누구나 만드는 시대, 무엇이 차이를 만드는가

지난 6월 29일 잠실 광고문화회관에서 열린 '바이브 시대의 UX·UI: 2026 하반기 트렌드와 AI 네이티브 실무 전략' 세미나에 앞서 사전 인터뷰를 진행했습니다. 그때 받은 질문들에 답한 내용을 비슷한 주제끼리 묶어 두 편으로 정리했습니다.

Q. 하반기에 현업 UX/UI 담당자들이 주목할 만한 트렌드를 꼽는다면?

워낙 많은 것이 빠르게 바뀌기 때문에 하반기 트렌드를 단정 짓기는 어렵지만, 지금까지의 흐름을 본다면 크게 세 가지인 것 같습니다.

1) 디자인 시스템 주도 워크플로우

요즘은 디자인 시스템을 코드로 갖춰 두고, 이를 토대로 기획과 프로토타이핑을 빠르게 효율화하는 흐름이 두드러지고 있습니다. 올 상반기에도 Pencil, Stitch, Claude Design 같은 디자인 시스템을 내재화한 서비스들이 많이 출시되었죠.

사실 디자인 시스템을 갖추는 일은 피그마로 만들든 코드로 구현하든 리소스가 많이 드는 작업이에요. 단순한 작업량의 문제를 넘어, 전체 구조 기획부터 서비스 내 공통 규칙 설정까지 고려해야 하므로 모든 조직이 쉽게 시도할 수 있는 일이 아니었습니다. 그런데 최근 DESIGN.md처럼 디자인 시스템의 초기 단계를 충분히 보조해 주는 방식이 등장하며 적은 리소스로, 작은 조직에서도 빠르게 적용해볼 수 있게 되었죠.

실제로 저도 프로토타이핑 과정에서 DESIGN.md를 자주 활용합니다. DESIGN.md는 디자인 원칙, 토큰, 컴포넌트 구조 등이 체계적으로 짜여진 문서이기 때문에 AI와 논의하며 시작하기에 아주 좋습니다. 다른 브랜드의 DESIGN.md를 참고해 색상·폰트 등 일부를 교체해서 시작하면 되는데요. 이렇게 만든 DESIGN.md를 바탕으로 디자인을 적용하고 프로토타입을 제작하면 화면 간 일관성을 꽤 높은 수준으로 유지할 수 있습니다. 또한 DESIGN.md는 AI가 읽고 다양한 프레임워크에 맞게 번역할 수 있는 가교 역할을 해 주기 때문에 조금 더 유연하게 사용할 수 있다는 장점도 있습니다.

다만, DESIGN.md는 프로덕션에서 실제로 사용될 수 있을 정도의 정교한 체계는 아닌데다가 가변적인 부분이 있고, 장기 유지보수 및 관리 프랙티스가 아직 불분명한 것 같습니다. 그래서 어느 정도 서비스가 성숙해진 상황에서는 디자인 시스템을 코드로 만들어서 유지 및 관리를 하는 것이 가장 이상적인 것 같습니다. 저도 얼마 전 디자인 시스템을 코드로 처음부터 직접 빌드했는데요. 어떤 토큰이 필요한지, 컴포넌트 구조는 어떻게 잡을지, 다양한 케이스를 어떻게 정의할지 하나하나 구현하고 재활용까지 가능하게 만드는 과정에 시간과 노력이 많이 소요되는 것은 사실입니다. 하지만 AI의 도움을 받아서 충분히 가능한 일이 되었고, 이렇게 구축해두니 훨씬 효율적으로 AI와 협업을 할 수 있게 되었다는 게 중요한 점이라고 느낍니다.

2) 위임이 아니라 합주: 에이전트가 개입하는 디자인 프로세스의 설계

두 번째는 에이전트가 디자인 프로세스 안에 협업자로 들어오면서, 그 프로세스 자체를 어떻게 다시 설계하느냐의 문제입니다. 흔히 AI를 자동화나 효율화 기술로만 보지만 핵심은 그게 아닙니다. 관건은 에이전트를 프로세스의 어느 지점에, 어떤 방식으로 개입시킬 것인가, 즉 협업의 짜임새를 설계하는 일입니다. 특히 시각적 과업이 많은 UX 설계 프로세스에서는 이런 부분이 더욱 중요합니다.

여기서 중요한 전제가 있습니다. 이 과정에서 코딩 능력 자체는 본질이 아니며, 프로덕션에 그대로 배포할 코드를 만드는 것이 아니라 아이디어를 구체화하기 위한 수단의 하나일 뿐이라는 점인데요. 코드로 아이데이션하는 것과 직접 화면을 그리는 것은 대체 관계가 아닙니다. 어떤 작업에서는 피그마로 스케치하는 편이 코드로 화면을 그리는 것보다 압도적으로 빠를 때도 있습니다. 결국 코드, 피그마, 이미지 생성, DESIGN.md, 디자인 시스템 등을 적재적소에 혼합해 쓰는 분별이 핵심이지, 무엇이든 에이전트에게 시켜서 자동화했다는 사실 자체가 중요한 것은 아니라는 거죠.

제가 얼마 전 개인용 서비스를 하나 만든 사례로 설명을 드려보자면, 처음에는 DESIGN.md를 가공하는 일부터 시작했습니다. 그걸 토대로 AI 에이전트와 함께 여러 화면을 목업으로 그려보기도 하고, 제가 원하는 형상을 피그마에 일부 스케치한 뒤 피그마 MCP를 통해 에이전트가 그것을 읽을 수 있게 했습니다. 그리고 DESIGN.md를 다시 적용하라고 요청하니, 제가 간단히 그린 와이어프레임 스케치만으로도 에이전트가 이를 읽어 어느 정도 디자인이 반영된 동적 프로토타입을 만들 수 있게 됐죠. 이후 실제 구현 단계에서는 코드로 간단한 디자인 시스템과 스타일을 정의하고, 토큰과 버튼·토스트·카드 같은 기본 컴포넌트를 만들어 서비스를 빌드했습니다.

이렇게 AI를 무조건적인 효율화나 양산의 도구로만 보는 시각은 이제 조금 지난 것 같습니다. 오히려 이를 활용해 기존 워크플로우를 어떻게 바꾸고 새로운 프로세스를 어떻게 디자인할 것인가가 핵심 논의가 되고 있습니다. 최근 클로드의 디자이너인 Meaghan Choi가 클로드코드를 통해 프로토타이핑을 진행하는 시연 영상을 봤는데, 해당 영상에서도 클로드를 포함한 대부분의 LLM이 아직 디자인에 약하기 때문에, 완성(craft)과 의사결정을 위해서는 사람이 계속 개입해야 한다고 강조했습니다. 무엇을 제품에 담을지는 사람이 결정한다는 전제 위에 현재의 워크플로우가 짜여 있기 때문이라는 거죠.

3) 속도의 피로 끝에, 돌고돌아 기본기

사실 이게 기술보다도 가장 중요한 트렌드라고 생각합니다. 지난 1년 이상 실리콘밸리에서도 바이브코딩이 강조되면서 일단 빠르게 결과물을 내는 방식이 주를 이뤘지만, 그런 경험이 쌓이면서 피로감이 나타나기 시작했습니다. 1) 처음만 빠를 뿐 뒤로 갈수록 고칠 것이 많아진다는 점, 2) 겉모습은 그럴듯해도 기본적인 UX 원칙이 지켜지지 않은 결과물이 많다는 점 때문입니다.

그래서 최근 가장 떠오르는 키워드가 취향(taste)과 완성도(craft)입니다. 실제로 앤트로픽의 헤드 오브 프로덕트 Cat Wu는 팟캐스트에서 프로덕트 테이스트가 좋은 엔지니어를 최우선으로 채용한다고 언급하기도 했는데요. 취향은 고도로 발달된 기준인데, 이를 어떻게 가질 것인지, 그런 감각을 가진 사람은 누구이며 그것이 제품에 어떻게 드러나는지에 대한 논의가 최근 더욱 활발해지고 있습니다. 결국 기본적인 UX 원칙과 감각이 오히려 더 중요해지는 시점이 온 것이고, AI로 제품을 빠르게 만든다는 것이 어느 정도는 환상일 수 있다는 인식이 자리 잡고 있습니다.

이런 취향과 완성도라는 측면에서, 타고난 감각이 유리한 것은 사실이지만, 충분히 후천적으로 길러질 수 있는 능력이기도 합니다. 사실 저를 포함한 많은 UX 실무자들은 오랜 기간 동안 다음과 같은 훈련을 받아온 사람들이라고 생각하는데요.

• ·시각적 경험의 축적: 좋은 디자인(심미적 아름다움뿐 아니라 잘 만들어진 마이크로 인터랙션, 정교한 버튼과 UI 등)을 지속적으로 접하면 그 차이를 알게 됩니다.
• ·분석적 접근: 디자인 원칙 자체를 공부하면 특정 동작이 원칙에 부합하는지 분석적으로 판단하는 감각이 길러집니다.

특히 UX 실무자는 이러한 예민함을 일찍부터 훈련해 왔기 때문에 훨씬 유리합니다. 누구나 결과물을 만드는 시대라지만, UX 실무자가 쌓아온 경험과 관점, 예민한 감각은 단시간에 따라잡기 어려운 영역이라고 생각합니다.

Q. '누구나 만드는 시대, 무엇이 차이를 만드는가.' AI 파도 속에서 전문성을 증명해야 하는 UX/UI 디자이너에게 던지고 싶은 가장 핵심적인 메시지는?

한마디로 정리한다면 "평균은 기술(AI)이 만들고, 차이는 사람이 만든다"인 것 같습니다.

AI는 보편적이고 평균적인 결과물을 만들어 줍니다. 그 평균을 넘어서는 지점에서만 사람의 값어치가 증명됩니다. 그 차이를 만드는 힘을 저는 세 가지로 봅니다: 취향(taste), 완성도(craft), 그리고 기술에 대한 이해.

1) 취향(taste)

요즘 실리콘밸리에서 "취향이 새로운 해자(moat)다", "취향이 새로운 10x다"라는 말이 꽤 자주 회자됩니다. 누구나 만들 수 있기 때문에, 무엇을 만들지가 중요하다는 맥락인데요. 여기서 취향은 단순한 하나의 자질이 아니라 1) 본인이 좋아하고 매력적이라 느끼는 지점, 2) 특정한 표현·구성 방식, 3) 본인이 추구하는 매력의 방향성, 이 세 가지의 총합이라고 생각합니다.

AI 시대에 이런 취향의 힘이 점점 커지는 것 같습니다. 똑같은 AI를 쓰더라도 자기만의 감각으로 남들이 생각하지 못한 결과물을 내는 사람이 있는데요. 유튜브 김햄찌 채널이 대표적인 사례라고 생각합니다. AI로 생성한 영상임에도 감각적인 편집과 나레이션, 공감을 부르는 스토리텔링으로 취향을 잘 조합했기에 대중에게 강하게 어필했고, 수많은 아류 채널이 등장했지만 원조를 따라오지 못했죠. 다른 예로는, GPT-image-2가 출시됐을 때 스레드에서 한 사용자의 하찮은 낙서 그림체 프롬프트가 크게 바이럴이 되어 GPT 이미지 생성 프리셋으로까지 들어간 것도 같은 맥락입니다. 세상에 없던 것을 창조했다기보다, 본인의 선호를 매력적으로 조합해 낸 거라고 볼 수 있죠.

2) 완성도(craft)

AI가 보편적 결과물을 빠르게 양산하면서 사람들이 피로를 느끼는 만큼, 완성도가 다시 중요해졌습니다. 완성도는 한 끗 차이로 다른 것을 만들어 내는 일인데, 보여지는 UI, 설계 등 UX, 기능 성능 그 자체 등 다양한 차원을 포함합니다.

UI 측면의 예로, AI에게 무언가를 만들게 하면 누르려는 순간 위에서 콘텐츠가 로딩되며 버튼이 아래로 밀려, 엉뚱한 걸 눌러버리게 만드는 경우가 많습니다. 화면이 자리를 잡고 안정적으로 멈춰 있어야 한다는 감각이 없는 거죠. UX 측면에서는, 예컨대 식당 예약 플로우에서 날짜와 시간을 먼저 다 고르게 한 뒤 맨 마지막에 인원을 묻고는 그 시간에는 자리가 없다며 처음으로 돌려보내는 식입니다. 앞의 선택이 뒤를 제약한다면 그 질문이 먼저 와야 하는데, AI는 이런 의존 관계를 고민하지 않고 가장 보편적인 순서로 질문을 늘어놓습니다. 완성도는 바로 이런 디테일의 문제입니다.

흥미롭게도, AI가 평균을 공짜로 만들수록 완성도는 일종의 사치재(craft-as-luxury)가 된다는 논의도 있어요. 빠르게 만드는 건 누구나 하지만, 끝까지 다듬는 건 점점 드문 일이 되어가고 있기 때문인데요. 그만큼 희소함에 대한 가치 인식은 계속 더 높아지는 역설적 상황이 되는 것 같습니다.

3) 기술에 대한 이해

이 말이 오해받지 않았으면 합니다. 코딩을 잘해야 한다거나 엔지니어링 전문 지식이 많아야 한다는 뜻이 아닙니다. 핵심은 LLM이라는 기술이 어떤 원리로 동작하는지를 하이레벨에서 이해하는 것입니다. 지금까지의 기술은 대부분 원리를 몰라도 사용법만 익히면 충분했습니다. 경험적으로 써보며 익히면 좋은 해결책도 낼 수 있었죠. 하지만 LLM은 원리를 모르면 제대로 쓸 수 없는 기술입니다. 그래서 "디자이너도 코딩을 해야 할까?"라는 식의 접근에서 벗어나야 합니다. 중요한 것은 코드 작성 능력이 아니라, LLM의 핵심 개념과 소프트웨어 엔지니어링이라는 분야에 대한 전반적인 감입니다.

기술을 이해한다는 것이 트랜스포머 아키텍처를 갑자기 파고들라는 뜻은 아닙니다. 일상에서 보고 듣고 쓰는 AI 용어들을, 내가 정확히 이해하고 있는지를 되짚어보자는 것입니다. 간단한 자가 점검을 해보면 좋습니다. 아무것도 찾아보지 않고, 그 개념을 5~10분 동안 남에게 설명할 수 있는가? 누군가에게 충분히 설명할 수 없다면, 그 개념을 온전히 안다고 말하기 어렵습니다. 하네스가 무슨 의미인지, 컨텍스트 같은 일반적인 용어를 정말 제대로 아는지 스스로 점검해봐야 합니다.

예를 들어, 디자이너가 피그마와 MCP를 연결해 화면을 그리는 작업을 생각해 봅시다. 내가 보는 것은 피그마 화면이지만, LLM은 그 화면을 일정한 위상으로 쪼개 텍스트로 입력받습니다. 어떤 좌표에 어떤 요소가 들어가야 하는지를 텍스트로 연산해 보내면, 피그마 MCP가 이를 다시 좌표값으로 변환해 컴포넌트를 생성하는 방식입니다. 우리가 뷰를 그리는 관점과, 실제로 LLM이 MCP를 통해 동작하는 방식은 전혀 다릅니다. 이걸 이해하지 못하면, 분명히 예시를 주고 템플릿을 보여줬는데도 왜 AI가 이렇게밖에 못 하는지 영영 알 수 없습니다.

이런 용어와 원리를 모르면, AI와 작업하면서 마주치는 지엽적인 예외 케이스들이 왜 생기는지 판단할 수 없습니다. 물어볼 사람도, 답해줄 사람도 마땅치 않습니다. 결국 본인이 알아야 하는데, 근본 원리를 모르면 이게 시스템 에러인지, 모델이 원래 못하는 건지, 아니면 내가 잘못하고 있는 건지를 분간할 수가 없습니다. 반대로 원리를 알면, 문제의 원인을 스스로 짚어내고 다음에 어떻게 우회할지까지 판단할 수 있습니다. AI를 시켜보고 안 되면 포기하는 도구가 아니라, 내 의도대로 끌고 가는 도구로 쓸 수 있게 되는 것이죠.

Q. 도구가 평등해질수록 차이를 만드는 건 '실무자의 감각과 전문성'이라고 했는데, 그 감각이란 구체적으로 어떤 판단 능력인가?

기획 경험이 적거나 UX 이해가 부족하면 AI가 만들어 준 결과물을 그대로 수용하게 됩니다. 그런 의미에서 감각은 크게 두 가지, 판별하는 힘과 방향을 정하는 힘으로 이야기해볼 수 있을 것 같습니다.

판별하는 힘은 결과물을 보고 어디가 잘못됐는지 명료하게 짚어 수정 방향을 제시하는 능력입니다. 예를 들어 AI가 디자인할 때 버튼을 누르면 레이블이 바뀌며 그 안에서 계속 로딩이 도는 형태를 자주 만드는데, 사실 꽤 어색한 UX입니다. 보통은 이 어색함을 아예 느끼지 못하거나, 느끼더라도 무엇이 왜 문제인지 말하지 못합니다. 감각 좋은 UX 실무자라면 버튼은 본래 행동을 트리거하는 요소인데 거기에 진행 상태까지 가두면, 사용자의 시선과 클릭이 그 좁은 영역에 묶이고 작업이 길어질수록 지금 무슨 일이 벌어지는지 읽기 어려워진다는 이야기를 명확하게 할 수 있겠죠. 그래서 결국 잠깐의 로딩 후 토스트나 모달로 결과를 알리는 편이 낫고, 삭제처럼 되돌리기 어려운 변경이라면 확인 모달을 띄우거나 일정 시간 실행 취소를 제공하는 게 낫다는 판단까지 할 수 있을 거예요. 결국 결과물의 옳고 그름을 가려내고 그 이유까지 아는 힘이 중요한 겁니다.

방향을 정하는 힘은 하나의 패턴을 여러 갈래로 해석할 수 있는 능력입니다. 잘못된 건 알지만 어디로 가야 할지 막막한 사람이 있고, 한두 가지 대안은 떠올리지만 거기서 멈추는 사람이 있고, 같은 상황을 서너 가지 프레임으로 풀어내는 사람이 있습니다. 이 폭을 가르는 건 결국 전문성과 도메인 지식입니다. 가령 삭제 컨펌도 도메인에 따라 중요도가 달라집니다. 데이터는 DB에 남고 UI에서만 삭제되는 구조라면 판단이 완전히 달라지니까요. 1) 해당 도메인에 대한 깊은 지식, 2) 우리 서비스의 구체적 동작 원리, 3) 서비스가 실제로 쓰이는 상황에 대한 판단, 이 세 가지가 종합되어야 비로소 올바른 방향이 정해집니다. 그리고 이 의사결정이야말로 기획에서 가장 중요한 부분이자, 아직 AI가 스스로 해내기 어려운 영역이기도 합니다.

2편에서는 슬롭이 만들어지는 과정, AI에 끌려가지 않는 법, 그리고 UX 실무자가 지금 해야 할 일에 대한 질문들을 다룹니다.