텍스트가 디자인이 되는 순간 — GPT Image 2.0 노트
“Claude 디자인 등장에 이렇게까지 비장할 일인가?” — 본문 들어가기 전에 한 장. 위 이미지가 GPT Image 2.0이 한 번에 뽑아준 것이다. 한글 타이포 + 톤 일관 + 의미있는 카피 + 브랜드 마크까지. 이 글은 그게 어떻게 가능해졌는지에 대한 노트다.
최근 며칠 GPT Image 2.0을 만지작거리고 있다. 처음엔 그냥 1.5보다 조금 좋아진 정도겠지 했는데…그게 아니라는 생각이 점점 든다.
AI 이미지 생성에서 한글 표현은 늘 숙제였다. 나노바나나 프로(Nano Banana Pro)나 GPT Image 1.5에서 어느 정도 잡히는가 싶었지만, 작은 글씨는 여전히 무너졌고…해상도의 한계였을까. 어쨌든 글자가 들어가는 디자인을 AI에게 맡기긴 어렵다는 게 작년까지 결론에 가까웠다.
그런데 2.0은 좀 다르다.
무엇이 다른가
가장 먼저 눈에 들어온 건 텍스트 표현력이다. 한글이 깔끔하게 나온다. 작은 글씨도 무너지지 않고…단순히 글자를 잘 그리는 게 아니라 타이포 자체를 디자인해주는 결이다. 내용 톤이 차분하면 폰트도 차분하고, 임팩트가 필요한 헤드라인이면 굵고 강한 결로 잡아준다. 이게 한 컷에 다 어울리게 들어가니까 “글자만 따로 후합성한다”는 워크플로 가정 자체가 흔들린다는 생각이 든다.
2026 서울 타이포그래피 아카이브 특별전 브로셔 시안. 헤드라인부터 전시 안내·주요 프로그램·관람 정보 같은 작은 텍스트까지, 그리고 지도와 사진까지 한 톤으로 묶여 있다. 한글 작은 글씨가 이렇게 깔끔하게 나오는 건 작년 말까지만 해도 잘 안 됐다.
특히 **추론 모드(Reasoning)**를 켜고 쓸 때는 결이 더 다르다. 상황을 주면 상황에 맞게, 디테일한 요구사항을 주면 그걸 꼼꼼히 반영해서 — 무엇보다 placeholder 같은 의미없는 텍스트가 안 들어간다. 디자인 mockup AI한테 시켜본 사람이라면 이 부분이 얼마나 골치 아픈 줄 알 거다. “Lorem ipsum”이나 “Sample Title” 류가 깔끔하게 사라지고 실제 의미 있는 카피가 자리를 잡는다. (이게 진짜 같은 모델인가 싶을 때가 있다..^^:)
“좋은 공간은 유행보다 오래 남는 리듬을 만든다” — 매거진 스프레드 시안. 헤드라인·서브카피·본문·사진 캡션·“편집자의 메모” 콜아웃·페이지 번호까지 모든 텍스트가 자기 자리에서 의미 있는 내용을 담고 있다. 본문 한 단락을 그대로 읽어봐도 라이프스타일 매거진 글로 어색하지 않다. 이게 자동으로 채워졌다는 게 매번 좀 신기하다.
게다가 외부 데이터를 직접 매칭해주는 케이스가 있다. 예를 들어 “오늘자 주식 정보를 대시보드처럼 디자인해줘”라고 하면, 진짜 오늘 데이터에 가까운 숫자로 카드를 채워준다. 어느 URL을 던지면서 “이걸 다시 디자인해줘”라고 하면 그 페이지의 실제 데이터를 반영해 새 시안을 그린다. 이건…AI 이미지 생성을 한 단계 위로 끌어올리는 신호 같다는 생각이 든다.
학생에서 디자이너로
이전 모델들이 “프롬프트를 잘 받아 적는 학생”이었다면, 2.0은 **“내 의도를 한 번 더 헤아리는 디자이너”**에 가깝다. 흥미로운 건 — 그 헤아림이 단순히 텍스트 표현 차원이 아니라 데이터·맥락·톤까지 함께 잡힌다는 점이다.
학생은 시킨 대로 잘 하지만 “왜 이렇게 해야 하는지”는 못 답한다. 디자이너는 “이 카피가 들어갈 자리니까 이런 폰트·이런 컬러”라고 이유와 함께 결정한다. 2.0은 그 결정의 결을 슬쩍 보여준다는 느낌이 든다. (물론 한 번에 다 맞추지는 않고, 두세 번 iteration 도는 케이스도 많다. 하지만 그 결의 차이가 분명히 있다.)
그래서 뭐가 바뀌나
이게 만약 한두 번이 아니라 패턴이라면 — 비주얼 작업의 결이 좀 바뀐다는 생각이 든다.
지금까지 AI 이미지 작업은 prompt engineering이었다. 어떻게 하면 모델이 알아듣게 잘 적느냐, 그게 핵심 스킬이었다. 그런데 2.0은 그걸 협업에 가깝게 끌고 간다. 디테일 던지면 디테일대로, 데이터 던지면 데이터까지 잡아주는 결이라…prompt 잘 적기보다 무엇을 만들고 싶은지를 명확하게 전달하는 것 자체가 핵심이 된다.
도구가 어시스턴트로 격상되는 순간이라고 부를 수 있을지도 모른다. (좀 비약일 수도 있는데..^^:) 결국 작업 흐름 자체가 “리서치 + 디자인 + 데이터 매칭”이 한 도구 안에서 통합되는 방향으로 움직이고 있는 것 같다. 이게 진짜라면, 디자이너의 역할이 “그리는 사람”에서 “방향을 잡고 결과를 큐레이션하는 사람”으로 옮겨가는 시점일 수도 있겠다는 생각이 든다.
결론은 일단 보류
물론 한두 사례로 결론 내릴 일은 아니다. 모델 한계도 분명히 있을 테고, 추론 모드를 안 쓰면 결과가 들쭉날쭉하기도 하다. 며칠 더 만지작거리면서 케이스 모으고, 코덱스에게 직접 시켜서 테스트한 결과까지 같이 정리해서 본격 시리즈로 풀어볼 생각이다.
이 글은 그 서두 정도로 해두자. 정말 패러다임이 바뀌는 신호인지, 아니면 한 차례 잘 나온 모델인지…몇 주 후에 다시 적어볼 수 있을 것 같다.
오늘은 여기까지…^^
관련 자료
- 9:16 세로 포스터 프롬프트 — 우리 검증 패턴 (텍스트 금지 케이스. 본 글의 텍스트 강점은 별도 시리즈에서)
- 채널 시그니처 팔레트 — 톤 reference
- Z-Image Turbo 리뷰 — 무료 로컬 모델 결의 비교 글