Midjourney의 진짜 문제는 모델이 아니다. 이제 프롬프트 잘 쓰려는 노력은 그만두자.

크리에이티브 디렉터에게 원하는 게 뭐냐고 물어보세요. 문단으로 답하지 않습니다. 레퍼런스 세 장을 띄워놓고, 그중 한 장의 어느 구석을 가리키며 이런 느낌은 더, 저런 느낌은 덜, 이렇게 말합니다.

Midjourney는 그 방식을 받아들이지 않습니다. 다른 채팅형 이미지 도구도 마찬가지입니다. 텍스트 상자 하나가 주어지고, 의도를 글로 옮겨 적어야 합니다.

바로 여기서 모든 문제가 시작됩니다.

말은 취향을 담기에 손실이 큰 포맷입니다

프롬프트는 원하는 것의 압축본입니다. 그런데 정작 원하는 것의 대부분은 그 압축 과정에서 살아남지 못합니다. 그 사진의 조명, 그 세리프체의 정확한 무게감, 옆에 놓인 상자와 달리 Prada 상자가 고급스러워 보이는 이유. 400단어를 써도 그 느낌은 안 나옵니다. 프롬프트 엔지니어링이라는 직업이 생긴 이유가 여기 있습니다.

더 큰 문제는 모두가 똑같은 방식으로 압축한다는 겁니다. "시네마틱", "에디토리얼", "클린" 같은 단어에 각자만의 사전이 있는 사람은 없습니다. 그래서 수천 개 팀이 거의 같은 형용사를 거의 같은 모델에 입력하고, 거의 같은 그림을 받아 갑니다.

Figma CEO Dylan Field는 2025년 10월 Lenny's Podcast에서 그 원리를 간단히 설명했습니다. AI가 처음 내놓는 결과물은 정의상 평범할 수밖에 없다는 것입니다. 지금까지 본 모든 것의 평균이니까요. 텍스트 프롬프트는 우리를 그 평균 안에 계속 붙잡아 둡니다. Merriam-Webster는 2025년 올해의 단어로 "slop"을 뽑았습니다. AI가 대량으로 만들어내는 저품질 콘텐츠라는 뜻입니다. 그 대량 생산의 출처가 바로 여기입니다.

집단 차원에서 어떤 결과가 나오는지 보여주는 데이터도 있습니다. Anil Doshi와 Oliver Hauser는 2024년 Science Advances에 발표한 연구에서 작가들에게 AI 지원을 제공했습니다. 개별 결과물은 점수가 더 높았습니다. 그러나 서로 비교해 보니 지원을 받은 글들은 눈에 띄게 서로 비슷해졌습니다. 다 같이 좋아졌고, 다 같이 비슷해진 겁니다.

좋은 이미지를 만드는 진짜 재료

더 나은 문장이 아닙니다. 더 나은 재료입니다.

실제 브리프는 여러 물건의 더미입니다. 참고 사진 한 장, 경쟁사의 패키지, 시장 리포트, 회의 중에 누군가 적어둔 "조명이 저녁 6시 서울의 아파트 같은 느낌이면 좋겠다"는 메모. 이 설명들이 아니라이 물건들 자체를 모델에게 넘길 수 있게 되면, 결과물은 더 이상 평균으로 흘러가지 않습니다. 입력이 나만의 것이고, 아무도 같은 것을 가지고 있지 않기 때문입니다.

덜 눈에 띄는 또 하나의 효과도 있습니다. 레퍼런스를 모으는 과정 자체가 내가 정말 원하는 게 뭔지 정리하게 만듭니다. 사람들은 대부분 두 가지 선택지를 나란히 놓고 어느 쪽에 마음이 기우는지 느껴봐야 자기가 뭘 원하는지 압니다. 텍스트 상자는 그걸 주지 못합니다. 내 재료들이 벽에 붙어 있어야 가능합니다.

그리고 도구는 그 작업을 그냥 버립니다

괜찮은 이미지 하나를 얻었다고 칩시다. 그건 지금 어디에 있나요?

채팅 스레드 안에 있습니다. 다른 40개 시도 아래, 또 다른 60개 위에. 그 스레드는 오직 본인만 볼 수 있습니다. 팀의 다른 사람은 아무도 못 봅니다.

그 100장의 이미지 안에 무엇이 있는지 생각해 보세요. 거의 맞았지만 톤이 너무 따뜻했던 버전. 흥미로운 방식으로 실패한 것. 팀이 명확히 폐기한 방향인데, 시도했던 기록이 없어서 3주 뒤 누군가가 다시 제안할 것이 뻔한 방향. 이 모든 것에 가치가 있었지만, 지금은 한 사람의 개인 계정에 있는 스크롤 히스토리로만 남아 있습니다.

채팅은 시각 작업을 담기에 나쁜 그릇입니다. 의사결정을 담기에 나쁜 그릇인 이유와 같습니다. 한 줄이니까요. 한 줄을 자기 자신과 나란히 놓을 수는 없습니다. Midjourney에서 이미지 두 장을 비교하려면 스크롤을 내리고, 한 장을 머릿속에 붙잡아 두고, 다시 스크롤을 올려서, 비교하는 척해야 합니다. 실제로는 비교가 아니라 기억일 뿐입니다.

도구가 안 될 때 팀들은 늘 하던 걸 합니다. 누군가 괜찮은 이미지를 캡처해서 Slack에 올립니다. 다른 사람은 그것들을 다운받아 final_v2라는 폴더에 넣습니다. 그리고 일주일 뒤에는 그 폴더 안 네 개의 버전 중 어떤 게 최종 합의된 것인지 아무도 모릅니다.

그래서 우리가 만든 방식

ALLO에서는 생성이 캔버스 위에서 일어납니다. 그래서 두 문제가 하나의 해법으로 합쳐집니다.

모델에게 사용시킬 대상을 직접 선택합니다. 레퍼런스 이미지, 경쟁사의 패키지 컷, 리서치 문서, 아직 반쯤만 정리된 아이디어가 담긴 스티키 노트까지, 모두 이미 보드 위에 놓여 있는 것들입니다. 프로젝트가 원래 그곳에서 진행되고 있으니까요. 프롬프트는 기억을 더듬어 타이핑한 게 아니라, 실제 재료들로 조립됩니다. 모델은 형용사가 아니라 구체적인 것을 받게 됩니다.

결과물은 그것을 만들어낸 재료들 옆에 놓입니다. 스레드도 아니고 폴더도 아닙니다. 하나의 오브젝트로 자리 잡고, 버전 관리가 되며, 다른 다섯 장 옆에 놓고 실제로 나란히 볼 수 있습니다. 이미지 사이에서 선택을 하는 유일한 방법입니다.

그다음도 이어집니다. 메모 하나가 리서치 문서가 되고, 문서는 인포그래픽이 되고, 인포그래픽은 제품 컷이 됩니다. 누군가 "이거 성격 테스트처럼 풀면 어때요"라는 스티키 노트를 붙이고, 그게 랜딩 페이지로 이어집니다. 각 단계는 앞 단계에 뿌리를 두고 있고, 이 전체 흐름이 계속 보입니다. 한 달 뒤에도 팀이 무엇을 만들었는지뿐 아니라, 어떻게 그 결과에 도달했고 도중에 무엇을 걷어냈는지 볼 수 있습니다.

그리고이 보드는 공유됩니다. 채택되지 않은 40장의 이미지도 삭제되지 않고, 흐리게 처리된 채 옆으로 밀려나 남아 있습니다. 나중에 클라이언트가 왜 캠페인이 뻔한 방향이 아니라이 방향으로 갔는지 물었을 때, 결정의 근거를 보여줄 수 있는 이유가 여기에 있습니다.

이미지 모델은 계속 좋아질 겁니다. 모델이 건네주는 그림들은 계속 나아지고, 동시에 계속 남들이 받는 것과 똑같은 평균의 결과물일 겁니다. 끝까지 어려운 부분은 자기가 뭘 원하는지 아는 것, 모델에게 실제 재료를 보여주는 것, 그리고 나만의 결과물을 골라내는 것입니다.

FAQ

AI가 생성한 이미지들은 왜 다 비슷해 보이나요? 모두가 비슷한 단어로 원하는 것을 설명하고, 모델은 그 단어들에 대해 가장 확률이 높은 결과를 돌려주기 때문입니다. Figma의 Dylan Field는 첫 결과물이 정의상 평범하다고 말합니다. 형용사 대신 자기만의 레퍼런스를 모델에 넘기는 것이 결과물을 평균에서 벗어나게 하는 방법입니다.

Midjourney는 왜 팀 단위로 쓰기 어려운가요? 생성 결과물이 개인 채팅 스레드 안에 쌓입니다. 출력이 선형이라 이미지들을 나란히 비교할 수 없고, 한 사람이 시도한 대부분은 다른 사람에게 보이지 않습니다. 폐기된 시도와 선택의 근거는 스레드와 함께 사라집니다.

AI 이미지 도구에서 더 좋은 결과를 얻으려면 어떻게 해야 하나요? 더 나은 프롬프트를 쓰려는 시도는 그만두세요. 대신 실제 재료를 모델에 주세요. 레퍼런스 이미지, 브랜드 애셋, 리서치, 의도를 설명한 메모까지. 구체적인 입력이 구체적인 출력을 만듭니다.

AI가 생성한 이미지는 어디에 보관해야 하나요? 팀 전체가 함께 볼 수 있는 곳, 그리고 브리프와 원본 레퍼런스 옆에 두어야 합니다. 채택되지 않은 버전들까지 함께요. 다운로드 폴더는 일주일이면 그 맥락을 전부 잃어버립니다.

ALLO도 이미지를 생성하나요? 네, 캔버스 위에서 생성됩니다. 참고할 레퍼런스와 메모를 선택하고 생성하면, 결과물이 그 입력들 옆에 하나의 오브젝트로 놓입니다. 팀은 그 자리에서 비교하고, 코멘트를 남기고, 선택할 수 있습니다.