[기획 예시] 이미지 제작을 AI 생성 도구로 효율화할 수 있을까?

업무 플로우 구조화 예시

마케팅/광고 이미지 제작이 다음과 같은 단계를 거침

1. 마케팅 기획 정의 (10명, 10시간)
2. 카피(문구) 생성 + 캐치프레이즈 선정 (3명, 21시간)
3. 이미지 제작 (3명, 35시간)
4. 광고 채널에 등록, 노출
5. 광고 성과 측정

1. 요구 사항 분석 (Problem Definition)

AI로 해결하고 싶은 목적과 기대 결과를 명확하게 정의하는 것이 필요하다

AI 도입 가능 구간 분석

• 문구 생성: GPT, Quillbot 등으로 대체 가능
• 이미지 생성: Midjourney, Runway, Firefly 등 활용 가능
• 반복되는 문구+이미지 조합을 AI가 대량으로 생성 → 광고 효율 최적화

실제 사례 (11번가, 알리바바 등)

• 이미지 → 텍스트 광고로 변환
• AI 이미지 + 문구 배너 자동 생성
• 광고 효율을 실험하며 점차 정교화

2. 기술에 대한 이해 (Tech Feasibility)

자체 모델로 만든다면 fine tuning이 가능한 기반 모델이 필요하고, 현재 모델의 한계와 원하는대로 작동하게 하는 것이 가능한지, 필요한 데이터 수에 대한 논의를 AI개발자와 진행필요하다.

기술 요소별 구분

기술	분류설명	품질 판단
배경 제거 모델	제품 외 배경 자동 제거	제품을 손상시키지 않는지? 다양한 제품 가능한지? 추가학습 필요하다면 어떤 데이터 필요한지?
이미지 생성 모델	AI로 광고 배경, 스타일 이미지 생성	글자도 생성 가능한지? 원하는 위치와 구도에?
텍스트 생성 모델	광고 문구 자동 생성	원하는 위치에 생성 가능한지? 주변 이미지와 조화되는지? 폰트 스타일 컨트롤 가능한지? 애초에 사람이 텍스트 편집하는 단계로 넘어가는게 나을지?

기술 한계 고려

• 사람이 "수정 없이 바로 쓸 수 있는가?"
• 자동생성 vs 수작업 편집의 절충점 판단

3. 데이터 확보 (데이터 기반 기획)

필요한 데이터 종류

• Fine-tuning이 필요하면 → 학습용 이미지 + 문구 세트 확보
• 성능 검증용 테스트 데이터도 확보해야 함

데이터 출처

유형	예시
자사 데이터	기존 광고 이미지, 배너, 문구
공개 데이터	Open Image, COCO 등 이미지셋
상업적 데이터	SelectStar, AIMMO, Scale AI 등 외부 수집 의뢰 가능

ML 프로젝트 전개 단계

단계	설명	주요 담당자
1. Data Gathering	필요한 데이터를 수집	Data Scientist
2. Data Processing	데이터 전처리 및 정제	Data Scientist
3. Model Build	모델 구조 정의 및 학습 로직 구현	Data Scientist
4. Model Training	학습 파라미터 조정, 모델 훈련	Data Governance 포함
5. Model Artifact	훈련된 모델 저장 및 버전 관리	Data Governance
6. Deploy	추론 서비스 배포	ML Engineer
7. Monitor	성능/편향/데이터 이상 감지	ML Engineer

 

AI Platform 기능 블럭

 

 

기능 영역	세부 기능	역할	AWS
1. Gather Data	데이터 수집 자동화	정형/비정형 데이터 수집	S3, Athena, Glue, Kinesis
2. Workspaces	실험용 환경 구성	실험 계정, 권한 분리	SageMaker Studio
3. Central Model Registry	모델 버전/등록 관리	실험 모델 → 정식 모델로 등록	SageMaker Model Registry
4. Deployment	추론 모델 배포	API Endpoint 제공	SageMaker Endpoint, EventBridge
5. Model Monitoring	모델 평가와 감시	편향, 성능 저하, 데이터 드리프트 감지	SageMaker Model Monitor , SageMaker Clarify (Bias 분석), CloudWatch, EventBridge

• "학습-배포-운영"까지의 AI 제품화 흐름을 보여준다.
• PM은 이 흐름을 이해하고, 어디에 비용이 많이 드는지/데이터는 어떻게 연결되는지/어느 부분에서 자동화할 수 있는지를 고민해야 한다.

정리

항목	설명
문제 정의	디자이너들이 반복적으로 하는 작업을 AI로 효율화할 수 있는가
AI 도입 포인트	문구 생성, 이미지 생성, 배너 조합 등
필요한 역량	기술 이해력, 데이터 판단력, 결과물 품질 기준 수립
PM 역할	업무 흐름을 분석하고, AI로 대체 가능한 포인트를 명확히 정의
최종 목표	AI가 업무를 완전히 대체하진 못해도, 생산성과 반복 효율을 극대화하는 시스템 구축

"업무 프로세스를 얼마나 정확하게 이해하고, 기술을 어디에 끼워넣을지 판단하는 안목"이 중요하다. 기술과 비즈니스 사이의 접점을 기획자가 얼마나 잘 설계하느냐에 따라, AI 프로젝트는 효율화 혁신이 되거나 망한 POC가 될 수 있다.