[카테고리:] AI

  • 이제 AI는 ‘생성’보다 ‘워크플로’

    이제 AI는 ‘생성’보다 ‘워크플로’

    AI를 잘 사용하는 것보다, AI와 함께 만드는 방법을 배우자~

    여러분이 앞으로 디자인 작업을 하면서 가장 많이 만나게 될 단어 중 하나가 AI Workflow가 될 것입니다.

    지금까지 우리는 AI를 주로 “이미지를 만들어주는 도구”로 생각했습니다. 프롬프트를 입력하면 이미지가 나오고, 마음에 들지 않으면 다시 프롬프트를 수정하는 방식입니다. 하지만 AI 기술이 빠르게 발전하면서 디자인 작업의 방식도 달라지고 있습니다. 이제 중요한 것은 “어떤 AI가 가장 좋은가?”가 아니라, “여러 AI를 어떻게 연결해서 나만의 제작 과정을 만들 것인가?”입니다.

    이것이 오늘 이야기할 AI Creative Workflow의 핵심입니다.

    AI는 이제 단순한 이미지 생성기가 아니다

    AI를 처음 배우는 학생들은 대부분 다음과 같은 방식으로 시작합니다.

    Prompt → Generate → Select

    프롬프트를 작성하고 이미지를 생성한 다음, 마음에 드는 이미지를 선택하는 방법입니다.

    이것만으로도 상당히 훌륭한 결과물을 만들 수 있습니다. 하지만 실제 디자인 프로젝트에서는 이것만으로 부족합니다.

    예를 들어 하나의 브랜드 캠페인을 만든다고 생각해봅시다.
    먼저 콘셉트를 정하고,
    레퍼런스를 조사하고,
    이미지를 생성하고,
    인물이나 제품의 형태를 수정하고,
    색상과 구도를 조정하고,
    필요하면 영상을 만들고,

    마지막으로 Photoshop이나 Figma에서 최종 결과물을 완성해야 합니다.

    즉, 하나의 AI가 모든 작업을 해결하는 것이 아니라 여러 도구가 하나의 제작 과정 안에서 연결되는 구조가 필요합니다.

    AI Generator가 ‘결과’를 만들어준다면,
    AI Workflow는 ‘과정’을 만들어줍니다.

    AI Creative Workflow란 무엇인가?

    AI Creative Workflow를 어렵게 생각할 필요는 없습니다.
    쉽게 말하면, “아이디어를 최종 결과물로 만들어가는 과정을 AI와 함께 설계하는 것” 입니다.가장 기본적인 구조를 보면 다음과 같습니다.

    아이디어 → 생성 → 제어 → 편집 → 자동화 → 최종 결과물

    이 과정에서 각각 다른 AI 도구를 사용할 수 있습니다.
    예를 들어,

    • 아이디어와 콘셉트 → 이미지 생성 AI, Midjourney, ChatGPT etc.
    • 실시간 탐색 → Krea
    • 정교한 이미지 제어 → ComfyUI
    • 영상 제작 → Runway
    • 이미지 보정 → Upscaling AI
    • 최종 디자인 → Photoshop / Figma

    와 같이 역할을 나눌 수 있습니다.

    따라서 앞으로의 디자이너는 하나의 AI를 잘 사용하는 사람보다 여러 도구의 특징을 이해하고 적절하게 연결할 수 있는 사람이 더욱 강한 경쟁력을 갖게 됩니다.

    Workflow를 하나의 ‘디자인 시스템’이라고 생각해보자

    여기서 여러분이 UI/UX 디자인에서 배운 Design System을 생각해보기 바랍니다. Design System은 버튼 하나를 만드는 방법만을 의미하지 않습니다. 색상, 타이포그래피, 컴포넌트, 패턴 등을 체계적으로 구성하여 반복해서 사용할 수 있는 디자인 환경을 만드는 것입니다.

    AI Workflow도 이와 비슷합니다. 한 번 성공한 AI 작업 과정을 저장해두면 다음 프로젝트에서 다시 사용할 수 있습니다.

    예를 들어,

    Input Image → Prompt → Model → LoRA → ControlNet → Image Processing → Upscale → Output

    이라는 과정을 만들어 놓았다면, 다음 프로젝트에서는 필요한 부분만 변경하여 다시 사용할 수 있습니다.

    즉,

    AI Workflow = 반복 가능한 창작 시스템

    이라고 이해하면 좋습니다.

    그래서 ComfyUI가 중요한 것이다

    AI Creative Workflow를 공부할 때 ComfyUI를 주목할 필요가 있습니다. ComfyUI는 단순히 이미지를 생성하는 프로그램이 아닙니다. 여러 기능을 Node로 연결하여 하나의 제작 과정을 직접 설계할 수 있습니다.

    예를 들어 다음과 같은 구조를 만들 수 있습니다.

    Load Image → Prompt → Model → LoRA → ControlNet → KSampler → VAE Decode → Upscale → Save Image

    이렇게 구성하면 이미지 한 장을 만드는 과정을 하나의 Workflow로 저장할 수 있습니다. 여러분이 앞으로 AI Graphics를 공부한다면 단순히 “예쁜 이미지를 만드는 것”에서 끝내지 말고, “이 이미지는 어떤 과정으로 만들어졌는가?”를 생각하는 습관을 가지기 바랍니다.

    이것이 AI Workflow를 이해하는 첫 번째 단계입니다.

    여러 AI를 경쟁시키지 말고 연결해서 사용하자

    학생들이 AI를 공부하면서 자주 하는 실수가 있습니다.
    “Midjourney와 Krea 중 무엇이 더 좋은가요?”
    “ComfyUI와 Flux 중 어떤 것이 더 좋은가요?”
    이렇게 AI를 서로 비교하려고 합니다. 하지만 실제 제작에서는 반드시 하나만 선택할 필요가 없습니다. 각각 잘하는 일이 다르기 때문입니다.

    예를 들어,

    Midjourney → 빠른 콘셉트와 이미지 아이디어
    Krea → 실시간 Visual Exploration
    Canva → 쉽게 SNS/마케팅 콘텐츠를 만들고 싶다
    Leonardo → 일관된 캐릭터·게임 에셋을 만들고 싶다
    ComfyUI → 세밀한 제어와 AI 제작 공정 전체를 직접 설계하고 자동화하고 싶다 Workflow
    Runway → AI Video AI 영상을 만들고 싶다
    Firefly → Adobe 작업을 AI로 확장하고 싶다
    Magnific → 이미지 디테일과 Upscaling
    Photoshop → 최종 편집

    처럼 역할을 나누어 사용할 수 있습니다. 따라서 중요한 것은 “최고의 AI 하나를 찾는 것”이 아니라 “각 AI의 장점을 연결하는 것”입니다.

    AI 시대의 디자이너는 무엇을 잘해야 할까?

    AI가 발전하면 디자이너의 역할이 없어질 것이라고 생각하는 학생들도 있습니다. 그러나 저는 오히려 반대로 생각합니다. AI가 결과물을 빠르게 만들어줄수록 무엇을 만들 것인지 결정하는 사람의 역할이 더욱 중요해집니다.

    앞으로 디자이너에게 필요한 능력은 다음과 같습니다.

    ① 문제를 발견하는 능력

    AI에게 무엇을 시킬 것인지 결정하기 전에 무엇을 해결해야 하는지 알아야 합니다.

    ② 좋은 이미지를 판단하는 능력

    AI는 수많은 결과물을 만들어낼 수 있습니다.

    하지만 그중에서 어떤 결과가 좋은지 판단하는 것은 디자이너의 몫입니다.

    ③ AI를 제어하는 능력

    Prompt뿐만 아니라 Reference, Mask, ControlNet, LoRA, Seed 등의 개념을 이해해야 합니다.

    ④ Workflow를 설계하는 능력

    하나의 결과물을 만드는 것이 아니라 반복 가능한 제작 과정을 설계할 수 있어야 합니다.

    ⑤ 최종 디자인을 완성하는 능력

    AI가 만든 결과물을 그대로 사용하는 것이 아니라 타이포그래피, 레이아웃, 색상, 인터랙션 등을 통해 최종 디자인으로 발전시켜야 합니다.

    AI를 많이 아는 것보다 ‘과정’을 이해하자

    여러분에게 꼭 강조하고 싶은 부분입니다. AI 기술은 매우 빠르게 변화합니다.
    오늘 사용하는 모델이 몇 달 뒤에는 새로운 모델로 바뀔 수도 있습니다. 따라서 특정 AI의 사용법만 암기하는 것은 오래가는 공부 방법이 아닙니다. 대신 다음과 같은 창작의 기본 구조를 이해해야 합니다.

    Research → 무엇을 만들 것인가?
    Concept → 어떤 방향으로 만들 것인가?
    Generation → AI를 이용해 어떻게 생성할 것인가?
    Control → 원하는 형태와 스타일을 어떻게 유지할 것인가?
    Editing → 부족한 부분을 어떻게 수정할 것인가?
    Workflow → 이 과정을 어떻게 반복하고 자동화할 것인가?
    Final Design → 최종적으로 어떤 디자인으로 완성할 것인가?

    이 과정을 이해하면 새로운 AI가 등장해도 빠르게 적응할 수 있습니다.

    AI 시대에는 ‘AI Creative Director’가 필요하다

    앞으로 디자이너의 역할은 단순히 이미지를 직접 만드는 것에서 더욱 확장될 것입니다. 과거의 디자이너가 직접 제작하는 Maker였다면, AI 시대의 디자이너는

    기획하고 → 지시하고 → 선택하고 → 조정하고 → 완성하는 사람

    이 되어야 합니다. 따라서 저는 여러분이 앞으로의 디자인 공부를 다음과 같이 생각했으면 합니다.

    Designer → AI User → AI Workflow Designer → AI Creative Director

    AI를 잘 사용하는 것에서 멈추지 말고, AI를 이용해 하나의 창작 시스템을 설계할 수 있는 디자이너로 성장하기 바랍니다.

    마지막으로

    AI 시대의 디자인에서 가장 중요한 것은 어떤 AI를 사용하는가가 아닙니다.
    더 중요한 것은 “내가 어떤 결과를 만들고 싶은가?” 그리고
    “그 결과를 만들기 위해 AI를 어떻게 연결할 것인가?” 입니다.

    좋은 AI를 선택하는 것보다 좋은 Workflow를 만드는 것이 중요합니다. 프롬프트 하나로 좋은 이미지를 만드는 능력도 필요하지만, 그보다 한 단계 더 나아가

    아이디어 → 생성 → 제어 → 편집 → 자동화 → 최종 디자인

    으로 이어지는 전체 과정을 설계할 수 있어야 합니다. 앞으로 여러분이 AI를 사용할 때는 단순히

    “AI에게 이것을 만들어줘.”

    라고 생각하지 말고,

    “이 결과물을 만들기 위해 어떤 Workflow가 필요할까?”

    라고 질문해보기 바랍니다.

    AI는 디자이너를 대신하는 도구가 아니라,
    디자이너의 창작 능력을 확장하는 새로운 제작 환경이 될 것입니다.

    그리고 그 환경을 얼마나 잘 설계하고 활용하는지가 앞으로 디자이너의 중요한 경쟁력이 될 것입니다.

    플랫폼 특징 비교

    플랫폼가장 잘하는 분야핵심 특징
    Comfy전문적인 제작·자동화노드 기반, 모델 자유도, 완전한 워크플로 제어
    Adobe Firefly / Creative CloudAdobe 기반 디자인팀Photoshop·Illustrator·Premiere와 강력한 연동
    RunwayAI 영상 제작영상 생성 + 편집 + 후반작업
    Midjourney컨셉아트높은 이미지 완성도와 빠른 아트디렉션
    Canva쉬운 콘텐츠 제작템플릿·브랜드 관리·협업
    Leonardo게임·캐릭터·에셋Custom Model과 일관성 있는 이미지 제작
    Krea실시간 크리에이티브실시간 생성·이미지/영상/3D 탐색
    Freepik / Magnific업스케일·이미지 보정생성 + Enhance + Generative Upscaling
    ComfyUI Newsletter

    이 순위는 Workflow Depth, Model Flexibility, Output Quality, Control, Team Scalability, Ecosystem Maturity 등 6개 기준으로 평가됐습니다.

    ① Comfy — “AI 제작 공정 자체를 설계한다”

    가장 강력한 부분은 Control입니다. 모델, Seed, Sampler, Conditioning, Mask, LoRA, 업스케일 등의 과정을 모두 노드로 연결하고 저장할 수 있습니다.
    따라서 동일한 제작 방식을 반복하거나 팀원과 공유하기 좋습니다.
    단점은 배워야 할 것이 많다는 것입니다. 모델, Conditioning, Latent, Sampler, Dependency 등을 이해해야 복잡한 Workflow를 제대로 다룰 수 있습니다.

    ② Adobe Firefly — “AI를 기존 디자인 업무에 넣는다”

    Photoshop, Illustrator, Premiere 등 기존 Adobe 환경 안에서 AI를 사용하는 것이 가장 큰 장점입니다.
    따라서 이미 Adobe Creative Cloud를 중심으로 작업하는 디자이너와 조직에게 유리합니다.
    반면 ComfyUI처럼 자유로운 노드 기반 AI Pipeline을 구축할 수는 없습니다.

    ③ Runway — “AI 영상 제작에 집중한다”

    Text/Image → Video뿐 아니라 Masking, Background Removal, Motion Control, Editing 등 영상 제작에 필요한 기능을 하나의 환경에서 제공합니다.
    특히 AI Video Production을 중심으로 한다면 강력한 선택입니다.

    ④ Midjourney — “아이디어를 빠르게 시각화한다”

    Concept Art, Moodboard, Visual Research, Art Direction 등에 매우 적합합니다. 즉,

    아이디어 → 이미지 → 방향성 결정

    단계에서 강합니다.
    반면 폐쇄형 시스템이기 때문에 ComfyUI처럼 모델이나 Processing Pipeline을 세밀하게 통제하기는 어렵습니다.

    ⑤ Canva — “누구나 쉽게 AI 콘텐츠를 만든다”

    전문적인 AI Workflow보다는 템플릿 + 브랜드 관리 + 협업 + AI가 강점입니다.
    따라서 마케팅팀, 비전문 디자이너, SNS 콘텐츠 제작 등에 적합합니다.

    ⑥ Leonardo — “일관된 캐릭터와 에셋을 만든다”

    Custom Model Training을 통해 캐릭터, 게임 에셋, 제품 이미지 등을 일정한 스타일로 반복 제작하는 데 강점이 있습니다.
    Consistency가 중요한 프로젝트에 적합합니다.

    ⑦ Krea — “생각하면서 실시간으로 만든다”

    Krea의 가장 큰 특징은 Real-time Generation입니다.
    이미지를 생성하고 기다리는 방식보다, 입력·드로잉·Reference 등을 변화시키면서 결과가 실시간으로 변화하는 방식입니다.
    특히 빠른 Visual Exploration에 강합니다.

    ⑧ Freepik / Magnific — “이미지를 완성 단계까지 끌어올린다”

    특히 Magnific의 Generative Upscaling이 핵심입니다.
    단순히 해상도를 높이는 것이 아니라 피부, 머리카락, 직물, 건축물 등의 디테일을 생성적으로 보완합니다.
    다만 실제 사진이나 제품처럼 원본의 정확성이 중요한 경우에는 주의해야 합니다.

  • 소프트웨어는 곧 문화

    소프트웨어는 곧 문화

    소프트웨어는 한때 우리와 동떨어진 존재처럼 느껴졌습니다. 유리창 너머에 효율적이고 순종적인 존재로 자리 잡고 있었죠. 그러다 우리 손안에 들어오게 되었습니다. 손가락으로 확대/축소하고, 스와이프하고, 탭하는 모든 동작 하나하나가 우리의 생각, 감정, 그리고 소통 방식을 바꿔놓았습니다. 한 세대에 걸쳐 소프트웨어와의 연결은 사용자 경험을 인간적인 경험으로 탈바꿈시켰습니다.

    이제 또 다른 변화가 다가오고 있습니다. 소프트웨어가 지능화되고 있는 것입니다. 고정된 상호작용 방식 대신, 학습하고, 적응하고, 반응하는 시스템을 구축하게 될 것입니다. 인터페이스는 실시간으로 진화하며, 우리의 필요와 행동 변화에 따라 형태를 바꿀 것입니다. 한때 정적이었던 것이 유동적이고, 적응력이 뛰어나며, 마치 살아있는 것처럼 변모할 것입니다. 우리가 어디로 향하고 있는지 이해하려면 과거를 되돌아보는 것이 도움이 됩니다. 지난 20년간 가장 영향력 있는 상호작용들을 되짚어보고, 현재 활동 중인 디자이너와 개발자들의 이야기를 통해, 하나의 디자인 결정이 어떻게 한 시대를 정의하게 되었는지, 그리고 우리가 오늘날 만드는 제품들이 어떻게 다음 세대를 형성해 나갈지 살펴볼 수 있습니다.

    지난 20년간의 상징적인 상호작용을 살펴보세요.

    스티브 잡스가 유명한 “누가 스타일러스를 원합니까?” 기조연설에서 손가락으로 이미지 크기를 조절했을 때, 그는 신체와 인터페이스 사이의 거리를 허물었습니다. 사용자들은 처음으로 손을 뻗어 화면 속 이미지와 웹페이지를 촉각으로 조작할 수 있게 되었습니다.

    멀티터치 시스템에 대한 연구는 1980년대부터 진행되어 왔지만, 애플 아이폰은 이를 대중 시장에 처음으로 선보였습니다. 아이폰은 탄력적인 경계, 저지연 손가락 추적, 실제 재료의 저항을 모방한 크기 조절 곡선과 같은 유사 햅틱 기술을 통해 핀치 투 줌 기능을 놀라울 정도로 촉각적으로 구현했습니다. 운동량, 마찰, 시각적 탄력성과 같은 이러한 미묘한 물리적 요소들은 휴대폰에 실제 햅틱 엔진이 탑재되기 훨씬 전부터 마치 물체를 만지는 듯한 느낌을 주었습니다. 이러한 기술 덕분에 핀치 투 줌은 우리가 손으로 직접 형태를 바꿀 수 있는 무한한 시각적 캔버스로서 인터넷을 이해하는 관문이 되었습니다. 이러한 변화는 우리가 세상을 살아가는 방식뿐만 아니라, 세상 속에서 우리의 위치를 ​​인식하는 방식까지도 바꾸어 놓았습니다.

    우리는 지도를 정적인 기록으로만 여기는 대신, 손가락으로 확대하여 새로운 식당, 상점, 체육관을 찾아냅니다. 이미지를 있는 그대로 받아들이는 대신, 확대하여 약혼반지를 자세히 보거나 포토샵으로 보정했는지 확인합니다. 터치스크린이 보편화된 시대에 자란 사람들에게는 탐색, 즉 세부 사항을 찾기 위해 안으로 들어가거나 맥락을 파악하기 위해 밖으로 확장하는 것이 자연스러운 행동 양식입니다.

    디자이너 아자 라스킨이 고안한 무한 스크롤은 “다음 페이지”나 “새로 고침” 버튼을 클릭하는 번거로움을 없앴습니다. 이는 동적 콘텐츠 로딩과 미묘한 흐름 신호를 활용하여 정보가 끊임없이 이어지는 듯한 느낌을 주는 초기 웹 실험에서 영감을 얻었습니다. 페이스북과 트위터에서 처음 대중화된 무한 스크롤은 경계 없는 정보의 세계, 즉 끊임없이 업데이트되고 점점 더 개인화되는 스트림인 피드라는 현대적 개념을 탄생시켰습니다. 마치 현대판 광장처럼, 우리는 피드를 통해 사촌의 졸업 소식부터 세계 정세까지 모든 것을 접하게 됩니다.

    특히 젊은 세대에게 있어, 이 끝없는 디자인은 뉴스부터 인기 있는 뷰티 트렌드, 변화하는 사회적 규범에 이르기까지 모든 정보를 정신없이 빠르게 업데이트하는 문화를 만들어냈습니다. 무한 스크롤과 알고리즘 기반 큐레이션에 대한 의존성은 언어학자 아담 알렉식의 “맥락 붕괴”라는 현상을 초래합니다.

    특히 “추천” 페이지는 커뮤니티 간의 정보 교류를 바이러스처럼 빠르게 촉진하며, 정체성을 재구성하고 새로운 유대감을 형성합니다.

    ‘좋아요’ 버튼이라는 개념은 페이스북이 2009년에 선보이기 훨씬 전부터 실리콘 밸리에서 끊임없이 논의되어 왔습니다. 특히 디자이너 밥 굿슨은 2003년 옐프(Yelp)를 위해 ‘엄지척’과 ‘엄지내림’ 버튼을 구상했는데, 이는 사용자 리뷰에 대한 참여도를 높이면 더 많은 사람들이 리뷰를 남기게 될 것이라는 직감에서 비롯되었습니다. 그의 직감은 적중했습니다. 사용자들이 리뷰를 ‘유용함’, ‘재밌음’, ‘멋짐’ 등으로 쉽게 평가할 수 있도록 함으로써 옐프는 리뷰 수를 폭발적으로 늘렸고, 이는 페이스북의 ‘Props’라는 비밀 프로젝트에 영감을 주었습니다.

    오늘날 ‘좋아요’ 버튼은 참여 중심 경제의 핵심을 이루며 하루에 약 1,600억 번의 클릭이 발생하는 것으로 추산됩니다. 단순한 엄지척 모양은 레딧(Reddit)의 추천 화살표, 인스타그램(Instagram)의 하트 두 번 탭, 슬랙(Slack)의 방대한 ‘reactji’ 팔레트에 이르기까지 다양한 시각적 반응 표현으로 진화했습니다. 온라인 어디를 가든 우리는 즉각적이고 보편적으로 이해되는 긍정적 또는 경우에 따라서는 부정적 표현을 접할 수 있으며, 이는 우리가 소비하는 콘텐츠를 선별하는 암묵적인 방식이 됩니다. ‘좋아요’의 변화는 크리에이터가 무엇을 홍보할지, 플랫폼이 콘텐츠를 배포하는 방식, 그리고 가장 중요하게는 사용자가 콘텐츠의 관련성을 판단하는 방식을 결정합니다.

    소프트웨어 개발자 로렌 브리히터는 2009년 트위터 클라이언트인 트위티(Tweetie)를 위해 ‘당겨서 새로고침’ 기능을 개발했습니다. 새총을 당기는 동작을 연상시키는 이 기능은 콘텐츠 탐색에 재미있고 역동적인 느낌을 더했습니다. 또한, 인간의 뇌는 보상을 기대할 때, 특히 보상이 불확실할 때 더 많은 도파민을 분비하도록 되어 있는데, 이러한 보상 회로를 활용한 것입니다.

    현재 X 플랫폼에서 ‘당겨서 새로고침’ 기능은 무한 스크롤과 함께 작동하여 새로운 업데이트를 로드하는 동안 무한 스크롤은 알고리즘에 따라 정렬된 이전 콘텐츠를 보여줍니다. 하지만 이 기능은 이제 모바일 앱 생태계 전반에 걸쳐 표준 동작으로 자리 잡았으며, 사용자는 무의식적으로 화면을 당겨 새로고침할 수 있게 되었습니다. 우리는 화면을 아래로 당기면 새로운 좋아요, 댓글, 연결 정보가 표시된다는 것을 알고 있습니다. 소셜 미디어뿐 아니라 속보, 날씨, 주가, 콘서트 티켓 예매 등 모든 최신 정보를 얻는 데 이 동작이 사용되고 있으며, 실시간 정보에 대한 우리의 욕구와 불가분의 관계에 있습니다.

    엔지니어이자 발명가인 더글러스 엥겔바트가 1958년 ‘모든 데모의 어머니’라 불리는 데모를 통해 협업 실시간 편집을 개척했지만, 구글은 2009년 구글 문서에서 동시 편집 기능을 도입하며 이를 대중화했습니다. 7년 후, 브라우저 기술, 특히 WebGL의 발전으로 Figma는 전문가 수준의 제품 디자인 도구를 온라인으로 제공하여 인터페이스 제작에 있어 다중 사용자 협업을 가능하게 했습니다. 한때 혼자서 하던 문서, 스프레드시트, 프레젠테이션 또는 디자인 제작이 이제는 공동 작업으로 바뀌었습니다. 정적인 결과물이 생동감을 얻고, 소유권이 한 사람에서 여러 사람에게로 넘어갔습니다.

    이는 멀티플레이어 비디오 게임의 공유 세계 논리를 반영합니다.

    고품질 화상 회의 도구와 결합된 다중 사용자 협업은 언제 어디서든 공동 작업을 가능하게 했고, 코로나19 팬데믹의 제약이 사라진 후에도 오랫동안 지속된 하이브리드 근무 환경을 조성했습니다. 생산성 향상 외에도 이러한 도구들은 독서 모임, 비영리 행사, 단체 여행 등 공동체 형성을 더욱 쉽고 편리하게 만들어 주었으며, 창작자들이 자신의 열정을 추구할 수 있도록 지원해 주었습니다.

    수십 년에 걸친 음성 인식 소프트웨어 개발 여정은 1997년 드래곤 시스템즈(Dragon Systems)가 연속 음성 인식 기능을 갖춘 최초의 소비자 제품인 드래곤 내추럴리스피킹(Dragon NaturallySpeaking)을 출시하면서 중요한 이정표를 세웠습니다. 하지만 대부분의 사람들에게 컴퓨터가 말하는 경험을 처음으로 선사한 것은 2011년 애플의 시리(Siri)였습니다. 이후 아마존의 알렉사(Alexa), 마이크로소프트의 코타나(Cortana), 삼성의 빅스비(Bixby)를 비롯해 끊임없이 늘어나는 인공지능 기반 음성 비서들이 그 대열에 합류했습니다.

    세탁기, 냉장고 같은 가전제품부터 스마트 TV, 보안 기기 같은 전자제품, 그리고 차량용 시스템에 이르기까지 음성 상호작용은 우리의 가장 사적인 공간 곳곳에 스며들어 있습니다. 이러한 환경에서 자란 사람들에게는 기술이 일상적인 작업에 녹아들어 생각의 속도로 움직이고 인간의 언어로 반응하는 것이 당연한 일입니다. 특히 우리가 자라면서 시리나 알렉사를 방 안이나 주머니 속의 주변 지능처럼 여겨왔다면, 명령이란 사실상 담론이며 기술은 우리의 일상적인 작업을 신속하게 처리해 주는 도구라는 것을 이해할 것입니다.

    틴더 공동 창업자 조너선 바딘이 마음에 드는 상대를 오른쪽으로 스와이프하고, 마음에 들지 않으면 왼쪽으로 스와이프하는 방식을 고안했을 때, 그는 이전 온라인 데이팅 시대를 규정했던 성격 테스트와 매칭 알고리즘을 뒤흔드는 혁신적인 동작을 만들어냈습니다. 마치 카드 덱을 정렬하는 것처럼, 이 방식은 상호작용에 게임 요소를 더하고 직관적인 방식으로 즉각적인 반응을 유도했으며, 매칭이 성사되었을 때는 큰 만족감을 선사했습니다.

    오른쪽과 왼쪽으로 스와이프하는 방식은 온라인 데이팅을 넘어 다양한 앱에서 사용되고 있습니다. 이제 사용자들은 옷을 사고, 친구를 사귀고, 외국어를 배우고, 주식을 거래하고, 메시지를 확인하고, 심지어 어떤 사진을 삭제할지 결정하는 데에도 스와이프를 활용합니다. 이 방식이 너무나 보편화되어 Z세대는 “좋아요”와 “싫어요”를 나타내는 은어처럼 “오른쪽으로 스와이프”와 “왼쪽으로 스와이프”를 사용하는데, 이는 빠른 의사 결정을 유도하고 수많은 요소를 이분법적인 질문으로 단순화하는 이 동작의 강력한 영향력을 보여줍니다.

    넷플릭스는 프로그램의 다음 에피소드 자동 재생 기능을 도입함으로써 사용자의 역할을 능동적인 참여자에서 수동적인 시청자로, 즉 선택에 의한 참여에서 선택 해제로 전환시켰습니다. 이후 유튜브는 추천 영상 자동 재생 기능을 도입했고, 이러한 추세는 틱톡으로 이어져 이제는 사용자가 자동 ​​재생 기능을 켜지 않아도 되고, 앱을 종료하지 않는 한 끌 수도 없습니다. 알고리즘은 사용자가 반드시 원하는 콘텐츠가 아니더라도 콘텐츠를 제공하지만, 사용자가 이에 대해 이의를 제기하지 않으면 알고리즘은 메타데이터를 기반으로 사용자의 페르소나를 구축하고, 이를 통해 알고리즘이 추측하는 바를 강화합니다.

    이러한 현상은 참여와 비참여의 경계를 모호하게 만들고, 비행동 속에 암묵적인 행동을 포함하게 합니다. 이러한 현상은 지메일의 스마트 작성 기능부터 구독이나 생활용품 구매의 자동 갱신, 양식 자동 완성 기능에 이르기까지 문화와 상업의 다른 영역으로 확산되었습니다. 우리는 인터페이스가 사용자의 성향과 취향을 예측할 뿐만 아니라, 기술에 경로 수정을 요청할 때 이를 기억하기를 기대합니다.

    컴퓨터 과학자 우드로 블레드소는 1960년대 중반 최초의 자동 얼굴 인식 시스템을 개발하여 디지털 생체 인식 연구에 박차를 가했고, 이는 1990년대에 이르러 법 집행 분야에서 활용되기 시작했습니다. 하지만 일반 소비자들이 신체를 비밀번호처럼 사용할 수 있게 된 것은 2013년 애플의 터치 ID와 2017년 페이스 ID였습니다. 생체 인식은 수동 로그인을 매끄럽고 즉각적인 인증으로 대체함으로써 불편함을 최소화하고 우리의 신체를 우리가 사용하는 인터페이스와 불가분하게 연결했습니다.

    우리는 라떼를 사기 위해 얼굴을 스캔하거나 공항 보안 검색대를 통과하기 위해 홍채를 등록하는 것을 자연스럽게 여깁니다. 지문이나 눈길만으로 중요한 계정을 잠금 해제하고, 이러한 시스템이 견고하고 안전하다는 것을 신뢰합니다. 생체 인증은 애플 워치, 오우라 링, 스마트 안경과 같은 웨어러블 기기의 등장을 예고했습니다. 이러한 기기들은 심박수, 혈중 산소 농도, 걸음 수, 수면 패턴 등 모든 것을 추적합니다. 심지어 배란일이나 심장마비 위험까지 알려줍니다. 민감한 정보에 접근, 관리 및 해석하기 위한 생체 인식 기술의 발전은 소프트웨어에 대한 전례 없는 수준의 신뢰를 구축했습니다.

    2017년, 구글 브레인의 과학자 8명은 “Attention Is All You Need”라는 연구 논문을 발표했습니다. 이 논문은 트랜스포머(Transformer)라는 딥러닝 아키텍처를 소개하며 오늘날의 자연어 처리 로봇(LLM)의 토대를 마련했습니다. 트랜스포머 덕분에 AI 모델은 순서에 상관없이 텍스트를 읽고, 무엇이 중요한지 판단하며, 위치가 아닌 관계를 기반으로 의미를 도출할 수 있게 되었습니다. 이러한 혁신을 바탕으로 오픈AI는 2022년 ChatGPT를 출시했고, 현재는 구글 딥마인드의 제미니(Gemini), 앤트로픽의 클로드(Claude), 메타의 라마 2(Llama 2) 등 다양한 LLM이 등장했습니다. 자연어 프롬프트는 사용자가 일상적인 대화를 통해 기계와 상호작용할 수 있도록 함으로써, 기존 지식이나 기술 수준에 관계없이 누구나 무엇이든 생성할 수 있도록 만들었습니다.

    이는 소프트웨어를 단순한 도구가 아닌 동반자로서 활용하는 새로운 방식을 제시했습니다. 모든 연령대의 사람들이 연애 상담부터 재정 관리, 집수리 ​​계획, 연구까지 모든 분야에서 자연어 처리 로봇을 이용하고 있습니다. 컴퓨터가 의도와 지시를 모두 이해하는 세상에서는 더 많은 사람들이 더 적은 자원으로 더 많은 것을 만들어낼 수 있습니다. 지역 농가를 돕는 앱이든 웹 시 프로젝트든 말이죠. 자연어 프롬프트는 소프트웨어를 유기적으로 만들어주고 기술에 대한 접근성을 전례 없는 수준으로 높여주지만, 여전히 채팅 인터페이스에 국한되어 있습니다. 우리가 기계와 다른 방식으로 소통하는 미래에는 인간의 비전을 실질적인 영향력으로 전환하는 새로운 길이 열릴 것입니다.

    인공지능(AI)은 도구이자 협력자로서 우리를 인간답게 만드는 요소들을 더욱 강화할 수 있습니다. 이미 우리는 명령보다는 대화를 통해 지시하는 방식을 더 많이 사용하고 있습니다. 계층 구조와 매개변수 대신 목표, 동작, 전체적인 맥락으로 소통합니다. 미래는 자동화를 통해 없애는 것이 아니라, 어디에 집중할 것인지에 달려 있습니다. 전 세계의 디자이너들은 이러한 변화 속에서 길을 찾고 있습니다. 우리의 호기심이 이끄는 곳, 의미를 찾는 곳, 기술을 적용하는 방식, 이러한 요소들이 앞으로도 소프트웨어를 만들어갈 원동력이 될 것입니다.

    원문: Software is culture