티스토리 뷰
목차
AI 이미지를 100장 뽑았는데 쓸 수 있는 게 3장뿐이었던 적이 있습니다. 그 순간 처음으로 '많이 생성하는 것'과 '잘 쓰는 것'이 전혀 다른 문제라는 걸 실감했습니다. 요즘 기업들이 AI 활용 지표로 토큰 사용량을 내세우는 경우가 많아졌는데, 디자인 업무에서 이 기준이 얼마나 위험하게 왜곡될 수 있는지 제 경험을 바탕으로 정리해 봤습니다.
AI를 많이 쓰면 일을 잘하는 걸까요?
요즘 저는 하루 업무를 AI 브리핑으로 시작합니다. 전날 작업 내용 정리, 오늘 회의 맥락 확인, 캠페인 드래프트 시안 생성까지. 예전엔 파일을 뒤져가며 흐름을 다시 잡던 일을 이제는 AI가 먼저 요약해 줍니다. 그만큼 AI가 실무 안으로 자연스럽게 들어왔다는 건 분명한 사실입니다.
그런데 여기서 한 가지 질문을 던지고 싶습니다. AI를 많이 쓴다는 것이 곧 일을 잘한다는 증거가 될 수 있을까요?
최근 삼성SDS 인사이트 글에서 '토큰맥싱(Tokenmaxxing)'이라는 개념을 처음 접했습니다. 토큰맥싱이란 업무 성과를 높이기 위해 AI를 쓰는 것이 아니라, 단순히 더 많은 토큰을 소비하기 위해 AI를 과도하게 호출하는 행태를 의미합니다. 여기서 토큰(Token)이란 AI 언어 모델이 텍스트를 처리하는 기본 단위로, 쉽게 말해 AI가 읽고 쓰는 글자 덩어리라고 보면 됩니다. 기업들이 이 토큰 소비량을 AI 활용 KPI로 삼으면, 구성원들은 자연스럽게 실제 성과보다 사용량을 늘리는 방향으로 행동하게 됩니다(출처: 삼성SDS 인사이트).
처음엔 이 이야기가 개발 조직에 해당하는 문제처럼 느껴졌습니다. 그런데 글을 다 읽고 나서 제 뷰티 BX디자인 업무가 먼저 떠올랐습니다. 이미지 생성 횟수, 프롬프트 입력량, AI 툴 사용 시간. 이것들이 정말 디자인 성과를 설명하는 지표가 될 수 있을까요?
디자인 생산성, 생성량으로 측정할 수 없는 이유
제가 속한 뷰티 산업에서는 AI로 꽤 다양한 비주얼 작업을 합니다. 브랜드 캠페인 시뮬레이션 이미지, 뷰티 모델 생성, 크리에이터 화보 시안, 팝업스토어 공간 무드보드까지. AI가 개입하는 범위가 계속 넓어지고 있고, 실제로 촬영 전에 확인하기 어려웠던 조명 무드나 공간 구도를 이제는 드래프트 단계에서 빠르게 볼 수 있습니다. 이 부분만큼은 AI가 확실히 리소스를 줄여줍니다.
그런데 제가 직접 써보면서 가장 먼저 깨달은 것이 있습니다. 같은 프롬프트(Prompt)를 넣어도 레퍼런스 이미지에 따라 결과가 완전히 달라진다는 점입니다. 여기서 프롬프트란 AI에게 원하는 결과를 만들어내도록 입력하는 지시 문장을 의미합니다. 쉽게 말해 AI에게 내리는 작업 지시서입니다. 어떤 레퍼런스는 조명과 피부 질감을 정확히 끌어올리고, 어떤 레퍼런스는 오히려 제품 로고를 흐리거나 브랜드 무드를 완전히 다른 방향으로 왜곡시킵니다.
뷰티 카테고리는 특히 민감합니다. 인물의 얼굴과 피부 표현, 제품 로고, 패키지 비율, 손동작, 배경 무드가 조금이라도 어긋나면 결과물 전체의 신뢰도가 흔들립니다. 제 경험상 이건 프롬프트를 길게 쓴다고 해결되는 문제가 아닙니다. 오히려 맥락 없이 프롬프트만 늘리면 AI가 방향을 잃고 오히려 엉뚱한 결과를 냅니다.
삼성 SDS 글에서는 토큰 소비량을 과거 소프트웨어 개발 조직의 코드 라인 수 평가 방식과 비교합니다. 코드 양이 많다고 좋은 소프트웨어가 되지 않듯, 이미지를 많이 생성했다고 좋은 디자인이 되는 것은 아닙니다. 100장을 생성해서 3장만 쓸 수 있다면, 그건 "열심히 했다"가 아니라 "97장을 버린 것"입니다.
- 이미지 생성 횟수가 많으면 열심히 일한 것이다 → 실제로는 낭비의 속도가 빨라진 것일 수 있습니다
- 프롬프트를 길게 쓰면 더 전문적이다 → 맥락 없는 긴 프롬프트는 결과를 오히려 산만하게 만듭니다
- 생성 결과가 화려하면 설득력 있는 시안이다 → 브랜드 요구사항과 맞지 않으면 제안서에서 힘을 잃습니다
- AI 툴을 많이 쓰면 고도화된 작업이다 → 도구 수가 아니라 결과물의 정확도가 기준이 되어야 합니다
이미지 검수가 생성보다 더 중요한 단계입니다
AI 이미지 작업을 반복하면서 제가 가장 시간을 많이 쓰는 단계가 어딘지 아십니까? 생성이 아닙니다. 검수입니다. 나온 결과물을 보고 "이걸 쓸 수 있는가, 없는가"를 판단하는 과정에 오히려 더 많은 집중력이 들어갑니다.
뷰티 이미지에서 로고가 흐려지거나 패키지 형태가 살짝 달라진 건 처음 봤을 때 눈에 잘 안 들어옵니다. 전체 분위기가 예뻐 보이면 세부 요소를 놓치기 쉽습니다. 그런데 그 이미지가 제안서에 들어가거나 클라이언트 미팅에 쓰이면, 그때 문제가 됩니다. 제 경우엔 이런 실수를 몇 번 겪고 나서 검수 기준을 먼저 정리하는 습관을 들이게 됐습니다.
생성 전에 반드시 정리해야 하는 것들이 있습니다. 어떤 브랜드 무드를 지켜야 하는지, 어떤 요소는 절대 바뀌면 안 되는지, 어떤 결과가 나오면 바로 폐기해야 하는지. 이 기준이 없으면 아무리 많이 생성해도 선택 기준이 없기 때문에 오히려 더 많은 시간이 걸립니다.
브랜드 아이덴티티(Brand Identity), 줄여서 BI란 로고, 컬러, 서체, 이미지 톤 앤 매너 등 브랜드를 시각적으로 구별해 주는 일관된 요소 체계를 의미합니다. BX디자인에서 AI가 이 BI를 훼손한 결과물을 그대로 통과시키면, 그 이미지는 아무리 완성도가 높아 보여도 실무에서 쓸 수 없습니다. 검수 통과율(생성 결과물 중 실제로 사용 가능한 비율)이 낮다면, 그건 AI를 잘 못 쓰고 있다는 신호입니다.
제가 실제로 확인하는 검수 기준
제품 로고가 유지되었는지, 패키지 비율이 왜곡되지 않았는지, 인물의 얼굴과 손이 자연스러운지, 배경 무드가 브랜드 톤과 맞는지. 이 네 가지를 먼저 확인합니다. 하나라도 어긋나면 그 이미지는 후보에서 뺍니다. 처음엔 이 기준을 적용하는 게 번거롭다고 느꼈는데, 익숙해지고 나니 오히려 생성 횟수 자체가 줄었습니다. 첫 요청에 제대로 된 맥락을 넣고, 나온 결과를 명확히 걸러내는 쪽이 "조금만 더, 다시 한번"을 반복하는 것보다 훨씬 효율적이었습니다.
KPI 기준이 바뀌어야 AI 디자인이 진짜 성과를 냅니다
AI 활용도를 측정할 때 토큰 사용량만 볼 것이 아니라 업무 결과물, 비용 효율성, 품질 개선 효과를 함께 봐야 한다는 관점이 있습니다(출처: 삼성SDS 인사이트). 저는 이 관점이 BX디자인 업무에도 그대로 적용된다고 생각합니다.
토큰 사용량 중심의 KPI(Key Performance Indicator, 핵심 성과 지표)는 AI를 잘 쓰는 문화를 만드는 것이 아니라 AI를 많이 소비하는 문화를 만들 가능성이 높습니다. 여기서 KPI란 목표 달성 여부를 수치로 측정하는 지표를 말합니다. 쉽게 말해 "우리가 잘하고 있는지"를 숫자로 보여주는 기준입니다. 이 기준이 잘못 설정되면, 아무리 열심히 일해도 방향이 어긋납니다.
디자인 업무에서 제가 더 의미 있다고 느끼는 지표는 따로 있습니다. 생성된 이미지 중 실제 제안서에 들어간 비율, 후속 리터칭 요청이 얼마나 줄었는지, AI 결과물이 회의에서 실제로 의사결정을 빠르게 만들었는지, 이번 작업의 프롬프트 구조가 다음 프로젝트에서도 재사용 가능한지. 이런 질문들이 쌓이면 "AI를 잘 쓰고 있는가"에 대한 진짜 답이 나옵니다.
솔직히 이건 처음엔 예상 밖이었습니다. AI를 많이 쓸수록 더 좋은 결과가 나올 거라 당연히 생각했거든요. 그런데 실제로는 반대였습니다. 생성 횟수를 줄이고 검수 기준을 높인 뒤에 오히려 제안서에 들어가는 이미지 수가 늘었습니다. AI 디자인 생산성은 많이 쓰는 것이 아니라 적게 낭비하고 정확하게 회수하는 것에 더 가깝습니다.
자주 묻는 질문
Q. AI 이미지 생성을 많이 하면 디자인 실력이 늘어나는 건가요?
A. 생성 횟수 자체보다 검수하는 과정에서 실력이 쌓입니다. 어떤 결과물이 브랜드 기준에 맞고 어떤 것이 폐기 대상인지를 반복적으로 판단하다 보면, 좋은 레퍼런스를 고르는 눈과 프롬프트 설계 능력이 함께 올라갑니다. 많이 생성하는 것보다 많이 판단하는 경험이 더 중요합니다.
Q. 뷰티 AI 이미지에서 가장 자주 생기는 오류는 뭔가요?
A. 제 경험상 제품 로고 왜곡과 손동작 오류가 가장 흔합니다. 전체 분위기는 예쁜데 로고가 흐려지거나 손가락이 부자연스럽게 묘사되는 경우가 많습니다. 검수 단계에서 이 두 가지를 먼저 확인하는 습관을 들이면 폐기 이미지를 줄이는 데 꽤 효과적입니다.
Q. 토큰맥싱이 디자이너한테도 해당되는 문제인가요?
A. 네, 해당됩니다. 이미지를 많이 생성했다는 것을 생산성의 증거처럼 보여주려는 심리가 생기면, 그게 디자인 분야의 토큰맥싱입니다. 이미지 생성 횟수보다 실제 제안서에 반영된 결과물 수를 기준으로 삼는 것이 훨씬 정직한 성과 측정 방법입니다.
Q. 프롬프트를 길게 쓰면 결과가 더 좋아지지 않나요?
A. 꼭 그렇지는 않습니다. 맥락과 조건이 명확하게 정리된 프롬프트가 길기만 한 프롬프트보다 훨씬 좋은 결과를 냅니다. 제 경험상 "절대 바뀌면 안 되는 요소"를 먼저 정리하고 그것을 프롬프트 앞부분에 명시하는 방식이 효과적이었습니다. 구조 없이 길어진 프롬프트는 AI가 방향을 잃게 만들 수 있습니다.
결론
AI 디자인 업무에서 진짜 생산성은 토큰 소비량이나 이미지 생성 횟수가 아닙니다. 얼마나 적게 낭비하고, 브랜드가 요구하는 기준을 얼마나 정확하게 지켜낸 결과물을 회수했는지에 달려 있습니다. 이미지를 몇 장 뽑았는가 보다 그중 몇 장이 실제 제안서에 들어갔는가, 프롬프트를 몇 번 입력했는가 보다 다음 프로젝트에서 재사용 가능한 구조가 남았는가가 더 의미 있는 질문입니다.
AI 시대의 BX디자이너에게 필요한 역량은 AI를 더 많이 호출하는 능력이 아니라, 더 적은 시행착오로 브랜드에 맞는 결과를 얻어내는 판단력입니다. 생성 전 기준을 세우고, 검수 통과율을 높이고, 성공과 실패 프롬프트를 기록하는 것. 이 흐름을 반복하다 보면 AI 사용량은 오히려 줄면서 결과물의 질은 올라가는 지점이 생깁니다. 저는 그 지점이 AI 디자인 생산성의 진짜 기준이라고 생각합니다.
참고: 삼성SDS 인사이트 — AI 도입률 높이려다 비용만 폭증? '토큰맥싱(Tokenmaxxing)'이 던지는 경고
작성자 뱅우리
뷰티·크리에이터 산업에서 BX 디자인과 AI 프로덕션을 실무로 다룹니다. AI 이미지·영상 제작, 브랜드 시스템과 크리에이터 브랜딩을 직접 테스트하고 기록합니다. 본문은 실제 프로젝트 경험과 반복 실험을 바탕으로 작성하며 최종 결과와 사실관계는 직접 검수합니다.