One Designer + AI. Hundreds of Deliverables. — Vincent Wendy, AI Engineer

한 줄 핵심

7,000명 규모 콘퍼런스의 수백 개 디자인 산출물을 1명이 감당하려면, 작은 디자인 시스템과 자동화 워크플로, 검증 루프를 AI와 결합해 반복 작업과 예외 처리를 체계화해야 한다.

시간별 요약

1. 0:00
   7,000명 규모 콘퍼런스에서 디자이너 1명으로 대응하기 AI Engineer 콘퍼런스의 디자인은 약 12~15명 규모의 작은 팀, 그중 1명의 디자이너가 맡는 구조이며, 6,000명 예상에서 7,000명으로 늘어난 참석자와 140+ 스폰서, 300+ 스피커, 600+ 세션을 동시에 다뤄야 한다. 이 규모에서는 개별 작업을 사람이 직접 처리하는 방식이 아니라 자동화로 스케일 문제를 풀어야 한다.
2. 2:07
   수천 개 디테일과 수천 가지 실패 지점 스티커, 랜딩 페이지, 스피커 공지, 사인, 디지털 사인 등 거의 모든 접점이 디자인 산출물이며, 스폰서 로고 누락이나 잘못된 일정처럼 작은 오류도 큰 문제로 이어진다. 그래서 대응 방식은 단순히 작업을 많이 하는 것이 아니라, Devin·GPT·Figma를 팀처럼 묶어 대량 산출물을 처리하는 데 있다.
3. 3:22
   Devin, GPT, Figma로 구성된 디자인 팀 기본적인 LLM의 벡터 파일 생성처럼 아직 실무에 바로 쓰기 어려운 결과도 있지만, PNG 같은 중간 산출물을 만들고 Figma에서 벡터화하는 식으로 우회하면 충분히 실전에 투입할 수 있다. 핵심은 모델의 한계에 맞서기보다, 결과를 제품화할 수 있는 방식으로 문제를 재정의하는 것이다.
4. 4:45
   스케일 문제를 푸는 다섯 가지 방법 스케일 문제의 해법은 디자인 시스템 같은 기반을 먼저 만들고, 재사용 가능한 디자인과 자동화된 워크플로, 검증된 출력, 마찰 제거를 함께 적용하는 것이다. 특히 타이포그래피, 색상, 컴포넌트, 데스크톱·모바일 규격을 미리 고정해야 LLM이 제멋대로 산출하는 문제를 줄일 수 있다.
5. 6:54
   재사용 가능한 디자인과 일정 표지 파이프라인 한 번 정의한 브랜딩과 디자인 규격은 마케팅 이메일, 전단, 문서까지 다른 팀이 그대로 재사용할 수 있게 만든다. 일정 표지는 이전처럼 Figma에서 수작업으로 만들지 않고 Devin이 최신 데이터를 불러와 PNG로 내보내는 방식으로 자동화하며, 필요하면 MCP나 스펙 시트로 간격·폰트 크기 같은 규칙을 명시해 정확도를 높인다.
6. 9:16
   스피커 공지 생성기 300명 이상의 스피커 공지는 사람이 일일이 처리할 수 없기 때문에, 이름 변경·가로형/세로형 전환·헤드샷과 세부 정보 입력에 따라 자동으로 내보내는 생성기를 만든다. Slack과 Figma를 오가며 Devin에 스펙 문서와 주석을 넘기면, 레이어 이름이 엉성해도 LLM이 규칙을 읽고 픽셀 퍼펙트에 가깝게 작업할 수 있다.
7. 11:50
   사진을 적절한 스피커에 매칭하기 스피커 썸네일 제작에서는 Devin이 사진 속 인물이 누구인지 판별해 같은 사람인지 확인하고, 해당 사진을 바로 찾아 붙이는 방식으로 컨텍스트를 만든다. 예전처럼 사진을 하나씩 뒤지는 대신, 인물 식별과 검색을 자동화해 썸네일 제작 시간을 크게 줄인다.
8. 13:15
   140개 스폰서 로고의 누락 여부 확인하기 로비 배너나 스웩 티셔츠처럼 수많은 로고가 들어가는 그래픽에서 Devin에게 누락된 로고가 있는지 비교 검사를 시키고, 높은 정확도로 오류를 찾아낸다. 사람이 놓치기 쉬운 시각적 검수까지 AI가 맡으면서 사실상 자체 QA 팀처럼 활용할 수 있다.
9. 14:21
   마찰을 줄이고 예외를 처리하기 디자인은 디자이너 관점이 아니라 사용자 관점으로 생각해야 하며, 등록·안내·QR 코드·방향 표지판이 끊기지 않게 연결돼야 한다. 실무의 핵심은 일정 변경처럼 예상치 못한 예외를 처리하는 일이고, edit 버튼 추가 같은 수정도 즉시 자동화해 다시 배포할 수 있어야 스케일 문제를 실제로 해결할 수 있다.

실무 인사이트

• 대규모 반복 산출물은 먼저 디자인 시스템과 규격을 고정한 뒤, AI에게 재사용 가능한 입력과 예외 처리 규칙을 주는 방식이 가장 효과적이다.
• LLM이 바로 최종 결과를 못 만들더라도 PNG 생성, Figma 벡터화, MCP 연결처럼 중간 단계를 설계하면 실무 품질로 충분히 끌어올릴 수 있다.
• AI를 QA와 운영 자동화에 붙이면 단순 생산성 향상보다 더 큰 효과가 나며, 작은 팀도 대형 행사 수준의 산출물을 안정적으로 처리할 수 있다.