프로토타입은 프롬프트로 만들 수 있지만, '안목'은 만들 수 없다

출처: Ecaterina Petroia (Mirakl Labs, Product Designer)
원문: https://mirakl.tech/you-can-prompt-a-prototype-you-cant-prompt-taste-eef2aa77b5a5

작성자: 팔복소프트-김팔복

한눈에 보기

• AI로 누구나 그럴듯한 결과물을 만들 수 있게 되면서, 실리콘밸리에서 '취향(taste)'이 차별화 요소로 주목받고 있음
• 저자의 석사 연구 실험에서 참가자들은 AI 그림과 인간 그림을 거의 구분하지 못했고, 같은 그림도 "사람이 그렸다"고 알려주면 더 복잡하고 참신하다고 평가함
• 하지만 이 결과는 AI가 '판단력'을 갖췄다는 증거가 아니라, 생성 기술이 설득력 있어졌고 인간의 평가가 라벨에 휘둘린다는 것을 보여줄 뿐
• 프로토타이핑 도구가 발전해도 "무엇을 화면에 담을지, 무엇을 뺄지" 같은 큐레이션 판단은 자동화되지 않음
• "작동하는 것(working)"과 "제대로 된 것(right)"의 간극을 판별하는 것이 디자이너의 역할이며, 이는 오랜 훈련으로만 길러짐

주요 내용

왜 갑자기 모두가 'taste'를 말하는가

지난 1년 사이 Paul Graham, Sam Altman 같은 인물들이 잇따라 '취향'과 '심미적 판단'을 이야기하기 시작했습니다. 누구나 무엇이든 만들 수 있는 시대가 되면, 차별화 요소는 "무엇을 만들기로 선택하느냐"가 된다는 논리입니다. 기술적 능력 없이 "무엇이 좋은지 아는 것"만으로 가치를 만든 프로듀서 Rick Rubin이 단골 사례로 등장합니다.

저자는 여기서 한 가지 불편함을 지적합니다. 이런 주장을 하는 사람 대부분이 창업자나 경영진이라는 점, 그리고 정작 "네 작업은 아직 부족하다"는 말을 수년간 들어본 사람은 거의 없다는 점입니다. 저자 자신은 12살부터 미술 교육을 받고 건축 학교와 UX·인지과학·통계를 다루는 석사 과정을 거치며, 수백 번의 교정과 비평을 통해 안목을 쌓았다고 말합니다. 취향은 성공하면 켜지는 스위치가 아니라, 틀렸다는 지적을 반복해서 받으며 천천히 만들어지는 것이라는 겁니다.

실험: 사람들은 AI 그림을 구분할 수 있을까

저자는 생성형 AI가 화제가 되기 전, 석사 연구로 간단한 실험을 진행했습니다. 44명의 참가자에게 그림 20점(절반은 AI 생성, 절반은 덜 알려진 인간 작가의 작품)을 보여주고 출처를 맞히게 한 것입니다. 결과는 정답률이 동전 던지기보다 조금 나은 수준이었습니다. 참가자들은 붓 터치를 단서로 찾으려 했고, 디테일이 뛰어난 사실적 작품을 오히려 AI 작품으로 오판하는 경우도 많았습니다.

더 흥미로운 건 두 번째 실험입니다. 동일한 AI 생성 그림 10점을 두 그룹에 보여주면서, 한 그룹에는 "AI가 만들었다", 다른 그룹에는 가짜 이름을 붙여 "인간 작가가 만들었다"고 알려줬습니다. 그림은 완전히 같았는데, "인간이 만들었다"고 들은 그룹이 같은 그림을 통계적으로 유의미하게 더 복잡하고, 더 참신하고, 더 모호하다고 평가했습니다(7점 척도, p < .05). 그림이 아니라 라벨이 사람들의 시선을 바꾼 것입니다.

이 결과가 "AI가 인간의 취향을 따라잡았다"는 뜻은 아니다

저자는 이 데이터를 AI의 승리로 해석하는 것을 경계합니다. 실험이 보여준 것은 두 가지뿐입니다. 생성 결과물이 설득력 있어졌다는 것, 그리고 인간의 판단이 편향과 출처 정보에 민감하다는 것. 둘 다 "생성 이후, 보는 사람의 눈"에서 벌어지는 일이지, AI가 판단력을 발휘했는지에 대해서는 아무것도 말해주지 않습니다.

실험에 사용된 GAN(Generative Adversarial Network)의 구조를 보면 더 분명해집니다. 생성기(generator)가 이미지를 만들고 판별기(discriminator)가 가짜를 잡아내는 경쟁 구조에서, 모델은 "진짜처럼 보이는 것"을 학습할 뿐 "만들 가치가 있는 것"을 배우지는 않습니다. 실제로 저자가 실험에 사용한 Art AI 프로젝트조차 AI가 생성한 결과물을 사람 팀이 큐레이션해서 공개할 작품을 골랐습니다. AI 창작을 내세운 프로젝트조차 생성기 혼자 "무엇이 좋은지" 결정하도록 맡기지 않은 셈입니다. 저자는 이를 "생산은 스케일되지만, 판단은 스케일되지 않는다"고 정리합니다.

프로토타이핑 도구와 디자이너의 역할

이 논의는 예술이 아니라 제품 개발 현장으로 이어집니다. Mirakl을 포함해 어디서든 이제 PM이 기능을 설명하면 오후에는 동작하는 프로토타입이 나옵니다. 아이디어와 동작하는 결과물 사이의 장벽은 사실상 사라졌습니다. 그렇다면 누구나 완성돼 보이는 것을 만들 수 있을 때, 디자이너는 왜 필요할까요?

Nielsen Norman Group은 AI 프로토타이핑 도구와 인간 디자이너의 결과물을 같은 과제로 비교했는데, 상세한 프롬프트를 줘도 AI 결과물은 그루핑, 정보 위계, 간격 같은 '보이지 않는 결정'을 계속 놓쳤습니다. 요약하면 "멀리서 보면 좋은데, 좋은 것과는 멀다(good from afar, far from good)"는 평가였습니다. 물론 이 연구는 이미 다소 오래됐고, Claude Design처럼 팀의 실제 컴포넌트와 브랜드 보이스를 읽고 생성하는 도구가 등장하면서 '뻔한 AI 스타일' 문제는 개선되고 있습니다. 하지만 저자는 이것이 "화면이 무엇으로 만들어지는가"를 해결할 뿐, "화면에 무엇이 있어야 하는가"는 해결하지 못한다고 지적합니다.

"작동한다"와 "제대로 됐다"는 다른 기준이다

문제는 PM이 직접 프로토타입을 만드는 것이 아니라, "빠르고 동작한다"가 조용히 "완성됐다"로 바뀌는 순간이라고 저자는 말합니다. 생성 과정은 빈 상태(empty state)가 그냥 빈 화면은 아닌지, 지저분한 실제 데이터가 데모에서 깔끔했던 화면을 망가뜨리지는 않는지 묻지 않습니다. 모든 컴포넌트가 기술적으로 올바르게 동작하는데도 뭔가 잘못됐다고 느껴지는, 더 미묘한 실패도 있습니다.

empty state, edge case, information hierarchy 같은 용어가 존재하는 이유 자체가 이 간극이 반복해서 발생한다는 증거입니다. 원칙은 책에서 배울 수 있지만, 두 원칙이 충돌할 때 무엇을 우선할지, 교과서적 답이 지금 상황에는 틀렸는지를 아는 것은 여전히 훈련된 눈의 몫입니다. 저자는 이것을 생산(production)의 문제가 아니라 큐레이션(curation)의 문제로 규정하며, 생성 기술이 아무리 좋아져도 이 부분은 건드리지 못한다고 말합니다.

정리

이 글의 핵심은 "AI가 만든 결과물이 설득력 있어 보이는 것"과 "AI가 무엇을 만들 가치가 있는지 판단하는 것"은 전혀 다른 문제라는 점입니다. 생성 비용이 사실상 0에 수렴하는 지금, 희소해지는 것은 그럴듯한 결과물 더미에서 대부분을 걸러내고 무엇을 남길지 결정하는 판단력입니다. 저자의 표현을 빌리면, 생성은 언제 멈춰야 할지 알려주지 않으며 취향이 곧 그 정지 규칙(stopping rule)입니다. AI 도구를 적극적으로 쓰는 개발자와 디자이너라면, "동작하는 것"을 "완성된 것"으로 착각하지 않는 기준을 스스로 갖추는 일이 더 중요해졌다는 메시지로 읽을 수 있습니다.

• AI디자인
• UX
• 프로토타이핑
• 생성형AI
• 프로덕트디자인