[캐럿 AI 웨비나] AI 콘텐츠, 왜 다 비슷할까? '평범한 결과물' 피하는 방법

유용한 행사들을 찾아 소개하는 이벤터스 큐레이터입니다. 이번엔 캐럿AI의 "AI 콘텐츠 실무 활용 전략" 웨비나에 다녀왔어요. 요즘 콘텐츠에 AI를 자주 쓰는데, 어딘가 모르게 어색한 결과물이 자주 나와서 고민이었거든요 🤔

같은 AI 도구를 써도, 누가 만드느냐에 따라 결과물이 확 달라지잖아요. 이번 강연은 그 차이가 어디서 생기는지, '프롬프트를 잘 쓰는 것' 다음엔 뭐가 필요한지를 짚어주는 자리였어요. 강연에서 실무에 바로 써먹기 좋았던 내용만 핵심 위주로 정리해봤습니다.

1. 누가 이야기했을까

웨비나를 진행한 캐럿AI는 콘텐츠 제작에 특화된 서비스로, 국내외 사용자 300만 명, 도입 기업 100곳, 누적 제작 콘텐츠 5,000만 건 이상의 데이터를 보유한 곳이에요. 실제 다양한 기업과 콘텐츠를 다뤄온 팀의 이야기라 그런지, 단순한 트렌드 소개보다는 바로 손에 잡히는 이야기들이 많았습니다.

2. "AI 슬롭"의 진짜 원인 = 추상어

AI가 만든, 어딘가 무난하고 본 듯한 결과물을 "AI 슬롭(AI slop)"이라고 부릅니다. 같은 모델과 같은 키워드로 누가 만들어도 비슷한 평균값으로 수렴하는, 누구의 것도 아닌 결과물이라는 뜻이에요.

원인은 단순합니다. AI는 학습 데이터의 평균값을 뱉도록 설계되어 있어요. "예쁜 한국인 여성" 한 줄을 던지면, 학습한 수만 장의 이미지 중 가장 많이 나타난 평균 얼굴이 그려집니다. 가장 자주 본 얼굴 = 누구도 기억하지 못하는 얼굴인 셈이에요. 평균에서 벗어나는 방법은 단순했어요. 추상어를 걷어내는 것부터 시작하는 거였습니다.

3. 이미지 프롬프트 — 더할 것 5가지, 뺄 것 4가지

그렇다면 실제로 무엇을 더하고 무엇을 빼야 할까요? 캐럿AI가 내부 실험으로 정리한 원칙은 이렇습니다.

더할 5원칙

1. `photograph` 프리픽스를 맨 앞에
2. 디바이스·필름 명시 — `iPhone 16 Pro`, `Kodak Portra 400` 같은 구체 모델명
3. Same Air 룰 — `same exposure`, `same color temp`, `same light direction`으로 컷 사이 분위기 통일
4. 의도된 결점 — `sensor grain`, `halation`, `chromatic aberration` 같은 사진의 자연스러운 노이즈
5. 구도·앵글 변주 — `low angle`, `dutch tilt`, `off-center framing`

빼야 할 4분류

1. 감탄·품질 레이블: `stunning`, `beautiful`, `perfect`, `flawless`, `masterpiece`
2. 분위기 레이블: `aesthetic`, `ethereal`, `cinematic feel`, `glowing`
3. 메이크업 레이블: `natural makeup`, `subtle`, `Korean makeup`
4. 조명 레이블: `golden hour`, `blue hour`, `warm tones`, `HDR`

같은 카페 사진도 `"pretty Korean woman, cafe, natural light, beautiful"`로 던지면 흔한 결과가 나옵니다. 그런데 `"photograph, iPhone 16 Pro, Korean woman early 20s, candid mid-laugh, visible skin texture, in front of cafe, 3:4"`로 바꾸면 결이 확 달라져요. AI가 평균으로 수렴하지 못하도록, 의도적으로 구체어를 채워 넣은 결과입니다.

4. 똑같은 얼굴 피하는 법 = 외형 키워드 5,120가지 조합

AI로 사람을 만들면 자꾸 비슷한 얼굴이 나오는 이유도 결국 평균 수렴 때문이에요. 이걸 피하는 가장 단순한 방법은 외형 키워드를 카테고리별로 쪼개서 랜덤 조합하는 것입니다.

얼굴형 4가지, 눈 4가지, 코 4가지, 입 4가지, 피부 5가지, 헤어 4가지. 카테고리 6개를 곱하기만 해도 5,120가지 조합이 나옵니다. 똑같은 얼굴이 나올 확률을 0에 가깝게 낮추는 거죠. 매번 다른 인물이 필요한 SNS 캠페인이나, 광고 시안을 여러 버전으로 뽑아야 할 때 유용한 방식이에요.

얼굴이 정해졌다면, 다음 과제는 포즈와 구도예요. 얼굴 일관성은 요즘 모델(Nano Banana 2, GPT Image 등)이 잘 잡아주는데, 정작 어려운 건 머릿속의 자세를 AI에게 말로 설명하는 일이에요. "왼팔은 위로, 다리는 양반다리로, 시선은 아래로…" 이런 묘사보다 그림판에 그린 막대 인간 스케치 한 장을 레퍼런스로 던지는 게 훨씬 빠릅니다.

5. 영상 제작의 게임체인저, R2V

기존 영상 생성은 크게 세 방식이었어요. 텍스트만으로 만드는 T2V, 이미지를 첫 프레임으로 두고 확장하는 I2V(가장 많이 쓰이는 방식), 시작·끝 프레임을 모두 지정하는 키프레임 보간. 셋 다 한 컷이 5~10초로 짧다 보니, 컷을 이어붙일 때마다 인물과 분위기가 흔들리는 게 공통 한계였습니다.

이걸 해결한 게 R2V(Reference-to-Video)예요. 캐릭터 시트와 스토리 기획을 동시에 입력해 멀티컷을 한 번에 생성하는 방식입니다. 컷 간 일관성과 연속성이 자연스럽게 유지되고, 첫 프레임 이미지를 따로 만들 필요도 없으며, 음성과 효과음을 영상 안에 직접 합성해요. Seedance 2.0이나 Kling 최신 버전 같은 모델이 이 방식을 지원해요.

잘 쓰려면 세 가지 인풋을 준비해야 해요.

1. 정면·측면·후면·클로즈업이 한 장에 담긴 캐릭터 시트

2. 15초 안에서 컷당 3초로 쪼갠 컷 단위 스토리보드

3. 대사가 있다면 음성 파일

이 세 가지를 한 번에 R2V 모델에 던지면, 컷별로 따로 작업할 필요 없이 멀티컷 영상이 한 번에 나옵니다. 며칠씩 컷별로 돌리던 작업이 한 번의 실행으로 끝나는 셈입니다. 광고 컷이나 행사 홍보 영상을 매번 새로 만들어야 했던 실무자에게는 작업 시간이 확 줄어드는 변화예요.

6. 실무자가 매일 도는 노가다 루프 → 선택만 사람이

이미지 한 장, 영상 한 편을 만들 때 실무자가 반복하는 사이클은 거의 동일해요.

[ 프롬프트 쓰기 → 1차 결과 확인 → 수정·재생성 N차 → 최종 셀렉 ]

영상이면 여기에 스토리보드 기획과 컷별 생성, 영상화, 편집·내보내기가 더해집니다.

발표자가 짚은 포인트는 단순했어요. 반복 작업은 AI가 더 빠르고, 사람이 진짜 판단해야 하는 단계는 결국 '셀렉'이라는 것. 한 방에 완벽한 프롬프트를 짜려고 시간을 쏟기보다, 결과물을 받고 "이 부분을 더 차분하게 바꿔줘"처럼 피드백을 주고받으며 다듬는 게 훨씬 빠르다는 거죠. 

콘텐츠 제작 인턴을 떠올리면 이해가 쉬워요. 처음 들어온 인턴에게는 모든 걸 일일이 알려줘야 하지만, 한 번 합을 맞춰두면 "이런 결과물 갖다 줘" 한 마디로 끝납니다. 에이전트도 똑같아요. 첫 결과물에 완벽을 기대하기보다, 피드백을 주고받으며 합을 맞춰가는 방식이 핵심입니다.

7. 스킬(Skill)과 툴(Tool) — 잘 된 결과는 문서로 남기기

마지막으로 발표자가 강조한 건, 잘 된 작업 흐름을 스킬 문서로 남기는 일이었어요.

스킬은 한 작업을 끝내기 위한 워크플로우 + 모델 선택 + 프롬프트 팁을 한 문서에 명세화한 거예요. 

예를 들어 "인스타 30초 릴스" 스킬이라면 ① 캐릭터 시트 5컷 생성 ② 시퀀스-씬-컷 분해 ③ 각 컷 R2V 3초 ④ 자동 컷 편집·BGM 같은 식의 워크플로우가 됩니다. 

툴은 그 워크플로우 안에서 실제로 사용하는 도구예요.

이미지는 Nano Banana 2, 영상은 Seedance 2.0, 오디오는 ElevenLabs·Suno 같은 것들입니다.

스킬 문서가 왜 중요한지는, 한 번 직접 만들어보면 바로 느껴진다고 해요. 회사 영상에 절대 들어가면 안 되는 요소, 항상 포함되어야 하는 톤앤매너, 이미지 한 장 만들 때 매번 적용되는 규칙. 이런 것들을 문서로 정리해두면 다음에 누가 작업하든 같은 품질이 나옵니다.

8. 정리하며 — 실무자에서 관리자로

"왜 내가 만들면 별로일까?"라는 질문으로 시작한 강연이었어요. 발표가 끝날 즈음 답이 정리됐습니다. AI가 평균값으로 수렴한다는 걸 몰랐기 때문이고, 컷마다 일관성이 깨지는 한계를 그대로 받아들였기 때문이고, 매번 처음부터 다시 만들었기 때문이라고요.

원인은 셋이었지만, 해결책은 결국 하나의 변화로 모입니다. 직접 만드는 사람에서, 에이전트에게 좋은 인풋을 주고 결과를 선택하는 사람으로 역할이 바뀌고 있다는 것.

한 시간짜리 웨비나 한 편으로 작업 방식이 통째로 바뀌는 경험, 흔치 않잖아요. 이번 강연은 단순히 툴 사용법을 배우는 자리가 아니라, AI를 다루는 방식 자체를 다시 생각하게 만드는 시간이었습니다.

이벤터스에는 이런 실무 중심 강연들이 매일 새로 올라옵니다. 마케팅 수신에 동의해두면, 관심 분야에 맞는 유용한 행사들만 골라 이메일로 챙겨드려요. 저는 다음 콘텐츠에서 유용한 행사 인사이트로 다시 찾아올게요. 🙋‍♀️