수년 동안 보고서는 특히 음식 준비, 트럭 운전 및 창고 운영과 같은 분야에서 기술이 일자리를 빼앗아 갈 것이라고 경고해 왔습니다. 이러한 작업은 종종 "블루 칼라"로 간주되며 반복적인 육체 노동이 수반됩니다. 그러나 창의적인 커뮤니티의 많은 사람들은 자신의 경력이 자동화의 영향을 받지 않는다고 믿었습니다 . 결국, 디자이너의 기술은 결코 단조롭지 않습니다. 컴퓨터는 숫자를 빠르게 계산할 수 있지만 어떻게 디자인할 수 있을까요? 그런 다음 놀라운 일이 일어났습니다. 인공 지능 (AI)이 디자인에 침투했습니다. 제품 디자인에서 Mattel은 제품 디자인에 AI 기술을 사용하고 있습니다. 인테리어 디자인에서 디자이너는 바닥, 벽, 가구를 감지하고 변경할 수 있는 AI로 목업을 만들고 있습니다. 그래픽 디자인에서 네슬레는 요거트 브랜드 중 하나를 판매하기 위해 AI로 수정한 베르메르 그림을 마케팅에 사용했습니다. 광고 대행사 BBDO는 안정적인 확산으로 재료를 생산하는 실험을 하고 있습니다. 그러나 웹 디자인과 같이 매체가 뚜렷하게 정의된 분야는 어떻습니까? 웹 디자인에 초점을 맞춰 이 기사에서는 웹 디자인에서 AI 의 간략한 역사를 제공하고 창의성에 대한 현재 의미를 탐색하며 웹 디자이너가 시대를 앞서갈 수 있는 방법에 대한 제안을 제공합니다. 여기로 이어지는 길 # 설명된 AI의 기능은 50년 전 개발의 결과이며 고급 계산 모델, 모델 개선에 사용되는 추가 교육 데이터 및 모델 실행을 위한 향상된 컴퓨팅 성능을 통해 최근 몇 년 동안 급속도로 가속화되었습니다. 1950년에 현대 컴퓨터 과학의 아버지로 알려진 Alan Turing은 다음과 같은 유명한 질문을 했습니다. 기계는 생각할 수 있습니까 ? 연구는 선언적 규칙을 사용하여 기계에게 인간의 지식을 가르치려는 시도에서 시작되었지만 결국 일상 생활의 많은 암묵적 규칙을 고려할 때 어려운 것으로 판명되었습니다. 90년대에는 위의 지식 공급 방식이 데이터 기반 방식으로 전환되었습니다. 과학자들은 컴퓨터가 인간의 뇌가 기능하는 방식과 마찬가지로 신경망 아키텍처를 사용하여 많은 양의 데이터에서 학습할 수 있는 프로그램을 만들기 시작했습니다. 이러한 변화는 발전을 가속화하여 1997년 IBM의 Deep Blue가 체스에서 세계 챔피언을 꺾고 물체를 발견하고 분류하는 Google Brain의 심층 신경망 학습을 포함하여 획기적인 발전을 이루었습니다. 최근에는 신경망 모델 정교화, 데이터 가용성 및 컴퓨팅 성능의 발전으로 기계의 기능이 더욱 가속화되었습니다. 2014년 Ian Goodfellow는 기계가 원래 데이터 세트와 동일한 통계로 새로운 데이터를 생성할 수 있는 최초의 생성적 적대 신경망을 만들었습니다. 이 발견은 2022년에 DALL·E 2 , StableDiffusion 및 MidJourney 와 같은 AI 모델을 위한 단계를 준비하며 , 이 모델은 기사 시작 부분에 설명된 독창적인 생성 능력을 보여줍니다. 다음으로 이러한 기술이 웹 디자이너에게 미치는 영향을 살펴보겠습니다. 오늘날의 시사점 # 오늘날 디자이너와 고객은 일반적으로 새 웹사이트에 도착하기 전에 함께 6단계를 거칩니다. "클라이언트"라는 용어는 느슨하게 사용되며 사내 웹 사이트에서 작업하는 부서 간 팀 또는 자체적으로 웹 사이트 구축을 담당하는 개인을 지칭할 수 있습니다. 형성 디자이너는 클라이언트와 협력하여 웹사이트 디자인의 컨텍스트를 평가합니다. 정의 설계자는 완전한 요구사항 세트를 추출하고 기대치를 충족하기 위한 프로젝트 계획의 초안을 작성합니다. Ideating 디자이너는 요구 사항을 충족하는 맞춤형 아이디어를 생성합니다. 사회화 디자이너는 고객에게 아이디어를 제시하고 진행할 아이디어를 선택하도록 지원합니다. 구현 디자이너는 충실도 높은 디자인을 만든 다음 배포용 코드로 변환합니다. AI의 영향을 더 잘 이해하기 위해 웹 디자인 프로세스의 6단계를 세분화하고 관련된 특정 활동을 검토할 것입니다. 최신 학술 연구 및 배포 사례를 사용하여 각 단계에서 활동을 수행하는 AI의 이론적 기능을 평가합니다. 또한 우리 팀은 오늘날 누구나 접근할 수 있는 AI 기술로 웹 페이지를 만들고 실제적인 관점에서 수동 프로세스와 비교합니다. 웹 디자인 프로세스의 단계와 AI가 자동화할 수 있는 해당 프로세스와 관련된 특정 활동이 포함된 표 웹 디자인 프로세스의 단계와 AI가 자동화할 수 있는 해당 프로세스와 관련된 특정 활동이 포함된 테이블입니다. ( 큰 미리보기 ) 형성 # 디자이너가 고유한 사례에 대해 문의하고, 모호한 관점을 탐색하고, 이해 관계자의 열정을 촉발하도록 요청을 형성합니다. 고유 인스턴스 조회: 입증되지 않은 용량. 새로운 클라이언트를 맡을 때 고유한 컨텍스트를 평가하고 웹 디자인이 비즈니스 목표를 달성하는 데 적합한 솔루션인지 결정하는 것이 중요합니다. 그러나 현재 AI 모델은 훈련 데이터 세트에 포함되지 않은 주제를 분석하는 데 어려움을 겪는 경우가 많습니다. 모든 비즈니스에 대한 포괄적인 데이터를 미리 수집하는 것이 불가능하기 때문에 현재 AI 모델에는 각각의 고유한 인스턴스에 대해 조사할 수 있는 능력이 부족하다는 것이 분명합니다. 모호한 관점 탐색: 입증되지 않은 역량. 참여를 시작할 때 여러 관점을 고려하고 해당 정보를 사용하여 탐색을 안내하는 것이 중요합니다. 예를 들어, 디자이너는 클라이언트 브랜드의 감정적 뿌리에 대해 배우고 해당 지식을 사용하여 웹 사이트 재설계를 알릴 수 있습니다. MIT 및 Microsoft와 같은 기관의 AI 모델은 초기에 추상적 개념을 인식 하고 감정을 이해한다는 가능성을 보여주었지만 여전히 인간의 관점을 완전히 채택하는 능력은 부족합니다. 하버드 비즈니스 리뷰 (Harvard Business Review) 의 최근 기사에서 지적했듯이 공감은 오늘날의 AI 모델에서 여전히 빠져 있는 주요 요소입니다. 이해 관계자의 열정에 불을 붙입니다. 입증되지 않은 역량입니다. 성공적인 프로젝트를 설정하기 위해서는 클라이언트와 디자이너 모두 열정을 가지고 프로젝트를 완료하기 위해 헌신해야 합니다. AI는 소비자의 공감을 불러일으키고 구매 동기를 부여하는 카피를 만드는 데 잠재력을 보여주었지만 지속적인 노력과 투입이 필요한 장기적인 비즈니스 참여에 대한 동기를 불러일으키는 데는 아직 입증되지 않았습니다. The AI ​​Experiment Designers 제품 출시 준비 과정에서 디자이너는 다양한 출시 접근 방식을 평가하고 랜딩 페이지를 구축하기로 결정했습니다. 그들은 많은 디자이너가 자신의 도구와 감정적으로 연결되어 있기 때문에 향수를 불러일으키는 감정에 집중하기로 직관적으로 결정했습니다. 팀은 제품 관리자와 긴밀히 협력하여 제품 관리자를 흥분시켰습니다. 일체 포함 이 기사의 목적을 위해 디자인 팀도 동일한 작업에 AI를 사용하려고 시도했습니다. ChatGPT와 같은 일반적인 대화형 모델은 우리에게 웹사이트의 필요성을 진단할 수 없었고 일반적인 조언만 제공했습니다. 초기 방향을 제시할 때 모델은 대부분 기능적 차별화에 치우친 결과를 낳았고 디자이너와 이해 관계자를 열광시킬 수 있는 공감과 감정을 고려하지 못했습니다. 정의 # 디자이너가 세부 요구 사항을 수집하고 기대치를 설정하고 프로젝트 계획의 초안을 작성하도록 요청을 정의합니다. 요구 사항 수집: 이론적 용량 모든 세부 요구 사항을 수집하려면 클라이언트가 기술 사양, 페이지 수 및 시작 날짜와 관련하여 요구 사항을 구두로 설명하도록 권장해야 합니다. AI 모델은 이제 이러한 요구 사항 수집 작업을 수행할 수 있습니다. 모델에 제공되는 인적 교류 사례 덕분에 자연어 처리(NLP) 및 자연어 이해(NLU)를 통해 AI가 입력을 구문 분석하고 이해하고 응답할 수 있습니다. 최신 모델 중 하나인 OpenAI의 ChatGPT는 추가 컨텍스트를 요청하고 후속 질문에 답하며 부적절한 요청을 거부할 수 있습니다. AI 모델은 이미 고객 서비스에 배포되고 있으며 긍정적인 결과를 보여주고 있습니다.신뢰와 만족 . 기대치 조정: 이론적 용량 클라이언트와 설계자는 수용 표준 및 향후 통신 일정과 같은 기준에 따라 조정해야 합니다. 이러한 조정을 용이하게 하기 위해 AI 모델은 이제 협상을 자율적으로 처리할 수 있습니다. 학계에서 Meta(구 Facebook)의 연구는 AI 모델이 시뮬레이션과 예측을 사용하여 스스로 협상을 완료하는 방법을 보여줍니다. 비즈니스 세계에서 Pactum 과 같은 회사는 전 세계 소매업체가 독점 AI 모델을 사용하여 B2B 구매에서 가능한 최상의 조건을 확보하도록 돕고 있습니다. 프로젝트 계획 초안: 이론적 용량 프로젝트가 순조롭게 진행되도록 하려면 디자이너가 이정표와 기한을 설정하는 것이 중요합니다. AI 모델은 이제 프로젝트에서 작업 기간 및 순서 지정 활동을 예측할 수 있습니다. 2017년 연구원들은 프로젝트 일정을 정확하게 예측하기 위해 Support Vector Machine이라는 기계 학습 알고리즘의 사용을 시연했습니다 . 추가 연구에서는 작업 관계를 정의 하고 작업 분류 구조(WBS) 차트를 생성하기 위해 인공 신경망을 사용하는 방법도 확립했습니다 . AI 실험 설계자 설계자는 검증된 설문지를 사용하여 제품 팀의 요구 사항을 수집했습니다. 랜딩 페이지는 제품 출시 날짜와 일치해야 하므로 팀은 범위에 대해 이야기했습니다. 두 팀 모두 상대방이 단서가 없다고 비난하는 실망스러운 앞뒤로 결국 프로젝트 계획에 대한 상호 합의에 도달했습니다. 일체 포함 디자이너는 ChatGPT로 동일한 작업을 시도했습니다. 디자이너는 제품 팀에서 요구 사항을 수집하기 위해 디자인 팀으로서 AI 역할극을 합니다. AI는 훌륭하게 수행되어 팀이 설문지에 새 항목을 추가하도록 영감을 주기까지 했습니다. 그런 다음 디자이너는 제품 팀에서 받은 것과 동일한 우려 사항을 제공하면서 프로젝트 계획을 작성하도록 요청했습니다. 설계자들은 생산된 일정을 그대로 사용할 것으로 기대하지 않았지만 팀의 현재 작업량과 같은 요소가 고려되지 않았기 때문에 여전히 합리적으로 잘 수행되었다고 생각했습니다. AI 초안 프로젝트 계획 AI는 ChatGPT에서 생성한 프로젝트 계획 초안을 작성합니다. ( 큰 미리보기 ) 아이디어 # Ideating은 디자이너가 이전에 정의된 기준과 관련된 아이디어를 개발하고 클라이언트의 차별화에 기여할 수 있도록 참신하고 클라이언트의 비즈니스 결과를 지원하는 데 가치가 있는지 확인하도록 요구합니다. 관련 아이디어 개발: 이론적 역량 생성된 아이디어는 초기 단계의 합의와 일치해야 합니다. OpenAI의 DALL·E 2와 같은 오늘날의 AI 모델은 교육 데이터를 통해 프롬프트와 출력 간의 관계를 학습하여 프롬프트 기준에 맞는 출력을 생성할 수 있습니다 . 이를 통해 AI는 프롬프트 기준을 반영하는 UI 디자인을 포함하여 디자인 아이디어를 생성할 수 있습니다. 참신함 보장: 이론적 역량 생성된 아이디어는 기존 실행의 단순한 사본이 아니라 신선한 인상을 제공해야 합니다. 오늘날의 AI 모델은 확산 기술을 사용하여 새로운 결과를 생성할 수 있습니다 . 학습된 데이터를 새로운 방식으로 뒤섞고 재조립함으로써 AI는 학습된 데이터와 유사한 새로운 데이터를 생성할 수 있습니다. 이를 통해 AI는 인간이 알려진 개념을 결합하여 새로운 아이디어를 생성하는 것과 유사하게 새로운 아이디어를 생성하기 위해 학습한 내용을 결합할 수 있습니다. Google의 Imagen Video, Meta의 Make-a-Video, MidJourney 및 Stable Diffusion은 모두 AI 모델이 완전히 새로운 출력을 생성할 수 있는 방법의 예입니다. 부가 가치 보장: 이론적인 능력 생성된 아이디어는 고객에게 부가 가치를 제공해야 합니다. AI 모델은 많은 양의 데이터로부터 학습할 수 있는 능력과 패턴을 식별하는 탁월한 계산 능력 덕분에 이 영역에서 인간과 경쟁하거나 능가할 수 있습니다. 이로 인해 AI는 영감을 주고 아이디어를 도출하고 과급할 수 있는 강력한 후보가 되어 인간이 스스로 달성하기 어려울 수 있는 가치를 제공합니다 . AI 실험 설계자 설계자는 이전 단계에서 논의된 "향수" 방향을 기반으로 영웅에 대한 몇 가지 아이디어를 브레인스토밍했습니다. AI 다음으로 디자이너들은 디자인 아이디어를 생성하기 위해 ChatGPT를 테스트에 적용하려고 했습니다. 그들은 "마법사"와 "타임머신" 접근 방식에 긍정적으로 놀랐습니다. 그런 다음 DALL·E 2를 사용하여 시각 자료를 생성했습니다. 분명히, 아이디어를 제시하기 전에 UI 디자인 도구의 일부 추가 작업이 여전히 필요합니다. 아래에서 생성된 샘플을 참조하십시오. AI는 아이디어를 발전시킨다 AI가 디자인 프로세스의 일부로 생성한 옵션 개요입니다. ( 큰 미리보기 ) 사교 # 사회화는 디자이너가 권장 사항을 작성하고 권장 사항을 전달하고 피드백에 응답하도록 요구합니다. 권장 사항 작성: 이론적 능력 디자이너는 제시된 아이디어에 대한 관점을 개발해야 합니다. AI 모델은 점수를 기준으로 옵션을 정렬하는 기능을 얻었습니다. 디자인과 관심을 추적하는 데이터 세트를 사용하여 AI 모델은 전환 개선 가능성에 따라 디자인 옵션을 평가하고 순위를 매기도록 훈련할 수 있습니다. 그러나 보다 주관적이고 감성적인 목표를 평가하는 AI 모델의 능력은 아직 입증되지 않았습니다. 권장 사항 전달: 이론적 능력 디자이너는 고객의 결정을 돕기 위해 설득력 있는 설명을 제공해야 합니다. AI 모델은 인간처럼 의사 결정에 도움이 되는 설득력 있는 내러티브를 생성할 수 있는 것으로 입증되었습니다. 예를 들어, IBM Research의 프로젝트 토론자는 보유하고 있는 입장을 뒷받침하는 관련 주장을 생성할 수 있습니다. 그러나 실제 사용 사례에서 주장과 위압 사이의 균형을 맞추는 AI 모델의 능력은 여전히 ​​연구 영역으로 남아 있습니다. 받은 피드백에 기반한 업데이트: 이론적인 능력 디자이너는 코스 수정을 위한 입력 소스로 고객의 피드백을 받아들여야 합니다. DALL·E 2 및 ChatGPT와 같은 AI 모델은 피드백을 기반으로 출력을 조정하고 개선할 수 있습니다. 입력 프롬프트를 피드백으로 업데이트함으로써 이러한 모델은 보다 정확하고 정렬된 출력을 생성할 수 있습니다. 피드백에 새롭거나 인식할 수 없는 개념이 포함된 경우 텍스트 반전 기술을 사용하여 모델이 학습하고 이러한 개념을 출력에 통합하는 데 도움이 될 수 있습니다. AI Experiment Designers Designers는 최신 디자인 아이디어를 수집하고 미적 직관과 변환 모범 사례를 기준으로 우선 순위를 지정하고 검토 자료를 준비했습니다. AI 디자이너는 AI를 사용하여 DALL·E 2의 초기 아이디어를 디자인 및 관심 데이터에 대해 훈련된 모델을 통해 분류했습니다. 이 모델은 디자이너에게 시뮬레이션된 시선 경로를 제공하여 특정 아이디어에 대한 자신감을 부여했습니다. 그러나 그들은 선택된다면 여전히 실제 사용성 테스트를 거치기를 원합니다. 그런 다음 아이디어를 판매하기 위한 스크립트를 생성하기 위해 ChatGPT에 참여했습니다. 피드백을 받은 그들은 프롬프트를 DALL·E 2로 업데이트했습니다. 설계자들은 신속하고 거의 힘들이지 않고 반복할 수 있는 능력이 생산적이라고 느꼈다는 데 동의했습니다. AI가 추천을 전달하다 AI는 권장 사항을 전달하고 제품 관리자가 디자인을 채택하도록 설득하는 스크립트를 작성하라는 메시지를 표시합니다. ( 큰 미리보기 ) 구현 # 디자이너가 디자인을 완성하고, 코드를 작성하고, 작동하는 웹 사이트로 컴파일해야 하는 구현 요구 사항을 구현합니다. 디자인 완성: 이론적 역량 창의적인 방향은 일치된 결정에 따라 구체화되어야 합니다. 오늘날의 AI 모델은 텍스트 또는 그림 입력을 기반으로 디자인을 완성할 수 있습니다. 이러한 AI 모델은 기계 학습 기술을 사용하여 입력 프롬프트와 출력 사이의 연결을 식별하고 입력 인스턴스를 기반으로 완성된 설계 출력을 보간합니다. 연구 중에는 저충실도 스케치에서 UI 요소를 감지하고 다듬어 중간 충실도 모형을 반환할 수 있는 모델이 이미 있습니다 . 배포 시 OpenAI의 Outpainting기능을 사용하면 원본 디자인을 확장할 수 있어 요하네스 베르메르의 진주 귀걸이를 한 소녀 장면과 같은 놀라운 결과를 얻을 수 있습니다. 디자인 제안서의 특정 섹션 스타일을 기반으로 웹 페이지 디자인을 자동으로 생성하는 기능은 현재 모델의 입증된 기능을 고려할 때 그리 어렵지 않습니다. Authors code: 이론적 용량 HTML, CSS, JavaScript는 디자인을 구현하기 위해 제작되어야 합니다. 오늘날의 AI 모델은 기능 설명에서 코드를 생성하는 초기 기능을 보여주었습니다. 이 기능은 기능 설명과 이를 구현하는 코드 사이의 관계를 보여주는 많은 양의 데이터에 대해 이러한 모델이 훈련되었기 때문에 가능합니다. 이 데이터에서 학습함으로써 AI 모델은 원하는 기능을 정확하게 구현하는 코드를 생성할 수 있습니다. 현재 사용 중인 모델 에는 Microsoft PowerApps 소프트웨어의 보조 기능이 포함되어 있습니다. 이 기능은 자연어를 쿼리를 위해 즉시 사용할 수 있는 코드로 변환합니다. 소프트웨어 개발에서 새로운 기술을 연구하는 GitHub Next에서 VP는 다음과 같이 예측합니다 .향후 몇 년 동안 코더는 "건축 디자인을 스케치하고 (여기서) 기능을 설명하면 AI가 세부 사항을 채울 것입니다." 오늘날 모델의 출력에는 여전히 사람의 검토가 필요하지만 피드백 루프를 구현하면 품질이 지속적으로 향상될 것으로 예상됩니다. 설계 및 코드 컴파일: 이론적 용량 컴파일을 위해서는 선택한 아이디어를 완성하기 위해 설계 및 코드를 정렬해야 합니다. AI 모델은 위에서 언급한 설계 및 코딩 기능을 보유하고 있으므로 자동 생성 및 정렬은 그리 어렵지 않을 수 있습니다. 최근 인터뷰에서 OpenAI의 엔지니어들은 이미 "PayPal이 내장된 결제용 웹사이트를 만들어주세요"와 같이 원하는 것을 설명하는 것만으로 누구나 간단한 앱을 만들 수 있는 기술을 시연했습니다 . 아이디어만 있으면 누구나 실현할 수 있는 '구텐베르그적' 미래가 분출하기 직전이다. AI Experiment Designers Designers는 디자인을 미세 조정하여 개발자에게 전달하고 두 차례의 검토를 거쳤습니다. AI AI를 사용하여 설계자는 개발자를 불러 함께 작업하여 현재 사용 가능한 코드 생성 서비스를 시도했습니다. 디자이너와 개발자 모두 완전한 구문이 생성된 것에 놀랐고 경험이 미래지향적이라는 데 동의했습니다. 그러나 그들은 코드를 있는 그대로 배포하는 것이 불편했으며 기존 코드베이스와의 호환성을 더 알아보고자 했습니다. 미래의 일견 # 디자인 영역에서 기술의 출현은 잘 알려진 현상이며, 디자이너들은 기술의 한계를 혁신하고 확장하기 위해 기술의 잠재력을 활용하는 데 오랫동안 앞장서 왔습니다. 15 세기 후반에 인쇄기의 등장이 서기 예술가를 격려했고, 19 세기 직물 기계가 장인을 격려했으며, 최근에는 사진 편집 소프트웨어가 암실 예술가에게 창의적인 초점을 바꾸도록 장려했습니다. 21 세기 에 AI가 촉발한 유사한 변화를 기대하는 것은 터무니없는 일입니다 . 웹 디자인 프로세스 전반에 걸쳐 다양한 작업을 수행할 수 있는 AI의 잠재력을 고려할 때 디자인 프로세스의 후반 단계가 특히 자동화에 취약할 것이 분명합니다. 따라서 생산적인 디자이너는 교체 가능한 작업과 차별화하기 위해 초기 단계에 창의성을 집중하도록 전환할 것입니다. 일상적인 활동은 픽셀 푸시 및 소프트웨어 운영에서 고객과의 의도를 전략화하고 형성하는 것으로 이동합니다. “ 창의성의 미래는 상류를 향하고 있습니다. 우리는 이러한 창조적인 변화가 하룻밤 사이에 일어나지 않고 점진적으로 세 차례에 걸쳐 일어날 것으로 기대합니다. 설명된 AI 모델은 웹 디자인과 관련된 기능의 징후를 보여 주었지만 신뢰할 수 있는 배포를 위해서는 추가 산업 데이터로 모델을 교육해야 합니다. 교육 데이터의 양은 모델이 현장의 가장 추상적이고 일반화된 문제를 해결하기 위해 더 높은 정확도를 개발하는 데 도움이 됩니다. 추상화와 범위를 고려하여 시간 척도에 대한 영향을 예측하여 웹 디자인 프로세스의 자동화를 논의할 것입니다. 측정할 수 있는 능력으로 실무자들이 다가오는 미래를 관리하는 데 도움이 되기를 바랍니다. 웹 디자인 자동화가 일어날 것으로 예상되는 물결의 시각화 웹 디자인 자동화가 일어날 것으로 예상되는 물결의 시각화. ( 큰 미리보기 ) 웨이브 1: 설계 부조종사 # 웨이브는 한때 수동적이고 시간 소모적인 작업에서 디자이너를 지원하는 AI 모델의 기능을 말합니다. 이러한 작업은 주로 좁은 범위 내에서 추상화가 낮습니다. 이 특이성은 더 적은 훈련 데이터를 필요로 하며 제어된 출력 도메인을 통해 AI 모델은 지속적으로 기대치를 충족할 수 있습니다. 우리는 현재 Adobe 와 우리 와 같은 신생 기업 의 기술 프리뷰를 통해 시작 단계에 있습니다 . 미래의 그럴듯한 예로는 디자이너가 다양한 화면 크기에 대해 하나의 디자인을 자동으로 조정하도록 돕는 도구, 제안된 애니메이션을 구현하여 디자인을 대화식으로 만들거나 설명 프롬프트로 기술적으로 복잡한 형식 조정을 완료하는 데 도움이 되는 도구가 포함될 수 있습니다. 웨이브 2: 생성 및 관리 # 다음 물결은 프롬프트를 기반으로 반완성된 웹 디자인을 생성하고 클라이언트 관계 관리를 지원하는 AI 모델의 기능을 말합니다. 생성 작업에는 좁은 범위에서 더 높은 추상화를 포함하는 출력 아이디어 아이디어 지정 및 구현이 포함됩니다 . ChatGPT 및 DALL·E 2와 같은 기존 모델은 이미 이미지로 디자인 제안 및 출력을 생성할 수 있지만 변형 및 품질을 개선하려면 웹 디자인 관련 데이터 세트를 사용한 추가 패턴 학습이 필요합니다. 또한, 저작권 및 윤리 문제 등 해결해야 할 문제가 여전히 남아 있습니다 . 반면에 관리 작업에는 더 넓은 범위에도 불구하고 더 낮은 추상화를 포함하는 아이디어 정의 및 사회화 가 포함됩니다. 인접 산업의 사용 사례가 성공적인 것으로 입증되었지만 일상적인 계정 관리 구현에는 추가 감독이 필요합니다. 예를 들어, 그 과정에서 설득과 재치 있는 의사소통 사이의 균형을 맞추는 능력은 추가적인 모니터링이 필요할 것입니다. 웨이브 3: 자동화 # 세 번째 물결은 형성 단계에서 전략 및 의도 개발 지원을 포함하여 웹 디자인 프로세스의 종단 간 자동화를 말합니다 . 웹 사이트 빌더의 AI 모듈을 포함하여 도약하려는 시도가 있었습니다. 그러나 AI가 디자이너의 기여를 완전히 대체하기 전에 앞서 언급한 장애물, 특히 공감과 같은 인간 고유의 관점을 통합하는 능력을 극복하려면 추가적인 시간과 노력이 필요할 것입니다. 다음 단계 # AI가 디자인의 세계에 진입함에 따라 완전히 새로운 가능성의 영역이 열립니다. 생성 모델과 같은 응용 프로그램은 이미 웹 디자인의 여러 단계에서 일부 이론적 기능과 실제 응용 프로그램을 보여주고 있습니다. AI는 여전히 호기심과 공감과 같은 인간 고유의 능력이 부족하지만 디자이너가 기술과 협력하여 새로운 수준의 창의성을 발휘할 수 있는 기회는 많습니다. 빈 캔버스에 붓질을 하는 것처럼 디자이너와 AI는 진정으로 놀라운 것을 창조할 수 있는 잠재력을 가지고 있습니다. 그들은 함께 디자인 세계의 밝은 미래를 그려나갈 것입니다.