[Day 3] 대 AI 시대에서 디자이너의 똑똑한 공존법: 협업 프로세스와 프롬프트 엔지니어링

안녕하세요 여러분, 송이입니다! 주말은 다들 잘 보내셨나요?
 
벌써 부트캠프의 3번째 생존 일기를 적고 있네요. 오늘 정리해 볼 오전·오후 수업의 핵심 주제는 바로 요즘 가장 핫한 'AI와 디자인(AI Design)'입니다. 
 
현업에 있을 때 AI 발전 속도를 체감할 순간이 많았습니다. 예전에는 조감도 한 장을 뽑으려고 밤새 렌더링을 돌리거나 외부 업체에 의뢰하여 막대한 시간과 비용을 쏟아야 했는데, 최근에는 생성형 AI를 결합해 순식간에 고퀄리티 결과물을 뽑아내어 업무 효율을 극대화하는 모습을 직접 목격했습니다.
 
흔히 인터넷을 '정보의 바다'라고 하죠. 저는 AI가 그 바다를 항해하는 무한한 성능의 '배'같다는 생각을 했습니다. 하지만 자료를 너무나 많이 가지고 있기 때문에, 목적지와 경로, 일정 등을 구체적으로 입력하지 않으면 엉뚱한 길로 돌아가거나 '할루시네이션'이라는 유령섬에 우리를 빠뜨리기도 합니다.
 
그렇다면 저희는 방대한 정보의 바다에서 어떻게 하면 이 AI라는 '배'를 내 업무에 맞춰 영리하게 조종할 수 있을까요? 오늘 수업을 통해 대 AI 시대에 디자이너가 가져야 할 진짜 무기와 역할의 변화, 그리고 실무에서  AI를 어떻게 활용해야하는지 길을 잡을 수 있었습니다.
 
바로 풀어보도록 하겠습니다! 오늘도 생존 시작합니다!

---

1. 30초 만에 마스터하는 AI 발전 흐름 (Software 1.0 ➔ 3.0)

길고 복잡한 옛날이야기는 빼고, 핵심만 짚고 넘어갈게요!
 

1950s ~ 1970s (Software 1.0 : 규칙 기반)

 
- 앨런 튜링의 "기계는 생각할 수 있을까?"라는 질문으로 시작된 AI의 서막. 인간이 모든 규칙(if-then)을 일일이 코딩하던 시기.
- 최초의 챗봇인 MIT의 ELIZA(1966)와 체스 챔피언을 꺾은 IBM의 Deep Blue가 대표적입니다.
- 배로 비유하자면
 

1980s ~ 2000s (Software 2.0 : 데이터 학습)

개발자가 규칙을 입력하는 대신, 벌크 데이터를 주면 AI가 스스로 패턴과 규칙을 발견하는 머신러닝의 시대.

2010s ~ 현재 (Software 3.0 : 프롬프트 소통)

- 인공신경망과 빅데이터, GPU가 결합한 딥러닝 혁명과 ChatGPT로 대표되는 초거대 AI 시대
- 전문 개발자가 아니더라도 '자연어(프롬프트)'만 구사하면 누구나 AI와 직접 소통하고 원하는 디자인 결과물을 뽑아냄
 

---

2. "나는 평소에 생성형 AI 도구 잘 안 쓰는데? 나만 몰래 쓰고 있던 일상 속 AI 서비스

 

출처 https://www.samsung.com/sec/vacuum-cleaners/jetbot-vr7md97716-d2c/VR7MD97716G/

[제품] 로봇청소기
SLAM 기술에 기반하여 자신의 위치를 파악하고 주변 환경 지도를 생성. 라이다(LiDAR) 센서, 카메라, 범퍼 센서 데이터를 유기적으로 받아들여 작동.

출처 쿠팡화면캡쳐

[앱 서비스] 쿠팡 로켓배송 추천 상품
사용자가 다음에 무엇을 구매할지 예측하는 데 집중합니다. 협업 필터링과 딥러닝 랭킹 모델을 기반으로 사용자 행동 데이터를 실시간 분석한 결과.
 
 

출처 https://www.beautyplus.com/ko

[앱 서비스] 스노우, 뷰티플러스 등 얼굴 자동 보정
딥러닝 기반의 객체 및 특징점 감지 기술로 얼굴을 학습하고 디지털 맵을 생성해 자연스럽게 얼굴을 보정.

출처 https://navercorp.com/media/pressReleasesDetail?seq=29782

[앱 서비스] 취향 기반 음악 추천
협업 필터링, 콘텐츠 기반 필터링, 딥러닝 임베딩 기술을 활용한 가장 강력하고 기본적인 추천 엔진.


(BAD) 잘못된 예: "AI 추천 기능을 넣겠습니다."
(GOOD) 좋은 예: "리뷰 텍스트를 분석해 핵심 키워드를 자동으로 추출하겠습니다." ➔ (기대효과): "이를 통해 사용자의 상품 비교 효율을 개선합니다."

---

3. 손기술보다 방향성! 대 AI 시대에 살아남는 디자이너의 협업 프로세스

- 과거 : 손으로 직접 그리거나 가공하는 기술과 감각이 필수
- 현재 : AI가 결과물을 순식간에 자동 생성해 줍니다.
> 디자이너의 역할은 “AI가 만든 결과물을 조율하고 방향을 제시하는 사람”으로 완전히 변화중. 단순 반복 작업은 AI가 처리하고, 디자이너는 문제 정의나 창의적 방향 설정 같은 더 높은 수준의 전략에 집중
 

 잠깐! 그럼 가공하는 기술과 감각은 필요 없나요? NO!
AI의 수많은 결과물 중 "어떤 것을 취하고 어떤것을 버릴지"를 판별하는 안목

• 과거의 쌓아온 '기술적 숙련도'와 '미적 감각'이 필요
• 디자이너에게 AI는 강력한 보조적 도구일 뿐, 디자이너 자체를 대체할 수는 없습니다.
• 디자이너의 역할 : 과거 [ 실행자 ] -> 현재 [ 큐레이터이자 디렉터]

기존에 해오던 분들에게 AI는  최고의 엔진! 새롭게 도전하는 분들에게는 두려움을 없앨 '현명한 가이드'
 

디자인 프로세스의 변화 비교

전통적인 프로세스 (선형 구조): 리서치 ➔ 아이데이션 ➔ 스케치 ➔ 시안 제작 ➔ 수정 ➔ 완성

• 모든 레퍼런스를 디자이너가 일일이 찾고 수작업으로 시안을 만들어야 해서 완성까지 막대한 시간과 비용이 소요.

 

AI 협업 프로세스 (유기적 구조): 리서치 및 문제 정의 ➔ AI와 브레인스토밍 ➔ AI 시안 여러 개 생성 ➔ 인간의 선별 및 조합 ➔ AI 보완 ➔ 인간의 비판적 판단 ➔ 완성

 

•  레퍼런스를 찾지 않아도 된다 X, AI는 '어떤 레퍼런스를 기준으로 삼느냐'가 결과물의 퀄리티를 결정
•  레퍼런스를 수집한 뒤 시안을 뽑아내는 물리적 노동 시간 절감 O 
•  다양한 버전의 시안들을 빠르게 뽑아내고, 최적의 안을 골라내는 디렉팅 과정에 더 집중

 

영리한 파트너로 부려먹기 : AI가 잘하는 것 vs 못하는 것 

 

• AI가 잘하는 것 : 다양한 스타일의 시안 초고속 생성, 주어진 구도나 톤 앤 매너를 유지한 채 다양한 버전으로 변형 및 반복하는 작업, 문장 생성 및 글 요약 등 텍스트 설계, 이미지의 특정 부분을 자연스럽게 대체하거나 배경을 바꾸는 스타일 보정 작업.

AI가 못하는 것 : 진실과 거짓을 구분하는 판단력(할루시네이션 방지), '왜'에 대한 본직적인 의사결정, 감정과 맥락을 읽는 섬세한 공감, 윤리적·법적 가치 판단, 최종 퀄리티의 '마침표' 등
 

---

4. 말 한마디로 퀄리티가 바뀐다? 실무 직행 프롬프트 엔지니어링 7가지 기법

• 결국 대 AI 시대 디자이너의 핵심 역량은 ‘AI에게 얼마나 정확하고 창의적인 질문을 던질 수 있는가’
• 프롬프트는 단순한 명령어가 아니라 AI의 최상 결과를 뽑아내도록 맥락(Context), 관점(Perspective), 구체적인 지시(Instruction), 출력 형식(Format)을 구조적으로 설계하는 소통 방식.

 

01. 제로샷 (Zero-Shot)

예시 없이 곧바로 특정 작업을 요구하는 방식. 정확도는 낮지만 프로젝트 초반에 아이디어를 넓게 펼치거나 대략적인 방향성을 탐색할 때 유용.
 

02. 원샷 (One-Shot)

딱 하나의 정확한 예시(사례)를 함께 제시하는 방식. 제로샷보다 정확도가 올라가며, 참고할 데이터가 많지 않을 때 효과적입니다.
 

03. 퓨샷 (Few-Shot)

 
여러 개의 예시 데이터를 제공한 뒤 결과물을 요구하는 방식. 여러 경쟁사 앱을 동일한 기준으로 분석하고 싶거나, 흩어진 사용자 데이터를 카테고리별로 정교하게 분류할 때 강력.
 

04. 생각의 사슬 (Chain of Thought)

프롬프트에 "단계별로 차근차근 생각해 보자"라는 문구만 추가해도 AI의 논리적 사고 흐름을 유도 가능.
 

05. 롤플레이 (Role-Playing)

AI에게 특정 가상 역할을 지정하여 전문적인 답변을 유도.
 

06. 임의 형식 지정 (Format Specification)

원하는 출력 형태의 조건(분량, 문단 구조 등)을 명확하게 제한
 

07. 마크다운 언어 활용 (Markdown)

샵(#)이나 대시(-) 등의 기호를 사용해 위계가 잡힌 텍스트 문서 구조로 출력을 요청하는 방식. 정보를 구조화하여 한눈에 파악하기에 가장 좋음.
 

---

5. 탄탄한 기획의 비밀! 디자인 사고 과정을 관통하는 실무 원칙 4가지

 

[원칙 1] 단계별 접근법 (#구체성 #맥락 #관점 설정)

• 복잡한 프로젝트를 한 번에 해결하려 하지 말고 문제 정의 ➔ 리서치 ➔ 아이디어 발산 ➔ 평가 ➔ 구체화 단계로 쪼개어 AI와 구체적이고 맥락 있게 소통.

 

[원칙 2] 다각도 검증 (#의도 표현 #핵심 키워드)

• 같은 문제를 마주하더라도 최소한 3번 이상 서로 다른 관점(사용자 관점, 비즈니스 관점, 기술적 관점)에서 질문. 혼자서는 놓치기 쉬운 빈틈을 발견 가능.

 

[원칙 3] 구체적인 제약 조건 활용 (#창의적 아이디어 확장)

• 아이디어를 발산할 때는 평가를 지양하고 구체적인 수량, 카테고리 분류, 제약 조건을 활용해 최대한 많이 뽑아내함. 이후 평가 기준을 제시하는 '수렴적 사고'를 통해 최적안을 선별.

[원칙 4] 실패 시나리오 상상 (#실험 #적용 #민첩성)

• 문제가 터지기 전에 리스크를 미리 점검. AI에게 "이 디자인이 최종 실패한다면 가장 가능성 높은 이유 5가지를 예측하고 대안을 각각 제시해 줘"라고 요청하여 선제적 방어 전략을 구축.

---

6. 성장이 멈췄다고 느낄 때 꺼내보는 '고원 현상(Plateau)' 극복 전략

 

출처 : http://the-knowledgesmart-blog.blogspot.com/2013/03/learning-plateaus.html

• 초기 지체 구간: 새로운 개념과 도구에 적응하느라 시간과 노력을 쏟아부어도 성과가 잘 보이지 않는 답답한 시기.
• 급격한 성장 구간: 기초가 어느 정도 쌓이면서 이해도가 수직 상승하고 실력이 눈에 띄게 느는 짜릿한 단계.
• 고원 현상 / 정체기 (Plateau): 실력이 다시 정체된 것처럼 느껴지는 구간. 그러나 이는 성장이 멈춘 것이 아니라, 뇌가 새로운 패턴을 내면화하고 기초를 단단히 다지는 중요한 기간.

 

정체기를 극복하는 3가지 실천 전략

• 의도적 연 :막연하게 무작위로 반복하는 것이 아니라, 명확한 목표를 세우고 나의 약점을 보완하는 데 집중하는 훈련.
• 피드백 루프 구축: 실행 후 즉각적으로 피드백을 받고, 이를 수정 및 보완하며 개선을 촘촘하게 반복하는 구조 만들기.
• 환경의 변화(새로운 자극): 너무 익숙해진 환경에서 벗어나 새로운 도전 과제를 마주하고 자극을 받음으로써 사고의 확장을 유도.

 
 
드라마 '스물다섯, 스물하나'의 대사 중 발레를 그만두고 싶어 하는 딸에게 펜싱선수였던 엄마가 '넌 실력이 이렇게 비탈처럼 늘 것 같지. 아니야. 실력은 비탈이 아니라 계단처럼 늘어. 이렇게. 그리고 사람들은 보통 (계단 그림의 평평한 부분을 하나씩 가리키며) 여기, 여기, 여기에서 포기하고 싶어 지지. 이 모퉁이만 돌아 나가면 엄청난 성장이 기다리고 있을 텐데 그걸 몰라. (계단 그림의 평평한 부분을 더 길게 이어 그리며) 여기가, 영원할 것 같아서'라고 말하는 대사가 있습니다.  오늘의 마지막 시간 수업에서 그래프를 보는데 이 대사가 딱 생각이 나더라고요.
 
사실 저희가 무언가를 새로 시작하면서 늘 하게 되는 고민이기도 한 것 같습니다. 지금 제 글을 읽는 여러분 중에서도 혹시 '계단의 평평한 부분'에 있으시다면 포기하지 마시고, 버텨서 모퉁이를 돌아 상상도 못 했던 성장을 합시다!!!! 다 같이 파이팅!!!!!
 
 
안내 본 포스팅은 부트캠프의 디자인 강의를 듣고, 배운 내용을 저만의 언어로 복습하며 정리한 글입니다.