Midjourney의 진짜 문제는 모델이 아닙니다. 프롬프트를 더 잘 쓰려는 노력, 이제 그만두세요

크리에이티브 디렉터에게 원하는 걸 물어보면 문단으로 답하는 사람은 없습니다. 레퍼런스 세 장을 꺼내 그중 한 장의 한쪽 귀퉁이를 짚으며 "이건 더, 저건 덜"이라고 말할 뿐입니다.

Midjourney는 그런 방식을 허용하지 않습니다. 다른 채팅 기반 이미지 도구도 마찬가지고요. 주어지는 건 텍스트 입력창 하나, 그리고 의도를 전부 글로 옮기라는 요구입니다.

모든 문제는 여기서 시작됩니다. 나머지는 전부 여기서 파생된 결과일 뿐입니다.

언어는 취향을 담기엔 너무 손실이 큰 포맷입니다

프롬프트는 원하는 것을 압축한 결과물이고, 정작 중요한 것들은 대부분 그 압축 과정에서 사라집니다. 그 사진의 빛, 그 세리프체의 정확한 무게감, 옆에 놓인 상자와 달리 왜 저 프라다 박스만 고급스러워 보이는지. 400단어를 써도 그 감각은 잡히지 않습니다. '프롬프트 엔지니어링'이 하나의 직업이 된 이유가 여기에 있습니다.

더 큰 문제는 모두가 같은 방식으로 압축한다는 점입니다. '시네마틱', '에디토리얼', '클린' 같은 단어를 나만의 뜻으로 쓰는 사람은 없습니다. 그래서 수천 개의 팀이 비슷한 형용사를 비슷한 모델에 넣고, 비슷한 결과물을 돌려받습니다.

Figma의 CEO 딜런 필드는 2025년 10월 Lenny's Podcast에서 이 구조를 명료하게 짚었습니다. AI가 처음 내놓는 결과는 정의상 평범할 수밖에 없다는 것입니다. 학습한 모든 것의 평균이기 때문입니다. 텍스트 프롬프트는 사용자를 그 평균 한복판에 계속 세워두는 장치입니다. Merriam-Webster는 2025년 올해의 단어로 "slop"을 선정했습니다. AI가 대량으로 찍어내는 저품질 콘텐츠라는 뜻인데, 그 '대량'은 바로 여기서 나옵니다.

집단 단위에서 어떤 일이 벌어지는지도 연구로 확인됩니다. Anil Doshi와 Oliver Hauser는 2024년 Science Advances에 발표한 연구에서 작가들에게 AI 지원을 제공했습니다. 개별 결과물의 점수는 올라갔지만, 서로 비교해 보면 눈에 띄게 서로 닮아 있었습니다. 모두가 좋아졌고, 동시에 모두가 비슷해졌습니다.

좋은 이미지를 만드는 건 무엇일까요

더 나은 문장이 아닙니다. 더 나은 재료입니다.

진짜 브리프는 여러 조각으로 이루어진 더미입니다. 레퍼런스 컷 한 장, 경쟁사의 패키지, 시장 리포트, 회의에서 누군가 "오후 6시 서울 아파트의 조명 같은 느낌이면 좋겠다"라고 남긴 메모. 이 사물들을 설명이 아니라 사물 그대로 모델에 건넬 수 있을 때, 결과물은 비로소 평균에서 벗어나기 시작합니다. 그 입력은 오직 내 것이고, 다른 누구도 가지고 있지 않기 때문입니다.

또 하나의 효과는 조금 더 미묘합니다. 레퍼런스를 모으는 과정 자체가 자기가 무엇을 원하는지 정리하도록 만듭니다. 대부분의 사람은 두 개의 선택지를 나란히 놓고 나서야 자기가 어느 쪽에 끌리는지 깨닫습니다. 텍스트 입력창은 그런 순간을 만들어주지 않습니다. 자기가 직접 모아둔 재료의 벽만이 그걸 만들어냅니다.

그런데 도구는 그 작업을 그대로 버립니다

괜찮은 이미지 한 장을 뽑았다고 해봅시다. 그건 지금 어디에 있을까요?

채팅 스레드 안에 있습니다. 위로는 40번의 시도, 아래로는 60번의 시도에 파묻힌 채로요. 그 스레드는 오직 내 계정 안에만 있습니다. 팀의 누구도 볼 수 없습니다.

그 100장 안에 무엇이 담겨 있는지 생각해 봅시다. 거의 맞았지만 톤이 조금 따뜻했던 버전. 흥미로운 방식으로 실패한 버전. 팀이 명시적으로 접었던 방향, 그리고 3주 뒤에 누군가가 반드시 다시 꺼낼 그 방향. 이미 시도했다는 기록이 어디에도 없기 때문입니다. 전부 나름의 가치가 있던 자료였지만, 지금은 한 사람의 개인 계정에 스크롤 히스토리로만 남아 있습니다.

채팅은 시각 작업을 담기에 나쁜 그릇입니다. 의사결정을 담기 어려운 이유와 같습니다. 채팅은 선형이니까요. 한 줄을 자기 자신과 나란히 놓을 수는 없습니다. Midjourney에서 이미지 두 장을 비교하려면 스크롤해서 하나를 눈에 담고, 다시 스크롤해서 돌아온 뒤, 비교하는 척해야 합니다. 실제로는 비교하는 게 아닙니다. 기억에 의존하는 것이지요.

결국 팀은 도구가 무너졌을 때 늘 하던 일로 돌아갑니다. 누군가 잘 나온 결과물을 캡처해서 Slack에 붙입니다. 다른 누군가는 그걸 다운로드해 final_v2라는 폴더에 넣습니다. 그리고 일주일이 지나기도 전에, 그 폴더 안 네 개 버전 중 무엇이 팀이 합의했던 안이었는지 아무도 기억하지 못하게 됩니다.

그래서 우리는 다르게 만들었습니다

ALLO에서는 이미지 생성이 캔버스 위에서 이루어집니다. 두 문제가 하나의 해결책으로 자연스럽게 합쳐집니다.

모델이 참고할 대상을 직접 선택하면 됩니다. 레퍼런스 이미지, 경쟁사 팩샷, 리서치 문서, 아직 반쯤만 정리된 아이디어를 담은 스티키 노트. 프로젝트가 이미 그 보드 위에서 굴러가고 있으니, 이 재료들은 원래부터 그 자리에 있습니다. 프롬프트는 기억에서 타이핑되는 대신, 실제 재료로 조립됩니다. 모델에 전달되는 건 형용사가 아니라 구체적인 자료입니다.

결과물은 그것을 만들어낸 자료들 바로 옆, 같은 캔버스 위에 놓입니다. 스레드가 아니라, 폴더도 아니라. 하나의 오브젝트로 자리를 잡고, 버전이 관리되며, 다른 다섯 장 옆에 놓고 함께 들여다볼 수 있습니다. 이미지 사이에서 선택을 내리는 방법은 결국 그것 하나뿐입니다.

그다음부터는 계속 이어집니다. 메모 한 장이 리서치 문서가 되고, 그 문서가 인포그래픽이 되고, 인포그래픽이 다시 제품 컷이 됩니다. 누군가 "이걸 성격 테스트처럼 풀면 어떨까"라는 스티키 노트를 붙이면, 그게 랜딩 페이지로 자랍니다. 각 단계는 그 앞 단계 위에 얹히고, 전체 흐름이 눈에 보이는 채로 남습니다. 한 달 뒤에도 팀이 무엇을 만들었는지뿐 아니라, 어떻게 여기까지 왔고 도중에 무엇을 버렸는지까지 되짚어 볼 수 있습니다.

그리고 보드는 공유됩니다. 채택되지 못한 40장은 삭제되지 않고, 흐리게 처리된 채 옆에 남아 있습니다. 나중에 클라이언트가 "왜 뻔한 그 방향이 아니라 이 방향인가"라고 물었을 때, 그 결정을 설명할 수 있게 해주는 건 바로 그 기록입니다.

이미지 모델은 앞으로도 계속 좋아질 것입니다. 결과물의 품질도 계속 올라갈 것이고, 그와 동시에 다른 모두가 받아 드는 결과물의 평균에 머무를 것입니다. 끝까지 어려운 건 자기가 뭘 원하는지 아는 것, 모델에 실제 자료를 보여주는 것, 그리고 그 안에서 자기 것을 골라내는 일입니다.

FAQ

AI가 만든 이미지는 왜 다 비슷해 보이나요? 모두가 비슷한 단어로 원하는 걸 묘사하고, 모델은 그 단어들에 가장 확률이 높은 결과를 돌려주기 때문입니다. Figma의 딜런 필드는 첫 결과물은 정의상 평범하다고 말합니다. 형용사가 아니라 자신만의 레퍼런스를 모델에 넣어야 결과가 평균에서 벗어납니다.

Midjourney는 왜 팀 단위로 쓰기 어렵나요? 생성물이 개인 채팅 스레드 안에 쌓이기 때문입니다. 결과는 선형으로 나열되어 나란히 비교할 수 없고, 한 사람이 시도한 대부분은 다른 팀원에게 보이지 않습니다. 버려진 시도와 그 뒤에 있던 판단 근거도 스레드와 함께 사라집니다.

AI 이미지 도구에서 더 나은 결과를 얻으려면 어떻게 해야 하나요? 더 나은 프롬프트를 쓰려고 애쓰지 마세요. 모델에 실제 재료를 주는 편이 낫습니다. 레퍼런스 이미지, 브랜드 자산, 리서치, 그리고 의도를 설명하는 메모까지. 구체적인 입력이 구체적인 결과를 만듭니다.

AI로 만든 이미지는 어디에 보관해야 하나요? 팀 전체가 함께 볼 수 있는 곳, 그리고 그 이미지를 만들어낸 브리프와 레퍼런스, 채택되지 않은 버전까지 나란히 놓을 수 있는 곳이어야 합니다. 다운로드 폴더는 일주일이면 맥락을 전부 잃어버립니다.

ALLO는 이미지를 생성하나요? 네, 캔버스 위에서 생성합니다. 모델이 참고할 레퍼런스와 메모를 선택해 생성하면, 결과가 그 입력물 옆에 하나의 오브젝트로 자리 잡습니다. 팀은 바로 그 자리에서 비교하고, 코멘트를 남기고, 선택할 수 있습니다.