AI로 만든 결과물이 다 비슷해 보이는 이유

AI가 만든 작업물이 다 비슷해 보이는 이유

크리에이티브 디렉터가 AI로 만든 시안 서른 개를 펼쳐 놓습니다. 어느 것을 골라야 할지 이유가 보이지 않습니다. 다들 무난하지만, 그만큼 서로 바꿔 놓아도 티가 나지 않습니다. 게다가 다음 주에 옆 동네 에이전시가 들고 올 시안과도 비슷해 보입니다.

프롬프트를 잘못 쓴 게 아닙니다. 이 기술은 원래 그렇게 작동합니다.

Figma의 CEO Dylan Field는 2025년 10월 Lenny's Podcast에서 그 원리를 이렇게 설명했습니다. AI가 처음 내놓는 결과물은 정의상 평범할 수밖에 없다, 그것은 지금까지 본 모든 것의 평균이기 때문이다. Merriam-Webster는 2025년의 단어로 "slop"을 선정하며, AI가 대량으로 찍어내는 낮은 품질의 디지털 콘텐츠라고 정의했습니다. 사람들이이 사전적 정의보다 먼저 그 "비슷함"을 체감하고 있었기 때문에이 단어가 자리를 잡았습니다.

평균화 문제

모델은 주어진 프롬프트에서 가장 확률이 높은 결과를 내놓습니다. 확률이 높다는 건 흔하다는 뜻이고, 흔하다는 건 다른 팀도 똑같이 얻는다는 뜻입니다.

이 현상이 조직에 어떤 영향을 미치는지 보여준 연구가 있습니다. Anil Doshi와 Oliver Hauser는 2024년 Science Advances에 게재한 논문에서, 작가들에게 AI 지원을 붙이고 결과를 측정했습니다. AI의 도움을 받은 이야기는 그렇지 않은 이야기보다 더 창의적이라는 평가를 받았습니다. 그런데 이야기끼리 서로 비교해 보니, AI 지원을 받은 쪽이 눈에 띄게 서로 닮아 있었습니다. 개별 품질은 올라갔지만, 전체적으로는 폭이 좁아진 겁니다.

지금 모든 팀이 자기도 모르게 하고 있는 거래가 이겁니다. 개인의 산출물은 좋아지고, 회사의 산출물은 남들 것과 점점 비슷해집니다.

이게 왜 손실인가

에이전시의 상품은 클라이언트가 다른 데서는 구할 수 없는 그 무엇입니다. 브랜드의 강점은 알아볼 수 있다는 점입니다. 게임 스튜디오는 남들과 다른 룩으로 먹고삽니다.

AI가 모든 경쟁사에게 똑같은 평균을 건네준다면, 산출물의 양은 더 이상 차별점이 되지 못합니다. 남는 건 서른 개 중에서 평균이 아닌 하나를 골라내는 사람의 판단입니다. 아니면 서른 개를 전부 버리는 결정입니다.

예전에는 프로젝트의 마지막 5분에 해당하던이 선택이, 지금은 프로젝트 가치의 대부분을 차지합니다.

문제는 아무도 고르지 않는다는 것

회의 장면을 떠올려 봅시다. 시안 서른 개, 다 괜찮고, 결정적으로 맞는 건 없습니다. 각자 살짝 마음에 드는 게 있지만, 나머지 스물아홉 개를 죽이자고 나서고 싶은 사람은 없습니다. 회의는 "조금 더 두고 보자"로 끝나고, 시안은 폴더에 들어가고, 결국 가장 안전한 안이 그대로 나갑니다.

여기서 무슨 일이 벌어졌는지 보십시오. 누구도 "평범하게 가자"고 결정하지 않았습니다. 그저 아무도 반대하지 않았기 때문에 평범한 안이 이긴 겁니다.

취향이라는 건 사실 이런 겁니다. 분위기 같은 게 아니라, 누군가 서른 개의 그럴듯한 안을 놓고 "이것, 이런 이유로. 나머지 스물아홉은 버린다"고 말하는 행위입니다. 누군가는 그 말을 소리 내어 할 각오가 있어야 합니다.

팀에는 그 논쟁을 벌일 공간이 없다

시안은 Slack 스레드 안에 세로로 줄지어 올라옵니다. 다섯 번째를 볼 때쯤이면 첫 번째가 기억나지 않습니다. 아니면 Drive 안에 파일로 하나씩 쌓여, 기억을 더듬어 비교해야 합니다.

UC San Diego의 David Kirsh는 사람이 머리 밖에 있는 사물을 이용해 어떻게 사고하는지 수십 년간 연구해 왔습니다. 결론은 단순합니다. 사람은 모든 걸 한눈에, 서로 옆에 두고 볼 때 더 잘 생각합니다. 스레드는 그 조건을 못 만듭니다. 폴더도 마찬가지입니다.

그래서 팀은 사실상 비교라는 걸 하지 않습니다. 화면에 뜬 것에 대해 각자 반응할 뿐입니다. 목소리 큰 사람이 이기거나, 마감이 이기고, 몇 달 뒤에는 왜 그렇게 갔는지 아무도 재구성할 수 없습니다.

쓰던 도구는 그대로 두세요

디자인은 Figma에서, 파일 보관은 Drive에서, 이슈 관리는 Jira에서, 워크숍은 Miro에서. 어느 것도 서른 개의 시안이 테이블에 오르고 팀이 스물아홉 개를 죽여야 하는 그 순간을 위해 만들어지지 않았습니다.

우리가 만든 것

ALLO는 바로 그 순간을 위한 캔버스입니다. 시안이 브리프, 레퍼런스와 함께 나란히 올라갑니다. 피드백은 스레드 위를 떠다니지 않고, 그 대상 옆에 붙습니다. 팀은 전체를 한눈에 보고, 작업물을 앞에 두고 논쟁하고, 결정합니다. 결정은 그 결정을 만든 근거 옆에 남아, 여섯 달 뒤에도 왜 그렇게 갔는지가 그대로 남아 있습니다.

ALLO가 작업을 대신 만들어 주지는 않습니다. 만드는 건 원래 쓰던 도구에서 계속하세요.

모델은 앞으로도 좋아질 것이고, AI가 건네는 평균의 품질도 함께 좋아질 것입니다. 하지만 그것은 여전히 평균입니다. 여러분의 결과물을 여러분의 것처럼 보이게 만드는 유일한 요소는, 누군가가 골랐다는 사실뿐입니다.

자주 묻는 질문

AI로 만든 콘텐츠가 왜 다 비슷해 보이나요? 모델은 가장 확률이 높은 출력을 반환하는데, 그것은 학습 데이터의 평균에 해당합니다. 비슷한 모델을 비슷하게 쓰는 팀은 비슷한 결과를 얻습니다. Figma의 Dylan Field도 AI의 첫 출력은 정의상 평범할 수밖에 없다고 말합니다.

AI를 쓰면 팀이 덜 창의적이 되나요? 개인 단위에서는 아닙니다. 2024년 Doshi와 Hauser의 Science Advances 논문에 따르면, AI 지원을 받은 글은 그렇지 않은 글보다 더 창의적이라는 평가를 받았습니다. 다만 그 글들은 서로 더 비슷해서, 개인의 품질이 오르는 사이 집단의 독창성은 떨어졌습니다.

AI 결과물이 평범해 보이지 않게 하려면 어떻게 해야 하나요? 누군가 평균을 거부해야 합니다. 팀이 전체 시안을 함께 놓고 직접 비교한 뒤, 가장 안전한 안이 아닌 하나를 이유와 함께 골라야 합니다.

"AI slop"이 무엇인가요? Merriam-Webster가 뽑은 2025년의 단어로, AI가 대량으로 만들어 내는 낮은 품질의 디지털 콘텐츠를 뜻합니다. 기술적으로는 문제가 없어 보이지만 곧바로 잊히는 결과물을 가리킵니다.

ALLO가 Figma나 Miro를 대체하나요? 아닙니다. 제작은 Figma에서, 워크숍은 Miro에서 그대로 진행하세요. ALLO는 만들기와 배포 사이, 시안을 비교하고 방향을 정하는 자리를 위한 도구입니다.