Figma VS Gemini: 같은 AI, 다른 결과물 - 브런치

AI 대홍수의 시대에 디자이너가 갖추어야 할 진짜 역량 최근 서비스 시나리오를 설명하는 비주얼 작업을 진행하며, 생성형 AI인 '나노바나나' 모델을 Figma와 Gemini 두 환경에서 각각 사용해 보았습니다. 흥미로웠던 점은 동일한 모델임에도 불구하고 결과물의 퀄리티와 제 디자인 의도를 반영하는 방식이 판이하게 달랐다는 점입니다. 흔히들 "장인은 도구 탓을 하지 않는다"고 하죠. 하지만 이번 경험을 통해 저는 그 옛 속담을 조금 다른 의미로 피부에 와닿게 느꼈습니다. 결과물의 차이는 단순히 도구의 성능보다, '어떤 인터페이스 안에서 어떤 방식으로 AI와 상호작용하느냐'에 따라 크게 좌우될 수 있다는 사실을 실감했기 때문입니다. 새로운 서비스를 기획할 때 시나리오 기반의 비주얼은 생각보다 큰 역할을 합니다. 백 마디 설명보다 한 장의 이미지가 상황을 훨씬 빠르게 이해시키는 순간이 분명히 있으니까요. 최근 업무 중에 제가 필요했던 건 차량과 멀티 디바이스 연결 경험을 설명하는 시나리오 일러스트였습니다. 단순히 예쁜 그림이 아니라, 이해를 돕는 사용자 경험 시나리오 설명 도구로서의 역할이 중요했죠. 이런 이미지는 일반적인 비주얼 생성과는 조금 다릅니다. 한 장 안에 적어도 아래 요소들이 유기적으로 담겨야 하기 때문입니다. 누가 이 장면의 주인공(사용자)이며 어떤 상황에 놓여 있는지 지금 무엇을 하고 있고 왜 그 행동이 중요한지 즉, 이미지 한 장 안에 상황과 맥락, 그리고 작은 '서사'가 함께 녹아 있어야 합니다. 이 시나리오 이미지를 만들기 위해 먼저 Figma 내부에 탑재된 이미지 생성 기능(NanoBanana 모델)을 활용해 봤습니다. 원하는 스타일의 레퍼런스를 찾고, 프롬프트에 시나리오 상황을 설명하는 방식이었죠. 첫 결과물은 꽤 그럴듯했습니다. 무엇보다 Figma 안에서 작업을 하다가 흐름을 끊지 않고 바로 생성하고 결과를 확인할 수 있다는 점은 큰 매력이었습니다. 구체적으로는 이런 장점들이 있더군요. 압도적인 시작 속도: 디자인 캔버스 위에서 즉시 시도 끊김 없는 워크플로우: 외부 브라우저로 나갈 필요 없이 결과를 바로 배치 아이디어 시각화: 러프한 아이디어를 즉석에서 확인하고 방향을 잡기에 최적 초기 탐색 단계에서는 이 장점들이 꽤 강력하게 느껴졌습니다. 아이디어를 거칠게 확인하는 용도라면 충분히 훌륭한 도구였습니다. 하지만 작업이 진행될수록 한계가 드러나기 시작했습니다. 시나리오 기반 일러스트는 단순히 "차 안의 사람"을 그리는 것으로 끝나지 않습니다. 상황을 더 구체화하고, 장면의 의도를 보완하며, 이전 결과를 토대로 수정하면서 점진적으로 발전시켜야 하죠. Figma 환경은 이런 식의 '연속적인 작업'에는 다소 제한적이었습니다. 짧은 프롬프트 입력 구조 안에서는 복잡한 서사를 길게 이어가며 다루는 데 한계가 있었고, 하나의 장면을 맥락을 유지한 채 발전시키는 일이 생각보다 쉽지 않았습니다. 빠르게 만들기는 좋았지만, 장면을 정교하게 다듬고 이어가는 데는 조금 다른 방식의 상호작용이 필요했던 것이죠. 그래서 같은 나노바나나 모델이지만, 대화형 인터페이스를 가진 Gemini에서 다시 작업을 시작해 보았습니다. 체감상 가장 큰 차이는 결과물 자체보다 '결과물에 도달하는 과정'에 있었습니다. Gemini에서는 아래와 같은 방식의 작업이 가능했습니다. 상황을 훨씬 더 길고 풍부하게 설명할 수 있습니다. 장면의 세세한 의도를 구체적으로 전달할 수 있습니다. 이전 결과를 바탕으로 수정 방향을 계속 축적할 수 있습니다. 단순히 프롬프트를 한 번 입력하고 결과를 받는 게 아니라, AI와 대화하며 맥락을 쌓고 그 맥락 위에서 결과물을 발전시키는 과정이 가능해진 것이죠. 결과적으로 시나리오 기반 비주얼에서 훨씬 만족스러운 결과물을 얻을 수 있었습니다. 이때 느꼈습니다. 제가 필요했던 건 단순한 '이미지 생성기'가 아니라, 맥락을 함께 관리해 주는 '작업 파트너'였다는 것을요. 두 환경의 차이를 정리하면 다음과 같습니다. 이 차이는 모델의 우열이라기보다 상호작용 구조(Interface)의 차이에 가깝습니다. 정적인 한 장의 이미지보다 흐름과 서사가 중요한 작업에서는 대화형 환경이 훨씬 더 큰 힘을 발휘한다는 것을 알 수 있었습니다. 결국 중요한 것은 '어떤 모델인가'보다 '어떻게 다루는가'였습니다. 생성형 AI와의 협업이 일상이 될수록 중요한 건 최신 모델을 선점하는 기술보다, 그 툴을 내 작업 목적에 맞게 설계하고 다루는 판단력입니다. 요즘은 새로운 AI 툴이 너무 빠르게 쏟아져 나와 따라가는 것만으로도 벅차게 느껴질 때가 많습니다. 그래서 우리는 종종 "어떤 AI가 제일 좋아?"라고 묻곤 하죠. 결국 차이를 만드는 건 툴 자체가 아니라, 우리 스스로에게 던지는 이런 질문들일지도 모릅니다. 지금 내가 만들고 싶은 것의 본질은 무엇인가? 이 작업에 우선순위는 속도인가, 맥락인가? 단발성 결과물인가, 아니면 연속된 서사가 필요한가? AI 도구가 많아질수록 역설적으로 더 중요해지는 것은 맥락을 읽고, 워크플로우를 설계하며, 결과를 발전시켜 나가는 사람의 감각이라고 생각합니다. 도구의 이름을 많이 아는 것보다, 내 목적에 맞게 도구를 부릴 줄 아는 '경험과 판단력'이 진정한 경쟁력이 되는 시대가 아닐까요?