figma2026년 6월 24일

피그마와 Weave 연결하기 | 피그마 블로그 (새 탭에서 열림)

Figma는 Weavy 인수를 바탕으로 AI 창작 도구인 Figma Weave를 기존 Figma 캔버스와 연결한다. 디자이너는 Figma Design에서 이미지 스타일 변환, 제품 촬영, 소재 추출 등 20개 이상의 사전 구축 AI 작업을 사용할 수 있고, 복잡한 프롬프트나 별도 워크플로 구축 없이 반복적인 제작 업무를 처리할 수 있다. 앞으로는 사용자가 만든 Weave 워크플로를 Figma 도구로 공개·공유하고, Weave 안에서도 Figma 파일과 프레임을 활용할 수 있게 되어 디자인과 크리에이티브 제작의 경계가 더욱 줄어들 전망이다. ## Figma와 Weave의 통합 배경 - Figma는 Weavy를 인수한 뒤 이를 **Figma Weave**로 발전시키고 있다. - Weave는 이미지, 비디오, 애니메이션, 모션 디자인, VFX, 오디오, 3D 작업을 노드 기반 캔버스에서 처리하는 AI 창작 플랫폼이다. - 각 작업은 프롬프트와 모델 실행의 단순한 결과가 아니라, 입력·편집·생성·변형 과정을 연결한 시각적 워크플로로 구성된다. - 팀원은 캔버스에서 제작 과정을 확인하고, 특정 단계만 수정하거나 결과를 반복 생성할 수 있다. - Figma는 이 구조를 기존 협업 캔버스와 결합해 디자인과 크리에이티브 제작을 같은 공간에서 진행하려 한다. ## Figma Design에서 사용하는 Weave 도구 - 20개 이상의 AI 이미지 작업이 Figma Design 왼쪽 패널에서 직접 제공된다. - 각 도구는 복잡한 Weave 워크플로를 간단한 UI로 포장한 형태다. - 주요 활용 사례는 다음과 같다. - 이미지 스타일 전이 - 제품 사진 및 이커머스 촬영 이미지 생성 - 소재·재질 추출 - 다양한 시각 언어를 활용한 아트 디렉션 - 이미지 비율 변경 - 특정 예술 양식으로 사진 변환 - 사용자는 자유 형식 프롬프트를 직접 작성하지 않고 입력 이미지를 추가한 뒤 도구를 선택해 결과를 생성할 수 있다. - 동일한 작업을 반복해도 일관된 방식으로 실행되므로, 반복적인 제작 업무를 몇 번의 클릭으로 처리할 수 있다. - 결과를 여러 갈래로 분기하거나, 서로 다른 모델과 접근 방식을 비교하고, 원하는 결과를 선택해 세부 조정할 수 있다. ## 워크플로를 통한 창작 과정의 표준화 - Weave의 핵심은 하나의 프롬프트보다 **프롬프트와 모델, 편집 단계를 연결한 로직**에 있다. - 사용자는 이미지 생성뿐 아니라 결과 수정, 스타일 적용, 여러 버전 비교를 하나의 흐름으로 관리할 수 있다. - 반복적으로 사용하는 제작 방식을 워크플로로 만들어 팀의 공통 자산으로 활용할 수 있다. - 앞으로는 개인이나 팀이 직접 만든 Weave 워크플로를 Figma 안의 Weave 도구로 게시할 수 있게 된다. - 워크플로를 한 번 정의하면 팀 내부 또는 커뮤니티와 공유해, 제작 노하우와 의사결정 로직을 재사용할 수 있다. ## OutSystems의 활용 사례 - OutSystems의 브랜드 팀 디자이너 Bruno Figueiredo는 Weave를 프레젠테이션 이미지, 애니메이션, 행사 그래픽, 굿즈 제작에 활용한다. - 회사 마스코트 ‘Neo’의 키링 인형을 제작할 때는 외부 전문가에게 의존하지 않고 Weave로 제조용 3D 모델을 만들었다. - 노드 기반 워크플로를 활용해 다음 요소를 반복적으로 조정할 수 있었다. - 일러스트 스타일 - 의상 색상 - 신체 비율 - 여러 모델의 결과 비교 - 여러 플로우를 동시에 실행한 뒤 나중에 결과를 검토할 수 있어, 탐색적인 디자인 작업에 적합하다고 설명한다. - 기존 사진과 일러스트를 확장해 새로운 브랜드 가이드라인을 만들거나, 필요한 스타일의 목업을 생성하는 데도 활용할 수 있다. ## 앞으로의 연결 방향 - 현재는 Weave의 기능을 Figma 캔버스 안으로 가져오는 단계가 먼저 시작됐다. - 동시에 Weave 워크플로를 Figma Community에서 공유할 수 있도록 확장할 계획이다. - 향후 Weave에 **Figma 노드**가 추가되면 Figma 프레임과 디자인 파일을 Weave 워크플로의 입력·편집 과정에 직접 연결할 수 있다. - 이에 따라 디자인 결과물을 별도 도구로 옮기거나, AI 제작 결과를 다시 Figma로 가져오는 번거로운 변환 과정이 줄어들 것으로 보인다. - 최종적으로는 디자이너가 Figma에서 시각적 방향을 정하고, Weave가 생성·변형·반복 실행을 담당하는 통합 제작 환경을 지향한다. 실무적으로는 반복되는 이미지 생성이나 브랜드 스타일 적용 업무를 Weave 도구로 표준화하고, 팀만의 워크플로를 공유 가능한 자산으로 만드는 방식이 가장 큰 활용 포인트다. Akan AI 결과를 그대로 사용하는 것보다, 여러 버전을 비교하고 노드별 과정을 조정하면서 최종 디자인 의도를 관리하는 것이 이 통합의 장점이다.

gen-aifigmafigma-weaveimage-generation+2

figma2026년 6월 24일

Config 2026: 새로운 소재, 새로운 도구, 더욱 표현력 있는 캔버스 | Figma 블로그 (새 탭에서 열림)

Figma Config 2026의 핵심 방향은 캔버스를 단순한 디자인 작업 공간이 아니라 코드·모션·셰이더·생성형 플러그인 등을 함께 다루는 창작 환경으로 확장하는 것이다. Figma는 AI가 작업의 진입장벽은 낮췄지만 창작의 한계를 넓히는 것은 결국 디자이너와 크리에이터의 몫이라고 강조한다. 이를 위해 디자인과 코드의 경계를 없애고, 더 풍부한 표현과 협업을 캔버스 안에서 가능하게 하려 한다. ## 디자인 캔버스의 확장 - Figma는 이미지, 벡터, 디자인 레이어뿐 아니라 코드와 모션도 디자인 재료로 취급하려 한다. - 코드·모션·셰이더·생성형 플러그인·Weave 도구를 하나의 캔버스에서 조합하는 것이 이번 Config의 주요 방향이다. - 캔버스는 결과물이 저장되는 장소를 넘어, 아이디어를 연결하고 동료와 함께 반복적으로 발전시키는 협업 공간으로 정의된다. - AI가 창작의 진입장벽을 낮췄다면, 더 높은 수준의 창의성과 과감한 시도는 사용자가 만들어야 한다는 관점을 제시한다. ## 코드 레이어로 디자인과 개발 통합 - 기존의 “디자인 대 코드”라는 구분은 인위적인 논쟁이며, 코드는 이미지나 벡터와 같은 디자인 재료라는 것이 Figma의 주장이다. - Figma Design의 모든 디자인 레이어를 클릭 한 번 또는 프롬프트로 인터랙티브한 코드 레이어로 변환할 수 있다. - 코드 레이어를 복제해 여러 구현 방향을 나란히 비교하고 탐색할 수 있다. - 일반적인 Figma 캔버스처럼 팀원이 같은 파일에서 코드를 수정하고, 의견을 남기고, 반복 작업을 진행할 수 있다. - 코드로 만든 결과물을 다시 편집 가능한 디자인 레이어로 추출할 수 있다. - 디자인 레이어를 수정한 뒤에는 한 번의 클릭으로 변경 사항을 코드 레이어에 반영할 수 있어 디자인과 구현 사이를 양방향으로 오갈 수 있다. - 코드 레이어의 얼리 액세스는 7월부터 시작될 예정이며, 베타 대기자 등록을 통해 참여할 수 있다. ## Figma Motion으로 디자인에 움직임 추가 - Figma Design 안에 타임라인 기반의 모션 제작 기능이 추가된다. - 키프레임과 프리셋을 사용해 처음부터 애니메이션을 만들거나, 기존 디자인에 모션을 덧입힐 수 있다. - Figma agent를 이용해 애니메이션의 초기 시안을 생성할 수도 있다. - 모션 디자이너에게는 반복적인 작업을 줄이고, 창의적인 표현에 더 집중할 수 있는 환경을 제공한다. - 애니메이션을 컴포넌트에 한 번 정의하면 여러 화면과 협업자의 파일에서 디자인 시스템의 일부처럼 재사용할 수 있다. ## 모션과 개발 도구의 연결 - Dev Mode에서는 전체 타임라인을 확인하고 검사할 수 있다. - 각 키프레임, 타이밍 값, 이징 곡선을 별도의 해석 없이 읽을 수 있다. - 애니메이션 코드를 CSS, JSON 또는 React 프레임워크용 코드로 직접 복사할 수 있다. - MCP와 호환되므로 애니메이션이 적용된 프레임을 코딩 에이전트로 전달해 구현할 수 있다. - 결과물은 MP4, WebM, Animated SVG, GIF 등으로 내보낼 수 있으며, 향후 더 많은 포맷이 추가될 예정이다. Figma Config 2026은 디자인·개발·모션을 별도 도구로 분리하기보다 하나의 협업 캔버스에서 연결하려는 흐름을 보여준다. 특히 코드 레이어와 Figma Motion은 디자이너가 구현 가능성을 즉시 실험하고, 개발자는 디자인 의도와 애니메이션 세부 정보를 정확히 확인하도록 돕는 기능으로 볼 수 있다.

gen-aifigmareactmcp+3

figma2026년 6월 10일

이 템플릿을 가져가세요: Figma Weave로 사용자 페르소나에 생동감을 불어넣기 | Figma 블로그 (새 탭에서 열림)

정적 이미지와 반복되는 프로필 사진만으로는 이상적 고객 프로필(ICP)을 실제 고객처럼 생생하게 전달하기 어렵다. Dropbox의 Sara Clayton은 Figma Weave를 활용해 사용자의 얼굴 사진과 간단한 프롬프트를 현실적인 작업 환경 이미지로 바꾸고, 참고 이미지를 추가해 의상과 스타일을 조정했다. 이를 통해 ICP의 스토리텔링을 강화하고, 고객에 대한 공감과 전략적 활용도를 높일 수 있었다. ### 정적인 ICP의 한계 - ICP는 제품을 만들 대상 고객을 구체적으로 묘사하는 문서다. - Dropbox Replay 팀은 영상 편집자, 오디오 엔지니어, 제작 관리자 등을 주요 사용자로 정의했다. - 기존에는 다이어그램, 사용자 스토리, 슬라이드 덱, 동일한 인물 사진을 반복 사용했다. - 이런 방식은 사용자가 실제로 어떤 환경에서 일하고 어떤 도구를 사용하는지 충분히 보여주지 못했다. - Sara Clayton은 사용자의 직업적 맥락과 현실감을 시각적으로 표현할 필요성을 느꼈다. ### 스토리 중심의 사용자 페르소나 - ICP 관점에서 상황을 시간 순서대로 보여주는 슬라이드 덱이 기존 방식보다 효과적이었다. - 예를 들어 미디어 제작자가 타임라인이나 믹싱 보드 앞에서 일하는 모습을 보여주면 사용자의 업무 맥락을 더 쉽게 이해할 수 있다. - 반복되는 증명사진 대신 실제 작업 공간, 복장, 주변 도구를 포함한 장면이 필요했다. - 이러한 시각적 디테일은 페르소나를 단순한 데이터 묶음이 아니라 현실적인 인물로 느끼게 한다. ### Figma Weave를 활용한 이미지 생성과 수정 - 사용자의 얼굴 사진과 한 줄 프롬프트만으로 재택근무 공간에서 작업하는 미디어 제작자 이미지를 생성했다. - 생성된 인물은 Premiere Pro 화면 앞에 앉아 있는 등 직업적 환경이 반영됐다. - 동료의 피드백을 받은 뒤 참고 이미지를 업로드해 의상과 전체적인 스타일을 수정했다. - 일반적인 챗봇형 이미지 생성 도구보다 변수별 결과를 확인하고 반복 수정하기 쉬웠다. - 여러 생성 결과를 시각적으로 비교하면서 원하는 인물, 복장, 환경을 구체화할 수 있었다. ### 페르소나 템플릿과 활용 방식 - 글에서 소개한 템플릿은 현실적인 장면을 포함한 ICP 이미지를 약 2분 안에 만드는 데 초점을 둔다. - 바로 사용할 수 있는 Figma Weave 템플릿에는 다음과 같은 유형이 포함된다. - 자동차 내부의 캐릭터 이미지 생성 - 전문적인 캐릭터 레퍼런스 시트 제작 - 변수 기능을 활용한 다양한 의상과 캐릭터 생성 - 템플릿을 활용하면 반복적인 페르소나 프로필을 여러 상황과 스타일로 확장할 수 있다. ### Figma Weave의 의미 - Figma가 인수한 Weavy를 기반으로 한 Figma Weave는 생성형 AI와 전문 편집 기능을 오픈 캔버스에 결합한다. - 이미지뿐 아니라 동영상, 애니메이션, 모션 디자인, VFX 생성 및 편집까지 지원하는 방향을 지향한다. - 단순히 이미지를 생성하는 것보다 결과를 보고 다양한 요소를 조정하는 반복 작업에 강점이 있다. - Dropbox 사례에서는 더 인간적이고 높은 해상도의 스토리텔링을 가능하게 해 ICP가 제품 전략에 실제로 영향을 주도록 했다. 팀의 ICP나 사용자 페르소나가 텍스트와 반복적인 스톡 이미지에 머물러 있다면, 실제 업무 환경과 행동을 보여주는 장면으로 확장하는 것이 효과적이다. Figma Weave 같은 도구를 사용할 때는 얼굴, 직업 환경, 복장, 참고 이미지 등의 변수를 단계적으로 조정하면 더 일관되고 설득력 있는 페르소나를 만들 수 있다.

gen-aifigmamotion-designfigma-weave+2

figma2026년 5월 20일

피그마 디자인 에이전트가 출시되었습니다 | 피그마 블로그 (새 탭에서 열림)

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.

gen-aiaidesign-systemsmodel-context-protocol+2

figma2026년 5월 12일

디자인-코드 루프가 열어 주는 가능성 | Figma 블로그 (새 탭에서 열림)

AI는 디자인과 코드 사이의 장벽을 낮춰 두 영역을 하나의 연속적인 작업 흐름으로 만들고 있다. 이제 디자이너는 정적인 시안을 반복 제작하는 대신 기능하는 프로토타입을 코드로 만들고, 이를 다시 Figma 캔버스에서 편집하며 방향을 재탐색할 수 있다. 중요한 변화는 단순한 코드 생성 속도가 아니라, 디자인과 코드 간 변환이 기계적 번역에서 의미 중심의 협업으로 바뀐다는 점이다. ## 디자인과 코드의 경계가 사라지는 흐름 - 과거에는 코드가 복잡하고 수정 비용이 높아 디자인 단계에서 여러 정적 시안을 먼저 탐색하는 방식이 일반적이었다. - AI를 활용하면 기능하는 와이어프레임을 빠르게 만들고, 레이아웃뿐 아니라 상호작용과 동작까지 직접 실험할 수 있다. - 코드에서 Figma 캔버스로 이동하면 이미 구현한 방향에 고정되지 않고 새로운 구조와 시각적 대안을 다시 탐색할 수 있다. - Figma의 Alex Kern은 핵심 변화가 “코드를 더 빠르게 생성하는 것”이 아니라 디자인과 코드 사이의 변환을 더 의미론적이고 덜 기계적으로 만드는 것이라고 설명한다. ## 양방향 디자인-코드 루프 - 기존 개발 환경은 코드베이스에 이미 존재하는 구조와 패턴을 중심으로 한 방향으로 작업하기 쉽다. - AI 모델 역시 기존 코드의 관성에 영향을 받아 완전히 다른 제품 방향을 제안하는 데 한계가 있을 수 있다. - Figma 캔버스에서는 코드에서 구현한 결과를 다시 시각적으로 검토하고, 전혀 다른 방향으로 되돌아가 탐색할 수 있다. - 이처럼 `코드 → 캔버스 → 코드`를 반복하는 루프가 디자인과 엔지니어링의 협업 범위를 넓힌다. ## 협업 참여자의 확대 - 과거에는 “디자이너가 코딩을 배워야 하는가”가 주요 논점이었다면, 이제는 “디자이너가 AI에게 코드를 요청할 수 있는가”가 더 현실적인 질문이 되었다. - AI는 디자인 시스템이나 내부 개발 환경에 직접 접근하지 못하는 사람도 실제 제품을 Figma의 편집 가능한 프레임으로 가져와 작업할 수 있게 한다. - 결과적으로 특정 도구, 전문 지식, 조직 내 접근 권한이 협업의 진입장벽이 되는 문제가 줄어든다. - 디자인과 개발이 일부 전문가만의 영역이 아니라 더 많은 팀원이 참여할 수 있는 공동 작업 공간으로 변화한다. ## 학습 곡선에서 학습 램프로 - AI는 초보자의 출발점을 높여 복잡한 프레임워크와 개발 환경을 처음부터 모두 익히지 않아도 작업을 시작하게 한다. - 작업 중인 실제 맥락에서 “이 코드가 무엇을 하는지”, “React 라우팅이 어떻게 동작하는지”를 질문할 수 있어 추상적인 교육보다 이해가 쉽다. - 디자이너는 자신의 제품과 문제를 기반으로 학습하면서 점진적으로 전문성을 쌓을 수 있다. - Gui Seiz는 AI를 통해 셰이더, 3D, 자체 제작 도구처럼 과거에는 기술적 지식 부족으로 시도하지 않았던 영역까지 탐색하게 되었다고 말한다. ## 도구보다 중요한 호기심과 취향 - AI 도구 자체는 점점 많은 사람에게 동일하게 제공되므로 도구 접근성만으로는 차별화하기 어려워진다. - 앞으로는 무엇을 만들지 판단하는 취향과, 새로운 가능성을 계속 시험하는 호기심이 중요한 경쟁력이 된다. - AI는 문법, 프레임워크, 개발 환경을 설명해 주는 인내심 있는 튜터 역할을 할 수 있다. - 따라서 AI 시대에는 기존 전문성을 유지하는 것뿐 아니라 새로운 방식으로 배우고 실험하는 태도가 중요하다. ## 실용적인 결론 디자이너와 개발자는 디자인과 코드를 분리된 인수인계 단계로 보기보다, 서로 오가며 반복 개선하는 하나의 루프로 운영하는 것이 유리하다. AI를 최종 결과물을 자동 생성하는 도구로만 사용하기보다, 기능 프로토타이핑·코드 이해·대안 탐색·협업 진입장벽 완화에 활용할 때 가장 큰 효과를 얻을 수 있다.

gen-aifigmadesign-systemsreact+2

figma2026년 4월 9일

Figma Weave로 프롬프트를 다섯 가지 확장 가능한 워크플로우로 전환하기 | Figma 블로그 (새 탭에서 열림)

Figma Weave는 단일 프롬프트로 이미지를 생성하는 도구가 아니라, 여러 AI 모델과 편집 단계를 연결해 반복·확장 가능한 창작 워크플로를 만드는 캔버스다. 사용자는 이미지·영상·오디오·3D 제작 과정에서 각 단계를 분기하고 수정하며 결과를 통제할 수 있다. 글은 특히 기존 이미지에서 스타일을 추출하고 조합해 재사용 가능한 스타일 가이드를 만드는 과정을 대표 사례로 소개한다. ## 프롬프트를 넘어선 AI 창작 워크플로 - 좋은 이미지를 빠르게 만드는 것과 브랜드에 맞고 다양한 채널에서 일관되게 사용할 이미지를 만드는 것은 다르다. - Figma Weave는 여러 AI 노드를 연결해 다음 작업을 지원한다. - 이미지, 영상, 오디오, 3D 생성 및 편집 - 프롬프트와 결과의 단계별 수정 - 여러 방향으로 결과를 분기해 탐색 - 서로 다른 AI 모델을 비교하고 검증 - 각 단계가 독립적으로 구성되므로 특정 결과를 다시 적용하거나 일부 요소만 바꿀 수 있다. - Figma는 Weavy를 인수해 Figma Weave로 발전시키고 있으며, 향후 Figma 제품과의 통합을 추진하고 있다. ## 템플릿으로 확장하는 제작 방식 - Figma Weave 팀은 Figma Community에 20개 이상의 워크플로 템플릿을 제공한다. - 템플릿은 다음과 같은 작업에 활용할 수 있다. - 이미지를 영상으로 변환 - 3D 모델 생성 - 여러 참고 이미지의 스타일 결합 - 이미지 생성 모델 간 결과 비교 - 글에서는 가상의 사운드·비디오 브랜드인 Epoch의 자산을 사용해 워크플로를 설명한다. - Epoch는 왜곡된 텍스처와 3D 자연물 형태를 브랜드 시각 언어로 사용하며, 모바일·데스크톱 화면에 일관된 이미지를 적용하는 상황을 가정한다. ## 두 이미지를 결합해 스타일 가이드 만들기 - 기존 미학과 어울리는 새 이미지를 만들 때, 처음부터 프롬프트를 작성하기보다 이미 검증된 참고 이미지에서 스타일을 추출한다. - 예시에서는 다음 두 이미지를 사용한다. - 분홍색 히비스커스 꽃 - 따뜻한 색감의 사암 표면 - 각 이미지를 **Image Describer 노드**에 입력하면 이미지의 주요 시각적 특성이 텍스트로 변환된다. - 질감 - 색상 - 조명 - 구성 - 형태와 분위기 - 추출된 두 설명을 하나의 스타일 정의로 결합한 뒤, 각 참고 이미지가 결과에 미치는 영향력을 개별적으로 조절한다. - 단순히 “두 스타일을 섞어 달라”고 요청하는 것과 달리, 워크플로에서는 각 스타일의 비중을 세밀하게 수정할 수 있다. - 완성된 스타일을 여러 이미지 생성 모델에 적용해 결과를 비교하고, 다양한 상황에서도 일관되게 작동하는지 검증한다. ## 일회성 프롬프트가 아닌 재사용 가능한 스타일 정의 - 최종 산출물은 특정 이미지 하나를 위한 프롬프트가 아니라 이후 작업에 반복 사용할 수 있는 스타일 정의다. - 이 정의를 다른 워크플로에 연결하면 다음 작업에서도 동일한 브랜드 감각을 유지할 수 있다. - 스타일을 별도의 구성 요소로 관리하면 이미지 생성, 편집, 영상 제작 등 후속 작업에서 수정과 재사용이 쉬워진다. - 핵심은 AI가 한 번에 정답을 생성하도록 기대하는 것이 아니라, 참고 자료·설명·생성 모델을 연결해 결과를 점진적으로 조정하는 데 있다. ## 실용적인 결론 브랜드용 AI 이미지를 만들 때는 단일 프롬프트보다 참고 이미지 분석, 스타일 결합, 영향력 조절, 모델 비교를 단계별 워크플로로 구성하는 편이 효과적이다. 먼저 기존 브랜드 자산에서 재사용 가능한 스타일 정의를 만들고, 이를 다양한 생성·편집 작업에 연결하면 결과의 일관성과 확장성을 함께 확보할 수 있다.

gen-aiprompt-engineeringfigma-weaveimage-generation+2

figma2026년 4월 8일

Figmates가 Figma AI를 활용해 즐거움의 차원을 한 단계 높인 방법 | Figma 블로그 (새 탭에서 열림)

Figma 팀은 연례 April Fun Day를 위해 Figma Make, Weave, MCP를 활용해 며칠 만에 여섯 개의 미니게임을 제작하고 캔버스에 일주일간 공개했다. 이 과정에서 AI는 아이디어를 빠르게 프로토타이핑하고 시각 요소를 확장하며, 디자인과 코드 사이의 협업을 가속하는 역할을 했다. 글의 결론은 적절한 AI 도구를 사용하면 디자이너와 개발자 모두가 제작 과정에 참여하면서 더 빠르게 실험하고 완성도 높은 결과물을 만들 수 있다는 것이다. ## 놀이를 실험의 장으로 활용한 April Fun Day - Figma의 April Fun Day는 매년 커뮤니티를 위한 이스터 에그와 새로운 경험을 선보이는 행사다. - 올해는 기존의 추억을 불러일으키는 콘텐츠를 넘어, 캔버스 안에서 직접 즐길 수 있는 미니게임 플랫폼 **FigCade**를 제작했다. - 팀은 평소 업무 영역을 벗어나 새로운 도구와 제작 방식을 시험하는 기회로 행사를 활용했다. - FigCade는 단 며칠 만에 완성됐으며, 일주일 동안 사용자에게 제공됐다. ## 빠른 프로토타이핑과 반복 - **Figma Make**를 사용해 아이디어를 즉시 작동하는 프로토타입으로 만들었다. - 예를 들어 `2Fast2Figma` 퀴즈의 초기 아이디어는 일요일 아침에 시작해 그날 오후 작동하는 프로토타입이 됐다. - 아이디어 수만큼 다양한 프로토타입을 만든 뒤, 빠르게 공유하고 반응을 확인하며 방향을 조정했다. - 제작 과정의 기본 원칙은 “먼저 보여주고, 반응하고, 정렬한 뒤, 반복한다”는 방식이었다. - `2Fast2Figma`에서는 사용자가 30초 동안 Figma 관련 질문에 최대한 많이 답하도록 구성했다. ## Figma Weave를 활용한 시각적 탐색 - **Figma Weave**는 게임의 시각적 스타일과 질감 요소를 빠르게 탐색하는 데 사용됐다. - 디자이너 Lesley Moon은 펠트 느낌의 커서 등 FigCade의 질감 있는 그래픽 요소를 몇 시간 만에 제작했다. - AI로 펠트 소재 에셋을 대량 생성하면서 시도할 수 있는 시각적 테마와 질감의 범위가 넓어졌다. - 생성 결과물을 그대로 사용하는 데 그치지 않고, 이를 기반으로 추가 제작과 수정 작업을 이어갔다. ## 하루 만에 제작한 홍보 영상 - Weave는 FigCade의 April Fun Day 트레일러 제작에도 활용됐다. - 제품 관리자 Tara Nadella가 Weave에서 영상 콘셉트를 구상하고 필요한 요소를 생성했다. - 모션 디자이너 Fifi Law는 이를 Lesley의 시각 자료와 결합해 최종 영상을 제작했다. - 스토리보드에 필요한 요소를 빠르게 생성할 수 있었고, 트레일러 전체를 하루 만에 만들었다. ## Figma MCP로 디자인과 코드를 연결 - **Figma MCP 서버**는 디자인 탐색 결과를 실제 코드로 구현하는 데 사용됐다. - 개발자는 Claude와 GitHub Copilot을 Figma MCP에 인증한 뒤, 특정 디자인 컴포넌트 링크를 에이전트에 전달했다. - 에이전트는 해당 디자인 사양을 참고해 UI 변경에 필요한 코드를 생성했다. - 이를 통해 개발자는 디자인 맥락을 직접 확인하면서 시각적 요구사항에 맞는 코드를 작성할 수 있었다. - 프로젝트 전반에서 팀은 디자인과 코드 사이를 반복적으로 오가며 구현 결과를 조정했다. ## 실용적인 결론 - 아이디어 단계에서는 Figma Make로 빠르게 여러 프로토타입을 만들고, 사용자 반응을 기준으로 선별하는 방식이 효과적이다. - 시각적 에셋과 영상은 Figma Weave로 다양한 방향을 먼저 탐색한 뒤 사람이 다듬는 것이 적합하다. - Figma MCP는 디자인 컴포넌트와 코드의 연결을 강화하므로, UI 중심 개발에서 특히 유용하다. - AI를 완성품 자동 생성 도구보다 **빠른 탐색과 협업을 돕는 도구**로 활용할 때 가장 큰 효과를 얻을 수 있다.

gen-aiprototypinggithub-copilotfigma-make+2

figma2026년 3월 17일

디자인의 영향력은 커지고 있습니다. 그런데 왜 이것이 어렵게 느껴질까요? | Figma 블로그 (새 탭에서 열림)

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.

gen-aiaiuser-experience-designcloud-infrastructure+3

figma2026년 3월 2일

Config 2026 연사 (새 탭에서 열림)

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.

gen-aiaiai-agentmachine-learning+2

figma2026년 1월 4일

제약 사항을 활용한 (새 탭에서 열림)

디자인과 요리 모두 결과를 좌우하는 것은 사전 준비이며, AI 프롬프트도 마찬가지다. LLM은 공감이나 예의보다 명확한 지시와 제약 조건을 필요로 하므로, 자연어로 막연하게 요청하기보다 구조화된 입력을 제공해야 한다. 글은 디자이너가 AI의 확률적 결과를 의도적이고 반복 가능한 디자인 결과로 바꾸기 위한 프레임워크로 TC-EBC(Task, Context, Elements, Behavior, Constraints)를 제안한다. ## 명확성이 예의보다 중요한 이유 - LLM은 감정을 느끼는 존재가 아니라 입력을 해석하는 시스템이므로 “부탁해”, “고마워” 같은 표현은 필요하지 않다. - 지나치게 공손한 표현은 요구사항을 더 명확하게 만들기보다 모호성을 늘릴 수 있다. - 모델은 깨끗한 지시문, 분명한 맥락, 구체적인 제약 조건을 바탕으로 더 안정적인 결과를 만든다. - LLM의 출력은 확률적이고 가변적이지만, 디자인은 정밀하고 반복 가능하며 의도적이어야 한다. - 따라서 디자인 분야의 프롬프트 작성에는 단순한 언어 능력보다 시스템적 사고가 필요하다. ## 미장플라스: 프롬프트도 사전 준비가 핵심 - 요리에서 미장플라스(mise en place)는 조리 전에 재료와 도구를 모두 준비해 혼란을 줄이는 과정이다. - 프롬프트 역시 실행 전에 다음 요소를 정리해야 한다. - 명확한 작업 - 충분한 맥락 - 필요한 UI 요소 - 예상되는 동작 - 구체적인 제약 조건 - 사전 준비를 잘하면 결과물을 만든 뒤 수정하고 보완하는 비용을 줄일 수 있다. - 프롬프트 엔지니어링에서도 의도 정의, 모듈화, 예측 가능성, 제약 조건이 중요한 원칙으로 강조된다. - 중요한 것은 고정된 문법을 외우는 것이 아니라, 사용자의 의도와 모델의 해석을 일치시키는 것이다. ## TC-EBC 프레임워크 - **Task**: AI가 수행해야 할 핵심 작업을 정의한다. - **Context**: 제품의 목적, 사용자, 사용 환경을 설명한다. - **Elements**: 필요한 화면, 기능, 컴포넌트, 콘텐츠를 나열한다. - **Behavior**: 사용자의 행동과 시스템의 반응을 구체적으로 기술한다. - **Constraints**: 플랫폼, 접근성, 레이아웃, 대상 기기 등 지켜야 할 조건을 지정한다. ## 모호한 프롬프트와 구조화된 프롬프트의 차이 - 막연한 요청의 예시는 다음과 같다. - “식료품 저장 공간이나 냉동고 사진으로 레시피를 추천하는 앱을 만들어 주세요. 알레르기와 선호도도 기억해 주세요.” - 이 방식은 핵심 기능이 한 문장 안에 섞여 있고, 화면 구성과 동작 방식이 명확하지 않다. - 그 결과 기본 기능은 갖추지만 와이어프레임에 가까운 평범하고 제한적인 결과가 나올 수 있다. - 같은 요구를 TC-EBC로 바꾸면 다음처럼 구체화할 수 있다. - **Task**: 식료품 저장 공간·냉장고 사진을 활용한 AI 식사 추천 앱 제작 - **Context**: 식이 제한이 있는 가정을 위한 요리 보조 앱 - **Elements**: 카메라 입력, 식재료 스캐너, 식이 설정 폼, 식사 추천 목록, 레시피 카드 - **Behavior**: 사진 업로드 → 재고 분석 → 식이 선호도 필터링 → 레시피 추천 - **Constraints**: 모바일 우선, iOS·Android 지원, 접근성 UI, 여러 가족 프로필 지원 - 이렇게 작성하면 모델이 요구사항을 빠르게 파악하고, 원하는 UI와 동작을 포함한 결과를 생성할 가능성이 높아진다. ## 디자이너에게 필요한 프롬프트 작성 방식 - 프롬프트를 한 번에 길게 작성하기보다 요구사항을 역할별로 분리하면 모델의 추측 영역을 줄일 수 있다. - 특히 “무엇을 만들 것인가”뿐 아니라 “누가 사용하는가”, “어떻게 동작하는가”, “무엇을 반드시 지켜야 하는가”를 함께 제공해야 한다. - 구조화된 프롬프트는 디자인 시스템처럼 AI에게 적절한 방향과 범위를 제공한다. - Figma Make 같은 프롬프트 기반 프로토타이핑 도구에서는 시각적 결과와 상호작용이 모두 중요하므로, 기능 목록만 제시하는 것보다 화면 요소와 사용자 흐름까지 명시해야 한다. AI에게 원하는 결과를 얻으려면 자연어로 희망사항을 늘어놓기보다 TC-EBC 형식으로 요구사항을 정리하는 것이 좋다. 특히 Task와 Behavior를 분명히 하고, Elements와 Constraints를 구체적으로 적으면 확률적인 모델 출력을 더 예측 가능하고 실용적인 프로토타입으로 유도할 수 있다.

gen-aidesign-systemsllmprototyping+2

figma2025년 12월 9일

Figma의 정밀한 (새 탭에서 열림)

Figma는 이미지 편집을 다른 도구로 옮기지 않고 캔버스 안에서 처리할 수 있도록 세 가지 AI 기능을 공개했다. **Erase object**, **Isolate object**, **Expand image**를 통해 특정 객체 제거·분리·수정과 이미지 비율 확장이 가능해져, 디자인 작업의 정밀도와 효율성이 높아진다. 기존의 배경 제거·자르기 기능도 새 이미지 편집 툴바에 통합해 이미지 작업 흐름을 단순화했다. ## 객체 지우기와 분리 편집 - 이미지에서 올가미로 원하는 객체를 선택할 수 있다. - **Erase object**는 선택한 객체를 이미지에서 완전히 제거한다. - **Isolate object**는 객체나 사람을 배경과 분리해 편집하거나 위치를 조정한다. - 분리한 객체에 다음과 같은 효과를 적용할 수 있다. - 조명 조정 - 색상 변경 및 보정 - 채도 조절 - 초점 및 흐림 효과 - 그림자 추가 - 제품 사진에서 주요 부품을 밝게 하거나, 방해 요소를 제거해 제품을 강조하는 용도로 활용할 수 있다. - 텍스트 프롬프트 기반의 기존 **Edit image** 기능과 함께 사용해 생성형 편집과 세밀한 수정을 결합할 수 있다. ## 왜곡 없이 이미지 확장 - **Expand image**는 이미지의 배경을 AI로 확장해 새로운 종횡비에 맞춘다. - 기존처럼 이미지를 단순히 잘라 구도를 바꾸지 않아도 된다. - 이미지의 주요 피사체와 맥락을 유지하면서 데스크톱·모바일·소셜 미디어 등 다양한 규격에 적용할 수 있다. - 예를 들어 정사각형 제품 이미지를 웹 배너로 확장해 텍스트를 배치할 공간을 만들 수 있다. - 이미지 자체를 늘려 왜곡하는 방식이 아니라, 주변 배경을 자연스럽게 생성하는 방식이다. ## 통합 이미지 편집 툴바 - 새 툴바에서 기존 기능과 신규 AI 기능을 한곳에서 사용할 수 있다. - Remove background - Crop - Erase object - Isolate object - Expand image - AI 이미지 생성·편집 - 자주 사용되는 **Remove background** 기능의 접근성을 높여 이미지 편집 흐름을 개선했다. - 서로 다른 출처와 형식의 로고·제품 이미지를 통일된 스타일로 정리할 수 있어 마케팅 자료와 UI 목업 제작에 유용하다. ## 지원 제품과 이용 조건 - 기능은 Figma Design과 Figma Draw에서 제공된다. - AI가 활성화된 Professional, Organization, Enterprise 요금제의 Full seat 사용자가 이용할 수 있다. - FigJam, Slides, Buzz(beta)에서도 접근 가능하며, 해당 제품에서는 Dev·Collab·View seat에도 제공된다. - AI 기능 사용에는 크레딧이 차감된다. - Figma는 향후 더 많은 제품으로 기능을 확대할 예정이다. 실무에서는 제품 사진의 불필요한 요소 제거, 채널별 이미지 비율 조정, 배경·색상 통일 작업에 특히 효과적이다. 다만 AI 이미지 편집은 크레딧을 사용하므로 반복 수정이 많은 작업에서는 결과를 먼저 확인한 뒤 필요한 영역에 선택적으로 적용하는 것이 좋다.

gen-aifigmafigjamfigma-slides+3

figma2025년 11월 11일

피그마, 인도에 새로운 (새 탭에서 열림)

피그마(Figma)는 인도 벵갈루루에 새로운 허브를 설립하며 세계에서 두 번째로 큰 시장인 인도 내 제품 개발 커뮤니티에 대한 투자를 본격화했습니다. 이번 확장은 AI 기술 도입이 활발한 인도 시장의 특성을 반영하여, 피그마가 단순한 디자인 도구를 넘어 제품 개발 전 과정을 아우르는 AI 기반 협업 플랫폼으로 진화하려는 전략적 움직임입니다. 이를 통해 피그마는 글로벌 사용자의 85%를 차지하는 해외 시장에서의 영향력을 강화하고 사용자 중심의 기술 혁신을 가속화할 방침입니다. **인도 시장의 전략적 가치와 AI 도입 현황** * 인도는 월간 활성 사용자(MAU) 기준 피그마의 세계 2위 시장이며, BSE100(인도 상장사 100대 기업) 기업의 40% 이상이 이미 피그마를 도입했습니다. * 현지 리서치 결과, 인도 디자이너의 93%가 업무에 AI를 활용하고 있으며, 개발자의 81%는 AI 기반 제품의 성공에 디자인이 과거보다 더 중요해졌다고 응답했습니다. * Flipkart, Zomato, Swiggy 등 인도의 대표적인 유니콘 기업들이 피그마를 통해 디자인과 개발의 간극을 줄이고 제품 출시 속도를 높이고 있습니다. **글로벌 네트워크 확장 및 커뮤니티 성장** * 피그마는 매출의 약 50%가 미국 외 시장에서 발생함에 따라 도쿄, 싱가포르, 런던, 파리, 베를린 등에 이어 벵갈루루에 신규 거점을 마련하며 글로벌 운영을 강화하고 있습니다. * 인도 내 'Friends of Figma' 커뮤니티 멤버는 약 25,000명에 달하며, 이들은 전 세계에서 가장 활발하게 디자인 시스템과 협업 툴을 활용하는 집단 중 하나로 꼽힙니다. **Figma Weave와 AI 중심의 제품 혁신** * 생성형 AI 플랫폼인 'Weavy'를 인수하여 'Figma Weave'를 새롭게 선보였으며, 이를 통해 캔버스 내에서 이미지, 비디오, 애니메이션, VFX 등 미디어 자산의 생성 및 전문적 편집이 가능해집니다. * **Figma Make**: 텍스트 프롬프트나 간단한 디자인 초안을 즉시 프로토타입이나 실제 앱 형태로 변환해 주는 기능을 지원합니다. * **영역별 특화 도구**: 개발 생산성을 높이는 'Dev Mode', 동적 웹사이트 제작을 돕는 'Figma Sites', 마케팅 에셋을 대량 생산하는 'Figma Buzz' 등 제품군을 확장했습니다. * **협업 도구 고도화**: 인터랙티브 프레젠테이션 툴인 'Figma Slides'와 고급 벡터 드로잉 도구인 'Figma Draw'를 통해 기획부터 실행까지의 워크플로우를 통합했습니다. 피그마는 이제 디자인 도구를 넘어 기획자, 디자이너, 개발자가 AI를 매개로 소통하는 통합 제품 개발 플랫폼으로 완전히 탈바꿈하고 있습니다. 기업들은 피그마의 새로운 AI 기능들을 활용해 아이디어를 실제 제품으로 구현하는 시간을 단축하고, 디자인 시스템의 일관성을 유지하면서도 창의적인 실험을 지속할 수 있는 환경을 구축할 것을 권장합니다.

gen-aifigmaaidesign-systems+4

figma2025년 11월 5일

ServiceNow와 Figma, (새 탭에서 열림)

ServiceNow와 Figma가 전략적 파트너십을 맺고 디자인 비전을 엔터프라이즈 애플리케이션으로 신속하게 전환할 수 있는 AI 기반 통합 기능을 공개했습니다. 양사는 Figma의 모델 컨텍스트 프로토콜(MCP) 서버를 활용해 디자인 환경과 ServiceNow의 AI 플랫폼을 직접 연결함으로써, 시각적 구상을 단 몇 분 만에 실제 작동하는 기업용 소프트웨어로 자동 생성하는 환경을 구축했습니다. 이를 통해 개발자는 코딩 시간을 획기적으로 단축하고, 기업은 보안과 거버넌스가 보장된 고품질 앱을 가속화된 속도로 배포할 수 있게 되었습니다. **MCP 기반의 지능형 설계 및 배포 프로세스** * **직접 프롬프트 입력:** ServiceNow의 통합 개발 환경(IDE) 사용자는 Figma 디자인 링크를 ServiceNow Build Agent에 직접 프롬프트로 제공할 수 있습니다. * **구조적 디자인 해석:** Figma의 MCP 서버와 Code Connect 기술을 통해 Build Agent는 단순한 이미지를 넘어 디자인의 레이아웃, 컴포넌트, 스타일을 구조적으로 깊이 있게 이해합니다. * **자동 앱 생성:** 에이전트가 해석된 디자인 컨텍스트를 바탕으로 보안성과 확장성을 갖춘 완전한 기능의 엔터프라이즈 애플리케이션을 자동으로 구축합니다. **디자인 의도와 코드 간의 간극 해소** * **고충실도(High-Fidelity) 구현:** 디자인의 세부 의도가 코드에 정확히 반영되도록 지원하여, 초기 프로토타입과 최종 제품 간의 차이를 최소화합니다. * **개발 생산성 향상:** 전문 개발자는 반복적인 수동 코딩 시간을 줄일 수 있으며, 비전공자나 제품 빌더들도 자신의 아이디어를 실제 작동하는 앱으로 빠르게 변환할 수 있습니다. * **차별화된 사용자 경험:** AI 기반 소프트웨어 개발 환경에서 디자인을 핵심 차별화 요소로 삼아 사용자 중심의 엔터프라이즈 경험을 제공합니다. **기업 수준의 보안 및 거버넌스 프레임워크** * **안전한 인증 체계:** OAuth 2.0 인증과 보안 서버 간 통신을 사용하여 데이터 프라이버시와 규정 준수를 보장합니다. * **데이터 제어:** 모든 토큰은 고객의 ServiceNow 인스턴스 내에 저장되며, 외부로 유출되지 않는 안전한 통신 환경을 유지합니다. * **내장된 관리 기능:** 생성된 모든 앱은 ServiceNow 플랫폼의 권한 설정, 감사 추적(Audit trails), 버전 관리 기능을 그대로 상속받아 기업의 거버넌스 표준을 충족합니다. 이번 통합 기능은 ServiceNow Store의 최신 Build Agent 릴리스를 통해 제공됩니다. 디자인과 개발 프로세스의 단절을 줄이고 엔터프라이즈 앱 배포의 효율성을 극대화하려는 조직이라면, Figma의 MCP 통합을 통해 워크플로우를 자동화하고 제품의 시장 출시 속도를 높이는 것을 적극 권장합니다.

gen-aifigmamodel-context-protocolworkflow-automation+4

figma2025년 10월 29일

Figma Weave를 소개합니다: (새 탭에서 열림)

Figma는 생성형 AI 미디어 제작 플랫폼 Weavy를 인수하고, 이를 **Figma Weave**로 통합한다고 발표했습니다. Figma는 AI가 생성한 결과물을 최종 결과가 아닌 창작의 출발점으로 보고, 인간의 편집·판단·기술과 AI 생성을 결합해 이미지·영상·애니메이션·모션 디자인·VFX 제작 기능을 강화하려 합니다. Weave는 여러 AI 모델과 전문 편집 도구를 브라우저 기반 캔버스에서 제공하며, Figma의 창작·협업 플랫폼 확장을 이끌 예정입니다. ## Figma Weave 인수와 AI 창작 비전 - Figma는 2025년 10월 30일 Weavy 인수를 발표했습니다. - Weavy는 인수 후 **Figma Weave**라는 이름으로 Figma 플랫폼에 합류합니다. - 주요 확장 분야는 다음과 같습니다. - 이미지 생성 및 편집 - 영상 제작 - 애니메이션과 모션 디자인 - 시각효과(VFX) - Figma는 첫 번째 프롬프트의 결과를 완성품으로 보지 않고, 창작자가 다듬고 발전시킬 수 있는 새로운 매체로 바라봅니다. - 단순히 “충분히 괜찮은” AI 결과물을 넘어, 인간의 감각과 전문성을 더해 독창적인 결과를 만들어야 한다는 관점을 강조합니다. ## 생성형 AI와 전문 편집의 결합 - Weavy는 여러 생성형 AI 모델을 하나의 브라우저 기반 캔버스에서 사용할 수 있도록 제공합니다. - 작업 목적에 따라 모델을 선택할 수 있습니다. - **Seedance, Sora, Veo**: 영화적 영상 제작 - **Flux, Ideogram**: 사실적인 이미지 생성 - **Nano-Banana, Seedream**: 정밀한 결과와 세부 조정 - AI 생성 결과에 수작업 편집을 결합할 수 있습니다. - 조명 조정 - 객체 마스킹 - 색보정 - 생성 요소의 합성 및 수정 - 하나의 결과물이 다음 작업의 입력으로 이어지는 유연한 미디어 파이프라인을 제공합니다. ## 노드 기반 작업 방식 - Weavy의 핵심은 생성 및 편집 과정을 시각적으로 연결하는 **노드 기반 캔버스**입니다. - 결과물을 여러 갈래로 분기하고, 서로 다른 버전을 리믹스하거나 반복적으로 개선할 수 있습니다. - 탐색적인 AI 생성과 정밀한 전문 편집을 하나의 작업 흐름에서 결합합니다. - 단순한 자동화 도구가 아니라, 사용자가 창작 과정 전체를 통제할 수 있는 환경을 지향합니다. - Figma는 Weavy가 접근성, 단순성, 강력한 기능 사이의 균형을 잘 구현했다고 평가했습니다. ## 다양한 창작 분야에서의 활용 - Weavy는 출시 후 1년이 되지 않은 기간에도 독립 창작자부터 대기업까지 커뮤니티를 확장했습니다. - 활용 사례는 다음과 같습니다. - 건축가: 공간 스테이징 이미지 생성 - VFX 아티스트: 게임·방송·영화용 효과 제작 - 마케터: 소셜 미디어용 영상과 배너 제작 - 디자이너: 제품 목업, 브랜딩, 디자인 에셋 제작 - 텔아비브를 중심으로 팀을 확장하고 있으며, 향후 Figma Weave의 제품 로드맵을 지원할 계획입니다. ## Weavy의 정체성과 Figma의 확장 - Weavy는 2024년 텔아비브에서 설립된 AI 기반 미디어 생성·편집 플랫폼입니다. - 주요 구성 요소는 다음과 같습니다. - 최신 AI 모델 - 전문 편집 도구 - 시각적 노드 기반 작업 공간 - Weavy는 창작을 단순화하는 데 그치지 않고, 창작자의 과정과 숙련도를 보존하면서 콘텐츠 제작을 확장하는 것을 목표로 합니다. - 이를 **“예술적 지능(artistic intelligence)”**이라고 표현하며, 인간의 예술성과 지능형 시스템의 결합을 강조합니다. - Figma는 이번 인수를 통해 기존 디지털 제품 디자인 중심 플랫폼에서 더 넓은 미디어 창작 플랫폼으로 확장하려 합니다. Figma Weave는 AI가 만든 결과물을 그대로 사용하는 대신, 생성·편집·반복·협업을 하나의 흐름으로 연결하려는 시도입니다. 생성형 AI를 단순한 이미지·영상 생성기로 보기보다 전문 창작자의 작업을 강화하는 도구로 활용하려는 팀이라면, 노드 기반 편집과 다양한 모델을 결합하는 접근 방식에 주목할 만합니다.

gen-aifigma-weaveimage-generationai-models+4

figma2025년 10월 7일

Figma Make와 함께 디자인 (새 탭에서 열림)

Figma Make는 자연어 프롬프트와 기존 디자인을 바탕으로 작동하는 고충실도 프로토타입을 만들어, 아이디어를 빠르게 검증하고 공유하도록 돕는다. 글은 Maven Clinic, Pendo, ServiceNow, LinkedIn의 사례를 통해 디자인팀이 보류된 아이디어를 되살리고, 새로운 방향을 탐색하며, 협업하고, 디자인 시스템의 일관성을 유지하는 방법을 소개한다. 핵심은 디자이너가 반복적인 제작보다 문제 정의와 전략, 사용자 경험의 완성도에 더 집중하게 된다는 점이다. ## Figma Make가 디자인 탐색을 바꾸는 방식 - Figma Make는 프롬프트를 입력해 앱과 인터페이스를 생성하는 도구다. - 초기 아이디어를 단순한 목업이 아니라 직접 조작할 수 있는 프로토타입으로 발전시킨다. - 프로토타입을 통해 팀은 기능의 타당성, 사용자 흐름, 마이크로인터랙션을 더 빠르게 검토할 수 있다. - 디자인팀은 반복적인 레이아웃 제작과 프로토타이핑에 쓰는 시간을 줄이고, 취향·전략·비전에 집중할 수 있다. - Figma Make에서 만든 결과물을 Figma Design 캔버스로 복사해 세부 수정과 반복 작업을 이어갈 수 있다. ## 보류된 아이디어를 제품 로드맵으로 되돌리기 Maven Clinic은 난임 클리닉을 지도에서 찾는 기능을 출시 일정 때문에 보류했지만, Figma Make로 기능의 가능성을 설득할 수 있는 인터랙티브 프로토타입을 제작했다. - 초기 디자인을 Figma Make에 입력해 실제 제품처럼 보이고 작동하는 고충실도 프로토타입을 만들었다. - 완성도 높은 결과물이 Slack에서 널리 공유되고 CEO의 관심을 이끌어내면서, 우선순위에서 밀릴 수 있었던 기능을 다시 로드맵에 올렸다. - 다른 디자이너가 결과물을 수정한 뒤 Figma Make로 되돌리는 방식으로 디자인을 반복 개선했다. - 정적인 목업으로는 발견하기 어려운 마이크로인터랙션과 사용 흐름의 문제를 조기에 파악했다. - 팀은 “0에서 시작”하는 대신 어느 정도 구현된 상태에서 출발했고, 그 결과 클리닉 파인더 MVP를 4개 미만의 스프린트로 설계·개발·테스트·출시했다. - 2년 동안 백로그에 머물던 아이디어를 빠르게 검증 가능한 제품으로 전환한 사례다. ## 탐색과 협업을 위한 공통 활용 방향 글은 다음과 같은 네 가지 활용 방향을 제시한다. - **로드맵에 아이디어 되살리기**: 인터랙티브 프로토타입으로 이해관계자의 관심과 투자 결정을 이끌어낸다. - **미지의 영역을 탐색하기**: 여러 디자인 방향을 짧은 시간 안에 시도해 빈 캔버스에서 시작하는 부담을 줄인다. - **새로운 인터페이스를 함께 개선하기**: 디자이너와 제품·개발 등 다른 직군이 실제로 조작 가능한 결과물을 보며 구체적인 피드백을 주고받는다. - **초기 탐색에 디자인 시스템 반영하기**: 빠르게 만든 시안도 기존 제품의 시각 언어와 컴포넌트 체계를 유지해, 탐색과 일관성을 동시에 확보한다. ## 프로토타입이 PRD보다 먼저 올 수 있다 - Maven Clinic 사례에서는 프로토타입을 먼저 만든 뒤, 실제로 잘 작동한 부분과 부족한 부분을 바탕으로 제품 요구사항 문서(PRD)를 작성했다. - Figma Make 결과물은 추상적인 요구사항을 구체적인 사용자 흐름으로 바꿔준다. - 팀은 “무엇을 만들 것인가”뿐 아니라 “어떤 상호작용이 필요한가”, “어디서 사용성이 떨어지는가”를 초기에 논의할 수 있다. - 따라서 프로토타입이 요구사항을 검증하는 산출물을 넘어, 요구사항 자체를 구체화하는 출발점이 될 수 있다. ## 디자이너의 역할 변화 Figma Make는 디자이너의 역할을 실행 중심에서 판단과 방향 설정 중심으로 이동시킨다. - 반복적인 화면 제작보다 다양한 가능성을 빠르게 비교한다. - 팀의 논의를 시각적이고 조작 가능한 결과물로 전환한다. - 초기 단계에서 사용자 경험과 세부 상호작용을 검증한다. - 최종적으로는 생성된 결과물을 그대로 사용하는 것이 아니라, 디자이너의 취향과 전략적 판단으로 다듬는다. 실무에서는 Figma Make를 완성품 생성 도구로 보기보다, 아이디어를 빠르게 구체화하고 팀의 피드백을 모으는 탐색 도구로 활용하는 것이 효과적이다. 특히 장기간 보류된 기능이나 이해관계자의 동의를 얻기 어려운 아이디어를 실제로 경험 가능한 프로토타입으로 만들어 검증하는 데 유용하다.

gen-aidesign-systemsprototypingcollaboration+2