[아티클 읽기] 디자이너는 어떻게 단 2주 만에 AI로 가설을 증명해 냈을까?

https://www.bucketplace.com/post/2026-04-23-디자이너는-어떻게-단-2주-만에-ai로-가설을-증명해-냈을까/

디자이너는 어떻게 단 2주 만에 AI로 가설을 증명해 냈을까? - 오늘의집 블로그

뭘 찾아야할지 모르겠다

레퍼런스를 찾아봐야하는데 인테리어 용어를 모르겠다

내가 무슨 스타일을 좋아하는지 몰라서 찾아보기 어렵다

무엇을 찾아야 할지조차 모르는 상태가 더 본질적인 문제였음 → 유저에게 탐색의 방향 자체를 제안해주는 경험이 필요하다고 판단

Figma를 넘어 코드를 선택한 이유

• 자연어 프롬프트만으로 인터랙티브한 화면을 빠르게 구성할 수 있어 디자이너에게는 가장 자연스러운 선택 → Figma Make
  • 다만 유저가 어떤 검색어를 입력할지 예측할 수 없는 만큼 정적인 화면만으로 그 가치를 충분히 확인하기 어려움
  • 전략적으로 구성한 약 10만 개의 콘텐츠 풀을 실시간으로 불러와 LLM에 연동하고 그 결과를 화면에 안정적으로 보여주기에는 Figma 환경의 메모리와 성능만으로는 무리가 있었음

팀의 나침반이 된 1-Pager와 역할 분담

• 엔지니어링 리소스 투입 없이 PO, PD, DA는 각자 전문성을 발휘해 2주 만에 세 차례의 검증을 완료함
• 프로젝트 중심에는 PO가 하루 만에 작성한 1-Pager가 ‘우리가 무엇을, 왜 만드는가’ 라는 본질을 이 하나의 문서로 계속 정렬할 수 있었음
• DA는 10만 개의 인테리어 콘텐츠를 AI가 이해할 수 있는 형태로 가공 → 검색 결과를 바로 볼 수 있는 데모를 빠르게 만들어 이해관계자 7명에게 직접 써보게 함 → 이 과정을 통해 ‘충분히 정확한 것 같다’ 는 공감대가 형성되었고 본격적인 UT용 프로토타입 작업으로 넘어감
• 무엇보다 피드백 루프가 굉장히 빨랐다 → Github와 Vercel 조합으로 실시간으로 결과물을 확인할 수 있었고 URL 하나만 보내면 바로 써볼 수 있었음, 링크만 열면 되어서 팀 외부에서도 자연스럽게 피드백을 모을 수 있었음

도구는 AI가 판단은 디자이너가

• 디자이너 입장에서 Cursor와 Vercel 을 쓰면서 좋았던 부분은 일일이 화면을 그리지 않고도 제품의 본질에 더 집중할 수 있었다는 점 → 실시간 데이터가 LLM을 통해 바로 연결되다보니 정말 중요한 판단에만 리소스를 쏟을 수 있었음
• AI 툴이 코드를 만들어주더라도 어떤 경험을 만들어야 하는지를 결정하고 AI가 생성한 결과물이 그 기준에 맞는지 검증하고, 어긋났을 때 다시 정의하는 것이 디자이너의 핵심 역할

세 번의 이터레이션 : 비대면 UT부터 현장 검증, 로그 분석까지

• 사내 구성원들을 대상으로 먼저 프로토타입을 공개 → 260건의 탐색 데이터 확보
• 1단계 : 비대면 원격 UT → 실제 제품처럼 기민하게 반응하는 프로토타입을 통해 유저가 얼마나 자연스럽게 몰입하는지 관찰하는 자리
• 2단계 : 오메이커스(유저 리서치 패널) 에 URL을 공유하고 정성적 피드백과 함께 실시간 사용 로그 확보 → UT만으로 확인하기 어려운 실제 사용 패턴을 데이터로 볼 수 있었음
• 3단계 : O User Day 현장 UT : 가장 가까이서 유저를 관찰하면서 피드백 수집 → 이 단계에서 제품의 방향을 바꾸는 결정적인 인사이트가 도출됨

‘대화’보다 ‘제안’이 필요했던 이유

• 직접 타이핑하는 것보다 ‘미리 제안된 칩’을 누르는 방식을 훨씬 더 자연스럽게 받아들여짐
• 검색어를 어떻게 써야 잘 나올지 고민하는게 귀찮을 수 있음
• 자연어 유도 → 칩 기반 Guided Navigation 강화

AI도 놓친 첫번째 칩의 비밀

• AI는 코드를 빠르게 만들어주긴 하지만 화면 전체의 레이아웃 위계까지 완벽하게 파악하진 못함
• 결정적 순간에는 도메인 전문가의 개입이 필요하고, 언제 그 도움을 요청해야 하는지를 아는 것 역시 디자이너의 역량
• 본질적인 판단은 디자이너의 몫이고 AI는 그 판단을 실행하는 속도를 폭팔적으로 높여줌

 

 

내 생각

• 디자이너가 AI로 아이디어 발제부터 프로토타입 개발, UT까지 완료했다는 점이 인상적이었다. 
• 이제 개발자는 필요없어지는 것이 아닐까? 하는 우려도 들었다. AI 툴을 활용하면 프로토 타입 개발이나 간단한 기능 정도는 뚝딱 만들 수 있을 것 같다. 
• AI를 업무에 활용한 글들을 종종 봤는데 대부분 AI로 업무 시간은 단축되었지만 사람이 결정해주고 논의해줘야하는 부분은 언제나 있다는 것들이 공통된 주장인 것 같다. 
• AI가 더 발전하다보면 직무의 구분이 흐려지지 않을까? 하는 생각도 들었다. 클로드는 직군의 구분이 흐려지면 각 분야의 깊이 있는 전문성이 오히려 희소가치가 되지 않을까? 라는 의견을 줬다. 누구나 어느 정도 할 수 있게 되면 정말 잘하는 사람이 더 돋보이는 구조라고 했다. 그 말도 나름 일리가 있는 것 같다. 그치만 정말 잘하는 사람이 내가 될 수 있을까? 나는 그저 그런 사람이라 돋보이지 않고 오히려 AI에 휩쓸려버리면 어쩌지? 그런 생각도 드는 것 같다.