디자이너가 AI에 처음 기대는 것은 보통 “AI가 디자인을 대신 완성해주길” 바라는 환상이다. 오늘의집의 Gongdee도 처음에는 Claude Code + MCP로 피그마에 직접 화면을 그리게 했지만, 한 화면에 20분이 걸리고 결과물은 손봐야 할 수준이었다. 숙련된 디자이너가 직접 그리면 5분이면 충분한 작업을 오히려 더디게 만든 셈이다.
여기서 중요한 깨달음이 나온다. AI를 ‘생산성 도구’가 아니라 ‘의사결정 가속 도구’로 용도를 전환하는 것이다. 디자인 과정에서 진짜 병목은 ‘그리는 속도’가 아니라 ‘어떤 방향이 맞는지 결정하는 속도’다. 초안 단계에서 여러 갈래의 시안을 동시에 펼쳐보고, 팀과 당일 논의를 시작할 수 있게 된 점이 가장 큰 변화였다. UT 데이터 세팅도 마찬가지로 — 유저 ID 하나로 실제 데이터를 한 번에 주입하면서 2시간 작업이 15분으로 줄었다.
이 사례는 AI를 ‘대체자’가 아니라 ‘증폭자’로 써야 한다는 원칙을 디자인 도메인에 명확히 보여준다. 완성된 결과물보다 ‘판단의 질’을 높이는 데 AI를 투입하는 전략이 훨씬 더 큰 시간 절감과 팀 만족도를 가져온다.
근거
Gongdee의 구체적 측정 결과: “시안 작업 : 34일 → 반나절”, “UT 데이터 세팅 : 참여자 5명 기준 2시간 → 15분”. 또한 AI가 직접 그리는 시도는 “화면 하나 그리는 데 1520분”으로 오히려 비효율적이었다.
“AI가 피그마에 완벽한 화면을 바로 그려주길 기대했지만, 진짜 효과적이었던 건 … AI로 빠르게 검증하고 확정된 방향을 피그마에서 완성하는 흐름”
연결된 생각
- 20260512-ai-design-validation-workflow — 이 인사이트를 체계화한 개념
- 20260512-interactive-spec-eliminates-repeated-questions — 같은 원칙이 정책 커뮤니케이션에 적용된 사례
- ai-copilot-for-design-decision — AI를 조종사가 아닌 의사결정 보조자로 보는 관점