과정이 들어 있습니다.
- 지자체와 스마트시티: 주민이 교통·보행 같은 생활 문제를 찾고 해결책을 제안하는 리빙랩. 2025년 의왕시는 생성형 AI 교육을 결합한 AI 리빙랩을 운영했습니다.
- 기업 현장: 공장이나 서비스 현장에서 직원과 함께 업무 방식을 다시 설계하고 시범 적용하는 방식으로도 쓰입니다.
리빙랩이 형식에 그치는 네 가지 신호
리빙랩이라는 이름을 붙여도 실제로는 설문이나 시범사업과 다르지 않은 경우가 많습니다. 발주 단계와 진행 중에 다음 네 가지를 확인해 보세요.
- 해결책이 이미 정해져 있다: 참여자가 정해진 안을 평가만 한다면 시범사업입니다. 문제 정의 단계부터 참여해야 합니다.
- 결론에서 원래 목소리로 돌아갈 수 없다: 워크숍 결과가 키워드로만 남으면, 누구의 어떤 경험에서 나온 결론인지 확인할 수 없습니다.
- 시범운영의 성공 기준이 사전에 없다: 운영을 마친 뒤 기준을 정하면, 결과는 대부분 '긍정적'으로 정리됩니다.
- 사업이 끝나면 운영할 주체가 없다: 앞의 문헌 검토도 리빙랩이 안정적인 제도 안에 있을 때 혁신으로 이어진다고 봅니다. 시작할 때 운영을 넘겨받을 주체와 예산을 정해 두어야 합니다.
리빙랩과 AI: 두 가지 쓰임
리빙랩의 약점은 많은 사람의 목소리를 듣고 정리하는 데 시간이 많이 든다는 점입니다. AI는 바로 이 부분을 돕습니다. AI를 활용한 참여형 계획 연구를 검토한 논문은 AI의 강점과 한계, 기회와 위험을 함께 정리했고(Du 외, 2024), 핀란드 지자체 계획가를 대상으로 한 연구에서는 계획가들이 데이터 요약에 분석형 AI를, 시각화에 생성형 AI를 쓰고 있으며 데이터 보안과 의사결정 통제권 상실을 주요 우려로 꼽았습니다(Raymond 외, 2025).
AI가 리빙랩에 들어가는 방식은 두 가지입니다. 하나는 리빙랩을 진행하는 과정에서 대량의 의견 분석, 다국어 참여, 빠른 프로토타입에 AI를 쓰는 것으로, 저희는 이를 AI 증강 디자인이라고 부릅니다. 다른 하나는 현장에 AI를 도입해 일하는 방식과 서비스를 바꾸는 문제 자체를 리빙랩으로 다루는 것입니다. 바이널엑스는 뒤의 것을 AX 리빙랩이라고 부르고, 그 과정에서 앞의 것을 함께 씁니다. 어느 쪽이든 판단과 최종 확인은 사람이 합니다. AX 리빙랩 자세히 보기 →
자주 묻는 질문
리빙랩과 시범사업은 같은 건가요? 시범사업은 이미 정한 해결책을 운영해 보는 것이고, 리빙랩은 해결책을 정하는 단계부터 사용자가 함께 참여한다는 점이 다릅니다.
리빙랩은 얼마나 걸리나요? 목적과 규모에 따라 다릅니다. 짧게는 몇 주의 문제 발견부터, 길게는 여러 해에 걸친 현장 운영까지 있습니다.
누가 참여하나요? 실제 사용자(주민·근로자 등)와 함께 기업, 공공기관, 대학·연구기관이 참여합니다. 이를 산·학·관·민의 '쿼드러플 헬릭스' 구조라고도 부릅니다.
공공기관이 리빙랩을 발주할 때 무엇을 봐야 하나요? 사용자가 실제로 설계에 참여하는 구조인지, 현장 시범운영과 평가가 포함되는지, 사업이 끝난 뒤 누가 운영을 이어 가는지를 확인하는 것이 좋습니다.
AI를 쓰면 주민 참여가 줄어들지 않나요? AI는 참여를 대신하는 것이 아니라 더 많은 사람이 참여하도록 돕는 도구로 써야 합니다. 의견 정리와 번역은 AI가 돕고, 결정은 사람이 합니다.
참고문헌
- Abi Saad, E., & Agogué, M. (2024). Living Labs in science-industry collaborations: Roles, design, and application patterns. Technovation, 135, 103066. https://doi.org/10.1016/j.technovation.2024.103066
- Stan, M.-I., & Tasente, T. (2025). From Co-Creation to Circular Cities: Exploring Living Labs in EU Governance Frameworks – A Literature Review. Central European Public Administration Review, 23(2), 239–269. https://doi.org/10.17573/cepar.2025.2.09
- Du, J., Ye, X., Jankowski, P., Sanchez, T. W., & Mai, G. (2024). Artificial intelligence enabled participatory planning: a review. International Journal of Urban Sciences, 28(2), 183–210. https://doi.org/10.1080/12265934.2023.2262427
- Raymond, C., Nummi, P., von Wirth, T., et al. (2025). Uses, opportunities and risks of artificial intelligence in participatory urban planning. Discover Cities, 2(1), 93. https://doi.org/10.1007/s44327-025-00137-4