디자인 의도 그래프, 창의적 AI와 소통하다

초록

ToMigo는 사용자의 텍스트와 레퍼런스 이미지를 분석해 목적·내용·스타일을 노드로, 그 관계를 설명하는 엣지로 표현한 디자인 의도 그래프를 생성한다. 그래프는 인간이 이해하고 직접 수정할 수 있도록 설계돼, AI와 사용자가 공동으로 디자인 목표를 정제·진화시킬 수 있게 한다.

상세 분석

ToMigo는 ‘Theory of Mind(ToM)’ 개념을 차용해, 생성형 AI가 사용자의 숨은 의도를 어떻게 해석하고 있는지를 시각화한다. 핵심은 두 단계의 파이프라인이다. 첫 번째 단계에서는 멀티모달 대형 언어 모델(LLM)이 텍스트와 이미지에서 명시적·암시적 디자인 요소를 추출한다. 이때 이미지 특징은 CLIP‑ 기반 인코더로 변환되고, 텍스트는 프롬프트 파싱을 통해 목적, 분위기, 색채, 레이아웃 등으로 분류된다. 두 번째 단계에서는 사전 연구에서 도출된 10가지 의도 유형과 그 상호 의존성을 반영한 그래프 스키마에 따라 노드와 엣지를 구성한다. 노드는 ‘Purpose(목적)’, ‘Content(내용)’, ‘Style(스타일)’ 등으로 구분되며, 엣지는 “밝은 색은 활발한 분위기를 강화한다”와 같은 인간이 읽을 수 있는 설명을 포함한다.

그래프의 모듈성은 두 가지 중요한 인터랙션 메커니즘을 가능하게 한다. ① Theory‑of‑Mind 위젯: 사용자는 개별 노드를 클릭해 현재 AI가 추론한 이유를 확인하고, 텍스트 입력이나 슬라이더 조작으로 노드 속성을 직접 수정한다. 수정된 노드는 연결된 엣지를 따라 자동으로 전파돼 전체 디자인 일관성을 유지한다. ② 반영형 챗: 시스템은 그래프의 불명확하거나 충돌하는 부분을 탐지하고, 사용자가 명확히 답변하도록 질문을 제시한다. 사용자는 챗을 통해 의도를 재정의하거나 새로운 요소를 추가할 수 있다.

두 차례에 걸친 사용자 연구에서 ToMigo는 기존 프롬프트 기반 도구 대비 의도 정밀도와 사용자 만족도가 크게 향상된 것으로 나타났다. 첫 번째 정량적 실험에서는 초기 그래프가 사용자가 제시한 목표와 87 % 일치했으며, 두 번째 창의적 워크플로우 실험에서는 반복적인 그래프 편집이 디자인 결과물의 ‘목표 부합도’를 평균 1.3점 상승시켰다. 또한, 참가자들은 “AI가 왜 특정 색을 선택했는지 바로 확인할 수 있어 안심된다”는 피드백을 주며, 그래프 기반 인터페이스가 ‘투명성’과 ‘통제감’을 동시에 제공한다는 점을 강조했다.

기술적 한계로는 현재 그래프 스키마가 그래픽 디자인에 특화돼 있어 다른 도메인(예: 제품 디자인, UI/UX)으로 확장하려면 새로운 의도 유형과 관계 정의가 필요하다는 점이다. 또한, LLM이 추론한 엣지 설명이 때때로 과도하게 일반화되거나 모호해질 수 있어, 자동화된 설명 품질 검증 메커니즘이 추가로 요구된다. 향후 연구에서는 그래프 신경망을 활용해 노드‑엣지 업데이트를 보다 정교하게 모델링하고, 사용자 맞춤형 스키마 자동 생성 방법을 탐색할 계획이다.

요약하면, ToMigo는 디자인 의도를 구조화된 그래프 형태로 외재화함으로써, 생성형 AI와 인간 디자이너 사이의 ‘의도 소통’ 과정을 명시적이고 조작 가능하게 만든 혁신적 프레임워크이다.