figma·2023년 10월 25일원문

디자인과 창의성의 미래 (새 탭에서 열림)

피그마와 어도비는 15개월에 걸친 규제 검토 끝에, 당국의 승인을 얻을 수 있는 현실적인 경로가 없다는 판단하에 인수 합병 계약을 공식적으로 종료하기로 합의했습니다. 이번 결정은 양사의 기술적 결합이 가져올 혁신적인 디자인 생태계에 대한 비전을 뒤로한 채 각자의 길을 걷게 됨을 의미합니다. 비록 합병은 무산되었으나, 피그마는 실시간 협업과 생성형 AI, 그리고 도구 간의 심리스한 연결성이 주도할 미래 디자인 워크플로우의 청사진을 제시하며 창의성의 미래를 향한 의지를 밝혔습니다. **합병 중단 배경과 규제 환경** * 2023년 12월 18일, 피그마와 어도비는 시장 독점 및 경쟁 저해를 우려하는 규제 당국의 높은 벽을 넘지 못하고 인수 포기를 선언함. * 양사는 장기간의 검토 과정 끝에 더 이상 승인 가능성이 없다는 점에 상호 동의하며 15개월간의 인수 절차를 마무리함. **멀티플레이어 협업 기술의 확장** * 피그마의 강점인 실시간 멀티플레이어 환경을 어도비의 전문 저작 도구(예: 3D 디자인)에 이식하여 협업 효율 극대화 추진. * 한 디자이너가 3D 모델을 구축하는 동안 다른 디자이너가 실시간으로 조명이나 텍스처를 조정하는 동시 작업 환경 구상. * 전문 툴 학습 시 숙련자가 초보자와 같은 파일 내에서 실시간 가이드를 제공하는 교육적 효과 기대. **심리스한 에셋 연동과 디자인 시스템 통합** * Adobe Substance 3D에서 제작한 에셋을 피그마 목업에 배치하고, 원본 수정 시 피그마 내 에셋도 자동으로 최신화되는 실시간 동기화 기술. * 피그마의 제품 디자인과 어도비 에셋 간의 디자인 시스템(컬러 팔레트, 폰트 등) 공유 및 Adobe Fonts의 피그마 내 직접 활용. * 완성된 피그마 프로토타입을 마케팅 영상에 직접 삽입하여, 제품 디자인 변경이 영상 소스에 즉각 반영되는 워크플로우 구축. **생성형 AI '파이어플라이'와의 기술적 융합** * 어도비의 생성형 AI 모델인 '파이어플라이(Firefly)'를 피그마 워크플로우에 통합하여 UI 컨셉에 맞는 배경을 즉석에서 생성. * 반응형 디자인 대응을 위해 이미지를 자연스럽게 확장하는 '제너레이티브 필(Generative Fill)' 기능의 피그마 내 구현. * 브레인스토밍 단계의 스티키 노트를 지능적으로 분석하여 순식간에 시각화된 스토리보드로 전환하는 자동화 기능 구상. 기업 간의 물리적 합병은 멈추었으나, 피그마가 제시한 '도구 간의 경계 없는 연결'과 '실시간 협업의 확장'이라는 방향성은 향후 디자인 도구 시장의 중요한 표준이 될 것입니다. 디자이너들은 개별 툴의 숙련도를 넘어, AI와 실시간 협업 기능을 활용해 아이디어에서 프로토타입까지의 도달 시간을 단축하는 효율적인 워크플로우 구축에 주목해야 합니다.

생성형 AIFigma디자인 시스템프로토타이핑+4

figma·2023년 8월 22일·3분 읽기큐레이션 요약

Jambot으로 아이디어

Jambot은 ChatGPT의 생성 능력을 FigJam의 멀티플레이어 캔버스에 결합한 위젯이다. Figma 팀은 선형적인 채팅 인터페이스만으로는 아이디어를 분기하고 연결하거나 여러 사람이 함께 발전시키기 어렵다고 보고, 시각적이고 공간적인 AI 상호작용 방식을 만들었다. 이를 통해 FigJam에서 아이디어를 발산하고, 요약하며, 대화를 확장할 수 있도록 했다. ## 선형 채팅 인터페이스의 한계 - ChatGPT는 아이디어를 주고받으며 즉흥적으로 발전시키는 데 강점이 있다. - 그러나 대화가 한 줄로 이어지는 구조라 여러 선택지를 동시에 비교하거나 주제를 분기하기 어렵다. - 이전에 제시된 다른 선택지로 돌아가려면 대화 기록을 위로 스크롤하고 질문을 반복해야 한다. - 서로 다른 아이디어 간의 관계를 시각적으로 파악하거나, 여러 방향을 병렬로 실험하기에도 적합하지 않다. ## 네트워크형 사고와 시각적 AI - Jambot의 초기 아이디어는 Figma의 AI 해커톤에서 “시각적 버전의 ChatGPT”라는 형태로 제안됐다. - Roam Research와 Logseq 같은 네트워크형 사고 도구에서 영감을 얻었다. - 페이지를 서로 연결할 수 있다. - 아이디어를 조직하고 추적할 수 있다. - 하나의 주제에서 관련 주제로 자연스럽게 이동할 수 있다. - Albus처럼 AI와의 상호작용을 시각적으로 구성하는 도구도 디자인 방향에 영향을 주었다. - 핵심은 채팅 기록을 순서대로 읽는 대신, 아이디어를 캔버스 위에 배치하고 연결하며 확장하는 것이다. ## FigJam과 ChatGPT의 결합 - Jambot은 FigJam 파일 안에서 ChatGPT의 생성 기능을 사용할 수 있게 한다. - 사용자는 다음과 같은 작업을 수행할 수 있다. - 새로운 아이디어 발상 - 아이디어나 회의 내용 요약 - 기존 생각을 다른 방향으로 확장 - AI와 함께 가볍게 브레인스토밍하고 실험 - FigJam의 협업 캔버스 위에서 작동하므로, AI와의 상호작용 결과를 팀원들과 함께 보고 수정할 수 있다. - 개인용 챗봇을 넘어 여러 사람이 함께 사용하는 “멀티플레이어 ChatGPT”를 지향한다. ## 코딩 도구가 아닌 시각적 구성 도구 - Sam Dixon은 LangChain처럼 의미론적·객체지향적인 방식으로 AI를 다루는 도구에서 영감을 받았다. - LangChain은 강력하지만 활용하려면 프로그래밍 지식이 필요하다. - Jambot은 이러한 개념을 코드 대신 시각적이고 직관적인 방식으로 제공하려는 시도다. - 사용자가 AI 시스템의 내부 구조를 직접 프로그래밍하지 않아도, 캔버스에서 결과를 보고 조작하며 아이디어를 발전시킬 수 있도록 한다. ## AI 인터페이스를 다시 설계하기 - Aosheng Ran은 현재의 AI 서비스가 지나치게 채팅창에 의존한다고 지적한다. - ChatGPT는 감정이나 정체성을 가진 것처럼 대화하지만, 실제로는 맥락과 역할을 충분히 드러내지 못하는 경우가 있다. - 과거의 GUI는 커서, 창, 화면 같은 요소를 통해 컴퓨터를 더 쉽게 사용할 수 있게 만들었다. - 반면 현재의 LLM 인터페이스는 초기 운영체제나 명령줄 환경처럼, 대부분 텍스트 입력과 출력에 머물러 있다. - Jambot은 AI와 상호작용하는 새로운 GUI 요소를 탐색하며, AI를 더 공간적이고 협업적인 환경으로 옮기려는 사례다. ## 실용적인 의미 Jambot의 핵심 가치는 AI가 답을 제공하는 데서 끝나지 않고, 팀이 아이디어를 함께 배치하고 비교하며 발전시키도록 돕는 데 있다. 복잡한 브레인스토밍이나 회의에서는 선형 채팅보다 캔버스 기반 AI가 더 적합할 수 있으므로, 여러 방향의 아이디어를 동시에 탐색해야 하는 작업에 유용한 접근이다.

원문 읽기(새 탭에서 열림)

생성형 AI대규모 언어 모델figjamchatgpt+2

figma·2023년 7월 31일·3분 읽기큐레이션 요약

존 마에다가 말하는 창의

AI는 창작자의 효율성과 가능성을 크게 높이지만, 동시에 누구나 비슷한 결과물을 빠르게 복제하게 만들어 창의적 직업을 위협할 수 있다. John Maeda는 AI가 반복적이고 지루한 작업을 대신하도록 활용하되, 인간은 효율적인 지름길이 아닌 더 어렵고 의미 있는 ‘오르막 사고(uphill thinking)’에 집중해야 한다고 주장한다. 창의성의 미래는 AI와 경쟁하는 데 있지 않고, AI가 잘하지 못하는 문제 정의·맥락 이해·새로운 방향 제시에 인간의 시간을 투자하는 데 있다. ## AI 시대의 창의성이 맞닥뜨린 역설 - AI는 창작자에게 전례 없는 효율성과 무한한 가능성을 제공한다. - 반대로 AI가 만든 결과물은 쉽게 반복·복제될 수 있어, 개성 없는 ‘규격화된 디자인’이 확산될 위험이 있다. - AI가 창작자의 작업을 대신할지, 창작자를 더 강력하게 만들지는 아직 양면적이다. - ChatGPT의 등장 이후 디자이너들은 AI와 협업하기 위해 프롬프트와 데이터셋, 모델 미세 조정 등 ‘기계의 언어’를 배우고 있다. - 그러나 AI를 활용해 만든 창작 방식은 창작자 본인이 없어도 재현될 수 있다는 점에서 기존의 창작자 중심 가치관을 흔든다. ## 기술을 독점하기보다 창작 도구로 공유하기 - Maeda는 1990년대 알고리즘으로 이미지를 만드는 독특한 방식을 개발했다. - 그는 자신의 비법을 독점하는 대신 MIT에서 오픈소스로 공개해 다른 사람들이 이를 바탕으로 새로운 창작을 하도록 했다. - MIT Scratch와 Processing 같은 프로젝트에도 참여하며, 코딩을 단순한 기술이 아니라 창의적 실천으로 바라보았다. - 이 관점에서는 창작자의 가치는 특정 기법을 숨기는 데만 있지 않고, 새로운 도구와 가능성을 만들어 공동체에 확산하는 데 있다. ## AI가 대신해야 할 일과 인간이 맡아야 할 일 - 컴퓨터가 잘하는 일은 대체로 다음과 같은 반복 작업이다. - 슬라이드와 목업의 다양한 버전 제작 - 이미지 리터칭 - 정형화된 결과물의 대량 생성 - 이런 업무를 AI가 맡으면 디자이너는 단순 실행보다 문제의 본질과 미래의 가능성에 집중할 수 있다. - Jessie Shefrin의 말처럼, 완벽한 해결책에 도달했을 때는 이미 문제가 바뀌어 있을 수 있다. - 따라서 현재의 문제를 더 빠르게 해결하는 것만큼, 앞으로 어떤 문제가 등장할지 탐색할 시간을 확보하는 것이 중요하다. ## 효율적인 지름길과 ‘오르막 사고’ - AI는 가장 짧고 효율적인 경로를 찾도록 설계되어 있다. - 수천, 수백만 개의 가능성을 빠르게 평가해 비용과 시간을 최소화하는 것이 AI의 강점이다. - 하지만 가장 효율적인 해답이 항상 가장 창의적이거나 영향력 있는 해답은 아니다. - 지나치게 효율적인 경로는 예상 밖의 발견, 실험, 우연한 영감을 제거할 수 있다. - 인간의 창의성은 때로 더 어렵고 느린 길을 선택하는 데서 나온다. 즉, 목적지에 곧바로 도달하기보다 일부러 ‘오르막길’을 택하며 새로운 의미와 가능성을 발견해야 한다. ## 디자이너가 AI 시대에 취할 태도 - AI를 인간의 창의성을 대체하는 경쟁자로만 보지 말고 협업 도구로 활용해야 한다. - 반복 작업을 자동화해 창작자가 더 높은 수준의 판단과 실험에 시간을 쓰도록 해야 한다. - AI가 만들어낸 결과를 그대로 받아들이기보다, 맥락·문화·사용자 경험에 맞게 비판적으로 해석해야 한다. - 기계가 쉽게 복제할 수 있는 산출물보다 문제를 새롭게 정의하고 방향을 제시하는 능력이 중요해진다. - 효율성만을 목표로 삼지 말고, 의도적으로 비효율적인 탐색과 실험을 허용해야 한다. AI는 디자인의 종말이라기보다 디자인 업무의 중심을 바꾸는 기술이다. 반복 작업은 AI에 맡기되, 인간은 문제 정의와 의미 부여, 예측할 수 없는 아이디어를 탐색하는 ‘오르막길’에 집중하는 것이 바람직하다.

원문 읽기(새 탭에서 열림)

생성형 AIAI머신러닝creative-coding+3

figma·2023년 6월 20일·3분 읽기큐레이션 요약

AI: 디자인의 새로운

AI는 디자인 도구의 한 기능이 아니라 제품 개발 전반을 바꾸는 플랫폼이라는 것이 글의 핵심 주장이다. Figma는 Diagram을 인수하고 AI 역량을 강화해 아이디어 발굴부터 디자인, 개발 코드 생성까지 팀의 작업을 가속하려 한다. AI가 디자이너를 대체하기보다는 반복 작업을 줄이고 문제 해결과 창의적 판단에 더 집중하게 만들 것이라는 전망을 제시한다. ## Figma의 Diagram 인수와 AI 전략 - Figma는 GPT-3 기반 디자인 생성 플러그인 **Designer**를 만든 Jordan Singer의 팀 Diagram을 인수했다. - Diagram의 Jordan Singer, Siddarth, Andrew, Marco, Vincent가 Figma에 합류했다. - Figma는 이미 머신러닝 전담 팀을 운영하고 AI 플랫폼 개발에 투자해 왔다. - Figma의 오픈 API를 활용해 커뮤니티가 만든 AI 플러그인도 약 100개에 이른다. - AI를 단일 기능이 아니라 제품 개발 프로세스 전체를 지원하는 핵심 플랫폼으로 보고 있다. ## 제품 개발 전 과정의 AI 활용 - **발견 단계** - 간단한 프롬프트로 초기 아이디어를 생성한다. - 여러 아이디어를 요약하고 종합한다. - **디자인 단계** - 기존 디자인과 디자인 시스템을 분석한다. - 적절한 컴포넌트나 디자인 방향을 추천한다. - 더 빠르게 첫 시안을 만들 수 있도록 지원한다. - **개발 단계** - 디자인의 맥락을 개발자에게 더 빠르게 전달한다. - 제품 요구사항과 디자인을 바탕으로 더 나은 프로덕션 코드를 생성한다. - 결과적으로 AI는 반복 작업을 줄이고 팀이 더 빠르게 문제 해결과 제품 완성도 향상에 집중하도록 돕는다. ## 기술 발전과 디자인의 변화 - 인쇄기, 스마트폰, 협업 도구, 하이브리드 근무처럼 디자인은 기술 변화에 따라 계속 진화해 왔다. - 새로운 기술이 등장해도 사려 깊은 디자인의 필요성이 사라진 것은 아니었다. - AI 역시 디자인을 없애기보다 디자이너의 작업 방식과 역할을 변화시킬 것으로 본다. ## 픽셀에서 패턴으로: 더 높은 수준의 설계 - 디자인 시스템은 모서리 반경이나 버튼 같은 반복적인 세부 작업을 줄이고, 디자이너가 콘셉트와 방향성에 집중하게 했다. - 원자적 요소인 픽셀이 컴포넌트와 같은 더 큰 구조로 결합되면서 작업 속도와 일관성이 향상됐다. - AI는 디자인 시스템보다 더 높은 수준의 구조와 패턴을 제안할 수 있다. - 예를 들어 로그인 화면의 이메일 입력창과 비밀번호 입력창을 만드는 데 그치지 않고, 이메일·전화번호·Touch ID를 대체할 새로운 로그인 방식을 제안할 수 있다. - 프로젝트의 감정적 분위기나 주제에 맞는 색상 팔레트를 자동으로 추천하는 것도 가능하다. - 디자인은 개별 픽셀을 조정하는 작업에서 벗어나 더 직관적이고 인간적인 경험을 설계하는 방향으로 이동한다. ## 새로운 디지털 경험의 등장 - ChatGPT와 같은 AI는 웹사이트와 앱을 탐색하는 기존 방식에서 벗어나 질문하고 답을 받는 인터페이스를 강화한다. - AI는 사용자의 의도와 실제 행동 사이의 간극을 줄일 수 있다. - 예를 들어 사용자가 차량 호출 앱에서 위치와 옵션을 여러 단계로 입력하는 대신, “JFK 공항으로 데려다줘”라고 말하면 AI가 필요한 절차를 처리할 수 있다. - 제품 설계자는 기능과 화면 수를 늘리는 대신, 사용자의 목적을 더 적은 클릭과 판단으로 달성하게 할 방법을 고민해야 한다. ## 디자이너와 제품 역할의 변화 - 글은 AI 시대에 제품 역할과 협업 방식도 변화할 것이라고 예고한다. - 반복적인 제작 업무가 자동화되면 디자이너는 결과물을 직접 만드는 일뿐 아니라 AI가 제안한 결과를 선택하고 다듬는 큐레이터 역할을 더 많이 맡게 될 가능성이 있다. - 디자인의 핵심 가치는 여전히 문제를 정의하고, 적절한 방향을 판단하며, 사람에게 의미 있는 경험을 만드는 데 있다. AI를 도입할 때는 단순히 디자인 산출물을 자동 생성하는 데 그치지 말고, 아이디어 정리·패턴 탐색·프로토타이핑·개발 전달 등 전체 흐름에서 반복 작업을 줄이는 방향을 고려하는 것이 실용적이다. 최종 품질과 사용자 경험을 결정하는 문제 정의와 판단은 여전히 사람의 중요한 역할로 남는다.

원문 읽기(새 탭에서 열림)

생성형 AIAI디자인 시스템머신러닝+4

figma·2022년 12월 5일·3분 읽기큐레이션 요약

Magician이 Figma의 텍스트

Figma의 텍스트 리뷰 API는 플러그인이 별도 창을 띄우지 않고 Figma 편집기 안에서 텍스트를 감지하고 대체 문구를 제안하도록 한다. Diagram은 이를 맞춤법 검사 대신 AI 카피라이팅 기능인 Magician의 “Magic Copy”에 활용해, 사용자가 입력하는 헤드라인·본문·CTA의 대안을 실시간으로 제시한다. 이 사례는 디자인 도구와 AI를 결합할 때 작게 시작해 반복적으로 실험하고, 상황에 맞는 출력 품질을 다듬는 것이 중요하다는 점을 보여준다. ## Figma 텍스트 리뷰 API의 역할 - 텍스트 리뷰 API는 Figma Plugin API의 새로운 기능이다. - 사용자가 캔버스에서 입력하는 텍스트를 자동으로 실행 중인 기본 텍스트 리뷰 플러그인이 분석할 수 있다. - 플러그인은 텍스트의 특정 범위를 강조하고, 수정 또는 대체를 위한 제안 목록을 제공한다. - 맞춤법과 문법 교정뿐 아니라 다음과 같은 기능에도 활용할 수 있다. - 더 나은 카피 제안 - 기업 스타일 가이드 준수 - 문장 표현 개선 - 특정 문구의 대체안 생성 - 일반적인 플러그인 창과 달리 백그라운드에서 동작하며 Figma 편집기 UI에 자연스럽게 통합된다. ## Magician과 Magic Copy - Magician은 Diagram이 만든 Figma용 AI 디자인 도구다. - 디자인 작업 중 아이디어를 확장하고 창의적 작업을 돕는 것을 목표로 한다. - 주요 기능은 “매직 스펠”이라는 형태로 제공된다. - **Magic Icon**: 새로운 아이콘 생성 - **Magic Image**: 디자인에 사용할 이미지 생성 - **Magic Copy**: 문구 작성과 대안 제안 - Magic Copy는 텍스트 레이어를 편집할 때 기존 문구를 바탕으로 여러 대안을 제시한다. - 헤드라인, 본문, 행동 유도 문구(CTA) 등 다양한 디자인 문구에 사용할 수 있다. ## 텍스트 리뷰 API를 활용한 AI 카피라이팅 - Magic Copy는 사용자가 입력하는 텍스트를 텍스트 리뷰 API를 통해 감지한다. - 사용자가 별도의 플러그인 창을 조작하지 않아도 편집 흐름 안에서 제안이 나타난다. - 글이 잘 떠오르지 않는 상황에서 기존 문구를 개선하거나 새로운 표현을 탐색하는 데 유용하다. - AI가 작성한 대안을 비교하면서 디자이너가 더 빠르게 문구를 결정할 수 있다. - 텍스트 리뷰 API의 본래 용도인 맞춤법 검사를 넘어, 글쓰기 보조 도구로 확장한 사례다. ## 하나의 확장 가능한 플러그인으로 통합 - Magician은 처음에는 Magic Copy와 Magic Icon 등이 각각 별도의 플러그인으로 계획됐다. - 이후 여러 AI 기능을 하나의 플러그인에 모으는 방향으로 전환했다. - 이를 통해: - 여러 “매직 스펠”을 하나의 경험으로 제공할 수 있고 - 새로운 기능을 일관된 방식으로 추가할 수 있으며 - 아이디어를 빠르게 실험하고 검증할 수 있게 됐다. - 핵심은 개별 기능을 독립적으로 만드는 대신, 새로운 AI 기능을 계속 수용할 수 있는 기반과 플랫폼을 먼저 마련한 것이다. ## AI 기능을 반복적으로 개선하는 방식 - Diagram은 Magician의 각 기능이 다양한 상황에서도 일관되고 유용한 결과를 내도록 출력 품질을 조정했다. - 이를 위해 많은 입력과 결과를 시험하고, 효과적인 방식이 무엇인지 반복적으로 확인했다. - Stable Diffusion과 OpenAI 같은 생성형 AI 모델의 발전은 이러한 실험을 빠르게 수행할 수 있게 했다. - AI 도구를 처음부터 완성된 제품으로 만들기보다 작은 기능으로 시작해 사용자 경험과 출력 결과를 계속 개선하는 접근을 강조한다. 실용적으로는 텍스트 리뷰 API를 단순한 맞춤법 검사에만 한정하지 말고, 제품 문구·브랜드 가이드·콘텐츠 생성 등 편집 흐름에 직접 연결되는 기능에 활용할 수 있다. 다만 AI 제안은 반복적인 품질 검증과 세밀한 출력 조정이 필요하므로, 작은 사용 사례부터 시작해 점진적으로 확장하는 것이 적절하다.

원문 읽기(새 탭에서 열림)

생성형 AIAI딥러닝openai+3