Techlist.io - 한국 테크 블로그 큐레이터

figma·2024년 6월 25일·3분 읽기큐레이션 요약

새로워진 Figma 내부

Figma의 UI3는 기능을 계속 추가하면서 복잡해진 인터페이스를 정리하고, 사용자의 작업물을 화면 중심에 두기 위한 대규모 redesign이다. 캔버스 공간을 넓히면서도 기존 사용자의 작업 습관과 전문 기능은 유지하고, 신규 사용자에게는 더 직관적인 경험을 제공하는 것이 목표다. 또한 컴포넌트, 생성형 AI, Dev Mode, Figma Slides 등 변화하는 디자인 환경에 대응할 수 있는 기반을 마련하려는 개편이다. ## UI3를 시작한 배경 - Figma는 출시 후 약 10년 동안 많은 기능과 제품을 추가했지만, 기본 레이아웃은 크게 변하지 않았다. - 기능이 누적되면서 처음에는 단순했던 인터페이스가 점점 복잡하고 부담스럽게 느껴질 수 있게 됐다. - UI3는 Figma 출시 이후 세 번째 주요 redesign으로, 단순한 시각적 변경이 아니라 워크플로와 인터랙션 방식까지 재설계한다. - 기존 사용자가 익숙한 작업 방식을 잃지 않으면서도, 새로운 사용자에게 더 접근하기 쉬운 인터페이스를 만드는 것이 중요한 과제였다. ## UI3가 해결하려는 네 가지 문제 - **UI보다 사용자의 아이디어를 중심에 두기** - 인터랙티브 컴포넌트와 AI 지원 디자인처럼 강력한 기능이 추가되면서 UI가 작업 자체보다 눈에 띌 위험이 생겼다. - 기능이 부가적으로 덧붙은 느낌을 줄이고, 캔버스와 사용자의 창작물에 집중하도록 설계 방향을 잡았다. - **신규 사용자와 전문 디자이너의 요구 균형** - 기존 인터페이스는 처음 접하는 사용자에게 복잡하고 비직관적으로 보일 수 있었다. - 기능의 범위를 줄이는 것이 아니라, 기능을 이해하고 접근하는 방식을 단순화하려 했다. - 숙련된 사용자의 익숙한 조작 감각과 작업 효율은 보존하는 것을 목표로 삼았다. - **변화하는 디자인 방식에 대응** - 오늘날 디자인은 단순히 픽셀을 배치하는 작업을 넘어, 재사용 가능한 컴포넌트와 생성형 AI를 활용하는 방식으로 확장되고 있다. - 이에 따라 디자이너가 개별 요소뿐 아니라 더 높은 수준의 추상화된 building block을 사용할 수 있어야 한다고 보았다. - **Figma의 미래를 위한 기반 마련** - Dev Mode를 통해 디자인과 코드를 연결하고, Figma AI로 작업 효율을 높이는 방향을 고려했다. - Figma Slides 같은 새로운 제품까지 포함해, 여러 도구가 일관된 제품군으로 작동할 수 있는 공통 구조를 만들고자 했다. ## 캔버스 공간을 넓히는 인터페이스 - 가장 먼저 Figma 캔버스의 사용 가능한 공간을 최대화하는 작업을 진행했다. - 초기에는 패널과 속성 영역을 거의 제거하고, 마우스를 올릴 때만 UI가 나타나는 극단적인 미니멀 디자인도 실험했다. - 사이드바가 필요할 때만 나타나는 방식도 시도했지만, 화면 구조가 지나치게 불안정해지는 문제가 있었다. - 수백 가지 시안을 제작하고 Figma 팀 내부에서 직접 사용하며 개선 방향을 검증했다. - 최종적으로 다음과 같은 방향을 선택했다. - 크기를 조절할 수 있는 패널 - 캔버스 하단의 얇은 새 툴바 - 상단 영역을 비워 더 넓고 여유로운 화면 구성 - 필요할 때 패널을 열고 닫을 수 있는 구조 - UI 전체를 숨겨 작업물에만 집중할 수 있는 기능 - 이 구조는 Figma의 여러 제품에서 공통으로 사용할 수 있어, 제품 간 전환과 확장에도 유리한 기반이 된다. ## 실용적인 의미 UI3의 핵심은 기능을 없애는 것이 아니라, 기능이 작업을 방해하지 않도록 배치와 노출 방식을 재조정하는 데 있다. 따라서 사용자는 평소에는 넓은 캔버스에 집중하고, 필요한 순간에만 패널과 도구를 불러오는 방식으로 작업할 수 있다. Figma를 사용하는 팀이라면 UI3의 패널 접기·크기 조절 기능과 캔버스 중심 작업 방식을 적극 활용하는 것이 효율 향상에 도움이 된다.

원문 읽기(새 탭에서 열림)

Figma디자인 시스템사용자 경험생성형 AI+2

figma·2024년 6월 25일·3분 읽기큐레이션 요약

로봇이 우리의 집을 지어야

Icon 공동창업자 Jason Ballard는 로봇과 AI를 활용한 3D 프린팅이 주택 건설을 더 빠르고 저렴하며 지속 가능하게 만들 수 있다고 주장한다. Icon은 벽체를 콘크리트 기반 재료로 층층이 출력해 기존의 골조·단열·벽체 마감 공정을 대체하고, AI 시스템 Vitruvius로 설계부터 예산·일정·시공 지침까지 자동화하려 한다. 장기적으로는 지구의 주거 문제뿐 아니라 달의 인프라 건설에도 이 기술을 적용하는 것이 목표다. ## 주거 문제 해결을 향한 창업 배경 - Jason Ballard는 원래 성공회 사제를 준비했지만, 노숙인 보호시설 운영과 지속 가능한 건축 분야에서 일하며 주거 문제에 관심을 키웠다. - 그의 관심사는 단순한 주택 공급이 아니라 주거의 **경제성, 존엄성, 아름다움, 편안함**을 함께 개선하는 것이었다. - 우주 자원 석사 과정에서 우주 로봇과 주거 건설을 연구한 경험도 Icon 설립의 배경이 됐다. - 주택과 우주 인프라를 모두 해결하려면 기존의 수작업 중심 건설 방식보다 소프트웨어와 로봇이 필요하다고 판단했다. ## 벽체 중심의 3D 프린팅 건설 - Icon은 건설 과정에서 가장 느리고 복잡하며 재료와 노동력이 많이 필요한 부분으로 벽 시스템을 선택했다. - 대형 로봇이 시멘트 기반 재료를 여러 층으로 압출하고, 철근으로 보강해 벽을 만든다. - 이 벽체는 기존의 다음 공정을 하나의 시스템으로 대체하는 것을 목표로 한다. - 목재 또는 금속 골조 - 단열재 - 석고보드 - 외벽 sheathing - 마감재와 사이딩 - 3D 프린팅은 현장에서 필요한 공정을 줄이고 자재 공급망을 단순화해 건설 자동화에 적합하다는 설명이다. ## 3D 프린팅 주택의 성능과 비용 - 3D 프린팅 주택은 전통적인 방식보다 빠르고 저렴하게 건설할 수 있다고 주장한다. - Icon의 벽 시스템은 다음과 같은 내구성 성능을 제시한다. - 2시간 57분의 내화 성능 - 시속 250마일의 강풍을 견디는 내풍 성능 - 압축 강도와 3점 굽힘 시험 통과 - 에너지 효율, 홍수, 허리케인, 흰개미 저항성 검증 - Icon은 세계 최초의 3D 프린팅 주거 단지를 완공했다. - 일부 입주자는 월 에너지 비용이 17달러에 불과하다고 전했다. - 자동화 기술이 비용 절감뿐 아니라 기존 공법으로는 구현하기 어려운 형태와 아름다운 디자인도 가능하게 한다고 설명한다. - 이러한 성능이 축적되면 장기적으로 전통적인 목조 골조 주택이 규제 대상이 될 수도 있다고 Ballard는 농담 섞어 말한다. ## Vitruvius: 건축 설계를 자동화하는 AI - Icon은 설계, 인허가, 비용 산정, 일정 계획을 자동화하는 AI 시스템 **Vitruvius**를 오픈 베타로 공개했다. - 건축은 지역별 법규와 환경 조건이 달라 자동화가 특히 어려운 분야다. - 세계 곳곳에 수천 가지 건축 법규가 존재한다. - 인허가 절차는 지역마다 다르다. - 설계 변경이나 규정 해석 오류가 공사 지연과 예산 초과로 이어질 수 있다. - 초기에는 자동화 소프트웨어를 개발했지만, 계산량이 많고 결과 정확도가 충분하지 않아 제품으로 출시하지 못했다. - 생성형 AI의 발전으로 대규모 데이터를 더 빠르고 정확하게 분석할 가능성이 생기면서 약 2년 전부터 데이터 학습 중심으로 방향을 전환했다. - Icon은 평면도, 건축 설계, 인허가 자료 등을 수집해 대규모 건축 데이터 세트를 구축했다. - Vitruvius의 목표는 다음 단계까지 연결되는 것이다. - 사용자의 요구를 반영한 건축 설계 생성 - 시공 가능한 건축 도면과 계획 작성 - 예산 및 일정 산출 - 최종적으로 3D 프린팅 로봇이 실행할 시공 명령 생성 ## 지구와 달을 잇는 건설 자동화 - Icon은 AI와 로봇이 비용 효율적인 주택을 더 많은 사람에게 제공할 수 있다고 본다. - 지구에서는 주택 부족과 건설 비용 문제를 해결하는 수단으로 기술을 활용하려 한다. - 동시에 NASA와 협력해 달에 인프라를 건설하는 연구도 진행하고 있다. - 지구에서 멀리 떨어진 환경에서는 인력과 자재를 지속적으로 보내기 어렵기 때문에, 자율 로봇과 현지 재료를 활용한 건설 기술이 특히 중요하다. 건설 자동화는 단순히 집을 출력하는 기술이 아니라, 설계·인허가·예산·시공을 하나의 데이터 흐름으로 통합하려는 시도다. 다만 실제 적용에서는 지역별 법규, 장기적인 구조 안전성, 비용 검증, AI 설계의 책임 소재를 함께 확인해야 하므로, 성능 주장과 상용 사례를 독립적으로 검증하며 도입하는 것이 바람직하다.

원문 읽기(새 탭에서 열림)

AI생성형 AI자동화robotics+4

figma·2024년 6월 25일·3분 읽기큐레이션 요약

Config 2024 결

Figma Config 2024는 AI를 중심으로 디자인에서 개발·발표까지 이어지는 작업 흐름을 확장한 업데이트를 소개한다. 주요 발표는 Figma AI, 새 UI인 UI3, 프레젠테이션 도구 Figma Slides, Dev Mode 개선이며, 반복 작업을 자동화하고 아이디어 탐색을 빠르게 하는 데 초점을 둔다. Figma는 AI가 인터페이스를 생성하는 시대에도 차별화된 제품을 만드는 핵심은 디자인이라고 강조한다. ## Figma AI: 아이디어 탐색과 반복 작업 자동화 - **Visual Search** - 스크린샷, 선택한 프레임, 이미지, 연필로 그린 스케치를 입력해 유사한 디자인을 검색할 수 있다. - 아이콘부터 전체 디자인 파일까지 팀이 접근할 수 있는 파일 안에서 비슷하거나 동일한 디자인을 찾는다. - 개선된 Asset Search는 파일명이나 에셋 이름과 검색어가 정확히 일치하지 않아도 문맥을 이해해 관련 에셋을 찾아준다. - **반복적인 디자인 작업 자동화** - 현실적인 이미지와 문구를 생성한다. - 기존 문구를 변형하거나 다시 작성하고 번역한다. - 화면 간 프로토타입 연결을 자동으로 구성한다. - 여러 레이어의 이름을 한 번에 의미 있는 이름으로 변경한다. - 디자이너가 레이어 정리나 기본 콘텐츠 작성보다 창의적인 작업에 집중하도록 돕는다. - **Make Designs** - 새 Actions 패널에서 텍스트 프롬프트로 UI 레이아웃과 컴포넌트 초안을 생성한다. - 빈 캔버스에서 시작하기 어려울 때 여러 디자인 방향을 빠르게 탐색할 수 있다. - 생성 결과는 완성품이라기보다 초기 아이디어와 작업 출발점으로 활용하는 방식이다. - **AI 기능의 개발 방향** - Figma는 단순히 AI 유행을 따르기보다 실제 사용자 요구를 기준으로 기능을 설계한다고 설명한다. - 범용 대규모 언어 모델(LLM)을 기반으로 기능을 구축하되, 디자이너의 작업 맥락에 맞게 활용하는 데 초점을 둔다. ## UI3: 새롭게 설계된 Figma 인터페이스 - 기존 Figma 인터페이스를 재설계한 UI3를 공개한다. - AI 기능과 Actions 패널을 포함해 주요 작업을 더 쉽게 찾고 실행할 수 있도록 작업 환경을 개편한다. - UI3는 Figma AI와 함께 제한적 베타로 제공되며 단계적으로 확대된다. ## Figma Slides: 디자인과 프레젠테이션의 결합 - Figma Slides를 통해 슬라이드를 만들고, 협업하고, 발표할 수 있는 기능을 추가한다. - 디자인 도구에서 사용하던 협업 방식과 시각적 편집 경험을 프레젠테이션 제작으로 확장한다. - 제품 아이디어, 디자인 결과물, 프로젝트 진행 상황을 별도 도구로 옮기지 않고 공유·발표하는 흐름을 지원한다. ## Dev Mode: 디자인 완료에서 개발 완료까지 - Dev Mode를 크게 업데이트해 디자인과 개발 사이의 전환 과정을 개선한다. - 디자이너가 전달한 결과물을 개발자가 실제 구현으로 옮기는 과정에서 필요한 정보를 더 쉽게 확인하도록 지원한다. - 이번 업데이트는 단순히 “개발 준비 완료” 상태를 표시하는 것을 넘어, 개발 작업이 완료될 때까지의 협업 흐름을 강화하는 방향이다. ## Auto Layout·UI Kit·프로토타입 등 사용성 개선 - Auto Layout을 비롯해 기존 Figma 핵심 기능의 사용성을 개선한다. - UI Kit 활용 경험을 다듬어 더 빠르게 디자인 작업을 시작할 수 있도록 한다. - 프로토타입 뷰어를 개선해 결과물을 확인하고 공유하는 과정을 편리하게 만든다. - Figma AI뿐 아니라 자주 사용하는 기능 전반을 개선해 일상적인 작업 흐름의 마찰을 줄인다. ## 베타 제공 방식 - Figma AI와 UI3는 당시 제한적 베타로 제공된다. - Figma 화면 하단의 **“?”** 메뉴에서 **“Join UI3 + AI waitlist”**를 선택해 대기 목록에 등록할 수 있다. - 기능은 한 번에 전체 사용자에게 공개되지 않고 점진적으로 확대된다. 실무에서는 Visual Search로 기존 사내 디자인 자산을 재활용하고, Make Designs와 자동 프로토타이핑으로 초기 아이디어를 빠르게 검증하는 방식이 유용하다. 다만 AI 생성 결과를 그대로 사용하기보다 디자인 시스템, 접근성, 브랜드 기준에 맞춰 검토·수정하는 과정이 필요하다.

원문 읽기(새 탭에서 열림)

AI디자인 시스템대규모 언어 모델프로토타이핑+3

figma·2024년 6월 25일·3분 읽기큐레이션 요약

입력과 출력에 관한 오

AI의 성능과 영향력은 모델보다 입력 데이터의 품질에 훨씬 크게 좌우된다. 오베타 샘슨은 제품 개발자가 문제에 필요한 최소한의 데이터, 즉 최종 사용자와 사업 목적을 충분히 대표하면서도 불필요한 인간적 위험을 키우지 않는 ‘최소 실행 가능 데이터(minimum viable data)’를 고민해야 한다고 주장한다. 데이터는 중립적이지 않으며, 누구를 포함하고 배제했는지가 AI의 결과와 피해를 결정한다. ## 데이터는 사람과 분리될 수 없다 - 데이터는 저절로 존재하지 않는다. 사람이 생성하고, 수집하고, 분류하고, 가공하고, 해석한다. - 따라서 데이터의 누락이나 편향은 단순한 기술적 결함이 아니라 특정 집단의 경험과 존재가 배제된 결과일 수 있다. - 제품 개발자가 데이터 포인트를 사람과 분리해 바라보면, 사회적·문화적·경제적 차별이 반영된 ‘트라우마를 가진 데이터셋’을 만들 수 있다. - 샘슨은 “데이터 없이는 AI와 ML이 없고, 사람 없이는 데이터도 없다”고 강조한다. ## 역사적 배제가 모델의 편향을 만든다 - 미국의 신용평가 모델은 여성의 금융 접근이 제한되던 시대의 데이터를 바탕으로 발전했다. - FICO 점수의 기반이 된 수학 공식은 1958년에 작성됐다. - 하지만 미국 여성은 1970년대까지 주택담보대출을 받거나 신용카드를 독자적으로 신청하기 어려웠다. - 미국 인구조사는 1790년부터 이어졌지만 LGBTQ 개인을 공식적으로 인정한 것은 2021년에 이르러서였다. - 이처럼 과거 데이터에 특정 집단이 기록되지 않았다고 해서 그들이 존재하지 않았던 것은 아니다. - 오래되고 규모가 큰 데이터셋이라도 대표성이 부족하면, 이를 학습한 모델은 현실의 일부 사람들에게 불리한 결정을 내릴 수 있다. ## 모델보다 입력 데이터가 더 중요하다 - 샘슨은 AI 출력의 품질이 거의 전적으로 입력, 즉 데이터에 달려 있다고 설명한다. - 학습 데이터의 구성과 품질이 모델의 예측 방식과 결과를 사실상 결정한다. - 따라서 다음 질문이 모델 개발보다 먼저 다뤄져야 한다. - 무엇을 좋은 데이터와 나쁜 데이터로 판단할 것인가? - 어떤 사람이 데이터 수집과 포함 여부를 결정하는가? - 문제를 해결하는 데 데이터가 얼마나 필요한가? - 데이터가 대상 사용자를 공정하게 대표하는가? - 데이터가 부족하거나 편향된 상태에서 더 정교한 모델을 사용해도 근본적인 문제는 해결되지 않는다. ## ‘최소 실행 가능 데이터’의 기준 - 먼저 해결하려는 문제가 실제로 무엇인지 명확히 정의해야 한다. - AI나 ML을 적용할 수 있다는 이유만으로 반드시 사용해야 하는 것은 아니다. - 다음 조건을 충족하는지 검토해야 한다. - 해당 문제에 AI·ML이 적합하고 바람직한가? - 수집하려는 데이터가 공정하고 품질이 높은가? - 최종 사용자 집단을 충분히 대표하는가? - 더 많은 데이터를 모으는 과정에서 개인정보 침해나 차별 등 인간적 위험이 커지지 않는가? - 문제 해결에 필요한 최소 범위를 넘어 과도한 데이터를 수집하고 있지는 않은가? - 핵심은 가장 큰 데이터셋이나 가장 복잡한 모델이 아니라, 목적에 맞는 충분하고 공정한 데이터다. ## 데이터 작업을 제품 개발의 중심에 두기 - AI 업계에서는 모델 설계와 기능 구현이 주목받지만, 데이터 정제·라벨링·검증 같은 작업은 상대적으로 간과되기 쉽다. - 그러나 데이터의 출처, 수집 방식, 라벨 기준, 누락된 집단을 점검하지 않으면 모델 개발 전체가 잘못된 방향으로 진행될 수 있다. - 샘슨은 데이터와 알고리즘의 사회적 영향을 이해하기 위해 다음 자료를 추천한다. - 캐시 오닐, 『대량살상 수학무기』 - 메리 L. 그레이·시드하르트 수리, 『고스트 워크』 - “Everyone wants to do the model work, not the data work” 제품을 만들 때는 “AI를 사용할 수 있는가?”보다 “누구를 위해 어떤 문제를 해결하며, 그에 필요한 데이터가 공정하고 충분한가?”를 먼저 물어야 한다. 필요한 범위의 대표성 높은 데이터를 정의하고, 배제된 사용자와 잠재적 피해를 지속적으로 검토하는 것이 책임 있는 AI 개발의 출발점이다.

원문 읽기(새 탭에서 열림)

AI머신러닝생성형 AIdata-quality+2

figma·2024년 6월 25일·3분 읽기큐레이션 요약

Figma AI를 소개

Figma는 디자이너의 창작 정체를 해소하고 반복 작업을 줄이기 위해 Figma AI를 출시했다. 주요 기능은 이미지·영역·텍스트 기반의 Visual Search와 의미를 이해하는 AI Asset Search이며, 디자인 탐색과 재사용을 더 쉽게 만드는 것이 목표다. 베타 기간에는 무료로 제공되지만, 향후 사용량 제한과 정식 출시 후 가격 정책이 적용될 수 있다. ## Figma AI의 목표와 제공 방식 - AI를 단순한 유행이 아니라 실제 사용자 문제를 해결하는 도구로 활용한다. - 영감 탐색, 여러 디자인 방향의 실험, 반복적이고 번거로운 작업 자동화를 지원한다. - 디자인 프로세스의 어느 단계에서든 사용자가 작업을 계속 진행하도록 돕는 것을 목표로 한다. - Figma AI와 UI3는 2024년 당시 제한적 베타로 제공되며, 사용자는 Figma 화면 하단의 `?` 메뉴에서 대기자 명단에 등록할 수 있다. - 베타 기간에는 모든 사용자에게 무료로 제공되지만, 운영 비용과 사용 패턴에 따라 사용량 제한이 도입될 수 있다. - 정식 출시 시 가격 정책을 별도로 안내할 예정이다. ## 이미지와 디자인을 찾는 Visual Search - 사용자가 이미지를 업로드하거나, 캔버스의 특정 영역을 선택하거나, 텍스트 검색어를 입력하면 시각적으로 유사한 디자인을 찾아준다. - 사용자가 접근 권한을 가진 팀 내 모든 파일에서 관련 디자인을 검색한다. - 검색 결과에서 적절한 프레임을 현재 작업 중인 파일에 바로 삽입할 수 있다. - 기존 제작물이나 제품 스크린샷을 출발점으로 삼는 디자이너가 필요한 디자인을 빠르게 재사용할 수 있다. - 향후에는 Figma Community 파일까지 검색 범위를 확대할 계획이다. - 커뮤니티 리소스 검색 결과에는 원작자 표기를 제공하고, 원본 파일이나 제작자의 다른 작업으로 이동할 수 있도록 할 예정이다. ## 의미를 이해하는 AI Asset Search - Assets 패널의 기존 검색 기능을 AI 기반으로 개선했다. - 단순히 컴포넌트 이름에 검색어가 포함되는지 확인하는 대신, 검색어의 의미와 디자인 요소가 사용되는 맥락을 분석한다. - 예를 들어 `primary button`을 검색하면 실제 컴포넌트 이름이 `btn_large`처럼 되어 있어도 관련 버튼을 찾아준다. - 디자인 시스템의 명명 규칙이 일관되지 않거나 조직 규모가 커서 컴포넌트를 찾기 어려운 상황에서 유용하다. - 키워드를 정확히 기억하지 않아도 자연어에 가까운 방식으로 적절한 컴포넌트와 에셋을 탐색할 수 있게 한다. ## 디자이너의 작업 흐름을 돕는 방향 - Figma AI는 처음부터 새로 만드는 작업뿐 아니라 기존 디자인을 찾고 발전시키는 과정도 지원한다. - Visual Search는 시각적 유사성을 기반으로 영감과 재사용 가능한 결과물을 제공한다. - Asset Search는 디자인 시스템 내부의 컴포넌트를 더 직관적으로 찾도록 돕는다. - 결과적으로 탐색에 소요되는 시간을 줄이고, 디자이너가 실제 문제 해결과 창의적 의사결정에 더 집중하도록 하는 것이 제품의 방향이다. 실무에서는 팀의 디자인 시스템에 일관된 이름을 적용하는 것이 여전히 중요하지만, Figma AI의 검색 기능을 활용하면 기존 자산의 명칭이 제각각인 조직에서도 컴포넌트 탐색과 재사용 효율을 높일 수 있다.

원문 읽기(새 탭에서 열림)

AI디자인 시스템사용자 경험생성형 AI+2

figma·2024년 6월 25일·3분 읽기큐레이션 요약

프리랜서와 에이

Figma는 프리랜서와 소규모 에이전시가 여러 고객과 협업할 때 발생하는 라이선스·프로젝트 이전·좌석 과금 문제를 해결하기 위한 billing 및 아키텍처 개선을 추진한다. 핵심 방향은 고객사와의 연결된 워크스페이스 제공, 플랜 간 프로젝트 이전 간소화, 유료 좌석 관리와 과금 알림 강화다. 이를 통해 여러 플랜의 라이선스를 따로 구매하거나 관리자가 프로젝트 종료 후 좌석을 수동으로 정리해야 하는 부담을 줄이려 한다. ## 프리랜서와 에이전시가 겪던 문제 - 기존 Figma 요금제는 한 조직 내부에서 협업하는 팀을 중심으로 설계됐다. - 프리랜서와 에이전시는 고객사마다 다른 Figma 계정과 플랜을 사용해야 했다. - 그 결과 다음과 같은 운영 부담이 발생했다. - 여러 플랜에서 라이선스를 중복으로 확보 - 고객 목록과 사용자 권한을 지속적으로 관리 - 프로젝트 종료 후 사용하지 않는 유료 좌석을 직접 다운그레이드 - 고객과 파일을 공유하거나 작업을 인수인계할 때 협업 마찰 발생 ## 외부 협업을 위한 연결된 워크스페이스 - Figma 계정 간에 연결된 워크스페이스를 만들 수 있는 기능을 개발 중이다. - 프리랜서·에이전시와 고객이 각자의 기존 Figma 좌석을 사용하면서 같은 공간에서 파일을 생성하고 공동 편집할 수 있게 된다. - 고객사마다 별도의 라이선스를 추가로 구매해야 하는 문제를 줄이는 것이 목적이다. - 글 작성 시점에는 다음 해 초 출시를 목표로 하고 있었다. ## 플랜 간 프로젝트 이전 개선 - 기존에는 Organization 또는 Enterprise 플랜 고객에게만 프로젝트를 이전할 수 있었다. - 향후에는 Professional, Organization, Enterprise 등 서로 다른 플랜 간에도 작업을 이전할 수 있도록 개선한다. - 주요 개선 사항은 다음과 같다. - 원본 프로젝트를 유지한 채 복사본만 고객에게 이전 - 이전 과정에서 협업자를 제거해 의도하지 않은 유료 좌석 업그레이드 방지 - 고객의 플랜 유형과 관계없이 작업 이전 가능 - 이 기능 개선은 2024년 8월 20일 기준으로 적용되었다. ## 과금 알림과 좌석 관리 강화 Figma는 협업을 쉽게 만들기 위해 파일을 공유받은 사용자가 즉시 편집할 수 있도록 했지만, 이 방식은 프로젝트가 끝난 뒤 유료 좌석을 정리해야 하는 책임을 관리자에게 남겼다. - 기존에는 청구서 발행 며칠 전에 예정된 요금을 이메일로 안내했다. - 관리자는 추가로 일일·주간·월간 좌석 업그레이드 알림을 받을 수 있다. - 알림에는 다음 정보가 포함된다. - 어떤 사용자가 유료 좌석으로 업그레이드됐는지 - 어떤 작업으로 업그레이드가 발생했는지 - Figma Design 및 FigJam에서 발생한 좌석 변경 내역 - 신규 계정은 플랜에 따라 알림이 기본 활성화된다. - Professional: 주간 알림 - Organization·Enterprise: 월간 알림 - 기존 고객도 설정에서 알림을 직접 활성화할 수 있다. ## 관리자 승인 기반 좌석 업그레이드 - 계정에 새로 참여하는 사용자의 기본 역할을 `viewer-restricted`로 지정할 수 있다. - 이 설정을 사용하면 사용자가 자동으로 유료 좌석으로 승격되지 않는다. - 유료 좌석 업그레이드에는 관리자의 명시적인 승인이 필요하다. - 프로젝트성 협업이 많고 외부 사용자가 자주 추가되는 조직에서 예상치 못한 과금을 통제하는 데 유용하다. ## 향후 과금 아키텍처 개선 - Figma는 현재의 알림과 승인 기능 외에도 근본적인 billing 아키텍처를 개선하는 작업을 진행 중이다. - 단기적으로는 관리자에게 더 많은 가시성과 통제권을 제공하고, 장기적으로는 프리랜서와 에이전시의 협업 방식에 맞는 요금 구조를 마련하는 것이 목표다. - 이번 발표는 완성된 요금제 개편보다는 향후 로드맵과 임시 관리 기능을 제시한 성격이 강하다. 프리랜서와 에이전시는 당장 `viewer-restricted` 기본 좌석과 정기적인 좌석 업그레이드 알림을 활성화하는 것이 좋다. 프로젝트 이전 시에는 원본 보존과 협업자 제거 옵션을 활용해 불필요한 권한과 과금이 발생하지 않도록 관리해야 한다.

원문 읽기(새 탭에서 열림)

Figmafigjamcollaborationfigma-design+1

figma·2024년 6월 25일·3분 읽기큐레이션 요약

아무도 당신을 판단

Perplexity는 링크 목록을 보여주는 검색엔진이 아니라, 웹의 정보를 종합해 출처와 함께 답을 제공하는 ‘답변 엔진’을 지향한다. 목표는 사용자가 남의 시선을 의식하지 않고 무엇이든 질문하게 하며, 짧은 시간에 핵심을 이해한 뒤 더 깊은 호기심으로 나아가도록 돕는 것이다. 이를 위해 최신 웹 정보, 간결한 요약, 투명한 출처, 대화형 인터페이스를 결합한다. ## 호기심을 위한 지식 앱 - 공동 창업자 아라빈드 스리니바스는 어린 시절 위키피디아 링크를 따라가며 지식을 탐색하던 경험에서 Perplexity의 아이디어를 얻었다. - 백과사전이 종이책, CD·DVD, 위키피디아를 거쳐 Perplexity로 발전했다고 본다. - 사람들의 참여를 유도하는 방식이 반드시 짧은 영상이나 자극적인 콘텐츠일 필요는 없으며, 호기심 자체를 자극할 수 있다고 주장한다. - 누구나 판단받을 걱정 없이 질문할 수 있게 하는 것이 제품의 중요한 목표다. ## 두려움을 넘어선 창업 - 창업자들은 처음에 자신들의 질문에 답하기 위해 Slack 봇을 만들었다. - 투자 유치 방식 - 직원 건강보험 설정 등 실무적인 질문 - 제품이 유용했지만, 구글과 경쟁한다고 사람들이 비웃을까 봐 공개를 망설였다. - 투자자 냇 프리드먼은 “잃을 것이 없고, 최악의 결과도 현재보다 나은 진전”이라는 비대칭적 베팅의 관점을 제시했다. - 이 조언을 계기로 Perplexity는 ChatGPT 출시 직후 서비스를 공개했다. ## ChatGPT 이후의 차별화 - ChatGPT가 지식의 기준 시점과 환각 문제를 널리 인식시킨 상황에서, Perplexity는 답변뿐 아니라 근거 출처도 함께 제공하는 방향을 택했다. - 핵심 구성 요소는 다음과 같다. - 자연어 질문 이해 - 웹 검색 및 색인 - 대규모 언어 모델 - 여러 웹페이지의 정보 종합 - 답변별 출처와 각주 제공 - Perplexity는 “위키피디아와 대화형 채팅을 결합한 서비스”로 설명되며, 정보의 범위는 전체 인터넷으로 확장된다. ## 정보를 쉽게 전달하는 80/20 접근법 - 사용자가 모든 자료를 처음부터 끝까지 읽지 않아도 핵심적인 이해를 얻도록 하는 것이 목표다. - 책의 서론과 첫 장을 읽어 전체 가치의 상당 부분을 파악하는 방식처럼, Perplexity도 여러 웹페이지에서 중요한 내용을 추려 간결한 답변을 만든다. - 예를 들어 LLM을 이해할 때 전체 세부사항을 다 알기보다, 핵심 개념의 약 20%를 통해 전체 이해의 80%를 얻도록 돕는다. - 단순화하되 내용을 지나치게 축약하지 않고, 원문 출처를 확인할 수 있게 해 정보의 신뢰성과 깊이를 유지한다. ## 답변에서 새로운 질문으로 - 질문에 답한 뒤 관련 질문 세 가지를 제시해 사용자가 다음 탐색 단계로 자연스럽게 이동하도록 한다. - 창업자는 모든 사람이 본질적으로 호기심이 많지만 다음과 같은 이유로 질문을 충분히 발전시키지 못한다고 본다. - 호기심을 탐구할 동기가 부족함 - 무엇이 궁금한지 정확히 표현하기 어려움 - 좋은 질문을 만드는 능력이나 배경지식이 부족함 - 좋은 질문은 사용자의 지식 수준과 목적에 따라 달라진다. 같은 블랙홀 주제라도 일반 사용자와 물리학 박사에게 필요한 설명의 깊이는 다르다. - 따라서 제품은 사용자가 질문을 정확히 만들지 못했다고 탓하기보다, 사용자의 의도와 이해 수준에 맞춰 질문을 구체화하고 탐색을 지원해야 한다. ## 실용적인 시사점 Perplexity의 사례는 AI 검색 서비스가 단순히 더 많은 정보를 제공하는 것보다, **검증 가능한 답변을 적절한 깊이로 전달하고 다음 질문까지 설계하는 것**이 중요하다는 점을 보여준다. 지식 탐색 제품을 만들 때는 정확한 출처, 사용자 수준에 맞는 설명, 판단받지 않는 질문 환경, 후속 호기심을 유도하는 인터페이스를 함께 고려하는 것이 효과적이다.

원문 읽기(새 탭에서 열림)

AI대규모 언어 모델자연어 처리conversational-ai+2

figma·2024년 6월 17일·4분 읽기큐레이션 요약

AI의 가능성과 위험 요소를

AI는 제품과 디자인의 생산성을 높일 가능성이 크지만, 현재의 변화는 개인 업무에 집중되어 있으며 협업 방식까지 근본적으로 바꾸지는 못했다. 개발자는 코드 생성과 언어 변환처럼 AI와 잘 맞는 업무 덕분에 디자이너보다 더 큰 변화를 경험하고 있다. 따라서 기업은 유행에 맞춰 기능을 빠르게 출시하기보다, 실험과 연구를 반복하며 실제 사용자와 협업에 가치를 만드는 AI 제품을 찾아야 한다. ## 조사 배경과 접근 방식 - Figma는 2024년 2월 26일부터 3월 3일까지 7개국의 Figma 사용자 1,800명 이상을 조사했다. - 응답자는 디자이너, 경영진, 개발자로 구성됐다. - 조사 대상 국가는 미국, 캐나다, 호주, 영국, 일본, 프랑스, 독일이다. - 연구의 핵심 전제는 AI 제품의 영향력이 LLM의 성능뿐 아니라 제품이 어떻게 설계되는지에 따라 달라진다는 것이다. - AI의 가능성이 아직 확정되지 않은 만큼, 제품팀은 빠른 출시 압박 속에서도 실험·놀이·사용자 연구를 지속해야 한다. ## 업무 흐름 전반의 AI 전환 - 생성형 AI는 프롬프트에 반응해 텍스트, 이미지, 코드 등 데이터를 생성하는 기술이다. - 개발자는 디자이너보다 AI가 자신의 제품을 변화시켰다고 답할 가능성이 60% 높았다. - 개발 업무는 다음과 같이 AI가 직접 지원하기 쉬운 작업을 많이 포함한다. - 코드의 출발점 생성 - 프로그래밍 언어 간 변환 - 반복적인 구현 작업 보조 - 반면 디자인의 핵심 업무는 사용자 요구와 문제 공간을 깊이 이해하고, 비선형적으로 탐색하며 학습하는 과정이다. - AI는 목업을 코드로 변환하는 데 도움을 줄 수 있지만, 아직 디자인의 근본적인 문제 정의와 탐색 과정에는 상대적으로 큰 영향을 주지 못하고 있다. - AI 프로젝트 아이디어가 디자이너뿐 아니라 프로그래머, 분야별 전문가, 이해관계자로부터도 나오면서 조직 전체가 AI 제품 개발에 참여하고 있다. ## 개인 생산성에서 협업으로 확장해야 하는 이유 - 응답자의 85%는 AI가 개인 생산성이나 업무 흐름에 영향을 주었다고 답했다. - 가장 흔한 활용 방식은 다음과 같다. - 텍스트와 이미지 생성 - 아이디어를 점검하는 사고 파트너 - 초안 작성과 브레인스토밍 지원 - 응답자는 AI가 개인 업무를 크게 변화시켰다고 답할 가능성이 협업 업무보다 세 배 높았다. - 그러나 AI가 팀의 다음 활동을 크게 바꾸었다는 인식은 상대적으로 낮았다. - 의견 조율 - 회의 진행 - 공동 작업 방식 - AI와 대화하는 개인 작업도 넓은 의미에서는 협업으로 볼 수 있지만, 현재 AI 제품은 주로 개인의 생산성 향상에 머물러 있다. - 진정한 변화를 만들려면 제품팀은 개별 작업 자동화를 넘어 팀의 의사결정과 공동 창작을 어떻게 개선할지 고민해야 한다. ## 산업과 일상생활에 미칠 영향 - 기술 산업 종사자의 41%, 전문·비즈니스 서비스 종사자의 40%, 유통업 종사자의 39%가 AI로 제품과 서비스가 크게 바뀔 것으로 예상했다. - 반면 의료, 에너지·공공서비스, 통신 분야는 향후 12개월 동안 AI의 영향이 상대적으로 작을 것으로 전망됐다. - AI의 잠재력을 실현하려면 소프트웨어 기업뿐 아니라 의료·에너지·통신처럼 일상생활의 기반이 되는 산업도 변화해야 한다. - AI의 영향은 화면이나 기능 추가에만 국한되지 않고, 사람들이 서비스를 이용하고 조직이 운영되는 방식 자체를 바꿀 수 있다. ## 실험과 반복을 통한 유용성 검증 - AI 기술에 대한 기대와 실제 유용성 사이에는 여전히 차이가 있다. - 새로운 앱, 기능, 연구 논문이 빠르게 등장하면서 기업은 AI 기능을 서둘러 출시하라는 압박을 받고 있다. - 하지만 무엇이 실제로 사용자에게 도움이 되는지는 아직 충분히 검증되지 않았다. - 제품과 디자인 리더는 다음과 같은 태도를 취해야 한다. - 불확실성을 받아들이기 - 다양한 아이디어를 빠르게 실험하기 - 사용자 반응과 실제 사용 맥락을 관찰하기 - 효과가 없는 기능은 반복적으로 수정하거나 폐기하기 - AI 제품 개발은 아직 단순한 출시 경쟁이라기보다, 어떤 사용 경험과 협업 방식이 지속될지 찾아가는 단계에 가깝다. AI를 도입할 때는 “AI 기능을 추가했는가”보다 “사용자와 팀의 문제를 실제로 해결했는가”를 기준으로 평가하는 것이 좋다. 개인 생산성 도구에서 시작하되, 사용자 이해·협업·산업별 맥락을 반영한 실험을 반복해야 장기적으로 유용한 AI 제품에 도달할 수 있다.

원문 읽기(새 탭에서 열림)

AI대규모 언어 모델머신러닝생성형 AI+2

figma·2024년 6월 11일·3분 읽기큐레이션 요약

요점 정리: 제5호

아이디어를 현실로 만드는 여정에는 동료, 멘토, 커뮤니티와의 연결이 필수적이라는 글이다. Figma는 Config 2024를 앞두고 창작 도구, 제품의 완성도, AI, 커뮤니티가 서로 영향을 주는 사례들을 소개한다. 온라인과 오프라인을 막론하고 함께 배우고 교류하는 것이 창작과 혁신을 지속시키는 힘이라고 강조한다. ## 사람과 커뮤니티가 만드는 진전 - 예상치 못한 이메일, 멘토의 조언, 동료와의 대화가 아이디어를 구체화하고 다음 단계로 나아가게 한다. - 개인의 성취처럼 보이는 결과도 실제로는 주변 사람들과의 연결과 협업에서 비롯되는 경우가 많다. - Figma는 Config를 통해 창작자, 개발자, 제품 담당자, 디자이너가 서로의 경험을 공유하도록 장려한다. - 직접 만나는 방식뿐 아니라 온라인 커뮤니티와 URL을 통한 연결도 중요한 관계 형성 수단으로 본다. ## 개발자 도구를 ‘마법처럼’ 만드는 제품 설계 - Snap AR의 Lens Studio를 만든 제품 관리자 Charmaine Lee의 경험을 소개한다. - 좋은 창작 도구는 기획자나 관리자만 설계하는 것이 아니라, 팀 전체가 실제 파일과 제품을 직접 사용하며 만들어야 한다. - 개발자와 창작자의 작업 방식에 깊이 참여하는 ‘all-hands-on-deck’ 접근이 도구의 사용성과 즐거움을 높인다. - 사용자가 도구를 배우는 데 드는 부담을 줄이고, 아이디어를 즉시 실험할 수 있게 하는 것이 핵심이다. ## 형태와 기능을 결합하는 완성도 - Stripe의 Katie Dill, Linear의 Karri Saarinen, Figma의 Yukhi Yamashita가 제품의 ‘craft and beauty’를 논의한다. - 아름다운 시각적 표현은 기능과 분리된 장식이 아니라 제품 경험의 일부다. - 완성도와 품질은 단순한 미적 평가를 넘어 사용자 만족도, 신뢰, 제품 성장과 연결된다. - 형태와 기능을 함께 다듬는 투자가 장기적으로 비즈니스 성과와 제품 경쟁력에 영향을 준다고 설명한다. ## Figma를 활용한 퀼트 제작 - 전직 제품 디자이너 Nicole Boettcher는 익숙한 디자인 도구인 Figma로 퀼트를 설계하고 제작한다. - Figma에서 도형을 배치하고 패턴을 계획하는 방식이 실제 천 조각의 구성과 배치에도 활용된다. - 디지털 디자인 도구는 화면 속 UI 제작을 넘어 공예와 물리적 제작 과정에도 적용될 수 있다. - “사각형을 움직이는 일”이라는 디자이너의 작업 방식이 새로운 창작 분야에서도 이어진다는 점을 보여준다. ## AI 시대에 필요한 학습과 협업 - Replit의 David Hoang은 AI가 창작 도구와 제품 설계·개발 workflow를 크게 바꿀 것으로 전망한다. - AI의 변화에 대응하려면 개인이 혼자 학습하기보다 동료 집단과 함께 실험하고 배우는 환경이 필요하다. - 구성원 간의 책임감과 즐거움이 공존하는 커뮤니티가 지속적인 학습 동기를 만든다. - 기술 변화가 클수록 서로의 경험을 공유하고 함께 적응하는 코호트와 커뮤니티의 역할이 커진다. ## Config 2024와 참여 방법 - 2024년 Config의 현장 티켓은 매진됐지만 온라인 참가와 지역별 watch party 참여가 가능하다고 안내한다. - 행사 기간에는 라이브 블로그를 통해 발표 내용, 연사 하이라이트, 참가자 관련 소식을 확인할 수 있다. - 이번 호의 일러스트와 Config 관련 굿즈는 일러스트레이터 Thomas Colligan이 제작했다. - 뉴스레터 구독을 통해 관련 콘텐츠를 지속적으로 받아볼 수 있다. 창작 도구와 기술의 발전을 따라가려면 도구 자체뿐 아니라 이를 사용하는 사람들과 적극적으로 연결하는 것이 좋다. 특히 새로운 AI 도구를 학습하거나 제품을 개선할 때는 혼자 완성하려 하기보다 동료와 실험하고 피드백을 나누는 환경을 만드는 것이 실용적인 접근이다.

원문 읽기(새 탭에서 열림)

FigmaAI프로덕트 디자인developer-tools+3

figma·2024년 6월 10일·3분 읽기큐레이션 요약

Config 202

Config 2024는 전 세계 제품 제작자들이 모여 디자인, 기술, 창의성에 대해 공유한 Figma의 연례 콘퍼런스다. 글은 현장 분위기와 주요 세션을 실시간으로 전하며, 창작자가 외부 세계의 영향과 자신의 경험을 제품에 반영해야 한다는 메시지를 강조한다. 행사 이후에는 세션 영상과 출시 요약을 제공하고, 아시아·태평양 지역을 위한 Config APAC 개최 소식도 안내한다. ## Config 2024의 규모와 현장 분위기 - 전 세계 참석자, 발표자, 자원봉사자, Figma 직원이 행사를 함께 만들었다. - 샌프란시스코 Moscone 행사장과 온라인 무대에서 세션이 진행됐다. - 주요 프로그램에는 다음과 같은 세션이 포함됐다. - `Design of Everything` - 신규 기능 요약 및 Friends of Figma - Figma EDU - `Figma like the pros` - Config 2024 회고 - 참석자들은 전시장, 전시물, 굿즈 매장, Maker Space에서 교류했다. - 행사 영상은 YouTube 플레이리스트에서 다시 볼 수 있으며, 별도의 출시 요약 글도 제공됐다. ## 외부 세계에서 영감을 얻는 디자인 - The Browser Company의 Karla Mickens Cole과 Nashilu “Nash” Mouen이 `Designing for Everything` 키노트를 진행했다. - 두 발표자는 직선적이고 예측 가능한 디자인 관습을 깨고 새로운 기대를 만들어내는 방법을 이야기했다. - 제품에 창작자의 진정한 경험과 개성을 흔적으로 남기는 것을 중요한 원칙으로 제시했다. - Nash는 기술 내부의 관습만 참고해서는 새로운 제품을 만들기 어렵고, 기술 외부의 문화·이야기·브랜드에서 영감을 얻어야 한다고 강조했다. - 이는 제품 디자인이 기능 구현을 넘어 창작자의 배경과 다양한 세계관을 반영해야 한다는 메시지로 이어진다. ## AI와 디지털 아트의 가능성 - 디지털 아티스트 Refik Anadol은 Figma의 DesignOps 디렉터 Meredith Black과 대담했다. - 그의 작품 `Unsupervised`는 MoMA의 아카이브를 AI로 해석하고 변형하는 디지털 아트 작품이다. - Anadol은 이를 통해 “기계가 꿀 수 있는 가능한 꿈”을 계산했다고 설명했다. - AI가 데이터를 단순화한다는 비판에 대해서는 비평자의 관점과 의도를 함께 살펴봐야 한다고 답했다. - 대담은 AI가 예술과 데이터 해석의 방식을 바꾸는 동시에, 디지털 아트에 대한 기존 미술계의 인식에도 질문을 던진다는 점을 보여준다. ## 실패와 놀이에서 출발하는 창의성 - 발명가이자 유튜버인 Simone Giertz는 양치질 헬멧, 사람을 깨우는 알람시계, 수프를 먹여주는 로봇 등 유쾌한 발명품을 소개했다. - 스타트업을 그만둔 뒤 스스로 놀 수 있는 여유를 허용하면서 창의성이 다시 살아났다고 설명했다. - 지나치게 탁월해야 한다는 압박보다 실험과 놀이가 더 효과적일 수 있다고 말했다. - “어렵다고 해서 중요한 것은 아니다”라는 관점으로 일의 우선순위를 재고했다. - 자신의 자기비하적 태도가 능력을 약화시킬 수 있다는 점을 깨닫고, 2019년 제품 디자인 회사 Yetch를 설립했다. - 참가자들에게 벽돌 하나의 용도를 2분 동안 최대한 많이 생각하게 하는 브레인스토밍을 진행해, 엉뚱한 아이디어를 의도적으로 끌어냈다. - 그녀는 자신의 직업을 직접 발명한 것이 가장 좋아하는 발명이라고 표현했다. ## 커뮤니티와 브랜드 경험 - Figma Store에는 후디, 티셔츠 등 독특한 디자인의 굿즈를 구매하려는 긴 줄이 이어졌다. - 참가자들은 Figma의 굿즈가 브랜드의 개성과 유머를 잘 보여준다고 평가했다. - Maker Space의 Customization Station에서는 참가자가 토트백에 패치를 붙여 직접 꾸밀 수 있었다. - Aura portrait 같은 체험형 프로그램도 운영되어, 단순한 강연을 넘어 참가자가 행사 콘텐츠를 직접 만들고 공유하도록 했다. - 이러한 활동은 Figma가 소프트웨어뿐 아니라 커뮤니티와 물리적 브랜드 경험까지 함께 구축하고 있음을 보여준다. 행사의 메시지를 실무에 적용한다면, 익숙한 업계 사례만 반복해서 참고하기보다 예술·문화·개인 경험 등 다양한 외부 자극을 제품에 연결하는 것이 좋다. 또한 초기 아이디어 단계에서는 완성도보다 놀이와 실험을 우선하고, 실패하거나 엉뚱해 보이는 발상도 충분히 탐색하는 접근이 유용하다.

원문 읽기(새 탭에서 열림)

FigmaAI사용자 경험프로덕트 디자인+2

figma·2024년 6월 6일·3분 읽기큐레이션 요약

샤메인 리의 개발자

개발자 도구가 ‘마법처럼’ 느껴지려면 세련된 UI보다 사용자가 가치를 깨닫고 스스로 창작할 수 있게 되는 과정이 중요하다. 특히 첫 사용 경험(FTUE)에 과도하게 집중하기보다, 사용자가 ‘아하’ 순간 이후 빠르게 독립적인 제작자가 되도록 돕고 개발자 커뮤니티와 진정성 있게 소통해야 한다. 글에서 소개된 원칙은 제공된 내용 기준으로 네 가지다. ## 첫 사용 경험보다 지속적인 사용에 집중 - FTUE에 제품의 모든 기능과 복잡성을 한꺼번에 담으면 사용자가 실제로 제품을 이해하고 활용하기 어려워진다. - 중요한 것은 가입이나 온보딩 완료가 아니라, 사용자가 ‘아하’ 순간 이후에도 계속 제품을 사용할 수 있게 하는 것이다. - Lens Studio 5.0 공개 베타에서는 별도의 FTUE를 제공하지 않고, 안내 없이도 직관적으로 사용할 수 있는 제품을 만드는 데 집중했다. - 전환율보다 사용자의 실질적인 이해와 자립을 목표로 삼아야 한다. ## 사용자가 ‘마법’을 경험하는 시간 단축 - 사용자가 도움말이나 안내에 의존하지 않고 직접 결과물을 만드는 순간까지의 시간을 줄여야 한다. - 팀은 FigJam에서 다운로드부터 첫 프로젝트 제출까지의 사용자 여정을 시각화하고, 총 19단계를 분석했다. - 사용자 테스트를 통해 이미 직관적인 단계는 별도의 개선 대상에서 제외하고, 불필요한 단계를 제거했다. - 그 결과 최초 경험을 핵심적인 네 단계로 축소해 사용자가 더 빠르게 제작자가 되도록 했다. - 여정 설계에서는 사용자의 즐거움을 유발하는 요소, 개선이 필요한 부분, 누락된 지원 요소를 함께 찾아야 한다. ## 사용자가 있는 곳에서 직접 소통하기 - 개발자는 컨퍼런스, 밋업, 라이브 스트리밍, 해커톤 등 다양한 커뮤니티 활동을 활발히 한다. - 제품 관리자는 이런 현장에 직접 참여하고, 관련 소셜미디어의 대화까지 꾸준히 관찰해야 한다. - 실제 사용자의 언어와 맥락을 이해하면 제품 아이디어에 대한 솔직하고 즉각적인 피드백을 얻을 수 있다. - PM의 역할은 개별 인터뷰 몇 건에 의존하는 것이 아니라, 제품과 관련된 대화와 맥락을 지속적으로 축적해 의사결정에 활용하는 것이다. ## 전통적인 마케팅 대신 개발자 관계(DevRel) 강화 - 개발자는 일반적인 광고나 과장된 마케팅보다 자신의 경험에 공감하는 진정성 있는 목소리를 선호한다. - 효과적인 커뮤니케이션에는 다음이 포함된다. - 제품을 만드는 과정에 대한 구체적인 이야기 - 실수와 한계를 인정하는 투명성 - 초보자도 이해할 수 있는 접근성과 필요한 기술 용어의 균형 - DevRel은 전담 조직만의 업무가 아니라 제품, 엔지니어링, PM을 포함한 전 구성원의 책임이어야 한다. - 팀 전체가 제품을 알리고 사용자의 요구를 대변할 때 장기적이고 충성도 높은 개발자 커뮤니티를 만들 수 있다. 개발자 도구를 설계할 때는 첫 화면의 인상이나 온보딩 전환율보다 사용자가 첫 결과물을 만들고 독립적으로 활용하기까지의 흐름을 측정하는 것이 실용적이다. 또한 개발자 커뮤니티에 직접 참여해 얻은 피드백을 제품 개선과 DevRel 활동에 지속적으로 반영해야 한다.

원문 읽기(새 탭에서 열림)

사용자 경험developer-toolsaugmented-realityunity+3

figma·2024년 6월 2일·3분 읽기큐레이션 요약

초안 작동 방식 업데이트 | Figma

Figma는 Starter·Professional 플랜의 Drafts를 팀과 분리된 개인 공간에서 팀 내부의 전용 Drafts 공간으로 이전한다. 이를 통해 파일 소유권과 권한을 명확히 하고, 팀 플랜 기능과 향후 결제·라이선스 관리 개선의 기반을 마련하려는 것이다. Drafts는 계속 비공개로 유지되며 무료로 생성·편집할 수 있지만, 팀으로 이동할 때 일부 협업자의 편집 권한이 변경될 수 있다. ## Drafts 이전의 배경 - 기존 Drafts는 팀에 속하지 않아 파일 소유권과 팀 연계가 불명확했다. - Starter·Professional과 Organization·Enterprise의 Drafts 구조가 달라 제품 개선이 복잡했다. - 팀과 연결되지 않은 Drafts에서는 고급 프로토타이핑, 비밀번호 보호, Dev Mode 같은 유료 기능을 사용할 수 없었다. - 개인 작업과 업무용 작업이 분리되지 않아 파일 권한, 보안, 지식재산권 관리에 문제가 생길 가능성이 있었다. ## Drafts의 새로운 구조 - 모든 Drafts는 이제 하나의 팀에 연결되어야 한다. - 사용자는 자신이 속한 각 팀 안에 개인 전용 Drafts 공간을 갖는다. - Professional 팀의 Drafts에서는 편집자에게 Professional 기능이 제공된다. - Starter 팀이 하나뿐인 사용자는 Drafts가 해당 팀의 새 Drafts 공간으로 자동 이전될 수 있다. - 팀 목록은 새 드롭다운 메뉴를 통해 확인하고 선택할 수 있다. ## 협업 권한과 요금 변화 - 팀으로 Draft를 옮겨도 파일은 기본적으로 계속 비공개다. - Draft의 기존 편집자가 해당 팀의 정식 멤버가 아니면, 예상치 못한 유료 좌석 발생을 막기 위해 자동으로 뷰어로 변경된다. - 필요한 경우 사용자 또는 관리자가 다시 편집 권한을 부여해야 한다. - Starter 팀에서는 무제한 뷰어를 초대할 수 있고, 최대 3개의 협업 파일에는 무제한 편집자를 둘 수 있다. - 개인 Drafts를 팀에 소속시키더라도 자신의 Draft를 계속 무료로 생성·편집할 수 있다. ## Drafts를 팀으로 이동하는 방법 - “Drafts to move” 공간으로 이동하면 원하는 팀의 Drafts 공간을 선택해 파일을 옮길 수 있다. - 특정 팀과 관련 없는 개인 작업은 무료 Starter 팀을 만든 뒤 그 팀으로 이동할 수 있다. - 이전 작업이 진행 중인 동안에도 기존 협업자와 Draft를 계속 편집할 수 있다. - 다만 새로운 협업자를 초대하려면 먼저 파일을 팀으로 이동해야 한다. - 현재 고정된 마감일은 없으며, 향후 이동하지 않은 Drafts는 무료 Starter 플랜으로 이전될 예정이다. 이전 전에는 별도 안내가 제공된다. ## 앞으로의 개선 방향 - 사용자가 유료 편집자 좌석으로 전환되는 시점을 더 명확히 안내할 예정이다. - 프리랜서의 프로젝트 인계와 여러 팀에 속한 사용자의 업무를 지원할 계획이다. - 관리자 대시보드와 게스트 관리 등 라이선스 관리 기능을 개선할 예정이다. - Figma의 결제 관련 사용자 경험도 전반적으로 재설계하고 있다. ## 실용적인 대응 현재 Drafts를 검토해 업무용·개인용 파일을 적절한 팀으로 분류하고, 이동 후 편집 권한이 필요한 협업자가 해당 팀의 정식 멤버인지 확인하는 것이 좋다. 어느 팀에도 속하지 않는 개인 작업은 별도의 무료 Starter 팀으로 분리하면 관리와 권한 설정이 수월하다.

원문 읽기(새 탭에서 열림)

Figma프로토타이핑dev-modeaccess-control+2

figma·2024년 5월 28일·3분 읽기큐레이션 요약

리니어 방식: 주

Linear는 모든 사용자가 각자 업무 방식을 설계하도록 방치하기보다, 특정 목적에 최적화된 “의견이 분명한 소프트웨어”를 제공해야 한다고 주장한다. 명확한 기본값과 단순한 개념으로 사용자의 학습 부담을 줄이고, 프로세스 논쟁보다 실제 제품 개발에 집중하게 만드는 것이 목표다. 다만 모든 결정을 고정하는 것은 아니며, 작은 단위에는 강한 원칙을 적용하고 큰 구조에는 고객 피드백을 반영하면서 의견을 계속 발전시킨다. ## 의견이 분명한 소프트웨어란 무엇인가 - 특정 사용 사례를 위해 설계된 소프트웨어로, 여러 분야에 두루 적용되는 범용 도구와 구별된다. - Linear의 목적은 팀이 더 나은 제품을 만들도록 돕는 협업형 이슈 추적·프로젝트 관리다. - 사용자가 각자 워크플로를 만들도록 유연성만 제공하면 조직이 성장할수록 방식이 제각각이 되어 혼란이 생길 수 있다. - 따라서 “무엇이든 가능한 도구”보다 “가장 좋은 기본 방식”을 제시하는 것을 중시한다. ## 원자적 단위에서 강한 기본값 만들기 - 프로젝트, 팀처럼 누구나 이해할 수 있는 일반적인 용어를 사용해 학습 곡선과 전문 용어 부담을 낮춘다. - 사용자가 매뉴얼을 읽지 않아도 바로 시작할 수 있도록 설계한다. - 반드시 하나의 정답만 강제하는 것이 아니라, 사용자가 자연스럽게 따를 수 있는 기본값을 제공한다. - 라벨과 마감일을 이슈의 속성으로 두는 것처럼, 세부적인 기능·구조에서는 강한 제품 의견을 적용한다. - 반면 프로젝트와 같은 상위 개념은 회사마다 조직 구조가 다르므로 고객 피드백을 더 적극적으로 반영한다. - 핵심 목표는 프로세스의 세부 사항을 끝없이 조정하는 시간을 줄이고, 실제 구축 작업에 빨리 진입하게 하는 것이다. ## 제품 부채를 전략적으로 감수하기 - 제품 부채는 단순히 잘못 작성된 코드인 기술 부채와 다르다. - 기능 범위나 완성도를 의도적으로 줄여 단기 목표를 달성하고, 나중에 사용자 피드백이나 추가 리소스라는 비용을 치르는 선택으로 본다. - 모든 기능을 처음부터 완벽하게 만들기보다, 사용자 경험에 미치는 영향과 “이자율”을 따져 부채를 선택적으로 감수한다. - Linear의 설정 화면은 기능, 환경설정, 섹션을 계속 추가해 왔지만 전체 경험을 재설계하지는 않은 사례다. - 설정 화면은 핵심 업무 흐름을 좌우하는 영역이 아니므로, 당장 전면 개편하지 않아도 비용이 비교적 낮다고 판단했다. - 여기서 말하는 지름길은 품질을 무조건 낮추는 것이 아니라, 초기 구현의 범위를 줄이는 방식에 가깝다. ## 강한 원칙도 계속 발전시키기 - 스타트업의 제품 개발은 고정된 레시피를 따르는 일이 아니라 실험과 반복의 과정이다. - 사용자의 반발이 두려워 기존 경험을 영원히 유지하면 제품이 변화할 수 없게 된다. - 사용자의 업무 흐름에 큰 영향을 주는 변경은 신중해야 하지만, 모든 기능을 절대 바꿀 수 없도록 만드는 것은 바람직하지 않다. - 강한 의견은 처음부터 완벽한 규칙으로 고정하는 것이 아니라, 실제 사용과 피드백을 통해 수정할 수 있어야 한다. - 즉, 원칙은 강하게 유지하되 구현과 사용자 경험은 필요에 따라 실험하고 바꿀 수 있어야 한다. 팀이 제품을 설계할 때는 모든 것을 자유롭게 설정하게 하기보다, 핵심 사용 사례에 맞는 명확한 기본값을 먼저 제공하는 것이 효과적이다. 다만 세부 기능에는 일관된 의견을 적용하되 조직 구조나 업무 방식처럼 회사마다 다른 영역은 고객 피드백에 열어 두고, 감수한 제품 부채는 장기적으로 상환할 계획을 함께 세우는 것이 좋다.

원문 읽기(새 탭에서 열림)

product-developmentproject-managementlinearissue-tracking+2

datadog·2024년 5월 23일원문

정적 분석기를 Java에서 Rust로 마이그레이션한 방법 (새 탭에서 열림)

Datadog은 정적 분석 도구의 성능 병목 현상을 해결하고 제한된 CI 환경에서의 효율성을 극대화하기 위해 기존 Java 기반의 엔진을 Rust로 완전히 재작성했습니다. 이 과정에서 ANTLR 대신 Tree-sitter를 도입하고 JavaScript 규칙 실행 엔진을 GraalVM에서 Deno(V8)로 교체함으로써, 분석 속도는 3배 향상시키고 메모리 사용량은 10배 절감하는 성과를 거두었습니다. 결과적으로 이번 전환은 고성능 정적 분석을 위해 언어와 런타임 수준의 근본적인 변화가 필수적이었음을 보여줍니다. **Java 기반 정적 분석기의 한계와 환경적 제약** * **CI 자원 최적화 문제:** 고객의 CI 환경(예: GitHub Actions)에서 분석기를 실행할 때, 2코어 및 7GB RAM과 같은 제한된 자원 내에서 Java 분석기는 수천 개의 파일을 스캔하는 데 5분 이상 소요되어 목표치(3분 이내)를 충족하지 못했습니다. * **환경 충돌 및 오버헤드:** Java 기반 분석기는 최신 JVM(17+)을 요구하는데, 이는 고객의 기존 CI 환경에 설치된 Java 버전과 충돌을 일으키거나 불필요한 설정 부담을 주었습니다. * **파싱 성능 저하:** 기존에 사용하던 ANTLR은 대규모 저장소에서 파싱 속도가 느렸고, 특정 언어에 대한 지원이 부분적이라는 기술적 한계가 있었습니다. **Tree-sitter 도입과 Rust로의 전환 결정** * **파서 교체:** 성능 향상을 위해 C로 구현되어 속도가 빠르고 오픈소스 커뮤니티가 활발한 Tree-sitter를 채택했습니다. * **Java 라이브러리의 한계:** Tree-sitter용 Java 라이브러리는 분석기 최적화에 필수적인 패턴 매칭 기능을 지원하지 않는 등 기능이 제한적이었습니다. * **언어 선택의 기로:** Tree-sitter가 가장 견고하게 지원하는 언어가 Rust라는 점에 착안하여, 예측 가능한 성능을 위해 Rust로의 전체 재작성이라는 도전적인 경로를 선택했습니다. **Rust 기반의 새로운 아키텍처 구성** * **AST 구축(Tree-sitter):** Rust는 Tree-sitter 생태계의 "일등 시민(First-class citizen)"으로, 직접적인 라이브러리 연동을 통해 별도의 Java 바인딩 유지보수 없이도 강력한 파싱 기능을 확보했습니다. * **자바스크립트 규칙 실행(Deno):** 정적 분석 규칙은 자바스크립트로 작성되는데, 기존 Java의 GraalVM 대신 Deno(deno-core)를 런타임으로 도입했습니다. * **보안 및 효율성:** Deno의 V8 엔진을 활용하되, 분석 규칙이 디스크나 네트워크에 접근하지 못하도록 `deno-core` 크레이트만 통합하여 보안이 강화된 샌드박스 환경을 구축했습니다. **마이그레이션 결과 및 기술적 권고** 성공적인 Rust 전환을 통해 동일한 프로그램에 대해 Java 버전과 일치하는 분석 결과를 보장하면서도 성능은 3배, 메모리 효율은 10배 개선되었습니다. 특히 리소스가 제한된 CI/CD 파이프라인에서 정적 분석 도구를 운영해야 한다면, JVM과 같은 무거운 런타임보다는 Rust와 같이 저수준 제어가 가능하고 메모리 오버헤드가 적은 언어를 선택하는 것이 장기적으로 유리합니다.

데이터베이스 설계CI/CDJavaScriptRust+4

datadog·2024년 5월 23일·1분 읽기큐레이션 요약

자바에서 러스트로 정

제공된 내용에는 본문이 아니라 Datadog 웹사이트의 메뉴와 링크 목록만 포함되어 있습니다. 확인 가능한 글 제목은 **“How we migrated our static analyzer from Java to Rust”**뿐이므로, 마이그레이션 동기·구현 방식·성능 개선 수치 등은 정확히 요약할 수 없습니다. - 확인 가능한 주제: Java로 구현된 정적 분석기를 Rust로 이전한 과정 - 본문에 필요한 정보: 기존 Java 구현의 문제점, Rust를 선택한 이유, 단계적 이전 전략, Java와 Rust 간 연동 방식, 테스트·검증 방법, 성능 및 메모리 개선 결과 - 현재 제공된 메뉴 목록은 인프라 모니터링, APM, 보안, 로그 등 Datadog 제품 탐색용 내용이며 해당 기술 글의 본문이 아닙니다. 글의 본문이나 본문이 포함된 원문을 보내주시면 요청하신 형식으로 구체적으로 요약할 수 있습니다.

원문 읽기(새 탭에서 열림)

쿠버네티스datadog옵저버빌리티애플리케이션 성능 모니터링+4