AI 냄새 지우는 법, 디자인과 이미지와 글쓰기에서 AI 티가 나는 진짜 이유와 현실적인 해법

핵심 메시지

• AI 생성물이 주는 불쾌감의 정체는 개성 없는 디자인과 부족한 완성도라는 것이 영상의 진단이다.
• 요즘 AI로 만든 웹사이트가 서로 비슷해 보이는 이유는 코딩 도구의 기본 디자인 성향을 그대로 쓰기 때문이다.
• 색상 조합을 직접 고르고, UI 프레임워크나 레퍼런스를 쓰고, 한 번에 끝내지 말고 계속 고쳐 나가는 것이 기본 처방이다.
• 이미지는 남들이 잘 안 쓰는 모델과 스타일 지정이 효과적이지만, 데이터가 없는 조합은 잘 못 만들고 한글 타이포그래피는 오타가 많다.
• 결국 AI를 잘 쓰려면 해당 분야의 지식이 필요하고, 결과가 나쁠 때는 도구가 아니라 지시하는 사람이 병목일 수 있다.

쉽게 이해하기

광고판, 마트 음악, 공모전 수상작, 뉴스까지 AI로 만든 결과물이 일상에 퍼졌다. 그냥 스쳐 지나가는 것이라면 상관없지만, 직접 꼼꼼히 읽어야 하는 자리에 AI 생성물이 놓이면 이야기가 달라진다. 쇼핑몰의 상품 설명이나 리뷰가 어딘가 어색한 한국어로 채워지고, 회사에서는 AI 출력을 그대로 복사해 남에게 읽으라고 던지거나 수천 줄짜리 코드를 검토해 달라며 올리는 일이 생겼다.

영상은 이런 흐름을 막을 수 없다면 불쾌감이라도 줄이자는 쪽으로 방향을 잡는다. 첫 번째 무대는 디자인이다. 예전에는 AI로 대충 만든 사이트가 나름대로 제각각이었다면, 요즘은 누런 배경에 같은 폰트를 쓴 화면이 반복된다. 코딩 도구가 가진 기본 디자인 성향이 그대로 나오기 때문이다. 왼쪽에서 깜빡이는 점, 아무렇게나 박힌 이모지, 눌러도 아무 일이 없는 버튼처럼 생긴 요소도 전형적인 AI 티로 꼽힌다.

처방은 단순하다. 색상 조합을 AI에 맡기지 말고 직접 고르고, 무난하게 가려면 Shadcn 같은 UI 프레임워크를 쓰고, 새로운 느낌을 원하는데 감이 없으면 레퍼런스를 찾아 그 분위기로 만들라는 것이다. 그리고 사람들이 이상하게 한 번의 요청으로 완성하려 든다는 지적도 나온다. 계속 고쳐 나가면서 어색한 부분을 하나씩 다듬는 방식이 맞다는 것이다. 영상에서는 AI 티를 줄여 준다는 스킬도 직접 적용해 봤는데, 서로 다른 모델을 썼는데도 같은 스킬을 붙이자 레이아웃이 똑같아지는 문제가 관찰됐다.

이미지 쪽도 사정이 비슷하다. 많이 쓰이는 모델을 쓰면 흔한 티가 나기 때문에, 사람들이 덜 쓰는 모델이나 미리 준비된 스타일을 활용하라고 권한다. 다만 스타일을 지정할 때는 그 스타일에 어울리는 소재가 따로 있다는 점을 알아야 한다. 데이터가 없는 조합을 요구하면 결과가 무너지고, 한글 타이포그래피는 여전히 오타가 잦다. 그래서 제품 사진 정도만 AI로 뽑고 문자는 별도 도구에서 상용 폰트로 넣는 방식이 깔끔하다는 관찰도 덧붙인다. 조명과 질감, 구도까지 지정한 실사 스타일이 이질감이 가장 적다고 봤다.

글은 어휘가 지나치게 풍부하고 문장 부호를 반듯하게 쓰며 일상적인 표현 대신 고급스러운 말을 고르는 데서 티가 난다. AI 문체를 걷어내 주는 스킬도 있지만, 영상은 그래도 불쾌한 이유가 글에 영혼과 개성이 없어서라고 본다. 자신이 쓴 글을 잔뜩 넣어 따라 쓰게 하거나, 아예 자기 특징을 살린 프롬프트를 미리 만들어 두는 편이 낫다. 오픈소스 소형 모델을 파인 튜닝해 말투를 복제하는 방법도 소개하는데, 직접 시도했을 때 가장 작은 모델은 결과가 쓸 만하지 않았다고 솔직하게 밝힌다.

결론은 도구가 아니라 쓰는 사람 쪽에 있다. 그림 지식이 있는 사람이 이미지 프롬프트를 잘 쓰고, 코딩을 원래 잘하던 사람이 상세한 지시를 내려 깔끔한 코드를 얻는다. 결과물이 마음에 들지 않을 때 도구 탓을 하기 전에, 지시하는 자신이 병목은 아닌지 점검해 보라는 것이 영상의 마무리다.

주요 인사이트

• AI 티는 기술적 한계라기보다 기본값을 그대로 쓴 흔적이다. 색상, 레이아웃, 문체 모두 선택하지 않은 자리에 도구의 기본 취향이 채워진다.
• AI 티를 줄여 준다는 스킬조차 널리 쓰이면 새로운 획일화를 만든다. 서로 다른 모델이 같은 스킬 아래 같은 레이아웃을 뱉는 장면이 그 증거다.
• 이미지에서 실사 스타일이 가장 안전한 이유는 학습 데이터가 두껍기 때문이고, 반대로 흔치 않은 스타일 조합을 요구하면 바로 무너진다.
• 한글 타이포그래피의 오타 문제는 생성 이미지를 실무에 쓸 때 여전히 남는 제약이라, 글자는 따로 얹는 분업이 현실적이다.
• AI 활용 능력은 결국 해당 분야의 사전 지식에 비례한다. 무엇이 좋은 결과인지 판단할 수 없으면 상세한 지시도 나올 수 없다.

자주 묻는 질문

관련 AI 소식