생성형 AI가 프로토타입을 만드는 속도는 제품팀의 출발선을 바꿨다. Mirakl의 제품 디자이너 에카테리나 페트로이아는 2026년 7월 28일 글에서, 이제 제품 관리자가 기능을 설명하면 오후 안에 작동하는 버전을 얻을 수 있다고 썼다. 이 변화로 아이디어를 화면과 흐름으로 옮기는 비용은 크게 낮아졌지만, 그 화면을 제품으로 남길지 버릴지 정하는 일까지 자동화된 것은 아니다.
그래서 AI 시대의 제품 안목은 예쁜 결과물을 고르는 취향보다 넓은 말이다. 사용자가 처음 마주하는 순서, 보여 줄 정보와 감출 정보, 빈 화면에서 다음 행동을 안내하는 방식, 실제 데이터가 들어왔을 때 깨지지 않는 흐름을 함께 판단하는 능력이다. 프로토타입이 빨라질수록 이 판단은 마지막 장식이 아니라 팀의 병목이 된다.
프로토타입에서 사라진 것은 구현 장벽이다
과거에는 가설 하나를 화면으로 확인하려면 디자인, 개발, 배포의 손을 거쳐야 했다. 지금은 프롬프트와 컴포넌트 조합만으로 클릭 가능한 결과를 빠르게 만들 수 있다. 이때 얻는 것은 중요한 진전이다. 회의에서 말로만 논의하던 가설을 실제 흐름으로 바꾸고, 사용자 반응을 더 일찍 받을 수 있기 때문이다.
문제는 ‘작동한다’가 ‘완성됐다’로 바뀌는 순간이다. 데모에서는 한 명의 사용자가 깨끗한 데이터로 정해진 경로를 밟는다. 제품에서는 처음 온 사람이 용어를 이해해야 하고, 데이터가 비어 있거나 너무 많을 때도 다음 행동을 알아야 하며, 앞선 선택이 뒤 화면에서 자연스럽게 이어져야 한다. 코드를 생성하는 일과 이 조건들 사이의 충돌을 우선순위로 정하는 일은 다른 종류의 작업이다.
그럴듯한 출력과 좋은 선택은 왜 다른가
페트로이아는 자신의 석사 과정 실험을 이 차이를 설명하는 출발점으로 제시한다. 참가자 44명에게 그림 20점을 보여 줬을 때 사람들은 AI 생성 그림과 인간 작품을 거의 동전 던지기 수준으로만 구분했다. 이어 같은 AI 생성 그림 10점을 두 집단에 다르게 소개하자, 인간이 만들었다고 들은 집단은 복잡성·새로움·모호함을 더 높게 평가했다. 그림은 바뀌지 않았고, 누가 만들었다고 믿는지가 감상에 영향을 줬다.
이 결과는 AI가 스스로 무엇을 만들 가치가 있는지 판단했다는 증거가 아니라, 설득력 있는 결과물도 사람이 읽는 맥락에 따라 다르게 평가된다는 관찰이다. 원문은 생성 모델을 ‘진짜처럼 보이는 결과’를 향해 최적화하는 구조로 설명한다. 제품팀에 옮기면 질문은 더 직접적이다. 이 화면이 기능을 수행하는가가 아니라, 지금 이 사용자가 이 정보를 먼저 봐야 하는가, 이 선택지를 지금 보여 줘야 하는가가 된다.
제품 안목은 생성 이후에 작동하는 편집 규칙이다
원문이 인용한 Nielsen Norman Group의 AI 프로토타이핑 평가는 자세한 프롬프트를 줘도 결과물이 그룹화, 위계, 여백 같은 결정에서 자주 어긋난다고 짚는다. 팀의 실제 디자인 시스템과 브랜드 맥락을 읽는 도구는 구성 요소의 통일성을 높일 수 있다. 하지만 같은 버튼과 카드로 만든 화면들 중 무엇을 빼고 어떤 흐름을 먼저 검증할지까지 대신 정하지는 않는다.
따라서 디자이너와 PM의 역할은 AI와 경쟁해 화면 한 장을 더 빨리 만드는 데 있지 않다. 생성된 안을 사용자 과업, 정보의 우선순위, 실제 운영 조건에 대조해 버릴 수 있어야 한다. 특히 첫 사용자 흐름, 빈 상태, 오류와 경계 조건은 그럴듯한 데모가 놓치기 쉬운 곳이다. 빠른 프로토타입은 더 많은 선택지를 준다. 제품 안목은 그 선택지 가운데 팀이 책임질 수 있는 하나를 남기는 규칙이다.
AI를 잘 쓰는 팀일수록 생성량 자체보다 검토의 질을 운영해야 한다. 누가 어떤 기준으로 안을 제외했는지, 사용자 반응이 어떤 결정을 뒤집었는지, 다음 프롬프트에 무엇을 제약으로 넣을지를 남기면 속도는 학습으로 이어진다. 반대로 생성 결과를 곧바로 완료로 취급하면, 구현 시간을 아낀 만큼 판단의 비용이 출시 뒤로 밀린다.
출처: Ecaterina Petroia, “You Can Prompt a Prototype. You Can’t Prompt Taste.”, Mirakl Labs (2026-07-28)