🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

AI tools for human creativity의 핵심은 더 빠른 자동화가 아니라, 인간의 상상력·시각 언어·반복·협업이 AI 도구를 창작 매체로 바꾸는 과정이다.

📌 핵심 요점

1. AI 창작 도구의 가치는 결과물 자체보다 창작자가 어떤 사고 과정, 스케치, 반복, 취향, 협업을 거쳐 결과에 도달했는지에서 드러난다.
2. 좋은 프롬프트는 단순한 문장 솜씨가 아니라 디자인 드로잉, 색채, 구성, 타이포그래피, 렌즈, 3D 렌더링 같은 축적된 시각 언어와 전문 용어에서 나온다.
3. Google Flow와 Flow Tools 사례는 AI가 craft를 없애는 것이 아니라 더 많은 변형, 버전 기록, 선택, 정리, 도구 제작의 과정을 창작자의 책임으로 돌려놓는다는 점을 보여준다.
4. Flow Music과 Spaces는 음악 제작에서도 한 번의 생성보다 감정, 분위기, 훈련 목적, 사운드 질감, 공유 가능한 효과를 반복적으로 조정하는 과정이 중요하다는 점을 강조한다.
5. Project Genie와 Nano Banana 사례는 생성형 AI가 이미지·영상 산출물을 넘어, 실제 사진·지도·사물·동물의 시점까지 플레이 가능한 세계로 바꾸는 방향으로 확장되고 있음을 보여준다.

🧩 배경과 문제 정의

• AI 도구와 모델이 빠르게 늘어날수록, 단순한 사용법보다 인간의 상상력, 협업 방식, 창작 판단의 중요성이 커진다.
• Google Creative Lab은 작가, 디자이너, 코더, 영화 제작자가 연구·제품 팀과 함께 최신 AI 모델의 가능성을 실험하는 조직이다.
• 이 세션은 Google Flow, Flow Music, AI Studio, Project Genie 같은 도구의 결과물 자체보다, 그 결과가 어떤 사고 과정과 반복을 거쳐 만들어졌는지에 초점을 둔다.
• Sanchit의 사례는 AI 창작 도구를 잘 다루는 능력이 프롬프트 요령만으로 생기는 것이 아니라, 디자인 기초, 시각 언어, 스케치, 비평, 선택의 누적에서 나온다는 점을 보여준다.
• 후반부로 갈수록 논의는 개인 창작 도구, 음악 제작, 세계 모델로 확장되며, AI 시대의 창작자는 결과물뿐 아니라 자신만의 도구와 탐색 방식을 만들어가는 사람으로 정의된다.

🕒 시간순 섹션별 상세정리

1. 인간 창의성과 협업이 AI 도구 시대의 중심이 된다

• AI 도구가 빠르게 늘어날수록 출발점은 기술 자체가 아니라 인간의 상상력이며, 인간이 가장 창의적인 주체로 남아야 한다 [00:05]
• Google Creative Lab은 작가, 디자이너, 코더, 영화 제작자가 연구·제품 팀과 협업하며 최신 AI 모델의 가능성과 한계를 탐색하는 팀이다 [01:03]

2. 창작 도구의 핵심은 결과물보다 제작 과정과 이유다

• Google은 외부 아티스트와 함께 창작자를 위한 도구를 만들며, 창작자가 일하고 싶은 방식에 맞춰 기술의 형태를 조정한다 [02:38]
• 세션은 Google Flow, Flow Music, Anti-Gravity, AI Studio, Project Genie의 결과 자체보다 그것을 만든 과정과 판단에 초점을 둔다 [03:05]

3. 도구 이름보다 사고 과정과 디자인 기초가 결과를 좌우한다

• Sanchit은 이미지, 영상, 제품을 만드는 디자인 제너럴리스트로서 AI 도구 앞에서 학생 시절과 같은 근본 질문을 다시 마주한다 [04:54]
• 디자인 학교에서 흔한 질문은 “어떤 소프트웨어를 썼는가”였지만, 실제로 더 중요한 것은 어떤 사고 과정을 거쳤는가이다 [05:24]

4. 좋은 프롬프트는 축적된 시각 언어와 전문 용어에서 나온다

• 연필과 붓, 디지털 도구, 3D 모델링, 모션 디자인, AI 도구는 서로를 대체하기보다 누적되며 새 도구를 다루는 언어가 된다 [07:03]
• 수작업과 디지털 제작에서 익힌 질감, 색, 구성, 타입의 언어는 AI 프롬프트를 더 정확하고 구체적으로 만드는 기반이 된다 [07:29]

5. 정밀한 프롬프트는 색상, 렌즈, 구성 같은 선택을 포함한다

• 색상 팔레트를 따로 만들고 정확한 hex code를 프롬프트에 넣으면 원하는 색을 더 직접적으로 통제할 수 있다 [09:22]
• 구성과 사진 요소를 분리하고 300mm 렌즈를 지정하면 왜곡을 줄이려는 시각적 의도를 AI 결과물에 반영할 수 있다 [09:38]

6. 반복과 스케치가 AI 작업의 저작성을 만든다

• 예전 창작에도 과정이 있었듯, AI 작업도 과정을 거쳐야 결과물을 자기 작업으로 느낄 수 있다 [10:25]
• 한 번에 완성된 결과도 가능하지만, AI 작업의 저작성은 프롬프트와 결과를 반복하며 다듬는 과정에서 생긴다 [10:38]

7. 반복과 버전 기록이 창작 과정의 핵심으로 이동한다

• 작업은 한 번에 완성되는 결과물이 아니라 여러 iteration 속에서 발견되며, 이미지 편집기의 버전 히스토리가 그 과정을 기록한다 [12:03]
• 캐릭터 리깅은 여전히 세밀한 제어에 유리하지만, Flow의 프레임 애니메이션은 그래픽 디자이너가 3D 움직임에 접근하는 낮은 진입점이 된다 [12:30]

8. AI의 풍부한 변형은 craft를 없애지 않고 선택 부담을 키운다

• 정지 이미지 이후에는 같은 캐릭터의 여러 변형으로 motion dynamics를 탐색하고, 액체 시뮬레이션 같은 요소까지 실험할 수 있다 [13:16]
• AI는 사실상 무한한 변형을 제공하지만, 그만큼 어느 지점에서 멈추고 선택할지 판단해야 하는 부담도 만든다 [13:46]

9. 창작자는 결과물뿐 아니라 결과물을 만드는 도구까지 만든다

• 그래픽 디자이너의 작업은 사물을 만드는 일에서, 사물을 만들기 위한 도구와 제품을 만드는 일로 확장된다 [14:47]
• Flow 안에서는 프로젝트 asset에 접근한 상태로 자체 도구를 만들고 같은 asset을 다시 사용할 수 있어, 재료와 도구가 한 공간에서 연결된다 [15:08]

10. 로고타입 제작은 더 빠른 길보다 더 풍부한 중간 단계를 얻는다

• type designer의 작업은 정적인 logotype에서 animated logotype으로 확장되며, Primordial Soup 프로젝트는 생명감과 typography를 함께 목표로 삼는다 [16:41]
• rough sketch는 vectorized form과 Bézier refinement를 거쳐 Flow에서 render되며, 이전에는 쉽게 수행하기 어려웠던 중간 단계를 가능하게 한다 [17:05]

11. 협업과 비평은 개인화된 AI 제작 환경에서도 객관성을 지킨다

• offset print proof를 함께 보던 과거 방식과 Flow 팀 Reed와의 협업은 critique와 collaboration이 여전히 핵심임을 보여준다 [18:19]
• 혼자 작업하면 객관성을 잃기 쉬우므로, 아이디어를 타인과 논의하고 피드백을 받는 과정이 결과물의 품질을 높인다 [18:43]

12. vibe coding은 비코더도 도구 제작자이자 사용자로 바꾼다

• Callo는 creative technologist이고 Khati는 코드를 쓰지 않는 graphic designer지만, 두 사람 모두 plain language로 코드를 만드는 vibe coding의 가치를 경험한다 [21:01]
• Khati는 type design, AR, editorial illustration을 오가며, 새 기술을 배울 때 기존 작업을 출발점으로 삼으면 변화와 학습의 가능성이 분명해진다고 드러낸다 [21:29]

13. 검색 기반 탐색과 Machine Telephone의 맥락 변환

• Around the World in Good News는 2026년을 긍정적으로 시작하려는 목적에서 Google Search 기반 기사 링크로 전 세계의 인간 성취와 역사적 사건을 탐색한다 [24:02]
• Machine Telephone은 전화 게임 구조를 Google API와 AI 모델로 확장해, 입력이 여러 매체와 모델을 거치며 맥락이 바뀌거나 오해되는 과정을 드러낸다 [24:27]

14. AI 제작에서도 시간과 세부 감각이 핵심으로 남는다

• AI 결과가 한 번에 나오더라도 거기서 멈추지 않는 태도가 중요하며, 좋은 아이디어는 잠을 자고 다시 보는 시간 속에서 더 발전해진다 [25:44]
• 입력 카드 모서리의 작은 접힘 표시는 엔터 입력을 알리는 미세한 디자인 요소로, 즉시 생성된 결과만으로는 떠올리기 어려운 제작 판단이다 [26:03]

15. 창작 도구의 세 가치와 코드 제작의 즉흥화

• 창작 도구에서 중요한 가치는 속도, 통제, 즉흥성이며, 아이디어에서 결과까지 빠르게 이동하고 실패한 아이디어도 가볍게 넘길 수 있어야 한다 [27:41]
• 통제는 큰 방향과 세부 조정을 빠르게 오가는 능력이고, 즉흥성은 기타 페달처럼 우연한 발견과 자유로운 탐색을 가능하게 하는 시스템에서 나온다 [27:53]

16. Project Genie와 개인용 이미지·ASCII 도구 사례

• Project Genie에서는 이미지도 비디오도 아닌 월드 모델을 위한 새 인터페이스가 필요했고, 디자이너의 3D 구형 효과는 코드와 커스텀 슬라이더 도구로 구현된다 [29:24]
• Super Looper는 blur와 sharpen을 체인으로 묶어 100번 반복하게 만들며, 이미지 처리 알고리즘 안에서 패턴이 떠오르는 과정을 실험한다 [30:01]

17. Flow Tools와 하드웨어 반복 제작이 속도를 바꾼다

• Flow Tools는 Flow 안의 새로운 코딩 레이어로 출발했고, 더 많은 창작자가 자신의 푸티지로 맞춤형 도구를 만들 수 있게 하는 방향을 갖는다 [31:09]
• Weirdcore는 10개의 glitchy visual effects를 쌓고 연결하는 도구이며, 랜덤 버튼은 수동 조정만으로는 떠올리기 어려운 조합을 발견하게 한다 [31:32]

18. 마이크로 도구의 개인성, 아카이브 접근성, 제작 책임

• 마이크로 도구의 사용자는 자기 자신, 친구, 가족, 동료처럼 작아도 충분하며, 그래서 이상하고 구체적인 UI 선택도 정당해진다 [33:18]
• 개인 데이터와 커뮤니티 아카이브를 다루는 도구는 더 즉흥적이고 자발적인 형태를 가질 수 있으며, 코딩 접근성 향상은 디지털 아카이브 탐색 프로젝트를 늘릴 수 있다 [33:40]

19. Flow Music의 방향성과 개인적 음악 경험

• 앞선 예시들은 개인용 창작 도구의 출발점이며, 다음 흐름은 음악을 통해 개인마다 다른 제작 방식과 향유 방식을 확장하는 방향으로 넘어간다 [36:52]
• Flow Music 팀은 13명 규모의 작은 팀으로 Google의 창작 도구군에 합류했고, 음악을 모두가 자기 방식으로 즐기고 만들 수 있는 영역으로 다룬다 [37:04]

20. 리트릿 명상 경험을 위한 감정 중심 플레이리스트 제작

• Kendall의 커뮤니티 활동은 친구, 가족, 지역 공동체를 위한 리트릿 운영과 연결되고, 음악은 사람 사이의 연결과 공동 경험을 풍부하게 한다 [39:37]
• Calistoga 언덕을 바라보며 함께 앉는 명상 세션은 리트릿에서 인기가 높았고, 기술이 이 연결 경험을 더 풍부하게 만들 수 있는지가 핵심 질문이 된다 [40:13]

21. Spaces로 음악에 분위기와 효과를 덧입히는 반복 작업

• 첫 결과물이 아름답더라도 그대로 끝내지 않고, Spaces를 통해 음악 코드 기반 앱처럼 작동하는 공간을 만들어 ambient filter와 atmospheric tones를 추가한다 [41:28]
• Producer agent는 오디오 필터와 ethereal effect의 첫 초안을 제공하고, 구현 방법을 모르는 사용자에게 작동 원리까지 설명하는 학습 순간을 만든다 [41:54]

22. 드럼 연습을 개인의 음악적 방향에 맞추는 실험

• Henry의 타악기 연습에서 기초를 쌓는 시간은 어떤 연주자가 되는지를 결정하며, 생성형 음악은 연습 루틴 자체를 개인의 반영으로 만들 수 있다 [43:13]
• 생성형 음악은 연습 반주를 기술적 요구와 음악적 방향에 동시에 맞출 수 있게 하며, Henry는 triplet rolls 연습을 위해 160 BPM synthwave 반주를 실험한다 [43:48]

23. 장르 프롬프트에서 구체적 기술·소리·정체성 프롬프트로 이동

• Henry는 원하는 소리와 훈련할 기술을 더 구체화하며, rolls가 부드럽고 연결되면서도 정확한 박자를 유지해야 한다는 목표를 프롬프트의 중심에 둔다 [45:44]
• synth sound, beat type, snare material을 더 구체적으로 지정하자 결과는 Henry의 취향과 연습 목적에 가까워지고, 반주는 개인화된 훈련 환경이 된다 [46:04]

24. Flow Music의 맞춤형 사운드와 세밀한 표현 도구

• 데모 연주는 실제보다 느리게 녹음한 뒤 속도를 높인 부분이 있으며, 실시간 연주 가능성은 별도 부스에서 확인할 대상으로 남는다 [48:01]
• granular synthesis는 기존 트랙을 작은 grain 단위로 쪼개 ambient texture와 sustain을 만들고, 원본 소리를 다른 질감의 악기로 재구성한다 [48:19]

25. Spaces 공유와 협업형 음악 실험

• 예술과 음악은 개인화된 도구만으로 완성되지 않으며, 아이디어가 교차하고 사회적으로 공유되는 과정이 창작의 핵심 축이 된다 [49:40]
• Spaces 공유 기능은 다른 사람이 만든 악기, 효과, 설정을 함께 활용하게 하며, 개인의 실험을 팀 전체가 이어 쓸 수 있는 창작 재료로 확장한다 [49:53]

26. 세계 모델로 넘어가는 창의성의 전환

• 마지막 발표는 모델 성능이 빠르게 높아지더라도 인간의 호기심과 낯선 것을 탐험하려는 욕구는 쉽게 대체되지 않는다는 문제의식에서 출발한다 [51:17]
• Shosh와 Sam은 world models의 frontier를 탐험하는 디자이너, tinkerer, builder로서 세계를 상상하고 만들며, 그 안에 직접 들어가 작동 방식을 익힌다 [51:54]

27. 텍스트 프롬프트 세계와 캐릭터 행동 실험

• 텍스트 프롬프트만으로 surfer가 파도를 타는 세계를 만들 수 있고, 비디오 모델의 물리감과 게임식 조작이 결합해 이동 방향에 따라 환경이 확장된다 [53:16]
• word play 프롬프트는 대비되는 두 세계 사이의 portal 같은 장면을 만들고, interactivity는 Plato’s cave 같은 사고실험을 체험 가능한 장면으로 전환한다 [53:40]

28. Nano Banana를 통한 시각적 조향과 world remixing

• words to worlds 방식은 머릿속 세계와 생성 결과 사이의 간극을 크게 만들 수 있으며, Nano Banana는 Genie를 더 정확히 조향하는 시각적 보조 엔진으로 작동한다 [55:01]
• Nano Banana 이미지는 photorealistic 스타일과 hyper stylized 스타일 모두에서 Genie의 결과를 특정 미학으로 이끌며, 텍스트보다 분명한 시각 기준을 제공한다 [55:18]

29. 일상 사진과 물리적 배치가 게임 세계로 바뀌는 흐름

• Nano Banana로 backyard 사진 위에 나무를 도는 race track을 스케치하면, Genie 안에서 같은 backyard와 곡선을 유지한 채 운전 가능한 트랙으로 바뀐다 [56:56]
• casual photo는 game cartridge처럼 작동하고, Natural History Museum의 diorama 사진은 water buffalo의 시점으로 들어가 탐험할 수 있는 환경으로 확장된다 [57:24]

30. 동물·도시·지도 데이터로 확장되는 플레이 가능한 현실

• Genie의 사실적인 생체역학은 고양이가 아파트를 자연스럽게 돌아다니고, 꼬리를 움직이며, 가구를 넘어가는 장면에서 뚜렷하게 드러난다 [1:00:03]
• 도마뱀은 벽을 타고 오르고, 햄스터는 테이블 위 장난감과 상호작용하며, 생성은 단순 캐릭터를 넘어 환경 속 행동과 물리적 움직임까지 구성한다 [1:00:17]

31. 모델의 경계를 찾는 창작 방식과 무한한 세계의 사용법

• Google의 실험은 모델이 또 무엇을 할 수 있는지 묻는 데 초점을 두며, 창작자는 모델의 경계를 발견하고 중요한 활용 사례를 찾아내는 역할을 맡는다 [1:02:21]
• 생성 모델에는 완성된 사용 설명서가 없기 때문에, 사용법은 창의적 놀이와 비판적 대화를 통해 만들어진다. 그 결과 주변의 모든 사물은 잠재적인 플레이어블 캐릭터처럼 보이기 시작한다 [1:02:40]

🧾 결론

• 이 발표의 중심 메시지는 AI가 창의성을 대신한다는 것이 아니라, 창작자가 더 정교하게 상상하고 설명하고 선택하고 협업해야 한다는 것이다.
• AI 도구를 잘 쓰는 능력은 프롬프트 한 줄을 외우는 기술이 아니라, 디자인·음악·코딩·세계 구축에서 쌓아 온 경험을 새로운 인터페이스 안에서 다시 활용하는 능력에 가깝다.
• 반복은 AI 시대에도 사라지지 않는다. 오히려 생성 결과가 풍부해질수록 어느 버전을 선택하고, 무엇을 버리고, 어떤 방향으로 더 다듬을지 판단하는 craft가 더 중요해진다.
• 개인화된 도구와 마이크로 소프트웨어는 창작자의 취향과 작업 방식을 더 직접적으로 반영하게 만들지만, 발표는 동시에 비평·피드백·공유·협업이 객관성을 지키는 핵심 장치라고 강조한다.
• 검증이 필요한 내용은 발표 밖의 시장 성과나 제품 출시 범위, 실제 상용화 일정, 사용자 규모다. transcript에서는 도구의 창작 사례와 방향성은 설명되지만, 사업 성과를 단정할 수 있는 수치는 제시되지 않는다.

📈 투자·시사 포인트

• 생성형 AI 창작 도구의 경쟁력은 모델 성능만이 아니라, 창작자가 반복·버전 관리·세부 조정·협업을 자연스럽게 수행할 수 있는 워크플로우 설계에서 갈릴 가능성이 크다.
• Flow, Flow Music, Spaces, Genie 사례는 텍스트·이미지·영상·음악·인터랙티브 월드가 분리된 도구가 아니라 하나의 창작 생태계로 연결될 수 있음을 시사한다.
• AI가 풍부한 변형을 제공할수록 “생성”보다 “선택·편집·조향·공유”의 가치가 커진다. 따라서 창작자용 AI 제품에서는 큐레이션, 히스토리, 파라미터 제어, 협업 기능이 중요한 차별점이 될 수 있다.
• 비전문가도 plain language로 도구를 만들고 조정할 수 있게 되면, 소규모 개인용 도구·커뮤니티 아카이브·맞춤형 음악/시각 제작처럼 기존 소프트웨어 시장이 충분히 다루지 못한 틈새 사용 사례가 늘어날 수 있다.
• 다만 투자 관점의 정량 판단은 별도 검증이 필요하다. 발표는 Google의 창작 실험과 제품 방향을 보여주지만, 매출 기여도, 유료 전환, 사용자 유지율, 경쟁 제품 대비 우위 같은 지표는 transcript에서 확인되지 않는다.

⚠️ 불확실하거나 확인이 필요한 부분

• Flow Tools가 “전날 I/O에서 출시됐다”는 내용은 발표 내 언급 기준으로 보이며, 실제 공개 범위, 사용 가능 지역, 계정 조건, 현재 접근 가능 여부는 Google 공식 문서에서 별도 확인이 필요하다.
• Project Genie, Geo Genie, Nano Banana, Gemini 3, Flow Music, Spaces 등은 발표 데모 맥락에서 기능이 소개되었지만, 각각이 공개 제품인지, 실험적 프로토타입인지, 내부 코드명인지 구분해 확인해야 한다.
• Flow Music 데모에서 일부 연주는 실제보다 느리게 녹음한 뒤 속도를 높였다는 언급이 있으므로, 실시간 연주 가능성이나 일반 사용 환경에서의 성능은 별도 검증 대상이다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 최종 노트에서는 이 영상을 “AI 도구 소개”보다 “AI 시대에도 창작자의 과정, 판단, 반복, 협업이 핵심이라는 발표”로 프레이밍한다.
• Flow, Flow Music, AI Studio, Project Genie, Spaces 등 도구별 사례를 정리할 때 “발표 데모 기준”과 “현재 사용 가능 여부 확인 필요”를 구분한다.
• 프롬프트 실전 팁은 디자인 기초, 시각 언어, 색상 코드, 렌즈, 구성, 전문 용어, 반복 수정 중심으로 추려 별도 활용 포인트로 정리한다.
• 공개 전 Google 공식 블로그, I/O 발표 자료, 제품 문서에서 Flow Tools, Project Genie, Flow Music의 출시·접근성 정보를 확인한다.

❓ 열린 질문

• 발표에 등장한 도구 중 일반 사용자가 지금 바로 접근할 수 있는 것은 무엇이고, 데모·실험·내부 프로토타입에 가까운 것은 무엇인가?
• AI가 무한한 변형을 제공할 때, 창작자는 어느 시점에서 멈추고 선택해야 하는가?
• 프롬프트 작성 능력은 앞으로 디자인 교육, 음악 교육, 코딩 교육에서 어떤 기초 역량으로 자리 잡게 될까?