Grok Bot으로 Grok Bot을 디자인하다 — 제작과 실험의 비용을 낮추는 AI 워크플로
📺 원본 영상: How SpaceXAI designers use Grok Bot and Figma MCP to ship faster
🎙️ 채널: How I AI
📅 정리 일자: 2026-09-15
⚠️ Note: 본 리포트는 영상의 음성 변환 텍스트를 바탕으로 작성된 문서를 검수한 것이다. 이번 검수에는 원본 STT와 음성이 제공되지 않아 고유명사와 수치를 원음과 대조하지 못했다. 화면에 표시된 코드, 설정, 디자인 파일의 세부 내용은 확인할 수 없으며, 시연 결과는 기존 리포트와 제공된 스크린샷 설명에서 확인되는 범위에서만 서술한다. 제품명은 제공된 영상 제목에 맞춰 Grok Bot으로 통일하고, 발음이 불확실한 인명과 서비스명은 확대 해석하지 않았다. 스크린샷 목록에는 로컬 경로만 있고 webUrl이 없어 이미지를 삽입하지 않았다.
개요
이 영상은 Grok Bot 디자인팀의 두 디자이너가 AI 에이전트를 개인 웹사이트 운영, Figma 에셋 제작, 인터랙션 프로토타이핑에 활용하는 과정을 다룬다. 기술과 구현 흐름에 초점을 맞춰 살펴보면, 사례들을 관통하는 변화는 사진·스크린샷·음성으로 의도를 전달한 뒤 여러 도구를 거치는 실행을 에이전트에 맡길 수 있게 되었다는 점이다. 진행자와 출연자들은 이를 통해 디자이너가 반복 제작에 들이는 시간을 줄이고, 직접 만들어본 결과를 바탕으로 아이디어의 채택 여부를 판단하기 쉬워졌다고 설명한다.
개인 웹사이트의 진짜 문제는 제작 이후에 있었다
첫 번째 사례는 중국 음식 포장 상자에 그려진 사찰이 실제 장소인지 궁금해진 데서 시작한다. 디자이너는 이를 찾아 샌프란시스코 차이나타운을 돌아다녔지만 사찰을 찾지는 못했고, 대신 작은 식료품점의 사진을 찍었다. 이후 버스를 기다리면서 AI로 그 사진을 점토 느낌의 3D 미니어처 이미지로 변환했고, 집에 돌아와 개인 웹사이트를 새로 만들면서 이를 홈페이지에 넣었다. 처음에는 작은 가게 이미지와 자기소개 문구로 이루어진 단순한 페이지였지만, 최근 방문한 장소를 표시하는 문장이 새로운 방향을 열었다.
출연자가 오랫동안 느낀 개인 웹사이트의 문제는 공들여 만들어도 방문자가 잠깐 보고 떠나며, 정작 제작자 자신도 자주 돌아오지 않는다는 것이었다. 그는 자신이 어디에 갔고, 누구와 있었으며, 무엇을 했는지 기록하는 것을 좋아했지만, 이런 목적의 체크인 서비스가 등장했다가 사라지는 흐름도 경험했다. 그래서 개인 웹사이트를 고정된 자기소개 페이지에서 지속적으로 쌓이는 생활 기록으로 바꾸려 했다. 다만 기록할 때마다 수작업이 필요하다면 오래 유지하기 어렵다는 판단 때문에, 업데이트 과정의 자동화가 처음부터 중요한 조건이 되었다.
이 사례에서 진행자가 높이 평가한 부분도 사이트의 외형과 함께 유지 비용이었다. 사진을 내려받고, 친구의 소셜 프로필을 복사하고, 관리 화면에서 내용을 수정해야 한다면 아무리 좋은 아이디어라도 업데이트가 중단되기 쉽다는 것이다. 반면 일상에서 이미 가지고 있는 사진이나 스크린샷을 보내는 것으로 갱신할 수 있다면 기록을 남기는 부담이 낮아진다. 따라서 이 프로젝트의 설계 대상은 홈페이지뿐 아니라, 사용자가 홈페이지를 지속적으로 갱신하는 과정까지 포함한다.
사진 한 장이 웹사이트 데이터가 되는 과정
출연자가 설명한 입력 방식은 사진, 스크린샷, 장소 이름처럼 매우 가볍다. 사용자가 이를 Grok Bot에 보내면 봇은 장소가 어디인지 파악하고, Google Places API를 통해 위치 좌표를 구한다. 이어 이미지의 원근을 보정하고 사람을 제거하며 건물의 외관을 분리해, 사이트에서 사용하는 3D 미니어처 스타일로 변환한다. 마지막으로 체크인 전용 봇이 장소와 동행인 정보를 웹사이트가 기대하는 구조화된 데이터로 정리해 사이트에 반영한다고 설명한다.
이미지 생성에서는 밝은 테마와 어두운 테마를 위한 두 버전을 만드는 것이 중요한 요구사항이었다. 출연자는 어두운 테마에서 건물의 조명이 켜지는 효과를 원했기 때문에, 두 이미지가 서로 일관되면서도 조명 상태가 달라지도록 프롬프트에 조건을 넣었다고 말한다. 이는 이미지를 한 번 생성하고 끝내는 작업보다 요구 수준이 높다. 서로 다른 상태에서도 같은 장소와 같은 시각적 정체성이 유지되어야 웹사이트 전체가 하나의 경험으로 이어지기 때문이다.
| 단계 | 음성에서 설명한 처리 | 확인 범위 |
|---|---|---|
| 입력 | 사진, 스크린샷 또는 장소 이름 전달 | 구체적인 입력 검증 방식은 설명하지 않음 |
| 장소 확인 | Google Places API를 이용한 위치 좌표 조회 | 동명 장소나 오인식 처리 방식은 설명하지 않음 |
| 이미지 가공 | 원근 보정, 사람 제거, 건물 외관 분리와 미니어처 스타일 생성 | 모델과 세부 설정은 공개하지 않음 |
| 테마 대응 | 일관된 라이트·다크 이미지 생성 | 일관성을 위한 조건을 프롬프트에 포함했다고 설명 |
| 데이터 연결 | 웹사이트가 기대하는 구조로 변환 | 실제 스키마와 저장 구조는 확인할 수 없음 |
| 사이트 반영 | 체크인 기록을 웹사이트에 게시 | 시연 중 게시된 것 같다는 발언이 나옴 |
출연자는 이 구성을 특별히 복잡한 기술의 집합으로 설명하지 않는다. 위치 검색, 이미지 생성, 구조화된 데이터, 웹사이트 렌더링이라는 비교적 단순한 구성요소를 Grok Bot이 연결한다는 것이 그의 설명이다. 다만 음성에는 서버 구성, 배포 경로, 인증 방식, 실패 시 재시도 같은 구현 세부사항이 나오지 않는다. 따라서 이 사례에서 확인할 수 있는 것은 각 요소를 연결한 작업 흐름이며, 특정 기술 스택이나 완전한 운영 구조까지 확정할 수는 없다.
💡 [영상 참조] 출연자는 라이트·다크 이미지와 웹사이트를 설명하며 화면을 참조한다. 실제 이미지의 일관성과 테마 전환 표현은 12분 16초 부근 원본 영상에서 확인할 수 있다.
목적은 분명하게, 구현은 결과를 보며 구체화한다
출연자는 처음부터 콘텐츠 관리 시스템(CMS), 관리 화면, 이미지 업로드, 호스팅, 배포, 코드 저장소를 모두 설계하고 싶지 않았다고 말한다. 작은 개인 프로젝트라도 필요한 구성요소를 먼저 떠올리면 시작하기 전에 부담이 커졌기 때문이다. 그래서 Grok Bot에는 아이디어를 설명하고 가장 단순하게 실현할 방법을 물었다. Figma 파일이나 명세서를 먼저 만들지 않고, 하나를 구현한 뒤 결과를 보면서 다음 기능을 추가하는 방식으로 진행했다.
장소를 기록하는 기능에 동행인 정보가 더해진 것도 이러한 반복 과정의 결과였다. 장소만큼 중요한 것이 함께한 사람이라는 생각에서 친구의 소셜 프로필 스크린샷을 입력에 포함하게 되었고, 봇이 이를 나머지 기록과 연결하도록 발전시켰다. 시연에서는 세 사람이 실제로 함께 있지 않다는 점을 밝힌 뒤, 샌프란시스코의 Bernal Heights를 가상의 만남 장소로 사용했다. 이는 실제 방문 기록을 검증하는 장면이 아니라, 장소 정보와 사람 정보를 조합하는 워크플로를 보여주는 예시였다.
후반부에는 처리가 끝났고 웹사이트에 게시된 것 같다는 발언이 나오지만, 함께 언급했던 그네가 결과에 표현되지 않았다는 반응도 나온다. 이 차이는 자동화의 성공을 여러 수준으로 구분해 보게 한다. 입력을 받아 사이트에 게시하는 흐름이 작동하는 것과, 사용자가 기대한 모든 세부 요소를 결과 이미지에 담는 것은 별개의 문제다. 영상에서도 파이프라인이 연결되었다는 성과와 함께 생성 결과를 사람이 확인해야 할 이유가 드러난다.
FigmaBro — 완성된 기준을 여러 에셋으로 확장하는 봇
두 번째 디자이너가 소개한 FigmaBro의 첫 사례는 이미 존재하는 디자인을 반복 적용하는 작업이었다. 동료가 커뮤니티용 에셋을 요청했을 때 그는 운동을 마무리하고 있었고, Figma에 있던 아이콘 라이브러리와 브랜드북의 아트보드를 스크린샷으로 전달했다. 하나는 아이콘이 배치된 예시였고, 다른 하나는 같은 방식의 적용이 필요한 대상이었다. 음성으로 아이콘 크기를 키우고 기존 예시와 동일한 위치에 배치해 전체 세트를 만들도록 지시했으며, 불명확하면 알려달라는 조건도 덧붙였다.
봇은 세 가지 결과물을 만들었고, 이후 크기 확대, 둥근 형태에서의 확인, 색상 변경 같은 추가 요청을 반영했다. 출연자는 이 작업 자체가 Figma에서 아주 오래 걸리는 일은 아닐 수 있다고 인정한다. 그럼에도 컴퓨터 앞에 있지 않은 상태에서 요청을 받아 결과를 만들고 수정할 수 있다는 점에 의미를 둔다. 즉, 여기서 체감되는 생산성은 개별 조작의 속도뿐 아니라 작업을 처리하기 위해 다시 책상으로 돌아가야 하는 제약이 줄어든 데서 나온다.
진행자는 이를 디자이너가 어떤 일에 시간을 써야 하는지의 문제로 연결한다. 에셋의 시각적 기준을 훌륭하게 만드는 일에는 판단이 필요하지만, 정해진 기준을 여러 변형에 옮기는 과정에는 반복 작업이 많이 포함된다. FigmaBro 사례에서는 사람이 만든 예시가 기준점이 되고, 봇은 이를 다른 대상에 적용한다. 출연자의 설명을 따라가면 자동화의 효과는 이미 좋은 기준이 있는 작업에서 특히 구체적으로 드러난다.
💡 [영상 참조] 출연자는 기존 아트보드, 봇의 출력, 후속 수정 내용을 화면으로 설명한다. 실제 아이콘 배치와 수정 전후 모습은 22분 14초 부근 원본 영상을 참조할 수 있다.
Figma MCP 연결 다음에는 작업 규칙이 필요하다
FigmaBro가 어떻게 Figma와 연결되는지 묻자 출연자는 Figma MCP를 사용한다고 답한다. 그의 설명에 따르면 연결을 만든 뒤 봇에 해당 Figma 링크를 전달하고, 수행할 작업과 제어 조건을 구체적으로 알려주는 방식이다. 또한 봇에 스킬과 개인적인 작업 규칙을 미리 설정해 둔다고 말한다. 예를 들어 아트보드를 가로로 나란히 놓고, 크기에 따라 50픽셀 또는 100픽셀 정도의 간격을 유지하도록 요구한다.
이러한 규칙은 결과 이미지의 완성도와는 다른 종류의 품질을 다룬다. 출연자는 돌아왔을 때 Figma 파일이 어수선해져 있지 않도록 배치 기준을 미리 전달한다고 설명한다. 파일 안에서 사람이 결과를 찾고 비교하고 수정해야 한다는 점을 생각하면, 정리된 작업 공간도 자동화 결과물의 일부가 된다. 이 사례에서 유추할 수 있는 실무적 함의는 디자인 취향뿐 아니라 파일 관리 습관도 에이전트가 따를 수 있는 조건으로 표현할 가치가 있다는 것이다.
다만 영상은 연결에 사용한 서버의 정확한 종류, 인증 절차, 도구 목록이나 권한 범위를 설명하지 않는다. 따라서 시연에서 보인 동작을 모든 Figma MCP 환경에서 동일하게 가능한 기능으로 일반화해서는 안 된다. 여기서 확인되는 사실은 출연자가 자신의 연결 환경과 봇 설정을 이용해 해당 작업을 수행했다고 설명했다는 것이다. 실제 도입 시 필요한 설정 정보는 이 음성 자료만으로 재현하기 어렵다.
마케팅 제작에서 드러난 템플릿의 힘과 검수의 필요성
이어지는 사례는 봇 마켓플레이스의 주요 활용법과 제작자를 소개하는 마케팅 자료였다. 디자이너는 먼저 빠르게 템플릿 하나를 만들고, 해당 링크와 요청 메시지를 봇에 전달했다. 브랜드북의 배경과 월페이퍼를 사용하면서 자신이 만든 스타일을 나머지 대상에도 적용하라는 지시였다. 사람이 기준을 한 번 만들고, 에이전트가 대상별 변형을 생산하는 구조가 앞선 사례보다 더 분명해진다.
출연자는 이 방식으로 각 사이트에 방문해 사진을 내려받고, 이미지를 교체하고, 인스턴스와 배경, 문구를 수정하는 수작업을 줄였다고 설명한다. 인터뷰하는 동안에도 작업이 진행된다는 점 역시 그가 강조하는 장점이었다. 하지만 동시에 일부 결과에서는 사진이 완전히 갱신되지 않았으며, 다시 지시해야 한다고 말한다. 따라서 이 장면은 작업 위임이 유용하다는 증거인 동시에, 모든 결과가 한 번에 완성되었다는 주장을 뒷받침하지는 않는다.
이 사례의 핵심은 브랜드북과 템플릿을 갖추는 일이 AI 시대에도 여전히 중요하다는 데 있다. 봇이 반복 제작을 담당하려면 무엇을 유지하고 무엇을 바꿔야 하는지 판단할 기준이 필요하기 때문이다. 진행자 역시 디자이너가 확장 가능한 기반을 잘 만드는 데 시간을 쓰고, 여러 에셋으로 옮기는 제작 작업을 봇에 맡기는 구도를 긍정적으로 평가한다. 다만 영상에는 수작업 대비 시간 절감률이나 정확도 측정이 없으므로, 효과는 출연자의 경험과 시연 중 설명된 결과로 한정해 이해해야 한다.
머릿속 인터랙션을 직접 눌러볼 수 있는 시제품으로 바꾸다
세 번째 사례에서 디자이너는 DevBot과 Experiments를 이용해 이동 중 떠오른 인터랙션을 시험했다. 그는 실제 모바일 앱 화면과 자신의 봇 화면을 스크린샷으로 전달하고, 만들고 싶은 공유 경험을 음성 메모로 설명했다. 공유하는 대상은 실행 중인 에이전트 자체가 아니라 다른 사람에게 전달할 수 있는 복사본 또는 템플릿이라는 개념이었다. 이를 시각적으로 표현하기 위해 공유 버튼을 누르면 스크린샷을 찍는 듯한 효과가 발생하고, 화면이 작아지면서 템플릿 미리보기로 이어지는 동작을 구상했다.
출연자의 설명에 따르면 작업을 받은 봇은 화면 요소의 전환을 다루기 위해 MotionGod이라는 봇과 대화했다. 이후 테스트용 저장소 안에서 일부 컴포넌트를 재구성해 두 가지 시제품을 만들었다. 첫 번째는 스크린샷 효과와 전환을 강조한 안으로, 봇의 루틴과 플러그인 정보를 살펴보고 공유 링크를 복사하는 흐름까지 포함했다. 두 번째는 더 절제된 동작을 요청한 결과로, 공유 모달로 바로 들어가는 방식이었다.
이 사례에서 중요한 결과는 화려한 애니메이션을 구현했다는 사실보다, 디자이너가 상상한 흐름을 직접 조작하며 판단할 수 있게 되었다는 점이다. 출연자는 원래라면 Figma에서 화면 사이의 연결을 구성하거나 코드로 어떻게 구현할지 고민해야 했을 일을 자연어 설명으로 시작할 수 있었다고 말한다. 다만 실제 코드, 애니메이션 시간값, 사용 라이브러리, 테스트 결과는 음성에 제공되지 않는다. 따라서 확인 가능한 성과는 상호작용 가능한 탐색용 시제품이며, 제품 코드에 바로 통합할 수 있는 완성도를 입증한 것은 아니다.
💡 [영상 참조] 출연자는 두 프로토타입을 조작하면서 화면 전환과 탭 이동, 공유 동작을 설명한다. 실제 움직임은 27분 49초 부근 원본 영상을 확인해야 한다.
만들고도 버릴 수 있을 때 실험의 범위가 넓어진다
디자이너는 이 공유 인터랙션을 최종적으로 채택하지 않았다고 말한다. 출발점이었던 iOS 스크린샷 경험을 지나치게 연상시킨다고 느꼈기 때문이다. 이는 시제품이 실행되었다는 사실과 디자인이 적합하다는 판단이 다르다는 점을 보여준다. 영상에서 AI는 구현을 도왔지만, 그 결과를 제품에 넣을지 결정하는 역할은 디자이너에게 남아 있다.
진행자는 이를 ‘쓰레기통 방식의 소프트웨어 개발’이라는 표현으로 설명한다. 기존 조직에서는 작은 인터랙션을 시험하려 해도 우선순위, 투자수익률, 목표와의 관련성, 엔지니어링 자원 같은 논의를 통과해야 했다는 것이다. 그렇게 자원을 확보해 만든 뒤 마음에 들지 않는다고 폐기하면, 이미 투입한 시간 때문에 갈등이 생기기 쉽다고 지적한다. 실험용 구현을 저렴하게 만들 수 있으면 아이디어를 구체화하기 전에 정당화해야 하는 부담도 줄어든다는 것이 그의 주장이다.
이 관점에서 AI 프로토타이핑의 가치는 출시할 기능을 더 빨리 생산하는 데만 있지 않다. 막연한 기대를 실제로 확인하고, 적합하지 않은 선택지를 일찍 제외하는 데도 의미가 있다. 다만 영상에서 이를 뒷받침하는 구체적인 사례는 탐색용 프로토타입이며, 실제 고객이 사용하는 기능을 폐기하는 비용까지 측정한 것은 아니다. 시제품 제작 비용이 낮아졌다는 경험을 운영·유지보수 비용 전반의 소멸로 확대해서는 안 된다.
디자이너의 판단력과 제작 능력 사이를 좁히는 도구
진행자는 자신이 좋은 일러스트를 알아보는 감각은 있지만 직접 그리는 능력은 부족하다고 설명한다. 반면 UI·UX 작업에서 모서리 반경이나 글자 간격을 다듬는 일에는 익숙하다고 말한다. AI 생성 도구는 이런 개인별 역량의 차이를 보완해, 기존에 가진 감각과 전략적 경험을 더 넓은 표현 수단에 적용할 수 있게 한다는 것이 그의 관점이다. 출연자도 원하는 움직임을 말이나 손짓으로 설명할 수는 있어도 직접 구현하기 어려웠던 모션 작업에서 비슷한 변화를 경험했다고 답한다.
이 설명은 좋은 결과를 판단하는 능력과 모든 제작 기술을 직접 수행하는 능력이 구분될 수 있음을 보여준다. 개인 웹사이트에서는 원하는 미니어처 스타일과 테마별 표현을 디자이너가 정했고, Figma 사례에서는 기준이 되는 에셋과 브랜드 스타일을 사람이 제공했다. 프로토타입에서는 구현된 결과가 제품에 적합한지 평가하고 채택하지 않는 결정까지 내렸다. 사례 전체에서 판단 기준은 계속 사람에게서 나오며, AI는 그 기준을 시험하고 적용할 수 있는 범위를 넓힌다.
진행자는 반복적인 기초 작업에서 벗어나 소리, 영상, 일러스트, 사용자에게 작은 즐거움을 주는 디테일 같은 영역에 더 많은 관심을 기울일 수 있다고 전망한다. 그러나 이는 패널이 제시하는 창작 활동의 가능성에 대한 견해이며, 모든 디자이너의 역할이 같은 방향으로 바뀐다는 실증적 결론은 아니다. 영상이 보여주는 것은 특정 작업 환경에서 제작 부담이 낮아졌을 때 탐색 범위가 넓어지는 경험이다. 그 변화의 중심에는 생성 결과의 수보다 무엇을 좋은 결과로 받아들일지 결정하는 능력이 있다.
생활 업무에서도 핵심은 여러 단계를 끝까지 연결하는 것이다
후반부에서 출연자는 봇을 생활과 업무의 두 영역으로 나누고, 어디에 맡길지 애매한 일은 비서실장 역할의 봇에 전달한다고 설명한다. 대표적인 예는 3D 프린팅 필라멘트를 찾고 구매한 뒤 재고 목록까지 업데이트하도록 요청하는 일이다. 이때 사용자가 원하는 것은 상품 검색 결과만 받는 것이 아니라, 구매와 기록이라는 연결된 작업을 마치는 것이다. 출연자는 이처럼 상위 수준의 목표를 전달하고 필요한 단계를 이어서 실행하게 하는 것이 에이전트의 힘이라고 본다.
일정 관리에서도 비슷한 흐름이 나타난다. 약속에 관한 LinkedIn 대화를 스크린샷으로 보내 봇에게 달력에 임시 일정을 추가하도록 요청하며, 출연자는 이제 달력 앱을 거의 열지 않는다고 말한다. 이메일에서 해야 할 일을 추려내는 봇, 매일 오전 7시에 개인화된 AI 뉴스를 보내는 봇, 정기적으로 대기 상태를 확인하는 봇도 소개한다. 다만 후자의 세부 제도명은 STT가 불명확하므로, 특정 절차로 확정하기보다 반복적인 상태 조회를 위임한 사례로 이해하는 편이 정확하다.
다른 디자이너는 일본어 연습 봇이 한자가 포함된 표현과 발음, 영어 응답을 함께 제공하도록 설정했다고 설명한다. 또한 보험 플랜과 영수증을 바탕으로 추가 확인이나 후속 조치가 필요한지 살펴보는 용도로 봇을 활용한다고 말한다. 이는 개인적인 사용 경험이며, 영상은 해당 판단의 정확성이나 실제 절감 효과를 검증하지 않는다. 여러 사례를 연결하는 공통점은 사용자가 매번 앱의 기능을 찾아 조작하기보다 현재 가진 자료와 목적을 전달하는 방식으로 작업을 시작한다는 것이다.
반복되는 피드백을 다음 작업의 조건으로 남긴다
마지막으로 봇이 기대와 다르게 행동할 때 어떻게 대응하는지에 대한 질문이 나온다. 출연자는 문제를 해결한 방법을 봇에게 기억하도록 요청하고, 다음에 같은 상황이 발생하면 이전에 정리한 방식을 따르게 하라고 조언한다. 단발성으로 결과를 고치는 데서 끝내지 않고, 반복되는 오류를 향후 작업 지침으로 바꾸는 접근이다. 이는 앞서 Figma의 아트보드 간격과 배치 방식을 미리 지정한 사례와도 연결된다.
다만 이러한 설명을 모델 자체가 사용자의 모든 피드백으로 자동 재학습된다는 뜻으로 해석할 수는 없다. 영상에는 기억이 어디에 저장되고 어떤 범위에 적용되며 얼마나 지속되는지에 대한 구현 정보가 없다. 확인 가능한 것은 출연자가 기억 요청과 반복적인 지침 수정을 개인화 방법으로 사용한다는 점이다. 실무적 함의는 좋은 결과와 수정 이유를 명시적으로 남길수록, 다음 작업에서 원하는 조건을 더 분명하게 전달할 수 있다는 데 있다.
마무리 / 핵심 정리
이 영상의 사례들은 사람이 목적과 기준을 제시하고, 에이전트가 여러 도구를 거치는 작업을 수행한 뒤, 사람이 결과를 평가하는 흐름으로 이어진다. 개인 웹사이트에서는 유지하기 어려웠던 생활 기록이 가벼운 입력으로 시작하는 업데이트 과정으로 바뀌었다. Figma에서는 기준 에셋을 여러 결과물에 적용하는 반복 제작을 위임했고, 프로토타이핑에서는 이동 중 떠오른 생각을 직접 시험할 수 있는 형태로 구체화했다. 세 사례 모두 사용자가 다시 작업에 착수해야 하는 부담을 낮춘다는 공통점이 있다.
동시에 영상은 자동화가 판단과 검수를 없애지 않는다는 사실도 보여준다. 생성 이미지에는 기대한 세부 요소가 빠졌고, 마케팅 에셋에는 교체되지 않은 사진이 남았으며, 구현된 인터랙션은 최종적으로 채택되지 않았다. 따라서 이 사례에서 얻을 수 있는 가장 설득력 있는 인사이트는 AI가 모든 작업을 완결한다는 주장이 아니라, 사람이 판단할 수 있는 결과에 도달하는 비용을 낮춘다는 것이다. 진행자가 강조한 컴퓨터에서 벗어나는 시간 역시 이러한 위임과 평가의 방식이 실제로 작동할 때 생기는 효용이다.
📚 출처 및 참고
| 구분 | 내용 |
|---|---|
| 원본 영상 | How SpaceXAI designers use Grok Bot and Figma MCP to ship faster |
| 채널 | How I AI |
| 원본 리포트에 기재된 STT 범위 | 00:00–41:31 |
| 리포트 작성 | 2026-09-15 |
| 작성 방식 | 제공된 YouTube 영상 STT를 바탕으로 문맥 교정 및 서술형 재구성 |
| 자료 범위 | 외부 기술 문서나 실제 코드 없이 발언에서 확인되는 내용 중심으로 작성 |
| 이번 검수 범위 | 제공된 리포트와 스크린샷 목록의 설명을 대조해 문맥과 표현 교정. 원본 STT·음성 및 스크린샷 이미지 미확인 |
| 수치 검수 | 원문에 [?] 표기는 없음. 수치는 대조 자료가 없어 유지했으며, 원음 확인을 마친 값으로 간주하지 않음 |
| 스크린샷 | 7개 항목 모두 로컬 경로만 제공되어 webUrl을 요구하는 삽입 조건에 해당하지 않음 |
본 리포트는 출연자의 사용 경험과 진행자의 해석을 구분해 재구성했으며, 광고와 비본질적인 잡담은 제외했다. Figma 연결 설정, 이미지 생성 모델, 데이터 스키마, 배포 구조처럼 음성에서 설명하지 않은 정보는 보충해 만들지 않았다. 효과에 관한 수치 측정도 제시되지 않았으므로, 생산성 향상은 영상 속 경험과 사례 수준에서 서술했다. 정확한 발언과 화면의 세부 내용은 원본 영상을 참조해야 한다.
영상 주요 장면
09:49 - 체크인 전용 봇이 장소와 동행인 정보를 웹사이트가 기대하는 데이터 구조로 정리한다고 설명하는 구간
12:29 - 라이트·다크 이미지의 일관성과 이를 프롬프트에 반영한 방식을 설명하는 구간
22:19 - Figma 에셋 제작 결과를 바탕으로 크기와 둥근 형태 등을 반복 수정한 과정을 설명하는 구간
24:28 - 마케팅 템플릿에서 사진과 인스턴스, 배경, 문구 교체를 자동화한 결과를 설명하는 구간
27:49 - 공유 인터랙션 프로토타입에서 루틴과 플러그인 정보를 살펴보고 탭 전환을 시연하는 구간
33:46 - LinkedIn 대화 스크린샷을 전달해 달력에 임시 일정을 추가하는 사용 사례를 설명하는 구간
37:38 - 일본어 연습 봇에서 한자 표현과 발음, 영어 응답을 함께 제공하도록 설정한 방식을 설명하는 구간