TL;DR

  • 범용 AI 모델은 전문적으로 제작된 레이어형 그래픽 학습 데이터와 디자인 지식이 부족해, 49개 전문 디자인 과제 중 대부분을 완전히 해결하지 못함.
  • 생성형 인공지능(AI)이 저품질 콘텐츠를 대량 생산하면서 스팸·잡문·클릭베이트와 유사한 ‘AI 슬롭’과 창작물의 획일화가 확산됨.
  • 텍스트-이미지 모델은 수정할 때마다 이미지를 재구성하며, 긴 글·영어 이외의 텍스트·브랜드 글꼴·로고·인쇄용 고해상도 디자인 처리에 한계를 보임.
  • Grafista는 콘텐츠 분석, 레이아웃 계획, 이미지 검색, 디자인 검토를 포함하는 도메인 특화 플랫폼과 편집 가능한 블루프린트(Blueprints)를 활용함.
  • 협업, 브랜드 키트, 인쇄용 디자인 품질, 온라인 게시 기능도 팀의 실무에 필요한 요소로 제시됨.

AI 슬롭의 확산

  • 저품질 대량 생산 콘텐츠는 스팸, 잡문, 클릭베이트 등으로 불려 온 오래된 문제이며, 출판이 쉬워지는 신기술이 등장할 때마다 시장에 저품질 콘텐츠가 넘쳐나는 양상임.
  • 구텐베르크의 인쇄기 발명 이후에도 품질이 의심스러운 저렴한 소책자인 챕북(chapbook)이 등장했으며, 소셜 미디어 같은 새로운 기술과 매체 채널은 콘텐츠 수요를 높여 창작자가 품질보다 수량을 우선하게 만드는 요인임.
  • 익명 계정 @deepfates의 게시물로 ‘슬롭’이라는 용어가 널리 알려졌으며, 위키피디아가 ‘노력, 품질 또는 의미가 부족하다고 여겨지는 생성형 인공지능 기반 디지털 콘텐츠’라고 설명하는 현상임.
  • Merriam-Webster 사전은 ‘Slop’을 2025년 올해의 단어로 선정함.
  • 주요 플랫폼도 AI 슬롭에 대응 중이며, Spotify는 스팸성 트랙 7,500만 개를 삭제했고 Pinterest는 이용자가 보는 생성형 AI 콘텐츠 양을 제한하도록 허용하며 LinkedIn은 게시물을 AI 슬롭으로 신고하는 버튼을 개발함.
  • 문제는 품질 저하에 그치지 않음. 모두가 같은 범용 도구와 기본 프롬프트를 사용하면 결과물이 서로 비슷해지는 ‘알고리즘적 단일문화(algorithmic monoculture)’ 또는 ‘창작물의 동질화(creative homogenization)’가 발생함.
  • 글의 AI 슬롭은 엠 대시(—)나 ‘X가 아니라 Y’ 같은 표현으로 짐작할 수 있지만, 그래픽 디자인 결과물에서는 문제를 더 쉽게 확인할 수 있다는 설명임.

범용 AI 모델이 그래픽 디자이너로서 부족한 이유

  • 포스터 같은 그래픽 디자인 결과물은 타이포그래피, 글꼴 조합, 이미지, 장식 요소, 색채 이론, 브랜드 정체성, 공간 배치 등을 종합한 결과물임.
  • 이 요소들을 아름다우면서도 효과적으로 소통하도록 결합하는 작업이 그래픽 디자인임.
  • 범용 모델이 전문 디자이너의 결과물에 미치지 못하는 주요 원인 중 하나는 학습 데이터임. 주요 연구소 가운데 전문적으로 제작된 레이어형 그래픽을 핵심 학습 데이터로 사용한다고 공개적으로 설명한 곳은 없음.
  • 여기서 중요한 특성은 ‘레이어형’이라는 점임. 모델이 각 요소의 모양과 요소 간 관계를 학습하려면 평면 이미지가 아니라 요소별 X/Y 좌표와 글꼴 정보 같은 메타데이터를 보존하는 파일 형식으로 학습해야 함.
  • 이러한 데이터셋은 거의 존재하지 않으며, 그 결과 범용 모델에는 필수적인 그래픽 디자인 지식이 부족함.
  • GraphicDesignBench(GDB)는 GPT-5.4, Gemini-3.1-Pro, Claude Opus 4.6 같은 모델을 대상으로 다섯 가지 디자인 분야와 두 가지 모드에 걸친 49개 과제를 평가하는 최초의 대규모 벤치마크임.
  • 49개 과제 가운데 2개는 대부분 해결, 25개는 일부 해결, 22개는 미해결로 평가됨.

“어떤 모델도 전문 디자인 작업을 수행할 준비가 되지 않음.”

  • 전문가들은 그래픽 디자인이 반복적인 작업 과정이라는 데 동의하며, 이에 따라 제대로 된 그래픽 디자인 플랫폼은 요소를 수동으로 변경·이동·추가·삭제할 수 있도록 함.
  • 텍스트-이미지 모델은 변경을 요청할 때마다 이미지 전체를 재구성하므로 결과물이 기존 이미지와 정확히 같지 않을 가능성이 있음.
  • 텍스트-이미지 모델의 한계는 다음과 같음.
  • 긴 형식의 콘텐츠 처리에 어려움
  • 영어 이외의 텍스트 처리에 어려움
  • 브랜드 전용 글꼴 처리에 어려움
  • 로고를 왜곡 없이 안정적으로 다루지 못함
  • 스톡 사진을 쉽게 통합하지 못함
  • 인쇄용 고해상도 디자인을 만들지 못함
  • 가장 작은 수정에도 비용 발생

Grafista가 AI 슬롭에 대응하는 방식

  • Grafista의 기본 전제는 수동 작업, 디자인 지식, 프롬프트 작성 능력 없이도 누구나 빠르게 세계적 수준의 디자인을 만들 수 있도록 하는 것임.
  • 유능한 모델만으로 부족하더라도 AI 슬롭이 계속될 수밖에 없는 것은 아니라는 관점임.
  • 데이터뿐 아니라 모델을 둘러싼 소프트웨어 인프라인 하네스(harness)도 중요함. 하네스에는 오케스트레이션 루프, 웹 검색 같은 도구, 메모리, 컨텍스트 관리, 오류 처리, 가드레일 등이 포함됨.
  • 하네스는 범용 모델을 강력한 그래픽 디자이너로 전환할 수 있는 요소임.
  • 초보자에게 디자인 기초를 가르치는 것처럼 모델에도 디자인 구성법, 요소 배치, 요소 사이의 간격, 강조 지점을 먼저 학습시켜야 함.
  • 모델이 뛰어난 디자인의 모습을 알지 못하면 훌륭한 디자인을 생성할 수 없으므로 고품질 사례도 다수 필요함.
  • 기초를 마련한 뒤에는 여러 요소를 일관된 결과물로 통합할 아키텍처가 필요함.
  • Grafista의 블록 기반 텍스트 편집기는 이용자 콘텐츠를 모델이 이해하고 정보의 위계, 예를 들어 제목과 강조할 요소를 파악하도록 지원함.
  • 모델은 이용자의 지시에 따라 레이아웃과 구성을 계획하고 색상, 글꼴, 로고, 이미지, 장식 요소를 적절한 위치에 배치함.
  • 이용자가 콘텐츠 외에 별도 자료를 제공하지 않은 경우 모델은 원하는 분위기, 예를 들어 우아하거나 현대적인 분위기에 맞는 글꼴과 색상을 선택하고 아이콘·도형·일러스트 같은 장식 요소를 생성함.
  • 이용자가 제공한 이미지를 배치하거나 관련 이미지를 웹에서 검색하는 기능도 포함됨.
  • 각 구성 요소를 미적으로 만족스럽고 완전히 편집 가능한 디자인으로 결합하며, 이용자의 지시나 브랜드 가이드라인을 반영함.
  • 마지막 단계에서 간격, 정렬, 넘침, 가독성을 검토하고 구성이 효과적으로 정보를 전달하는지 평가한 뒤 오류를 찾아 수정함.
  • Grafista의 또 다른 기능인 블루프린트(Blueprints)는 수동 편집이 필요 없는 전통적인 디자인 템플릿의 현대적 변형임.
  • 블루프린트는 다른 사람이 만든 디자인으로, 그 스타일을 이용자 콘텐츠에 자동 적용함. 마음에 드는 디자인을 가리키며 ‘내 콘텐츠를 이렇게 보이게 해 달라’고 요청하는 방식임.
  • 처음부터 시작하고 싶지 않을 때 영감을 제공하며, 레이아웃, 간격, 시각적 방향과 디자인 지식이 필요한 세부 요소를 처리함.
  • Grafista 같은 도메인 특화 플랫폼의 필요성은 디자인 결과물의 품질뿐 아니라 협업, 브랜드 키트, 인쇄용 디자인 품질, 온라인 게시 등 팀의 일상 업무에 필요한 기능에서도 드러남.
  • Grafista는 무료로 이용할 수 있음.