사람마다 다른 썸네일이 나온다? GenUI의 빛과 어둠

GenUI 시대의 명암과 AI 시대에 주목할 비즈니스 가치

한때 우리는 잘 만든 화면 하나를 모두에게 똑같이 보여주는 것을 좋은 디자인이라 불렀습니다. 그러나 AI는 이 전제를 흔들고 있습니다. 이제 같은 정보라도 누가, 언제, 어떤 맥락에서 받느냐에 따라 화면과 메시지를 통째로 다시 짜고는 합니다. 원래 디자이너가 색과 패턴, 배치를 고민하는 이유가 메시지를 가장 잘 전달하기 위해서 였다면, AI는 그 전달의 형태를 사람마다 다르게 만드는 시대로 우리를 데려가는 중입니다.

이 글에서는 세 가지를 차례로 살펴보려 합니다. 첫째, 이미 우리 곁에 와 있는 생성형 UI 상용 사례입니다. 둘째, 그것을 가능하게 만드는 원천 기술과 우리가 놓치면 안 되는 주의점이고요. 셋째, 왜 지금 이 변화에 주목해야 하는지, 즉, 비즈니스 가치를 말해보려고 합니다.

우리 일상에서 만나는 생성형 UI

사실 이러한 생성형 UI는 우리 주변에서 흔하게 만날 수 있습니다. 먼저 그 사례들을 짚어보며 어떠한 변화가 일어나고 있는지 보겠습니다.

쇼핑: 저번주에 산 콩나물이 할인 중입니다

가장 익숙한 예시는 아마 쇼핑의 영역일 것입니다. 요즘은 같은 앱을 열어도 메인 홈의 진열과 ‘오늘 당신을 위한 추천’ 상품이 사람마다 다릅니다.

아마존은 개인의 행동·검색·구매 습관에 맞춰 추천 상품과 맞춤 혜택, 홈 화면 구성을 실시간 데이터 기반으로 끊임없이 바꿉니다. 국내에서도 마켓컬리처럼 구매 이력에 따라 첫 화면의 큐레이션이 달라지는 서비스가 익숙해졌습니다.

넷플릭스는 이 흐름을 가장 극적으로 보여 주는 사례입니다. 같은 영화라도 시청 이력에 따라 노출되는 썸네일 이미지가 달라집니다. 로맨스를 즐겨 본 사람과 액션을 즐겨 본 사람은 같은 작품에서도 전혀 다른 포스터를 보게 되죠. 화면 레이아웃 역시 시청 패턴에 따라 재배치됩니다. 그 결과는 숫자로도 확인됩니다. 넷플릭스 보고서에 따르면 전체 시청의 약 80%가 검색이 아닌 추천에서 발생한다고 합니다. ‘무엇을 보여줄지’를 사람마다 다르게 고르는 것만으로도 서비스의 핵심 행동이 바뀌는 셈입니다.

금융: 바로 실행할 자산관리 도와드릴게요

금융은 어떻게 전달할지 그 변화가 가장 민감하게 동작하는 영역입니다. 같은 자산·거래 정보라도 사용자의 소비 패턴과 관심사, 역할에 맞춰 홈 화면과 알림, 리포트 구성이 달라집니다. 특히 토스나 뱅크샐러드 유저라면 앱에서 사람마다 다른 홈 화면과 맞춤 알림을 받아 본 경험이 있으실 거예요.

이로 인한 매출 규모 차이도 작지 않습니다. 맥킨지글로벌연구소는 생성형 AI가 은행 산업에서만 연간 약 2,000억~3,400억 달러의 가치를 더할 수 있다고 추산했습니다. 다만 금융은 규제 산업이라는 점을 기억해야 합니다. 화면을 개인화하는 힘이 강할수록 데이터 보안과 컴플라이언스가 전제되어야 하며, 이는 뒤에서 다룰 주의점과도 연결됩니다.

헬스케어: 건강 패턴을 읽고 해석해 드려요

헬스케어에서는 맞춤 전달이 곧 사용자의 안전과 직결됩니다. AI는 환자 데이터를 분석해 개인에게 맞는 치료와 복약 리마인더를 제공합니다. ‘약을 드세요’라는 간단한 메시지도 환자의 상태와 복용 이력에 맞춰 전달 시점과 표현이 달라집니다.

이런 흐름은 이제 막 본격화되는 단계입니다. 딜로이트에 따르면 선도 의료기업·기관의 약 75%가 생성형 AI를 서비스에 실험하거나 전사적 확산을 계획하고 있습니다. 정보를 정확한 사람에게, 적절한 형태로 전달하는 일이 의료 현장에서 빠르게 주류로 자리 잡아 가는 중입니다.

그 예로 삼성전자 스핀오프 디지털 치료제 기업 웰트(WELT)가 CES 2026에서 공개한 ‘슬립큐(SleepQ)’는 같은 수면제를 사람마다 다른 시점에 복용하도록 안내합니다. AI가 개인의 행동 패턴을 분석해 불면이 찾아올 시점을 몇 시간 전에 예측하고, 몸이 가장 잘 반응하는 순간에만 약을 권하는 방식이죠. 약은 그대로지만 안내가 사람마다 달라지면서, 같은 처방이 더 안전하고 정밀한 치료로 바뀌는 겁니다.

에듀테크: 제발 공부 좀 해주세요

교육 업계는 이러한 전달 방식의 변화가 가장 흥미롭게 드러나는 분야입니다. 최근 화제가 된 AI 언어 학습 앱 LingoTok은 개인 AI 튜터와 실시간 음성으로 대화하는 방식인데, 이때 학습자의 수준과 선호에 맞춰 진도와 속도를 조정합니다. 특히 까칠하게 직언하는 튜터의 말투가 틱톡과 인스타그램에서 밈처럼 퍼지며 큰 화제가 됐죠(관련 틱톡 영상). 같은 학습이라도 전달되는 톤과 피드백 방식까지 사람과 모드에 맞춰 재구성된다는 점을 보여 준 사례입니다.

다른 예로 듀오링고는 사용자의 수행 수준에 따라 난이도를 실시간으로 조정합니다. 어려워하면 속도를 늦추고 해당 개념을 더 자주 보여 주며, 잘 따라오면 지루하지 않게 진도를 앞당깁니다. 심지어 사용자가 며칠째 학습을 거르면 앱 아이콘 속 마스코트 ‘듀오’가 우는 표정이나 녹아내린 모습, 화난 모습 등으로 바뀝니다. 이른바 동적 앱 아이콘인데, 같은 알림이라도 사용자의 상태에 따라 죄책감을 자극하는 형태로 전달되는 셈이죠.

이를 가능하게 만든 원천 기술, 생성형 UI

이 모든 사례를 하나로 묶는 기술이 바로 생성형 UI(Generative UI, GenUI)입니다. 생성형 UI는 사용자의 필요와 맥락에 맞는 경험을 제공하기 위해 AI가 실시간으로 동적으로 생성하는 인터페이스를 뜻합니다. 과거에는 화면을 모두 미리 설계해 누구에게나 똑같이 보여줬다면, 이제는 AI가 사용자의 의도를 읽고 그 자리에서 화면을 조립합니다.

기존의 반응형 디자인과 혼동하기 쉽지만, 결이 다릅니다. 반응형이 기기 화면 크기에 맞춰 레이아웃을 늘리고 줄였다면, 생성형 UI는 사용자의 의도와 맥락에 맞춰 화면 구성 자체를 다시 짭니다. 비유하자면 반응형은 같은 옷을 사이즈에 맞게 내주는 것이고, 생성형 UI는 사람마다 다른 옷을 그 자리에서 맞춰 지어 주는 것에 가깝습니다.

GenUI 원리와 화면을 미리 만드는 시대의 종말

그렇다면 GenUI는 어떻게 실시간으로 화면을 조립할까요? AI가 매번 코드를 새로 작성해 화면을 렌더링하는 방식은 아닙니다. 핵심은 구조화된 데이터인 JSON 기반 출력과 프론트엔드의 컴포넌트 매핑을 결합하는 데 있습니다. 사용자가 앱에 진입하거나 명령을 내리면 AI는 사용자 프로필과 과거 행동 이력, 현재 의도를 실시간으로 분석합니다. 이후 이에 맞는 구조화된 데이터를 생성하죠. 곧 프론트엔드는 AI가 전달한 JSON을 받아 앱 안에 미리 만들어 둔 원자 단위 UI 컴포넌트를 화면에 즉시 매핑해 동적으로 결합해 줍니다.

이러한 변화는 디자이너와 기획자의 일하는 방식도 근본적으로 바꾸고 있습니다. 가트너는 2028년까지 디지털 워크플레이스 애플리케이션의 20% 이상이 AI 기반 개인화 알고리즘을 활용해 적응형 경험을 제공할 것으로 내다봤습니다. 또, 2026년 말까지는 기업용 앱의 40%가 특정 작업에 특화된 AI 에이전트와 결합될 것으로 전망했습니다.

과거에는 피그마에서 완성된 화면 단위로 설계를 정적으로 배치했다면, GenUI 시대의 실무자는 화면을 직접 그리지 않습니다. 대신 원자 단위의 컴포넌트를 설계하고, 사용자의 데이터와 맥락에 따라 이 컴포넌트가 어떻게 유기적으로 결합되고 해체될지 그 조건과 규칙(Rule-based)을 정의하는 일이 디자이너의 핵심 역량이 됩니다. 화면을 만드는 권한을 AI에 위임하는 대신, AI가 움직일 프레임워크를 짜는 시스템 디자이너로 진화해야 하는 시점입니다.

생성이 멈출 때와 개인화의 그림자

그러나, 화면을 실시간으로 생성한다는 것은 기술적 실패나 중단의 리스크를 언제나 안고 있다는 뜻이기도 합니다. 미리 설계된 화면은 안전하게 떠 있지만, AI가 그 자리에서 만드는 화면은 응답이 지연되거나 예상과 다른 구성을 내놓을 수 있습니다.

따라서 이를 실무에 적용하려면 기획과 개발 초기 단계부터 부드러운 기능 저하(Graceful Degradation) 전략을 반드시 합의해야 합니다. AI 엔진의 응답이 기준 시간 이상 지연되거나 오류가 발생했을 때, 사용자에게 무한 로딩이나 깨진 화면을 노출하지 않아야 합니다. 이를 위해 가장 안전하고 보수적인 정적 기본 템플릿을 상시 대기시키는 폴백(Fallback) 구조를 프론트엔드단에 촘촘히 심어두는 것이 현재 가장 현실적인 기술 방어선입니다.

문제는 기술적 실패보다 더 큰 그림자가 성공적인 개인화 뒤에 숨어 있다는 점입니다. 사람마다 화면을 다르게 구성하는 GenUI의 강력한 힘은 양날의 검입니다. 이는 사용자의 구매를 압박하기 위해 실시간으로 레이아웃을 바꾸는 다크 패턴(기만적 설계)의 유혹으로 흐르거나, 스크린 리더 같은 보조 기술과 충돌해 누군가의 정보 접근을 막는 접근성 문제를 낳기도 있습니다.

실제로 2018년 넷플릭스가 개인화 썸네일을 도입했을 때도 논란이 있었습니다. 당시 백인 배우가 주연인 영화임에도 일부 흑인 이용자에게는 단 몇 분만 등장하는 흑인 조연 배우가 포스터 전면에 노출되면서 인종 프로파일링과 기만 논란이 제기됐습니다. 넷플릭스는 이용자의 인종 정보를 수집하지 않으며 오직 시청 이력만 반영한다고 설명했지만, 이는 결과적으로 알고리즘이 '흑인 이용자에게 흑인 조연이 등장하는 썸네일을 보여주는 것이 클릭률을 높인다'는 패턴을 학습해 나타난 역효과였습니다. AI 기반 초개인화가 의도치 않게 인종적 편향을 학습하고 기만적 UX를 만들 수 있음을 보여준 대표적인 사례입니다.

“같은 말이라도 어떻게 전하느냐에 따라 좋은 언어도, 나쁜 언어도 될 수 있다”는 말이 있습니다. 이처럼 전달 방식을 사람마다 바꾸는 기술은 그 자체로 선하지도 악하지도 않습니다. 이를 어떻게 설계하느냐가 결과를 바꿀 뿐입니다.

시스템 오류를 막는 폴백 구조는 코드 몇 줄로 구현할 수 있습니다. 하지만 한 번 무너진 사용자의 신뢰를 되돌릴 ‘경험의 폴백’ 구조는 존재하지 않습니다. 기술이 화려해질수록 실무자에게 필요한 진짜 방어선은 우리가 설계한 알고리즘이 사용자를 진정으로 돕고 있는지, 아니면 교묘하게 조종하고 있는지를 끊임없이 점검하는 윤리적 프레임워크입니다.

40% 매출 상승과 ‘인간 개런티’의 역설

개인화는 더 이상 있으면 좋은 기능이 아닙니다. 이제는 실제 시장 규모로 그 가치가 증명되는 영역입니다.

AI가 생성하는 개인화 뉴스레터 시장만 봐도 그렇습니다. Rasa.io 같은 도구는 구독자 한 명 한 명의 관심사와 참여 이력을 분석해, 하나의 캠페인 안에서도 사람마다 다른 기사 구성으로 뉴스레터를 발송합니다. 모두에게 똑같은 정적 메일을 보내는 것이 아니라, 각자에게 맞춘 버전을 전달하는 것이죠. 시장조사기관 The Business Research Company는 이와 같은 초개인화 뉴스레터 시장이 2025년 약 20억 달러에서 2026년 약 25억 달러 규모로 성장하고, 2030년에는 67억 달러를 넘어설 것으로 전망했습니다.

고객 응대도 마찬가지입니다. CS 챗봇은 더 이상 단순한 텍스트 봇이 아닙니다. 텍스트·음성·이미지·영상이 하나의 상담 흐름으로 연결되는 형태로 진화하고 있습니다. 가트너는 2026년까지 대화형 AI가 콜센터 상담 인력 비용을 약 800억 달러 절감하고, 상담 10건 중 1건이 자동화될 것으로 내다봤습니다. 같은 답변이라도 받는 사람과 채널, 맥락에 맞춰 전달 방식이 재구성되는 일이 이미 대규모로 벌어지고 있는 셈입니다.

매출 수치로 증명되는 개인화

수치는 더 직접적입니다. 맥킨지에 따르면 빠르게 성장하는 기업은 그렇지 않은 기업보다 개인화 활동으로 약 40% 더 많은 매출을 만들어 냅니다. 또한 소비자의 71%는 개인화된 상호작용을 기대하고, 76%는 그것이 제공되지 않을 때 불만을 느낀다고 합니다. 이제 개인화는 이탈과 전환, 매출에 직결되는 경쟁력이 된 것입니다.

비즈니스 관점에서 개인화의 가치는 매출 상승에만 머물지 않습니다. 내부 운영 리소스를 줄이는 측면에서도 폭발적인 효율을 가져옵니다. 기존에는 기획자와 마케터, 디자이너가 대규모 프로모션을 진행할 때마다 타깃 세그먼트별로 수십, 수백 개의 배너와 맞춤형 상세 페이지를 수작업으로 찍어야 했습니다. 하지만 GenUI 기반의 초개인화가 자리 잡으면 콘텐츠의 조합과 변형을 AI가 실시간으로 처리하므로 시장 변화에 대응하는 시간이 획기적으로 줄어듭니다. 즉, 반복적인 운영 업무에서 벗어나 서비스의 본질적인 온보딩 경험이나 핵심 기능 개선에 더 많은 역량을 집중할 수 있는 것이죠.

“그래도 직접 써야합니다”

여기서 흥미로운 역설이 등장합니다. AI가 메시지를 사람마다 다른 형태로 정교하게 재구성할수록, 정반대 방향의 가치도 함께 떠오릅니다. 바로 재구성되지 않은, 날것 그대로의 인간이 쓴 메시지입니다.

AI가 완성도 높은 콘텐츠를 빠르고 손쉽게 만들어 내면서, 가치의 기준이 ‘얼마나 잘 만들었는가’에서 ‘정말 사람이 만들었는가’로 옮겨 가는 분야도 생겨나고 있습니다. 인스타그램의 수장 아담 모세리는 진정성이 빠르게 희소 자원이 되고 있다며, 그 기준은 ‘만들 수 있는가’에서 ‘오직 당신만 만들 수 있는가’로 이동하고 있다고 말했는데요. 이는 역시 짧고 거친 텍스트, 다듬지 않은 영상이 오히려 사람이 존재한다는 증거로 더 잘 통하는 이유입니다.

오디오 기업 아이하트미디어는 AI가 만든 인물이나 음악을 사용하지 않는다는 ‘휴먼 개런티드(Guaranteed Human)’ 태그라인을 내걸었습니다. 이들에 따르면 AI를 사용하는 소비자는 70%에 달하지만, 사람이 만든 콘텐츠를 원한다고 답한 비율은 90%에 이른다고 합니다.

메타가 운영하는 스레드(Threads)가 전 세계적으로 빠르게 성장하는 현상도 궤를 같이 합니다. 정교하게 보정된 이미지와 AI가 만든 듯한 광고성 피드에 피로감을 느낀 사용자들이, 오히려 가공되지 않은 한두 줄의 거친 생각 조각과 댓글 중심 소통에 열광하는 것이죠. 완벽하게 정제된 AI 콘텐츠의 홍수 아래, 사람들은 결점이 있더라도 진짜 사람 냄새가 나는 텍스트 기반 플랫폼에서 위안과 신뢰를 찾고 있습니다.

정리하면, 이제 메시지 전달은 두 개의 축으로 나뉘고 있습니다. 한쪽에서는 AI가 받는 사람에 맞춰 형태를 재구성하고, 다른 한쪽에서는 사람이 다듬지 않은 날것의 메시지가 희소가치를 얻습니다.

흥미롭게도 이 둘은 충돌하기보다 서로의 가치를 키웁니다. AI가 콘텐츠 작성에서 물러난 대신 무엇이 나에게 도달할지는 여전히 알고리즘이 정할 테니까요. 사람은 콘텐츠를 되찾고, AI는 분배를 가져간 셈입니다.

마치며: AI가 잘할수록, 사람이 귀해지기에

이제 모든 사용자에게 똑같은 말을 건네는 시대는 완연히 저물고 있습니다. AI는 받는 사람에게 어울리는 최적의 형태로 말을 건네며, 인터페이스의 경계까지 허물고 있습니다.

그 변화의 끝에서 우리는 흥미로운 역설과 마주하게 됩니다. AI가 정교해질수록 우리는 더 맥락에 맞고 편리한 경험을 누리겠지만, 바로 그렇기 때문에 가공되지 않은 진짜 사람의 메시지가 더욱 귀한 희소자원이 될 것입니다. 기계가 완벽하게 재조립한 초개인화 화면과 사람이 다듬지 않은 채 건네는 투박한 진정성. 이 두 극단 사이에서 균형을 잡는 일은 결코 쉽지 않은 과제가 될 것입니다.

어쩌면 AI 시대의 가장 강력한 전달 방식은 기술의 완성도가 아닌 그 틈새에 인간적인 불완전함을 얼마나 영리하게 남겨두느냐에 달려 있지는 않을까요. 여러분이 지금 만들고 있는 서비스는 AI의 영리한 분배와 사람의 날것 사이에서, 어느 쪽을 향해 움직이고 있나요?

©️요즘IT의 모든 콘텐츠는 저작권법의 보호를 받는 바, 무단 전재와 복사, 배포 등을 금합니다.