“가볍지만 세련된 블루” 같은 말을 들어도 디자이너마다 머릿속에 떠올리는 색은 제각각일 겁니다. 기준과 경험이 다르니까요. 프로덕트 디자인도 마찬가지죠. '간결하게', '직관적인 플로우로' 같은 말도 어떤 흐름을 떠올리느냐에 따라 적용할 그래픽도, UX 플로우도 다 달라집니다. 그래서 AI 요청은 이렇게 모호하게 넣으면 안 됩니다. 의도와 영 동떨어진 답이 돌아오거든요.
AI가 거의 모든 직무의 일하는 방식을 바꾸는 요즘, 저는 여기서 질문을 하나 붙잡았습니다. 디자인 업무에서 'AI에게 명확한 기준을 줄 수 있는' 지점은 어디일까. 그 지점을 찾아 AI에게 맡긴다면 손이 많이 가던 작업에도 효율이 생기지 않을까.
이 글은 그 질문을 붙잡고, 프로덕트 디자이너를 위한 AI 디자인 도구를 직접 만들어 본 기록입니다. 프로덕트 디자이너와 PM, 그리고 AI로 자기 일의 효율을 높여보고 싶은 분이라면 한 번쯤 같이 고민해볼 만한 이야기라고 생각합니다.
디자인에 AI를 붙이는 건 왜 더 어려울까
솔직히, 디자인에 AI를 접목하는 일은 생각보다 까다로웠습니다.
개발 영역에서는 AI가 바로 쓸 수 있는 코드를 결과물로 내놓습니다. 코드는 논리 구조가 명확하고 동작하는지 아닌지로 정답과 오답이 비교적 분명하게 갈립니다. 하지만 디자인은 다릅니다. 언어로 딱 떨어지게 적히지 않는 감성과 감각의 영역이 분명히 존재합니다. 앞서 말한 '가볍지만 세련된 블루'처럼 같은 말도 사람마다 달리 해석합니다.
캐시노트 프로덕트에 AI를 적용하는데는 한가지 어려움이 더 있었습니다. AI에게 '화면 하나 그려줘'라고 하면 곧잘 그려냅니다. 문제는 그렇게 나온 결과물이 '캐시노트다움'과는 거리가 멀다는 점이었습니다. 일반적인 화면을 뽑아내는 것과, 우리 디자인 시스템의 규칙과 톤 안에서 캐시노트답게 그려내는 것은 전혀 다른 문제였거든요. 그리고 제가 정말 풀고 싶었던 건 후자, '우리답게 그리게 만드는 것'이었습니다.
그래서 저는 '디자인 전체를 AI에게 맡긴다'는 접근은 처음부터 내려놨습니다. 모호한 영역은 사람이 좁혀주고, 기준이 분명한 영역만 AI에게 맡기기로 했습니다. 이렇게 역할을 나눴습니다.
- 사람이 맡는 것: 프로덕트의 방향과 목표, 사용자 맥락을 읽는 일, 그리고 AI가 내놓은 결과물을 판단하고 최종적으로 결정하는 일
- AI가 맡는 것: 반복적인 실행, 정해진 기준 안에서의 검토, 기획 초안과 와이어프레임 생성처럼 명확한 기준 위에서 빠르게 만들어내는 일
판단과 결정은 사람이 합니다. 명확한 기준 위의 빠른 제작은 AI에게 넘깁니다. 이 경계를 정하고 나서야 프로젝트를 시작할 수 있었습니다. 역할을 어디까지 나눌지 정했으니, 다음 고민은 디자인의 어느 단계부터 손댈지였습니다.
왜 '디자인 중' 단계부터 손댔나
디자인 업무는 크게 전-중-후 단계로 나뉘는데, 디자이너의 시간과 리소스가 가장 많이 쓰이는 건 실제 초안을 만들고 다듬는 '디자인 중' 단계입니다. 여기부터 효율을 만들어보기로 했습니다.
제가 만들고 싶었던 효율은 단순히 '명확하게 정리된 기획을 AI가 대신 그려주는 것'이 아니었습니다. 디자이너가 자기만의 AI 디자인 도구를 곁에 두고, 완성까지 걸리는 시간을 줄이는 것은 물론 시안의 다양성까지 함께 늘리는 것. 저는 이 두 가지가 동시에 일어나는 것을 진짜 개선이라고 봤습니다.
실제로 어떻게 만들었나
본격적으로 만들기 전에 이미 나와 있는 AI 디자인 도구들을 살펴봤습니다. 하지만, 실제 디자인 작업으로 이어지기엔 다들 한 단계씩 부족했습니다.(2026년 4~5월 기준입니다. 도구들이 워낙 빠르게 바뀌니까요.)
그래서 저는 가장 단순하고 기본적인 쪽을 택했습니다. 디자이너와 개발자가 함께 보며 싱크를 맞추는 공간인 Figma에 AI가 직접 그리게 하는 것이었습니다.
1단계 : AI가 우리 디자인을 '읽게' 만들기
'캐시노트다움'을 그려내게 하려면, 먼저 AI가 우리 디자인을 읽을 수 있어야 했습니다. 그래서 가장 먼저 한 일이 그 기준점을 만드는 것이었습니다.
캐시노트 디자인 시스템(CDS)의 디자인 원칙과 컴포넌트를 로컬 파일(.md)로 정리해, AI가 무엇을 지향하고 어떤 규칙을 따라야 하는지 읽을 수 있는 기준점을 만들었습니다.
2단계 : AI가 정해진 순서로 일하게 만들기
그다음은 AI가 매번 같은 순서로 생각하고 움직이도록 '스킬'을 만들었습니다.
*여기서 '스킬'은 AI가 정해진 순서대로 일하게 만드는 작업 절차서 같은 것입니다.
디자이너는 명확한 목적과 기획이 담긴 PRD, 피그마 링크, 하고 싶은 작업을 적은 프롬프트를 함께 건넵니다. 그러면 스킬은 다음 순서로 작동합니다.
1. PRD와 기존 디자인(As-is)을 읽고 우리가 풀려는 문제를 1-pager로 정리합니다.
2. 만들어야 할 화면과 필요한 컴포넌트를 기준으로 디자인 플랜을 세워 페이지를 구성합니다.
3. CDS 원칙에 어긋난 부분이 없는지 검수하고, 필요하면 수정해 최종 디자인을 완성합니다.
4. 디자이너가 추가로 손본 내용은 히스토리로 반영됩니다. 쓸수록 히스토리가 쌓이고, 다음 작업은 조금 더 똑똑해집니다.
핵심은 마지막의 4번째 단계입니다. 한 번 쓰고 끝나는 도구가 아니라, 디자이너가 손볼 때마다 기준이 한 겹씩 쌓이는 구조로 만들었습니다.
물론, 한 번에 되진 않았습니다
처음에는 엉망이었습니다. AI가 컴포넌트를 잘못 고르는 경우가 있었고, 분명 마크다운 파일로 만들어 둔 컴포넌트가 있는데도 그걸 읽지 않고 자기 마음대로 그려내는 일이 잦았습니다. 컬러를 제멋대로 쓰거나, 화면을 다 그려놓고 봐도 '캐시노트다움'이 도무지 보이지 않을 때도 있었고요.
이런 문제들을 기초적인 가이드라인과 테스트 히스토리를 하나씩 쌓아가며 보완했습니다. 어디서 어긋났는지 기록하고 그 기준을 다시 스킬에 반영하는 과정을 반복한 끝에, 지금의 AI 디자인 도구를 만들 수 있었습니다.
그래서 무엇이 달라졌나
직접 검증해본 사례, 이미 배포된 '점포 팔기' 플로우를 PRD만으로
이미 캐시노트에 배포돼 있는 기능 하나를 골라 테스트해봤습니다. 바로 '점포 팔기(양도)'의 매물 등록 플로우입니다. 디자이너가 한 장 한 장 직접 그려야 하는 화면들을, AI가 글(PRD)만 읽고 우리 시스템에서 알맞은 컴포넌트를 찾아 그려낼 수 있는지 보고 싶었거든요.
PRD 하나와 비어 있는 피그마 링크, 그리고 '플로우를 그려줘'라는 프롬프트 한 줄을 건넸습니다. 기존 디자인은 일절 보여주지 않았고, 도구가 PRD만 보고 전체 플로우를 어디까지 그려내는지 보려는 의도였습니다.
결과적으로 온보딩부터 매물·거래·매출 정보 입력, 사진 업로드, 매물 설명, 연락 정보, 정보 확인, 등록 완료까지 이어지는 14장의 화면이 나왔습니다. 여기에 '매물 등록을 중단하시겠어요?'처럼 플로우 중간에 생기는 예외 케이스까지 고려한 화면을, 캐시노트 디자인 시스템을 적용한 모습으로 받아볼 수 있었습니다.
이 테스트를 통해, PRD만 받아도 캐시노트 디자인 시스템을 그대로 적용해 그려내는 도구를 만들었다는 걸 확인할 수 있었습니다.
숫자로 보면
아직 초반 단계라 정량 데이터를 깔끔하게 뽑아내진 못했습니다. 다만 여러 작업에서 체감한 평균을 기준으로 보면, 변화는 이렇습니다.
- 디자인 초안 제작: 디자이너가 PRD를 파악하고 디자인 초안을 만들어내기까지는 보통 8시간 이상이 걸립니다. AI가 PRD를 읽고 초안을 생성하는 단계를 맡으면서, 그 부분을 30분 수준까지 줄였습니다.
- 시안 베리에이션: 레퍼런스를 직접 찾아가며 4~8시간 잡던 작업이, 웹 검색 기반으로 약 15분을 돌려 시안 5~10개를 받아보는 방식으로 바뀌었습니다.
숫자만 보면 극적이지만, 이게 곧 '디자이너가 30분 만에 끝낸다'는 뜻은 아닙니다. AI가 빠르게 펼쳐놓은 결과 위에서, 디자이너는 어긋난 간격을 다시 맞추고 잘못 고른 컴포넌트를 바로잡으며 '캐시노트다움'이 옅은 부분을 시각적으로 보완합니다. AI가 내놓은 결과물을 '맞는 디자인'으로 끌고 가는 판단은 사람의 몫입니다. 줄어든 건 '맨손으로 처음부터 쌓는 시간'이고, 그 자리를 판단과 결정의 시간이 채웁니다.
해보고 배운 것, 그리고 남은 과제
솔직히 AI를 통한 디자인 영역의 효율화는 아직 과도기라고 느낍니다. 그럼에도 확장 가능성은 충분히 봤습니다.
첫째, 개별 도메인과 개인별 히스토리·정보를 문서로 더 쌓을수록 결과는 한층 정교해질 겁니다.
둘째, 지금의 오프라인 로컬 환경을 클라우드로 연결하면 파일을 업데이트하기가 훨씬 쉬워질 겁니다.
셋째, 시스템 자체의 레거시가 AI에게는 그대로 허들이 되기에, 디자인 시스템도 'AI가 잘 읽고 가져다 쓸 수 있도록' 토큰화하는 일이 필수라는 걸 실감했습니다.
마무리하며
지금의 디자인 시스템 원칙 위에서 프로덕트가 확장해 가는 흐름을 보면, AI가 만든 디자인을 곧바로 핸드오프해 배포할 수 있는 단계는 아닙니다. 분명 과도기입니다.
그럼에도 디자이너는 AI를 기반으로 자기 업무의 효율을 직접 끌어올리는 능력과, AI가 그려낸 것을 무조건 믿는 대신 옳고 그름을 가려낼 수 있는 판단력을 함께 길러야 합니다. 저는 플랫폼 디자이너로서, AI가 잘 읽을 수 있는 디자인 시스템을 고도화하는 일을 계속 플랫폼의 과제로 들고 가려 합니다.
혹시 여러분의 업무에서도 AI에게 맡길 자리를 찾고 있다면, 저는 세 가지가 겹치는 곳부터 보길 권합니다. 판단 기준이 명확한가, 반복적으로 일어나는가, 결과를 검증할 규칙이 있는가. 이 셋이 만나는 지점이 제게는 가장 먼저 효율을 만들어낸 자리였습니다.
여러분의 업무 프로세스에는 어디에 이런 '효율의 빈틈'이 있을까요? 이 글이 그 지점을 한 번 들여다보는 계기가 된다면 좋겠습니다.
글쓴이 : KCD 디자인팀 Platform Designer Wood(임한빈)
“가볍지만 세련된 블루” 같은 말을 들어도 디자이너마다 머릿속에 떠올리는 색은 제각각일 겁니다. 기준과 경험이 다르니까요. 프로덕트 디자인도 마찬가지죠. '간결하게', '직관적인 플로우로' 같은 말도 어떤 흐름을 떠올리느냐에 따라 적용할 그래픽도, UX 플로우도 다 달라집니다. 그래서 AI 요청은 이렇게 모호하게 넣으면 안 됩니다. 의도와 영 동떨어진 답이 돌아오거든요.
AI가 거의 모든 직무의 일하는 방식을 바꾸는 요즘, 저는 여기서 질문을 하나 붙잡았습니다. 디자인 업무에서 'AI에게 명확한 기준을 줄 수 있는' 지점은 어디일까. 그 지점을 찾아 AI에게 맡긴다면 손이 많이 가던 작업에도 효율이 생기지 않을까.
이 글은 그 질문을 붙잡고, 프로덕트 디자이너를 위한 AI 디자인 도구를 직접 만들어 본 기록입니다. 프로덕트 디자이너와 PM, 그리고 AI로 자기 일의 효율을 높여보고 싶은 분이라면 한 번쯤 같이 고민해볼 만한 이야기라고 생각합니다.
디자인에 AI를 붙이는 건 왜 더 어려울까
솔직히, 디자인에 AI를 접목하는 일은 생각보다 까다로웠습니다.
개발 영역에서는 AI가 바로 쓸 수 있는 코드를 결과물로 내놓습니다. 코드는 논리 구조가 명확하고 동작하는지 아닌지로 정답과 오답이 비교적 분명하게 갈립니다. 하지만 디자인은 다릅니다. 언어로 딱 떨어지게 적히지 않는 감성과 감각의 영역이 분명히 존재합니다. 앞서 말한 '가볍지만 세련된 블루'처럼 같은 말도 사람마다 달리 해석합니다.
캐시노트 프로덕트에 AI를 적용하는데는 한가지 어려움이 더 있었습니다. AI에게 '화면 하나 그려줘'라고 하면 곧잘 그려냅니다. 문제는 그렇게 나온 결과물이 '캐시노트다움'과는 거리가 멀다는 점이었습니다. 일반적인 화면을 뽑아내는 것과, 우리 디자인 시스템의 규칙과 톤 안에서 캐시노트답게 그려내는 것은 전혀 다른 문제였거든요. 그리고 제가 정말 풀고 싶었던 건 후자, '우리답게 그리게 만드는 것'이었습니다.
그래서 저는 '디자인 전체를 AI에게 맡긴다'는 접근은 처음부터 내려놨습니다. 모호한 영역은 사람이 좁혀주고, 기준이 분명한 영역만 AI에게 맡기기로 했습니다. 이렇게 역할을 나눴습니다.
판단과 결정은 사람이 합니다. 명확한 기준 위의 빠른 제작은 AI에게 넘깁니다. 이 경계를 정하고 나서야 프로젝트를 시작할 수 있었습니다. 역할을 어디까지 나눌지 정했으니, 다음 고민은 디자인의 어느 단계부터 손댈지였습니다.
왜 '디자인 중' 단계부터 손댔나
디자인 업무는 크게 전-중-후 단계로 나뉘는데, 디자이너의 시간과 리소스가 가장 많이 쓰이는 건 실제 초안을 만들고 다듬는 '디자인 중' 단계입니다. 여기부터 효율을 만들어보기로 했습니다.
제가 만들고 싶었던 효율은 단순히 '명확하게 정리된 기획을 AI가 대신 그려주는 것'이 아니었습니다. 디자이너가 자기만의 AI 디자인 도구를 곁에 두고, 완성까지 걸리는 시간을 줄이는 것은 물론 시안의 다양성까지 함께 늘리는 것. 저는 이 두 가지가 동시에 일어나는 것을 진짜 개선이라고 봤습니다.
실제로 어떻게 만들었나
본격적으로 만들기 전에 이미 나와 있는 AI 디자인 도구들을 살펴봤습니다. 하지만, 실제 디자인 작업으로 이어지기엔 다들 한 단계씩 부족했습니다.(2026년 4~5월 기준입니다. 도구들이 워낙 빠르게 바뀌니까요.)
그래서 저는 가장 단순하고 기본적인 쪽을 택했습니다. 디자이너와 개발자가 함께 보며 싱크를 맞추는 공간인 Figma에 AI가 직접 그리게 하는 것이었습니다.
1단계 : AI가 우리 디자인을 '읽게' 만들기
'캐시노트다움'을 그려내게 하려면, 먼저 AI가 우리 디자인을 읽을 수 있어야 했습니다. 그래서 가장 먼저 한 일이 그 기준점을 만드는 것이었습니다.
캐시노트 디자인 시스템(CDS)의 디자인 원칙과 컴포넌트를 로컬 파일(.md)로 정리해, AI가 무엇을 지향하고 어떤 규칙을 따라야 하는지 읽을 수 있는 기준점을 만들었습니다.
2단계 : AI가 정해진 순서로 일하게 만들기
그다음은 AI가 매번 같은 순서로 생각하고 움직이도록 '스킬'을 만들었습니다.
*여기서 '스킬'은 AI가 정해진 순서대로 일하게 만드는 작업 절차서 같은 것입니다.
디자이너는 명확한 목적과 기획이 담긴 PRD, 피그마 링크, 하고 싶은 작업을 적은 프롬프트를 함께 건넵니다. 그러면 스킬은 다음 순서로 작동합니다.
1. PRD와 기존 디자인(As-is)을 읽고 우리가 풀려는 문제를 1-pager로 정리합니다.
2. 만들어야 할 화면과 필요한 컴포넌트를 기준으로 디자인 플랜을 세워 페이지를 구성합니다.
3. CDS 원칙에 어긋난 부분이 없는지 검수하고, 필요하면 수정해 최종 디자인을 완성합니다.
4. 디자이너가 추가로 손본 내용은 히스토리로 반영됩니다. 쓸수록 히스토리가 쌓이고, 다음 작업은 조금 더 똑똑해집니다.
핵심은 마지막의 4번째 단계입니다. 한 번 쓰고 끝나는 도구가 아니라, 디자이너가 손볼 때마다 기준이 한 겹씩 쌓이는 구조로 만들었습니다.
물론, 한 번에 되진 않았습니다
처음에는 엉망이었습니다. AI가 컴포넌트를 잘못 고르는 경우가 있었고, 분명 마크다운 파일로 만들어 둔 컴포넌트가 있는데도 그걸 읽지 않고 자기 마음대로 그려내는 일이 잦았습니다. 컬러를 제멋대로 쓰거나, 화면을 다 그려놓고 봐도 '캐시노트다움'이 도무지 보이지 않을 때도 있었고요.
이런 문제들을 기초적인 가이드라인과 테스트 히스토리를 하나씩 쌓아가며 보완했습니다. 어디서 어긋났는지 기록하고 그 기준을 다시 스킬에 반영하는 과정을 반복한 끝에, 지금의 AI 디자인 도구를 만들 수 있었습니다.
그래서 무엇이 달라졌나
직접 검증해본 사례, 이미 배포된 '점포 팔기' 플로우를 PRD만으로
이미 캐시노트에 배포돼 있는 기능 하나를 골라 테스트해봤습니다. 바로 '점포 팔기(양도)'의 매물 등록 플로우입니다. 디자이너가 한 장 한 장 직접 그려야 하는 화면들을, AI가 글(PRD)만 읽고 우리 시스템에서 알맞은 컴포넌트를 찾아 그려낼 수 있는지 보고 싶었거든요.
PRD 하나와 비어 있는 피그마 링크, 그리고 '플로우를 그려줘'라는 프롬프트 한 줄을 건넸습니다. 기존 디자인은 일절 보여주지 않았고, 도구가 PRD만 보고 전체 플로우를 어디까지 그려내는지 보려는 의도였습니다.
결과적으로 온보딩부터 매물·거래·매출 정보 입력, 사진 업로드, 매물 설명, 연락 정보, 정보 확인, 등록 완료까지 이어지는 14장의 화면이 나왔습니다. 여기에 '매물 등록을 중단하시겠어요?'처럼 플로우 중간에 생기는 예외 케이스까지 고려한 화면을, 캐시노트 디자인 시스템을 적용한 모습으로 받아볼 수 있었습니다.
이 테스트를 통해, PRD만 받아도 캐시노트 디자인 시스템을 그대로 적용해 그려내는 도구를 만들었다는 걸 확인할 수 있었습니다.
숫자로 보면
아직 초반 단계라 정량 데이터를 깔끔하게 뽑아내진 못했습니다. 다만 여러 작업에서 체감한 평균을 기준으로 보면, 변화는 이렇습니다.
숫자만 보면 극적이지만, 이게 곧 '디자이너가 30분 만에 끝낸다'는 뜻은 아닙니다. AI가 빠르게 펼쳐놓은 결과 위에서, 디자이너는 어긋난 간격을 다시 맞추고 잘못 고른 컴포넌트를 바로잡으며 '캐시노트다움'이 옅은 부분을 시각적으로 보완합니다. AI가 내놓은 결과물을 '맞는 디자인'으로 끌고 가는 판단은 사람의 몫입니다. 줄어든 건 '맨손으로 처음부터 쌓는 시간'이고, 그 자리를 판단과 결정의 시간이 채웁니다.
해보고 배운 것, 그리고 남은 과제
솔직히 AI를 통한 디자인 영역의 효율화는 아직 과도기라고 느낍니다. 그럼에도 확장 가능성은 충분히 봤습니다.
첫째, 개별 도메인과 개인별 히스토리·정보를 문서로 더 쌓을수록 결과는 한층 정교해질 겁니다.
둘째, 지금의 오프라인 로컬 환경을 클라우드로 연결하면 파일을 업데이트하기가 훨씬 쉬워질 겁니다.
셋째, 시스템 자체의 레거시가 AI에게는 그대로 허들이 되기에, 디자인 시스템도 'AI가 잘 읽고 가져다 쓸 수 있도록' 토큰화하는 일이 필수라는 걸 실감했습니다.
마무리하며
지금의 디자인 시스템 원칙 위에서 프로덕트가 확장해 가는 흐름을 보면, AI가 만든 디자인을 곧바로 핸드오프해 배포할 수 있는 단계는 아닙니다. 분명 과도기입니다.
그럼에도 디자이너는 AI를 기반으로 자기 업무의 효율을 직접 끌어올리는 능력과, AI가 그려낸 것을 무조건 믿는 대신 옳고 그름을 가려낼 수 있는 판단력을 함께 길러야 합니다. 저는 플랫폼 디자이너로서, AI가 잘 읽을 수 있는 디자인 시스템을 고도화하는 일을 계속 플랫폼의 과제로 들고 가려 합니다.
혹시 여러분의 업무에서도 AI에게 맡길 자리를 찾고 있다면, 저는 세 가지가 겹치는 곳부터 보길 권합니다. 판단 기준이 명확한가, 반복적으로 일어나는가, 결과를 검증할 규칙이 있는가. 이 셋이 만나는 지점이 제게는 가장 먼저 효율을 만들어낸 자리였습니다.
여러분의 업무 프로세스에는 어디에 이런 '효율의 빈틈'이 있을까요? 이 글이 그 지점을 한 번 들여다보는 계기가 된다면 좋겠습니다.
글쓴이 : KCD 디자인팀 Platform Designer Wood(임한빈)