AI로 만든 결과물이 다 비슷해 보이는 이유

AI가 만든 작업물이 다 비슷해 보이는 이유

크리에이티브 디렉터가 AI로 뽑은 시안 서른 개를 펼쳐 놓고, 어느 것을 골라야 할지 이유를 찾지 못합니다. 다 무난합니다. 그리고 서로 바꿔 놓아도 티가 안 날 만큼 비슷하고, 다음 주에 옆 골목 에이전시가 들고 올 시안과도 크게 다르지 않을 겁니다.

프롬프트를 잘못 짠 탓이 아닙니다. 이 기술이 원래 그렇게 작동합니다.

Figma의 CEO Dylan Field는 2025년 10월 Lenny's Podcast에서 그 원리를 이렇게 설명했습니다. AI가 처음 내놓는 결과물은 정의상 평범할 수밖에 없다, 학습한 모든 것의 평균이기 때문이다. Merriam-Webster는 2025년 올해의 단어로 "slop"을 뽑았습니다. AI가 대량으로 찍어내는 저품질 디지털 콘텐츠라는 뜻입니다. 이 단어가 먹힌 이유는 간단합니다. 사람들은 설명하기 전에 이미 그 비슷함을 느끼고 있었으니까요.

평균으로 수렴하는 문제

모델은 프롬프트에 대해 가장 확률 높은 답을 내놓습니다. 확률이 높다는 건 흔하다는 뜻이고, 흔하다는 건 다른 사람도 똑같은 걸 받는다는 뜻입니다.

이 현상이 집단에 어떤 영향을 미치는지 살펴본 연구도 있습니다. Anil Doshi와 Oliver Hauser가 2024년 Science Advances에 발표한 논문은 작가들에게 AI 도움을 제공한 뒤 결과물을 분석했습니다. AI의 도움을 받은 이야기는 그렇지 않은 이야기보다 더 창의적이라는 평가를 받았습니다. 그런데 이야기들끼리 비교해 보니, AI가 도운 작품들은 눈에 띄게 서로 닮아 있었습니다. 개별적으로는 더 좋아졌지만, 전체적으로는 더 좁아진 겁니다.

지금 모든 팀이 자기도 모르게 감수하고 있는 거래가 바로 이겁니다. 각자의 결과물은 좋아지는데, 회사 전체의 결과물은 다른 회사의 것과 점점 닮아갑니다.

이게 왜 돈이 걸린 문제인가

에이전시가 파는 것은 다른 데서는 살 수 없는 무언가입니다. 브랜드의 힘은 알아볼 수 있다는 데 있습니다. 게임 스튜디오는 아무도 흉내 낼 수 없는 룩으로 먹고삽니다.

AI가 모든 경쟁사에 똑같은 평균을 쥐여준다면, 산출량은 더 이상 차별점이 되지 못합니다. 다들 갖고 있으니까요. 남는 건 서른 개 중에서 평균이 아닌 하나를 골라내는 사람, 아니면 서른 개 전부를 버릴 수 있는 사람입니다.

예전에는 그 선택이 프로젝트 막판 5분짜리 일이었습니다. 지금은 그게 프로젝트 가치의 대부분입니다.

문제는 아무도 고르지 않는다는 것

회의 장면을 떠올려 봅시다. 시안 서른 개, 다 괜찮고, 딱히 정답도 없습니다. 각자 살짝 마음에 드는 게 있지만, 나머지 스물아홉 개를 죽이자고 총대를 메는 사람은 없습니다. 회의는 "조금 더 두고 보자"로 끝나고, 시안들은 폴더로 들어가고, 결국 가장 안전한 하나가 기본값으로 나갑니다.

여기서 무슨 일이 벌어졌는지 보세요. 아무도 평범해지자고 결정하지 않았습니다. 평범함이 이긴 이유는 아무도 그 반대편에 서지 않았기 때문입니다.

취향이라는 게 실제로는 그런 겁니다. 분위기가 아닙니다. 그럴듯한 선택지 서른 개 앞에서 "이거, 이런 이유로. 나머지 스물아홉은 끝"이라고 말할 수 있느냐의 문제입니다. 그 논쟁을 소리 내어 벌일 사람이 있어야 합니다.

그 논쟁을 벌일 자리가 팀에는 없다

시안들은 Slack 스레드에 세로로 쌓여 있어서, 다섯 번째를 볼 때쯤이면 첫 번째가 기억나지 않습니다. 아니면 Drive에 파일 하나씩 흩어져 있어서, 결국 머릿속으로 비교해야 합니다.

UC San Diego의 David Kirsh는 사람이 머리 바깥의 사물을 활용해 어떻게 사고하는지 수십 년째 연구해 왔습니다. 결론은 단순합니다. 사람은 모든 것을 한눈에, 나란히 놓고 볼 수 있을 때 더 잘 생각합니다. 스레드로는 그게 안 됩니다. 폴더도 마찬가지입니다.

그래서 팀은 사실상 비교를 하지 않습니다. 화면에 뜬 것에 대해 돌아가며 반응할 뿐입니다. 방에서 가장 목소리 큰 의견이 이기거나, 마감이 이깁니다. 나중에 왜 이 방향으로 갔는지 아무도 재구성하지 못합니다.

쓰던 도구는 그대로 두세요

Figma에서 디자인하고, Drive에 파일을 두고, Jira로 일을 관리하고, Miro에서 워크숍을 돌리세요. 다만 이 중 어느 것도, 시안 서른 개를 테이블에 올려놓고 스물아홉 개를 죽여야 하는 그 순간을 위해 만들어진 도구는 아닙니다.

우리가 만든 것

ALLO는 바로 그 순간을 위한 캔버스입니다. 시안을 브리프, 레퍼런스와 함께 나란히 올려둡니다. 피드백은 스레드 어딘가를 떠다니는 대신, 그것이 가리키는 대상 옆에 붙습니다. 팀은 모든 것을 한눈에 보면서 작업물 앞에서 논쟁하고 결정을 내립니다. 결정은 그 근거와 함께 남기 때문에, 6개월 뒤에도 왜 그렇게 갔는지 그대로 확인할 수 있습니다.

ALLO는 작업물을 만들어 주지 않습니다. 만드는 일은 원래 쓰던 도구에서 하세요.

모델은 계속 좋아질 것이고, AI가 건네주는 평균의 수준도 계속 높아질 겁니다. 그래도 그건 여전히 평균입니다. 당신의 작업물을 당신 것처럼 보이게 만드는 유일한 이유는, 누군가가 골랐다는 사실뿐입니다.

FAQ

AI가 만든 콘텐츠는 왜 다 비슷해 보이나요? 모델은 가장 확률 높은 답, 즉 학습 데이터의 평균을 내놓습니다. 비슷한 모델을 비슷한 방식으로 쓰는 팀은 비슷한 결과를 받게 됩니다. Figma의 Dylan Field는 AI의 첫 결과물은 정의상 평범하다고 표현했습니다.

AI를 쓰면 팀의 창의성이 떨어지나요? 개인 단위로는 아닙니다. Doshi와 Hauser가 2024년 Science Advances에 발표한 연구에 따르면, AI 도움을 받은 글은 그렇지 않은 글보다 더 창의적이라는 평가를 받았습니다. 다만 그 글들끼리는 더 닮아 있었습니다. 개인의 품질은 올라갔지만, 집단 전체의 독창성은 오히려 떨어진 겁니다.

AI 작업물이 평범해 보이지 않게 하려면 어떻게 해야 하나요? 누군가는 평균을 거절해야 합니다. 사람이든 팀이든, 전체 선택지를 함께 놓고 직접 비교한 뒤, 가장 안전한 선택이 아닌 하나에 이유를 갖고 손을 들어야 합니다.

"AI slop"이 뭔가요? Merriam-Webster의 2025년 올해의 단어로, AI가 대량으로 찍어내는 저품질 디지털 콘텐츠를 가리킵니다. 기술적으로는 흠잡을 데 없지만 완전히 잊히는 결과물을 말합니다.

ALLO가 Figma나 Miro를 대체하나요? 아닙니다. 작업은 Figma에서, 워크숍은 Miro에서 계속 하세요. ALLO는 그렇게 만들어진 선택지들을 비교하고 방향을 정하는 자리입니다. 만드는 일과 내보내는 일 사이에 있습니다.