디지털 에이전시의 전통적인 워크플로우는 오랫동안 비슷했습니다.

리서치합니다.
기획합니다.
디자인합니다.
개발합니다.
검수합니다.
수정합니다.
납품합니다.

이 흐름은 안정적이지만, 동시에 많은 단절을 갖고 있습니다.

기획의 의도가 디자인으로 넘어가며 흐려집니다.
디자인의 디테일이 개발 과정에서 바뀝니다.
개발 중 발견된 제약이 다시 기획으로 돌아오지 못합니다.
프로젝트 맥락은 PM과 몇몇 핵심 인력의 머릿속에 남습니다.
새 사람이 들어오면 같은 설명이 반복됩니다.

생성형 AI는 이 흐름을 빠르게 만들 수 있습니다. 하지만 단순히 “AI로 더 빨리 만든다”는 수준으로는 충분하지 않습니다.

진짜 변화는 agentic workflow에서 시작됩니다.

이 영상은 단일 생성 결과물이 아닙니다.
프레임아웃은 영상 제작 흐름을 AI 엔진과 모델 컨텍스트 프로토콜(MCP) 기반 구조로 연결해, 프롬프트가 샷 리스트, 캐릭터 기준, 브랜드 톤, 검수 조건을 함께 운반하도록 구성했습니다.
모델의 일관성을 위해 레퍼런스, 표정, 의상, 카메라 톤, 말투 기준을 반복적으로 맞추고, 생성된 결과를 다시 판단 기준으로 되돌렸습니다.
그래서 영상 제작은 “툴에서 뽑은 장면”이 아니라, 브랜드 모델의 일관성과 제품 메시지를 유지하는 agentic workflow의 산출물이 됩니다.

Agentic Workflow란 무엇인가

프레임아웃이 Arduskey 개발에서 적용한 agentic workflow는 AI에게 한 번 명령하고 결과물을 받는 방식이 아닙니다.

목표와 원칙을 문서화하고,
중요한 판단을 내부 의사결정 기록으로 남기고,
실패를 다시 볼 수 있는 기록으로 정리하고,
검증 결과를 기준에 따라 판정하고,
다음 agent가 이전 맥락을 이어받을 수 있게 만드는 방식입니다.

AI agent는 단순한 보조자가 아니라, 제품 개발 방식의 일부가 됩니다.

코드를 읽습니다.
검증 결과를 요약합니다.
실패 원인을 분류합니다.
다음 검증 기준을 준비합니다.
문서를 갱신합니다.
디자인과 코드의 간극을 좁힙니다.
그리고 사람이 최종 판단해야 할 지점을 더 선명하게 드러냅니다.

중요한 것은 자율성이 아닙니다.
중요한 것은 추적 가능성입니다.

AI가 무엇을 했고, 왜 했고, 어떤 근거로 다음 행동을 제안하는지 남아야 합니다. 그 기록이 남을 때, agentic workflow는 단순 자동화를 넘어 조직의 학습 시스템이 됩니다.

프레임아웃의 경험이 agentic workflow의 기준이 된다

많은 조직이 agentic workflow를 이야기할 때, 먼저 도구와 자동화 구조를 떠올립니다.

AI agent를 연결하고, 프롬프트를 만들고, 작업 절차를 나누고, 검증 장치를 붙이면 자연스럽게 좋은 결과가 나올 것이라고 생각합니다.

하지만 실제 프로젝트에서는 그렇지 않습니다.

AI가 만든 화면이 보기에는 그럴듯하지만 사용자의 흐름을 막을 수 있습니다.
AI가 만든 브랜드 이미지가 세련돼 보이지만 제품의 성격과 맞지 않을 수 있습니다.
AI가 만든 영상 모델이 주목도는 높지만 브랜드 신뢰를 낮출 수 있습니다.
AI가 만든 코드가 동작은 하지만 실제 서비스 품질을 견디지 못할 수 있습니다.

결국 agentic workflow의 성패는 AI를 얼마나 많이 붙였느냐보다, 무엇을 좋은 결과로 볼 것인가를 판단하는 경험에 달려 있습니다.

프레임아웃이 가진 25년의 UX, 브랜드, 디지털 프로젝트 경험은 바로 이 지점에서 작동합니다.

어떤 화면이 사용자를 설득하는지.
어떤 브랜드 표현이 오래 살아남는지.
어떤 인터랙션이 실제 사용에서 어색해지는지.
어떤 기술 선택이 출시 직전에 리스크가 되는지.
어떤 산출물은 더 밀어붙여야 하고, 어떤 산출물은 과감히 버려야 하는지.

이 판단은 자동화 도구가 대신 만들어주지 않습니다. 오래된 프로젝트 경험과 사람을 이해하는 감각에서 나옵니다.

그래서 프레임아웃에게 agentic workflow는 단순한 AI 자동화가 아닙니다. 프레임아웃이 오랫동안 쌓아온 UX 판단력, 브랜드 감각, 개발 현실감, 프로젝트 운영 경험을 AI가 일할 수 있는 구조 안에 넣는 방식입니다.

좋은 도구가 있다고 누구나 좋은 결과를 만드는 것은 아닙니다. 좋은 결과를 알아보는 회사가 도구를 다룰 때, agentic workflow는 비로소 실제 가치를 만듭니다.

Arduskey에서 실제로 바뀐 것

Arduskey 개발 과정에서 프레임아웃의 workflow는 기존 에이전시 방식과 다르게 움직였습니다.

하나의 제품을 두고 iOS 앱, Android 앱, 음성 인식, 문장 정제, Figma/UI, 브랜드, 영상, 사이트가 병렬로 움직입니다. 각 영역은 독립적으로 제작되고 검증되지만, 내부 의사결정 기록, 버전 기록, 품질 기준 문서를 통해 다시 하나로 연결됩니다.

기존 방식이었다면 PM이 회의록과 일정표로 전체 맥락을 붙잡아야 했을 것입니다.

하지만 agentic workflow에서는 맥락이 repository 안에 남습니다.

왜 이 모델을 선택했는지.
왜 특정 학습 loop를 중단했는지.
왜 특정 정제 기능을 아직 기본 기능으로 켜지 않는지.
왜 iOS와 Android의 모델 전략이 다른지.
왜 어떤 실패는 학습이 아니라 후처리나 사용자 사전으로 보내야 하는지.

이 모든 결정이 문서와 검증 기준으로 남습니다.

사람이 기억하는 프로젝트에서, 시스템이 기억하는 프로젝트로 이동하는 것입니다.

결과물은 같지만, 제작 방식이 달라졌다

Arduskey에서 프레임아웃이 적용한 변화는 개발 프로세스에만 머물지 않았습니다.

UI도, 브랜드 아이덴티티도, 로고타입도, 키보드 디자인도, 영상과 제품 소개용 비주얼도 기존 방식과 다르게 만들어졌습니다.

과거의 에이전시 workflow에서는 여러 도구가 순차적으로 이어졌습니다. 브랜드 디자이너가 로고를 만들고, UI 디자이너가 화면을 만들고, 모션 디자이너가 영상을 만들고, 개발자가 다시 이를 구현하고, PM이 각 산출물의 버전을 맞췄습니다.

Arduskey에서는 이 흐름을 최대한 agentic하게 바꿨습니다.

사람이 방향과 기준을 정합니다.
AI agent가 레퍼런스를 구조화합니다.
브랜드 언어를 시각 시스템으로 확장합니다.
UI 상태와 컴포넌트를 생성합니다.
영상 컷과 제품 설명 장면을 구성합니다.
코드 구현과 화면 검증 자료를 연결합니다.
결과가 기준에 맞지 않으면 다시 수정 loop로 들어갑니다.

Figma를 엽니다.
하지만 사람이 화면 요소를 하나씩 옮기는 시간이 중심이 아닙니다.
AI agent가 화면 구조를 만들고, 상태별 UI를 배치하고, 브랜드 규칙과 제품 흐름에 맞게 다시 조정합니다.
사람은 방향을 판단하고, 어색한 흐름을 잡고, 실제 사용자가 느낄 감각을 교정합니다.

영상 제작 도구를 엽니다.
하지만 빈 타임라인 앞에서 처음부터 모든 컷을 손으로 쌓는 방식이 아닙니다.
AI 엔진과 모델 컨텍스트 프로토콜(MCP)을 통해 제작 맥락을 연결하고, 프롬프트가 샷 구성, 인물 기준, 제품 메시지, 검수 조건까지 함께 전달하게 만듭니다.
모델의 일관성을 위해 레퍼런스와 표정, 의상, 카메라 톤, 말투 기준을 맞추고, 생성된 컷을 다시 판단 기준에 넣어 다음 제작에 반영합니다.
사람은 브랜드에 맞는 표정, 속도, 톤, 장면의 설득력을 판단합니다.

브랜드 아이덴티티 가이드를 만듭니다.
하지만 기존 BI 제작 방식처럼 한 장의 로고 시안이나 이미지 몇 장을 모아 분위기를 고르는 일이 아닙니다.
사람의 직관과 경험이 방향을 잡고, AI가 로고타입, 심볼 구조, 컬러, 타입 시스템, 앱 아이콘, UI 적용, 영상 컷으로 확장합니다.
그 결과물을 다시 사람이 보고, 프레임아웃다운 기준으로 줄이고, 고르고, 다듬습니다.

겉으로 보이는 결과물은 기존 에이전시가 만들던 것과 같은 범주의 산출물입니다.

로고.
키보드 UI.
앱 화면.
브랜드 이미지.
소개 영상.
웹사이트 콘텐츠.

하지만 만드는 방식은 완전히 달라지고 있습니다.

이제 프레임아웃은 툴을 열고 사람이 처음부터 끝까지 손으로 제작하는 방식에만 의존하지 않습니다. AI agent가 기획, 디자인, 코드, 영상, 브랜드 에셋 생성의 중간 과정을 함께 수행하고, 사람은 방향성, 품질 기준, 최종 판단에 더 깊게 개입합니다.

중요한 것은 “AI가 만들었다”가 아닙니다.
중요한 것은 프레임아웃의 제작 체계가 바뀌었다는 점입니다.

AI는 더 이상 결과물을 빠르게 뽑아주는 외부 도구가 아닙니다. 프로젝트 전체의 산출물 생산 체계 안으로 들어온 새로운 동료이자, 검증 가능한 workflow의 일부가 되었습니다.

디자인과 개발의 관계도 바뀐다

AI 시대의 디자인-개발 협업은 단순한 handoff가 아닙니다.

Figma는 더 이상 최종 이미지만 담는 도구가 아닙니다. 디자인 토큰, 컴포넌트 구조, 상태, 화면 흐름이 AI가 읽을 수 있는 설계 언어가 됩니다.

코드 에이전트는 단순히 화면을 베끼는 존재가 아닙니다. 기존 코드 패턴을 읽고, 디자인 의도를 구현하고, 테스트와 화면 검증 자료로 결과를 확인하는 협업자가 됩니다.

이때 디자이너의 역할도 바뀝니다.

디자이너는 예쁜 화면만 만드는 사람이 아니라, AI와 개발자가 오해하지 않는 구조를 설계하는 사람이 됩니다. 컴포넌트의 이름, 토큰, 상태, interaction rule, 빈 상태, 에러 상태까지 모두 AI가 읽을 수 있는 제품 언어가 됩니다.

개발자의 역할도 바뀝니다.

개발자는 반복적인 UI 구현보다 아키텍처, 성능, 접근성, privacy, edge case 검증에 더 집중합니다. AI가 만든 코드가 정말 제품 품질을 만족하는지 판단하는 reviewer이자 system designer가 됩니다.

프레임아웃은 이 변화를 자체 제품 개발에서 먼저 겪고 있습니다. 그래서 이 변화는 외부 트렌드에 대한 해석이 아니라, 프레임아웃 내부에서 이미 작동 중인 제작 감각으로 남습니다.

실패를 빨리 만드는 것이 아니라, 실패를 자산으로 만든다

많은 조직이 AI를 도입할 때 “더 빨리 만들 수 있다”에 집중합니다.

물론 속도는 중요합니다. 하지만 프레임아웃이 Arduskey에서 확인한 더 큰 가치는 실패를 자산으로 바꾸는 능력입니다.

AI 제품 개발에서는 실패가 계속 발생합니다.

음성 인식이 특정 단어를 잘못 듣습니다.
정제 모델이 의도를 바꿉니다.
모바일 실제 기기에서 개발 환경과 다른 결과가 나옵니다.
음성 인식 방식을 바꾸면 일부 문장은 좋아지지만 일반 문장이 나빠집니다.
테스트에서는 좋아 보였지만 실제 사용 상황에서 다른 문제가 보입니다.

기존 방식에서는 이런 실패가 회의 중 구두로 사라지거나, 누군가의 감으로 처리되기 쉽습니다.

agentic workflow에서는 실패가 문서화됩니다.

어떤 표현이 실패했는지.
그 실패가 데이터 부족 문제인지, 비슷한 발음의 혼동인지, 음성 인식 과정의 연쇄 오류인지, 실제 기기 차이인지, UX 보정으로 해결할 수 있는지 분류됩니다.
다음 검증의 성공 기준과 중단 기준이 정해집니다.

이렇게 실패가 누적되면 팀은 더 빠르게 찍어 맞히는 것이 아니라, 더 정확하게 배웁니다.

이것이 AI native company의 핵심 역량입니다.

디지털 에이전시의 기준이 달라진다

앞으로 디지털 에이전시를 판단하는 기준은 산출물의 양만으로 결정되지 않습니다.

더 빠르게 화면을 만드는 것.
더 많은 카피를 뽑는 것.
더 많은 시안을 생성하는 것.

이것들은 점점 기본값이 됩니다. 차이는 그다음에 생깁니다.

그 산출물이 왜 필요한지.
어떤 기준으로 선택되었는지.
어떤 실패가 있었는지.
다음 작업자가 무엇을 이어받아야 하는지.
AI가 만든 결과를 사람이 어떤 감각과 기준으로 다시 판단했는지.

AI가 이해할 수 있는 디자인 시스템.
업무 맥락을 잃지 않는 agentic workflow.
AI 산출물의 품질을 검증하는 기준.
모델, 데이터, 인터페이스, 운영 프로세스를 하나의 UX로 엮는 능력.

프레임아웃은 이 기준을 말로 먼저 정의하지 않았습니다. Arduskey라는 자체 제품 안에서 먼저 부딪히고, 만들고, 멈추고, 다시 연결했습니다.

그래서 Arduskey의 결과물은 단순한 산출물 목록이 아닙니다. 프레임아웃이 어떤 기준으로 AI 시대의 제작을 다시 조직하고 있는지 보여주는 작업 기록입니다.

프레임아웃이 이 변화를 이끄는 방식

Arduskey는 아직 끝난 프로젝트가 아닙니다. 제품화 기준을 하나씩 통과하고 있고, 일부 기술 과제는 여전히 남아 있습니다.

하지만 바로 그 점 때문에 이 case study가 중요합니다.

완성된 결과만 보여주는 것은 어렵지 않습니다. 더 중요한 것은 완성에 이르는 방식이 어떤 구조로 남아 있는가입니다.

불확실한 AI 제품을 어떻게 쪼개고,
어떻게 검증하고,
어떻게 실패를 멈추고,
어떻게 다음 층으로 이동하고,
어떻게 디자인, 코드, 모델, 품질 검증을 하나의 workflow로 묶는가.

이 경험은 프레임아웃 안에 새로운 제작 기준으로 남습니다. 화면을 잘 만드는 회사를 넘어, AI가 작동하는 제품 경험 전체를 다루는 회사로 이동하는 기준입니다.

AI를 도입했다는 말은 곧 흔해질 것입니다. AI로 산출물을 만든다는 말도 더 이상 특별하지 않을 것입니다.

차이는 AI가 일할 수 있는 구조를 만들고, 그 구조로 자체 제품을 끝까지 밀어붙이는 회사에 남습니다.

프레임아웃은 그 방향으로 이동하고 있습니다.

UX를 설계하던 회사에서,
AI driven UX를 만드는 회사로.
그리고 AI native company로.

Arduskey는 그 변화의 첫 번째 자체 제품이자, 첫 번째 증거입니다.

Arduskey 공식 사이트: http://www.arduskey.com

Where AI Drives UX, FRAMEOUT