목록으로
업무 생산성 개선을 위한 AI 활용
AI에게 ‘만들지 마’를 맡겼습니다: 유료 AI 영상 생성 전 실패를 거르는 ‘생성 승인 게이트’
프롬프트를 쓰는 AI를 ‘생성 승인 심사자’로 바꿔, 레퍼런스·핵심 동작·구현 가능성·비용을 검증한 뒤 통과한 경우에만 유료 AI 영상을 생성합니다.
🤖 활용 AI 도구
ChatGPT, OpenAI 이미지 생성 도구, TopView Seedance 2.5
① **어떤 상황에서 AI를 활용했나요?**
AI 영상 콘텐츠를 반복해서 만들면서 처음에는 프롬프트를 길게 쓰고 레퍼런스를 많이 넣으면 실패가 줄어들 것이라고 생각했습니다. 실제로는 반대인 경우가 많았습니다. 시작과 끝 이미지는 그럴듯한데 중간의 핵심 행동이 빠지거나, 인물이 사라졌다 다시 나타나고, 같은 소품의 모양이 바뀌기도 했습니다. 한 영상에서는 ‘장치 조작 → 상태 복구 → 인물 구조’로 이어져야 할 핵심 인과가 제대로 구현되지 않았습니다.
당시 유료 영상 생성은 1회 약 1만 원으로 비용을 잡아 관리하고 있었기 때문에, 영상을 만든 뒤 문제를 발견하고 다시 생성하는 방식은 시간과 비용을 함께 소모했습니다.
그래서 질문을 바꿨습니다.
“AI에게 어떻게 더 멋진 영상을 만들게 할까?”가 아니라, **“지금 이 영상을 생성해도 된다는 증거가 있는가?”**를 먼저 확인하기 시작했습니다.
② **어떤 AI를 어떻게 활용했나요?**
ChatGPT를 단순한 프롬프트 작성기가 아니라 **‘생성 승인 심사자’**로 사용했습니다.
공식 공모 규정, 이전 영상의 실패 기록, 스토리보드, 실제 투입할 레퍼런스, 핵심 동작, 생성 설정을 함께 놓고 다음 항목을 하나씩 검사하게 했습니다.
공식 규정 충족 여부, 실제 경쟁작 대비 경쟁력, 한 문장으로 설명되는 이야기, 첫 3초의 사건, 전체 영상의 이해도, 핵심 행동의 모션 증거, 레퍼런스끼리의 충돌, 생성 모델이 실제로 구현할 수 있는 난도, 이번 생성에 비용을 쓸 이유입니다.
이 중 하나라도 근거가 없거나 탈락하면 결과는 **‘생성 금지’**입니다.
통과한 뒤에는 OpenAI 이미지 생성 도구로 필요한 기준 이미지를 만들고, TopView Seedance 2.5에서 영상을 생성했습니다. 여기서도 바로 최종 화질을 뽑지 않고 낮은 해상도의 증명본을 먼저 확인한 뒤 실제 출력 영상을 다시 검사했습니다.
③ **활용 결과 어떤 변화가 있었나요?**
가장 큰 변화는 ‘더 많이 생성하는 것’에서 **‘생성하지 않아야 할 때를 먼저 찾는 것’**으로 작업 방식이 바뀐 것입니다.
실제 30초 미디어아트 제작에서는 플랫폼이 많은 레퍼런스를 받을 수 있어도 한도를 채우지 않고 필요한 자료만 13개로 제한했습니다. 첫 증명본은 720p로 만들고, 출력 뒤 11개 QA 항목을 검사하도록 했습니다.
한 항목만 실패하면 전체 영상을 다시 만드는 대신 해당 구간부터 수정하고, 두 항목 이상 실패하거나 중요한 건축 형태가 바뀌면 그 후보는 폐기하도록 규칙을 정했습니다. 모든 조건을 통과해야 최종 고해상도 출력 단계로 넘어가게 했습니다.
정확한 전체 비용 절감률을 따로 측정하지 않았기 때문에 숫자를 만들어내지는 않았습니다. 다만 작업의 기준은 명확히 바뀌었습니다. **‘일단 생성하고 고친다’에서 ‘증거를 먼저 확인하고 생성한다’로 바뀌었습니다.**
④ **나만의 방식 또는 개선 포인트는 무엇인가요?**
제가 만든 방식은 다섯 단계입니다.
**실패 기록 → 무료 증명 → 충돌 제거 → 생성 승인 → 출력 재심사**
먼저 이전 결과에서 무엇이 실패했는지 기록합니다. 다음에는 실제 길이의 스토리보드나 애니매틱으로 핵심 행동과 결과가 이해되는지 확인합니다.
레퍼런스마다 역할도 하나씩만 줍니다. 인물 기준 이미지가 공간과 카메라 움직임까지 동시에 지시하게 하지 않고, 인물·공간·소품·핵심 행동의 기준을 분리합니다. 서로 다른 사실을 보여주는 자료가 발견되면 긴 금지 프롬프트를 추가하는 대신 충돌하는 자료 자체를 삭제합니다.
그 뒤 모든 게이트를 통과해야 생성합니다.
마지막으로 중요한 것은 AI가 자기 결과물을 스스로 합격시키지 못하게 한 것입니다. AI는 누락과 충돌을 찾고 체크리스트를 만들지만, 공식 규정 확인, 실제 레퍼런스 판단, 출력 영상의 물리적 오류와 최종 승인 결정은 사람이 합니다. 기획 단계에서 높은 점수를 받았더라도 실제 영상에 문제가 생기면 다시 탈락시킵니다.
⑤ **다른 사람도 따라 할 수 있나요?**
별도의 프로그램을 개발하지 않아도 따라 할 수 있습니다.
먼저 자신이 AI를 사용할 때 반복해서 실패했던 세 가지를 적습니다. 그다음 돈이나 시간이 드는 최종 생성 전에 무료 스토리보드·초안·저해상도 결과로 핵심 내용을 증명합니다. 레퍼런스마다 역할을 하나만 정하고 서로 충돌하는 자료를 제거합니다.
그리고 자신의 작업에 맞는 5~10개의 ‘생성 승인 조건’을 정해 하나라도 근거가 없으면 생성하지 않습니다. 첫 결과가 나오면 바로 최종본으로 쓰지 말고 실제 출력물을 다시 검사한 뒤 통과한 경우에만 최종 단계로 갑니다.
이 방식은 AI 영상뿐 아니라 이미지·음악·3D·코드처럼 결과가 확률적이고 재생성에 시간이나 비용이 드는 작업에도 적용할 수 있습니다.
저에게 AI는 작업을 더 빨리 시작하게 해주는 가속페달이기도 하지만, 지금 만들어서는 안 될 때 멈춰주는 **브레이크**이기도 합니다.
AI 영상 콘텐츠를 반복해서 만들면서 처음에는 프롬프트를 길게 쓰고 레퍼런스를 많이 넣으면 실패가 줄어들 것이라고 생각했습니다. 실제로는 반대인 경우가 많았습니다. 시작과 끝 이미지는 그럴듯한데 중간의 핵심 행동이 빠지거나, 인물이 사라졌다 다시 나타나고, 같은 소품의 모양이 바뀌기도 했습니다. 한 영상에서는 ‘장치 조작 → 상태 복구 → 인물 구조’로 이어져야 할 핵심 인과가 제대로 구현되지 않았습니다.
당시 유료 영상 생성은 1회 약 1만 원으로 비용을 잡아 관리하고 있었기 때문에, 영상을 만든 뒤 문제를 발견하고 다시 생성하는 방식은 시간과 비용을 함께 소모했습니다.
그래서 질문을 바꿨습니다.
“AI에게 어떻게 더 멋진 영상을 만들게 할까?”가 아니라, **“지금 이 영상을 생성해도 된다는 증거가 있는가?”**를 먼저 확인하기 시작했습니다.
② **어떤 AI를 어떻게 활용했나요?**
ChatGPT를 단순한 프롬프트 작성기가 아니라 **‘생성 승인 심사자’**로 사용했습니다.
공식 공모 규정, 이전 영상의 실패 기록, 스토리보드, 실제 투입할 레퍼런스, 핵심 동작, 생성 설정을 함께 놓고 다음 항목을 하나씩 검사하게 했습니다.
공식 규정 충족 여부, 실제 경쟁작 대비 경쟁력, 한 문장으로 설명되는 이야기, 첫 3초의 사건, 전체 영상의 이해도, 핵심 행동의 모션 증거, 레퍼런스끼리의 충돌, 생성 모델이 실제로 구현할 수 있는 난도, 이번 생성에 비용을 쓸 이유입니다.
이 중 하나라도 근거가 없거나 탈락하면 결과는 **‘생성 금지’**입니다.
통과한 뒤에는 OpenAI 이미지 생성 도구로 필요한 기준 이미지를 만들고, TopView Seedance 2.5에서 영상을 생성했습니다. 여기서도 바로 최종 화질을 뽑지 않고 낮은 해상도의 증명본을 먼저 확인한 뒤 실제 출력 영상을 다시 검사했습니다.
③ **활용 결과 어떤 변화가 있었나요?**
가장 큰 변화는 ‘더 많이 생성하는 것’에서 **‘생성하지 않아야 할 때를 먼저 찾는 것’**으로 작업 방식이 바뀐 것입니다.
실제 30초 미디어아트 제작에서는 플랫폼이 많은 레퍼런스를 받을 수 있어도 한도를 채우지 않고 필요한 자료만 13개로 제한했습니다. 첫 증명본은 720p로 만들고, 출력 뒤 11개 QA 항목을 검사하도록 했습니다.
한 항목만 실패하면 전체 영상을 다시 만드는 대신 해당 구간부터 수정하고, 두 항목 이상 실패하거나 중요한 건축 형태가 바뀌면 그 후보는 폐기하도록 규칙을 정했습니다. 모든 조건을 통과해야 최종 고해상도 출력 단계로 넘어가게 했습니다.
정확한 전체 비용 절감률을 따로 측정하지 않았기 때문에 숫자를 만들어내지는 않았습니다. 다만 작업의 기준은 명확히 바뀌었습니다. **‘일단 생성하고 고친다’에서 ‘증거를 먼저 확인하고 생성한다’로 바뀌었습니다.**
④ **나만의 방식 또는 개선 포인트는 무엇인가요?**
제가 만든 방식은 다섯 단계입니다.
**실패 기록 → 무료 증명 → 충돌 제거 → 생성 승인 → 출력 재심사**
먼저 이전 결과에서 무엇이 실패했는지 기록합니다. 다음에는 실제 길이의 스토리보드나 애니매틱으로 핵심 행동과 결과가 이해되는지 확인합니다.
레퍼런스마다 역할도 하나씩만 줍니다. 인물 기준 이미지가 공간과 카메라 움직임까지 동시에 지시하게 하지 않고, 인물·공간·소품·핵심 행동의 기준을 분리합니다. 서로 다른 사실을 보여주는 자료가 발견되면 긴 금지 프롬프트를 추가하는 대신 충돌하는 자료 자체를 삭제합니다.
그 뒤 모든 게이트를 통과해야 생성합니다.
마지막으로 중요한 것은 AI가 자기 결과물을 스스로 합격시키지 못하게 한 것입니다. AI는 누락과 충돌을 찾고 체크리스트를 만들지만, 공식 규정 확인, 실제 레퍼런스 판단, 출력 영상의 물리적 오류와 최종 승인 결정은 사람이 합니다. 기획 단계에서 높은 점수를 받았더라도 실제 영상에 문제가 생기면 다시 탈락시킵니다.
⑤ **다른 사람도 따라 할 수 있나요?**
별도의 프로그램을 개발하지 않아도 따라 할 수 있습니다.
먼저 자신이 AI를 사용할 때 반복해서 실패했던 세 가지를 적습니다. 그다음 돈이나 시간이 드는 최종 생성 전에 무료 스토리보드·초안·저해상도 결과로 핵심 내용을 증명합니다. 레퍼런스마다 역할을 하나만 정하고 서로 충돌하는 자료를 제거합니다.
그리고 자신의 작업에 맞는 5~10개의 ‘생성 승인 조건’을 정해 하나라도 근거가 없으면 생성하지 않습니다. 첫 결과가 나오면 바로 최종본으로 쓰지 말고 실제 출력물을 다시 검사한 뒤 통과한 경우에만 최종 단계로 갑니다.
이 방식은 AI 영상뿐 아니라 이미지·음악·3D·코드처럼 결과가 확률적이고 재생성에 시간이나 비용이 드는 작업에도 적용할 수 있습니다.
저에게 AI는 작업을 더 빨리 시작하게 해주는 가속페달이기도 하지만, 지금 만들어서는 안 될 때 멈춰주는 **브레이크**이기도 합니다.
