PM이 본 뤼튼의 이미지 생성 전략: 왜 이미지 생성 옵션을 단순화했을까?

생성형 이미지 서비스 요구사항 정의서와 기획안 작성을 위한 실습 과정에서, 뤼튼의 생성형 이미지 서비스를 분석 대상으로 삼았다. 이 과정에서 유사한 서비스를 제공하는 OpenArt를 발견하고 비교 분석을 시작했다.

AI 아트 제너레이터: 무료 AI 이미지 생성기 및 편집기 | OpenArt

OpenArt는 dall-e와 같은 AI 모델을 활용하여 이미지를 생성하고 편집하는 플랫폼이다. 자체적으로 AI 모델을 개발하기보다는 dall-e 2, stable diffusion 등 다양한 최신 AI 이미지 생성 기술을 통합하여 사용자에게 이미지 생성 기능을 제공하는 서비스이다.

OpenArt와 뤼튼의 이미지 생성 서비스를 비교해 보았을 때 가장 극명하게 차이가 났던 부분은 이미지 생성 옵션이다. OpenArt는 정말 세세하게 나누어 놨고 뤼튼은 단순하게 설명(prompt)과 아웃풋 사이즈(1:1, 16:9)만 제공하고 있었다.

그래서 뤼튼에 "이미지 생성 option 을 더 넣어보자!" 식으로 요구 사항을 정의하기 딱 좋겠다고 생각했지만 문득 PM의 사고방식 중 하나인 왜? 뤼튼은 옵션을 덜 제공하지? 라는 궁금증이 들었다.

우선 OpenArt가 어떤식으로 이미지 생성 옵션을 제공하는지 살펴보자.

open art 의 이미지 생성 옵션

옵션	정의	예시
Custom Settings	전체 결과물의 스타일과 톤을 미리 정할 수 있는 프리셋 (prompt)	Vibrant fantasy, Realistic 등
Model or Character	이미지 생성 모델 버전	DynaVision XL 등
Prompt	사용자가 원하는 장면/스타일을 입력.	"dog in a mystical forest around sunlight"
Auto Enhance	생성 이미지 자동 품질 향상 여부
Image Guidance (유료 기능)	업로드된 이미지를 참고해서 AI가 스타일을 따라가도록 가이드
Output Size (출력 크기)	해상도 지정 가능 (1024x1024 등),유료 사용자는 커스텀 사이즈 사용 가능.
Tiling	패턴 반복 가능 여부 (텍스처 작업 등 활용).
Seamless Tiling	무한 반복 가능한 패턴 생성.
Sampler	이미지 생성 알고리즘 선택 (DPM++, Euler 등)
Seed	동일 결과물 재생성을 위한 시드 설정
Steps	생성 단계 수 조절 (높을수록 정교하지만 느림)
Number of Images	한 번에 몇 장 생성할지 설정

반면 뤼튼의 옵션은 너무 간단하다. prompt를 위한 텍스트 영역과 output size를 위한 라디오 버튼. 끝!

뤼튼의 이미지 생성 옵션

일반적으로 이미지 생성에 사용되는 모델은 Stable Diffusion과 OpenAI의 DALL-E가 있다. OpenArt는 Stable Diffusion을 기반으로 다양한 모델, 샘플러(이미지 생성 시 노이즈 제거 및 디테일 방식), 시드(랜덤 노이즈 고정), 스텝(잡음 제거 반복 횟수) 등의 세부 옵션을 제공한다. 특히 Stable Diffusion은 동일한 프롬프트, 모델, 샘플러, 시드를 사용하면 완벽하게 동일한 결과물을 얻을 수 있다. OpenArt에서 제공하는 DynaVisionXL, RealVision 등은 Stable Diffusion 모델을 기반으로 LoRA(특정 스타일이나 인물에 특화된 학습) 방식으로 튜닝된 결과일 가능성이 높다.

그래서 생각했다.

뤼튼은 DALL-E 모델을 쓰고 있나? DALL-E는 transformer 기반으로 seed, sampler, step 이런걸 설정 못하니까?

하지만 뤼튼이 DALL-E가 아닌 OpenArt와 동일하게 Stable Diffusion을 사용하고 있다는 사실을 확인한 후, 뤼튼이 옵션을 단순화한 이유를 다음과 같이 추론할 수 있었다.

• 타깃 사용자층의 차이
  • OpenArt: 디자이너, 아티스트 등 세부 설정을 직접 조작하여 정교한 결과물을 얻고자 하는 '크리에이터'를 주요 타깃으로 한다.
  • 뤼튼: 텍스트 입력만으로 간편하게 이미지를 생성하고자 하는 '일반 사용자'를 주요 타겟으로 한다. 따라서 사용자 경험(UX) 단순화를 위해 옵션을 과감히 생략한 것으로 보인다.
• 사용자 혼란 방지 및 일관된 품질 유지
  • Stable Diffusion은 샘플러, 스텝, 시드 등의 옵션에 따라 이미지 결과물이 크게 달라질 수 있다. 초보 사용자는 동일한 프롬프트에도 불구하고 결과물이 달라지는 이유를 이해하기 어려워 혼란을 겪을 수 있다. 뤼튼은 이러한 혼란을 방지하고, 누구나 유사한 품질의 결과를 보장받도록 하기 위해 옵션을 단순화한 것으로 판단된다.
• 운영 및 관리 비용 절감
  • 옵션이 많아질수록 서버 부하가 증가하고, QA(품질 보증) 케이스가 늘어나며, 사용자 지원 이슈가 폭발적으로 증가할 가능성이 높다. 뤼튼은 범용적인 Stable Diffusion에 고정된 샘플러/스텝을 적용하여 단순화함으로써 이러한 운영 및 관리 비용을 절감하려는 전략을 택한 것으로 보인다.
• 기술 및 비용적 측면
  • Stable Diffusion은 오픈소스이며 무료로 서버에 설치하여 사용할 수 있어 뤼튼처럼 트래픽이 큰 서비스에서 비용 부담이 적다. 반면 DALL-E는 유료 API 호출 방식이라 대규모 서비스에는 비용 문제가 발생할 수 있다. 뤼튼은 이러한 기술 및 비용적 관점을 고려하여 Stable Diffusion을 기반으로 서비스를 제공하면서도 옵션 단순화를 통해 효율성을 추구한 것으로 보인다. 장기적으로는 다양한 옵션을 제공하여 확장성 또한 확보할 수 있다.

결론적으로 뤼튼이 이미지 생성 옵션을 단순화한 것은 단순히 기능 부족이 아닌 명확한 서비스 전략과 타깃 사용자층에 대한 깊은 이해에서 비롯된 의도적인 선택으로 분석되었다. 뤼튼의 비전인 "뤼튼은 모든 인간을 위한 AI를 추구"를 비추어 보았을때도 이미지 옵션을 단순화 되어버린게 이해가 이제 간다.