LLM이 만든 GUI, 실사용 가능할까

초록

본 연구는 2025년 최신 대형 언어 모델 3종(GPT‑o3‑mini‑high, DeepSeek R1, Claude 3.5 Sonnet)이 텍스트 프롬프트만으로 웹 기반 GUI 목업을 자동 생성하도록 시도하고, Nielsen 휴리스틱과 건축학적 평가 항목을 결합한 전문가 평가를 통해 사용성·접근성·미학을 정량·정성적으로 검증한다. 결과는 모델이 레이아웃 구조는 잘 만들지만, 접근성 준수와 인터랙션 구현, 사용자 맥락 이해에서는 인간 디자이너의 보완이 필요함을 보여준다.

상세 분석

본 논문은 LLM 기반 GUI 자동 생성이라는 최신 연구 흐름에 실질적인 실험 데이터를 제공한다. 세 모델은 모두 2025년 1‑2월에 공개된 최신 버전이며, 제로‑샷 프롬프트 방식으로 “BoardPanel”·“FixTeam”·“FixLine”이라는 세 단계의 복잡도(단순 채팅 → 기술 팀 패널 → 관리자 대시보드)를 지정했다. 각 모델에 동일한 프롬프트를 제공함으로써 모델 간 비교 가능성을 확보했으며, 결과물은 단일 HTML 파일(HTML·CSS·JS 포함) 형태로 제공돼 즉시 브라우저에서 실행 가능하도록 설계되었다.

평가 방법은 두 축으로 나뉜다. 첫 번째는 Nielsen의 10가지 휴리스틱을 3점 척도로 평가해 전통적인 사용성 점수를 산출하고, 두 번째는 건축학적 ‘Vitruvian triad’를 변형한 6가지 미학·사용자 요구 항목을 5점 척도로 채점했다. 또한 텍스트 가독성·색 대비를 기준으로 접근성(0/1) 여부를 확인하고, 코드 오류를 ‘경미·중대·치명적’으로 분류했다. 평가자는 심리학·사회학·IT·UX·건축 등 다학제 배경을 가진 3명으로 구성돼, 독립 채점 후 합의를 도출했다.

실험 결과, GPT‑o3‑mini‑high은 ‘추론 모드’를 활용해 단계별 문제 해결 방식을 제시, 코드 가독성·주석 처리에서 가장 높은 점수를 받았다. 그러나 인터랙션 로직(버튼 클릭, 필터링) 구현은 제한적이었으며, 접근성 요소(폰트 크기·명도 대비)도 일부 누락되었다. DeepSeek R1은 전체 레이아웃을 빠르게 생성했지만, 데이터 바인딩 오류와 언어 전환 기능의 불완전함이 눈에 띄었다. 특히, 외부 라이브러리 호출 시 서버 과부하로 인한 응답 지연이 빈번했다. Claude 3.5 Sonnet은 구문 오류가 거의 없고, 코드 구조가 일관됐지만, 디자인 선택이 다소 보수적이며, 요구된 8가지 대시보드 요소 중 절반 이하만을 정확히 구현했다.

전반적으로 세 모델 모두 ‘구조적 레이아웃 생성’에는 강점을 보였지만, ‘사용자 맥락 이해·접근성 준수·완전한 인터랙션 구현’에서는 인간 디자이너의 개입이 필수적임을 확인했다. 특히, 접근성 평가에서 0점(미달) 비율이 30% 이상으로, WCAG 기준을 자동으로 만족시키는 데 한계가 있음을 시사한다. 또한, 프롬프트 설계가 결과에 큰 영향을 미쳐, 요구사항을 3‑5개로 제한하고 명확한 순서를 제시할 때 품질이 향상되는 점이 실험을 통해 드러났다. 이러한 발견은 LLM을 초기 프로토타이핑 도구로 활용하되, 후속 단계에서 인간 전문가가 UI/UX 원칙과 접근성 표준을 검증·보완해야 함을 강조한다.