AI를 기획에 들이는 법

앞선 글에서 우리는 한 번 '해도 되는가'를 물었다. AI가 만든 얼굴은 누구의 것인지, 어디까지가 가능한 일이고 어디부터가 책임의 영역인지. 그 질문은 여전히 유효하다. 그러나 그 선을 넘지 않기로 정한 뒤에도, 책상 앞에는 또 다른 질문이 남는다. 그래서, 이걸 실제로 어떻게 쓰는가.

도구는 이미 와 있다. 리서치를 거들고, 시안을 토해 내고, 카피를 수십 개씩 뽑아 준다. 문제는 그 능력을 어디에 어떻게 꽂아 넣느냐다. 잘못 들이면 작업이 빨라지는 게 아니라 검수만 늘어난다. 이 글은 윤리의 선이 아니라 '워크플로의 선'에 관한 이야기다 — 생성형 AI를 기획 공정의 어느 칸에, 어떤 방식으로 끼워 넣을 것인가.

어디에 쓰는가 — 공정의 칸을 먼저 본다

생성형 AI를 '도입한다'는 말은 종종 너무 뭉툭하다. 기획은 하나의 작업이 아니라 여러 칸으로 나뉜 공정이고, 도구가 잘 맞는 칸과 그렇지 않은 칸이 따로 있다.

대체로 발산에 가까운 칸일수록 도구의 쓸모가 크다. 시장과 레퍼런스를 훑는 리서치, 타깃을 그려 보는 페르소나 스케치, 콘셉트를 비트는 아이디에이션, 무드의 결을 잡는 비주얼 시안, 장면을 미리 깔아 보는 영상 콘티, 톤을 바꿔 가며 굴리는 카피, 그리고 빈 화면을 메우는 기획안 초안 — 이런 자리에서 AI는 '0을 1로' 만드는 시간을 크게 줄여 준다. 일반적으로 그렇게 알려져 있고, 실무에서도 대체로 그 방향으로 쓰인다.

AI는 기획을 대신하지 않는다. 기획이 시작되는 빈 화면의 공포를 대신 견뎌 줄 뿐이다.

반대로 최종 판단이 걸린 칸 — 무엇을 고를지, 무엇을 버릴지, 이 결정이 팬에게 닿는지를 가리는 자리 — 에서는 도구의 몫이 급격히 줄어든다. 그 경계를 먼저 그어 두는 것이, 좋은 프롬프트를 찾는 일보다 먼저다.

프롬프트보다 문제 정의가 먼저다

도구를 처음 손에 쥔 사람은 대개 '어떻게 물어야 좋은 답이 나오는가'에 매달린다. 그러나 더 자주 결과를 망치는 것은 어설픈 프롬프트가 아니라, 흐릿한 문제다.

"멋진 콘셉트 좀 뽑아 줘"라는 요청에 돌아오는 것은 멋져 보이지만 아무 데도 쓸 수 없는 평균값이다. 같은 도구에 "10대 후반 팬을 겨냥한, 오프라인 팝업의 첫 3초 후킹을 위한 비주얼 톤, 차분하기보다 과감한 쪽으로"라고 물으면 결과의 결이 달라진다. 차이를 만든 것은 프롬프트 기술이 아니라, 내가 풀려는 문제를 내가 얼마나 또렷이 알고 있었는가다.

흐릿한 질문은 흐릿한 답을 부른다. AI는 우리가 생각을 게을리한 그 자리를 정확히 비춰 보여 준다.

이것은 도구의 한계가 아니라 오히려 쓸모다. 좋은 입력을 만들려 애쓰는 과정에서, 기획자는 자기도 미처 정리하지 못했던 문제의 윤곽을 강제로 마주하게 된다. 좋은 프롬프트를 쓰는 일과 좋은 기획을 하는 일은, 생각보다 가까이 붙어 있다.

발산은 도구에, 판단은 사람에

생성형 AI를 건강하게 들이는 가장 단순한 원칙은 분업의 선을 분명히 긋는 것이다. 펼치는 일은 도구에 맡기고, 고르는 일은 사람이 쥔다.

도구는 지치지 않는다. 같은 콘셉트의 변주 서른 개를, 어조가 다른 카피 쉰 줄을, 무드가 갈라지는 시안 여러 장을 군말 없이 뽑아낸다. 발산의 단계에서 이보다 든든한 동료는 없다. 그러나 그 서른 개 중 무엇이 우리 브랜드의 온도에 맞는지, 어떤 카피가 팬의 마음을 건드리는지, 어느 시안이 다음 분기 콘셉트와 충돌하는지 — 이 판단은 도구가 대신해 줄 수 없는 영역이다.

여기서 분업의 방향을 거꾸로 잡으면 사고가 난다. 발산을 사람이 붙잡고 있으면 속도를 잃고, 판단을 도구에 떠넘기면 책임을 잃는다. AI에게 "이 중에 제일 좋은 게 뭐야"를 묻는 순간, 우리는 가장 중요한 결정을 평균값에게 위임한 셈이 된다. 도구는 더 많은 선택지를 만드는 기계이지, 선택을 내려 주는 기계가 아니다.

반복·검증 루프에 끼워 넣는다

AI의 진짜 힘은 한 방의 결과물이 아니라, 빨리 돌릴 수 있는 한 바퀴에 있다. 기획의 한 사이클 — 만들고, 보고, 고치고, 다시 만드는 그 루프 — 의 회전 속도를 끌어올리는 자리에 도구를 끼워 넣을 때, 효과가 가장 또렷하다.

거친 시안을 빠르게 띄워 팀이 같은 그림을 보게 하고, 그 위에서 "이건 너무 무겁다, 더 가볍게"라는 방향을 다시 도구에 던지고, 또 한 장을 받아 보는 식이다. 완성품을 한 번에 받겠다는 기대를 버리고, 거친 버전을 여러 번 굴리는 도구로 다룰 때 AI는 제값을 한다. 앞선 방법론 글에서 말한 발산-수렴-검증의 한 바퀴, 그 회전반에 모터를 다는 일에 가깝다.

도구의 값어치는 한 번의 결과가 아니라, 한 바퀴를 얼마나 빨리 도느냐로 매겨진다.

다만 루프를 빨리 돌릴수록, 매 바퀴 끝에 사람의 점검을 거는 일이 더 중요해진다. 속도가 빠른 만큼 틀린 방향으로도 빨리 달려가기 때문이다. 빠르게 돌리되, 매 바퀴 사람이 핸들을 다시 쥐는 것 — 그것이 루프에 도구를 끼우는 올바른 방식이다.

함정 — 그럴듯함과 평균값, 그리고 검증 비용

도구를 들이며 가장 먼저 만나는 함정은 '그럴듯한 오류'다. AI의 결과물은 종종 틀렸을 때조차 매끄럽다. 존재하지 않는 사례를 사실처럼 적고, 출처를 그럴듯하게 지어낸다. 매끄러움이 정확함을 보장하지 않는다는 사실을, 도구를 쓰는 내내 잊지 말아야 한다.

두 번째 함정은 평균값화다. 많은 데이터를 학습한 도구는 본질적으로 '가장 흔한 답'으로 수렴하는 경향이 있다고 알려져 있다. 그래서 손쉽게 쓰면 결과도 어디서 본 듯해진다. 차별화가 생명인 기획에서, 도구에 기대 만든 안이 죄다 비슷해 보인다면 그것은 도구의 잘못이 아니라 너무 게으르게 물은 탓이다.

세 번째는 가장 자주 간과되는 검증 비용이다. AI가 1분 만에 만든 결과를 사람이 30분 동안 사실 확인하고 톤을 다듬어야 한다면, 절약된 시간은 생각만큼 크지 않다. 도구를 들일 때는 '만드는 시간'만이 아니라 '검수하는 시간'까지 더해 따져야 한다. 어떤 칸에서는 그 합이 여전히 이득이고, 어떤 칸에서는 손해다. 그 계산을 해 두는 것이 도입의 일부다.

도구는 바뀌어도, 남는 역량

여기까지의 이야기에서 특정 도구의 이름을 일부러 거의 꺼내지 않았다. 이유가 있다. 도구는 빠르게 바뀐다. 올해의 최신 도구는 내년이면 평범해지고, 오늘 익힌 기능의 절반은 머지않아 다른 모양이 된다.

그래서 진짜로 익혀 둘 가치가 있는 것은 특정 도구의 사용법이 아니라, 그 아래에 깔린 역량이다. 문제를 또렷이 정의하는 힘, 발산과 판단의 선을 긋는 감각, 그럴듯한 오류를 의심하는 눈, 검증 비용까지 셈하는 균형. 이것들은 도구가 무엇으로 바뀌든 그대로 남는다. 윤리의 영역 — 무엇을 학습한 도구인지, 결과물을 어떻게 고지할지 — 역시 그 역량의 일부지만, 그 이야기는 앞선 글에 맡겨 둔다.

이런 사람과 도구의 분업을, 막연한 발상에서 팬에게 닿는 산출물까지 한 바퀴 직접 돌려 보고 싶다면 참고할 자리가 하나 있다. SM UNIVERSE·STUDIO REALIVE·SMHRD 컨소시엄의 K-POP 이머시브 콘텐츠 기획자 양성과정은 13주에 걸쳐 생성형 도구를 제작 파이프라인의 어느 칸에 어떻게 끼워 넣는지를, 검증 루프와 함께 실습으로 다룬다. 자세한 내용은 모집 페이지에 정리돼 있다.

---

AI를 기획에 들이는 일은 결국 도구를 쥐는 법이 아니라, 도구와 함께 일하는 법을 배우는 일이다. 발산은 맡기고 판단은 쥐는 것, 빨리 돌리되 매 바퀴 점검을 거는 것, 매끄러움을 정확함과 혼동하지 않는 것. 도구가 무엇이든 할 수 있게 된 시대에 기획자에게 남는 질문은 여전히 하나다. 지금 이것이 팬에게 닿는가. 그 질문에 답하는 일만큼은, 끝까지 사람의 몫이다.

Tags   #생성형AI   #AI워크플로   #콘텐츠기획   #프롬프트   #아이디에이션   #사람과AI분업   #검증루프   #엔터테크

ⓒ STUDIO REALIVE. 본 글은 에디토리얼 콘텐츠입니다.