AI 제작 시대에 "디자인 시스템"이 더 중요해진 이유

제작 속도가 빨라질수록 팀의 기준은 더 명확해야 합니다.

| 조회 172 |
0
|
첨부 이미지

 

많아진 결과물, 흔들리는 일관성

AI를 쓰면 결과물은 확실히 빨리 나옵니다. 화면 초안, 랜딩페이지 문구, 기능 설명, 발표자료, 고객에게 보낼 제안 문장까지 예전보다 훨씬 짧은 시간 안에 만들 수 있습니다. 작은 팀에게 이 속도는 분명한 장점입니다. 기다리는 시간이 줄고, 여러 방향을 빠르게 비교할 수 있기 때문입니다.

하지만 결과물이 많아질수록 다른 문제가 생깁니다. 화면마다 밀도가 다르고, 버튼이나 카드의 모양이 조금씩 달라지고, 문서마다 말투와 정보 위계가 흔들립니다. 한 장씩 보면 크게 나쁘지 않은데, 모아 놓고 보면 같은 팀이 만든 것처럼 보이지 않는 순간이 생깁니다.

처음에는 프롬프트를 더 잘 쓰면 해결될 것처럼 보입니다. 조금 더 구체적으로 지시하고, 원하는 톤을 설명하고, 참고 이미지를 붙이면 결과가 나아지는 경우도 있습니다. 하지만 반복해서 쓰다 보면 더 근본적인 문제가 드러납니다. AI가 참고할 기준이 없다면, 결과물은 매번 새롭게 만들어질 뿐 같은 방향으로 쌓이지 않습니다.

이때 필요한 것은 더 좋은 프롬프트 하나가 아닙니다. 결과물이 따라야 할 기준입니다. AI가 빠르게 만들수록, 팀은 “무엇을 기준으로 좋은 결과라고 판단할 것인가”를 더 분명히 가져야 합니다.

 

디자인 시스템과 연결된 제작 루프

이미지 출처: Figma Blog, “

Decagon의 Figma 라이브러리 - 수백 개의 컴포넌트

”
이미지 출처: Figma Blog, “ Decagon의 Figma 라이브러리 - 수백 개의 컴포넌트 ”

Figma Blog는 AI-native 고객 경험 플랫폼 Decagon의 디자인 시스템 구축 사례를 소개했습니다. Decagon은 빠르게 제품을 만들고 고객 요구에 대응하기 위해 Deco라는 디자인 시스템을 만들었고, Figma MCP와 Figma Make를 활용해 디자인 시스템, 코드, 캔버스를 하나의 제작 루프로 연결했습니다.

이 사례에서 중요한 지점은 AI를 디자인 작업의 바깥에 둔 것이 아니라는 점입니다. AI가 빈 화면에서 마음대로 결과물을 만드는 구조가 아니라, 이미 정의된 컴포넌트와 맥락을 읽고 초안을 만들 수 있도록 제작 환경 안에 들어가 있습니다.

같은 AI라도 기준을 모를 때와 기준을 알고 움직일 때의 결과는 달라집니다. 기준이 없으면 AI는 그럴듯한 변형을 계속 만들어냅니다. 반대로 디자인 시스템이 있으면 AI는 팀이 이미 합의한 색상, 타이포그래피, 컴포넌트, 화면 구조 안에서 결과물을 제안할 수 있습니다.

Decagon 사례가 흥미로운 이유는 여기에 있습니다. 디자인 시스템이 단순한 스타일 가이드가 아니라, 디자이너와 엔지니어, AI가 함께 참고하는 제작 기준으로 작동하고 있습니다.

 

디자이너만의 도구가 아닌 기준

   이미지: SkillNau Editorial Illustration (AI Generated)
   이미지: SkillNau Editorial Illustration (AI Generated)

예전의 디자인 시스템은 디자이너와 개발자가 같은 화면을 만들기 위한 협업 도구에 가까웠습니다. 버튼, 폼, 카드, 색상, 타이포그래피를 정리해두면 제품이 일관되게 만들어지고, 팀이 같은 언어로 이야기할 수 있었습니다.

이 역할은 여전히 중요합니다. 다만 AI가 제작 과정에 들어오면서 디자인 시스템의 의미가 조금 달라지고 있습니다. 이제 디자인 시스템은 사람만 참고하는 문서가 아니라, AI가 결과물을 만들 때 따라야 할 기준이 됩니다.

AI가 좋은 결과를 만들려면 무엇을 따라야 하는지 알아야 합니다. 색상은 어디까지 써도 되는지, 타이포그래피는 어떤 크기와 굵기를 기본으로 삼는지, 카드 안 정보 위계는 어떻게 잡는지, 버튼은 어떤 상태를 가져야 하는지, 화면마다 여백과 밀도는 어느 정도가 적절한지 정리되어 있어야 합니다.

디자인 시스템은 예쁜 UI 키트가 아닙니다. 반복되는 판단을 줄이는 장치입니다. 팀이 매번 새로 결정하지 않아도 되도록, 자주 쓰는 구조와 금지할 방식, 좋은 예시와 나쁜 예시를 쌓아두는 일에 가깝습니다.

AI가 여러 초안을 동시에 만들기 시작하면 이 기준은 더 중요해집니다. 사람이 하나씩 만들 때는 디자이너의 감각이 마지막 균형을 잡아줄 수 있습니다. 하지만 생성되는 결과물이 많아질수록 모든 것을 감각으로만 맞추기는 어렵습니다. 기준이 없으면 속도는 빨라지지만 일관성은 더 빨리 무너집니다.

 

작은 팀에 더 필요한 기준

  이미지: SkillNau Editorial Illustration (AI Generated)  
  이미지: SkillNau Editorial Illustration (AI Generated)  

디자인 시스템이라고 하면 많은 사람이 큰 조직의 이야기라고 생각합니다. 수십 명의 디자이너와 개발자가 함께 쓰는 컴포넌트 라이브러리, 복잡한 토큰 구조, 잘 정리된 문서 페이지를 떠올리기 쉽습니다.

하지만 작은 팀에도 기준은 필요합니다. 오히려 사람이 적을수록 더 필요할 때가 많습니다. 한 사람이 기획서도 만들고, 랜딩페이지도 고치고, 고객 제안서도 쓰고, 발표자료도 준비해야 하기 때문입니다. 결과물이 나오는 채널은 여러 개인데, 그것을 하나의 브랜드처럼 보이게 만드는 기준이 없으면 매번 처음부터 다시 판단해야 합니다.

처음부터 완성된 시스템을 만들 필요는 없습니다. 자주 만드는 결과물부터 시작하면 됩니다. 랜딩페이지라면 섹션의 순서, 버튼 문구, 고객 문제를 설명하는 방식이 기준이 될 수 있습니다. 발표자료라면 표지, 문제정의, 솔루션, 시장, 로드맵, 팀 소개처럼 반복되는 장표 역할이 기준이 됩니다. 제안서라면 고객이 내부에서 설명할 수 있는 문장 구조와 근거 제시 방식이 중요합니다.

이렇게 기준이 생기면 AI는 더 쓸모 있는 초안을 만들 수 있습니다. “예쁘게 만들어줘”가 아니라 “이 구조와 톤을 기준으로 만들어줘”라고 말할 수 있기 때문입니다. 결과적으로 사람은 모든 문장을 다시 고치는 대신, 기준에 맞는지 확인하는 데 더 많은 시간을 쓸 수 있습니다.

작은 팀에게 디자인 시스템은 거창한 문서가 아니라 반복되는 일을 덜 흔들리게 만드는 방법입니다. 자주 쓰는 색상, 제목 크기, 문장 톤, 카드 구조, 표 구성, 강조 방식만 정리해도 결과물의 편차는 줄어듭니다. AI를 쓰는 팀이라면 이 작은 기준들이 더 큰 차이를 만듭니다.

 

더 명확해야 할 팀의 기준

AI가 만든 결과물은 처음에는 놀랍습니다. 빠르고, 다양하고, 생각보다 자연스럽습니다. 하지만 실제 업무에 넣어보면 곧 다른 질문이 따라옵니다. 이 결과물이 우리 브랜드와 맞는가. 고객이 봤을 때 같은 회사의 자료처럼 느껴지는가. 다음에 다시 만들 때도 같은 품질을 낼 수 있는가.

좋은 결과물은 한 번의 감각으로만 만들어지지 않습니다. 반복 가능한 기준 위에서 쌓입니다. 팀이 어떤 표현을 쓰고, 어떤 색을 피하고, 어떤 레이아웃을 자주 쓰고, 어떤 정보는 반드시 앞에 둬야 하는지 정리할수록 결과물은 안정됩니다.

SkillNau가 이 사례에서 주목한 부분도 여기에 있습니다. AI가 결과물을 더 많이 만들어줄수록, 팀은 더 적게 고치는 방법이 아니라 더 명확하게 판단하는 기준을 가져야 합니다. 좋은 결과는 더 많은 생성이 아니라, 반복해서 적용할 수 있는 기준에서 나옵니다.

AI가 더 빨리 만들수록 사람의 역할은 줄어드는 것이 아니라 달라집니다. 직접 만드는 시간은 줄어들 수 있지만, 기준을 세우고 좋은 예시를 고르고 마지막 품질을 판단하는 일은 더 중요해집니다.

 

이번 주에 하나의 기준부터 정해보세요

□ 반복해서 만드는 결과물의 기본 구조가 정리되어 있는가.

□ 색상, 타이포그래피, 버튼, 카드, 표의 기준이 있는가.

□ 좋은 예시와 피해야 할 예시가 함께 쌓이고 있는가.

□ AI가 참고할 수 있는 기존 자료나 컴포넌트가 있는가.

□ 결과물이 많아져도 브랜드 톤이 흔들리지 않는가.

□ 사람이 마지막에 확인해야 할 기준이 문서화되어 있는가.

처음부터 완성된 디자인 시스템을 만들 필요는 없습니다.

랜딩페이지든 제안서든 발표자료든 반복해서 만드는 형식 하나를 고르고, 구조와 톤, 피해야 할 표현을 적어두는 것만으로도 충분합니다.


AI로 더 많이 만드는 것보다 중요한 것은, 결과물이 따라야 할 기준을 먼저 정하는 것이 중요합니다.

SkillNau | AI Creates. Humans Elevate.


원문 보기

출처: Figma Blog

제목: How Decagon uses AI for design system saturation

작성자: Jenny Xie

발행일: 2026-07-11

원문: https://www.figma.com/blog/how-decagon-uses-ai-for-design-system-saturation/

※ 본 뉴스레터는 원문 내용을 기반으로 SkillNau 관점에서 재구성했습니다.

이미지 출처: Figma Blog
이미지 출처: Figma Blog

 

다가올 뉴스레터가 궁금하신가요?

지금 구독해서 새로운 레터를 받아보세요

✉️

이번 뉴스레터 어떠셨나요?

스킬나우 레터 님에게 ☕️ 커피와 ✉️ 쪽지를 보내보세요!

댓글

의견을 남겨주세요

확인
의견이 있으신가요? 제일 먼저 댓글을 달아보세요 !

다른 뉴스레터

이웃 뉴스레터 Beta

비슷한 이야기를 하는 다른 뉴스레터의 글이에요.

© 2026 스킬나우 레터

AI 시대에 성장하는 디자인과 비즈니스 이야기를 전합니다.

메일리 로고

도움말 오류 및 기능 관련 제보

서비스 이용 문의admin@team.maily.so 채팅으로 문의하기

메일리 사업자 정보

메일리 (대표자: 이한결) | 대표번호: 070-8027-1409 | 사업자번호: 717-47-00705 | 서울특별시 송파구 위례광장로 199, 5층 501-2-31호

이용약관 | 개인정보처리방침 | 정기결제 이용약관 | 라이선스