AI 슬롭을 줄이려면: Taste Labs가 말한 디자인 안목, 측정, Brand API | DAKER 커뮤니티

버튼 한 번으로 사이트나 슬라이드가 빠르게 만들어지는 시대입니다. 다만 결과물이 편리한 만큼, 서로 비슷하고 맥락이 옅은 산출물도 함께 늘고 있습니다. 왜 어떤 결과물은 그럴듯해 보여도 오래 남지 않고, 어떤 결과물은 분명한 의도를 느끼게 하는지 궁금했다면 이 이야기를 지금 읽어볼 만합니다.

Tech Bridge의 영상 「AI에게 '디자인 안목'을 훈련시키는 방법입니다」는 Taste Labs 창업자 Thais의 발표를 옮긴 내용입니다. 핵심은 단순히 더 큰 모델을 만드는 데 있지 않습니다. 코딩과 수학에 쏟아온 노력만큼 디자인 판단을 다루는 방법에도 공을 들여, 이른바 AI 슬롭을 줄이자는 제안입니다.

생성 비용이 낮아질수록 더 중요해지는 것

발표의 출발점은 분명합니다. 생성 비용이 거의 0에 가까워질수록 평균적인 예쁨만으로는 차이가 나기 어렵고, 무엇이 적절한지 가려내는 판단이 더 중요해진다는 점입니다.

중요한 것은 평균적인 예쁨이 아니라 판단입니다.

Taste Labs는 이 문제를 감각의 영역에만 두지 않고, 측정 가능한 대상으로 다루려 합니다. 200만 개가 넘는 웹사이트를 분석해 슬롭을 정량적으로 살피고, 추론 시점에는 브랜드 맥락과 창의성을 함께 다루는 방식으로 품질의 바닥을 끌어올리려는 접근입니다.

AI 슬롭을 이루는 세 가지 특징

발표에서는 슬롭의 특징을 세 가지로 설명합니다. 첫째는 반복성입니다. 비슷한 패턴이 계속 되풀이되면서 결과물이 서로 구분되지 않게 됩니다. 둘째는 적합성 부족입니다. 펫숍과 금융 회사처럼 전혀 다른 맥락의 대상이 비슷한 디자인으로 나오는 식의 붕괴를 말합니다. 셋째는 낮은 의도성입니다. 원샷 프롬프트의 한계뿐 아니라, 시스템 자체가 사용자의 의도를 충분히 해석하고 보강하지 못하는 문제도 포함됩니다.

위대함을 정의하기는 어렵지만, 슬롭은 많은 사람이 동의할 수 있습니다.

이 관점에서 특별함은 단순히 화려한 결과가 아니라, 의도를 가지고 분포 바깥으로 나가는 선택에 가깝습니다.

200만 사이트를 보고 프로브를 만든 이유

Taste Labs는 약 10년치 웹을 웨이백 스타일로 살피고, 합성 AI 사이트와도 비교했다고 설명합니다. 이 과정에서 AI 이전에도 색과 레이아웃의 동질화는 존재했지만, AI 이후에는 맥락과 무관하게 같은 패턴이 반복되는 현상이 더 두드러진다고 봤습니다.

이들은 색, 타이포그래피, 레이아웃 같은 요소를 구조화한 뒤, 프로브라고 부르는 작은 분류기로 슬롭 가능성을 예측했습니다. 발표에서는 이 방식이 LLM 판사보다 나았다고 주장합니다. 결국 문제를 고치려면 먼저 측정할 수 있어야 한다는 전제가 깔려 있습니다.

측정 없이 고치기 어렵다는 것이 이 접근의 전제입니다.

Brand API가 하려는 일

발표에서 흥미로운 지점은 모델의 크기만으로 문제가 해결되지 않는다고 본다는 점입니다. 사용자와 맞닿는 추론 시점에서 맥락을 어떻게 넣고, 결과가 그 맥락을 지켰는지 어떻게 검증할지가 그만큼 중요하다고 설명합니다.

Brand API는 URL을 바탕으로 에이전트가 따를 수 있는 구조화된 브랜드 요소를 추출하고, 결과물이 그 기준에서 벗어났는지도 판정하게 하는 구상입니다. 브랜드가 뚜렷하지 않은 사용자를 위해서는 드림한 느낌 같은 사전 브랜드 인덱스도 생각하고 있다고 합니다.

브랜드는 감각적인 설명에 머무는 것이 아니라, 에이전트가 따를 수 있는 구조로 옮겨져야 합니다.

창의성은 무작위가 아니라 규칙 위의 이탈

이 발표는 창의성을 단순한 무작위성과 구분합니다. 온도만 높여 결과를 흔드는 방식이 아니라, 도메인의 규칙을 지키면서 일부를 의도적으로 깨는 쪽이 더 가깝다는 설명입니다. 그래서 창의성 역시 브랜드 준수와 충돌하는 값이 아니라, 적절한 제약 안에서 더 잘 작동할 수 있는 요소로 다뤄집니다.

결국 남는 질문

이 발표가 제안하는 방향은 모든 사람이 평생 디자인 안목을 수련해야 한다는 이야기가 아닙니다. 대신 측정, 검증, 브랜드 구조화를 통해 품질의 최저선을 높이자는 쪽에 가깝습니다. AI가 더 많은 결과물을 더 빨리 만들수록, 무엇이 반복이고 무엇이 맥락이며 무엇이 의도인지 구분하는 체계가 더 중요해진다는 뜻이기도 합니다.

데모와 수치의 맥락은 원본 영상을 함께 보면 더 분명하게 이해할 수 있습니다.

참고 자료

유튜브: [한영자막] AI에게 '디자인 안목'을 훈련시키는 방법입니다 · 채널 Tech Bridge (@TechBridge-KR)

연사 X: https://x.com/thaiscbranco_

LinkedIn: https://www.linkedin.com/in/thais-castello-branco/

여러분은 최근 본 AI 결과물에서 반복, 맥락 붕괴, 의도 부재 가운데 무엇이 가장 자주 문제였다고 느끼셨나요?