실제 사용자를 위한 AI 얼굴 노화 앱을 구축하며 배운 점

인공지능(AI)은 몇 초 만에 인상적인 이미지를 생성할 수 있습니다.

하지만 실제 사람들이 실제로 이해하고 즐길 수 있는 AI 이미지 애플리케이션을 구축하는 것은 매우 다른 도전입니다.

사용자가 다양한 생애 단계에서 자신의 얼굴이 어떻게 보일지 탐색할 수 있게 해주는 AI 기반 프로젝트인 Face Aging Studio를 개발하면서, 저는 AI 모델 자체가 제품의 일부에 불과하다는 것을 발견했습니다.

더 어려운 문제들은 그 주변에서 발생합니다: 사용자 기대치, 신원 보존(identity preservation), 업로드 경험, 처리 시간, 개인 정보 보호, 그리고 생성된 결과가 제시되는 방식입니다.

여기 제가 AI 얼굴 노화 경험을 구축하면서 배운 가장 중요한 교훈들입니다.

1. AI 모델이 전체 제품은 아니다

사람들이 AI 이미지 애플리케이션에 대해 생각할 때, 자연스럽게 모델에 초점을 맞춥니다.

어떤 모델이 이미지를 생성하는가?

얼마나 사실적인가?

얼마나 빠른가?

이러한 질문들은 중요하지만, 사용자가 경험하는 것은 모델보다 훨씬 더 많은 것입니다.

사용자는 다음을 경험합니다:

랜딩 페이지
업로드 과정
컨트롤(controls)
대기 시간
오류 메시지
결과 화면
이미지를 다운로드하거나 저장하는 것
AI가 실제로 무엇을 했는지 이해하는지 여부

기술적으로 인상적인 모델이라도 주변 경험이 혼란스럽다면 여전히 좌절감을 주는 제품을 만들 수 있습니다.

저에게 가장 큰 교훈 중 하나는 AI가 사용자에게 거의 투명해야 한다는 것입니다.

사용자는 추론(inference), 프롬프트(prompts), API, 이미지 파이프라인(image pipelines), 또는 모델 매개변수(model parameters)를 이해할 필요가 없습니다.

그들은 하나의 간단한 흐름만 이해하면 됩니다:

사진 업로드 → 원하는 것 선택 → 생성 → 결과 확인.

나머지 모든 것은 구현 문제입니다.

모델은 믿을 수 없을 만큼 사실적인 70세의 얼굴을 생성할 수 있지만, 만약 그 사람이 자신을 더 이상 인식하지 못한다면 결과는 실패합니다.

얼굴 변환 제품의 경우, 사실성과 정체성은 같은 것이 아닙니다.

최고의 결과물은 반드시 주름이 가장 많거나 변환이 가장 강한 이미지는 아닙니다.

사용자가 즉시 다음과 같이 생각하는 이미지입니다:

“여전히 나처럼 보인다.”

이는 출력 품질을 평가하는 방식을 바꿉니다.

단지 다음 질문만 하는 대신:

이것이 사실적으로 보이는가?

다음과 같은 질문도 해야 합니다:

변환 과정에서 인물의 인식 가능한 특징이 보존되었는가?

이러한 구별은 사람을 다루는 거의 모든 AI 애플리케이션에 중요합니다.

3. 사용자는 AI가 가능성을 생성한다는 것을 이해해야 합니다

나이 진행(Age progression) 기능은 또 다른 흥미로운 UX 문제를 만듭니다.

사람들은 본능적으로 미래를 내다보는 초상화를 예측으로 해석합니다.

하지만 생성형 AI는 실제로 누군가가 수십 년 후에 어떻게 보일지 알지 못합니다.

실제 노화는 많은 요인에 달려 있습니다:

유전(genetics)
생활 방식(lifestyle)
자외선 노출(sun exposure)
건강(health)
환경(environment)
스트레스(stress)
헤어스타일(hairstyle)
미용 시술(cosmetic treatments)
수많은 미래 선택지

따라서 생성된 이미지는 예측이 아니라 가능한 시각적 해석으로 이해하는 것이 더 좋습니다.

이러한 구별은 명확하게 전달되어야 합니다.

AI 인터페이스는 기술이 무엇을 할 수 있고 무엇을 할 수 없는지 설명할 때 더욱 신뢰성을 얻습니다.

AI 시스템을 실제보다 더 확신하는 것처럼 보이게 만들려고 노력하는 것은 더 인상적인 데모를 만들 수는 있지만, 더 나쁜 장기 제품을 만듭니다.

4. 사진 업로드는 극도로 단순해야 합니다

개발자들은 파일 피커(file pickers)에 익숙합니다.

하지만 많은 사용자는 그렇지 않습니다.

사진 한 장을 업로드하는 것만으로도 마찰(friction)이 발생할 수 있습니다.

좋은 업로드 인터페이스는 여러 가지를 명확하게 보여주어야 합니다:

– 어떤 파일 형식이 지원되는지
– 한 얼굴만 지원하는지, 여러 얼굴을 지원하는지
– 어떤 유형의 사진이 가장 좋은 결과를 내는지
– 이미지를 업로드한 후 어떻게 되는지
– 사용자가 이미지를 쉽게 교체할 수 있는지

얼굴 변환(face transformation)의 경우, 입력된 이미지가 출력에 큰 영향을 미칩니다.

밝은 조명 아래에서 정면을 바라본 선명한 사진이 멀리서 찍었거나 흐릿하거나 각도가 심하게 기울어진 이미지보다 AI에게 훨씬 더 나은 정보를 제공하는 것이 일반적입니다.

사용자가 잘못된 결과물을 통해 이를 발견하도록 두는 대신, 인터페이스가 업로드하기 전에 미리 설명해야 합니다.

좋은 사용자 경험(UX)은 AI 모델 자체를 변경하지 않고도 AI의 출력 품질을 개선할 수 있습니다.

5. 기다림이 AI 애플리케이션에서 더 길게 느껴지는 이유

AI 생성 과정은 기존 웹 애플리케이션들이 제거하려고 노력하는 요소, 즉 '기다림'을 도입합니다.

일반적인 웹 작업은 거의 즉시 완료될 수 있습니다.

하지만 이미지 생성은 몇 초 이상 걸릴 수 있습니다.

이것이 사용자가 느끼는 경험 자체를 변화시킵니다.

만약 화면이 단순히 멈춘다면, 사용자들은 무언가 오류가 발생했다고 가정할 수 있습니다.

따라서 인터페이스는 진행 상황을 전달해야 합니다.

심지어 다음과 같은 간단한 메시지라도:

“미래의 초상화를 생성 중입니다…”

이 과정에 의도성을 부여합니다.

이는 특히 중요합니다. 왜냐하면 사용자들은 결과물에 감정적으로 투자하기 때문입니다.

그들은 데이터베이스 쿼리를 기다리는 것이 아닙니다.

자신이 변환된 모습을 보기 위해 기다리고 있습니다.

이것은 대기 시간을 경험의 일부로 만듭니다.

6. 오류 메시지는 예상보다 더 중요합니다

AI 시스템은 확률적(probabilistic)입니다.

때로는 생성이 실패합니다.

때로는 업로드된 이미지가 부적합할 수 있습니다.

때로는 API 요청이 시간 초과됩니다(times out).

때로는 모델이 이상한 것을 생성하기도 합니다.

최악의 응답은 일반적인:

오류 500 (Error 500)

입니다.

사용자들은 어떤 서비스가 실패했는지에 관심이 없습니다.

그들이 알아야 하는 것은 다음에 무엇을 할 수 있는지입니다.

유용한 오류 메시지는 다음 질문에 답해야 합니다:

무슨 일이 일어났는가?
내가 무언가를 잃었는가?
지금 무엇을 해야 하는가?

“이 이미지를 처리할 수 없습니다. 명확하고 정면을 바라보는 다른 사진을 시도해 보세요.”

내부 오류를 노출하는 것보다 훨씬 유용합니다.

AI 애플리케이션은 우아한 실패(graceful failure)가 필요합니다. 왜냐하면 가끔 발생하는 실패는 생성 시스템을 다루는 과정의 일부이기 때문입니다.

7. 신뢰는 제품 기능이다 (Trust Is a Product Feature)

사용자가 얼굴 사진을 업로드할 때, 신뢰는 특히 중요해집니다.

사용자들은 자연스럽게 다음 질문들을 알고 싶어 합니다:

이 애플리케이션은 왜 이 이미지가 필요한가?
이 이미지로 무슨 일이 발생하는가?
저장되는가?
누가 접근할 수 있는가?
생성된 결과는 실제인가 아니면 합성인가?

개발자들은 종종 개인정보 보호 설명을 푸터에 숨겨진 법률 콘텐츠처럼 취급합니다.

하지만 AI 제품의 경우, 저는 개인정보 보호와 투명성이 인터페이스의 일부여야 한다고 생각합니다.

제품이 어떻게 작동하는지에 대해 명확할수록 사용자가 사용하는 데 더 편안함을 느낄 수 있습니다.

이는 생성형 AI가 실제 사람을 점점 더 사실적으로 표현할 수 있게 되면서 더욱 중요해집니다.

8. 첫 경험에 너무 많은 것을 담지 마라 (Don't Overload the First Experience)

AI 제품은 모든 것을 추가하고 싶은 유혹을 느끼게 합니다.

다양한 모델.
수십 가지의 스타일.
고급 제어 기능(Advanced controls).
프롬프트(Prompts).
시드(Seeds).
이미지 강도(Image strength).
해상도 설정(Resolution settings).
모델 매개변수(Model parameters).

기술적인 사용자에게는 이러한 옵션들이 흥미로울 수 있습니다.
하지만 소비자 제품의 경우, 빠르게 압도적으로 느껴질 수 있습니다.

기능의 첫 버전은 하나의 간단한 질문에 답해야 합니다:

사용자가 여기에 온 주된 목적은 무엇인가?

나이 변화(age-progression) 애플리케이션의 경우, 그 행동은 단순합니다:

내가 나이가 더 들어 보이면 어떻게 될까?를 보여줘.

고급 창작 기능들은 나중에 추가할 수 있습니다.
선택지를 줄이는 것이 때로는 AI 제품을 덜 강력하게가 아니라 더 강력하게 느끼게 만들기도 합니다.

9. 제품 구축은 당신의 AI 사고방식을 바꾼다 (Building the Product Changes How You Think About AI)

AI 제품을 만들기 전에는 모델 역량(model capability)에 초점을 맞추기 쉽습니다.
하지만 하나를 만든 후에는 전체 시스템에 대해 더 많이 생각하기 시작합니다.

모델은 단지 하나의 구성 요소일 뿐입니다.
당신에게는 다음 것도 필요합니다:

– 프론트엔드 UX
– 백엔드 신뢰성(reliability)
– 인증(authentication)
– 결제(payments)
– 이미지 처리(image handling)
– API 통신(API communication)
– 오류 복구(error recovery)
– 보안(security)
– 성능(performance)
– 분석(analytics)
– 사용자 교육(user education)

저의 경우, Face Aging Studio는 웹 애플리케이션과 Windows 애플리케이션 두 가지 형태로 발전했습니다.

이는 프로젝트가 단순히 “AI API를 호출하는 것”을 넘어, 여러 개의 작은 시스템들을 하나로 연결하여 사용자가 단순하게 느끼도록 만드는 경험에 가깝다는 것을 의미했습니다.

그리고 이것이 아마 가장 큰 교훈일 것입니다.

최고의 AI 제품은 그 복잡성을 숨긴다

생성형 AI(Generative AI)는 개발자들이 접근하기 쉬워지고 있습니다.

모델들은 빠르게 개선되고 있습니다.

API 덕분에 강력한 기능들을 상대적으로 적은 코드로 구현할 수 있게 되었습니다.

하지만 그것이 자동으로 좋은 제품을 만들어주지는 않습니다.

진짜 도전 과제는 그러한 기능을 사람들이 이해하고, 신뢰하며, 즐겨 사용할 수 있는 무언가로 바꾸는 것입니다.

소비자용 AI(consumer AI)의 경우, 가장 성공적인 경험은 사용자가 기술에 대해 거의 생각하지 못하는 경험일 수 있습니다.

사용자는 무언가를 업로드합니다.

선택을 합니다.

잠시 기다립니다.

그리고 흥미로운 일이 벌어집니다.

이 단순한 상호작용 뒤에는 놀라울 정도로 복잡한 시스템이 숨겨져 있을 수 있습니다.

이것이 AI 제품을 구축하는 것을 매우 흥미롭게 만드는 요소입니다.