“혹시 산타 모자를 쓴 북극곰이 해변에서 맥주를 마시며 서핑하는 장면을 만들 순 없을까요?”
불과 몇 년 전까지만 해도 이런 요청은 제작팀이나 촬영 스튜디오 PD의 전문적인 손을 거쳐야 했을 것입니다. 모델을 섭외하고, 촬영지를 선정하며, 촬영 과정을 직접 관리해야 했죠. 하지만 AI가 등장하며 이런 복잡했던 과정이 사무실에 앉아 몇 번의 클릭만으로 해결되는 시대가 되었습니다.
그러나 ChatGPT와 같은 생성형 AI 텍스트와 달리, 미드저니(MidJourney), 달리(DALL·E), 스테이블 디퓨전(Stable Diffusion) 등 이미지를 생성하는 AI는 여전히 진입 장벽이 높다고 느껴집니다. 스테이블 디퓨전을 약 6개월 정도 사용해 본 저 역시도 여전히 어렵게만 느껴지니까요.
왜 스테이블 디퓨전일까?
최근 AI 이미지 생성 소프트웨어 중 가장 잘 알려진 것으로는 미드저니, 달리, 스테이블 디퓨전 등이 있습니다. 미드저니나 달리는 간단한 문장으로도 이미지를 생성할 수 있는 유료 서비스로, 사용이 간편하고 빠르게 고퀄리티의 결과물을 생성합니다. 반면, 무료 오픈소스 서비스인 스테이블 디퓨전은 프롬프트 외에도 다양한 파라미터를 직접 설정해야 하므로, 처음 접하는 사용자에게는 다소 복잡하게 느껴질 수 있습니다.
그럼에도 불구하고 스테이블 디퓨전을 선택해야 한다면 이는 무한한 조정 가능성에 있는 것 같습니다. 비록 조금 어렵게 느껴질 순 있지만, 시간을 들여 연습하면 이미지의 세부 부분을 자유롭게 수정하고, 파라미터를 정교하게 조정하여 자신만의 독특한 결과물을 만들어낼 수 있기 때문입니다.
결국, 선택의 기준은 사용자의 우선순위에 따라 달라지게 됩니다. 빠르고 높은 퀄리티의 이미지를 원한다면 미드저니를, 프롬프트 하나의 정확한 반영을 원한다면 달리를, 무한한 조정 가능성을 중시한다면 스테이블 디퓨전이 적합할 것 같습니다. 오늘날처럼 다양한 생성형 AI 서비스가 넘쳐나는 시대에는 하나의 서비스에만 의존할 필요는 없습니다. 각 도구의 특성과 강점을 충분히 이해하고, 목적에 맞게 적절히 활용하는 것이 무엇보다도 중요할 것입니다.
CFG Scale이 1로 너무 낮은 경우 프롬프트에 입력한 ‘아기 눈사람’을 반영하지 못하고 있습니다. 반면 CFG Scale이 20으로 너무 높은 경우 이미지의 채도가 과도하게 높아져 이미지 퀄리티가 낮아진 것을 확인할 수 있습니다.
Step값이 30으로 낮을 경우, 강아지의 발 위에 컵을 올려놓는 등 약간 낮은 퀄리티의 결과물을 보여주고 있습니다.
다른 Sampler 사용 시, 디테일이 조금씩 변하는 것을 확인할 수 있습니다.
스테이블 디퓨전으로 무엇을 할 수 있을까?
1. 텍스트로 이미지 생성하기
텍스트 프롬프트를 입력하면, 이에 기반해 이미지를 생성합니다.
2. 이미지로 이미지 생성하기
이미지를 입력하면, 이를 토대로 새로운 이미지를 생성합니다. 첨부한 이미지의 스타일이나 형태를 유지하면서 디테일을 추가하거나, 인물의 얼굴이나 포즈를 참고하여 새로운 이미지를 만들 수도 있습니다.
3. 이미지 편집하기
이미지의 특정 영역을 선택해 해당 부분을 재생성할 수 있습니다. 선택한 물체를 지우거나, 그 자리에 새로운 요소를 추가하는 등 다양한 편집 작업이 가능합니다.
이처럼 스테이블 디퓨전은 텍스트와 이미지를 활용해 창의적인 결과물을 만들어내고, 세밀한 편집 작업까지 가능한 도구라고 할 수 있습니다.
어떤 스테이블 디퓨전을 사용해야 할까?
스테이블 디퓨전에 도전하기로 결심하셨다면, 먼저 어떤 서비스를 이용할지 결정해야 합니다. 스테이블 디퓨전은 오픈 소스이기 때문에 이를 활용한 다양한 서비스들이 존재합니다. 만약 NVIDIA GPU가 장착된 컴퓨터를 사용 중이라면 GUI 기반의 서비스를 통해 직접 구동할 수 있으며, 그렇지 않다면 Google Colab을 이용해 실행하는 방법도 있습니다. 또한, Tensor Art와 같이 별도의 설치 과정이 필요 없는 온라인 기반 서비스를 활용할 수도 있습니다.
<GUI 기반 서비스>
AUTOMATIC1111 WebUI
가장 널리 사용되는 서비스로, 비교적 사용하기 쉬우며, 컨트롤넷(ControlNet) 등 다양한 기능을 지원합니다.
ComfyUI
WebUI의 대항마로, 노드 기반 프레임워크를 제공합니다. 복잡한 노드 연결과 구성이 필요해 초보자에게는 진입 장벽이 높지만, 익숙해지면 더욱 세밀하고 다양한 옵션을 조합할 수 있습니다.
Fooocus
스테이블 디퓨전에 미드저니 (Midjourney)의 쉬운 사용성을 결합한 AI 이미지 생성 소프트웨어로, 스테이블 디퓨전 입문자에게 가장 추천하고 싶은 서비스입니다.
이 외에도 다양한 서비스가 있으며, 각기 고유한 장점을 지니고 있으니 자신의 필요와 숙련도에 맞춰 가장 적합한 도구를 선택하여 사용하시면 됩니다.
어떻게 스테이블 디퓨전을 사용해야 할까?
스테이블 디퓨전은 다양한 파라미터를 조정함으로써 이미지를 생성하는데, 이 파라미터들은 생성되는 이미지의 특성을 결정짓는 핵심 요소입니다. 각각의 파라미터는 이미지의 세부적인 요소부터 전체적인 분위기까지 광범위한 영향을 미치며, 이 값을 어떻게 설정하는지에 따라 완전히 다른 결과물이 탄생하게 됩니다.
그렇다면, 스테이블 디퓨전의 주요 파라미터에는 무엇이 있을까요? 이제 이러한 파라미터들이 어떤 역할을 하며, 이미지 생성 과정에서 어떻게 작용하는지 살펴보도록 하겠습니다.
1. 기본 파라미터
프롬프트
프롬프트는 생성하고자 하는 이미지를 설명하는 입력 메시지를 뜻합니다. 즉, 원하는 이미지의 요소를 텍스트로 설명하여 AI가 그에 맞는 이미지를 만들어낼 수 있도록 돕는 역할을 합니다.
반면, 부정 프롬프트는 생성하고자 하는 이미지에서 제외하고 싶은 요소를 명시하는 메시지를 의미합니다. 예를 들어, 특정 스타일이나 색상, 또는 사물을 배제하고 싶을 때 사용합니다.
프롬프트 작성에도 나름의 요령이 필요한데, 여기서 그 노하우를 살짝 공개해 보도록 하겠습니다.
1) 구체적으로 작성하기
프롬프트는 구체적일수록 좋습니다. 예를 들어, 단순히 "섬" 대신 "노을이 지는 바다 위의 섬"과 같이 세부적인 설명을 덧붙이면 AI가 더 명확한 이미지를 생성할 수 있습니다.
2) 프롬프트 구조 이해하기
프롬프트에는 "(주제), (스타일), (액션), (장면), (artist), (필터)"의 구조로 작성하는 것이 좋습니다. 프롬프트 작성 구조에 대해 자세히 알고 싶다면 "*The PromptBook (https://openart.ai/promptbook)"을 참고해 보시는 것도 좋을 것 같습니다.
* The PromptBook : AI 관련 콘텐츠 전용 플랫폼이자 커뮤니티인 Open Art에서 해당 커뮤니티 회원들이 작성한 프롬프트 가이드
3) 중요한 요소는 가중치를 두기
중요한 프롬프트 키워드는 ( ) 괄호를 넣어 가중치를 줄 수 있으며, 괄호 한 개당 10%씩 가중치가 증가합니다. 예를 들어, (keyword)는 10% 증가, ((keyword))는 20% 증가하게 됩니다. 콜론(:)을 사용해 가중치를 직접 지정할 수도 있는데, 예를 들어 (keyword:1.5)라고 하면 해당 키워드의 가중치는 1.5로 설정되며, 일반적으로 0.6에서 1.4 사이의 값을 사용합니다. 또한, 프롬프트의 앞부분에 중요한 요소를 배치하면 더 효과적으로 원하는 결과를 얻을 수 있습니다.
4) 필터를 활용하기
"highly detailed", "8k", "vibrant colors" 등의 필터 키워드를 사용하면 이미지의 디테일과 품질을 높일 수 있습니다.
다음은 주로 사용하는 필터 키워드 예시입니다.
Highly detailed, surrealism, trending on art station, triadic color scheme, smooth, sharp focus, matte, elegant, the most beautiful image ever seen, illustration, digital paint, dark, gloomy, octane render, 8k, 4k, sharp, dramatic lighting, beautiful, post processing, picture of the day, ambient lighting, epic composition, … etc.
Checkpoint/Model
Checkpoint는 이미지 생성의 주요 화풍을 결정하는 모델로, 이미지 생성에 필요한 모든 정보를 담고 있는 중요한 요소입니다. 즉, Checkpoint는 이미지 생성의 "뇌" 역할을 하며, 그 자체로 이미지를 생성할 수 있는 능력을 갖추고 있습니다. 예를 들어, 실사 한국인 이미지를 학습한 Checkpoint 모델을 사용하면 한국인 인물을 생성할 수 있으며, 반 고흐 스타일의 그림을 학습한 Checkpoint 모델을 사용하면 반 고흐의 화풍을 반영한 이미지를 생성할 수 있습니다.
Checkpoint 모델은 종류가 무수히 많으며, 주로 하단 두 사이트에서 모델을 다운받습니다.
- CivitAI (https://civitai.com/)
- Hugging face (https://huggingface.co/models)
체크포인트 모델은 크게 SD 1.5 버전과 SDXL 버전으로 나뉘며, SDXL 버전이 더 높은 이미지 품질과 더 큰 이미지 생성을 지원하는 등 향상된 성능을 제공합니다.
제가 주로 사용했던 모델은 다음과 같습니다.
- JuggernautXL_v8Rundiffusion (https://civitai.com/models/133005/juggernaut-xl)
실사 이미지 생성에 적합하며 일반적인 사용으로 가장 추천드리는 모델입니다.
- DreamShaper XL (https://civitai.com/models/112902?modelVersionId=646523)
반 실사 혹은 서양 화풍 이미지 생성에 적합한 모델입니다.
- XXMix_9realisticSDXL (https://civitai.com/models/124421/xxmix9realisticsdxl)
동양인 여성 이미지 생성에 적합한 모델입니다.
- Jib Mix Realistic XL (https://civitai.com/models/194768?modelVersionId=672019)
예술적이고 판타지 느낌의 실사 이미지 생성에 적합한 모델입니다.
- RealcartoonXL (https://civitai.com/models/125907/realcartoon-xl)
고급스러운 애니메이션 스타일 이미지 생성에 적합한 모델입니다.
- Anything XL (https://civitai.com/models/9409/or-anything-xl)
(일본풍) 애니메이션 스타일 이미지 생성에 적합한 모델입니다.
너비 및 높이
생성할 이미지의 크기는 사용자에 따라 설정할 수 있습니다. 원하는 만큼 너비와 높이를 설정할 수 있지만, 스테이블 디퓨전은 512x512 (SD XL의 경우 1024x1024) 해상도에 최적화되어 있습니다. 따라서 저해상도로 먼저 생성한 후, 업스케일(스테이블 디퓨전 내 이미지 해상도 향상 기능)을 통해 이미지 크기를 향상하는 것을 추천해 드립니다.
Seed
Seed는 생성된 이미지의 고유 번호로, 동일한 버전의 스테이블 디퓨전에서 동일한 설정 및 Seed 값을 사용하면 항상 같은 이미지를 생성할 수 있습니다. 기본적으로 Seed 값은 -1로 설정되어 있으며, 이 경우 시스템이 랜덤 Seed를 생성합니다. 그리고 이 Seed는 다양한 방식으로 활용될 수 있으며, 주로 사용되는 방법은 다음과 같습니다.
1) 동일한 이미지 다시 생성하기
동일한 Seed 값, 이미지 크기, 그리고 프롬프트를 사용하면 항상 동일한 이미지를 생성할 수 있습니다.
2) 유사한 이미지 생성하기
Seed 값을 활용하면 유사한 이미지를 생성할 수 있습니다. 동일한 Seed 값에 프롬프트를 약간 수정하면 원본 이미지에서 미세한 변형을 주는 결과를 얻을 수 있습니다. 반대로, 같은 프롬프트에 다른 Seed 값을 설정하면 완전히 다른 스타일의 이미지가 생성됩니다. 비슷한 Seed 값을 사용하면 이미지의 전반적인 스타일은 유사하게 유지됩니다. 따라서 마음에 드는 이미지를 생성한 후, 그 이미지의 Seed 값을 참고하거나 프롬프트를 약간 조정하여 다양한 변형 이미지를 만들어낼 수 있습니다.
같은 프롬프트일지라도 Seed 번호가 변경되면 새로운 느낌의 펭귄 이미지가 생성됩니다. 또한 같은 Seed 번호에서 프롬프트를 조금 변경하면 기존의 펭귄과 느낌은 비슷하지만 아기 펭귄으로 변경된 모습을 확인할 수 있습니다.
CGF Scale
CGF Scale(Classifier Free Guidance Scale)은 생성할 이미지가 프롬프트를 얼마나 반영할지를 조절하는 값입니다. 숫자가 낮을수록 프롬프트에 대한 반영이 적어지며, 반대로 숫자가 높을수록 프롬프트를 더 정확하게 반영합니다. 하지만, 너무 낮은 값은 프롬프트와 무관한 이미지를 생성할 수 있고, 너무 높은 값은 이미지의 채도를 과도하게 높여버릴 수 있습니다. 일반적으로는 7에서 13 사이의 값이 적절하게 사용됩니다.
CFG Scale이 1로 너무 낮은 경우 프롬프트에 입력한 ‘아기 눈사람’을 반영하지 못하고 있습니다. 반면 CFG Scale이 20으로 너무 높은 경우 이미지의 채도가 과도하게 높아져 이미지 퀄리티가 낮아진 것을 확인할 수 있습니다.
스테이블 디퓨전은 여러 단계를 거치며 이미지를 생성하게 되는데, Steps는 이 이미지를 생성하기 위해 거치는 단계 수를 의미합니다. 단계 수가 많을수록 더 많은 시도가 이루어지며, 결과적으로 이미지의 세밀함과 퀄리티가 높아질 수 있습니다. 하지만, 단계 수가 무조건 많다고 해서 항상 더 나은 이미지를 생성하는 것은 아닙니다. 일정 단계 수를 초과하면 변화 폭이 줄어들며, 너무 높은 단계 수는 오히려 이미지가 깨질 위험이 있습니다. 일반적으로 30에서 60 사이의 Steps가 적절히 사용되며, 사용하는 모델의 권장값을 따르는 것이 가장 좋습니다.
Step값이 30으로 낮을 경우, 강아지의 발 위에 컵을 올려놓는 등 약간 낮은 퀄리티의 결과물을 보여주고 있습니다.
Sampler
Sampler를 간단히 설명하자면 이미지 생성 과정에서 선택되는 다양한 기법 중 하나로, 이미지의 질감과 느낌을 결정짓는 중요한 역할을 합니다. 주로 사용되는 Sampler에는 다음과 같은 것들이 있습니다.
1) Euler a
전통적인 Euler 방법을 기반으로 하는 Sampler로, 일반적으로 안정적이고 일관된 결과를 제공합니다.
2) DPM++2M Karras
최근의 발전된 Sampler로, 향상된 디테일과 더 나은 이미지 품질을 제공할 수 있습니다.
3) DPM++ SDE Karras
SDE(Spectral Distortion Error) 기법을 활용한 Sampler로, 더 섬세하고 정밀한 이미지 생성이 가능합니다. 사용을 가장 추천해 드립니다.
Sampler 역시도 각 모델의 권장값을 따르는 것이 가장 좋으며, CivitAI에서 모델을 다운로드할 때 권장되는 Sampler 값을 참고하면 최적의 결과를 얻을 수 있습니다.
다른 Sampler 사용 시, 디테일이 조금씩 변하는 것을 확인할 수 있습니다.
여기까지 스테이블 디퓨전의 기본 파라미터 값을 설정했다면, 이번에는 생성 결과를 더욱 향상시키기 위한 추가 조정을 해봅시다.
2. 추가 파라미터
LoRA
체크포인트 모델만이 스타일을 변경하는 유일한 방법은 아닙니다. Textual Inversion(또는 Embedding), LoRA, LyCORIS, HyperNetwork 등 다양한 기술을 통해 스타일을 조정할 수 있습니다. LoRA 외 다른 방법들은 현재 사용 빈도가 낮아지고 있기 때문에, 이 글에서는 LoRA에 중점을 두고 설명하겠습니다.
LoRA(Low-Rank Adaptation)란 체크포인트 모델에 미세한 조정을 가하는 경량화된 Stable Diffusion 모델입니다. 독립적으로 활용할 수 없기 때문에 반드시 체크포인트 모델과 함께 사용해야 하며, 체크포인트 모델에 세밀한 변화를 추가하여 스타일을 변형하는 데 도움을 줍니다.
LoRA 모델은 Checkpoint와 같이 CivitAI나 Hugging Face에서 다운로드할 수 있으며, 검색창 옆의 필터를 설정하여 LoRA 모델만 따로 확인할 수 있습니다. 이때 LoRA가 발동하기 위한 trigger word가 존재할 수 있으며, LoRA 모델 다운로드 시 명시된 trigger word를 프롬프트에 포함시켜야 해당 LoRA가 활성화됩니다.
제가 주로 사용했던 LoRA모델은 다음과 같습니다. 이 외에도 LoRA는 그 종류가 무수히 많아서 필요에 따라 검색하여 사용하는 것을 추천드립니다.
- Detail Tweaker XL (https://civitai.com/models/122359/detail-tweaker-xl)
생성 이미지의 전반적인 디테일을 더해주는 모델입니다.
- extremely detailed (no trigger) (https://civitai.com/models/229213/extremely-detailed-no-trigger-slidersntcaixyz)
생성 이미지의 전반적인 디테일을 더해주는 모델입니다.
- Midjourney mimic (https://civitai.com/models/251417/midjourney-mimic)
Mid Journey 모델과 유사한 디테일, 색상, 배경 깊이 등을 더해주는 모델입니다.
- DetailedEyes_XL (https://civitai.com/models/120723?modelVersionId=145907)
생성 이미지의 눈 디테일을 더해주는 모델입니다.
- Hands XL + SD 1.5 (https://civitai.com/models/200255/hands-xl-sd-15)
생성 이미지의 손 디테일을 더해주는 모델입니다.
- xxmix0731girl (https://civitai.com/models/134778?modelVersionId=148469)
동양인 여성 이미지의 디테일을 더해주는 모델입니다. XXMix_9realisticSDXL Checkpoint 모델과 함께 사용하면 좋습니다.
두 번째 이미지는 디테일을 추가해주는 LoRA를, 세 번째 이미지는 네온 효과를 추가해주는 LoRA를 사용한 결과입니다. 이처럼 다양한 LoRA를 추가하며 이미지의 최종 퀄리티를 향상시킬 수 있습니다.
VAE
간략히 말해, VAE(Variational Autoencoder)는 이미지의 품질을 보정해 주는 역할을 하며, 생성된 이미지의 디테일과 선명도를 향상시킵니다. 다양한 종류의 VAE가 있지만, 용도별로 가장 많이 사용되는 두 가지 VAE는 다음과 같습니다.
- vae-ft-mse-840000-ema-pruned
실사 배경 및 인물 이미지에 주로 사용합니다.
- kl-f8-anime2
애니메이션 이미지에 주로 사용합니다.
여기까지 스테이블 디퓨전의 기본 및 추가 파라미터에 대해 간략히 알아봤습니다. 저의 개인적인 추천 설정 값이나 일반적으로 사용되는 값들이 유용할 수 있지만, 최상의 결과를 보장하기 위해서는 언제나 모델을 다운로드한 플랫폼, CivitAI 또는 Hugging Face에서 제공하는 권장 설정 값을 우선적으로 고려하는 것이 바람직합니다.
3. WebUI 추가 확장 기능
스테이블 디퓨전의 가장 기본적인 기능은 text-to-image로, 사용자가 입력한 텍스트 프롬프트를 기반으로 이미지를 생성하는 것입니다. 이때 텍스트 프롬프트는 조건부여(conditioning)의 역할을 하며, 생성되는 이미지의 전반적인 스타일과 내용을 결정합니다.
하지만 추가 확장 기능을 활용하면 조건부여의 기능을 한층 더 강화할 수 있습니다. 이러한 확장 기능을 통해 텍스트 프롬프트 외에도 다양한 요소들을 조건으로 설정하여 더욱 세밀하고 맞춤화된 이미지 생성이 가능해집니다.
Controlnet
ControlNet은 스테이블 디퓨전의 이미지 생성 과정의 조건부여를 한 단계 더 확장한 기능입니다. 단순히 텍스트 프롬프트에만 의존하지 않고, 참조 이미지의 형태나 자세, 색상 등을 기반으로 하여 더 정밀하고 구체적인 이미지를 생성할 수 있게 한 것입니다.
ControlNet에는 다양한 종류가 있으며, 각기 다른 기능을 통해 사용자가 원하는 이미지를 세밀하게 조정할 수 있습니다. 주요 ControlNet 유형과 그 기능을 간략하게 소개해 보겠습니다.
Canny Edge ControlNet
이미지의 윤곽선을 추출하여 이를 기반으로 이미지를 생성합니다. 주로 단순한 형태나 구조를 강조하는 데 유용합니다.
Depth ControlNet
입력 이미지의 깊이 정보를 분석하여 3D 효과를 강조한 이미지를 생성합니다. 원근감과 입체감을 필요로 하는 이미지 제작에 사용됩니다.
M-LSD
Canny처럼 이미지 윤곽을 추출하지만 이미지 내의 직선이나 곡선을 정확히 파악하여 건축물, 기하학 패턴, 공간 구성 등의 이미지 작업에 유용합니다.
Pose ControlNet
사람이나 동물의 자세를 제어할 수 있는 모델입니다. 참조 이미지나 스캘레톤 정보를 사용하여, 원하는 자세로 이미지를 생성할 수 있습니다.
Scribble ControlNet
간단한 스케치를 바탕으로 이미지를 생성하는 기능입니다. 사용자가 손으로 그린 초안을 바탕으로 이미지의 구도를 정밀하게 조정할 수 있습니다.
이처럼 ControlNet은 사용자가 원하는 이미지를 더 정교하게 조작할 수 있게 해주는 기능으로, 스테이블 디퓨전의 강력한 장점 중 하나라고 할 수 있습니다.
지금까지 스테이블 디퓨전의 파라미터 설정부터 디테일을 더할 수 있는 확장 프로그램까지 살펴보았습니다. 이처럼 스테이블 디퓨전만의 가장 큰 장점은 정밀한 조정을 통해 사용자의 의도에 가까운 결과물을 완벽하게 만들어낼 수 있다는 점에 있습니다.
그러나 명심해야 할 점은, 처음 작성한 프롬프트로 한 번에 완벽한 이미지를 기대하기는 어렵다는 것입니다. 생성된 이미지를 면밀히 분석하고, 프롬프트와 파라미터 설정값을 세심하게 조정해 나가는 과정이 필요합니다. 이 반복적인 과정을 통해 점차 원하는 이미지에 가까워질 수 있으며, 궁극적으로는 의도한 상상력에 부합하는 결과물을 얻을 수 있을 것입니다.
마치며
최근 AI, 특히 스테이블 디퓨전과 같은 이미지 생성 기술의 발전은 광고 업계에 새로운 가능성을 열어주고 있습니다. 그러나 이 글은 이러한 기술이 광고 업계를 전면적으로 대체하자는 의도가 아님을 명확히 하고자 합니다. 아직은 기술이 인간의 고유한 창의력과 전문성을 완전히 대체할 수는 없다고 분명히 말씀드리고 싶습니다.
지난 6개월가량 각종 AI 서비스로 이미지를 생성해 보며, 전체 작업의 일정 부분만큼은 AI가 지원할 수도 있겠지만, 여전히 인간의 세심한 조정과 전략적 방향 설정이 요구될 수밖에 없다는 것을 실감하게 되었습니다. 초반에 기대했던 완전 광고 자동화 프로세스와는 달리, 아직까지는 사람의 손끝에서 다듬어질 수밖에 없는 것 같습니다.
앞으로 AI는 사회 전반에 걸쳐 더 큰 변화를 가져올지도 모르겠습니다. 그러나 이러한 변화에도 AI는 단순히 대체되어야 하는 존재가 아닌, 새로운 기회를 맞이하는 도구가 되었으면 좋겠습니다. 때문에 자신 고유의 독창적인 통찰을 모색하고 이를 누군가에게 설득하여 마음을 얻어내는 광고인 여러분들에게 이러한 도구를 쥐여 드리고자 합니다. 한 장의 종이와, PPT와, 인터넷이 그러했던 것처럼 말입니다.
