인간은 환경과 분리된 채 사고하고 행동하지 않는다. 우리는 언제나 ‘어딘가에서’ 보고, 듣고, 판단하고 움직인다. 집, 학교, 거리, 사무실, 공원과 같은 공간은 인간 행동이 일어나는 배경이면서, 우리의 경험에 영향을 주는 조건이 된다. 인간 행동은 개인과 환경이 함께 작용한 결과로 볼 수 있다. 레빈(Lewin)은 이를 B = f(PE)로 표현하며, 행동(B)을 개인(P)과 환경(E)이 함께 이루는 상황의 함수로 보았다. 같은 사람이라도 어떤 공간에 놓이는지에 따라 생각하고 행동하는 방식이 달라질 수 있기 때문에, 행동의 이유를 개인의 특성만으로 설명해서는 충분하지 않다.
--- 「01 인간-환경 상호작용의 심리학」 중에서

창밖의 경관이 장관이라고 할 만한 것은 아니었다. 비에 젖은 풀숲과 몇 그루의 나무, 흐린 하늘이 보이는 정도였다. 비를 맞지 않는 실내에서 바깥에 내리는 비를 바라보면 실내의 아늑함이 더 선명하게 느껴질 수 있다. 이왕 외곽까지 나왔으니 창밖 자연경관을 조금이라도 더 보고 싶을 수도 있다. 같은 시간과 비용을 지불한다면 식당 내부뿐 아니라 창밖의 풍경까지 함께 경험하고 싶을 수도 있다. 반면 우리는 조망보다 주변에 사람이 적고 한적한 자리가 좋았다. 다른 사람들과의 거리를 의식하지 않고 편안하게 이야기를 나눌 수 있는 자리가 편했다. 왜 우리는 같은 공간에서도 어떤 자리에는 끌리고, 어떤 자리는 피하는 것일까. 빛과 조망, 색과 공간 형태는 어떻게 편안함이나 답답함을 만들고, 머물거나 피하려는 행동으로 이어지는 것일까.
--- 「03 시각 환경과 공간 경험」 중에서

AI의 강점은 많은 데이터에서 반복되는 패턴을 찾아낸다는 것이다. 특정한 환경 조건과 행동이 반복해서 함께 나타난다면, 새로운 상황에서 사람이 어떤 행동이나 반응을 보일 가능성이 높은지 예측할 수 있다. (…) 그러나 행동을 예측할 수 있다는 것이 그 행동의 이유까지 이해했다는 뜻은 아니다. 그날 사용자가 블라인드를 내린 이유가 화면에 반사된 눈부심 때문인지, 햇빛으로 인한 더위 때문인지, 외부의 시선이 신경 쓰였기 때문인지는 행동 기록만으로 알기 어렵다. 같은 행동이 서로 다른 경험과 동기에서 나타날 수 있기 때문이다.
--- 「06 AI는 인간과 환경을 읽는다」 중에서

그러나 자동화 기술이 진정한 편리함을 제공하려면 시스템의 판단을 사용자가 그대로 따라야 하는 구조여서는 안 된다. 시스템은 과거의 행동 패턴을 학습하되, 사용자가 이전과 다른 선택을 했을 때 그 변화 역시 받아들이고 이후의 제어에 반영할 수 있어야 한다. 이 점이 자율성(autonomy)과 연결된다. 자율성은 모든 일을 혼자 직접 결정한다는 뜻이라기보다, 자신의 행동이 자신의 의지와 선택에 따른 것이라고 느끼는 상태에 가깝다(Deci & Ryan, 2000). 따라서 반복적인 일을 시스템이 대신한다고 해서 반드시 자율성이 줄어드는 것은 아니다. 중요한 것은 자동화된 결정이 자신과 맞지 않을 때 이를 바꿀 수 있고, 자신의 새로운 선택이 실제 환경에 반영될 수 있다는 것, 그리고 그 가능성을 아는 것이다.
--- 「09 자동화와 인간의 자율성」 중에서