AI를 쓰는 사람은 72%인데 협업이 바뀌었다는 사람은 41%입니다

AI 결과가 마음에 안 들 때 우리는 흔히 “AI가 별로다”라고 말합니다. 그런데 외주 작업자에게는 그렇게 말하지 않죠. 브리프가 부실했거나, 검수 기준이 없었거나, 반려 피드백을 제대로 안 줬거나. 대부분 프로세스 문제니까요.

이 차이가 숫자로도 드러납니다.

30%포인트의 간극

피그마의 State of the Designer 2026에 따르면 디자이너의 72%가 이미 생성형 AI 도구를 쓰고 있고, 91%는 결과물이 개선됐다고 답했습니다. 그런데 같은 조사에서 “AI가 팀 협업 방식을 의미 있게 바꿨다”고 답한 사람은 41%에 그쳤습니다. (Figma · 리포트 원문)

사용률과 협업 변화 체감 사이에 30%포인트가 넘는 간극이 있습니다. 같은 리포트가 역할 경계 자체가 다시 그어지고 있다는 신호도 함께 보여주는데, 그 변화가 아직 일하는 방식까지는 내려오지 않은 셈입니다. 도구는 손에 쥐었는데 일하는 방식은 아직 그대로라는 신호죠. 그리고 이 간극은 도구를 더 좋은 걸로 바꾼다고 메워지지 않습니다. 빠진 건 도구가 아니라 문법이거든요.

자판기 앞에 서 있는 자세

개발자와 협업할 때를 떠올려 보세요. 그냥 “이거 만들어줘”로 시작하지 않습니다. 스펙 문서를 쓰고, 엣지 케이스를 논의하고, 구현이 끝나면 QA를 돌립니다. 기획자와 일할 때도 요구사항을 같이 정의하고 방향이 바뀌면 명시적으로 재합의하죠. 공통점이 있습니다. 공유된 언어, 명확한 핸드오프 기준, 그리고 피드백 루프입니다.

AI와 일할 때 이 구조가 통째로 빠지는 경우가 많습니다. 즉흥적으로 프롬프트를 던지고, 결과가 나오면 쓸 만한지 아닌지로만 판단하고 끝냅니다. 이건 협업이 아니라 자판기 사용입니다. 동전을 넣고 나온 걸 받는 거죠.

외주 브리프의 문법을 빌려오면

디자이너 커뮤니티에서 AI 협업을 크리에이티브 디렉터 역할로 재정의하는 시각이 늘고 있습니다. argodesign이 정리한 프레임이 인상적인데요. AI는 “항상 대기 중이고 브리프 안에 있고 절대 지치지 않는 주니어 크리에이터”지만 방향은 사람이 잡아야 한다는 겁니다. (argodesign)

학술 연구도 비슷한 지점을 짚습니다. 디자이너와 AI의 공동창작을 실험한 연구에서 창의적 통제권이 어디에 있느냐가 결과물 품질과 만족도에 직접 영향을 미쳤습니다. 통제권을 AI에게 너무 넘기거나 반대로 너무 꽉 쥐면 양쪽 다 결과가 나빠졌다고 하고요. (PMC)

그래서 외주 작업자 멘탈모델이 지금 가장 현실적인 프레임입니다. 외주를 줄 때 우리는 먼저 브리프를 씁니다. 목적, 대상, 톤, 금지 사항이요. 결과물을 받으면 기준에 맞는지 검수하고, 안 되면 반려해서 피드백을 줍니다. AI와 일하는 방식도 같습니다.

차이가 하나 있습니다. 외주 작업자에게는 “왜 이렇게 했어요”라고 물어볼 수 있지만 AI와는 그 대화가 없습니다. 그래서 브리프의 밀도가 훨씬 중요해집니다. 지시가 모호하면 결과도 모호하게 나오고, 제약이 구체적일수록 결과가 의외로 쓸 만해집니다.

여기서 함정을 하나 짚어야겠습니다. AI 결과를 받고 “조금만 손보면 되겠다” 싶어 손대다 보면, 어느새 내 스타일이 아니라 AI의 스타일을 억지로 살려주게 됩니다. 마음에 안 들면 손보지 마시고 반려한 뒤 재브리핑하는 편이 훨씬 빠릅니다. 외주 작업물에 내가 직접 덧칠하지 않는 것과 같은 이치죠.

반론도 있습니다. 브리프를 너무 꽉 짜면 AI가 예상 밖의 것을 제안할 기회를 막는다는 지적이요. 맞는 말입니다. 그래서 탐색 단계와 실행 단계를 나누는 게 좋습니다. 탐색에는 열린 프롬프트를, 실행에는 구조화된 브리프를 씁니다. 또 하나, AI는 사람이 아니라서 진짜 협업이 아니라는 시각도 있고요. 맞습니다. AI는 피로하지도 않고 자기 의견을 고집하지도 않습니다. 그러니 협업의 형식만 빌려오고 의사결정권은 온전히 사람이 가져가는 겁니다. 위임이 아니라 지휘에 가깝습니다.

준비 과정이 통째로 사라진 변화

협업의 문법과 별개로, 준비 단계 자체를 줄여준 변화가 하나 있습니다. 컨텍스트 윈도우입니다.

100만 토큰은 이제 주요 모델의 공통 사양이 됐습니다. 앤트로픽은 Claude의 100만 토큰 컨텍스트를 공식화했고, 구글도 Gemini의 롱컨텍스트 처리를 문서로 정리해 뒀습니다. 모델별 정확한 상한은 버전이 올라갈 때마다 바뀌니 공식 문서에서 확인하시는 게 정확합니다. 더 위를 노리는 시도도 이어집니다. 신생 스타트업 Subquadratic이 1200만 토큰 아키텍처를 발표했고 (The New Stack), DeepSeek도 V4에서 100만 토큰을 지원하기 시작했습니다. (TechXplore)

100만 토큰이 실감이 안 되신다면, 두꺼운 소설 한 권 또는 중간 규모 팀의 슬랙 대화 1년치 정도라고 보시면 됩니다.

이게 바꾸는 건 결과물이 아니라 브리프를 준비하는 과정입니다. 지금까지는 문서가 길면 AI에 먹이려고 직접 요약하거나 쪼개야 했습니다. 이제 브랜드 가이드라인 전체, 사용자 리서치 리포트 수십 건, 경쟁사 분석 자료를 한 세션에 통째로 넣고 바로 작업할 수 있습니다. 외주 브리프에 비유하자면, 참고 자료를 요약해서 건네던 단계가 없어지고 자료실 열쇠를 통째로 주는 셈이죠.

다만 두 가지는 짚어두겠습니다. 컨텍스트 창이 크다고 해서 AI가 그 전부를 제대로 쓰는 건 아닙니다. 창 안에 있어도 중간쯤 묻힌 정보는 놓치는 현상이 여러 벤치마크에서 반복 보고됐습니다. 그래서 긴 문서를 넣을 때 중요한 정보를 앞이나 뒤에 배치하는 실용 트릭이 여전히 유효합니다. 그리고 비용이 붙습니다. 컨텍스트를 길게 쓰면 입력 토큰이 늘어나는 만큼 요금도 늘어나고, 모델과 플랜마다 장문 구간의 과금 방식이 다릅니다. 자주 쓰실 계획이면 쓰기 전에 요금표를 한 번 확인해 두시는 게 좋습니다.

두 줄로 시작해보세요

다음 AI 작업 전에 스펙 한 문단을 먼저 써보시면 어떨까요. 목적, 독자, 피해야 할 것 세 가지만 있어도 결과가 달라집니다. 그리고 결과물을 받은 뒤에는 QA 한 줄을 남겨보세요. 어떤 기준으로 통과와 반려를 결정했는지 적어두면 다음 프롬프트가 훨씬 빨라집니다.

그 QA 한 줄을 남기는 습관은 검색에서도 그대로 값을 합니다. 구글이 제 글 45편 중 42편을 색인하지 않았던 이유를 뜯어보니 결국 같은 지점이었거든요. 무엇을 확인했고 무엇을 확인하지 못했는지가 글에 남아 있느냐였습니다.

결과가 마음에 안 들 때는 손보지 마시고 무엇이 구체적으로 틀렸는지 언어화한 뒤 다시 요청해보세요. 탐색과 실행을 세션 단위로 분리해보시는 것도 좋고요. 자판기 앞에 서 있던 자세가 바뀌는 건 결국 이 두 줄에서 시작합니다.

출처: State of the Designer 2026 - Figma Blog · State of the Designer 2026 리포트 - Figma · How to Think Like a Creative Director in the Age of AI - argodesign · The Double-Edged Sword of Creative Control in Designer-AI Co-Creation - PMC · Claude 1M context - Anthropic · Long context - Google Gemini API · Subquadratic 12M context - The New Stack · DeepSeek V4 1M context - TechXplore