디자이너 1명 + AI: 7천 명 규모 컨퍼런스를 위한 디자인 확장

디자이너의 핵심 과제는 6,000명에서 7,000명으로 참석자가 증가한 행사를 관리하는 것이었습니다. 이는 수백 개의 결과물을 처리하기 위한 전략적 접근 방식이 필요했습니다. 여기에는 140개 이상의 스폰서, 300명의 연사, 600개의 세션에 대한 자산을 감독하는 것이 포함되었습니다. 이러한 요구 사항의 엄청난 규모는 작업량을 효과적으로 관리하기 위한 자동화의 필요성을 강조했습니다.

이 광범위한 범위에는 모든 트랙 마스코트와 안내판이 포함되어 디자인 책임의 광범위함을 보여주었습니다.

많은 양의 디자인 결과물을 관리하는 것은 행사 성공에 상당한 영향을 미칠 수 있는 특정 위험을 수반합니다. 주요 우려 사항에는 누락된 스폰서 로고로 인한 잠재적 문제가 포함되었습니다. 또한, 잘못된 연사 일정은 또 다른 주요 과제를 제기하여 세심한 정확성의 필요성을 강조했습니다.

발표자가 정의한 디자인 팀은 디자이너 자신과 ChatGPT 및 Figma로 구성됩니다. 이 구성은 기존 도구가 더 이상 주요 장애물이 아니며, 대신 이러한 리소스를 활용하여 규모 관련 문제를 해결하는 데 핵심적인 이점이 있음을 의미합니다.

LLM은 자전거를 탄 펠리컨과 같은 복잡한 이미지를 정확하게 렌더링하는 것과 같은 특정 벡터 작업에 종종 어려움을 겪습니다. 해결책은 LLM을 통해 기본 PNG 이미지를 생성한 다음 Figma를 사용하여 후속 벡터화하는 것으로, 이를 통해 세부적인 벡터 그래픽을 만들 수 있습니다. 이러한 하이브리드 접근 방식의 성공은 AI 기능을 정렬하고 최대화하기 위해 전통적인 창작 프로세스를 조정하는 데 달려 있습니다.

디자인에서 규모 문제를 극복하는 것은 5단계 프레임워크에 달려 있습니다. 이 프레임워크에는 강력한 기반 구축, 재사용 가능한 디자인 생성, 자동화된 워크플로우 구현, 모든 결과물에 대한 부지런한 검증, 그리고 프로세스에서 마찰 지점을 적극적으로 제거하는 것이 포함됩니다.

이 시스템은 일관성을 유지하는 데 중요한 타이포그래피, 색상 및 구성 요소와 같은 핵심 요소를 포함합니다. 일관성은 웹사이트 생성의 초기 단계에서 핵심 자산을 개발하는 것에서 시작됩니다.

이 접근 방식은 레고 블록처럼 디자인 기반을 구축하여 가장 작은 부분부터 만들고 결합합니다. 이 방법은 다양한 디자인 자산을 효율적이고 일관성 있게 전달할 수 있게 합니다.

여기에는 데스크톱 및 모바일 애플리케이션 모두에 대한 특정 타이포그래피를 정의하는 것이 포함되는데, 이는 LLM이 명시적으로 지시하지 않으면 종종 임의의 글꼴 크기를 생성하기 때문에 필수적입니다. 일관된 색상과 글꼴을 강제하는 것도 전반적인 브랜드 무결성을 유지하는 데 중요합니다.

웹사이트를 통해 일관된 브랜딩 프레임워크를 구축함으로써 마케팅과 같은 비디자인 팀은 독립적으로 브랜드 콘텐츠를 제작할 수 있게 됩니다. 이는 마케팅 팀이 이미 정의된 웹사이트 브랜딩을 기반으로 직접 이메일 디자인, 전단지 및 문서를 생성할 수 있음을 의미합니다. 마스코트 및 기타 디자인 요소의 일관된 사용은 모든 커뮤니케이션 자료에서 통일된 시각적 아이덴티티를 보장합니다.

이 자동화는 최신 데이터를 직접 가져와 이벤트 디스플레이용 PNG 파일로 정확하게 내보낼 수 있게 합니다. 이를 통해 상당한 마찰이 제거되고 디자인 및 엔지니어링 팀 간의 피드백 루프가 줄어들어 전체 일정 프로세스가 간소화됩니다.

300명 이상의 연사를 위한 자산 생성을 관리하기 위해 연사 발표를 확장하기 위한 자동 생성기가 개발되었습니다. 이 도구는 사용자 정의 가능한 템플릿을 제공하여 이름 변경 및 연사 헤드샷 통합을 쉽게 할 수 있습니다. 이 시스템은 인기 있는 트레이딩 카드 형식을 포함하여 픽셀 단위로 완벽한 그래픽을 자동으로 내보내어 생산 프로세스를 크게 간소화합니다.

제품 디자이너의 워크플로우는 연구와 광범위한 피드백 루프를 강조하는 전통적인 디자인 사고 주기에서 벗어나 크게 발전했으며, 이는 현재 고속 작업을 위한 구식으로 간주됩니다. 현재 프로세스는 Devin 및 MCP와 같은 AI 도구를 Slack에 직접 통합하여 실시간 자산 전달을 가능하게 합니다. Figma 플러그인과 사양 시트는 간소화된 워크플로우 전반에 걸쳐 픽셀 단위로 완벽한 표준이 유지되도록 활용됩니다.

대규모 언어 모델(LLM)은 깔끔하게 정리된 레이어 이름 없이도 정리되지 않은 디자인 파일을 효과적으로 해석하는 능력을 보여줍니다. LLM은 디자인 내에서 간격, 글꼴 크기, 색상과 같은 중요한 요소를 자동으로 정의합니다. 이 기능은 입력 파일의 초기 정리 수준과 관계없이 픽셀 단위로 완벽한 제품을 달성하는 데 크게 도움이 됩니다.

이 기능은 AI의 시각적 감지를 사용하여 140개 이상의 스폰서 로고를 확인할 수 있게 했습니다. 인간의 입력과 AI 간의 협력은 강력한 내부 QA 팀을 효과적으로 구축하여 마찰을 제거하고 티셔츠와 같은 상품 적용을 포함하여 고품질 결과물을 보장합니다.

효과적인 디자인은 모든 사용자에게 특정 요구 사항이 있다는 것을 인식하여 사용자 관점에서 생각해야 합니다. 디자이너는 등록, 길 찾기, QR 코드 사용과 같은 사용자 경험을 시뮬레이션하여 응집력 있고 연결된 여정을 보장해야 합니다. 궁극적인 목표는 참석자들이 길을 잃지 않고 지정된 방과 기타 필요한 정보를 쉽게 찾을 수 있도록 하는 것입니다.

실제 디자인 작업에는 막바지 일정 변경과 같은 예기치 않은 운영 예외를 관리하는 경우가 많습니다. 디자이너는 AI를 활용하여 원래 편집 버튼이 없던 정적 파일에 '편집 버튼'을 추가하여 유연성을 높였습니다. 이 워크플로우는 빠른 업데이트, 파일을 PNG로 다시 내보내기, 화면에서 빠르게 교체할 수 있도록 하여 이러한 예외 처리를 자동화함으로써 확장성을 가능하게 합니다.

디자이너는 모든 작은 가능한 세부 사항과 잘못될 수 있는 모든 것을 고려하여 문제를 선제적으로 해결해야 합니다. 문제를 자산으로 보는 것은 팀이 문제가 확대되기 전에 혁신적인 솔루션을 찾아 더 나은 제품을 출시하도록 추진할 수 있습니다.