techlist.io
KREN

Figma/AI

110 개의 포스트

figma3분 읽기큐레이션 요약

이슈 16호: 프로세스를 믿으세요 | Figma 블로그

AI와 에이전트 도구의 발전으로 디자인과 개발 workflow가 빠르게 결합되고 있다. 하지만 제작 속도보다 중요한 것은 올바른 방향을 선택하고, 실제로 가치 있는 결과물을 출시하는 판단력이다. 이 글은 Figma의 MCP, Weave, 디자인-코드 왕복 작업 등을 통해 속도·맥락·완성도를 함께 높이는 방법을 소개한다. ## 빠른 제작보다 중요한 출시 판단 - AI는 제품 아이디어와 결과물을 빠르게 만들어 주지만, 잘못된 방향으로 빠르게 나아갈 위험도 키운다. - “충분히 괜찮은 결과물”에 머무르지 않고, 경쟁 제품과 차별화되는 결과를 만들려면 무엇을 출시할지 판단하는 능력이 필요하다. - Figma의 Chief Product Officer Yuhki Yamashita는 AI 시대의 제품팀이 터널 비전을 피하고, 사용자와 제품에 실질적인 가치를 주는 방향을 검증해야 한다고 설명한다. ## MCP로 디자인 맥락을 코드에 연결 - Model Context Protocol(MCP)은 에이전트형 코딩 도구가 Figma 파일과 디자인 시스템의 정보를 활용하도록 해준다. - 코드 작성 도구가 컴포넌트, 스타일, 레이아웃 등 디자인 의도를 직접 참고할 수 있어 디자인과 구현 사이의 불일치를 줄인다. - Figma MCP 서버는 디자인 결정이 코드가 작성되는 환경으로 전달되도록 하며, 결과적으로 실제 구현물이 원래 디자인에 더 가까워진다. - 디자이너와 개발자는 MCP가 제공하는 맥락을 더 구조화하고 명확하게 관리할수록 에이전트의 결과 품질을 높일 수 있다. ## Figma Weave를 활용한 시각 자산 제작 - Figma Weave는 영상, 사진, 일러스트레이션, 3D 효과 등 다양한 시각 작업에서 AI 이미지 생성과 정밀한 편집을 지원한다. - 단순히 프롬프트 하나로 이미지를 생성하는 것이 아니라, 시각적 언어와 제작 규칙을 반복적으로 적용하는 workflow가 중요하다. - 두 개의 참고 이미지만으로도 전체 자산 라이브러리를 확장할 수 있으며, 20개 이상의 workflow 템플릿이 이를 지원한다. - 주요 작업 방식은 다음과 같다. - 이미지 생성 - 기존 이미지 편집 - 프롬프트의 구조와 의도 조정 - 여러 자산에 일관된 스타일 적용 - 반복 가능한 시각 제작 프로세스 구축 ## 디자인과 코드의 왕복 작업 - 오늘날 팀은 캔버스에서 코드를 만들고, 코드에서 다시 캔버스로 돌아오는 방식으로 작업한다. - 디자인과 개발이 분리된 순차 과정이 아니라 서로 영향을 주고받는 반복 루프로 변하고 있다. - 실제 제품 상태를 디자인 캔버스로 가져오면 디자이너가 정적인 목업이 아니라 실제로 출시될 화면과 상호작용을 다듬을 수 있다. - 이러한 왕복 작업은 다음 효과를 준다. - 디자인과 코드 사이의 간극 축소 - 구현 결과에 대한 빠른 피드백 - 제품 상태와 예외 상황을 디자인에 반영 - 개발 속도를 유지하면서도 완성도 향상 ## 실무 workflow와 생산성 팁 - Figma MCP를 활용해 비디오 export flow의 문제를 점검하고, 실제 제품 상태를 캔버스에 반영하는 사례가 소개된다. - 팀이 빠르게 제작할수록 디자인과 코드가 서로 다른 방향으로 움직일 가능성도 커지므로, 두 환경을 연결하는 장치가 중요하다. - Figma Make를 자주 사용하는 사용자를 위해 크레딧을 효율적으로 사용하고 작업 속도를 높이는 7가지 팁도 제공된다. - AI 도구의 활용도는 단순 사용 횟수보다 프롬프트 품질, 맥락 제공, 반복 가능한 프로세스 설계에 좌우된다. AI 도구를 도입할 때는 생성 속도만 평가하지 말고, 디자인 맥락이 코드까지 전달되는지, 결과를 반복적으로 개선할 수 있는지, 실제 출시 가치가 있는지를 함께 검토하는 것이 좋다. Figma MCP와 Weave 같은 도구를 활용하되, 최종 방향과 품질 기준은 사람이 명확히 관리해야 한다.

원문 읽기(새 탭에서 열림)
AIFigma모델 컨텍스트 프로토콜design-to-code+2
figma3분 읽기큐레이션 요약

누구나 만들 수 있을 때 중요한 것 | Figma 블로그

AI로 누구나 제품을 빠르게 만들 수 있는 시대에는 구현 속도보다 무엇을 만들지 정하는 방향성이 더 중요하다. 좋은 팀은 여러 가능성을 동시에 탐색하고, 실제에 가까운 프로토타입으로 비교한 뒤, 선택한 방향을 반복적으로 다듬어 자신만의 결과물로 만든다. 결국 경쟁력은 속도·방향·완성도를 함께 갖추는 데서 나온다. ## 속도보다 방향이 중요해진 이유 - 과거에는 아이디어를 실제 제품으로 구현하는 능력과 코딩 역량이 큰 차별점이었다. - AI와 새로운 제작 도구로 상상과 구현 사이의 간격이 거의 사라지면서, 빠르게 만드는 능력은 기본 조건이 되었다. - 빠른 실행은 잘못된 방향으로 달리는 문제를 가릴 수 있다. - 모두가 빠르게 만들 수 있다면 차별점은 “얼마나 빨리 만들었는가”가 아니라 “무엇을 만들 가치가 있다고 판단했는가”가 된다. ## 첫 아이디어에 매몰되는 문제 - 초보 빌더는 첫 아이디어를 선택한 뒤 개선과 반복에 집중하기 쉽다. - 이 과정은 출발점을 재검토하지 않는 **국소 최적화(hill-climbing)**와 비슷하다. - 초기 선택에 따라 이후 의사결정이 결정되는 경로 의존성이 생길 수 있다. - AI 에이전트는 사용자의 첫 요청을 빠르고 친절하게 발전시키지만, 더 나은 대안을 스스로 제시하거나 터널 비전을 깨뜨리지는 못할 수 있다. - 결과적으로 아이디어를 깊게 발전시키기는 하지만, 애초에 가장 좋은 아이디어였는지는 검증하지 못한다. ## 넓게 탐색하되 실제 경험까지 검증하기 - 숙련된 팀은 먼저 선택지를 넓게 펼친다. - 서로 겹치지 않으면서 전체 가능성을 포괄하는 **MECE(Mutually Exclusive, Collectively Exhaustive)** 방식으로 방향을 정리하고 장단점을 비교한다. - 반대로 2x2 매트릭스나 와이어프레임처럼 추상적인 자료만으로는 실제 사용자 경험에 대한 확신을 얻기 어렵다. - 효과적인 방법은 여러 방향을 동시에 탐색하면서 각각을 충분히 구체화하는 것이다. - AI를 활용하면 하나의 문제에 대해 여러 인터랙티브 프로토타입을 병렬로 제작하고, 각 방향을 실제 제품처럼 비교할 수 있다. - 팀원과 AI가 함께 프로토타입을 사용하고 피드백을 나누면 추상적인 아이디어가 아니라 구체적인 경험을 기준으로 판단할 수 있다. - 이는 순차적이고 분리된 작업 방식에서 벗어나, 여러 사람이 여러 방향을 동시에 실험하는 협업 방식이다. ## 평균적인 결과를 넘어 자신만의 제품 만들기 - 누구나 빠르게 만들 수 있게 되면 제품은 검증된 패턴과 일반적인 디자인으로 수렴하기 쉽다. - AI는 통계적으로 성공 가능성이 높은 UI와 기능을 제안하지만, 그것이 반드시 깊이 고민된 제품 경험을 의미하지는 않는다. - 사용자가 AI의 첫 결과물을 그대로 받아들이면 제품은 서로 비슷하고 무난해진다. - 진짜 위험은 능력 부족이 아니라 첫 제안에 수동적으로 동의하고, “그럴듯해 보인다”는 이유로 멈추는 태도다. - 기억에 남는 제품은 기능적으로 작동하는 것에서 끝나지 않고, 제작자의 명확한 관점과 의도를 드러낸다. - 이를 위해 각 결정을 다시 질문하고, 불필요한 요소를 제거하며, 여러 번 수정하고 다듬어야 한다. - 완성도 높은 결과를 만드는 일은 타고난 감각만의 문제가 아니라, 반복적으로 보고 판단하고 개선하는 훈련의 결과다. ## 지금 중요한 세 가지 역량 - **속도**: 아이디어를 빠르게 실험하고 프로토타입으로 구현한다. - **방향**: 여러 가능성을 비교해 만들 가치가 있는 문제와 해법을 선택한다. - **완성도와 장인정신**: AI가 만든 기본 결과를 넘어 제품의 의도와 개성을 구체화한다. - 최고의 팀은 이 세 가지를 서로 맞바꾸지 않고, 빠르게 움직이면서도 신중하게 선택하고 집요하게 개선한다. 실무에서는 하나의 아이디어를 곧바로 개발하기보다 여러 방향의 프로토타입을 병렬 제작하고, 실제 사용자 경험을 비교한 뒤 선택하는 방식이 효과적이다. AI의 결과물은 출발점으로 활용하되 그대로 받아들이지 말고, 제품의 목적과 차별성이 분명해질 때까지 반복적으로 수정하는 것이 좋다.

원문 읽기(새 탭에서 열림)
AI사용자 경험프로덕트 디자인product-development+2
figma3분 읽기큐레이션 요약

피그마 디자인 에이전트가 출시되었습니다 | 피그마 블로그

Figma는 캔버스 안에서 직접 작동하며 디자인 시스템과 팀의 작업 맥락을 이해하는 전용 디자인 에이전트를 공개했다. 이 에이전트는 AI 생성과 직접 조작 중 하나를 선택하게 하지 않고, 아이디어 탐색부터 반복 수정·대량 편집까지 디자이너의 작업을 보조한다. Figma는 이를 통해 속도와 정밀성, 자동화와 디자이너의 통제력을 함께 확보하려 한다. ## 캔버스에 통합된 Figma 디자인 에이전트 - 에이전트는 Figma 캔버스와 왼쪽 레일에서 바로 사용할 수 있다. - 특정 디자인 레이어에서 프롬프트를 시작할 수 있다. - 여러 프롬프트를 병렬로 실행해 다양한 아이디어를 동시에 비교할 수 있다. - 사용자가 직접 편집하는 동안 에이전트도 계속 반복 작업을 수행할 수 있다. - 별도의 도구 설정이나 컨텍스트 전환 없이 팀과 같은 파일 안에서 협업자처럼 작동한다. - 컴포넌트, 디자인 토큰, 변수, 표준, 모범 사례 등 Figma 내부의 디자인 시스템 맥락을 이해하도록 설계됐다. ## Figma 에이전트와 MCP 서버의 역할 분담 - **Figma 에이전트** - 캔버스 안에서 디자인을 생성하고 수정하는 데 적합하다. - 현재 파일과 디자인 시스템에 대한 추가 맥락을 활용한다. - Figma 파일을 직접 편집하며 결과물을 바로 조작할 수 있다. - **MCP 서버와 `use_figma`** - 코드를 캔버스로 가져오거나 디자인을 다시 코드로 보내는 작업에 사용한다. - 코드와 Figma 사이를 오가며 디자인 충실도를 유지할 수 있다. - 두 방식은 경쟁 관계가 아니라, 캔버스 작업과 코드-디자인 간 연결을 각각 담당한다. ## 다양한 디자인 방향 탐색 - 첫 번째 아이디어나 프롬프트에 머무르지 않고 여러 방향을 빠르게 실험할 수 있다. - 같은 문제에 대해 서로 다른 스타일의 시안을 여러 개 생성할 수 있다. - 예: 유기적 스타일, 현대적 스타일, 복고풍 스타일 - 서로 다른 비즈니스 목표에 맞춘 결제 흐름이나 정보 구조를 비교할 수 있다. - Figma Design에서 흐름, 상태, 문구, 구조를 구체화한 뒤 Figma Make로 보내 동작을 위한 코드 레이어를 생성할 수 있다. - 반대로 Figma Make에서 만든 프레임을 Figma Design으로 가져와 에이전트로 다듬은 뒤 다시 Make로 보낼 수도 있다. ## 디자인 시스템을 활용한 생성과 반복 - 에이전트는 자주 사용되거나 최근 사용된 컴포넌트를 우선 활용한다. - 특정 라이브러리를 선택하거나 토큰·변수·컴포넌트를 `@` 멘션해 결과를 세밀하게 통제할 수 있다. - 디자인 시스템에 맞는 화면을 생성하고 기존 디자인을 새로운 스타일로 리믹스할 수 있다. - 예시 작업: - 모바일 앱용 가로 스크롤 이미지 캐러셀 생성 - 이미지 위·아래에 제목을 배치한 여러 버전 비교 - 특정 디자인을 여러 시각적 스타일로 변환 - AI가 평균적인 결과물을 빠르게 만드는 데 그치지 않도록, 여러 대안을 비교한 뒤 최종 방향은 디자이너가 직접 선택하고 조작하도록 한다. ## 반복적인 대량 작업 자동화 - 에이전트는 맥락과 정밀성이 필요한 단순 반복 작업을 자동화한다. - 대표적인 활용 사례: - 파일 전체의 타이포그래피 업데이트 - 여러 화면의 동일 컴포넌트 일괄 교체 - 전체 플로우의 패딩 값 변경 - 변수 이름 일괄 변경 - 그리드 전체의 Lorem ipsum과 이미지를 실제에 가까운 콘텐츠로 교체 - 칩 컴포넌트를 모두 활성 상태로 변경 - 화면을 다크 모드로 변환 - 디자인 시스템 관리자는 라이브러리의 설명, 태그, 사용 사례, 컴포넌트 문서와 명명 규칙을 대량으로 정리할 수 있다. ## 코드와 디자인 사이의 연속적인 흐름 - 코드에서 시작한 결과물을 Figma의 코드-투-캔버스 기능으로 가져와 디자인 시스템을 적용하고 시각적으로 반복 수정할 수 있다. - 수정된 디자인은 MCP 서버를 통해 다시 코드로 전달할 수 있다. - 이 과정에서 Figma 에이전트가 캔버스 작업을 지원해 코드와 디자인 간 이동 중에도 작업 흐름과 맥락을 유지한다. - AI 지원과 직접 조작을 필요에 따라 오갈 수 있어, 모든 작업을 프롬프트로 해결하지 않아도 된다. 디자인 방향을 넓게 탐색할 때는 에이전트를 활용하고, 최종 선택과 세밀한 조정은 캔버스에서 직접 수행하는 방식이 가장 실용적이다. 특히 디자인 시스템을 사용하는 팀은 컴포넌트·토큰 기반의 대량 수정과 코드-디자인 동기화에 에이전트를 효과적으로 활용할 수 있다.

원문 읽기(새 탭에서 열림)
AI디자인 시스템생성형 AI모델 컨텍스트 프로토콜+2
figma3분 읽기큐레이션 요약

업무용 에이전트 도구 설계 방법 | 피그마 블로그

Gemini Enterprise는 사용자가 AI를 관리하는 대신 업무 목표에 집중하도록 설계된 에이전틱 업무 도구다. 복잡한 멀티 에이전트 작업을 단순하게 보이게 하면서도, 사용자가 언제든 개입하고 결과를 검토할 수 있도록 투명성과 책임성을 강화했다. 개인용 챗봇을 넘어 공유 프로젝트와 AI 대시보드를 통해 팀의 지식과 업무 흐름을 통합하는 것을 목표로 한다. ## 소비자용 Gemini와 기업용 경험의 연결 - 브랜드 일관성을 위해 반짝이 아이콘, 그라디언트, 둥근 형태, 의도적인 모션 등 공통된 시각 언어를 사용한다. - 프롬프트 입력창은 소비자용 Gemini와 유사하게 유지하되, 기업 환경에서는 외부 서비스 연결 기능을 더 강조한다. - Google Workspace, Jira, Notion 등 업무 도구와 연결해 AI가 업무에 필요한 맥락을 충분히 확보하도록 한다. - 기업용 AI는 단일 질문에 답하는 도구가 아니라 여러 도구와 데이터 소스를 조율하는 오케스트레이션 플랫폼으로 확장된다. ## 대화형 인터페이스를 넘어선 AI Inbox - 복잡한 업무에서는 단순한 채팅 기록만으로 여러 에이전트의 진행 상황을 파악하기 어렵다. - AI Inbox는 에이전트가 수행 중인 작업, 완료한 작업, 사용자의 개입이 필요한 작업을 한눈에 보여주는 실시간 대시보드다. - 예를 들어 다음 날 마감인 시장 분석이 완료되어 검토 대기 중인지 즉시 확인할 수 있다. - 시각적 워크플로는 질문과 답변이 반복되는 채팅보다 팀 체크인에 가까운 방식으로 장기 실행 작업을 관리하게 한다. ## 개인용 챗봇에서 공유 프로젝트로 - Gemini Enterprise는 개인별 채팅 스레드 대신 지속적으로 유지되는 공유 프로젝트 공간을 제공한다. - AI는 프로젝트의 또 다른 팀원처럼 다음과 같은 작업을 수행한다. - 업무 실행 - 논의 내용 요약 - 프로젝트 파일 검색 - 문서 작성 및 편집 - 모든 팀원이 같은 공간에서 AI의 요청과 결과를 확인할 수 있다. - 각 요청을 어느 팀원이 보냈는지 표시해 AI의 행동 맥락과 책임 소재를 명확히 한다. ## 팀 사일로를 줄이는 단일 정보 기반 - 한 팀원이 기술 명세서를 업로드하면 다른 팀원이 파일을 직접 찾지 않고도 AI를 통해 내용을 확인할 수 있다. - 프로젝트 안에 대화, 파일, AI 결과물이 함께 축적되어 팀 내 지식 격차를 줄인다. - AI가 부서별로 흩어진 정보를 연결해 조직의 단일 정보 원천 역할을 하도록 설계했다. - 이 때문에 AI는 개인 생산성 도구를 넘어 팀 전체의 지능을 증폭하는 도구로 발전한다. ## 협업 방식에 맞춘 다양한 작업 모드 - 팀원들은 공유 프로젝트에서 AI와 함께 그룹 채팅을 진행할 수 있다. - Canvas Mode에서는 AI가 작성한 문서를 생성하고 직접 수정할 수 있다. - AI의 결과물을 일회성 답변으로 소비하지 않고, 팀이 검토·편집·재사용하는 협업 산출물로 다룬다. - AI가 프로젝트 공간에 계속 존재하기 때문에 기존 대화의 맥락과 업무 진행 상황을 유지할 수 있다. ## 신뢰와 사용자 개입의 균형 - 사용자가 AI의 내부 동작을 계속 관리하지 않아도 목표 달성에 집중할 수 있도록 경험을 단순화한다. - 동시에 민감한 정보와 사업상 중요한 의사결정이 다뤄지는 만큼, 사용자가 결과를 검토하고 개입할 수 있어야 한다. - 진행 상태, 완료 여부, 검토 필요 여부를 명확히 보여주는 것이 신뢰 형성의 핵심이다. - 기업용 에이전트는 자동화 수준뿐 아니라 투명성, 추적 가능성, 책임성을 함께 제공해야 한다. 실무적으로는 에이전트를 단순한 챗봇으로 도입하기보다, 업무 도구 연결·장기 작업 상태·팀 공유 공간·사용자 승인 절차를 함께 설계하는 것이 중요하다. ખાસ히 중요한 업무일수록 AI의 자율성보다 진행 상황과 개입 지점을 명확히 보여주는 UX가 우선되어야 한다.

원문 읽기(새 탭에서 열림)
AIjiramulti-agent-systemsagentic-workflows+4
figma3분 읽기큐레이션 요약

AI 리더들이 디자인 플레이북을 활용하는 방법 | Figma 블로그

AI 전환을 성공시키는 리더는 단순히 새로운 도구를 도입하는 기술자가 아니라, 디자인 원칙에 따라 일하는 방식을 재설계하는 사람이다. 이들은 AI를 직접 사용해 특성을 익히고, 조직 구성원의 실제 업무 흐름을 관찰하며, 아이디어를 프로토타입으로 구체화한다. 중요한 것은 도구 도입 자체가 아니라 팀의 행동과 시스템을 실질적으로 변화시키는 것이다. ## AI 리더의 역할과 ‘보여주기식 진전’의 함정 - AI 혁신·가속화 역할은 다음과 같은 일을 담당한다. - 업무 흐름을 빠르게 개선 - AI 기반 기능 출시 촉진 - 조직 전반의 도구 도입 지원 - 제품, 고객 지원, 내부 업무에 AI를 적용하는 방향 조율 - AI 도입이 확산되면서 워크플로와 시스템뿐 아니라 이를 사용하는 팀 자체도 변화시켜야 한다. - 새로운 도구를 도입했다는 사실만으로 성과를 증명하려는 **‘보여주기식 진전(performative progress)’**에 빠질 수 있다. - 효과적인 리더는 도구를 추가하는 데 그치지 않고, AI 시대에 맞는 새로운 업무 방식을 설계한다. ## 직접 사용하며 AI라는 재료 익히기 - 디자인의 기본 원칙은 다루는 재료를 직접 사용해 깊이 이해하는 것이다. - AI 리더도 전략적 관점에만 머물지 말고 직접 프롬프트를 작성하고 에이전트를 만들어야 한다. - 여러 AI 도구를 실제로 사용하면 다음을 파악할 수 있다. - 도구의 장점과 한계 - 확률적 결과가 만들어내는 불확실성 - 실제 업무에서 발생하는 트레이드오프 - 도입 과정에서 사용자가 겪는 마찰 - 업무 외 영역에서 AI를 실험하는 것도 유용하다. - 여행 계획 - 집 꾸미기 - 생일 파티 준비 - 봉사활동 관리 - 이런 경험은 단순한 호기심 충족이 아니라, AI의 동작 방식을 체득하는 **AI 활용 역량**의 일부다. ## 관찰을 통해 실제 업무 흐름 이해하기 - 리더가 AI를 직접 사용하는 것만으로는 부족하며, 조직의 여러 팀이 AI를 어떻게 활용하는지도 관찰해야 한다. - 도구의 기능이나 최종 산출물보다 중요한 것은 업무 과정에서 다음이 어디서 발생하는지 파악하는 것이다. - 병목 - 반복 작업 - 사용자의 불편 - 문제 해결을 촉진하는 지점 - 관찰 대상이 될 수 있는 신호는 다양하다. - Slack 대화 - 설문 응답 - 도구 사용 패턴 - 구성원의 기대와 불만 - 팀이 업무를 우회하거나 자체 해결책을 만드는 방식 - 문서상으로 완벽한 AI 자동화도 복잡한 기존 업무 흐름에 마찰을 추가하면 사용률이 정체될 수 있다. - 따라서 낮은 도입률을 단순히 사용자의 저항으로 해석하지 말고, 기존 프로세스와의 연결 방식에 문제가 없는지 확인해야 한다. ## 아이디어를 프로토타입으로 구체화하기 - 디자인은 관찰과 실행을 함께 요구한다. - AI 관련 아이디어는 나빠서 실패하는 것이 아니라, 팀이 아이디어를 구체적으로 상상하거나 검토하지 못해서 실패할 수 있다. - 초기 개념을 실제로 볼 수 있는 프로토타입으로 만들면 다음이 가능해진다. - 추상적인 아이디어를 시각화 - 팀 간 이해 차이 축소 - 빠른 피드백 수집 - 실행 가능성과 문제점 조기 검증 - 글에서는 Figma Make를 활용해 AI 아이디어를 유형화하고 실제 형태로 발전시키는 방법을 소개하려 한다. 제공된 본문은 이 섹션의 도입부에서 끝나므로 구체적인 사례와 후속 원칙은 포함되어 있지 않다. AI 전환을 추진할 때는 도구 도입 건수보다 실제 사용 경험과 업무 변화에 집중하는 것이 좋다. 리더가 직접 AI를 실험하고, 구성원의 업무를 관찰하며, 작은 프로토타입으로 아이디어를 검증하는 순환을 구축해야 한다.

원문 읽기(새 탭에서 열림)
AIAI 에이전트프로토타이핑자동화+2
figma3분 읽기큐레이션 요약

MCP 핵심 요약: 컨텍스트의 중요성과 활용 방법 | Figma 블로그

MCP(Model Context Protocol)는 AI가 Figma의 디자인 파일과 컴포넌트, 토큰, 레이아웃 결정 같은 맥락을 코드 작성 도구에서 활용하도록 연결한다. 이를 통해 AI가 단순히 화면을 모방하는 대신 디자인 시스템에 맞는 코드를 생성하고, 코드와 캔버스를 오가며 제품을 반복적으로 개선할 수 있다. 글의 결론은 MCP의 효과가 기술 자체뿐 아니라 팀이 얼마나 구조적이고 일관된 디자인 맥락을 구축했는지에 달려 있다는 것이다. ## MCP가 제품 개발에 필요한 이유 - MCP는 AI 도구가 팀이 사용하는 도구와 데이터에서 맥락을 가져올 수 있도록 하는 표준화된 연결 방식이다. - 기존 제품 개발의 선형적인 흐름은 디자인 → 개발 순서로만 진행되지 않는다. - 팀은 필요에 따라 어느 단계에서든 시작한다. - 개발 중 디자인으로 돌아가거나, 완성된 UI를 다시 캔버스에서 검토할 수 있다. - Figma MCP 서버는 디자인 정보를 개발자의 코드 작성 환경으로 전달한다. - 반대로 코드로 구현된 실제 UI를 Figma 캔버스로 가져와 탐색·수정하고, 다시 개발 환경으로 돌려보낼 수도 있다. ## 스크린샷만 보는 AI의 한계 - AI 코딩 도구가 Figma 화면만 참고하면 최종 결과의 시각적 형태만 파악하고, 그 결과를 만든 설계 의도는 알기 어렵다. - 예를 들어 AI는 다음과 같은 문제를 일으킬 수 있다. - 브랜드 색상과 비슷하지만 실제 토큰에 연결되지 않은 색상을 선택한다. - 팀이 반복적으로 사용한 기존 카드 컴포넌트 대신 새 카드를 처음부터 만든다. - 여러 중첩 컴포넌트로 구성된 폼을 하나의 단순한 요소로 평탄화한다. - 결과물은 겉보기에는 비슷해도 디자인 시스템에서 벗어난 코드가 되고, 화면과 컴포넌트가 늘어날수록 불일치가 누적된다. - MCP는 컴포넌트, 디자인 토큰, 레이아웃 구조 등 Figma 파일의 구조화된 정보를 AI에 제공해 이러한 번역 오류를 줄인다. ## 디자이너에게 달라지는 점 - 디자인 시스템은 제품의 시각적 일관성을 유지하는 수단을 넘어, AI가 생성하는 코드의 품질과 방향을 결정하는 입력값이 된다. - 파일의 구조와 명명, 컴포넌트 재사용성, 토큰의 일관성이 AI 생성 결과에 직접 영향을 준다. - AI가 대규모로 코드를 생성하기 때문에 작은 파일 정리 문제도 여러 화면에 반복될 수 있다. - 과거에는 개발자가 구현 과정에서 한 번 수정하면 끝날 문제가 될 수 있었다. - 이제는 하나의 불일치가 AI를 통해 여러 곳에 복제될 수 있다. - MCP를 사용하면 개발자가 코드로 구현한 결과를 디자이너가 다시 캔버스에서 확인할 수 있다. - 디자이너는 누락된 상태를 추가하고 세부 사항을 다듬어, 기존 구현을 다시 만드는 대신 제품을 완성도 있게 개선할 수 있다. ## 개발자에게 달라지는 점 - AI 코딩 도구는 개발 속도를 높이지만, 디자인 맥락이 없으면 개발자가 디자인 의도를 코드로 번역하는 작업을 여전히 직접 해야 한다. - MCP는 개발 도구 안에서 다음 정보를 활용할 수 있게 한다. - 재사용해야 할 컴포넌트 - 색상·간격·타이포그래피 등의 디자인 토큰 - 레이아웃과 계층 구조 - 디자인 시스템에 포함된 구성 방식 - 따라서 개발자는 화면을 추측하거나 비슷하게 재현하는 데 쓰는 시간을 줄이고, 실제 기능 구현과 제품 완성도 향상에 집중할 수 있다. - 디자인과 코드가 연결된 상태로 유지되므로 구현 과정에서 발생한 차이를 더 빠르게 발견하고 수정할 수 있다. ## 디자인 시스템이 AI 품질을 좌우한다 - MCP의 성능은 연결 방식만으로 결정되지 않고, AI가 읽는 디자인 파일의 품질에 크게 의존한다. - 명확하게 정리된 컴포넌트와 토큰은 AI가 일관된 결과를 생성하도록 돕는다. - 반대로 중복 컴포넌트, 불명확한 이름, 임의의 스타일 값이 많으면 AI가 잘못된 패턴을 학습하고 이를 여러 곳에 확산시킬 수 있다. - 디자인 시스템은 AI 기반 워크플로에서 생산성을 높이는 기준점이자, 생성 결과가 브랜드와 제품 규칙에 맞도록 제한하는 장치가 된다. 실무적으로는 Figma 파일을 AI가 읽기 쉬운 구조로 정리하고, 컴포넌트·토큰·상태를 명확히 관리하는 것이 우선이다. MCP는 디자인 시스템을 대체하는 기술이 아니라, 잘 구축된 디자인 시스템을 개발과 AI 생성 과정에 연결해 주는 기술로 활용해야 한다.

원문 읽기(새 탭에서 열림)
AIFigma디자인 시스템AI 에이전트+3
figma3분 읽기큐레이션 요약

디자인의 영향력은 커지고 있습니다. 그런데 왜 이것이 어렵게 느껴질까요? | Figma 블로그

AI는 디자인의 영향력과 적용 범위를 크게 넓혔지만, 디자이너의 일이 줄어든 것은 아니다. 오히려 새로운 제품 유형과 복잡한 사용자 경험이 등장하고, 더 빠른 제작 속도에 맞춰 기대 수준과 업무량도 증가하고 있다. 따라서 디자인 업계는 성장하고 있지만, 디자이너들이 체감하는 환경은 개선과 악화가 팽팽하게 엇갈린다. ## 디자인의 영향력 확대와 업계의 엇갈린 평가 - 그래픽 사용자 인터페이스, 웹, 모바일처럼 기술이 발전할 때마다 디자인이 다뤄야 할 영역과 책임이 넓어졌다. - AI 역시 새로운 소프트웨어와 상호작용 방식을 만들어 디자인의 범위를 확장하고 있다. - Figma의 2026년 디자이너 조사에서: - 36%는 디자인이 좋아졌다고 응답했다. - 35%는 나빠졌다고 응답했다. - 29%는 큰 변화가 없다고 답했다. - 디자인 채용 관리자 조사에서는 82%가 회사의 디자이너 수요가 증가했거나 유지됐다고 답했지만, 업계가 개선되고 있다고 본 응답자는 20%에 그쳤다. - 즉, 디자인의 중요성과 고용 수요는 커지고 있지만, 현업의 만족도나 전망이 반드시 함께 좋아지는 것은 아니다. ## 디자인 대상과 사용자 경험의 복잡성 증가 - AI는 에이전트 오케스트레이션 시스템, 답변 엔진 등 과거에는 없던 제품 유형을 만들어냈다. - 기존 제품에도 생성형·대화형·예측형 기능이 추가되면서 하나의 인터페이스 안에서 여러 상호작용이 동시에 일어난다. - 사용자는 단순히 화면을 클릭하는 데 그치지 않고 다음과 같은 방식으로 제품과 상호작용한다. - 자연어로 질문하거나 명령하기 - 이미지 업로드하기 - 프롬프트 입력하기 - 자동화된 결과를 검토하고 수정하기 - 디자인팀은 불완전하고 모호한 입력을 명확한 사용자 의도로 변환해야 한다. - 자동화된 경험에 신뢰성, 이해 가능성, 인간적인 느낌을 부여하는 것도 새로운 디자인 과제가 됐다. - 결과적으로 디자인자는 화면을 구성하는 역할을 넘어, 복잡한 시스템의 작동 방식과 사용자와 AI의 관계까지 설계해야 한다. ## AI는 업무를 줄이는 대신 증폭하는 계수 - AI는 새로운 디자인 문제를 더 빠르게 해결하도록 돕지만, 전체 업무량을 자동으로 줄여주지는 않는다. - 제품 개발자들은 이전보다 더 많은 도구를 사용하고 더 다양한 업무를 수행하고 있다. - Figma의 역할 변화 연구에서는 제품 제작자가 수행하는 업무가 전년 대비 17.5% 증가한 것으로 나타났다. - UC 버클리 연구에서도 AI 사용자는 더 빠르게 일했지만: - 더 많은 업무를 맡게 됐고 - 근무 시간이 늘어났으며 - 생산성은 높아졌지만 바쁘다는 느낌은 줄지 않았다. - AI는 인력을 대체하는 단순한 자동화 도구라기보다, 기존 능력과 산출량을 확대하는 ‘계수’에 가깝다. ## 젭슨의 역설과 늘어나는 산출량 - 어떤 생산 방식이 더 저렴하고 쉬워지면 총수요가 감소하는 것이 아니라 오히려 증가할 수 있다. - 이를 경제학의 ‘젭슨의 역설’이라고 한다. - 클라우드 인프라가 소프트웨어 배포를 쉽게 만들었을 때 출시 횟수와 재설계가 함께 늘어난 것처럼, AI도 디자인 제작을 빠르고 저렴하게 만들면서 작업량을 확대하고 있다. - 팀은 더 많은 아이디어를 탐색하고, 더 깊이 반복하며, 더 많은 결과물을 생산한다. - 따라서 AI로 인한 가속은 업무의 소멸보다는 업무 리듬과 규모의 변화를 의미한다. ## 실용적인 결론 AI 시대의 디자이너에게 중요한 역량은 단순히 더 빠르게 화면을 만드는 능력이 아니다. 복잡한 입력과 자동화 결과를 이해 가능한 경험으로 바꾸고, 늘어난 업무 범위 속에서 우선순위를 정하며, AI가 만들어낸 결과의 품질과 사용자 신뢰를 판단하는 능력이 더욱 중요해지고 있다.

원문 읽기(새 탭에서 열림)
AI생성형 AIuser-experience-designcloud-infrastructure+3
figma3분 읽기큐레이션 요약

제15호: 디자인의 현주소 | 피그마 블로그

AI 도구와 워크플로가 디자인 방식을 근본적으로 바꾸면서, 디자인은 더 이상 특정 매체나 툴에 한정되지 않고 코드와 캔버스를 오가는 활동이 되고 있다. Figma의 조사에 따르면 디자이너의 91%가 AI가 업무 수준을 높인다고 답했으며, 채용 담당자의 82%는 디자이너 수요가 유지되거나 증가했다고 응답했다. 따라서 AI 시대의 디자이너에게는 전통적인 디자인 역량과 함께 문제 해결, 협업, AI 활용 능력이 중요해지고 있다. ## AI가 바꾸는 디자이너의 역할 - AI 도구는 디자이너의 작업 방식을 변화시키고 있으며, 단순한 제작 자동화를 넘어 아이디어 발상과 문제 해결에도 활용된다. - 디자이너가 무엇을 통해 가치를 만드는지는 사람마다 다르다. - 시각적 완성도 향상 - 복잡한 문제에 대한 사고 - 직관적인 사용자 경험 설계 - 이러한 가치 기준은 디자이너의 직무 만족도와 업무 경험에도 직접적인 영향을 준다. - 디자인 업무는 특정 매체에 고정되지 않고, 코드와 시각적 캔버스 사이를 자유롭게 오가는 방향으로 확장되고 있다. ## 디자인 채용 수요는 여전히 증가 - AI의 확산이 디자인 채용을 줄일 것이라는 전망과 달리, 조사 결과 기업의 디자이너 수요는 안정적이거나 증가하고 있다. - 전 세계 채용 담당자의 82%가 디자이너 채용 수요가 유지되거나 늘었다고 답했다. - 수요 증가는 기술 기업에만 국한되지 않고 다양한 산업으로 확산되고 있다. - AI가 제품 개발 속도를 높일수록 다음과 같은 역할이 더 중요해진다. - 사용자 문제를 정의하는 능력 - 제품 방향성을 시각화하는 능력 - 기술과 비즈니스 요구를 사용자 경험으로 연결하는 능력 - AI가 결과물을 생성하더라도, 어떤 문제를 풀고 무엇을 만들어야 하는지 판단하는 일은 여전히 사람의 역할이다. ## AI 시대에 요구되는 역량 - 프롬프트 작성 능력과 MCP 같은 AI 연동 기술을 이해하는 역량이 새로운 경쟁력으로 부상하고 있다. - AI 워크플로를 실제 디자인·개발 과정에 연결하고 자동화하는 능력이 중요하다. - 서로 다른 직군 사이에서 정보를 번역하고 협업을 이끄는 능력도 높은 가치를 갖는다. - 디자이너와 개발자 간 커뮤니케이션 - 제품 관리자와 디자인팀 간 요구사항 조율 - 기술적 제약과 사용자 요구의 연결 - 새로운 도구를 익히는 것만으로는 충분하지 않으며, 디자인의 기본기 역시 계속 중요하다. - 사용자 중심 사고 - 시각적 계층 구조 - 인터랙션 설계 - 문제 정의와 검증 - 결국 AI 활용 능력은 기존 디자인 역량을 대체하기보다 이를 확장하는 방향으로 작동한다. ## 프로토타이핑과 제품 의사결정의 변화 - Figma Make를 활용하면 제품 관리자도 아이디어를 빠르게 프로토타입으로 구현할 수 있다. - 프로토타입은 단순한 시각 자료를 넘어 제품의 복잡한 동작과 가능성을 검증하는 수단이 된다. - ServiceNow, Ticketmaster, Affirm 등의 제품팀은 프로토타이핑을 통해 다음을 수행하고 있다. - 복잡한 동작을 구체적으로 전달 - 아이디어의 한계를 빠르게 실험 - 제품 로드맵의 다음 방향에 대한 확신 확보 - 아이디어가 디자인팀에서만 시작되는 것이 아니라 제품, 개발, 기획 등 어느 직군에서든 시작될 수 있는 환경이 만들어지고 있다. ## 코드와 캔버스가 결합하는 미래 - 디자인의 미래는 코드와 시각적 캔버스가 서로 분리된 영역으로 남는 것이 아니라, 두 환경이 유기적으로 연결되는 방향으로 제시된다. - 아이디어는 코드로 구현되거나 캔버스에서 시각화된 뒤, 다시 서로 다른 형태로 발전할 수 있다. - 이 변화는 디자이너가 코드를 반드시 전문적으로 작성해야 한다는 의미라기보다, 구현 가능성과 기술적 구조를 이해해야 한다는 뜻에 가깝다. - 디자인 도구는 특정 직군만 사용하는 제작 프로그램에서, 여러 직군이 함께 사고하고 검증하는 협업 환경으로 확장되고 있다. AI 시대에는 새로운 도구를 많이 아는 것보다, AI를 활용해 더 나은 문제를 정의하고 빠르게 검증하며 다양한 직군을 연결하는 능력이 중요하다. 디자이너는 프롬프트와 자동화 기술을 익히되 사용자 중심 사고와 디자인 기본기를 함께 강화하는 것이 바람직하다.

원문 읽기(새 탭에서 열림)
AIFigma프로토타이핑모델 컨텍스트 프로토콜+3
figma2분 읽기큐레이션 요약

AI 시대에 갈고닦아야 할 5가지 디자인 기술 | 피그마 블로그

AI는 제품 제작을 가속하고 디자인 참여자의 범위를 넓히고 있으며, 이에 따라 디자이너에게 요구되는 역량도 변화하고 있다. Figma의 「State of the Designer 2026」 조사에 따르면 AI 활용 능력은 선택 사항이 아니라 디자이너와 비디자이너 모두에게 중요한 기본 역량이 되고 있다. 특히 명확한 프롬프트를 작성하고 AI를 반복 가능한 디자인 워크플로에 통합하는 능력이 핵심이다. ## AI 도구 활용 능력과 프롬프트 역량 - AI 활용 능력은 이제 디자이너 채용에서 필수에 가까운 기술로 자리 잡고 있다. - 디자이너의 91%는 AI가 더 나은 디자인을 만드는 데 도움이 된다고 답했고, 89%는 업무 속도가 빨라졌다고 답했다. - 채용 담당자의 54%는 AI를 활용한 디자인을 디자이너에게 가장 중요한 수요 기술 중 하나로 꼽았다. - AI 디자인 역량은 디자이너에게만 요구되지 않는다. - 채용 담당자의 57%는 PM, 개발자, 마케터 등 비디자인 직군에도 AI 활용 능력이 중요하다고 답했다. - 활용 사례는 다음과 같이 다양하다. - 기존 이미지의 세부 요소를 AI로 수정하기 - 코드를 직접 작성하기보다 AI로 앱 프로토타입 만들기 - 제품 요구사항 문서(PRD)보다 먼저 작동하는 프로토타입을 제작해 아이디어 검증하기 ## 프로토타입 중심의 협업 - AI 도구가 보편화되면서 역할 간 경계가 흐려지고, 다양한 직군이 직접 디자인과 프로토타이핑에 참여하고 있다. - 특히 제품 관리자는 문서로 요구사항을 설명하기보다 프로토타입을 만들어 가정을 빠르게 검증할 수 있다. - 구체적인 결과물을 조기에 공유하면 팀의 이해를 높이고, 의사결정을 빠르게 하며, 프로젝트 추진력을 확보할 수 있다. ## 구조화된 프롬프트 작성 - AI 결과물의 품질은 프롬프트의 명확성과 구조에 크게 좌우된다. - 효과적인 프롬프트는 다음 요소를 포함할 수 있다. - **작업(Task):** AI가 수행해야 할 구체적인 작업 - **맥락(Context):** 제품, 사용자, 사용 목적 등 배경 정보 - **요소(Elements):** 포함해야 할 화면·콘텐츠·기능 - **동작(Behavior):** 인터랙션과 상태 변화 - **제약 조건(Constraints):** 플랫폼, 스타일, 기술적 제한, 브랜드 규칙 - 좋은 프롬프트는 일회성 지시가 아니라 반복 가능한 작업 구조로 설계해야 한다. - 이를 통해 AI를 단순한 아이디어 생성기가 아니라 지속적인 디자인 협업 도구로 활용할 수 있다. ## 실용적인 적용 방향 AI 도구를 익힐 때는 단순히 다양한 기능을 시험하기보다, 작업 목적과 맥락·제약 조건을 포함한 프롬프트 템플릿을 먼저 만드는 것이 좋다. 또한 문서 작성 전에 프로토타입을 제작해 가정을 검증하고, AI가 만든 결과물을 디자이너의 판단과 검토를 거쳐 개선하는 방식이 효과적이다.

원문 읽기(새 탭에서 열림)
AIFigma프로토타이핑figma-make+2
figma3분 읽기큐레이션 요약

비샬 카푸르의 AI로 정직한 제품을 만드는 10가지 규칙 | 피그마 블로그

AI 제품 개발은 속도보다 사용자 신뢰를 우선해야 하는 문제이며, 특히 금융처럼 감정과 위험이 얽힌 영역에서는 정직하고 인간적인 경험이 필수다. AI는 사람을 대체하는 기술이 아니라 탐색·프로토타이핑·반복을 가속하는 팀원으로 활용해야 한다. 이를 위해서는 인간의 직관과 비판적 사고, 고객의 실제 감정에 대한 이해를 끝까지 유지해야 한다. ## 1. 기본 원리에서 출발하라 - 복잡한 문제를 근본 요소로 분해하고, 고객의 필요와 제품의 차별화 요소를 직접 파악해야 한다. - AI는 아이디어 탐색과 반복 속도를 높일 수 있지만, 독창적인 관점과 직관을 대신할 수는 없다. - 기존 결정을 당연하게 받아들이지 말고 “왜 세 가지 결제 옵션인가?”, “한 가지나 다섯 가지는 어떤가?”, “사용자가 직접 설계할 수는 없는가?”처럼 근본적인 질문을 던져야 한다. - AI가 여러 대안을 빠르게 제시하더라도 중요한 통찰은 사람 사이의 건설적인 의견 충돌에서 나온다. ## 2. 고객의 깊은 감정에 기반하라 - 실제 고객을 관찰하고 직접 질문하는 UX 리서치와 현장 경험은 대체할 수 없다. - 소셜 미디어, 앱스토어 리뷰, 고객과의 대화를 통해 제품 사용 중 발생하는 불만과 기대를 지속적으로 파악해야 한다. - Affirm은 내부 AI 도구 ‘Pluto’를 활용해 최근 30일 동안 고객이 어떤 점에서 실망했는지 조회한다. - 대시보드와 지표는 문제의 방향을 보여주지만, 금융 서비스의 핵심 감정인 불안, 신뢰, 좌절, 안도까지 설명하지는 못한다. - 사용자가 구매하는 것은 단순한 상품이 아니라, 그 상품이 제공하는 기쁨과 안심이라는 점을 이해해야 한다. ## 3. AI를 또 하나의 팀원으로 대하라 - AI를 만능 도구나 인간을 대체할 존재로 보는 극단적인 시각을 피해야 한다. - 제품 개발은 본질적으로 협업 작업이므로, AI는 고객 인사이트를 프로토타입과 실제 제품으로 빠르게 전환하는 팀원처럼 활용할 수 있다. - 웹·모바일·데스크톱처럼 환경별로 checkout 흐름이 다른 경우, AI 도구를 사용해 다양한 실험과 검토를 수행할 수 있다. - Figma Make를 이용하면 여러 화면과 사용 사례를 한 번에 점검하고, 오래된 인터랙션 패턴이나 일관성이 깨진 부분을 조기에 찾을 수 있다. - 반복적인 검토 작업을 엔지니어에게서 디자이너와 PM에게 분산하면 개발 리소스를 절약하면서 실험과 창의성을 높일 수 있다. ## 4. 엣지 케이스를 집중적으로 실험하라 - 좋은 제품은 대표적인 성공 경로(happy path)만 매끄럽게 만드는 데서 끝나지 않는다. - 다양한 사용자 조건과 예외 상황까지 검토해야 진정성 있고 신뢰할 수 있는 경험을 만들 수 있다. - 제공된 글은 이 원칙의 도입부에서 끝나 있어, 구체적인 엣지 케이스 실험 방법과 나머지 규칙의 내용은 확인할 수 없다. AI를 제품 개발에 도입할 때는 먼저 고객 문제와 감정을 직접 이해하고, AI는 대안 탐색과 반복 작업을 가속하는 역할로 제한하는 것이 바람직하다. 특히 금융처럼 신뢰가 중요한 서비스에서는 자동화의 속도보다 인간의 판단, 설명 가능성, 예외 상황에 대한 대비가 우선되어야 한다.

원문 읽기(새 탭에서 열림)
AI사용자 경험프로토타이핑프로덕트 디자인+2
figma3분 읽기큐레이션 요약

Figma Make로 팀이

제품 관리자는 PRD나 정적인 목업만으로 아이디어를 설명하는 대신, Figma Make로 실제 동작을 보여주는 인터랙티브 프로토타입을 빠르게 만들 수 있다. 이를 통해 복잡한 요구사항을 구체화하고, 디자이너·엔지니어·사용자의 피드백을 일찍 받아 더 빠르게 합의와 확신을 형성한다. ServiceNow 사례는 추상적인 설명보다 직접 보고 조작할 수 있는 프로토타입이 제품 방향을 설득하는 데 효과적임을 보여준다. ## 프로토타입 중심의 제품 의사결정 - PM은 고객 인사이트, 디자인 의도, 엔지니어링 제약을 연결하는 역할을 한다. - Figma Make를 활용하면 정적인 목업보다 제품의 외관과 동작을 함께 표현할 수 있다. - 초기 단계에서 인터랙티브 프로토타입을 만들면 다음과 같은 효과가 있다. - 디자이너와 엔지니어의 조기 피드백 수집 - 사용자 테스트를 통한 가정 검증 - 개발이 깊이 진행되기 전 문제 수정 - 팀이 추상적인 아이디어 대신 구체적인 결과물을 보고 논의 - 따라서 프로토타입은 단순한 디자인 산출물을 넘어, PRD를 보완하거나 대체하는 커뮤니케이션 수단이 된다. ## 복잡한 제품 사고를 공동의 이해로 전환 ServiceNow의 제품 디렉터 Ram Devanathan은 여러 제품 조직을 지원하는 디자인팀과 협업하면서 복잡한 설정 화면을 개선해야 했다. - 해당 화면에는 약 15~20개의 설정이 포함되어 있었다. - 단순한 토글 - 기술적 이해가 필요한 고급 옵션 - 장애 발생 및 우선순위 처리 방식에 영향을 주는 설정 - 시스템 부하를 바꿀 수 있는 구성 항목 - 기존 목업은 기능적으로는 동작했지만, Ram이 의도한 다음 요소를 충분히 전달하지 못했다. - 설정의 우선순위와 계층 구조 - 각 옵션에 대한 맥락적 안내 - 사용자가 느껴야 할 전반적인 경험의 톤 - 공유 디자인 리소스를 사용하는 조직에서는 디자이너의 초기 참여가 제한될 수 있다. - Figma Make의 템플릿은 디자인 시스템과 UX 패턴을 미리 포함할 수 있어, PM이 일관된 기준으로 초기 시안을 직접 발전시키는 데 도움을 준다. ## Figma Make로 설정 화면의 의도 구체화 Ram은 디자이너의 초기 목업을 Figma Make로 가져온 뒤, 설정 구조에 대한 구체적인 지침을 추가했다. - Make가 생성한 개선안은 다음과 같은 변화를 포함했다. - 관련 설정을 논리적으로 그룹화 - 단순한 설정을 화면 상단에 배치 - 개별 옵션을 설명하는 툴팁 추가 - 변경 후 서비스를 재시작해야 한다는 안내문 표시 - 그 결과 사용자는 복잡한 기술 설정을 더 명확한 순서와 구조로 탐색할 수 있게 됐다. - 프로토타입은 Ram과 디자이너가 UX 방향을 빠르게 맞추는 공통 기준이 됐다. - Ram은 말로 추상적인 의도를 설명하는 대신, “무엇을 의미하는지 직접 보여줄 수 있었다”고 평가했다. - 즉 Figma Make는 다음의 시간을 줄이는 역할을 한다. - 아이디어 설명 - 디자인 방향 조율 - 관계자 설득 - 초기 의사결정 사이클 ## 개발 전 기능 검증 제공된 글은 Ticketmaster 사례의 도입부에서 끝나 있어, 구체적인 검증 방식과 결과는 확인할 수 없다. 다만 제목과 도입 내용상 Figma Make를 이용해 실제 개발에 들어가기 전에 새로운 기능을 프로토타이핑하고, 사용자 및 내부 팀의 반응을 확인하는 사례로 이어지는 구성이다. 실무적으로는 복잡하거나 합의가 어려운 요구사항일수록 설명만 반복하기보다 Figma Make로 빠르게 작동하는 형태를 만들어 공유하는 것이 효과적이다. 단, 제공된 본문이 중간에 생략되어 있어 나머지 두 가지 활용 방식에 대한 상세 요약은 포함하지 않았다.

원문 읽기(새 탭에서 열림)
AI디자인 시스템사용자 경험프로토타이핑+3
figma3분 읽기큐레이션 요약

Config 2026 연사

AI 시대의 창의성은 인간을 대체하는 것이 아니라, 인간의 역할을 오케스트레이터·참여자·판단자로 확장하는 방향으로 발전한다. Config 2026 연사들은 AI를 예술과 제조를 연결하는 매체로 보고, 창작 과정의 품질과 의도, 그리고 인간의 감각과 책임을 더욱 중요하게 강조한다. 결론적으로 AI의 기회는 속도 자체보다 새로운 협업 방식과 실험적 제작 환경을 만드는 데 있다. ## AI 시대의 창작자 역할 변화 - Holly Herndon은 소프트웨어를 현대의 중요한 예술 매체로 바라본다. - AI를 활용하면 과거보다 복잡한 소프트웨어·예술 프로젝트를 만들 수 있으며, 창작자는 직접 모든 작업을 수행하기보다 전체 과정을 조율하는 “오케스트레이터”가 된다. - 이는 AI가 창작자를 대체한다기보다, 창작자가 다룰 수 있는 규모와 복잡성을 확장한다는 관점이다. ## 인간이 참여하는 AI 모델 - Herndon과 Mat Dryhurst의 프로젝트 **Starmirror**는 전시 관람객과 지역 합창단의 목소리를 수집해 새로운 AI 합창단을 학습시키는 작업이다. - 사람들은 단순히 AI 모델의 입력 데이터를 제공하는 데 그치지 않고, 생성된 결과물을 직접 경험하고 변형한다. - AI 모델을 기업이나 소수 전문가만의 도구가 아니라, 대중이 함께 만들고 실험하는 공동 창작물로 바라본다. - 따라서 AI 창작에서 중요한 요소는 모델의 성능뿐 아니라 데이터의 출처, 참여 방식, 결과물에 대한 인간의 개입이다. ## AI와 물리적 제작의 결합 - 3D 프린팅 패션을 개척한 Danit Peleg은 AI가 화면 속 디자인을 넘어 제조, 건축, 패션 등 현실 세계의 생산을 직접 움직일 것이라고 전망한다. - 그녀의 스튜디오는 AI 에이전트를 아이디어 구상부터 제작·가공까지의 전체 파이프라인에 참여시킨다. - AI와 Figma Weave 같은 도구를 활용하면 이미지·영상·애니메이션·모션 디자인·VFX 생성과 편집을 하나의 열린 캔버스에서 연결할 수 있다. - 디지털 창작과 실제 제조의 경계가 낮아지면서, 주문형 생산과 폐기물 감소 같은 새로운 제작 방식도 가능해진다. ## 창의성은 독창성보다 관심과 돌봄에 가깝다 - 디자이너이자 저자인 Vicki Tan은 창작과 의사결정이 모두 불확실한 상태에서 질문을 따라가며 전진하는 과정이라고 설명한다. - 창의성은 완전히 새로운 것을 만들어내는 능력만이 아니라, 이미 자신에게 의미 있게 느껴지는 요소를 세심하게 관찰하는 태도다. - 그녀는 창의성을 “독창성이나 재능”보다 “care 또는 attention”, 즉 관심과 돌봄에 가까운 것으로 본다. - 자신의 취향, 전문성, 본능을 신뢰하면서 의미가 드러날 때까지 아이디어를 발전시키는 과정이 중요하다. ## 속도보다 과정과 의도에 대한 재검토 - AI는 제작 속도와 생산량을 크게 높이지만, 빠르게 많은 결과물을 만드는 것만으로는 좋은 창작이 보장되지 않는다. - 연사들은 AI 시대에 오히려 다음 요소가 중요해진다고 본다. - 무엇을 만들 것인지에 대한 명확한 의도 - 결과물을 선택하고 다듬는 인간의 판단 - 데이터와 제작 과정에 대한 책임 - 새로운 도구를 실험하되 창작자의 고유한 감각을 유지하는 태도 - AI는 기존 작업 방식을 자동화하는 도구를 넘어, 창작 프로세스 자체를 다시 설계하게 만드는 계기가 된다. AI를 도입할 때는 단순히 생산성 향상만 목표로 삼기보다, 사람이 어디에 참여하고 어떤 결정을 내릴지 먼저 설계하는 것이 좋다. 생성 속도보다 의도·품질·참여 구조를 중시할 때 AI는 창작자의 역량과 영향력을 실질적으로 확장할 수 있다.

원문 읽기(새 탭에서 열림)
AIAI 에이전트머신러닝생성형 AI+2
figma3분 읽기큐레이션 요약

디자인의 미래는 코드와

AI 시대의 디자인은 코드와 캔버스 중 하나를 선택하는 것이 아니라, 두 방식을 오가며 가능성을 탐색하는 방향으로 발전한다. Figma는 Claude Code와의 MCP 연동을 통해 코드로 만든 결과물을 편집 가능한 Figma 레이어로 변환하고, 디자인 수정 사항을 다시 코드에 반영하는 워크플로를 제시한다. 이를 통해 개발 과정에서 첫 번째 결과물에 매몰되지 않고 여러 대안을 시각적으로 비교·검토할 수 있다는 것이 글의 결론이다. ## 코드와 캔버스의 결합 - 제품을 만드는 방식은 코드, 프롬프트, 시각적 UI, 손그림 등 어디에서든 시작할 수 있다. - 중요한 것은 특정 도구를 고집하는 것이 아니라, 아이디어를 발전시키는 데 적합한 도구를 선택하는 것이다. - 코드는 빠르게 실행 가능한 결과물을 만들고, 캔버스는 다양한 가능성을 시각적으로 탐색하고 비교하는 데 강점이 있다. - 따라서 디자인과 개발은 경쟁 관계가 아니라 서로의 장점을 보완하는 관계가 된다. ## Claude Code와 Figma MCP 연동 - Figma MCP를 설치하면 Claude Code에서 “Send this to Figma”와 같은 명령으로 작업물을 Figma로 보낼 수 있다. - 브라우저에 렌더링된 현재 상태를 분석해 Figma의 편집 가능한 레이어로 자동 변환한다. - 코드로 구현된 화면을 단순 이미지로 가져오는 것이 아니라, Figma 안에서 요소를 개별적으로 수정할 수 있다. - Figma에서 다듬은 디자인 변경 사항은 다시 MCP를 통해 코드베이스에 반영할 수 있다. - Claude Code는 Figma MCP와 연결되는 여러 에이전트 도구 중 하나로 소개된다. ## 캔버스가 제공하는 탐색 능력 - IDE나 프롬프트 환경에서는 하나의 구현 방향을 빠르게 밀어붙이기 쉽다. - Figma 캔버스에서는 여러 디자인 시안을 나란히 배치해 차이점을 비교할 수 있다. - 전체 화면의 구조와 사용자 경험을 한눈에 파악하면서 세부 요소는 직접 조작해 수정할 수 있다. - AI가 표현 가능한 수많은 결과물을 만들어낼수록, 최종적으로 좋은 방향을 선택하는 디자인 감각과 관점이 더 중요해진다. ## 선형적 개발 프로세스의 변화 - 과거에는 일반적으로 아이디어 구상 → 디자인 → 코딩 순서로 작업이 진행됐다. - 이제는 터미널에서 구현을 시작한 뒤 디자인 도구로 이동하거나, Figma에서 시작해 코드로 넘어가는 등 순서가 고정되지 않는다. - 작업은 “어디서 시작하느냐”보다 “지금 올바른 방향으로 만들고 있는가”를 지속적으로 점검하는 것이 중요하다. - 첫 번째 구현물이 관성 때문에 최종 버전으로 굳어지는 ‘터널 비전’을 피해야 한다. ## 실용적인 적용 방향 - AI로 빠르게 만든 초기 구현물을 Figma로 가져와 여러 변형안을 비교한다. - 캔버스에서 레이아웃, 시각적 계층, 인터랙션 방향을 검토한 뒤 세부 디자인을 다듬는다. - 확정된 디자인 변경 사항을 MCP를 통해 코드에 다시 반영한다. - 코드와 디자인을 순차적으로 분리하기보다, 탐색 단계에서는 반복적으로 양쪽을 오가며 검증하는 것이 효과적이다.

원문 읽기(새 탭에서 열림)
AIFigma프로토타이핑모델 컨텍스트 프로토콜+2
figma3분 읽기큐레이션 요약

Claude Code에서 Figma로: 프로덕

Claude Code에서 실행 중인 UI를 Figma로 가져와 편집 가능한 프레임으로 변환할 수 있게 되었다. 이를 통해 코드의 빠른 프로토타이핑과 Figma 캔버스의 협업·탐색 기능을 연결하고, 개발자·디자이너·PM이 동일한 결과물을 바탕으로 더 이른 시점에 의견을 나눌 수 있다. 핵심은 코드를 최종 결과로 고정하지 않고, Figma에서 여러 방향을 비교·발전시키는 것이다. ## 코드에서 캔버스로 확장하는 이유 - Claude Code를 사용하면 실제 데이터와 상호작용을 포함한 UI를 빠르게 구축하고 테스트할 수 있다. - 코드 기반 작업은 한 번에 하나의 상태를 구현하고 확인하는 데 강하다. - 반면 Figma 캔버스는 전체 흐름과 여러 대안을 한눈에 배치하고, 팀과 함께 논의하는 데 유리하다. - 따라서 코드는 아이디어를 빠르게 수렴시키고, 캔버스는 아이디어를 다시 확장하고 탐색하는 공간이 된다. ## 브라우저 화면을 편집 가능한 Figma 프레임으로 변환 - 프로덕션, 스테이징, 로컬호스트에서 실행 중인 UI를 캡처할 수 있다. - 캡처한 화면은 클립보드로 복사하거나 Figma 파일로 전송할 수 있다. - Figma에 붙여넣은 결과는 단순한 이미지가 아니라 정리·복제·수정 가능한 프레임으로 변환된다. - 여러 화면을 한 세션에서 캡처하면 화면 간 순서와 흐름도 함께 보존할 수 있다. ## 혼자 만드는 프로토타입에서 팀 협업으로 - 코드 우선 작업은 초기에는 빠르지만, 화면과 상태가 늘어나면 한 사람이 브랜치·개발 서버·전체 맥락을 모두 관리해야 한다. - 기존에는 피드백을 받기 위해 스크린샷이나 녹화 영상을 공유하거나, 다른 사람이 직접 로컬에서 빌드를 실행해야 했다. - Figma로 가져오면 팀원들이 같은 캔버스에서 직접 주석을 달고, 불명확한 부분을 표시하며, 개선 방향을 제안할 수 있다. - 다른 사람이 코드 환경으로 전환하거나 여러 파일을 수정하지 않아도 대안을 논의할 수 있다. ## 첫 번째 아이디어가 아닌 최선의 아이디어 찾기 - AI로 작동하는 프로토타입을 빠르게 만들 수 있게 되면서, 논의의 초점은 “어떻게 만들까”에서 “어떤 버전을 발전시킬까”로 이동했다. - Figma Make의 결과물을 캔버스로 가져오는 방식과 마찬가지로, Claude Code의 구현 결과도 편집 가능한 디자인 산출물로 전환된다. - 출발점이 Figma Make인지 Claude Code인지와 관계없이, 구체적인 결과물을 먼저 만든 뒤 반복적으로 발전시키는 것이 목표다. ## Figma에서 가능한 네 가지 탐색 - **전체 시스템을 시각적으로 확인** - 여러 화면과 단계별 흐름을 나란히 배치할 수 있다. - 반복되는 패턴, 누락된 단계, 디자인 불일치, 트레이드오프를 쉽게 발견할 수 있다. - **코드를 다시 작성하지 않고 변형 실험** - 프레임을 복제하고 순서를 재배치하며 구조적 대안을 비교할 수 있다. - 단순한 아이디어 검증을 위해 코드를 다시 구현할 필요가 없다. - 폐기한 대안도 남겨둘 수 있어 이후 재검토가 가능하다. - **더 이른 시점에 의사결정** - 디자이너, 엔지니어, PM이 동일한 맥락과 완성도의 결과물을 함께 검토한다. - 정답이 명확하지 않은 문제도 초기에 질문과 쟁점을 드러낼 수 있다. - 변경 비용이 낮을 때 방향을 조정할 수 있다. - **구현된 UI를 팀의 방향성으로 전환** - 실제로 작동하는 UI를 개인의 코드 환경에만 머무는 결과물이 아니라 공유 가능한 디자인 자산으로 만든다. - 팀은 구현 결과를 기준으로 제품의 사용감, 사용자 안내 방식, 가치 전달 방법을 함께 논의할 수 있다. ## 실용적인 결론 Claude Code는 빠른 구현과 실제 동작 검증에 사용하고, 방향을 비교하거나 팀의 피드백을 모을 때는 결과물을 Figma로 가져오는 방식이 효과적이다. 특히 여러 화면으로 구성된 사용자 흐름이나 대안 비교가 필요한 작업에서는 코드와 캔버스를 오가는 과정이 초기 의사결정과 협업을 크게 단순화할 수 있다.

원문 읽기(새 탭에서 열림)
AIFigma프로토타이핑모델 컨텍스트 프로토콜+2
figma3분 읽기큐레이션 요약

디자이너의 현주소 2026: 디자이너들은 복잡한 중간 지대에 뛰어들고 있다 | Figma 블로그

디자인 업계는 AI로 인해 빠르게 변하고 있지만, 디자이너들은 불확실성을 피하기보다 AI를 실무에 통합하며 새로운 기회로 전환하고 있다. 조사에 따르면 AI는 작업 속도와 협업뿐 아니라 디자인 품질도 높이며, 인간 고유의 세심한 완성도와 창의적 판단인 ‘크래프트’의 중요성은 오히려 커지고 있다. 조직이 디자인의 우수성을 중시할수록 디자이너의 만족도와 기업 성과도 함께 높아진다는 것이 글의 결론이다. ## 조사 배경과 디자이너들이 처한 변화 - Figma는 NewtonX와 함께 북미, APAC, 유럽, LATAM, 중동의 디지털 디자이너 906명을 조사했다. - 설문은 영어, 스페인어, 프랑스어, 이탈리아어, 포르투갈어, 일본어, 한국어로 진행됐다. - 디자이너들은 AI 도입으로 업무 방식이 흔들리고 있지만, 단순히 산출물의 양만 늘리는 것이 아니라 더 빠르고 높은 품질의 결과물을 만들고 있다고 응답했다. - 글은 이러한 불확실성과 낙관이 공존하는 상태를 디자이너들이 변화의 ‘어수선한 중간 단계(messy middle)’를 지나고 있는 상황으로 묘사한다. ## AI가 작업 속도와 품질을 함께 높이다 - 91%의 디자이너가 AI 도구가 디자인을 개선한다고 답했다. - 89%는 AI 덕분에 더 빠르게 일할 수 있다고 응답했다. - 80%는 협업이 개선됐다고 답했으며, 대부분은 AI 도구가 업무를 늦춘다고 생각하지 않았다. - AI는 반복 작업과 워크플로 최적화를 지원해 디자이너가 더 많은 결과물을 출시하고, 영향력이 큰 아이디어에 시간을 쓸 수 있게 한다. - AI를 적극 활용하는 디자이너는 그렇지 않은 디자이너보다 직업 만족도가 25% 높았다. - 이들은 자신의 업무가 비즈니스 성과와 기업 성장에 기여한다고 느낄 가능성도 더 높았다. - 따라서 AI는 디자이너의 역할을 대체하는 도구라기보다, 디자이너가 더 빠르게 실험하고 중요한 판단에 집중하도록 돕는 도구로 제시된다. ## 크래프트는 인간적인 차별점이다 - 누구나 AI로 프롬프트를 작성해 프로토타입을 만들 수 있는 환경에서는 제품을 구별하는 요소로 디자인의 완성도와 의도성이 중요해진다. - 조사에서 디자이너들이 생각하는 크래프트의 의미는 다음과 같았다. - 시각적 완성도: 58% - 사려 깊은 문제 해결: 47% - 명확하고 직관적인 UX: 36% - 감정과 즐거움을 주는 경험: 35% - 제품 전반의 일관성: 15% - 한 응답자는 크래프트를 “기술, 디테일, 의도적인 노력이며, 배려와 정밀함, 예술성을 담아 만드는 것”이라고 설명했다. - 시각적 완성도나 감정적 경험처럼 결과물에서 바로 드러나는 요소는 리더나 사용자에게 인정받기 쉽다. - 반면 어려운 문제를 해결하거나 복잡한 트레이드오프를 조정하는 전술적 작업은 중요하더라도 외부의 인정을 덜 받을 수 있다. ## 조직의 디자인 투자와 성과 - 경영진이 디자인의 우수성을 중시하는 조직의 디자이너는 그렇지 않은 조직보다 자신의 일에 만족할 가능성이 약 2배 높았다. - 크래프트를 중요하게 여기는 팀은 더 높은 사기, 빠른 비즈니스 성장, 명확한 추진력을 보고했다. - 디자인에 대한 지원과 투자가 늘어난 조직일수록 성장 속도와 디자이너의 낙관적 전망이 함께 높아졌다. - 효과적인 투자는 다음을 포함한다. - 리더십 차원의 디자인 품질 지원 - 디자이너의 역량 개발 기회 제공 - 좋은 작업에 대한 공식적 인정과 보상 - 이는 개인의 창의성만으로 품질을 유지하기보다, 조직 차원에서 높은 기준을 뒷받침해야 한다는 점을 보여준다. AI를 도입할 때는 단순히 생산량을 늘리는 데 집중하기보다 반복 작업을 자동화하고, 디자이너가 문제 정의·사용자 경험·감정적 완성도·최종 품질 판단에 더 많은 시간을 쓰도록 설계하는 것이 바람직하다. 또한 디자인 품질을 평가하고 인정하는 조직 문화를 함께 구축해야 AI의 속도와 인간의 크래프트를 모두 살릴 수 있다.

원문 읽기(새 탭에서 열림)
AIFigma사용자 경험프로토타이핑+2