3줄 요약
- Figma의 CPO Yuhki Yamashita가 2026년 5월에 발표한 단상. AI가 누구나 제품을 만들 수 있게 만든 시대에 무엇이 진짜 차별점이 되는지 묻는 글이다.
- 속도는 더 이상 차별점이 아니며, 두 가지가 진짜 우위가 된다 — 무엇을 만들 가치가 있는지 고르는 방향성(direction) 과, 만들어진 것을 끝까지 다듬는 장인정신(craft).
- AI 시대의 일하는 법은 사일로된 순차 작업이 아니라 여러 방향을 동시에 깊이 탐색하고 함께 비교하는 협업·병렬 작업으로 옮겨가야 한다.
시작점 — 속도는 더 이상 차별점이 아니다
코드를 짤 수 있는 사람에게 미래가 있다고 배웠던 시대는 저물고 있다. 상상과 현실 사이의 거리는 거의 사라졌고, 아이디어는 놀라운 속도로 형체를 얻는다. 그러나 빠른 속도는 진보의 착각을 만들어 낼 수 있다. 잘못된 방향으로 빠르게 움직이고 있다면? 모두가 빠르게 움직이지만 함께 가지는 않는다면?
누구나 출시할 수 있을 때, 속도는 차별점이 되지 않는다. 방향이 차별점이 된다. 질문은 더 이상 어떻게 만들 것인가가 아니라 애초에 무엇을 만들 가치가 있는가이다.
Yamashita는 이 시대의 빌더에게 필요한 능력을 세 가지로 압축한다 — 속도, 방향, 장인정신.
무엇을 만들 가치가 있는가 — 방향
무엇이 정말 만들 가치가 있는지 알아내는 일은 자명하지 않다. 가능성의 공간은 광대하고, 그 공간을 항해하는 일은 방법론보다 예술에 가깝다.
신참 빌더의 함정 — 좁고 깊게: 첫 아이디어에 매달려 거기서부터 다듬고 반복하며 개선한다. 하지만 이건 지역 최적점에서 언덕만 오르는 일이다. 출발점 자체를 의심하지 않은 채 경로 의존적인 결정만 쌓는다. AI 도구는 이 함정을 위험할 만큼 쉽게 만든다. 끝없이 친절하고 동의해 주는 에이전트가 첫 아이디어 너머로는 데려가 주지 않은 채 앞으로만 가속시킨다.
숙련 빌더의 함정 — 넓되 추상적: 더 경험 많은 빌더는 넓게 먼저 가라고 말한다. 선택지의 공간을 상호 배타적이고 전체를 포괄하는(MECE) 고수준 방향들로 매핑해 장단점을 비교하라고. 그러나 이 접근에도 실패 모드가 있다 — 너무 추상적인 상태에 머무르는 것. 2×2 매트릭스나 와이어프레임 한 묶음만으로는 진짜 확신을 얻기 어렵다.
더 나은 방법 — 넓게, 동시에 깊게:
진짜 옳은 아이디어를 찾는 방법은 동시에 넓게 그리고 깊게 가는 것이다. 이제 AI는 여러 방향을 병렬로 탐색하면서 각각을 충분히 멀리 밀어붙여 실재하게 만드는 일을 가능하게 한다.
Figma에서는 이런 식으로 일한다 — AI에게 같은 문제에 대한 서로 다른 인터랙티브 프로토타입 여러 개를 만들게 하고, 옆으로 늘어놓는다. 동료들과 에이전트를 함께 불러 추상이 아니라 실제 경험을 비교하며 서로의 아이디어 위에 쌓아 올린다.
Yamashita는 이것이 AI와 함께 일하는 새로운 방식이라고 말한다. 사일로되고 순차적인 작업이 아니라, 집단적이고 병렬적인 작업.
어떻게 만들 가치가 있는가 — 장인정신
방향을 정해 만들 가치가 있는 무언가에 도착했다고 하자. 그런데 누구나 만들 수 있고 빠르게 만들 수 있을 때, 모든 것이 평균으로 수렴한다. “충분히 좋음"에 도달하기도 쉽고, 거기서 받아들이기도 쉽다.
AI는 한눈에 그럴듯해 보이는 것을 내놓는다. 통계적으로 작동할 가능성이 높은 패턴을 따르지만, 깊이 고민된 결과는 아니다. 의문을 품지 않으면 그 디폴트가 조용히 당신의 제품이 된다. 결과는 서로 구별되지 않는 제품들의 바다이다. 모든 것이 작동할 때, 사람들은 의도가 느껴지는 것, 정성이 들어간 것을 고른다.
진짜 실패 모드는 능력 부족이 아니라 수동성이다 — 첫 제안에 예라고 답하기, 그럴듯해 보이면 멈추기, 이미 “꽤 괜찮으니까” 다음으로 넘어가기. 이해할 만하다. AI 출력물은 설득력 있게 보이도록 설계되어 있으니까.
장인정신(craft) 은 기억에 남는 것을 단지 작동하는 것으로부터 구분 짓는 그것이다. 그것은 능동적이다 — 받아들이기가 아니라 고르기. — Yuhki Yamashita
장인정신은 결정 하나하나를 다시 보고 캐묻고, 다듬고, 덜어내고, 조이는 일이다. 첫 몇 버전 너머로 밀어붙여 작업물에 관점(point of view) 이 생길 때까지. 이는 타고난 미감의 문제가 아니라 반복으로 그 미감을 단련하는 일이다. 다시 보고, “이게 정말 옳은가?“라고 묻고, 그렇게 만드는 것.
기준선이 올라갈수록 평균은 점점 더 세련되게 보일 것이다. 도구나 속도가 아니라 얼마나 정성을 들일 것인가가 차이를 만든다. 그 세상에서 눈에 띄는 유일한 방법은 주어진 것 너머로 가서 분명히 당신의 것인 무언가를 만드는 일이다.
무엇이 지금 중요한가 — 결론
속도, 방향, 그리고 장인정신.
최고의 팀은 이 셋을 트레이드오프하지 않는다. 빠르게 움직이고, 신중하게 고르고, 끈질기게 다듬는다. 그것이 진짜로 돋보이는 무언가를 만드는 일이다. 무엇이든 만들어질 수 있을 때, 유일한 우위는 무엇을 고르고, 얼마나 잘 다듬는가에 있다.
가장 흥미로운 지점
이 글의 가장 날카로운 지점은 수동성을 실패 모드로 명명한 부분이다. AI 출력물의 위험은 결과가 나쁘다는 데 있지 않고, 충분히 그럴듯해서 거기서 멈추게 만든다는 데 있다. 능력의 문제가 아니라 그만 두는 시점의 문제. 이는 “AI가 일자리를 빼앗는다"라는 흔한 논의에서 한 발 비켜선, 더 현실적인 위험 진단이다.
또 한 가지 인상적인 지점은 AI와 함께 일하는 모드를 “사일로된 순차"가 아니라 “집단적·병렬적"으로 다시 정의한 점이다. AI 에이전트는 보통 1:1 페어 프로그래밍이나 1인 빌더의 가속기로 그려진다. 그러나 Figma의 그림에서 AI는 팀 전체가 동시에 여러 방향을 시제로 만들어 비교하는 회의실의 구성원에 가깝다. 도구로서의 AI에서 동료·관점으로서의 AI로의 이동이 살짝 보인다.
다만 글이 Figma 제품(특히 Figma Make)의 마케팅 메시지와 자연스럽게 정렬되어 있다는 점은 감안할 필요가 있다. “여러 인터랙티브 프로토타입을 옆에 늘어놓고 비교"하는 워크플로우는 Figma Make가 가장 잘하는 일로 포지셔닝되고 있는 기능이다. 그래서 AI 시대의 일반적 진단과 자사 제품 시연이 같은 문장 안에서 움직인다 — 진단 자체의 통찰은 진짜지만, 그것이 정확히 Figma의 도구로 해결되는 형태로 그려진다는 점은 비판적으로 읽을 만하다.
출처
발신: Yuhki Yamashita (Chief Product Officer, Figma) 발행: 2026-05-22, Figma Blog (Insights / Product management / Thought leadership) 일러스트: Pedro Sanches 원문: https://www.figma.com/blog/what-matters-when-anyone-can-build/