디자인–생산 프로세스를 위한 AI 플랫폼

배경

디자인의 고유한 특성을 지키면서 디자인 의도와 생산 제약 사이의 충돌을 예측하고 해결하는 AI 플랫폼을 개발하는, 진행 중인 국가 R&D 프로젝트입니다(MOTIE/KEIT, 2025–2028). 기업, 연구기관, 대학으로 구성된 컨소시엄이 플랫폼 개발을 수행하며, UNIST는 제품의 DUV(Design Unique Values)와 그 평가 방법을 정의하는 역할을 맡고 있습니다. 과제 제안 단계에서 저희 팀이 플랫폼의 첫 UI 콘셉트를 디자인했으며, 이후 플랫폼 UI는 컨소시엄 파트너가 이어서 개발할 예정입니다.

과제

디자인 품질은 보통 직관과 선호도 투표로 판단되며, 제품 형태에 관한 기존 연구는 의미론, 지각, 기하학으로 나뉘어 흩어져 있습니다. 이를 AI에 학습시키려면 디자이너가 중요하게 여기는 특성을 명시적이고 측정 가능하며 일관되게 평가할 수 있는 형태로 만들어야 합니다.

담당 역할

저는 DUV 프레임워크와, AI 학습 데이터셋 구축에 사용되는 제품 형태 및 CMF(색상, 소재, 마감) 평가에 기여하고 있습니다.

• 형태 평가에 관한 문헌을 검토하고, 각각 측정 가능한 파라미터를 갖춘 12개의 형태 지표를 정의했습니다.
• 형태 분류부터 CMF 평가까지 네 단계로 이루어진 2026년 연구를 계획했습니다.
• 형태 분류를 위한 전문가 워크숍 프로토콜을 설계하고, 파일럿 테스트 후 이를 수정했습니다.
• 연구 프레임워크, 워크숍 프로토콜, 데이터 구조를 포함한 CMF 평가 설계를 이끌고 있습니다.

프로세스

디자인 언어에서 파라미터로. 프레임워크는 제품 유형, 디자인 스타일, 형태 지표(실루엣 인지성, 대칭, 비례 등), 그리고 각 지표를 뒷받침하는 측정 가능한 파라미터의 네 단계를 연결하며, 이 파라미터는 정규화된 점수로 변환할 수 있습니다.

전문가 워크숍. 파일럿 워크숍(참가자 3명, 제품 이미지 50장, 79분)에서 전문가들이 제품을 형태별로 분류했습니다. 파일럿을 통해 프로토콜에서 보완이 필요한 부분이 드러났습니다. 분류 기준에 기하학, 스타일, 감성이 뒤섞였고, 색상과 소재가 형태 판단에 영향을 주었으며, 약 1시간이 지나자 응답의 질이 떨어졌습니다. 수정된 프로토콜에서는 브랜드 요소를 제거하고 고정된 시점에서 스케일 표시와 함께 렌더링한 회색 “클레이” 이미지를 사용하며, 제품 유형을 늘리고 예시 이미지를 제공하고 세션 시간을 줄였습니다.

CMF. 현재 단계에서는 이 접근법을 색상, 소재, 마감으로 확장하여, CMF가 같은 형태의 지각된 가치를 어떻게 바꾸는지 살펴보고 있습니다.

산출물

• 문헌 검토와 형태 지표 프레임워크(KSDS 2026 논문)
• 형태 및 CMF 평가를 위한 연구 계획과 워크숍 프로토콜
• 파일럿 결과와 프로토콜 수정 사항

이 프레임워크는 개념적 단계로 아직 실증적으로 검증되지 않았으며, 본 전문가 워크숍과 DUV 데이터셋 구축은 진행 중입니다.