클라이언트가 AI(claude) design을 benchmark로 계속 사용해서 프로젝트를 중도에 그만뒀다
I just left a project midway because client kept using AI(claude) design as benchmark
배경 및 소개
한 프리랜스 UX 디자이너가 클라이언트가 생성형 AI를 성능 기준으로 삼으며 작업 방식을 압박하는 상황을 겪었다. 회의 내내 Claude가 8시간 만에 만든 산출물을 들이밀며 3주 걸린 사람 일과 비교하고, Claude가 생성한 PRD를 사실상 계약·책임 회피 도구처럼 쓰는 등, AI 출력물의 겉보기 속도와 완성도를 현실 구현의 기준으로 오해하는 태도가 반복됐다. Figma로의 구현 난이도와 10개 화면·스타일 가이드 규모 같은 실제 제약은 무시됐고, 디자인 용어를 모른다면서도 프로세스를 훈수하는 역설적 상황이 이어졌다. 디자이너는 AI를 보조 도구로 쓰는 데는 열려 있으나, AI를 벤치마크 삼는 요구에는 선을 긋고 프로젝트를 중도 하차했다. LLM 이후 현업 전반에서 비슷한 긴장이 커지는 가운데, 어디까지가 AI의 도움이고 어디서부터가 전문가의 판단·검증인지 경계를 재정의해야 하는 맥락이 드러난다.
주요 내용
작성자는 회의에서 “AI가 할 수 있으면 너는 더 잘해야 한다”, “Claude가 8시간에 한 걸 네가 3주 걸렸다”, “Claude가 만든 디자인을 Figma로 옮기는 데 3일이나 걸릴 리 없다” 같은 비교를 반복해서 들었다. 실은 화면 10개와 스타일 가이드까지 포함된 범위였고, PRD도 Claude가 생성했지만 문제점이 드러나자 책임을 회피하는 식이었다. 그는 자신의 속도와 방식으로 일하겠다고 밝히고 프로젝트를 떠났고, 현 수준에서 Claude의 피드백이 유의미해 회의 중 무엇을 더 보탤지 막막했던 심경을 토로했다. 커뮤니티의 반응은 대체로 클라이언트의 태도가 문제라는 데 모였다. 전문가를 고용하고도 일 못 하게 만드는 전형적 패턴이라는 지적, AI를 기준으로 삼으면 생각의 깊이, 엣지 케이스, 제약을 건너뛰게 되어 협업이 비교 경쟁으로 변질된다는 경고, 떠난 결정이 장기적으로 옳았다는 격려가 이어졌다. 해결 방향으로는 AI가 줄 수 없는 가치를 전면에 내세우라는 제안이 많았다. 즉 Discovery·Strategy에서의 문제 정의, 문맥 수집과 우선순위 결정, 현실 제약을 반영한 Execution·Delivery의 완결성 등이다. 동시에 AI를 더 능숙하게 다루는 역량 자체가 경쟁력이라는 의견도 나왔다. LLM을 지휘·큐레이션하고 정보를 타겟팅·정리하는 메타 스킬이 디자이너 가치의 일부이며, Claude가 만든 산출물은 영감과 방향 정렬에 쓰되 최종 의사결정과 설계의 주도권은 사람이 쥐어야 한다는 것이다. 또 “UI로 AI와 경쟁하지 말고 UX에서 승부 보라”는 조언도 눈에 띄었다. 사용자 인터뷰와 빠른 usability testing으로 AI가 놓친 맥락과 사용성 결함을 드러내면, 산출물의 ‘그럴듯함’ 이면의 빈틈이 객관적으로 드러난다. 이 과정이 교육의 장이자 계약 범위·마일스톤을 명료화하는 수단이 된다는 시각이다. 전반적으로 이는 AI 문제가 아니라 이해관계자 교육과 기대치 관리 문제이며, 프로젝트 초반에 AI의 역할과 한계를 합의하고, 산출물이 아니라 결과 검증과 리스크 관리로 대화를 전환해야 한다는 공감대가 형성되었다.
결론 및 시사점
핵심은 AI 자체가 아니라 그것을 벤치마크로 착각하는 인식과 거기서 비롯된 책임 회피다. 이상적 대응은 초기에 계약·PRD·프로세스에서 AI의 사용 범위와 검증 기준을 명시하고, 일정·비용은 구현 난이도와 엣지 케이스 처리까지 포함해 산정하며, 산출물 평가는 속도·겉모습이 아니라 사용자 검증과 비즈니스 제약 적합성으로 전환하는 것이다. 이를 위해 디자이너는 두 축을 강화해야 한다. 하나는 Discovery, 문제정의, 리서치, 정보 설계, 리스크 매니지먼트처럼 AI가 대체하기 어려운 판단의 영역이고, 다른 하나는 AI-native 워크플로우로 초기 산출과 문서화를 가속하면서도 한계와 편향을 통제하는 역량이다. 이 조합이 있어야 교육과 설득이 설계의 일부가 되고, 필요 시 관계를 정리할 명확한 기준도 생긴다. 다만 시장은 인력 축소와 ‘적은 인원·빠른 결과’ 서사를 강하게 밀어붙이고 있어, 모든 클라이언트를 설득하긴 어렵다. 결국 선택과 집중, 기대치 계약, 증거 기반 검증을 통해 ‘생각의 가치’를 보이는 팀과만 일하는 것이 지속가능하며, 그 과정에서 짧고 빈번한 테스트와 의사결정 로그로 투명성을 확보하는 운영이 방어막이 된다.
💡 제안서와 계약서에 AI 사용 원칙, 검증 마일스톤, 사용자 테스트 기준을 명시하고, 초반에는 AI로 빠르게 초안을 만든 뒤 짧은 usability testing으로 한계를 시각화해 대화를 ‘속도’에서 ‘검증된 가치’로 전환하라.
뉴스레터 구독
매주 금요일, 주간 HCI 하이라이트를 이메일로 받아보세요.