실무 가이드

AI 디자인 워크플로우에 CO-STAR와 Figma·Claude를 어떻게 적용하나

AI 디자인 워크플로우에 CO-STAR와 Figma·Claude를 어떻게 적용하나
AI 디자인 워크플로우에 CO-STAR와 Figma·Claude를 어떻게 적용하나

체계적인 프롬프트 템플릿을 쓰면 병목 구간 작업을 훨씬 빠르게 처리할 수 있어요. 디자이너가 AI를 쓰는 법에 따르면 2시간 걸리던 UT 데이터 세팅이 15분으로 줄어들었고, 내 디자인 워크플로우를 바꾼 프롬프트에서도 CO-STAR를 적용한 뒤 결과물이 7085% 가까이 기대치에 가까워졌습니다. Figma Make와 Claude Code를 병목 지점에 맞춰 쓰면 초안 탐색부터 프로토타이핑까지 흐름이 자연스럽게 이어집니다.

lightbulb 핵심 요약

디자인 워크플로우에서 CO-STAR 프레임워크와 Figma·Claude를 결합하면 반복 작업 시간을 크게 줄이고 일관된 결과물을 빠르게 얻을 수 있습니다.

목차 expand_more

CO-STAR 프레임워크를 쓰면 AI 디자인 결과물이 얼마나 개선되나요?

CO-STAR 프레임워크를 적용하면 AI가 생성한 디자인 결과물이 70–85% 더 기대치에 가까워집니다. 일반적인 프롬프트로는 모호한 초안이 자주 나왔지만, 비즈니스·사용자·기술·창의 네 가지 맥락을 명확히 정의하면 브랜드에 맞는 기능적 프로토타입으로 바로 전환할 수 있어요.

단순 요청과 복합 프로젝트의 차이

STAR는 명확한 비전을 가진 간단한 요청에 적합합니다.
CO-STAR는 전체 배경과 측정 가능한 목표, 스타일, 단계별 행동, 성공 기준까지 포함해 다층 프로젝트에서 효과를 발휘합니다.

네 가지 맥락을 정의하는 방법

  • 비즈니스: 회사가 이루려는 목표와 성공의 모습
  • 사용자: 실제 직면 문제와 행동 패턴, 동기
  • 기술: 플랫폼 제한과 기존 시스템과의 호환성
  • 창의: 브랜드 개성과 피해야 할 패턴

무작위로 반복하기보다 빠진 맥락 카테고리를 찾아 구체적인 정보를 추가하는 것이 핵심입니다.

결과물 개선 사례

CO-STAR로 재작성한 프롬프트는 첫 출력부터 70% 가까워졌고, 소소한 수정 후 85% 수준까지 도달했습니다. 지금은 전체 작업의 약 80%를 이 프레임워크로 진행하고 있어요.

Figma Make와 Claude Code를 병목 구간에 어떻게 적용해야 반복 작업 시간을 줄일 수 있나요?

Figma Make와 Claude Code를 초안 탐색과 프로토타이핑, UT 데이터 세팅 같은 병목 구간에 집중 적용하면 반복 작업 시간을 크게 단축할 수 있습니다. 특히 유저 데이터 반영 작업은 2시간에서 15분 수준으로 줄어들었어요.

초안 탐색 단계에서 활용하기

Figma Make는 피그마 안에서 여러 화면 흐름을 빠르게 생성해 주기 때문에 초기 방향 탐색에 적합합니다. 주요 화면을 미리 템플릿으로 만들어 두고, 구체적인 요소를 하나씩 언급하며 프롬프트를 주고받으면 결과물 퀄리티가 올라갑니다. Claude Code는 기존 피그마 프레임을 읽어 동작하는 HTML 프로토타입을 만들어 주므로, 정적인 화면이 아닌 실제 인터랙션을 검증할 때 유리합니다.

CO-STAR 프레임워크 적용 디자인 워크플로우

프로토타이핑과 UT 데이터 세팅에 적용하기

초안 프로토타입을 만든 뒤 유저 데이터를 넣는 단계에서 차이가 분명해집니다. Figma Make로 만든 결과물은 참여자마다 상품 사진과 정보를 일일이 교체해야 했지만, Claude Code에 Athena MCP를 연동하면 유저 아이디와 조건만 전달해도 데이터를 한 번에 반영할 수 있습니다.

  • Athena MCP로 원하는 데이터 조회
  • 조회한 데이터를 프로토타입에 적용 요청
  • 실제 패키지 상품이 화면에 반영

이렇게 하면 UT 참여자 5명 기준 데이터 세팅 시간이 2시간에서 15분으로 줄어듭니다.

실제 정착된 워크플로우의 핵심

두 도구를 병목 지점에만 쓰고 나머지 작업은 기존 방식으로 마무리하는 접근이 실무에서 오래 살아남았습니다. AI가 모든 것을 대신하기보다는, 시간이 많이 걸리는 특정 구간을 빠르게 넘기는 데 초점을 맞추는 것이 효과적이에요.

AI로 만든 인터랙티브 스펙이 정책 커뮤니케이션 반복 질문을 어떻게 없애나요?

인터랙티브 스펙을 도입하면 정책 관련 반복 질문을 완전히 없앨 수 있습니다. 커머스 환경에서는 상품쿠폰·장바구니쿠폰·패키지 여부·수령 여부 같은 조건이 복잡하게 얽혀 있어 문서만으로는 모든 경우를 전달하기 어렵기 때문입니다.

토글형 프로토타입 제작 단계

피그마에 정리한 ATF 가격 화면을 캡처해 Claude Code에 첨부합니다.
조건별로 조작 가능한 HTML 프로토타입을 요청하면 실제 디자인의 룩앤필이 그대로 반영됩니다.
새로운 정책이 생겨도 프롬프트 한 줄로 즉시 업데이트할 수 있습니다.

반복 질문이 사라지는 이유

토글로 직접 조작하는 방식 덕분에 개발·기획·QA 팀이 원하는 케이스를 스스로 확인합니다.
문서를 읽고 상상하는 대신 화면에서 실시간 변화를 볼 수 있어 오해가 줄어듭니다.

PDP ATF 가격 정책 과정에서 반복되던 확인 질문이 0건으로 떨어졌습니다.

2026년 실제로 살아남은 디자이너 AI 워크플로우는 무엇인가요?

체계적인 5단계 워크플로우를 유지하면서 특정 마찰 지점만 해결한 도구를 골라 쓴 디자이너들이 2026년에도 살아남았습니다.

많은 도구가 사라진 이유는 과도한 결과물 생성, 새로운 시스템 강요, 모호한 기능 때문이었습니다. 반면 실제로 정착한 흐름은 연구부터 유지보수까지 명확한 단계로 나뉘어 있습니다.

연구·구조 단계에서 살아남은 방식

리서치 단계에서는 Perplexity Pro와 Claude를 함께 사용해 업계 자료를 빠르게 종합하고, 글의 구조를 잡을 때는 기존 글쓰기 시스템 문서를 Claude에 제공해 검증된 패턴을 따랐습니다. 이 단계에서는 결과물 양보다 관점의 공백을 찾아내는 데 집중했습니다.

비주얼·배포·유지보수 단계에서 살아남은 방식

  • 시각 콘텐츠는 Recraft AI로 캐릭터와 스타일을 고정해 일관된 포스터를 3분 만에 생성
  • 배포용 LinkedIn 게시물은 Claude로 통찰을 추출해 반대 관점으로 재구성
  • 디자인 시스템 정리는 Claude Code와 Figma MCP로 이름 규칙과 태그를 일괄 적용

AI는 선택지를 빠르게 만들고, 디자이너는 어떤 선택지가 실제 문제를 해결하는지 판단하는 역할만 남았습니다.

이제 CO-STAR 같은 구조를 한 번 직접 써보시면 결과가 확 달라지는 걸 느끼실 거예요. 앞으로도 실무에서 바로 써먹을 수 있는 구체적인 사례를 더 전해드릴게요. 여러분의 프로젝트에도 작은 도움이 되길 바랍니다.

자주 묻는 질문

구조화된 프롬프트가 없으면 AI가 어떤 문제를 일으키나요?

구조화된 프롬프트가 없으면 AI가 일반적이고 모호한 결과물을 내놓기 쉽습니다. 비즈니스 맥락이 빠지면 완전히 빗나간 방향으로 가고, 창의적 맥락이 부족하면 평범한 결과가 나옵니다. 기술적 한계를 미리 알려주지 않으면 불가능한 요청을 하게 되고, 브랜드 개성이 모호하면 어울리지 않는 스타일이 나옵니다. 내 디자인 워크플로우를 바꾼 프롬프트에서는 CO-STAR 같은 틀로 네 가지 맥락을 모두 채워야 일관된 품질을 얻을 수 있다고 설명합니다.

Figma Make로 만든 프로토타입에 실제 유저 데이터를 넣는 데 얼마나 걸리나요?

참여자 5명 기준으로 2시간 넘게 걸립니다. 상품 사진과 정보를 하나씩 찾아 교체하는 단순 반복 작업이 쌓이기 때문입니다. 디자이너가 AI를 쓰는 법에서는 Figma Make 프로토타입에 유저 데이터를 직접 넣는 과정이 병목으로 남았다고 기록되어 있습니다.

Claude Code와 Athena MCP를 함께 쓰면 어떤 작업이 2시간에서 15분으로 줄어드나요?

UT용 유저 데이터 세팅 작업이 2시간에서 15분으로 줄어듭니다. Athena MCP로 실제 상품 정보를 조회한 뒤 Claude Code에 적용을 요청하면 한 번에 반영되기 때문입니다. 디자이너가 AI를 쓰는 법에서는 이 흐름으로 참여자가 실제로 본 상품을 바로 화면에 넣을 수 있게 됐다고 설명합니다.

디자인 시스템 정리 같은 반복 작업에 AI를 어떻게 활용하나요?

Claude Code와 Figma MCP를 활용해 컴포넌트 설명 추가, 레이어 정리, 이름 규칙 표준화를 자동화합니다. 나의 AI 디자인 워크플로우에서는 200개가 넘는 파일의 이름 변경과 태그 추가, 마스터 인덱스 생성 같은 지루한 작업을 AI에 맡기는 방식으로 정리합니다.

AI가 생성한 여러 시안 중 어떤 것을 선택하는 기준은 무엇인가요?

독자에게 실제로 공감을 얻을 수 있는 통찰인지, 신뢰감을 주는 개인적인 순간인지 판단하는 것이 기준입니다. AI는 여러 옵션을 만들어 주지만 최종 선택은 디자이너의 역할이라고 나의 AI 디자인 워크플로우에서 강조합니다.

참고 자료

자주 묻는 질문 (FAQ)

구조화된 프롬프트가 없으면 AI가 어떤 문제를 일으키나요?
구조화된 프롬프트가 없으면 AI가 일반적이고 모호한 결과물을 내놓기 쉽습니다. 비즈니스 맥락이 빠지면 완전히 빗나간 방향으로 가고, 창의적 맥락이 부족하면 평범한 결과가 나옵니다. 기술적 한계를 미리 알려주지 않으면 불가능한 요청을 하게 되고, 브랜드 개성이 모호하면 어울리지 않는 스타일이 나옵니다. 내 디자인 워크플로우를 바꾼 프롬프트에서는 CO-STAR 같은 틀로 네 가지 맥락을 모두 채워야 일관된 품질을 얻을 수 있다고 설명합니다.
Figma Make로 만든 프로토타입에 실제 유저 데이터를 넣는 데 얼마나 걸리나요?
참여자 5명 기준으로 2시간 넘게 걸립니다. 상품 사진과 정보를 하나씩 찾아 교체하는 단순 반복 작업이 쌓이기 때문입니다. 디자이너가 AI를 쓰는 법에서는 Figma Make 프로토타입에 유저 데이터를 직접 넣는 과정이 병목으로 남았다고 기록되어 있습니다.
Claude Code와 Athena MCP를 함께 쓰면 어떤 작업이 2시간에서 15분으로 줄어드나요?
UT용 유저 데이터 세팅 작업이 2시간에서 15분으로 줄어듭니다. Athena MCP로 실제 상품 정보를 조회한 뒤 Claude Code에 적용을 요청하면 한 번에 반영되기 때문입니다. 디자이너가 AI를 쓰는 법에서는 이 흐름으로 참여자가 실제로 본 상품을 바로 화면에 넣을 수 있게 됐다고 설명합니다.
디자인 시스템 정리 같은 반복 작업에 AI를 어떻게 활용하나요?
Claude Code와 Figma MCP를 활용해 컴포넌트 설명 추가, 레이어 정리, 이름 규칙 표준화를 자동화합니다. 나의 AI 디자인 워크플로우에서는 200개가 넘는 파일의 이름 변경과 태그 추가, 마스터 인덱스 생성 같은 지루한 작업을 AI에 맡기는 방식으로 정리합니다.
AI가 생성한 여러 시안 중 어떤 것을 선택하는 기준은 무엇인가요?
독자에게 실제로 공감을 얻을 수 있는 통찰인지, 신뢰감을 주는 개인적인 순간인지 판단하는 것이 기준입니다. AI는 여러 옵션을 만들어 주지만 최종 선택은 디자이너의 역할이라고 나의 AI 디자인 워크플로우에서 강조합니다.

끝까지 읽어주셔서 감사합니다.

오늘 글이 도움이 되셨다면 필요한 분께 '공유'해 주세요.

AI 디자인 인사이트AI 디자인 뉴스AI 디자인 뉴스AI 툴 리뷰디자인 트렌드

AI 디자인 인사이트 편집부