figma·2024년 6월 25일원문

우리는 마침내 안 (새 탭에서 열림)

최근 AI 기술의 비약적인 발전은 SF 영화 속의 상상과 현실 사이의 간극을 좁히며 본격적인 안드로이드 시대를 열고 있습니다. 아메카(Ameca)와 아폴로(Apollo) 같은 현대의 휴머노이드 로봇들은 단순한 노동력을 넘어, 인간의 심리적 본성을 이용한 직관적인 인터페이스로서 우리와 상호작용하기 시작했습니다. 결국 로봇 기술의 핵심은 기계적인 완성도를 넘어 인간과 기술이 어떻게 공존하고 소통할 것인가를 설계하는 디자인의 영역으로 확장되고 있습니다. **지능의 투영과 인터페이스로서의 로봇** - 인간은 사물에 생명력을 부여하는 '애니미즘'과 '의인화' 본능이 있어, 로봇의 움직임과 표정만으로도 지능이 있다고 믿는 경향이 있습니다. - 아메카(Ameca)는 화면(스크린)이라는 장벽을 넘어 몸짓과 표정을 사용하는 인터페이스를 제공하며, 이는 VR 헤드셋과는 반대로 기술을 인간의 공간으로 끌어들이는 역할을 합니다. - 거대언어모델(LLM)과 결합된 로봇은 자연스러운 대화뿐만 아니라 상황에 맞는 표정을 지을 수 있어, 사용자에게 단순한 도구를 넘어선 강력한 정서적 경험과 유대감을 제공합니다. **심미성과 사회적 수용성을 고려한 디자인** - 로봇 디자인의 핵심은 인간과 닮았으면서도 불쾌한 골짜기(Uncanny Valley)를 피하는 것으로, 아메카는 의도적으로 금속성 외형을 유지하여 로봇임을 분명히 하면서도 표정의 정교함을 살렸습니다. - 범용 노동 로봇인 아폴로(Apollo)는 인간의 작업 환경에 최적화된 휴머노이드 형태를 취하면서도, 친근감을 주기 위해 눈 대신 카메라와 LED 디스플레이를 활용한 얼굴 디자인을 채택했습니다. - '페르소나 아키텍트'와 같은 전문가들은 로봇에 특정 성격을 부여하여, 로봇이 상황에 맞게 언어 코드를 전환하거나 사용자와 더 깊은 유대감을 형성할 수 있도록 설계합니다. **기계와의 관계 설정을 위한 시스템의 가독성** - 로봇의 움직임은 일종의 '바디 랭귀지'이며, 사용자가 로봇의 다음 행동이나 의도를 예측할 수 있게 하는 '가독성(Legibility)' 확보가 중요합니다. - 복잡한 AI 시스템과 이를 사용하는 인간 사이의 언어적 격차를 줄이기 위해, 디자이너들은 산업용 로봇에 생명력을 불어넣어 통제가 아닌 '연결'의 대상으로 재정의하고 있습니다. - 로봇이 인간의 공간에 들어올 때 사회적으로 수용 가능한 형태와 행동 양식을 갖추는 것은 기술적 진보만큼이나 중요한 설계 요소입니다. 휴머노이드 로봇은 이제 특정 목적만을 수행하는 고정된 기계에서 벗어나, 인간과 함께 생활하며 소통하는 다재다능한 동반자로 진화하고 있습니다. 성공적인 안드로이드 시대를 맞이하기 위해서는 기술의 고도화와 더불어, 인간의 심리를 깊이 이해하고 기술과 인간 사이의 접점을 예술적·윤리적으로 조율하는 디자인적 접근이 필수적입니다.

AI대규모 언어 모델자동화human-computer-interaction+3

figma·2024년 6월 25일·3분 읽기큐레이션 요약

에코 체임버를

The Browser Company는 브라우저를 기존 기술의 반복이 아니라, 다양한 문화와 개인의 경험을 결합해 새롭게 설계할 수 있는 큰 창작의 캔버스로 본다. Arc의 차별화된 인터페이스와 AI 기능은 기술 업계 안의 관습만 따르지 않고 책, 영화, 자연 같은 외부 영감에서 출발한다. 특히 AI는 눈에 띄는 장식이 아니라 일상적인 브라우징에 자연스럽게 스며들어 실제로 도움을 주는 경험이어야 한다고 강조한다. ## 기술 바깥에서 영감 얻기 - Head of Storytelling Nashilu Mouen은 Zadie Smith와 Toni Morrison 같은 문학 작품에서 영감을 얻는다고 말한다. - 중요한 질문은 “기술에 속하지 않으면서 기술 안에 존재하려면 어떻게 해야 하는가”이다. - 업계의 기존 제품과 경쟁사의 관행만 바라보면 새로운 것을 만들기 어렵다. - 다양한 분야의 관점과 팀원 개개인의 경험을 제품에 반영해야 기존 브라우저와 다른 결과를 만들 수 있다. ## 브라우저를 새로운 창작의 캔버스로 보기 - 브라우저는 사람들이 매일 사용하는 도구이지만, 쿠키 동의와 복잡한 웹 경험 등 개선할 여지가 많다. - The Browser Company는 “왜 안 되는가?”보다 “왜 안 되는가?”라는 태도로 기존 관습에 도전한다. - 탭을 화면 위쪽이 아닌 측면에 배치한 Arc의 구조처럼, 익숙한 인터페이스도 근본적으로 다시 생각할 수 있다. - 브라우저를 만든다는 대담한 시도 자체가 제품의 가능성을 넓힌다. ## 여러 목소리가 만드는 브랜드 - Arc의 브랜드는 한 사람의 관점이 아니라 다양한 구성원이 함께 만든 “여러 목소리”의 결과로 설명된다. - 팀원들의 배경과 관심사가 제품의 표현 방식과 사용자 경험에 직접 영향을 준다. - 예를 들어 Arc의 언박싱 경험은 A24 영화의 타이틀 시퀀스, 영화 시작 장면의 분위기, 태양 흑점에서 영감을 얻었다. - 제품이 실제로 다르다면 기능뿐 아니라 사용자가 처음 접하는 순간에도 그 차이가 느껴져야 한다. ## AI를 일상에 자연스럽게 심기 - 소프트웨어마다 AI 기능이 추가되면서 사용자는 “이 기능이 실제로 나에게 어떤 도움을 주는가?”를 묻게 됐다. - Arc는 AI를 과장된 시각 효과나 장식적인 “반짝임”으로 보여주기보다, 브라우징 흐름에 자연스럽게 통합하려 한다. - 꽃이 피는 계절적 경험에서 영감을 얻어, AI 기능을 방해되지 않는 방식으로 심고 사용자 경험을 특별하게 만드는 방향을 모색한다. - AI 역시 성장과 변화의 계절을 거치므로, 모든 기능이 항상 성공할 것이라고 가정하지 않고 빠르게 실험하고 검증한다. - 팀은 짧은 기간에도 30개가 넘는 AI 활용 방식을 탐색할 만큼 신속하게 프로토타이핑한다. (제공된 글은 이 대목에서 중단되어 이후 내용은 확인할 수 없다.) ## 실용적인 시사점 새로운 제품을 만들 때는 같은 업계의 성공 사례만 분석하기보다 문학, 영화, 자연 등 전혀 다른 분야에서 영감을 찾아야 한다. AI 기능도 유행을 따라 추가하기보다 사용자의 일상 흐름을 개선하는지 검토하고, 작게 빠르게 실험하면서 가장 자연스러운 형태를 찾아가는 접근이 유효하다.

원문 읽기(새 탭에서 열림)

AI사용자 경험프로덕트 디자인web-browsers+1

figma·2024년 6월 25일·3분 읽기큐레이션 요약

더 프롬프트에

AI가 디자인과 제작 방식을 바꿀 가능성은 크지만, 그 잠재력을 어떻게 실현할지는 아직 열려 있다. Figma의 잡지 《The Prompt》는 디자인·엔지니어링·제품 개발·건축 분야의 전문가들에게 질문을 던져 AI의 현재 가능성과 한계, 앞으로의 방향을 탐구한다. 글은 좋은 결과를 얻으려면 AI 자체보다 맥락과 의도를 담은 질문, 즉 잘 설계된 프롬프트가 중요하다고 강조한다. ## 《The Prompt》의 기획 의도 - 《The Prompt》는 Figma의 Story Studio와 Brand Studio가 만든 매거진이다. - 2024년 Config에서 인쇄판이 공개됐으며, Figma Store에서 구매할 수 있다. - 다양한 분야의 전문가 인터뷰와 에세이를 통해 AI가 복잡한 시스템을 더 이해하기 쉽게 만드는 방법을 살펴본다. - 참여자들은 AI를 활용하는 동시에, AI가 더 나은 결과를 내도록 설계하고 질문하는 방법도 탐구한다. ## 프롬프트 엔지니어링과 질문의 힘 - 프롬프트 엔지니어링은 원하는 답을 얻기 위해 올바른 질문을 설계하는 일이다. - 좋은 인터뷰어가 질문의 맥락과 방향을 조절하듯, AI에게도 다음 요소를 명확히 제공해야 한다. - 충분한 배경 정보 - 문제를 바라보는 관점과 프레임 - 결과물의 목적과 제약 - 기대하는 답변의 형태와 수준 - 창작이나 문제 해결의 출발점에는 항상 일종의 프롬프트가 있으며, 창의성은 질문을 통해 구체화된다. - LLM은 뛰어난 능력을 갖고 있어도 입력이 불명확하면 잠재력을 제대로 발휘하기 어렵다. ## AI와 좋은 디자인의 관계 매거진은 “AI 시대의 좋은 디자인이란 무엇인가”라는 질문에서 출발한다. - AI가 디자인 과정에 참여하더라도 문제 정의와 목적 설정은 여전히 중요하다. - 좋은 디자인은 단순히 빠르게 결과를 만드는 것이 아니라, 사람과 맥락에 적합한 해결책을 찾는 과정이다. - AI를 활용할수록 디자이너는 결과물을 평가하고 방향을 조정하는 역할을 더 명확히 수행해야 한다. ## 코드와 자동화의 재평가 “코드가 상품화되는 것을 왜 두려워하는가”, “디자인 시스템의 잠재력을 자동화로 끌어낼 수 있는가” 같은 질문을 통해 제작 방식의 변화를 다룬다. - 코드 작성 자체보다 어떤 문제를 해결할지 정의하는 능력이 중요해질 수 있다. - 자동화는 반복 작업을 줄이고 디자인 시스템의 일관성과 확장성을 높일 수 있다. - 그러나 자동화가 창의적 판단이나 인간의 책임을 완전히 대체하는 것은 아니다. ## 데이터와 실험의 새로운 기준 - “최소 실행 가능 데이터”라는 질문은 AI 시스템에 반드시 필요한 데이터의 범위를 고민하게 한다. - 많은 데이터를 모으는 것보다 목적에 맞는 신뢰할 수 있는 데이터를 확보하는 일이 중요하다. - “0.5에서 시작한다”는 주제는 완성된 계획을 기다리기보다 불완전한 초기 단계에서 실험하고 개선하는 태도를 시사한다. ## AI를 신뢰할 수 있게 만드는 방법 - 사람들이 원하는 AI 기능과 실제로 신뢰하는 기능 사이에는 차이가 있다. - 유용한 AI 기능은 명확한 문제를 해결하고, 결과의 근거와 한계를 이해할 수 있어야 한다. - 효율성을 높이더라도 창의적 탐색과 예상 밖의 발견을 지나치게 줄여서는 안 된다. - AI가 만든 결과를 검토하고 수정할 수 있는 인간의 통제권이 필요하다. ## 기술의 범위를 넓히는 질문 매거진은 기술 업계 내부의 관점에 머무르지 않고 사회와 물리적 환경으로 논의를 확장한다. - AI가 업계 내부의 ‘에코 챔버’를 넘어 다양한 사용자와 관점을 반영할 수 있는지 질문한다. - 제조업과 주거 건축 같은 산업에서 AI가 복잡한 문제 해결에 어떻게 기여할 수 있는지 살펴본다. - 로봇이 주택을 건설할 수 있는지, 인간형 로봇의 시대가 실제로 다가오고 있는지도 탐구한다. - AGI뿐 아니라 인간의 증강된 지능(ADI)이 어떤 의미를 갖는지도 함께 묻는다. ## 실용적인 결론 AI를 효과적으로 활용하려면 도구의 성능만 기대하기보다 문제의 맥락, 목표, 제약 조건을 구체적으로 정의해야 한다. 좋은 프롬프트를 작성하고, AI의 결과를 비판적으로 검토하며, 작은 실험을 반복하는 접근이 현재 가장 현실적인 활용법이다.

원문 읽기(새 탭에서 열림)

AI디자인 시스템대규모 언어 모델자동화+4

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

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)

AIFigma프로덕트 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)

AIFigma사용자 경험프로덕트 디자인+2

figma·2024년 3월 19일·3분 읽기큐레이션 요약

AI + 디자인: 피

생성형 AI의 성패는 기술 자체보다 사용자가 이해하고 실제로 활용할 수 있도록 설계하는 데 달려 있다. Figma 설문에서 대부분은 AI가 기업 제품에 영향을 줄 것으로 예상했지만, 실제 제품에서 AI의 역할은 아직 제한적이며 성과와 만족도도 낮았다. 따라서 단순히 AI 기능을 추가하기보다 기존 경험과 자연스럽게 통합하고 명확한 사용자 문제를 해결하는 디자인이 중요하다는 결론이다. ## 조사 대상과 AI의 현재 위치 - Figma는 2024년 2월 26일~3월 3일, 미국·캐나다·호주·영국·일본·프랑스·독일의 사용자 1,800명 이상을 조사했다. - 응답자는 디자이너, 개발자, 임원으로 구성됐다. - 생성형 AI는 텍스트·이미지·기타 데이터를 생성 모델과 프롬프트를 통해 만들어내는 기술로 정의됐다. - AI는 인터넷, 전기, 스마트폰처럼 범용 기술로 발전할 가능성이 있지만, 초기에는 기술을 일상에서 직관적이고 유용하게 만드는 디자인 작업이 필요하다. ## 높은 기대와 실제 성과의 격차 - 응답자의 89%는 향후 12개월 안에 AI가 자사 제품이나 서비스에 어느 정도 영향을 줄 것이라고 예상했다. - 37%는 그 영향이 “상당하거나 변혁적일 것”이라고 답했다. - 특히 의사결정을 담당하는 임원층이 AI를 회사 목표에 중요하다고 보는 경향이 더 강했다. - 그러나 AI를 제품에 도입한 사람 중 72%는 AI가 제품에서 “부수적이거나 필수적이지 않은 역할”을 한다고 평가했다. - AI 도입으로 매출, 비용, 시장점유율 등의 지표가 개선됐다고 답한 사람은 약 3분의 1에 불과했다. - 출시한 AI 기능을 자랑스럽게 생각한다는 응답도 3분의 1보다 적었다. ## AI 기능 피로와 사용자 문제의 부재 - Figma 연구진은 사용자 인터뷰와 장기간 분석을 통해 “또 하나의 AI 기능”에 대한 무관심이 나타나고 있다고 설명한다. - 이를 “AI feature fatigue”, 즉 AI 기능 피로라고 부를 수 있다. - AI 제품이나 기능을 만드는 사람 중 20% 이상은 “사용자 요구나 문제를 해결하지 못하는 것”을 주요 과제로 꼽았다. - 이 문제는 특히 해당 제품을 설계하는 디자이너에게 두드러졌다. - AI 제품을 개발 중인 응답자 가운데 실제로 기능을 출시한 사람은 절반에도 못 미쳤다. - 앞으로 AI 기능이 대량으로 출시되면, 시장이 실질적 가치 없는 AI 기능에 피로감을 느낄 가능성이 있다. ## 기존 제품에 AI를 자연스럽게 통합하기 - 응답자의 3분의 1은 11개 과제 중 “AI 기능을 기존 제품에 일관성 있게 통합하는 일”을 가장 중요한 우려로 선택했다. - 새로운 기능을 추가하는 것만으로는 AI 도입의 가치가 만들어지지 않는다. - AI가 제품의 기존 사용 흐름을 방해하지 않으면서 실제 경험을 개선해야 한다. - 사용자가 현재 어떤 도구를 이용할 수 있는지, AI가 어떤 상황에서 도움이 되는지 이해하도록 안내하는 설계가 필요하다. - AI의 성능보다 사용자가 기능을 발견하고, 이해하고, 신뢰하며, 반복해서 사용할 수 있는 인터페이스가 중요하다. ## ChatGPT 사례가 보여주는 디자인의 영향 - ChatGPT가 널리 사용되기 시작한 2022년 11월 당시 기반 모델의 기능은 이미 일정 기간 제공되고 있었다. - OpenAI는 모델 자체를 새롭게 만든 것뿐 아니라, 사용자가 쉽게 접근할 수 있는 대화형 채팅 인터페이스를 제공했다. - 대화 방식, 접근성, 도움을 주려는 상호작용 구조가 기술을 인간의 목적에 더 잘 맞도록 만들었다. - 이는 강력한 기술이라도 사용자가 이해하고 활용할 수 있는 경험으로 설계되지 않으면 대중적 채택으로 이어지기 어렵다는 점을 보여준다. ## 실용적인 시사점 - AI 기능을 추가하기 전에 해결하려는 사용자 문제와 기대 효과를 먼저 정의해야 한다. - “AI를 넣는 것”보다 기존 제품 흐름에서 AI가 어떤 행동을 개선하는지 검증해야 한다. - 사용자가 기능의 한계와 활용 방법을 이해할 수 있도록 명확한 안내와 피드백을 제공해야 한다. - 기술팀과 디자인팀이 협력해 AI의 가능성을 실제 사용 사례와 유용한 경험으로 변환해야 하며, 단순한 유행성 기능은 피하는 것이 좋다.

원문 읽기(새 탭에서 열림)

AIFigma사용자 경험생성형 AI+2

figma·2024년 2월 25일·3분 읽기큐레이션 요약

AI가 어떻게 디자인과 개발을 통합

AI는 디자인과 개발을 পৃথ개의 영역으로 두기보다 하나의 긴밀한 창작·제작 과정으로 통합할 가능성이 크다. David Hoang은 AI가 정해진 화면을 설계하는 방식을 넘어, 사용자와 맥락에 따라 변화하는 동적·멀티모달 인터페이스를 만들 것이라고 전망한다. Replit은 범용 인공지능(AGI)보다 개발자의 자율성과 생산성을 높이는 ‘인공 개발자 지능(ADI)’에 집중하며, 아이디어를 코드로 구현하고 실제 출시까지 이어지도록 돕는 것을 목표로 한다. ## AI가 바꾸는 인터페이스와 디자인 - 모바일 혁명 당시 기존 전문가들이 새로운 환경에서 다시 초보자가 되었듯, AI도 디자인과 상호작용의 기준을 재설정하고 있다. - 디자이너가 사용자가 보게 될 모든 인터페이스를 미리 고정하는 방식에서 벗어나, 상황에 따라 형태와 표현이 바뀌는 **동적 인터페이스**로 이동한다. - AI, 멀티모달 기술, 다양한 폼팩터, 공간 컴퓨팅(예: Apple Vision Pro)은 서로 독립적인 흐름이 아니라 하나로 수렴하는 변화로 설명된다. - 디자이너는 화면의 모든 요소를 직접 통제하기보다, 시스템이 변화할 수 있는 여지를 설계해야 한다. ## 디자인과 개발의 통합 - AI는 엔지니어에게는 설계와 코드 작성을, 디자이너에게는 기술 구현과 프로토타이핑을 보조할 수 있다. - 그 결과 디자인과 엔지니어링은 점점 더 긴밀하게 결합된 하나의 분야가 될 가능성이 있다. - AI 도구는 특정 직군을 대체하기보다 각자가 자신의 전문성을 확장하고 다른 영역의 작업까지 수행하도록 돕는 **증강 기술**로 제시된다. - 협업과 AI는 Replit이 개발자 생산성을 바라보는 핵심 축이다. ## Replit의 ‘인공 개발자 지능(ADI)’ - Replit은 인간 수준의 범용 지능인 AGI보다, 소프트웨어 개발에 특화된 **Artificial Developer Intelligence(ADI)** 구축에 초점을 맞춘다. - ADI의 목표는 사용자의 자율성을 높이고 더 적은 장벽으로 소프트웨어를 만들 수 있도록 지원하는 것이다. - 장기적으로는 복잡한 소프트웨어 아키텍처를 생성하고, Replit에 배포된 고급 개발 도구를 조율하는 에이전트가 등장할 수 있다. - 단순한 코드 생성뿐 아니라 팀의 작업 방식과 협업 맥락을 이해하는 조직 지능으로 확장될 수 있다. ## ‘코드 학습’에서 ‘제품 출시’까지 - ADI는 코드 자동완성, 코드 생성, 개발 과정 안내 등 다양한 형태로 활용될 수 있다. - Replit은 사용자가 코딩을 배우는 데서 멈추지 않고, 실제 제품을 만들고 출시하며 사업으로 발전시키는 과정을 가속하는 것을 지향한다. - Hoang은 Replit을 사용자가 필요로 하는 ‘기술 공동창업자’처럼 바라본다. - AI를 활용하면 비기술 직군의 기획자도 프롬프트와 제품 이해를 바탕으로, 기존 엔지니어 팀에 못지않은 수준의 결과물을 만들 수 있다. - 따라서 앞으로는 코딩 능력뿐 아니라 문제를 정의하고 AI에 정확한 지시를 내리는 능력도 중요한 역량이 된다. AI 시대의 창작 도구는 완성된 화면이나 코드 조각을 제공하는 수준을 넘어, 사용자의 의도와 팀의 맥락을 이해하고 실행 가능한 결과물까지 함께 만들어야 한다. 디자이너와 개발자는 모든 것을 직접 통제하려 하기보다 AI와 협업하는 방식, 명확한 문제 정의, 효과적인 프롬프트 작성 능력을 함께 발전시키는 것이 바람직하다.

원문 읽기(새 탭에서 열림)

AI프롬프트 엔지니어링code-generationmobile-apps+4

figma·2024년 1월 21일·3분 읽기큐레이션 요약

요점 정리: 제

Figma의 **“Issue no.3: The handoff”**는 2023년의 주요 제품 출시와 업무·기술 관련 인사이트를 돌아보고 2024년으로 이어지는 “인계”를 주제로 한 연말 큐레이션이다. 디자인 협업에서의 핸드오프를 단순한 전달이 아니라 아이디어를 계속 주고받으며 발전시키는 과정으로 바라보며, AI 제품 개발, 협업, 기술과의 관계, 생산성 도구 등을 여러 글과 프로젝트로 소개한다. ## 아이디어를 이어가는 ‘핸드오프’ - Figma는 미국 풋볼의 공 전달에서 유래한 “handoff”를 디자인 협업의 개념으로 확장한다. - 디자인 작업에서 핸드오프는 디자이너가 개발자에게 결과물을 넘기는 일회성 단계가 아니라, 아이디어가 팀 사이를 오가며 완성되는 지속적인 상호작용이다. - 2023년에 있었던 주요 출시, 업무 방식의 변화, 팀 협업에 대한 배움을 정리해 2024년으로 이어가려는 목적을 담고 있다. - 글 전체는 하나의 주제를 깊게 분석하기보다, Figma가 선정한 관련 콘텐츠와 프로젝트를 묶어 보여주는 연말 회고 형식이다. ## 2023년 Figma의 주요 출시 - 2023년에 출시한 제품과 기능 가운데 영향이 컸던 10가지를 선정해 소개한다. - 작은 세부 개선부터 제품의 방향을 바꾼 대규모 출시까지 포함하며, 각 항목이 사용자 경험과 업무 방식에 어떤 차이를 만들었는지 설명한다. - 여기서 MVP는 “Minimum Viable Product”가 아니라 “Most Valuable Players”라는 의미로 사용된다. - 제품을 평가할 때 기능의 규모뿐 아니라 실제 업무에 준 영향과 세부 완성도도 중요하다는 관점을 보여준다. ## 기술과 다시 관계 맺기 - 기술에 대한 개인의 경험과 감정을 돌아보는 36개의 질문을 제시한다. - 첫 사용자 이름, 기술을 통해 사람을 만난 경험, 미래에 기대하는 혁신 등을 질문하며 기술을 단순한 도구가 아닌 사회적·개인적 관계의 대상으로 바라본다. - 디지털 과잉과 불확실성이 커지는 상황에서 기술의 장점과 의미를 재발견하려는 내용이다. - 여러 제품 제작자들의 답변을 통해 기술이 사람들을 연결하고 새로운 가능성을 제공하는 방식을 살펴본다. ## AI 제품은 사람의 도움이 필요하다 - 2024년에도 AI가 중요한 기술 흐름이 되겠지만, AI의 능력만으로 좋은 제품이 만들어지는 것은 아니라고 강조한다. - Duolingo, LinkedIn, Asana 등의 제품 리더들이 AI 기능을 실제 사용자 가치로 연결하는 방법을 공유한다. - 제품 관리자는 과장된 AI 열풍을 좇기보다 다음 요소를 판단해야 한다. - 사용자가 실제로 필요로 하는 문제인지 - AI의 결과를 사용자가 신뢰할 수 있는지 - 제품 안에서 AI가 어떤 역할을 맡아야 하는지 - 기능을 안정적으로 시장에 출시하고 개선할 수 있는지 - 핵심은 AI 자체를 도입하는 것이 아니라, 사용자에게 의미 있고 신뢰할 수 있는 경험을 제공하는 것이다. ## Figma Creator Micro와 키보드 문화 - Figma와 모듈형 키보드 제조사 Work Louder가 협업해 12개 키와 2개의 로터리 인코더를 갖춘 커스텀 키보드를 제작했다. - 키 조합을 활용하면 최대 48개의 단축키를 설정할 수 있어 Figma 작업 효율을 높일 수 있다. - 프로젝트 제작 과정과 함께 기계식 키보드가 생산성 도구이자 촉각적 즐거움을 주는 제품이라는 점을 조명한다. - 온라인에서 대부분의 업무가 이루어지는 환경에서도 물리적 인터페이스가 집중력과 작업 감각을 보완할 수 있다고 설명한다. ## 협업과 업무 방식에 대한 다른 시선 - Figma는 앞서 발행한 여러 콘텐츠를 통해 현대적인 업무 방식을 다양한 각도에서 다룬다. - 새로운 업무 용어를 통해 원격·디지털 업무 환경에서 생겨난 규범과 문제를 살펴본다. - 전문성을 유지하면서도 상황에 따라 방향을 바꾸는 “프로페셔널 피벗”의 태도를 소개한다. - 회의를 단순한 정보 전달 시간이 아니라 진행자와 참가자가 함께 만들어가는 협업 세션으로 바라본다. - 글 후반부의 “Rabbit hole” 등 추가 콘텐츠는 일, 회의, 창작, 기술 문화를 일러스트와 이야기 형식으로 확장한다. ## 실용적인 시사점 업무 인계는 산출물을 넘기는 마지막 단계가 아니라, 다음 사람이 맥락을 이해하고 다시 발전시킬 수 있도록 지속적으로 대화하는 과정으로 설계하는 것이 좋다. 또한 AI나 새로운 도구를 도입할 때는 유행보다 사용자 문제, 신뢰성, 실제 업무 개선 효과를 먼저 검증해야 한다.

원문 읽기(새 탭에서 열림)

AIFigma프로덕트 디자인collaboration+1

figma·2023년 12월 17일·2분 읽기큐레이션 요약

피그마와 어도비,

Figma와 Adobe는 15개월간의 규제 심사 끝에 인수합병을 중단하기로 공동 결정했다. 양사는 제품과 사업, 시장의 차이를 규제 당국에 설명했지만 승인 가능성이 없다고 판단했다. Figma는 독립 기업으로 남아 AI와 협업 기능을 강화하고, 향후 Adobe와는 사용자에게 도움이 되는 방식으로 협력할 계획이다. ## 인수합병 중단과 규제 승인 불확실성 - Figma와 Adobe는 15개월 동안 전 세계 규제 당국의 심사를 받았다. - 양사는 두 기업의 사업·제품·시장 사이에 차이가 있다는 점을 수천 시간에 걸쳐 설명했다. - 그러나 제안된 인수의 규제 승인을 받을 현실적인 경로가 없다고 판단해 거래를 종료했다. - 인수합병은 양사의 사용자 커뮤니티에 더 큰 가치를 제공하려는 목적에서 시작됐지만, 최종적으로 실현되지 못했다. ## 독립 기업으로서의 Figma - Figma는 Adobe에 인수되지 않고 독립적인 기업으로 계속 운영된다. - 인수 심사 기간의 불확실성 속에서도 제품 개발과 조직 확장을 지속했다. - 향후 Adobe와 경쟁만 하는 것이 아니라 사용자에게 도움이 되는 협력 기회를 모색할 예정이다. - 영국과 아시아에 새로운 거점을 열고, 500명 이상의 직원을 추가했다. ## 지난 15개월간의 제품 발전 - **FigJam AI 기능**을 출시해 시각적 협업과 아이디어 구상에 AI를 활용할 수 있도록 했다. - **Dev Mode**를 도입해 개발자가 디자인 파일에서 필요한 정보와 도구에 더 쉽게 접근하도록 개선했다. - **Variables**와 **Advanced Prototyping**을 추가해 디자인 시스템과 프로토타이핑 기능을 확장했다. - AI 스타트업 **Diagram**을 인수해 디자인 과정에서 AI가 담당할 수 있는 영역을 넓혔다. - Config 2023 행사를 통해 디자인과 개발이 하나의 흐름으로 연결되는 제품 방향을 제시했다. ## Figma의 장기 비전 - 창업 당시의 목표는 “상상과 현실 사이의 간극을 없애는 것”이었다. - 디지털 경제의 확대와 AI 기술의 발전으로 이 목표가 더욱 중요하고 실현 가능해졌다고 설명한다. - Figma는 누구나 하나의 멀티플레이어 캔버스에서 아이디어 구상부터 디자인, 개발, 제품 출시까지 진행할 수 있도록 만드는 데 집중할 예정이다. - 디자인 도구를 넘어 디지털 제품 제작 전 과정을 지원하는 플랫폼으로 발전하려는 방향이다. 이번 결정은 대형 인수합병보다 Figma의 독립성과 제품 혁신을 유지하는 결과로 이어졌다. 사용자 입장에서는 Figma가 AI, 개발자 도구, 협업 기능을 중심으로 계속 확장되는지 지켜보는 것이 중요하다.

원문 읽기(새 탭에서 열림)

AIFigma프로토타이핑figjam+4