figma·2024년 7월 29일·3분 읽기큐레이션 요약

HP, 개발자 모드로 디자인

HP는 100개가 넘는 제품군과 여러 사업부가 각기 다른 방식으로 디지털 경험을 만들던 문제를 해결하기 위해 디자인 시스템 Veneer와 Figma Dev Mode를 도입했다. Veneer는 디자인 언어, 컴포넌트, 문서화, 거버넌스를 통합하고, Dev Mode는 디자인과 개발 사이의 전달 과정을 간소화했다. 그 결과 HP는 디자인 일관성을 높이고 일부 프로젝트의 개발 시간을 50% 줄였으며, 대규모 조직에서 디자인 시스템의 채택 효과를 정량적으로 측정할 수 있었다. ## 복잡한 제품 생태계를 위한 다층 디자인 시스템 - HP는 프린터, 노트북, 게이밍 시스템 등 100개 이상의 다양한 제품군을 운영한다. - 각 제품과 사업부가 독립적으로 움직이면서 디지털 경험의 시각적·사용자 경험적 일관성을 유지하기 어려웠다. - 초기에는 단순한 프런트엔드 컴포넌트 라이브러리였던 Veneer가 다음 요소를 포함하는 종합 디자인 시스템으로 발전했다. - HP 브랜드에 기반한 디자인 언어 - 디자인 및 개발용 컴포넌트와 패턴 - 사용 지침, 원칙, 모범 사례, 코드 표준, 코드 스니펫 - 디자이너와 개발자의 피드백을 반영하는 커뮤니티와 거버넌스 - HP의 여러 서브 브랜드를 하나의 획일적인 시스템으로 지원하기는 어렵기 때문에, Veneer는 공통 기반을 유지하면서도 브랜드별 차이를 수용할 수 있는 다층 구조로 설계됐다. ## 채택률과 효율성 측정 - HP는 Veneer의 효과를 사용량 같은 정량 지표와 구성원 피드백 같은 정성 지표를 함께 활용해 평가한다. - 아이콘 라이브러리의 경우: - 320개 팀이 사용 - 915개의 아이콘 컴포넌트 제공 - 주당 평균 8만 5천 회 삽입 - 디자인 시스템을 활용하면 처음부터 구현하는 것보다 개발 속도가 크게 향상된다. 글에서는 IBM 연구의 단순 폼 개발 속도 47% 향상 사례도 언급한다. - 2023년 1월부터 12월까지 Veneer를 통해 프로젝트가 절약한 시간이 시스템 제작에 투입된 시간보다 500% 많았다. - HP 엔지니어링 리더십에 따르면 일부 프로젝트에서는 개발 시간이 50% 단축됐다. - 다만 디자이너들은 자신이 담당하는 제품과 사용자 경험에 강한 책임감을 갖고 있어, 외부 시스템의 도입을 제품의 창의성을 제한하는 일로 받아들일 수 있었다. - HP는 Veneer가 반복적인 작업을 줄이고 디자이너가 제품 고유의 문제와 창의적인 부분에 집중하도록 돕는다는 점을 보여주며 채택을 유도했다. ## Dev Mode로 디자인과 개발 연결 - Dev Mode는 개발자가 Figma 안에서 디자인 사양을 직접 확인하도록 해 디자인 핸드오프를 간소화했다. - 이로 인해 사양을 확인하기 위한 회의와 디자이너·개발자 간의 반복적인 질의응답이 줄었다. - HP가 특히 유용하게 활용한 기능은 다음과 같다. - **변경 사항 비교**: 기존 제품을 업데이트할 때 디자인 버전 간 변경점을 빠르게 확인할 수 있다. - **개발 준비 완료 표시**: 디자이너가 구현할 영역을 명시해 개발자가 작업 범위를 명확히 파악할 수 있다. - **변수**: 프리미티브 토큰이나 시맨틱 토큰과 연결된 변수를 활용해 여러 테마와 모드에 대응하고 디자인 시스템을 확장할 수 있다. - Dev Mode는 단순히 디자인 파일을 개발자에게 전달하는 도구가 아니라, Veneer의 컴포넌트와 토큰을 실제 코드 구현으로 연결하는 협업 환경으로 활용됐다. HP의 사례는 대규모 조직에서 디자인 시스템을 성공적으로 운영하려면 공통 컴포넌트만 제공하는 것보다 브랜드별 유연성, 명확한 문서화, 거버넌스, 채택 지표가 함께 필요하다는 점을 보여준다. 또한 Dev Mode처럼 디자인 변경 사항과 구현 정보를 같은 작업 흐름에서 제공하면 핸드오프 비용을 줄이고 개발 생산성을 높일 수 있다.

원문 읽기(새 탭에서 열림)

Figma디자인 시스템디자인 토큰dev-mode+2

figma·2024년 7월 16일·3분 읽기큐레이션 요약

'디자인 제작' 기능

Figma는 AI 기능 ‘Make Designs’가 실제 앱과 유사한 디자인을 생성하는 문제를 발견해 일시적으로 중단했다. 원인은 모델 자체가 아니라, 충분히 검토되지 않은 디자인 시스템의 컴포넌트와 예시 화면이었다. Figma는 관련 자산을 제거하고 QA 절차를 개선한 뒤, 기능을 ‘First Draft’라는 이름으로 재출시했다. ## Make Designs의 작동 방식 - 사용자의 프롬프트, AI 모델, 디자인 시스템의 컴포넌트와 예시를 결합해 초기 UI 시안을 생성한다. - OpenAI의 GPT-4o와 Amazon Titan 등 상용 모델을 사용했으며, 별도 학습이나 파인튜닝은 진행하지 않았다. - 모바일·데스크톱용으로 제작한 두 개의 디자인 시스템에 수백 개의 컴포넌트와 조합 예시를 포함했다. - 모델은 버튼, 헤드라인, 이미지 등 컴포넌트를 선택·배치하고, 속성과 스타일을 설정해 완성된 화면을 구성한다. - Amazon Titan의 확산 모델이 디자인에 필요한 이미지를 생성한다. - 결과물은 완성품이 아니라 디자이너가 수정하고 발전시키기 위한 ‘첫 초안’을 목표로 했다. ## 실제 앱과 유사해진 원인 - Config 2024 직전 디자인 시스템에 새 컴포넌트와 예시 화면이 추가됐다. - 일부 자산이 실제 서비스의 UI 요소와 충분히 유사했지만, 추가된 자산을 철저히 검토하지 못했다. - 특정 프롬프트를 입력하면 해당 자산이 결과물에 포함될 수 있었다. - 한 디자이너가 날씨 앱을 생성했을 때 Apple의 기본 앱과 유사한 화면이 나온 것을 지적하면서 문제가 드러났다. - Figma는 문제의 원인이 기반 모델의 학습 데이터가 아니라 자체적으로 제공한 디자인 시스템과 예시 자산에 있다고 판단했다. ## Figma의 대응 - 문제를 확인한 즉시 관련 디자인 시스템 자산을 제거했다. - Make Designs 기능을 일시적으로 비활성화했다. - 기능 재개를 보류하고 디자인 시스템에 대한 개선된 QA 프로세스를 마련하기로 했다. - Visual Search, 레이어 이름 변경, 텍스트 번역 등 다른 Figma AI 기능은 제한적 베타로 계속 제공했다. ## 향후 방향과 디자이너의 역할 - Make Designs의 초기 이름은 ‘First Draft’였으며, 완성된 디자인보다 작업을 시작하기 위한 출발점을 의미한다. - 향후에는 기업이 자체 디자인 시스템을 연결해 컴포넌트 검색·조합·설정에 드는 시간을 줄이는 것이 목표다. - AI는 초기 아이디어와 구조를 제시할 수 있지만, 의미 있는 사용자 경험을 만들고 완성하는 일은 여전히 디자이너의 역할이다. - Figma는 제한적 베타를 통해 실제 사용 과정에서 문제를 배우고 개선하겠다고 밝혔다. - 편집자 주에 따르면 기능은 이후 개선 사항과 함께 ‘First Draft’라는 새 이름으로 재활성화됐다. AI 기반 디자인 생성 기능은 모델 성능뿐 아니라 입력되는 디자인 시스템과 예시 자산의 품질 관리가 중요하다. 따라서 자동 생성 결과를 완성품으로 신뢰하기보다, 철저한 QA와 디자이너의 검토를 거치는 초안 생성 도구로 활용하는 것이 바람직하다.

원문 읽기(새 탭에서 열림)

AI디자인 시스템생성형 AI사용자 인터페이스+3

figma·2024년 7월 10일·3분 읽기큐레이션 요약

Config 2024의

Config 2024의 시각 아이덴티티는 Figma의 제품 경험을 행사 공간과 디지털 접점 전체로 확장하는 데 초점을 맞췄다. Figma의 캔버스, Figma Slides, 다양한 제작 모드를 바탕으로 기본 도형이 변형·확장되는 형태 언어를 만들었으며, 이를 통해 독립적인 행사 정체성과 Figma 브랜드의 일관성을 동시에 확보했다. 1만 명 이상의 현장 참가자와 온라인 참가자를 고려해 미적 요소뿐 아니라 안내와 동선까지 아우르는 모듈형 디자인 시스템으로 구현한 것이 핵심이다. ## Figma 기능에서 출발한 형태 언어 - 브레인스토밍 단계에서 새롭게 개편된 Figma와 Figma Slides의 핵심 경험을 시각적 출발점으로 삼았다. - 작업 생성, 공유, 발표 등 서로 다른 제작 모드를 전환하는 경험에서 영감을 얻었다. - Figma 캔버스와 Figma Slides의 새로운 캔버스를 시각적으로 해석해, 형태가 확대·이동·변형되며 예상하지 못한 관점을 보여주는 시스템을 구상했다. - 주요 테마는 다음과 같다. - 작업과 맥락 사이를 이동하는 움직임 - 캔버스를 비우거나 작업을 보여주며 창작 의도를 증폭하는 것 - 협업을 통해 다양한 관점이 만나는 것 - 여러 제작 방식을 포용하는 것 ## 형태와 기능의 결합 - 행사 디자인을 단순한 장식이 아니라 사용자 경험 설계의 문제로 접근했다. - 등록부터 원하는 발표 세션의 좌석 확보까지, 참가자가 마주하는 다양한 상황을 시각 언어로 지원해야 했다. - 정교한 비주얼과 일관된 안내 체계를 결합해 복잡한 행사 경험을 이해하기 쉽게 만들었다. - 기본적인 원시 도형을 조합해 더 복잡한 대형 그래픽과 공간 요소를 제작했다. ## 공간 전체로 확장된 슈퍼그래픽 - 샌프란시스코 Moscone Center의 넓은 규모에 맞춰 건물 외벽과 다양한 표면에 그래픽을 적용했다. - 행사장 중앙에는 서로 다른 형태의 대형 물리적 슈퍼그래픽 세 개를 설치했다. - 참가자들은 이 구조물을 좌석, 사진 촬영 배경, 만남의 장소로 활용했다. - 그래픽을 평면 이미지에 머물게 하지 않고 참가자가 직접 상호작용하는 공간 경험으로 확장했다. ## 기본 도형을 활용한 모듈형 시스템 - Config 브랜드의 지속적인 모티프인 도형을 Figma 툴바의 기본 도형에서 가져왔다. - 사각형 - 원 - 다각형 - 누구나 Figma에서 디자인을 시작할 때 사용하는 단순한 도형을 복잡한 슈퍼그래픽의 구성 요소로 발전시켰다. - 동일한 브랜드를 유지하면서도 수많은 행사 자산이 반복적으로 보이지 않도록 모듈형 구조를 설계했다. - Figma 안에 슈퍼그래픽 컴포넌트 라이브러리를 구축하고, 각 그래픽마다 세 가지 변형을 제공해 서로 다른 각도와 구성을 표현했다. - 이 방식으로 행사장, 디지털 화면, 인쇄물 등 다양한 접점에서 일관성과 변주를 동시에 확보했다. ## 대규모 행사에 대응하는 디자인 시스템 - Config에는 현장 참가자 1만 명 이상과 더 많은 온라인 참가자가 참여하므로, 작은 접점까지 포함한 전체 경험 설계가 필요했다. - 키노트나 건물 외벽처럼 눈에 띄는 요소뿐 아니라 다음 항목에도 동일한 시각 언어를 적용했다. - 디지털 화면 - 안내물 - 기념품과 스웨그 백 - 행사장 내 각종 접점 - 행사 아이덴티티가 특정 장면에만 존재하는 것이 아니라 참가자의 모든 상호작용에서 이어지도록 설계했다. ## 실용적인 시사점 대규모 브랜드 경험을 만들 때는 먼저 브랜드의 핵심 기능이나 사용자 경험에서 반복 가능한 시각 원리를 추출하는 것이 효과적이다. 이후 기본 도형과 컴포넌트처럼 재사용 가능한 단위로 시스템화하면, 수많은 채널에 빠르게 적용하면서도 일관성·확장성·변주를 함께 유지할 수 있다.

원문 읽기(새 탭에서 열림)

Figma디자인 시스템사용자 경험component-library+1

figma·2024년 6월 25일·4분 읽기큐레이션 요약

AI 시대의 좋은 디자인이란 무엇

AI가 제품 개발을 대중화할수록 제품을 차별화하는 요소는 디자인이 된다. 모바일 시대에 데스크톱 경험을 작은 화면에 그대로 옮겼던 것처럼, 초기 AI 제품도 단순한 챗봇과 템플릿에 머물고 있지만 새로운 상호작용 패턴을 발견할 가능성이 크다. 따라서 AI 시대의 좋은 디자인은 기술 자체를 좇기보다 공감, 창의성, 실제 사용자 문제 해결이라는 변하지 않는 원칙을 바탕으로 AI와 디자이너의 역할을 재정의하는 것이다. ## AI 시대에 디자인이 더 중요해지는 이유 - AI는 간단한 프롬프트만으로 코드, 디자인, 애플리케이션 전체를 생성할 수 있어 아이디어에서 구현까지의 속도를 크게 높인다. - 더 많은 사람이 제품 제작 과정에 참여할 수 있게 되지만, 결과적으로 비슷한 제품이 빠르게 양산될 가능성도 커진다. - 제품의 차별화는 기능 구현보다 다음과 같은 디자인 경험에서 나타날 수 있다. - 풍부한 상호작용 - 직관적인 제스처 - AI라는 매체에 적합한 새로운 사용 패턴 - 2007년 아이폰 등장 직후 많은 기업이 기존 데스크톱 화면을 모바일에 단순히 축소했던 것처럼, 현재의 단순 챗봇과 템플릿형 AI 제품도 새로운 기술에 적응하는 초기 단계로 볼 수 있다. - 새로운 기술의 잠재력을 실현하려면 충분한 시간과 반복적인 실험이 필요하다. ## 좋은 디자인의 원칙을 AI가 이해하도록 만들기 - Figma는 디자인 시스템을 활용해 UI의 첫 시안을 생성하는 AI 기능을 개발하면서, 먼저 “좋은 디자인”이 무엇인지 정의해야 했다. - LLM은 본질적으로 텍스트 기반 모델이므로 글쓰기나 코딩에는 강하지만, 시각적·구조적 판단이 필요한 UI 디자인을 생성하는 일은 더 어렵다. - 모든 디자인 규칙을 AI에 전달하는 방식은 현실적이지 않다. - 좋은 디자인의 모든 세부 사항을 유한한 규칙으로 정의하기 어렵다. - 방대한 규칙을 하나의 프롬프트에 넣으면 토큰 제한에 걸린다. - 상황에 따라 달라지는 디자인 판단까지 규칙화하기도 어렵다. - 이에 따라 어떤 UI에도 대체로 적용할 수 있는 작지만 강력한 원칙으로 디자인 지식을 압축해야 한다. - 디자인을 가르치는 과정처럼, 디자이너의 직관을 다른 사람이 실행할 수 있는 명확한 원칙으로 분해하는 작업이 중요하다. - 좋은 원칙은 다음 조건을 갖춰야 한다. - 명확할 것 - 구체적일 것 - 실제 제작 과정에서 적용 가능할 것 - 다양한 UI 상황에 일반화될 것 ## 디자인에서 코드까지의 순환 고리 단축 - AI는 디자인 결과물을 코드로 옮기는 시간을 줄여 제품 제작 주기를 단축할 수 있다. - 디자인과 개발 사이의 간극이 줄어들면 더 많은 시안을 빠르게 구현하고 검증할 수 있다. - 중요한 것은 단순히 코드를 자동 생성하는 것이 아니라, 디자인 의도와 사용자 경험이 구현 단계에서도 유지되도록 하는 것이다. - 빠른 생성 능력은 한 번에 정답을 얻는 수단이라기보다 실험과 반복을 늘리는 수단으로 활용해야 한다. ## 실용주의와 반복적인 실험 - AI 기술이 빠르게 변하는 상황에서는 완벽한 미래상을 기다리기보다 현재 가능한 도구로 실제 문제를 해결하는 접근이 필요하다. - 기술을 사용하기 위한 기능보다 사용자에게 실질적인 가치를 주는 경험을 우선해야 한다. - 초기 AI 제품의 어색함은 실패라기보다 새로운 상호작용 방식을 발견하기 위한 실험의 일부다. - 디자이너는 생성된 결과를 그대로 받아들이기보다 사용자 맥락에 맞는지 검토하고, 반복적인 수정과 검증을 통해 품질을 높여야 한다. ## 디자이너와 AI의 공동 창작 - AI는 디자이너를 단순히 대체하는 자동화 도구가 아니라 아이디어를 확장하고 제작 속도를 높이는 협업 파트너가 될 수 있다. - AI가 초안과 반복 작업을 담당하면 디자이너는 문제 정의, 사용자 공감, 우선순위 설정, 창의적 판단에 더 집중할 수 있다. - 공동 창작 모델에서는 인간과 AI의 강점을 결합하는 작업 분담이 중요하다. - AI: 빠른 생성, 변형, 탐색, 반복 작업 - 디자이너: 목적 설정, 맥락 이해, 품질 판단, 사용자 관점의 의사결정 - AI가 발전할수록 디자이너의 역할이 사라지는 것이 아니라, 무엇을 만들고 왜 만들어야 하는지 결정하는 능력이 더욱 중요해진다. AI를 도입할 때는 생성 속도 자체보다 사용자 문제와 디자인 원칙을 먼저 정의하는 것이 좋다. 작은 원칙을 명확히 정리하고, AI로 여러 시안을 빠르게 만든 뒤 사람의 판단과 사용자 검증을 통해 반복 개선하는 방식이 가장 현실적인 접근이다.

원문 읽기(새 탭에서 열림)

FigmaAI디자인 시스템대규모 언어 모델+2

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

왜 우리는 코드가 범

AI가 디자인을 코드로 변환하고 반복적인 구현 작업을 자동화하더라도, 엔지니어의 역할 자체가 사라지는 것은 아니다. 코드 작성은 엔지니어링의 일부일 뿐이며, 사용자의 문제를 정의하고 제약 조건 속에서 적절한 추상화와 시스템을 설계하는 능력은 여전히 사람의 핵심 역량이다. 따라서 코드를 상품화의 대상으로 두려워하기보다, 자동화를 통해 창의성·문제 해결·제품 의사결정에 더 집중해야 한다는 것이 글의 결론이다. ## 디자인과 코드의 경계가 흐려지는 이유 - AI는 프로그래밍 언어 간 변환뿐 아니라 디자인 시안을 실제 코드로 변환하는 작업도 자동화할 수 있다. - Figma 같은 현대적인 디자인 도구는 내부적으로 디자인을 일종의 구조화된 코드 형태로 저장한다. - 따라서 디자인을 TypeScript·React 또는 Kotlin·Jetpack 코드로 바꾸는 일은 본질적으로 한 표현 방식에서 다른 표현 방식으로 번역하는 작업에 가깝다. - 그러나 목업을 코드로 바꾸는 능력이 곧 좋은 제품이나 시스템을 만드는 능력을 의미하지는 않는다. ## 코드 작성보다 중요한 엔지니어링의 본질 - 엔지니어링은 단순히 코드를 출력하는 일이 아니라 다음을 포함한다. - 어떤 문제를 해결해야 하는지 판단하기 - 문제를 해결할 적절한 방법 선택하기 - 복잡한 시스템을 이해하기 쉬운 추상화로 구성하기 - 정확하고 단순하며 유지보수 가능한 해법 만들기 - 뛰어난 엔지니어는 특정 언어·프레임워크·플랫폼의 세부 문법에만 의존하지 않고, 여러 기술에 공통된 원리를 바탕으로 사고한다. - React나 Jetpack 같은 특정 기술의 전문성은 시간이 지나면 가치가 감소할 수 있지만, 사용자의 요구와 시스템 제약을 해석하는 능력은 오래 지속된다. - AI가 부족한 영역은 사용자의 실제 필요, 제품 맥락, 기술적 제약을 종합해 우아하고 직관적인 시스템으로 설계하는 일이다. ## 반복 작업 자동화와 엔지니어의 창의성 - AI는 반복적이고 정형화된 작업을 줄여 엔지니어가 더 창의적인 문제에 집중하도록 도울 수 있다. - 하나의 기능을 구현하는 방법은 여러 가지일 수 있으며, AI는 기존에 고려하지 않았던 대안을 빠르게 제시할 수 있다. - 최종적으로 어떤 방식을 선택할지는 성능, 복잡도, 유지보수성, 사용자 경험 등의 트레이드오프를 평가하는 사람의 판단에 달려 있다. - 엔지니어의 창의성은 제약을 제거하는 데만 있지 않고, 제약을 활용해 더 나은 기술적·제품적 선택을 만들어내는 데 있다. - 기술 시스템의 구현은 단순한 코딩 작업이 아니라 팀의 제품 결정을 개선하는 창의적 활동이다. ## 구현자에서 문제 정의자·조정자로의 역할 변화 - Figma의 엔지니어들은 출근 후 곧바로 코드를 작성하기보다 팀원들과 사용자 문제를 논의하고 해결 우선순위를 정한다. - 무엇을 만들지, 왜 만들어야 하는지, 어떤 방식이 적절한지를 합의한 뒤에야 구현에 들어간다. - AI가 하위 수준의 기술 작업을 자동화할수록 엔지니어가 직접 신경 써야 할 구현 세부사항은 줄어든다. - 그 결과 엔지니어의 업무는 다음 영역으로 더 이동한다. - 사용자 문제의 발견과 해석 - 문제의 우선순위 설정 - 팀 간 정렬과 의사결정 - 시스템 구조와 품질 기준 설계 - 즉, 엔지니어의 추상화 수준이 높아지고 구현 자체가 전체 업무에서 차지하는 비중은 작아진다. ## 생산성보다 중요한 개발 속도와 가치 전달 - AI 도입의 효과를 단순히 “더 많은 코드를 더 빨리 작성하는 것”으로 측정해서는 안 된다. - 중요한 것은 코드 출력량이 아니라, 올바른 문제를 선택하고 사용자에게 가치 있는 결과를 얼마나 빠르게 전달하는가이다. - 잘못 정의된 문제를 AI로 빠르게 구현하면 오히려 불필요한 기능과 기술 부채가 빠르게 늘어날 수 있다. - 따라서 AI는 구현 자동화 도구이면서 동시에 여러 해결책을 탐색하고 제품 실험을 가속하는 도구로 활용해야 한다. AI 시대에 엔지니어는 특정 프레임워크의 코드 작성 능력보다 문제 정의, 시스템 사고, 트레이드오프 판단, 사용자 맥락 이해를 강화하는 것이 좋다. 반복 구현은 AI에 맡기되, 무엇을 만들지와 어떤 구조가 장기적으로 좋은지는 사람이 책임지는 방식이 바람직하다.

원문 읽기(새 탭에서 열림)

생성형 AIReactTypeScriptdesign-to-code+2

figma·2024년 6월 25일·3분 읽기큐레이션 요약

Figma Slides로 승기를

Figma Slides는 Figma의 높은 시각적 완성도와 FigJam의 협업·피드백 기능을 결합한 프레젠테이션 도구로, 2024년 6월 오픈 베타로 공개됐다. 디자이너는 기존 Figma 작업 방식을 그대로 활용하고, 비디자이너는 쉽게 콘텐츠를 편집하며 함께 발표 자료를 만들 수 있다. Figma는 이를 통해 일방적인 발표 자료를 설득과 피드백이 오가는 대화형 스토리텔링 도구로 발전시키고자 한다. ## 프레젠테이션 제작의 어려움 - 발표자의 45%는 창의적인 레이아웃을 만드는 데 어려움을 겪는다. - 41%는 적절한 시각 자료를 찾고 활용하는 일을 어렵게 느낀다. - 47%는 프레젠테이션 디자인에 8시간 이상을 사용한다. - Figma 사용자들은 최근 1년 동안 약 350만 개의 프레젠테이션을 제작했지만, 실제 발표를 위해 다른 도구로 작업물을 옮기거나 프로토타입을 별도로 공유해야 했다. - Figma Slides는 이런 단절을 줄이고 디자인과 발표 준비를 한 공간에서 처리하도록 설계됐다. ## Figma의 디자인 기능을 활용한 슬라이드 제작 - 기존 슬라이드 도구에서 부족했던 **발표자 노트**와 **슬라이드 전환 효과**를 제공한다. - 기본 도구 모드에서는 텍스트, 이미지, 도형을 사용해 빠르게 발표 자료를 만들 수 있다. - **디자인 모드**를 켜면 Figma Design의 고급 기능을 사용할 수 있다. - Auto Layout - 정교한 정렬 및 배치 - 고급 속성 - 인터랙티브 컴포넌트와 상태 - Figma에서 복사한 호버 상태 등의 인터랙티브 컴포넌트는 발표 중에도 동작한다. - 이미지와 시각 자료가 메시지의 효과와 참여도를 높인다는 연구 결과를 바탕으로, 시각적 완성도를 핵심 가치로 삼는다. ## 디자인 라이브러리와 에셋의 재사용 - Figma에서 구축한 텍스트 스타일, 색상 스타일, 컴포넌트와 에셋을 Figma Slides에서도 바로 사용할 수 있다. - UI 디자인을 이미지로 하나씩 내보내야 했던 기존 작업을 없애고, Figma 제품군 전체에서 복사·붙여넣기 방식으로 재사용할 수 있다. - 디자이너가 기존 디자인 시스템을 유지하면서 발표 자료를 제작할 수 있다. ## Grid View를 통한 스토리 구성 - 슬라이드를 한 장씩 편집하는 단일 슬라이드 보기와 전체 흐름을 확인하는 **Grid View**를 제공한다. - Grid View에서는 슬라이드가 행 단위로 배치되어 발표의 전체 구조를 한눈에 볼 수 있다. - 슬라이드 순서를 쉽게 바꾸며 이야기의 흐름과 섹션 구성을 조정할 수 있다. - 단일 슬라이드 보기와 Grid View 사이를 오갈 때 변경 사항이 동기화된다. - 특히 20장 이상의 발표 자료에서 전체 내러티브를 재구성하기 어려운 문제를 해결하는 데 초점을 둔다. ## 일방적인 발표에서 협업형 대화로 - Figma는 FigJam을 통해 회의에서 여러 사람이 동시에 의견을 내는 협업 방식을 경험했고, 기존 발표 방식의 비효율을 발견했다. - 기존 프레젠테이션은 한 사람이 말하고 나머지는 듣는 구조가 되기 쉽다. - Figma Slides는 디자이너와 비디자이너가 같은 공간에서 자료를 만들고 의견을 주고받도록 설계됐다. - 제품 검토, 영업 제안, 투자 피치 등 다양한 상황에서 발표 자료를 단순한 문서가 아니라 합의를 이끌어내는 커뮤니케이션 도구로 활용하는 것이 목표다. Figma Slides는 기존 Figma 디자인 자산을 적극적으로 활용하는 팀이나, 발표 자료 제작 과정에 디자이너와 비디자이너가 함께 참여해야 하는 조직에 특히 적합하다. 발표용 슬라이드와 실제 디자인 작업 사이의 변환 과정을 줄이고, 전체 이야기 구조를 Grid View에서 점검하는 방식으로 활용하면 효과적이다.

원문 읽기(새 탭에서 열림)

Figma사용자 경험figjamdesign-collaboration+3

figma·2024년 6월 25일·3분 읽기큐레이션 요약

새로워진 Figma 내부

Figma의 UI3는 기능을 계속 추가하면서 복잡해진 인터페이스를 정리하고, 사용자의 작업물을 화면 중심에 두기 위한 대규모 redesign이다. 캔버스 공간을 넓히면서도 기존 사용자의 작업 습관과 전문 기능은 유지하고, 신규 사용자에게는 더 직관적인 경험을 제공하는 것이 목표다. 또한 컴포넌트, 생성형 AI, Dev Mode, Figma Slides 등 변화하는 디자인 환경에 대응할 수 있는 기반을 마련하려는 개편이다. ## UI3를 시작한 배경 - Figma는 출시 후 약 10년 동안 많은 기능과 제품을 추가했지만, 기본 레이아웃은 크게 변하지 않았다. - 기능이 누적되면서 처음에는 단순했던 인터페이스가 점점 복잡하고 부담스럽게 느껴질 수 있게 됐다. - UI3는 Figma 출시 이후 세 번째 주요 redesign으로, 단순한 시각적 변경이 아니라 워크플로와 인터랙션 방식까지 재설계한다. - 기존 사용자가 익숙한 작업 방식을 잃지 않으면서도, 새로운 사용자에게 더 접근하기 쉬운 인터페이스를 만드는 것이 중요한 과제였다. ## UI3가 해결하려는 네 가지 문제 - **UI보다 사용자의 아이디어를 중심에 두기** - 인터랙티브 컴포넌트와 AI 지원 디자인처럼 강력한 기능이 추가되면서 UI가 작업 자체보다 눈에 띌 위험이 생겼다. - 기능이 부가적으로 덧붙은 느낌을 줄이고, 캔버스와 사용자의 창작물에 집중하도록 설계 방향을 잡았다. - **신규 사용자와 전문 디자이너의 요구 균형** - 기존 인터페이스는 처음 접하는 사용자에게 복잡하고 비직관적으로 보일 수 있었다. - 기능의 범위를 줄이는 것이 아니라, 기능을 이해하고 접근하는 방식을 단순화하려 했다. - 숙련된 사용자의 익숙한 조작 감각과 작업 효율은 보존하는 것을 목표로 삼았다. - **변화하는 디자인 방식에 대응** - 오늘날 디자인은 단순히 픽셀을 배치하는 작업을 넘어, 재사용 가능한 컴포넌트와 생성형 AI를 활용하는 방식으로 확장되고 있다. - 이에 따라 디자이너가 개별 요소뿐 아니라 더 높은 수준의 추상화된 building block을 사용할 수 있어야 한다고 보았다. - **Figma의 미래를 위한 기반 마련** - Dev Mode를 통해 디자인과 코드를 연결하고, Figma AI로 작업 효율을 높이는 방향을 고려했다. - Figma Slides 같은 새로운 제품까지 포함해, 여러 도구가 일관된 제품군으로 작동할 수 있는 공통 구조를 만들고자 했다. ## 캔버스 공간을 넓히는 인터페이스 - 가장 먼저 Figma 캔버스의 사용 가능한 공간을 최대화하는 작업을 진행했다. - 초기에는 패널과 속성 영역을 거의 제거하고, 마우스를 올릴 때만 UI가 나타나는 극단적인 미니멀 디자인도 실험했다. - 사이드바가 필요할 때만 나타나는 방식도 시도했지만, 화면 구조가 지나치게 불안정해지는 문제가 있었다. - 수백 가지 시안을 제작하고 Figma 팀 내부에서 직접 사용하며 개선 방향을 검증했다. - 최종적으로 다음과 같은 방향을 선택했다. - 크기를 조절할 수 있는 패널 - 캔버스 하단의 얇은 새 툴바 - 상단 영역을 비워 더 넓고 여유로운 화면 구성 - 필요할 때 패널을 열고 닫을 수 있는 구조 - UI 전체를 숨겨 작업물에만 집중할 수 있는 기능 - 이 구조는 Figma의 여러 제품에서 공통으로 사용할 수 있어, 제품 간 전환과 확장에도 유리한 기반이 된다. ## 실용적인 의미 UI3의 핵심은 기능을 없애는 것이 아니라, 기능이 작업을 방해하지 않도록 배치와 노출 방식을 재조정하는 데 있다. 따라서 사용자는 평소에는 넓은 캔버스에 집중하고, 필요한 순간에만 패널과 도구를 불러오는 방식으로 작업할 수 있다. Figma를 사용하는 팀이라면 UI3의 패널 접기·크기 조절 기능과 캔버스 중심 작업 방식을 적극 활용하는 것이 효율 향상에 도움이 된다.

원문 읽기(새 탭에서 열림)

Figma디자인 시스템사용자 경험생성형 AI+2

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

프리랜서와 에이

Figma는 프리랜서와 소규모 에이전시가 여러 고객과 협업할 때 발생하는 라이선스·프로젝트 이전·좌석 과금 문제를 해결하기 위한 billing 및 아키텍처 개선을 추진한다. 핵심 방향은 고객사와의 연결된 워크스페이스 제공, 플랜 간 프로젝트 이전 간소화, 유료 좌석 관리와 과금 알림 강화다. 이를 통해 여러 플랜의 라이선스를 따로 구매하거나 관리자가 프로젝트 종료 후 좌석을 수동으로 정리해야 하는 부담을 줄이려 한다. ## 프리랜서와 에이전시가 겪던 문제 - 기존 Figma 요금제는 한 조직 내부에서 협업하는 팀을 중심으로 설계됐다. - 프리랜서와 에이전시는 고객사마다 다른 Figma 계정과 플랜을 사용해야 했다. - 그 결과 다음과 같은 운영 부담이 발생했다. - 여러 플랜에서 라이선스를 중복으로 확보 - 고객 목록과 사용자 권한을 지속적으로 관리 - 프로젝트 종료 후 사용하지 않는 유료 좌석을 직접 다운그레이드 - 고객과 파일을 공유하거나 작업을 인수인계할 때 협업 마찰 발생 ## 외부 협업을 위한 연결된 워크스페이스 - Figma 계정 간에 연결된 워크스페이스를 만들 수 있는 기능을 개발 중이다. - 프리랜서·에이전시와 고객이 각자의 기존 Figma 좌석을 사용하면서 같은 공간에서 파일을 생성하고 공동 편집할 수 있게 된다. - 고객사마다 별도의 라이선스를 추가로 구매해야 하는 문제를 줄이는 것이 목적이다. - 글 작성 시점에는 다음 해 초 출시를 목표로 하고 있었다. ## 플랜 간 프로젝트 이전 개선 - 기존에는 Organization 또는 Enterprise 플랜 고객에게만 프로젝트를 이전할 수 있었다. - 향후에는 Professional, Organization, Enterprise 등 서로 다른 플랜 간에도 작업을 이전할 수 있도록 개선한다. - 주요 개선 사항은 다음과 같다. - 원본 프로젝트를 유지한 채 복사본만 고객에게 이전 - 이전 과정에서 협업자를 제거해 의도하지 않은 유료 좌석 업그레이드 방지 - 고객의 플랜 유형과 관계없이 작업 이전 가능 - 이 기능 개선은 2024년 8월 20일 기준으로 적용되었다. ## 과금 알림과 좌석 관리 강화 Figma는 협업을 쉽게 만들기 위해 파일을 공유받은 사용자가 즉시 편집할 수 있도록 했지만, 이 방식은 프로젝트가 끝난 뒤 유료 좌석을 정리해야 하는 책임을 관리자에게 남겼다. - 기존에는 청구서 발행 며칠 전에 예정된 요금을 이메일로 안내했다. - 관리자는 추가로 일일·주간·월간 좌석 업그레이드 알림을 받을 수 있다. - 알림에는 다음 정보가 포함된다. - 어떤 사용자가 유료 좌석으로 업그레이드됐는지 - 어떤 작업으로 업그레이드가 발생했는지 - Figma Design 및 FigJam에서 발생한 좌석 변경 내역 - 신규 계정은 플랜에 따라 알림이 기본 활성화된다. - Professional: 주간 알림 - Organization·Enterprise: 월간 알림 - 기존 고객도 설정에서 알림을 직접 활성화할 수 있다. ## 관리자 승인 기반 좌석 업그레이드 - 계정에 새로 참여하는 사용자의 기본 역할을 `viewer-restricted`로 지정할 수 있다. - 이 설정을 사용하면 사용자가 자동으로 유료 좌석으로 승격되지 않는다. - 유료 좌석 업그레이드에는 관리자의 명시적인 승인이 필요하다. - 프로젝트성 협업이 많고 외부 사용자가 자주 추가되는 조직에서 예상치 못한 과금을 통제하는 데 유용하다. ## 향후 과금 아키텍처 개선 - Figma는 현재의 알림과 승인 기능 외에도 근본적인 billing 아키텍처를 개선하는 작업을 진행 중이다. - 단기적으로는 관리자에게 더 많은 가시성과 통제권을 제공하고, 장기적으로는 프리랜서와 에이전시의 협업 방식에 맞는 요금 구조를 마련하는 것이 목표다. - 이번 발표는 완성된 요금제 개편보다는 향후 로드맵과 임시 관리 기능을 제시한 성격이 강하다. 프리랜서와 에이전시는 당장 `viewer-restricted` 기본 좌석과 정기적인 좌석 업그레이드 알림을 활성화하는 것이 좋다. 프로젝트 이전 시에는 원본 보존과 협업자 제거 옵션을 활용해 불필요한 권한과 과금이 발생하지 않도록 관리해야 한다.

원문 읽기(새 탭에서 열림)

Figmafigjamcollaborationfigma-design+1