안녕하세요, 여의도에 서식 중인 몽글c입니다. 

요즘 디자이너들은 예전보다 훨씬 빠르게 화면을 만들 수 있게 되었습니다.
와이어프레임은 몇 분 만에 나오고,이미지는 프롬프트 몇 줄로 생성되며,심지어 코드까지 AI가 대신 작성해주는 시대가 되었죠.

그런데 이상한 점이 있습니다. 분명 도구는 빨라졌는데,왜 실무는 기대만큼 극적으로 빨라진 느낌이 들지 않습니다.

오늘은 실제 현업 디자이너들이 AI를 어떻게 활용하고 있는지,그리고 왜 아직은 시행착오의 한가운데에 있다고 느끼는지를 함께 이야기해보려 합니다.

생산성이 높아진 영역과 더욱 시행착오를 겪고 있는 영역

하루하루 엄청난 AI 뉴스들과 아티클들이 쏟아지는 지금, 디자인 생산성을 돕는 도구들도 빠르게 등장하고 있습니다.

그렇다면 실제 현업 디자이너들은 이 변화들을 어떻게 받아들이고 있을까요?

금융권에서 디자인 업무를 진행하는 입장에서, 망분리나 정보보안 이슈로 인해 AI를 업무에 접목하는 것이 생각보다 쉽지만은 않습니다. 그럼에도 외부에서 들려오는 이야기들은 꽤 충격적일 정도예요.

어떤 디자인 조직은 프로덕트 프로세스의 A부터 Z까지를 피그마 없이 Claude만으로 진행한다고 하고,어떤 조직은 디자이너가 직접 요구사항을 기반으로 프로토타입을 만들고 GitHub에 PR까지 올리고 있다고 합니다.

Claude Design 같은 흐름은 그동안 어려웠던 ‘일관성 있는 디자인 생성’이 먼 미래의 이야기가 아니라는 점을 보여주고 있고, 어떤 사람들은 피그마의 종말까지 이야기하기도 합니다.

밖에서는 AI로 모든 것이 바뀌고 있다는 이야기들이 쏟아지는데, 정작 사내에서는 생각만큼 빠르게 움직이지 못하는 느낌이 들 때가 있습니다.

‘우리만 뒤처지고 있는 건 아닐까?’, ‘다른 조직들은 이미 훨씬 앞서가고 있는 건 아닐까?’
아마 많은 디자이너들이 한 번쯤 비슷한 불안을 느껴봤을지도 모릅니다.

하지만 용감하게도(?), 지금 이 AI 시대 안에서 실제 조직들이 어떤 방식으로 AI 도구를 업무에 접목하려 하고 있는지, 그리고 그 과정에서 어떤 시행착오들을 겪고 있는지를 1) 문제 정의의 영역과 2) 해결안 도출의 영역에서 함께 이야기해보려 합니다.

1. 문제 정의의 영역

Double Diamond 내 Problem 정의 영역

문제 정의 단계에서 디자이너들이 가장 많이 고민하는 것은, ‘무엇을 진짜 문제로 정의해야 하는가’ 입니다. 사업에서 정의된 요건이 내려오고,기획 단계에서 한 번 더 정리 되더라도,디자이너 입장에서는 여전히 모호한 지점들이 남아있습니다.

물론 디자이너가 사업과 시스템에 대한 이해도가 매우 높다면 문제가 되지 않을 수도 있습니다. 하지만 실제 비즈니스는 생각보다 훨씬 빠르게 변하고,특히 금융권 시스템은 복잡도가 높기 때문에 모든 맥락을 디자이너가 완벽히 따라가기는 어렵습니다.

개인적으로는 이 지점이 ‘언어의 차이’에서 시작된다고 생각합니다.

결국 디자이너는 마지막 단계에서,복잡한 요구사항들을 사용자의 경험으로 번역해야 하는 사람이 되는 것이죠.

이 과정에서 AI는 꽤 유용한 파트너가 되기 시작했습니다.

예를 들어 사업에서 단순히 목표 숫자만 전달되거나,기획에서 핵심 맥락 없이 기능 요건만 전달되는 경우,디자이너 입장에서는 어디서부터 문제를 정리해야 할지 막막해질 때가 있습니다.

과거에는 이 과정 자체가 개인 역량과 경험에 크게 의존했다면,지금은 다양한 AI 도구를 통해 문제 자체를 구조화하고 이해하는 작업을 훨씬 빠르게 시도해볼 수 있게 되었습니다.

결국 AI는 디자이너의 ‘생각’을 대신해주는 도구라기보다, 복잡한 문제를 더 빠르게 구조화하도록 도와주는 파트너에 가까워지고 있습니다.

1-1) 문제 정의를 돕는 Skill들

이미 아시는 분들도 많겠지만, Gstack이라는 클로드코드 skill이 있습니다. 유명 벤처캐피탈인 Y Combinator의 Garry Tan이 공개한 스킬 기반 워크플로우입니다.

스타트업 투자 과정에서 VC들이 실제로 검토하는 질문들이 자연스럽게 녹아있는데,특히 아래와 같은 질문들을 굉장히 집요하게 던집니다.

흥미로운 점은,이 과정이 단순히 서비스 기획뿐 아니라 디자이너의 문제 정의 과정에도 굉장히 유용하다는 점입니다. Gstack에는 /officehours와 같이 기획을 탄탄히 해주거나 /plan-ceo-review같이 비즈니스 관점까지 확인받는 스킬들이 존재합니다.

예를 들어 아래와 같은 흐름으로 사용할 수 있습니다.

단순히 아이디어를 확장하는 것이 아니라, ‘정말 해결해야 하는 문제인가?’를 계속 질문하게 만드는 구조입니다.

Superpowers 역시 비슷한 방향성을 가지고 있습니다. 다만 조금 더 심리학 기반의 접근이 들어가 있다는 점이 흥미롭습니다. 설득의 심리학 원칙들을 기반으로, 사용자 행동과 의사결정 흐름을 질문 형태로 계속 파고들기 때문입니다.

아래의 서브 스킬들을 활용할 수가 있습니다.

여기서 . /brainstorming 스킬은 기획 초기 단계에서 굉장히 유용하게 사용할 수 있습니다. 

이 외에도 ouroboros 라는 스킬 역시 있다고 합니다. 아직 제대로 사용은 해보지 않았지만, 이 스킬 역시 어떤 문제를 왜 해결해야 하는지에 대한 앞단의 기획의 영역에서 도움을 주는 스킬입니다. 궁금하신 분들은 여기 Github에서 확인해보실 수 있습니다. 

AI 시대에는 직군 간 경계가 점점 흐려지고 있습니다. 그리고 디자이너 역시 더 이상 '정리된 PRD'만 전달받아 화면을 만드는 역할’에 머물기 어려워졌습니다. 

오히려 문제 자체를 정의하고,구조화하고,질문을 던지는 능력이 더 중요해지고 있습니다.
그리고 AI는 바로 이 영역에서,생각보다 강력한 보조 도구가 되어가고 있습니다.

2. 해결안 도출의 영역

Double Diamond 내 Solution 정의 영역

문제가 어느 정도 명확해지면, 그 다음부터는 디자이너의 본격적인 영역이 시작됩니다.

바로 ‘이 문제를 어떤 경험으로 해결할 것인가’를 고민하는 단계입니다.

디자이너들은 보통 아래와 같은 질문들을 하기 시작합니다.

즉,문제를 화면으로 바꾸는 것이 아니라, 문제를 경험으로 변환하는 과정을 거치게 됩니다.

예를 들어 문제 정의는 보통 아래처럼 끝납니다.

“사용자는 해외 혜택을 인지하지 못한다.”

“기존회원은 기능을 몰라 재방문하지 않는다.”

“혜택 비교 과정에서 피로도가 높다.”

하지만 이것만으로는 실제 UI가 나오지는 않습니다. 그래서 디자이너는 이를 해결을 위한 디자인으로 다시 변환하게 됩니다.

여기서 중요한 건,단순히 아이디어를 많이 내는 것이 아니라‘해결 가설’을 만드는 것입니다.

그리고 결국 디자이너들은, 무엇을 '추가'할 것인가 보다 무엇을 '제거'할 것인가를 고민하게 됩니다.

2-1) 동선 설계를 돕는 chatGPT x Figma

최근에는 ChatGPT 안에서도 다양한 외부 서비스를 직접 연동해서 사용할 수 있게 되었습니다. (Apps in chatGPT)

Spotify, Canva, Booking.com 같은 서비스뿐 아니라,Figma 역시 자연스럽게 연결되어 있습니다.

예를 들어 아래처럼 chatGPT에 이야기해볼 수 있습니다.

chatGPT내 figma app 호출

그러면 chatGPT가 자연스럽게 Figma를 호출해 FigJam 기반의 Flowchart 초안까지 함께 만들어 줍니다.

figma app이 만든 flowchart

물론 아직 완벽하지는 않습니다. 하지만 구조화된 요건만 잘 전달된다면,생각보다 꽤 쓸만한 수준의 플로우차트 설계를 빠르게 얻을 수 있습니다.

2-2) Wireframe을 위한 Figma First Draft

시각화 단계에서도 AI 도움은 점점 강해지고 있습니다.

특히 Figma First Draft는,간단한 프롬프트만으로도 모바일 화면 초안을 빠르게 생성해줍니다.

다만 중요한 건,‘얼마나 구체적으로 요청하느냐’에 따라 결과 품질 차이가 굉장히 크다는 점입니다.

예를 들어 아래 두 프롬프트를 비교해보면 차이가 꽤 큽니다.

✅ 단순 프롬프트:

✅ 구체적 프롬프트:

각각의 결과는 아래와 같습니다. (왼쪽이 단순 Prompt, 오른쪽이 구체적 Prompt 사례)

Figma First Draft (좌: 단순 prompt, 우: 구체적 prompt)

구체적으로 내용을 정리하면 그래도 쓸만한 결과를 뱉어줍니다.

하지만 해당 기능은 얼마전 공개한, 이제 곧 Figma Agent에 자리를 내줄 것 듯 해요.

이유는 현재 Figma Draft는 대화형으로 티키타카하며 결과물을 다듬어가는 버전이 아니라, 1+1=2와 같이 정해진 규칙에 맞는 결과물만을 보여주는 수준이기 때문입니다. 하지만 이번에 Figma가 공개한 Figma Agent는 (early access를 등록하여 미리 활용해보실 수 있습니다) 지금의 Figma Draft의 답답함을 금새 날려버릴 것으로 보여집니다.

Figma Agent

Figma Agent의 기능들은 크게 다음과 같습니다.

특히 흥미로운 건,AI가 단순 생성 도구를 넘어 디자인 피드백을 주는 ‘디자인 리뷰어’ 역할까지 하기 시작했다는 점입니다.

2-3) Figma의 이미지 생성도구, Make an Image

예전에는 그래픽 디자인을 위해 Pinterest, Behance, Dribbble 등에서 레퍼런스를 찾고,Shutterstock 같은 스톡 사이트에서 이미지를 구매한 뒤,포토샵으로 합성하고 수정하는 과정이 일반적이었습니다.

하지만 지금은,피그마 안에서 바로 AI 이미지 생성이 가능합니다.

예를 들어 아래처럼 간단한 프롬프트만 입력해도 됩니다.

Figma > make an image

[Make it] 버튼을 눌러 이미지를 생성해봅니다.

Figma > make an image

이후 AI를 활용한 다양한 기능들을 활용해서 지금 디자인 중인 서비스에 맞게 이미지들을 편집해서 활용해볼 수 있습니다. (아래는 Expand 기능을 활용해 좌/우 영역의 이미지를 생성) 

Figma > make an image

✅ 예전의 작업 방식은,

✅ 지금은

으로 많이 바뀌고 있는 것이죠.

흥미로운 건,오히려 요즘에는 “레퍼런스를 잘 보는 사람”의 가치가 다시 커지고 있다는 점입니다.

AI가 이미지를 만들어줄 수는 있지만,

같은 판단은,여전히 디자이너의 감각이 결정하기 때문입니다.

그럼 실제 실무 속도는 빨라졌을까?

지금까지 문제 정의와 해결안 도출 과정에서,AI가 어떻게 활용되고 있는지를 살펴보았습니다.

정리하면,

그렇다면 정말로,실무 속도는 이전보다 빨라졌을까? 라는 초기 질문으로 돌아와보겠습니다. 

솔직히 이야기하면, 체감 속도는 기대만큼 폭발적이지 않습니다. 

분명 빨라진 영역은 존재합니다. 하지만 동시에, 새로운 종류의 업무들이 생겨나고 생각하지 못했던 변수들이 등징하고 있기 때문입니다.

 1. 초안 생성 속도 ≠ 최종 결과물 속도

AI는 초안을 정말 빠르게 만듭니다. 하지만 실제 서비스 수준으로 다듬기 위해서는, 검수와 정합성 확인, 브랜드 일관성 체크, 세부 수정 등의 시간이 여전히 많이 필요합니다.

특히나 이미지의 특정 영역을 수정할 때는 prompt로 구체적으로 한땀한땀 글짓기하는 것 보다 포토샵으로 빠르게 수정하는 것이 더 빠를때도 있습니다.

2. 일관성 문제가 여전히 크다

구조화된 프롬프트들을 통해 와이어프레임을 뽑기도 하고, 디자인 최종 시안에 버금가는 결과물을 얻을 수도 있습니다. 하지만 AI를 통해 만들어진 디자인은 동일한 프롬프트를 넣더라도 실행할 때마다 다른 결과물을 보여주는 크리티컬한 문제를 가지고 있습니다. 이래서는 AI를 활용한 최종 결과는 일관성을 지키지 못한 잘 만들어진 컨셉안 정도로 밖에 활용은 못할 것입니다. 최근 디자인 시스템 기반으로 일관성 있는 디자인을 뽑기 위한 다양한 시도들이 주목을 받는 것은 이 이유 때문입니다.

3. 조직이 AI를 흡수하는 데 시간이 걸린다

새로운 도구가 등장할 때마다,조직은 항상 적응 시간을 필요로 했습니다.
포토샵에서 Sketch로,Sketch에서 Figma로 넘어갈 때도 마찬가지였습니다.

그런데 지금은 단순 도구 변화 수준이 아닙니다. IT 생태계 전체가 AI 중심으로 재편되고 있는 상황에 가깝습니다. 디자인 도구들은 살아남기 위해 AI 기능을 빠르게 붙이고 있고, LLM 플랫폼들은 매주 새로운 모델과 기능들을 발표하고 있습니다.

조직 내부에서는 교육과 스터디도 진행하지만, 솔직히 그 변화 속도를 따라가는 것만으로도 큰 에너지가 들어갑니다. 게다가 금융권처럼 망분리와 정보보안 제약이 존재하는 환경에서는,외부 AI 도구를 실무에 연결하는 데 현실적인 한계도 존재합니다.

1900년대 초반, 세탁기의 등장은 분명 가사 노동 시간을 줄여줬지만, 바로 사람들의 삶에 여유가 생긴 것은 아니었다고 합니다. 오히려 청결 기준이 높아지고 더 자주, 더 완벽하게 빨래를 해야 한다는 기대가 생기며 새로운 노동 기준이 만들어졌기 때문입니다.

AI 역시 비슷합니다. 이미지 초안 제작 속도는 분명 빨라졌지만, 실제 업무에서는 일관성 있는 결과물 관리, 세부 수정/보완, 협업 프로세스 반영, 신규 도구에 대한 학습 등 또 다른 과제가 생겨납니다. 결국 AI가 생산성을 높여주는 것은 맞지만, 그것이 곧바로 ‘여유 시간 증가’로 이어지지는 않으며, 실제 조직과 업무에 자연스럽게 녹아들기까지는 꽤 긴 적응과 운영의 시간이 필요한 상황이 되었습니다.

다만 중요한 것은, 이러한 변화의 방향 자체는 이미 거스를 수 없는 흐름이라는 점입니다.
과거 세탁기가 결국 생활의 기본 인프라가 되었듯, AI 역시 앞으로의 업무 환경에서 자연스러운 기본 도구가 될 것입니다. 지금은 단순히 속도를 경험하는 단계가 아니라, AI를 실제 업무 구조와 프로세스 안에 어떻게 연결하고 운영할 것인지에 대한 준비와 적용을 빠르게 실행해보고 시행착오를 통해 각 조직에 맞는 방법들을 찾아내야 하는 시점이 되었습니다. 

☝️one more thing.  

최근 Gstack Skill을 사용해보면서,
조금이라도 빠른 디자이너분들의 퇴근을 기원하며. 🙏 
🎁 간단한 Wireframe 생성기를 하나 만들어보았습니다. 

서비스를 만들 때 꼭 한 번쯤 점검해보면 좋은 핵심 항목 12가지를 기반으로 아이디어를 검토하는 모드,이미 작성된 PRD를 바탕으로 화면 구조를 구체화하는 모드,그리고 한 줄 아이디어만으로 빠르게 초안을 생성하는 모드로 구성해보았어요. 디자인 시안을 만들어주는 도구라기 보다는, 디자인 전에 생각을 조금 더 빠르게 형태로 옮겨보는 용도에 가까운 도구입니다. 

1회 무료로 사용해보실 수 있고, 이후에는 OpenAI, Anthropic, Gemini 중 하나의 API Key를 입력해 계속 활용하실 수 있습니다. 혹시 새로운 서비스나 기능 아이디어를 고민하고 계셨다면, 가볍게 한 번 사용해보셔도 좋겠습니다. (1회 무료이용이 개인토큰이라 해당 충전금액이 모두 소진되면 사용이 어려울 수 있습니다. 이 때는 개인키로 테스트해봐주세요. 😇)

📋 https://gstackwireframe.vercel.app/

📋 Rererence

Gstack

Superpowers

Figma Agent / Apps in chatGPT

📮 다음 호 예고

[18호] 기획서 작성에 하루 쓰는 PM, AI에게 10분 맡겨봤습니다

다음 호는 PM의 가장 익숙한 업무 중 하나인 “기획서 작성” 이야기를 해보려 합니다. AI에게 PRD 작성을 맡기면 정말 업무 속도는 빨라질까요? 아니면 그럴듯한 초안만 만들어지고, 결국 다시 PM이 전부 고쳐야 하는 걸까요?

문제 정의부터 요구사항 정리, 정책/예외 케이스 작성, 그리고 실제 업무에 활용할 수 있는 PRD 초안 만들기까지. 요즘 PM들은 ChatGPT, Claude, Gemini 같은 도구들을 어떻게 활용할 수 있는지, 또 우리 회사의 업무 방식과 맥락에 맞는 기획서를 만들기 위해서는 어떤 정보를 AI에게 입력해야 하는지 함께 이야기해보려 합니다.

✉️ 다음 호가 궁금하신 분들은 아래 [구독하기] 버튼을 눌러주세요.