🎨 산업 디자인의 새로운 흐름을 설계하는, 픽스 지예나 디자이너

🧑‍🍳 오늘의 메이커 : 산업 디자인의 새로운 흐름을 설계하고 있는 픽스 지예나 프로덕트 디자이너

오늘 함께할 메이커는 제품 디자인에 특화된 AI 서비스 픽스를 만들고 있는 프로덕트 디자이너 지예나님과 AI 관련 기능들을 초기부터 함께 구축한 AI 엔지니어 김황님입니다.

지예나님은 단순히 결과물로서의 이미지 생성이 아닌, 산업 디자이너들의 실무 과정을 깊이 관찰하며 디자인 과정 전체의 비효율을 AI로 해결하고자 했는데요. 오늘 인터뷰에서는 기존 AI 이미지 생성 도구들이 해결하지 못했던 산업 디자이너의 페인포인트, 픽스만의 차별화된 접근 방식, 그리고 AI 시대에 디자이너의 역할은 어떻게 달라질 것인지에 대한 이야기를 들어보고자 합니다.

지예나님 링크드인 주소 : https://www.linkedin.com/in/yena4146/

레시피 하나, 제품의 시작

Q. 일하는 방식에 대한 이야기를 나누기 전, 픽스의 시작에 대해 이야기 나눠볼까요?

픽스의 홈 화면 모습

(지예나님) 픽스는 AI 기반 제품 디자인 워크플로우 플랫폼인데요. 아이디어부터 시안 제작까지, 디자인 전체 과정을 자동화하는 것을 목표로 하고있어요.

기존 시장의 디자이너들을 위한 AI 이미지 생성 도구들(Midjourney, DALL-E 등)은 ‘이미지를 잘 만드는 것’에 집중하고 있었어요. 그런데 실제 현장을 들여다보면, 문제는 단순히 이미지 생성에만 있지 않더라고요.

산업 디자인은 속도, 정밀도, 완성도를 동시에 만족시켜야 해요. 그런데 초기 시안 제작에만 2주가 걸리기도 하고, 짧은 시간 안에 5~10개 이상의 시안을 요구받는 경우도 많죠. 여기에 클라이언트 피드백은 ‘뚜껑만 동그랗게 해주세요’처럼 부분 수정이 대부분인데, 기존 AI 도구로는 이런 수정이 들어가면 전체 스타일이 함께 바뀌는 문제가 있었어요. 또 GPT → Midjourney → Photoshop처럼 여러 툴을 계속 오가야 하는 비효율이 크다고 생각했어요.

그래서 처음에는 이런 문제를 해결하기 위해 아트보드 중심의 이미지 생성·편집 도구를 만들었어요. 그런데 사용자들과 소통하면서 더 근본적인 문제를 발견하게 됐습니다.

산업 디자이너의 실제 업무는 단순한 이미지 생성이 아니라, 리서치 → 디자인 전략 → 시안 생성 → 수정 → 클라이언트 설득으로 이어지는 하나의 흐름이에요. 하지만 이 전체 사이클이 단절되어 있고, 그 과정에서 비효율이 발생하고 있었죠.

이 문제를 해결하기 위해 얼마 전 ‘플로우보드’ 기능을 배포했어요. 단순한 이미지 생성 도구를 넘어, 리서치부터 디자인 매핑 전략, 시안 생성과 편집까지 하나의 흐름으로 연결하는 플랫폼으로 확장하게 된 거예요.

Q. 픽스는 특히 자체 모델을 직접 만든 것도 인상적이에요. 자체 GPU 보유가 실제 사용자 경험에서 어떤 차이를 만드나요?

(김황님) 자체 모델을 도입할 때 중요한 건, 단순히 인프라 비용을 아끼는 것보다 사용자 경험을 우리가 직접 설계하고 실험할 수 있다는 점이라고 생각해요.

픽스의 제품 디자인 워크플로우에서는 사용자가 한 번 결과를 생성하고 끝나는 게 아니라, 초안을 만든 이후 부분 수정도 하고, 스타일을 유지한 채 여러 방향으로 계속 탐색하게 됩니다. 이런 경험은 결국 추론 지연 시간과 시스템 안정성에 크게 영향을 받게 되고요.

에디터 : 그렇다면 사용자 경험을 직접 설계할 수 있다는 부분의 가장 큰 장점은 무엇인가요?

앞서 말씀드린 것 처럼 사용자가 최초 생성하고 여러 방향으로 탐색하는 이 지점을 직접 통제하고 다양한 실험을 할 수 있다는 점이죠. 아직은 소규모 환경에서 제한적으로 운영하고 있지만, 그 과정에서 쌓이는 경험 자체가 중요하다고 보고 있습니다. 이런 경험이 축적되면, 이후 인프라를 확장했을 때 디자이너에게 훨씬 더 최적화된 경험을 제공할 수 있다고 생각해요.

아무래도 외부 인프라에 의존하게 되면 모델 구조, 배치 전략, 응답 속도, 피크 시간대 안정성, 기능별 우선순위 등을 제품 관점에서 세밀하게 최적화하기 어렵더라고요. 반면 자체 GPU 환경에서는 어떤 요청은 더 빠르게, 어떤 요청은 더 높은 품질로, 어떤 기능은 더 안정적으로 처리할지 직접 설계하고 조정할 수 있어요.

결국 사용자 입장에서는 첫 결과가 더 빠르게 나오고, 반복 수정 과정에서의 대기 스트레스가 줄어들고, 비슷한 스타일을 유지한 채 연속적으로 탐색하기 쉬워지는 경험으로 이어질 수 있어요. 정리하면, 가장 큰 차이는 디자이너가 초안 생성부터 수정, 반복 탐색까지의 흐름이 끊기지 않는다고 체감하게 되는 점이라고 생각합니다.

Q. 다시 제품 방향성으로 돌아가서, 픽스를 '제품/산업 디자인 특화'로 포지셔닝하셨던 과정과 그 이유도 궁금해요.

(지예나님) 제품·산업 디자인은 AI 이미지 생성에서 ‘정확도’가 가장 중요한 영역이에요. 설계도, 소재, 마감, 컬러 같은 구조적 요소가 정확하게 반영되어야 하고, 스케치를 시안으로 변환할 때도 형태가 조금이라도 왜곡되면 안 됩니다. 부분 수정이 들어가더라도 전체 디자인의 일관성이 유지되는 것 역시 매우 중요하고요.

또한 제품 디자인은 단순히 이미지를 만드는 것으로 끝나지 않아요. 카테고리별 설계 기준을 반영하고, 재질·공법·치수 제약을 검토하며, 규제·인증 리스크를 사전에 점검해야 해요. 나아가 목업 사양서 작성과 샘플 제작까지 이어지면서, 결국 상품화로 연결되는 하나의 비즈니스 과정이라고 볼 수 있어요.

이처럼 제품 디자인은 그래픽이나 UX와는 전혀 다른 흐름과 기준을 가지고 있어요. 그래서 픽스는 가장 까다롭지만 그만큼 미충족 니즈가 크고, 산업적으로도 확장 가능성이 높은 제품·산업 디자인 영역에 집중하는 전략을 선택했어요.

에디터 : 그 중에서도 타겟군이 디자인 에이전시와 프리랜서가 1차 타겟이었어요. 일반적인 인하우스 디자이너들과는 어떤 니즈 차이가 있다고 보시나요?

디자인 에이전시와 프리랜서는 다양한 클라이언트의 프로젝트를 빠르게 처리해야 하기 때문에, 무엇보다 속도와 효율성이 중요해요. 매번 새로운 제품군을 다루는 경우가 많아 초기 리서치와 방향 설정에 드는 부담이 큰데, 이 과정에서 플로우보드의 리서치 자동화와 프롬프트 자동 제안 기능이 특히 유용하게 작용할 수 있고요.

반면 인하우스 팀은 조금 다른 니즈를 가지고 있는데요. 자사 브랜드의 일관성을 유지하는 것, 디자인 자산을 축적하고 재활용하는 것, 그리고 기획부터 실제 상품화까지 이어지는 흐름이 더 중요해요. 동일 브랜드 안에서 시즌별, 라인업별 디자인 언어를 유지해야 하고, 과거 프로젝트나 디자인 히스토리를 참고하며 작업하는 경우도 많기 때문이죠.

Q. 이렇게 차이가 있는 인하우스 타켓으로도 에이전트 기능에 대한 PoC도 고려 중이시라고요?

네 맞아요(웃음). 서로 다른 니즈를 가진 타겟군이지만, 인하우스 PoC는 두 가지 방향으로 접근할 수 있다고 보고 있어요.

하나는 내부 상품 기획 실무에 픽스를 직접 적용해 리서치 → 디자인 전략 → 시안 생성 → 편집 → 피드백까지의 전체 워크플로우를 하나로 연결하는 것이고, 다른 하나는 기업의 브랜드 가이드와 디자인 히스토리를 전용 에이전트에 학습시켜, 해당 기업에 최적화된 결과를 제공하는 방식입니다.

시간이 지날수록 내부 데이터가 쌓이게 되면, 에이전트 역시 점점 더 고도화되고 기업에 맞는 판단을 할 수 있게 될텐데요. 결국 단순한 도구를 넘어, 기업의 디자인 자산을 학습하고 축적하는 ‘맞춤형 디자인 파트너’로 발전하게 될 것이라고 판단하고 있어요.

Q. 픽스만의 경쟁사 대비 핵심 차별점은 무엇인가요?

우선 경쟁사는 크게 두 축으로 보고 있어요. 하나는 나노바나나, GPT 이미지 생성처럼 산업 디자이너들도 실무에서 활용하는 범용 AI 이미지 생성 서비스이고, 다른 하나는 비즈컴(Vizcom)처럼 제품 디자인에 특화된 이미지 생성 서비스에요.

이들과 비교했을 때 픽스의 핵심 차별점은 크게 세 가지라고 생각해요.

첫째, 스케치 원본을 살리는 정밀한 생성이에요. 범용 AI에 스케치를 입력하면 형태가 왜곡되는 경우가 많은데, 픽스는 디자이너가 그린 스케치의 형태를 그대로 유지한 채 시안으로 변환해주죠. 또한 부분 수정이 들어가더라도 전체 스타일이 깨지지 않고 일관성이 유지된다는 점도 중요한 차별점이고요.

둘째, 이미지 생성 이전 단계까지 포함하는 구조입니다. 비즈컴과 같은 도메인 특화 서비스도 스케치를 시안으로 변환하는 기능은 제공하지만, 그 이전 단계인 리서치와 디자인 전략 수립까지는 다루지 않아요. 반면 픽스는 리서치 → 디자인 전략 → 이미지 생성 → 수정까지 산업 디자이너의 전반적인 워크플로우를 하나의 흐름으로 연결하고 있어요. 단순히 결과물을 만드는 것이 아니라, 과정 자체를 구조적으로 관리할 수 있다는 점이 핵심이죠.

셋째, 결과물과 함께 ‘근거’가 함께 만들어지는 구조입니다. 범용 AI는 이미지 한 장을 생성하는 것으로 끝나는 경우가 많지만, 픽스는 리서치와 디자인 전략이 함께 기록되기 때문에 ‘왜 이 디자인인가’에 대한 설명이 자연스럽게 따라와요. 이 덕분에 클라이언트 설득이나 내부 커뮤니케이션까지 한 번에 해결할 수 있고 추후 워크플로우 단위의 기능을 확장하기에도 좋은 구조라고 생각해요.

레시피 둘, 픽스가 만들어가는 유저의 흐름

Q. 픽스는 플로우보드라는 새로운 개념이 기존의 '캔버스 방식' 익숙한 디자이너들에게 다소 생소할 수도 있을 것 같은데요.

플로우보드에서 리서치를 진행 후, 다음 단계를 안내하는 모습

플로우보드는 제품 정보를 바탕으로 픽스의 에이전트를 활용해 리서치부터 디자인 매핑 전략, 시안 생성과 편집까지 하나의 흐름으로 연결하는 공간이에요. 

가장 큰 장점은 전체 작업 흐름을 한눈에 확인할 수 있다는 점인데요. 리서치에서 어떤 인사이트가 도출됐고, 그것이 어떤 디자인 방향으로 이어졌는지, 그리고 최종 이미지가 어떻게 완성됐는지를 하나의 화면에서 확인할 수 있어요. 또 수정 과정이나 새로운 버전을 생성한 이력까지 함께 기록되기 때문에, 중간에 방향이 바뀌더라도 전체 맥락을 놓치지 않고 작업을 이어갈 수 있어요.

이 과정에서 노드 형태의 구조를 차용했지만, 사용자가 직접 노드를 선택하거나 조작해야 하는 방식은 아니에요. 일반적인 노드 기반 인터페이스는 사용자가 기능을 직접 선택하고 흐름을 구성해야 하기 때문에 부담이 생기고, 학습 비용도 높아질 수 있거든요.

그래서 플로우보드는 리서치 → 디자인 매핑 → 이미지 생성 → 수정까지의 흐름이 자연스럽게 이어지도록, 순차적으로 자동 진행되는 구조로 설계했어요. 사용자는 각 단계에서 결과를 확인하고 필요한 부분만 수정하면 되고, “다음에 무엇을 해야 할지”를 따로 고민하지 않아도 되는 것이 특징이에요.

에디터 : 그렇게 설계한 기능이 유저에게 기대한 반응과 달랐던 점도 있었나요?

네, 있었죠(웃음) 처음에는 아트보드를 중심으로 이미지 생성과 편집을 잘 해주는 도구에 집중했어요. 스케치를 넣으면 형태를 유지한 채 시안으로 변환해주고, 부분 수정도 일관성 있게 반영되는 것이 핵심이었어요.

그런데 실제 유저들과 소통하면서, 디자이너들이 어려워하는 지점이 단순히 이미지 생성 자체에만 있지 않다는 걸 알게 되었어요. 그보다 앞단계인 리서치, 전략 수립, 프롬프트 작성에서 이미 많은 시간과 에너지가 소모되고 있었고요. 이미지를 생성한 이후에도 ‘왜 이 디자인인가’를 설명하기 위한 별도의 자료를 다시 만들어야 하는 부담이 있었어요. 결국 이미지 생성은 전체 업무 흐름 중 하나의 단계일 뿐이었던 거죠.

이 문제를 풀기 위해 만든 것이 플로우보드입니다. 이미지를 잘 만들어주는 도구를 넘어서, 리서치부터 디자인 방향 수립, 이미지 생성, 수정까지 전체 과정을 하나의 흐름으로 연결하는 구조를 설계했어요.

결과적으로 픽스의 포지셔닝도 ‘이미지 생성 도구;에서 ‘제품 디자이너의 전체 업무를 관리하는 도구’로 확장되었고요. 흥미로운 점은 초기 가설과 실제 유저 반응 사이의 갭이 오히려 제품의 방향을 더 명확하게 만들어주는 경험이 있었어요.

Q. 그렇다면 플로우보드 내에서 초안 결과물 생성 이후부터 유저가 최종 결과물까지의 수정 과정은 어떻게 풀어가나요? 

플로우보드에서 리서치 - 매핑 - 프롬프트 생성 - 이미지 생성과 편집을 진행한 모습

리서치 → 디자인 매핑 → 이미지 생성 → 이미지 수정, 이렇게 네 단계의 섹션으로 구성되어 있어요. 모든 단계에서 AI가 먼저 결과를 제안하고, 유저가 이를 확인하고 수정한 뒤 다음 단계로 넘어가는 구조입니다. 완전히 자동화된 방식이 아니라, 각 단계마다 유저가 방향을 잡아가는 형태라고 보시면 돼요. 또한 각 단계에서는 에이전트를 활용해 세부 내용을 계속 보완하면서 진행할 수 있고요.

예를 들어 첫 번째 리서치 단계에서는 제품에 대한 간단한 설명만 입력해도, AI가 시장·사용자·소재·트렌드 등을 자동으로 분석해 패널 형태로 정리해주는데요. 유저는 이 패널을 하나씩 확인하면서 부족한 부분을 직접 수정하거나, 에이전트에게 추가 보완을 요청할 수 있어요. 리서치가 충분히 정리되면, 자연스럽게 다음 단계인 디자인 매핑으로 넘어가게 되고요.

디자인 매핑 단계에서는 리서치 결과를 형태·재질·톤 같은 디자인 언어로 변환해주는데요. 이 과정에서도 유저가 결과를 검토하고 방향을 조정할 수 있는데요. 이 매핑 결과가 이후 이미지 생성을 위한 프롬프트의 기반이 되기 때문에, 이 단계에서의 개입이 최종 결과물의 품질을 크게 좌우하게 돼요.

이미지 생성과 수정 단계 역시 동일한 구조를 따라요. 생성된 결과가 마음에 들지 않을 경우, 에이전트를 통해 프롬프트를 수정해 다시 생성할 수 있고, 특정 영역만 선택해 부분적으로 수정하는 것도 가능해요. 이 과정의 핵심은 모든 단계가 하나의 흐름 안에서 연결되고 기록된다는 점이에요. 리서치에서 어떤 인사이트가 나왔고, 그것이 어떻게 디자인 언어로 정리되어 최종 이미지로 이어졌는지를 자연스럽게 추적할 수 있어요.

에디터 : 앞선 질문과 관련해서 유저가 직접 개입하는 시점에 대해 데이터로 트랙킹하고 계신 부분이 있는지도 궁금해요.

플로우보드에서는 유저가 단순히 결과만 소비하는 것이 아니라, 각 단계에서 얼마나 개입하고 있는지가 핵심이기 때문에, 단계별 행동 데이터를 중심으로 보고 있어요. 예를 들어 리서치 결과를 그대로 다음 단계로 넘기는지, 아니면 에이전트를 통해 몇 번 정도 보완 요청을 하는지, 디자인 매핑 단계에서 수정이 얼마나 발생하는지 같은 흐름을 추적하는 방법이죠.

또 이미지 생성 단계에서는 한 번에 결과를 확정하는지, 프롬프트를 수정하면서 여러 번 재생성하는지, 그리고 생성된 이미지 이후에 부분 수정까지 이어지는 비율도 함께 보고 있어요. 이런 데이터를 통해 ‘어디에서 유저가 가장 많이 고민하고 개입하는지’를 파악하고, 해당 구간의 UX나 에이전트 응답을 개선하는 데 활용하고 있어요.

특히 저희가 중요하게 보는 지표는 각 단계 간 전환 흐름이에요. 리서치 → 매핑 → 생성 → 수정으로 이어지는 과정에서 어디에서 이탈이 발생하는지, 또는 반복이 많이 일어나는지를 보면, 유저가 실제로 막히는 지점을 비교적 명확하게 확인할 수 있거든요.

아직은 초기 단계라 최적화를 계속 해나가는 상황이지만, 이런 데이터를 기반으로 ‘어떤 개입이 결과 품질에 영향을 주는지’를 내부적으로 학습해가면서, 향후에는 에이전트가 더 적절한 개입 시점이나 방향까지 제안할 수 있도록 발전시키는 것을 목표로 하고 있어요. 이를 바탕으로 최종적으로 픽스는 제품 디자인과 산업 디자인을 가장 잘 이해하는 도메인 전문 에이전트이자 서비스로 발전하고 싶고요.

Q. 실제로 유저가 제품 정보를 입력할 때 어느 정도 수준까지 넣어서 활용중인가요? 그 적정선을 찾아가던 내부 과정과 경험도 궁금해요. 

플로우보드 홈 화면

우선 플로우보드를 시작하면 가장 먼저 ‘어떤 제품을 디자인하고 싶으신가요?’라는 화면이 나타나요. 여기에 제품에 대한 설명을 자유롭게 입력할 수 있고요. 추천 예시도 함께 제공되기 때문에, 처음 사용하는 분들도 어떤 식으로 입력하면 되는지 어렵지 않게 감을 잡을 수 있어요.

플로우보드를 시작하기 위한 제품 정보 입력 화면

입력을 마치면 리서치를 조금 더 구체화하기 위한 7개의 질문이 이어지는데요. 이 중 필수로 답해야 하는 것은 첫 번째 ‘만들 제품을 한 줄로 말한다면?’이라는 질문 하나뿐이에요.

나머지 6개 질문은 시장 가치, 주요 사용자, 기존 제품의 불편함, 반드시 지켜야 할 조건, 원하는 디자인 톤, 피하고 싶은 느낌 등을 묻는 항목으로, 모두 선택적으로 작성할 수 있어요. 부담 없이 작성 가능한 부분만 채워주시면 되는데요.

이렇게 진입 장벽을 낮춘 이유는, 처음부터 완벽한 정보를 요구하면 시작 자체가 부담스럽게 느껴질 수 있기 때문이에요. 한 줄 설명으로 가볍게 시작한 뒤, 리서치 결과를 확인하면서 점진적으로 방향을 구체화해나가는 흐름이 더 자연스럽다고 판단해 이런 구조로 설계하게 되었어요.

Q. 꼼꼼하게 설계하신 만큼 현재 버전 기준 가장 만족스러운 단계와 반대로 가장 부족하다고 생각하시는 부분은 어느 파트인가요?

가장 만족스러운 부분은 아무래도 산업 디자이너의 전체 업무 과정에서 시간을 절약할 수 있는 지점을 해결했다는 점이에요. 디자이너들이 실무에서 가장 힘들어하는 건 리서치부터 시안 제작, 수정, 클라이언트 설득까지 이어지는 전체 사이클이 단절되어 있고 비효율적이며, 많은 시간이 소요된다는 점이거든요. 플로우보드는 이 과정을 하나의 흐름으로 연결해줬고, 그 점에서 처음 해결하고자 했던 문제에 가까워졌다고 느끼고 있어요.

반면 아직 부족하다고 느끼는 부분은 디자인 이후 단계와의 연결이에요. 현재는 시안을 생성하고 편집하는 단계까지 지원하고 있지만, 실제 제품 디자이너의 업무는 여기서 끝나지 않아요. 카테고리별 설계 기준을 반영하고, 제조 가능성을 검토하거나 목업 사양서를 작성하는 단계까지 이어져야 비로소 ‘기획용 시안’이 아닌 ‘상품화 가능한 자산’이 되거든요. 이 부분은 앞으로 이어서 확장해 나가야 할 영역이라고 보고 있습니다.

에디터 : 말씀해주신 큰 장점인 생성 속도가 빠르다는 점은 단순히 '기다림이 적다'는 것을 넘어, 디자이너의 창의적 사고 흐름(Flow)을 끊지 않는다는 측면에서도 좋은 점일 것 같아요. 이러한 정성 피드백도 팔로업하고 계신가요?

맞아요, 이 부분은 저희도 정말 중요하게 보고 있는 지점이에요. 단순히 이미지 생성 시간을 줄이는 것보다, 툴 전환으로 인해 끊기는 전체 작업 흐름을 줄이는 것이 픽스의 핵심 목표이기 때문인데요. 기존에는 리서치를 할 때는 퍼플렉시티나 GPT, 제미나이 등을 리서치 내용 정리는 Notion이나 PPT를 이미지 생성은 Midjourney, 편집은 Photoshop처럼 여러 툴을 계속 오가야 했어요. 그때마다 작업의 맥락이 끊기고, 다시 집중하는 데 시간이 필요했어요. 결국 디자이너가 잃는 건 단순한 대기 시간이 아니라, 사고의 흐름 자체라고 생각해요.

그래서 플로우보드는 제품 디자이너 분들이 일반적으로 자주 하는 업무를 상세히 들여다보고 리서치부터 이미지 생성, 편집까지 전 과정을 하나의 흐름 안에서 이어지도록 설계했어요. 아직 초기라 피드백을 하나, 둘 확인하고 수집하는 단계지만 ‘툴을 옮겨 다니면서 흐름이 끊기는 느낌이 사라졌다’와 같은 피드백을 실제로 받고 있어요. 실제 인하우스 상품 기획팀이 있는 기업과의 PoC도 요청을 받아 준비하고 있고요.

레시피 셋, 픽스만의 기술적 차별점

Q. 픽스는 포지셔닝상 일반적인 이미지 데이터 외에 설계도, 컬러, 소재, 마감 등의 구조적 데이터가 중요할 텐데, 픽스만의 특화된 데이터 수집 및 학습 노하우가 궁금해요.

(김황님) 픽스에 최적화된 모델을 만들면서 가장 크게 느낀 점은, 단순히 범용 이미지 데이터를 많이 모은다고 해서 제품 디자인에 좋은 결과가 나오지는 않는다는 것이었어요.

실제로 상용 모델들을 보면 각기 다른 방향으로 최적화되어 있죠. Midjourney는 미학적 스타일과 표현력을 강조하는 반면, OpenAI나 Gemini 계열은 프롬프트 준수, 정밀 편집, 일관성 유지에 더 강점을 보이고 있는데요. 이런 차이는 단순한 데이터 양이 아니라, 데이터 분포와 평가 기준, 그리고 모델이 학습하는 방향성에서 비롯된다고 보고 있어요.

그래서 픽스는 ‘데이터를 얼마나 모으느냐’보다 ‘어떤 기준으로 결과를 평가하느냐’를 더 중요하게 생각하고 있고요. 제품 디자인에서는 단순히 예쁜 이미지보다, 디자이너가 어떤 기준으로 완성도를 판단하는지가 핵심이라고 생각하기 때문이에요. 특히 CMF 영역은 컬러 조합, 표면 질감, 마감 방식에 따라 평가가 크게 달라지기 때문에, 일반적인 웹 이미지 데이터만으로는 충분히 학습되기 어려운데요.

이 때문에 저희는 데이터 수집을 단순 축적이 아니라, 평가 가능한 데이터 파이프라인으로 설계했어요. 사용자와 디자이너의 피드백을 기반으로, 어떤 결과가 좋은 평가를 받았는지뿐 아니라 어떤 케이스에서 부족했는지, 어떤 수정이 의도 보존에 실패했는지까지 구조화해 축적하고 있죠. 또한 평가 기준 역시 형태 성립성, 디자인 완성도, CMF 적합성, 편집 일관성 등으로 점점 더 세분화하고 있고요.

이 데이터를 바탕으로 보상모델을 학습하고, 생성 및 편집 모델의 출력을 지속적으로 평가·개선하는 구조를 만들고 있어요. 즉, 데이터 수집 → 사용자 평가 → 평가 기준 고도화 → 모델 개선 → 다시 평가로 이어지는 학습 루프를 계속 반복하는 방식이라고 봐주시면 될 것 같아요.

결국 픽스의 핵심은 특화 데이터를 많이 모으는 것이 아니라, 도메인 평가 기준 자체를 데이터화하고 이를 모델 학습과 연결해, 제품 디자인에 최적화된 결과를 지속적으로 만들어내는 시스템을 구축하는 데 있다고 생각해요.

Q. 자체 모델을 운영하면서 가장 어려웠던 기술적 의사결정은 무엇이었나요? (속도 vs 품질, 비용 vs 경험 등)

가장 어려웠던 기술적 의사결정은 결국 속도와 품질 사이의 균형을 어디에 둘 것인지, 그리고 그 ‘품질’을 학습과 운영에 반영할 수 있는 평가 기준으로 어떻게 구조화할 것인지를 정하는 일이었어요.

모델을 운영하다 보면 항상 선택의 순간이 생기는데요. 추론 시간을 더 써서 품질을 높일 것인지, 일부 품질을 감수하더라도 반복 탐색 속도를 높일 것인지, 혹은 더 큰 모델을 적용할 것인지 같은 문제예요. 겉으로 보면 속도와 비용의 트레이드오프처럼 보이지만, 실제로는 ‘어떤 품질을 더 중요하게 볼 것인가’를 먼저 정의해야만 판단할 수 있는 문제고요.

특히 제품 디자인에서는 품질을 하나의 점수로 정의하기 어려워요. 어떤 결과는 CMF 표현은 뛰어나지만 형태 완성도나 편집 일관성이 부족할 수 있고, 반대로 전체 안정감은 좋지만 디테일이나 소재 표현은 약할 수 있는것처럼요. 또, 디자이너들은 결과를 절대적인 기준으로 평가하기보다, 작업 단계와 비교 대상에 따라 상대적으로 판단하는 경우가 많거든요.

그래서 품질을 하나의 추상적인 인상이 아니라, 형태 성립성, CMF 표현, 편집 시 의도 보존, 스타일 일관성, 반복 탐색에서의 활용 가능성 등 여러 기준으로 분해해 바라보고 있어요. 그리고 사용자와 디자이너의 평가를 단순 선호 데이터로 두는 것이 아니라, 어떤 요소 때문에 좋은 평가를 받았고 어떤 부분이 부족했는지를 구조화해 보상모델과 평가 체계로 연결하고 있고요.

결국 더 큰 모델을 쓸지, 더 빠른 추론을 택할지의 문제가 아니라, 제품에 필요한 ‘품질’을 어떻게 정의하고 그 기준에 맞춰 모델, 평가, 서빙 구조를 함께 설계할 것인가를 정하는 일이었다고 생각해요.

에디터 : 그렇다면 유저가 수정 요청을 할 때, 에이전트가 단순히 명령을 수행하는 것을 넘어 '이 디자인은 양산 단계에서 이런 문제가 있을 수 있다'는 식의 전문가적 제안도 가능할까요?

현재 플로우보드에서도 리서치 단계에서 소재나 안전성에 대한 기본적인 제안이 이루어지고 있어요. 예를 들어 식품 용기를 디자인하면, ‘BPA 무함유, 무독성 식품 등급 실리콘 사용, FDA 기준 준수’ 같은 소재 권장 사항이나 ‘내열 온도 230°C 이상’과 같은 안전 기준이 리서치 결과에 포함되는 방식인데요. 이런 정보만으로도 디자이너가 초기 방향을 잡는 데에는 충분히 도움이 되는 수준이에요.

다만 지금은 어디까지나 리서치 차원의 참고 정보에 가까운 단계라서 앞으로는 양산 단계까지 고려한 보다 구체적인 제안이 가능하도록 고도화해 나갈 예정이에요.

예를 들어 ‘이 구조는 실리콘 오버몰딩으로 자석을 완전히 밀봉해야 식기세척기 사용이 가능합니다’라거나, ‘이 형태는 언더컷이 발생하기 때문에 금형 설계 시 주의가 필요합니다’처럼, 실제 제조 과정에서 바로 활용할 수 있는 수준의 전문가적 인사이트까지 에이전트가 제안해주는 것을 목표로 하고 있어요.

Q. 전 과정 자동화는 편리하지만 디자이너는 세밀한 디테일을 직접 건드리고 싶어 하는 경우가 많잖아요. 픽스 내에서는 그렇다면 이미지 편집 기능은 어느 정도 수준까지 지원시나요? 

맞아요, 디자이너는 세밀한 부분을 직접 컨트롤하고 싶어 하기 때문에 이 부분을 중요하게 고려하고 있어요. 플로우보드는 전체 흐름을 자동으로 연결해주지만, 각 단계에서 유저가 원하는 만큼 직접 개입하고 수정할 수 있는 구조로 설계했어요.

이미지 편집 측면에서는 현재 부분 수정, 멀티 앵글 생성, 배경 제거, 이미지 향상(업스케일) 네 가지 기능을 제공하고 있어요. 특히 부분 수정 기능은 브러시, 펜, 올가미, 자동 선택 도구를 활용해 원하는 영역을 정밀하게 지정할 수 있고, 전체 스타일을 유지한 채 필요한 부분만 자연스럽게 변경할 수 있습니다.

다만 레이어 분리나 벡터 변환과 같은 고급 편집 기능까지는 아직 지원하지 않고 있어요. 현재 픽스는 AI 이미지 생성과 편집이 하나의 흐름 안에서 자연스럽게 이어지는 경험에 집중하고 있고, 보다 전문적인 후반 작업은 내보내기를 통해 외부 툴과 연결하는 방향으로 설계했거든요. 앞으로는 산업 디자이너의 실제 작업 방식에 맞춰 편집 기능 역시 점진적으로 고도화해 나갈 계획입니다.

에디터 : 기업별 PoC 시, 해당 기업의 과거 디자인 히스토리나 브랜드 가이드를 에이전트에게 학습시키는 '전용 모델 구축' 서비스도 염두에 두고 계신가요?

네, 염두에 두고 있어요. 사실 플로우보드의 구조 자체가 전용 모델 구축을 위한 기반이라고 보고 있는데요.

현재 플로우보드에서는 리서치부터 디자인 매핑, 이미지 생성, 수정까지의 전체 과정이 하나의 흐름으로 기록되고 있어요. 기업이 이 흐름 안에서 브랜드 가이드, 톤앤매너, CMF 가이드, 과거 디자인 히스토리를 지속적으로 쌓게 되면, 에이전트가 해당 데이터를 학습해 점점 더 기업에 최적화된 결과를 제안할 수 있는 구조입니다.

예를 들어 특정 기업이 미니멀한 디자인과 특정 소재를 반복적으로 선택한다면, 에이전트는 이러한 패턴을 반영해 리서치 단계부터 이미지 생성까지 일관된 디자인 언어를 기반으로 결과를 제안하게 됩니다. 결국 이 구조의 핵심은 사용할수록 데이터가 축적되고, 그 데이터가 다시 결과 품질을 높이는 선순환에 있어요. PoC 단계에서는 이 선순환이 실제로 작동한다는 것을 증명하는 것이 가장 중요한 목표라고 생각해요.

레시피 넷, 앞으로의 픽스 

Q. 기존에는 리서처, 기획자, 디자이너가 붙어야 했던 일을 픽스 하나로 할 수 있게 될 것 같은데요. 이것이 프리랜서 디자이너의 '수익 구조'나 '업무 범위'를 어떻게 확장해 줄 수 있다고 보시나요?

(지예나님) 프리랜서 산업 디자이너들은 이미 리서치부터 전략, 시안까지 전 과정을 혼자 처리하는 경우가 많아요. 그래서 픽스가 줄 수 있는 가장 큰 가치는 ‘못하던 걸 할 수 있게 해준다’기보다, ‘하던 일에 드는 시간을 확실히 줄여준다’는 점이라고 생각해요.

리서치, 무드보드 정리, 프롬프트 작성, 시안 생성과 수정까지 이어지는 작업 시간이 단축되면, 같은 시간 안에 더 많은 프로젝트를 소화할 수 있고, 그만큼 수익으로 연결될 수 있어요.

또 하나 중요한 변화는 ‘시간을 어디에 쓰느냐’입니다. 반복적이고 소모적인 작업에 쓰이던 시간을 줄이고, 디자인 방향을 판단하거나 클라이언트와 커뮤니케이션하는 등 사람이 직접 해야 하는 영역에 더 집중할 수 있게 되거든요.

결국 픽스는 단순히 생산성을 높이는 도구를 넘어서, 프리랜서 디자이너가 더 높은 단가의 일을 할 수 있도록 돕는 방향으로 영향을 준다고 보고 있어요.

에디터 : 픽스가 고도화될수록 디자이너의 '숙련도'보다 '아이디어'가 중요해질 것 같아요. 픽스가 꿈꾸는 미래에서 디자이너라는 직업의 정의는 어떻게 변화할 것이라고 보시나요?

픽스가 고도화될수록 디자이너의 역할은 ‘실행자’에서 ‘크리에이티브 디렉터’로 점점 이동하게 될 것이라고 생각해요.

현재 디자이너 업무의 상당 부분은 리서치, 레퍼런스 수집, 반복적인 시안 제작처럼 실행 중심의 작업에 많은 시간을 쓰고 있습니다. 하지만 픽스의 플로우보드와 에이전트가 이 과정을 자동화하게 되면, 디자이너는 자연스럽게 ‘어떤 방향으로 갈 것인가’라는 더 본질적인 의사결정에 집중할 수 있게 돼요.

이 과정에서 중요한 역량의 기준도 달라질 것이라고 보고 있어요. ‘툴을 얼마나 잘 다루는가’라는 숙련도보다, ‘어떤 문제를 어떻게 정의하고 해결할 것인가’라는 아이디어, 그리고 ‘이 디자인이 실제로 구현되고 상품화될 수 있는가’를 판단하는 능력이 더 핵심적인 역량이 될 가능성이 크고요.

결국 디자이너는 결과물을 만들어내는 역할을 넘어서, 문제를 정의하고 방향을 설정하는 사람으로서의 비중이 더 커지게 될 것이라고 생각해요.

Q. 3년 후 픽스가 디자이너의 작업 방식을 어떻게 바꿔놓기를 기대하시나요? 픽스가 없어져도 아쉽지 않은 도구가 아니라, 없으면 안 되는 도구가 되려면 무엇이 핵심이라고 생각하시나요?

픽스의 2026 로드맵

3년 후에는 “픽스 없이 어떻게 작업했지?”라고 느끼는 수준이 되는 것이 목표예요.

올해 안에도 서비스는 단계적으로 확장될 예정입니다. 현재는 리서치 → 디자인 매핑 → 이미지 생성 → 수정까지의 기본 구조를 갖춘 상태이고, 앞으로는 카테고리별 설계 기준과 치수, 제약 조건까지 반영하는 방향으로 고도화될 거예요.

나아가 2D → 3D → CAD → 제조까지 이어지는 흐름과, 완성된 제품을 기반으로 홍보용 연출샷이나 SNS 콘텐츠, 상세페이지 이미지까지 자동으로 생성하는 단계로 확장하려고 합니다. 결국 픽스는 제품을 만드는 데서 끝나는 것이 아니라, 제품을 세상에 알리는 과정까지 함께하는 도구가 되는 것이 목표예요.

이렇게 ‘없으면 안 되는 도구’가 되기 위한 핵심은 데이터의 축적과 재활용이라고 생각하는데요. 기존 방식은 결과물은 남지만, 다음 기획에 다시 활용되는 구조를 만들기 어려웠어요. 반면 픽스는 무드보드에 쌓인 레퍼런스, 플로우보드에 기록된 리서치와 디자인 전략, 그리고 과거 프로젝트 히스토리가 계속 축적돼요.

이 데이터가 쌓일수록 픽스는 해당 디자이너나 기업을 더 깊이 이해하게 되고, 그에 맞는 결과를 점점 더 정확하게 제안하게 됩니다. 결국 사용할수록 더 정교해지고, 그만큼 대체하기 어려워지는 구조를 만드는 것이 저희가 그리고 있는 방향입니다.

🎁 픽스가 팁스터 구독자님을 위해 준비한 선물

픽스의 요금제 안내

오늘 소개해드린 서비스를 보다 자유롭게 사용하실 수 있도록 픽스가 팁스터 뉴스레터 구독자분들을 위해 전용 혜택을 제공해드려요! 픽스 스튜디오 가입 후, 이메일 주소를 아래 폼을 통해 입력해주세요. (모바일에서는 가입이 어려워요 🥲)

픽스는 유료 결제 없이도, 누구나 무료로 이용하실 수 있어요. 우선 무료로 경험해보세요!

🎉 AIX 클럽 신규 기능 업데이트 : 기능 체크리스트

AIX 클럽 참여자를 위한 신규 기능이 업데이트 되었어요! 이번 업데이트는 '기능 가이드'로, 클럽 참여자들이 작성한 4주차 미션을 활용했어요. 4주차 미션은 개선안 검증 및 최종 피드백 (AI 활용)으로 3주차에서 기획한 솔루션을 다양한 사용자 관점에서 검증하고, 피드백을 바탕으로 개선하여 실무에 바로 적용 가능한 최종 기능 기획안과 체크리스트로 마무리하게 되는데요. 체크리스트에 담긴 내용을 종합, 프로덕트를 구축하는 과정에서 참고하기 좋은 기능 가이드로 만들었어요. 

기능 가이드에는 기능 개발 전 확인해야할 질문, 체크리스트, 개발 규칙, 관련 지표, 심층 가이드 등이 포함되어 있는데요. 마이페이지 관련 기능 가이드는 무료로 제공되며, 전체 기능 가이드는 챌린지 참여 시 확인하실 수 있어요. 앞으로도 미션 데이터와 뉴스레터 내용을 바탕으로 꾸준히 업데이트될 예정입니다! 

오픈채팅방을 통해 뉴스레터로 다 소개하지 못한 정보를 확인해보세요!