생성형 AI 기반 브랜드 아이덴티티 디자인의 창의성 평가 모델 연구

2-1 브랜드 아이덴티티 디자인의 전략적 가치와 창의성

브랜드 아이덴티티(Brand Identity)는 특정 브랜드를 경쟁자와 구별하고 소비자의 마음에 고유한 인식을 형성하기 위해 사용되는 시각적, 언어적 요소들의 총체적 시스템이다[6]. 이는 단순히 로고나 심벌 마크 같은 개별 디자인 요소에 국한되지 않으며, 컬러 시스템, 타이포그래피, 이미지 스타일, 슬로건 등을 포괄하여 브랜드의 철학과 가치, 개성을 일관되게 전달하는 전략적 커뮤니케이션 도구로서 기능한다[7].

전통적으로 브랜드 아이덴티티 디자인 프로세스는 디자이너의 직관과 창의성에 크게 의존해왔다. 이 과정에서 창의성은 단순히 심미적으로 아름다운 결과물을 만드는 것을 넘어, 브랜드의 핵심 전략과 목표 시장의 특성을 깊이 이해하고 이를 독창적이면서도 적절한 시각 언어로 번역하는 능력을 의미한다[8]. 성공적인 브랜드 아이덴티티는 차별성(Distinction), 일관성(Consistency), 유연성(Flexibility), 그리고 기억 용이성(Memorability)이라는 핵심 속성을 만족해야 하며, 이러한 속성을 효과적으로 구현하는 것이 곧 디자인의 창의적 가치를 결정하는 기준이 되어왔다.

그러나 디지털 미디어 환경이 다변화되고 소비자와의 소통 채널이 폭발적으로 증가함에 따라, 브랜드는 과거보다 훨씬 더 빠르고 유연하게 다양한 포맷의 시각 콘텐츠를 생산해야 하는 도전에 직면했다. 이러한 변화는 전통적인 수작업 기반의 디자인 프로세스에 혁신을 요구하며, 새로운 기술적 해결책의 필요성을 증대시키고 있다.

2-2 생성형 AI 기술과 디자인 창작 패러다임의 변화

2022년 이후 Midjourney, DALL-E, Stable Diffusion과 같은 텍스트-이미지 생성형 인공지능(Generative AI) 모델의 등장은 시각 콘텐츠 제작 환경에 근본적인 변화를 가져왔다. 이러한 AI 모델들은 방대한 양의 이미지와 텍스트 데이터를 학습하여, 사용자가 입력한 자연어 프롬프트(prompt)를 기반으로 전례 없는 수준의 독창적이고 정교한 이미지를 생성할 수 있다[9].

디자인 실무에서 생성형 AI는 디자이너의 직관, 반복 학습, 미적 판단을 보조하는 창의적 협업 파트너(Creative Copilot)로서 기능하며, 특히 아이디어 발상 및 개념 설계 단계에서 창의적 탐색을 가속화한다[10]. 디자이너는 AI를 활용하여 단시간 내에 수많은 시각적 아이디어를 탐색하고, 기존에는 상상하기 어려웠던 새로운 스타일과 콘셉트를 실험할 수 있게 되었다. 그러나 이러한 과정은 디자이너의 역할을 단순히 시각 결과물을 ‘생산’하는 것에서, AI가 생성한 무수한 가능성 속에서 브랜드 전략에 부합하는 최적의 방향을 ‘선별’하고 ‘지휘’하는 큐레이터(Curator) 및 디렉터(Director)로 변화시키고 있다. 즉, AI는 인간 디자이너의 창의적 잠재력을 확장하고 디자인 프로세스의 효율성을 극대화하는 촉매 역할을 수행하는 동시에, 디자이너에게는 더 높은 수준의 전략적 안목과 비판적 사고를 요구하는 새로운 과제를 제시한다.

하지만 이러한 기술적 진보에도 불구하고, AI가 생성한 결과물의 ‘창의성’을 어떻게 평가하고, 브랜드의 전략적 목표에 부합하도록 어떻게 통제하고 활용할 것인지에 대한 논의는 아직 초기 단계에 머물러 있다. 특히 브랜드 아이덴티티와 같이 고도의 전략적 사고와 일관성이 요구되는 분야에서 AI의 역할을 정립하고 그 창의적 가치를 체계적으로 분석하는 연구는 매우 시급한 과제이다.

2-3 분석 프레임워크: Torrance 창의성 모델의 적용과 조작적 정의

본 연구는 생성형 AI가 만든 브랜드 아이덴티티 디자인의 창의성을 객관적이고 체계적으로 분석하기 위한 평가 도구로서, 교육 심리학자 E. Paul Torrance가 개발한 Torrance 창의성 검사(Torrance Tests of Creative Thinking, TTCT) 모델을 채택한다[2]. TTCT는 발산적 사고(divergent thinking) 능력을 측정하기 위해 널리 사용되는 검증된 도구이다.

TTCT가 본래 교육 심리학 분야에서 출발했지만, 그 핵심 구성 요소들은 특정 영역의 창의적 산출물을 평가하기 위해 다양한 학문 분야에서 널리 채택 및 변용되어 왔다. 특히 Smith와 Yang은 광고 크리에이티브의 발산적 사고를 평가하기 위해 독창성, 유연성, 정교성 등의 차원을 활용하였는데, 이는 본 연구가 Torrance 모델을 브랜드 아이덴티티 디자인 평가에 적용하는 데 중요한 학술적 선례를 제공한다[11]. 이러한 흐름에 따라, 본 연구는 Torrance 모델의 네 가지 핵심 차원을 브랜드 아이덴티티 디자인이라는 특정 도메인과 생성형 AI의 결과물이라는 새로운 맥락에 맞게 다음과 같이 조작적으로 정의하고 평가 기준으로 삼는다.

1) 유창성(Fluency) 유창성은 주어진 문제에 대해 얼마나 많은 아이디어를 생성하는지를 측정하는 차원이다. 생성형 AI의 맥락에서 이는 단일 콘셉트나 핵심 프롬프트로부터 얼마나 많은 양의 시각적 결과물을 산출하는 능력에 해당한다. 본 연구에서는 이를 ‘의미적으로 구별되는 유효 시안의 총량’으로 정의한다. 여기서 ‘유효 시안’은 브랜드의 핵심 가치(예: ‘혁신’, ‘신뢰’)를 최소 1개 이상 반영하고 명백한 기술적 오류(깨진 이미지, 무의미한 형태)가 없는 결과물로 한정하며, 그 개수를 정량적으로 계수하여 평가한다.

2) 융통성(Flexibility) 융통성은 얼마나 다양하고 이질적인 범주의 아이디어를 생성하는지를 평가한다. 이는 문제에 대해 한 가지 방식이 아닌 여러 접근법을 시도하는 능력을 의미한다. 브랜드 아이덴티티 디자인에서는 다양한 디자인 스타일과 테마를 탐색하는 능력으로 해석할 수 있다. 따라서 본 연구에서는 ‘생성된 시안들이 포함하는 디자인 접근법, 스타일, 테마의 다양성’으로 정의한다. 평가를 위해 분석 전, 디자인 스타일을 ‘기하학적’, ‘유기적’, ‘미니멀’, ‘레트로’, ‘타이포그래피 중심’ 등 5~7개의 카테고리로 사전 정의하고, 생성된 유효 시안들이 이 중 몇 개의 카테고리에 분포하는지를 측정한다.

3) 독창성(Originality) 독창성은 생성된 아이디어가 얼마나 희귀하고 참신한지를 측정하는 핵심적인 창의성 지표이다. 이는 기존의 틀에서 벗어나는 독특한 아이디어를 생성하는 능력이다. 본 연구에서는 이를 ‘동종 업계의 기존 브랜드 디자인 문법에서 벗어난, 통계적으로 희소하고 예측 불가능한 시각적 표현이나 상징 체계의 출현 빈도’로 정의한다. 객관적 판단을 위해 분석 대상 브랜드가 속한 산업군의 상위 20개 브랜드 로고를 벤치마크 데이터셋으로 구축하고, AI 생성 시안이 이 데이터셋의 시각적 모티프(색상 조합, 형태, 레이아웃 등)와 명백히 중복되지 않는 경우 ‘독창적’으로 평가한다.

4) 정교성(Elaboration) 정교성은 아이디어를 구체화하고 세부적으로 다듬어 완성도를 높이는 능력을 의미한다. 단순히 아이디어를 나열하는 것을 넘어, 그것을 실현 가능하고 설득력 있는 형태로 발전시키는 과정이다. 브랜드 아이덴티티 맥락에서는 개별 시안의 완성도뿐만 아니라, 그것이 통합적인 시각 시스템으로 발전할 수 있는 잠재력까지 포함한다. 본 연구에서는 이를 ‘개별 시안의 시각적 완성도, 디테일의 풍부함, 그리고 통합적 시각 시스템으로의 발전 가능성’으로 정의하고, (a) 시각적 완성도, (b) 디테일, (c) 시스템 확장성의 3가지 하위 항목에 대해 ‘상/중/하’ 3단계로 정성 평가를 진행하고 그 이유를 기술한다. 이상의 논의를 요약하면 다음 표 1과 같다.

Table 1.

Summary of operational definitions and measurement criteria for torrance creativity model in brand identity design evaluation

기존의 AI와 디자인 융합 연구들은 주로 생성형 AI의 기술적 가능성이나 디자이너의 워크플로 분석에 집중하는 경향을 보였다[7]. 그러나 이러한 연구들은 AI가 생성한 결과물 자체의 ‘창의성’을 다차원적으로, 그리고 체계적으로 평가하는 분석틀을 제시하는 데에는 한계를 보였다. 본 연구는 이러한 기존 연구의 한계를 극복하고자, Torrance의 창의성 모델을 분석 프레임워크로 도입하여 AI 생성 결과물을 정성적으로 평가하는 구체적인 방법론을 제시한다. 이와 같은 접근은 AI 시대의 브랜드 디자인 연구에 실증적이고 체계적인 평가 기준을 제공한다는 점에서 차별성을 가진다. 다만, TTCT의 네 가지 창의성 차원은 상호 독립적이지 않고 상호 보완적이거나 혹은 상충될 수 있으며, 브랜드 전략적 목표에 따라 이 네 가지 차원 중 특정 요소의 중요도(평가 가중치)가 달라진다. 즉, AI 활용 전략은 유창성과 독창성, 융통성과 정교성 간의 전략적 균형을 설계하는 과정이 된다.

4-1 브랜드 경험 확장 사례: 코카콜라 'Create Real Magic’

글로벌 음료 브랜드 코카콜라는 2023년, 브랜드의 핵심 자산인 컨투어 병과 스펜서체 로고를 활용하여 소비자가 직접 AI 아트를 만드는‘Create Real Magic’플랫폼을 공개했다. 이 프로젝트는 OpenAI의 GPT-4와 DALL-E 2 기술을 결합하여, 소비자들이 코카콜라의 상징적 요소들을 자신만의 스타일로 재해석하고 소셜 미디어에 공유하도록 유도한 디지털 캠페인이다. 코카콜라는 이 캠페인을 통해 브랜드의 핵심 슬로건인‘Real Magic’을 소비자가 직접 창조하고 경험하게 함으로써, 일방적인 메시지 전달을 넘어 참여형 브랜드 경험을 확산시키는 것을 목표로 삼았다. 이는 AI를 활용하여 고정된 브랜드 아이덴티티를 유연하게 확장시킨 대표적인 경우이다[13].

이러한 캠페인 전략은 본 연구의 창의성 프레임워크를 통해 다음과 같이 분석될 수 있다.

유창성(Fluency) & 융통성(Flexibility): ‘Create Real Magic’ 플랫폼은 AI의 유창성과 융통성을 극명하게 보여준다. 캠페인 기간 동안 생성된 수십만 개의 이미지는 AI가 단일 브랜드 에셋을 기반으로 거의 무한한 시각적 결과물(유창성)을 다양한 예술 사조와 스타일(융통성)로 생산할 수 있음을 입증한다.

독창성(Originality): 이 사례의 독창성은 새로운 브랜드 정체성을 '창조'하는 것이 아닌, 기존 정체성을 '재해석'하는 데 초점이 맞춰져 있다. 독창성은 브랜드 자체의 전략적 변화가 아닌, 소비자의 개인적 표현 방식의 다양성에서 발현되었다.

정교성(Elaboration): AI는 브랜드 가이드라인을 준수하도록 정교하게 제어될 수 있음을 보여준다. 그러나 개별 이미지들은 캠페인 참여를 위한 일회성 콘텐츠로서, 그 자체가 새로운 브랜드 시스템으로 발전할 수 있는 정교성이나 확장성은 낮다고 평가된다.

Table 2.

Analysis summary of Coca-Cola’s ‘Create Real Magic’ case study

4-2 브랜드 서사 창조 사례: BMW 'The Ultimate AI Masterpiece’

글로벌 프리미엄 자동차 브랜드 BMW는 2021년 5월, AI를 활용하여 예술 작품을 만드는 ‘The Ultimate AI Masterpiece’ 프로젝트를 진행했다. 이 프로젝트는 NVIDIA의 StyleGAN 기술을 활용하여, 900년의 미술사에 걸친 방대한 예술 작품 데이터와 BMW가 50년간 협업해온 현대 예술가들의 작품을 학습한 AI가 BMW의 차량 디자인과 역사를 예술적으로 해석하여 독창적인 디지털 아트를 생성하도록 했다. BMW는 이 프로젝트를 통해 단순히 기술력을 과시하는 것을 넘어, 브랜드의 기술적 리더십과 예술적 가치를 연결하는 새로운 방식의 브랜드 서사를 창조하고자 했다. 생성된 작품은 가상 전시회를 통해 공개되어 고객에게 새로운 차원의 브랜드 경험을 제공했다[14].

BMW의 이러한 전략적 접근은 창의성의 다른 측면을 부각시킨다.

독창성(Originality): 이 프로젝트는 AI의 독창성을 탐구하는 데 핵심적인 목적을 둔다. AI는 자동차 광고의 전형적인 문법에서 벗어나, ‘자동차’를 ‘예술적 오브제’로 재해석하는 새로운 시각적 은유를 창조했다는 점에서 독창성이 매우 높게 평가된다.

정교성(Elaboration): AI가 독창적인 아이디어를 제공하면, 인간 전문가들이 이를 해석하고 의미를 부여하여 브랜드의 철학을 전달하는 완성도 높은 콘텐츠로 발전시켰다. AI의 결과물을 가상 전시회라는 정교한 맥락 안에 배치하여 그 가치를 극대화했다.

유창성(Fluency) & 융통성(Flexibility): 프로젝트의 목표는 아이디어의 양이나 스타일의 다양성보다는, 소수의 완성도 높은 결과물을 통해 브랜드의 혁신성을 전달하는 데 초점을 맞추었다.

Table 3.

Analysis summary of BMW’s 'The Ultimate AI Masterpiece’ case study

4-3 개인화된 추천 및 소통 사례: 나이키(Nike)

스포츠웨어 브랜드 나이키는 자사의 앱과 온라인 스토어에 생성형 AI를 도입하여 고객 경험을 개인화하고 있다. 나이키는 자체 데이터 플랫폼과 생성형 AI를 결합하여, 수백만 명에 달하는 멤버들의 구매 이력, 활동 데이터(Nike Run Club 등), 선호 스타일 등을 실시간으로 분석한다. 이를 통해 개인에게 최적화된 제품을 추천하고, ‘나이키 바이 유(Nike By You)’와 같은 커스터마이징 서비스의 시각화 과정에도 관여한다. 나이키의 목표는 방대한 제품 라인업 속에서 고객이 자신에게 맞는 제품을 쉽게 찾도록 돕고, 데이터 기반의 전문적인 조언을 통해 브랜드와의 유대감을 강화하는 것이다[15].

나이키의 AI 활용 방식은 창의성이 ‘관계’ 속에서 어떻게 발현되는지를 보여준다.

정교성(Elaboration): 이 사례의 핵심은 정교성에 있다. AI는 단순히 제품을 나열하는 것을 넘어, “당신의 러닝 목표를 위해서는 이 신발이 최적의 쿠셔닝을 제공합니다”와 같이 개인의 맥락에 맞는 설득력 있는 서사를 부여한다. 이는 AI가 데이터를 기반으로 브랜드의 전문성을 정교하게 전달하는 역할을 수행함을 보여준다.

유창성(Fluency) & 융통성(Flexibility): AI는 수백만 명의 사용자에게 각기 다른 추천 조합(유창성)을 제공하며, 러닝, 트레이닝, 라이프스타일 등 다양한 목적(융통성)에 맞춰 추천 로직을 달리 적용한다.

독창성(Originality): 추천 시스템의 독창성은 새로운 제품을 창조하는 것이 아니라, ‘개인에게 최적화된 조합’을 제시하는 데 있다. 이는 브랜드 차원의 독창성보다는 개인화된 경험의 독창성에 가깝다.

Table 4.

Analysis summary of Nike’s AI-based personalized recommendation case study

4-4 콘텐츠 마케팅 자동화 사례: 넷플릭스(Netflix)

글로벌 OTT 플랫폼 넷플릭스(Netflix)는 AI 기반 동적 최적화(Dynamic Optimization) 기술을 활용하여 콘텐츠 썸네일 이미지와 소개 문구를 사용자의 시청 이력과 선호도에 맞춰 자동으로 생성 및 최적화하고 있다. 넷플릭스는 Source Video(원본 영상) → Frame Annotations(프레임별 태깅) → Image Ranking(클릭률 예측 기반 순위화) → Creative Editorial Candidates(에디터 후보군) 또는 Product-Safe Auto-Published Images(자동 퍼블리싱 이미지)로 이어지는 프로세스를 구축하여, 동일한 영화나 드라마라도 사용자의 선호 장르(예: 액션, 로맨스)나 선호 배우에 따라 각기 다른 썸네일과 문구를 노출시킨다. 이러한 시스템은 수백만 건의 A/B 테스트를 실시간으로 수행하여, 가장 효과적인 시각적·언어적 메시지를 찾아내는 데이터 기반의 브랜딩 전략으로 작동한다. 그림 1은 넷플릭스의 영상 기반 에디토리얼 이미지 자동 선정 프로세스를 나타낸 것이다[16].

Fig. 1.

Automatic editorial image selection process of Netflix (video-based editorial image selection workflow)

이 시스템의 궁극적인 목표는 콘텐츠 소비의 첫 관문인 ‘발견(Discovery)’의 경험을 개인화하여 사용자의 관심과 만족도를 극대화하는 데 있다[17]. 넷플릭스의 사례는 창의성이 ‘효율(Efficiency)’과 ‘설득(Persuasion)’이라는 관점에서 어떻게 전략적으로 활용될 수 있는지를 보여준다.

넷플릭스의 동적 최적화는 창의성의 네 가지 핵심 차원에서 다음과 같은 특징을 보인다.

먼저, 융통성(Flexibility) 측면에서 AI는 하나의 콘텐츠를 수십, 수백 가지의 다양한 시각적 관점으로 포장할 수 있는 능력을 보인다. 사용자의 선호도와 맥락에 따라 각기 다른 스타일, 배우, 장면을 중심으로 한 썸네일을 제공함으로써 개별적이고 차별화된 사용자 경험을 제공한다. 더불어, 정교성(Elaboration) 차원에서는 클릭률 및 사용자 반응 데이터를 실시간으로 학습하며, 가장 효과적인 이미지와 문구 조합을 찾아내는 지속적인 정교화(Refinement) 과정이 핵심적으로 작동한다.

유창성(Fluency) 측면에서는 매일 업데이트되는 방대한 콘텐츠에 대해 수백만 명의 사용자에게 맞춤형 썸네일과 텍스트를 동시다발적으로 제공할 수 있는 AI의 대량 생성·적용 역량이 두드러진다. 이러한 유창성은 넷플릭스가 각 사용자에게 최적화된 콘텐츠 경험을 제공할 수 있는 기반이 된다.

마지막으로, 독창성(Originality) 측면에서는 동일한 콘텐츠를 하나의 고정된 이미지로 표현하는 것이 아닌, 사용자별 맥락과 취향에 맞춘 ‘다수의 진실(Multiple Truths)’을 시각적으로 재구성하는 방식에서 미세한 독창성을 발휘한다. 이는 콘텐츠 자체를 변화시키지 않으면서도, 사용자마다 다르게 해석되고 소비될 수 있도록 하는 넷플릭스만의 창의적 큐레이션 전략이라 할 수 있다.

결론적으로, 넷플릭스의 에디토리얼 이미지 자동 선정 프로세스는 AI의 발산적(유창성, 융통성) 역량과 인간이 설계한 전략적 큐레이션(정교성, 독창성)을 결합하여, 브랜드 경험의 ‘발견(Discovery)’ 단계에서 창의성을 극대화하는 데이터 기반 디자인 사례로 평가할 수 있다.

Table 5.

Analysis summary of Netflix’s AI-based personalized marketing case study

4-5 공간 디자인 시뮬레이션 사례: 이케아(IKEA)

가구 및 홈퍼니싱 브랜드 이케아는 2020년 인수한 실리콘밸리의 AI 전문 기업 Geomagical Labs의 기술을 기반으로,‘IKEA Kreativ’라는 새로운 AI 디자인 툴을 출시했다. 이 툴은 공간 컴퓨팅, 머신러닝, 3D 혼합현실 기술을 결합한 것이다. 사용자는‘Scene Scanner’기능을 통해 자신의 방 사진을 업로드하면, AI가 기존 가구를 지우고 실제 크기와 원근감이 반영된 3D 공간을 자동으로 생성한다. 고객은 이 가상 공간에 이케아 가구를 자유롭게 배치하고 디자인을 시뮬레이션할 수 있다. 이케아는 이를 통해 영감과 실제 구매 사이의 장벽을 허물고, 고객이 자신의 공간에서 더 확신을 갖고 창의력을 발휘하도록 돕는 강력한 유틸리티를 제공하고자 했다[18].

이케아의 사례는 창의성이 ‘문제 해결’과 ‘권한 부여’의 형태로 나타남을 보여준다.

정교성(Elaboration) & 독창성(Originality): 이 사례의 창의성은 ‘개인의 공간’이라는 맥락과 결합될 때 발현된다. AI는 표준화된 제품(이케아 가구)을 세상에 단 하나뿐인 사용자의 공간에 정교하게 합성함으로써, 모든 사용자에게 독창적인 결과물(나만의 인테리어)을 제공한다. 창의성이 브랜드로부터 일방적으로 나오는 것이 아니라, 사용자와의 상호작용을 통해 완성되는 것이다.

유창성(Fluency) & 융통성(Flexibility): 사용자는 수많은 가구 조합(유창성)을 시도해볼 수 있으며, 거실, 침실, 주방 등 다양한 공간(융통성)에 맞는 스타일을 탐색할 수 있다.

브랜드 전략: 이케아는 AI를 통해 ‘누구나 쉽게 아름다운 집을 꾸밀 수 있다’는 브랜드의 핵심 철학을 고객이 직접 체험하게 만든다. AI가 브랜드의 약속을 실현하는 구체적인 도구로 기능하는 것이다.

Table 6.

Analysis summary of IKEA’s ‘Kreativ’ AI tool case study

본 연구의 사례 분석 결과를 종합하면, 글로벌 브랜드들은 각자의 전략적 목표에 따라 생성형 AI의 창의성을 상이한 방식으로 활용하고 있음을 확인할 수 있다. 이는 AI의 창의성이 단일한 개념이 아니라, 브랜드의 필요에 따라 특정 차원이 선택적으로 강조되는 다면적 특성을 지님을 시사한다.

첫째, 브랜드 경험의 대중적 확장을 목표로 하는 코카콜라 사례에서는 AI의 유창성과 융통성이 극대화되었다. AI는 정해진 브랜드 자산을 기반으로 무한에 가까운 시각적 베리에이션을 생성하며 대중의 참여를 유도했다. 그러나 이는 브랜드의 핵심 정체성을 새롭게 창조하기보다는 소비자 참여와 기존 자산 재해석에 초점을 맞추었기 때문에 독창성(Originality) 평가가 상대적으로 낮게 나타났다.

둘째, 브랜드의 예술적, 철학적 서사 구축을 목표로 한 BMW 사례는 AI의 독창성과 정교성에 집중했다. AI는 기존에 없던 새로운 시각적 은유를 창조하는 ‘지적인 창작 파트너’로 기능했으며, 인간 전문가는 AI가 생성한 독창적 아이디어를 정교한 맥락 안에 배치하여 그 가치를 완성했다. 이는 대량 생산(유창성)보다는 소수의 상징적 결과물을 통해 브랜드의 위상을 높이는 전략이다.

셋째, 고객과의 개인화된 관계 강화를 목표로 하는 나이키, 넷플릭스, 이케아 사례는 창의성의 정교성을 핵심적으로 활용했다. 나이키는 데이터 기반의 ‘전문가적 조언’을, 넷플릭스는 ‘설득적 커뮤니케이션’을, 이케아는 ‘기능적 문제 해결’을 제공함으로써 고객의 개별적 맥락에 정교하게 개입했다. 이들 사례에서 독창성은 새로운 브랜드 자산을 창조하는 것이 아니라, 기존의 제품과 서비스를 개인의 상황에 맞춰 새롭게 조합하고 제시하는 과정에서 발현되었다.

종합적으로 볼 때, 브랜드의 AI 활용 전략은 크게 두 가지 방향으로 나뉜다. 코카콜라와 BMW처럼 AI를 활용해 새로운 시각적, 경험적 콘텐츠를 ‘생성’하는 접근법과, 나이키, 넷플릭스, 이케아처럼 AI를 활용해 기존의 제품과 서비스를 고객에게 ‘최적화’하여 전달하는 접근법이다. 전자가 주로 유창성과 독창성을 강조한다면, 후자는 정교성과 융통성을 통해 비즈니스 목표를 달성한다.

본 연구의 사례 분석 결과를 종합하면, 글로벌 브랜드들은 자신들의 전략적 목표에 따라 AI 창의성의 특정 차원에 의도적으로 가중치를 두었음이 명확히 드러난다. 이는 서술적 분석을 넘어, 상기 표 7에 요약된 바와 같이 시각적으로 비교함으로써 그 전략적 차이를 더욱 효과적으로 파악할 수 있다.

Table 7.

Summary of AIcreativity expression characteristics by global brand case

각 기호는 ◎매우 높음(핵심 강조 요소): AI의 역할을 수행하는 데 가장 중요한 차원, ○중간(균형적 활용 요소): AI가 기본적인 성능을 보였거나 전략적 목표 달성에 보조적 역할을 수행한 차원, △상대적 낮음(의도적 제한 요소): AI를 활용했음에도 불구하고 의도적으로 강조하지 않은 차원을 의미한다.

생성형 AI 시대의 브랜드 창의성은 단순히 독창적인 이미지를 만들어내는 능력을 넘어, 브랜드의 전략적 목표에 따라 AI의 창의적 잠재력을 적절히 ‘지휘’하고 '편집’하는 능력으로 재정의되고 있다. 성공적인 브랜드들은 AI를 맹목적으로 사용하는 것이 아니라, 자신들의 목표에 맞춰 AI의 역할을 ‘놀이의 도구’, ‘지적인 파트너’, ‘전문가적 조언자’ 등으로 명확히 규정하고, 인간의 전략적 판단과 심미적 안목을 통해 그 결과물을 완성하고 있음을 알 수 있다.

본 연구는 앞서 논의한 이론적 배경(Ⅱ장), Torrance 창의성 평가 프레임워크, 그리고 사례 분석 결과(Ⅳ장)에서 반복적으로 확인된 전략적 공통 요소를 통합하여, 생성형 AI를 브랜드 디자인 실무에 효과적으로 적용하기 위한 핵심 항목들을 도출하였다. 특히 사례 분석을 통해 드러난 AI의 역할 구분(예: 놀이 도구, 창작 파트너, 문제 해결사), 인간-AI 협업의 단계적 구조, 창의성의 네 가지 평가 차원(유창성, 융통성, 독창성, 정교성)은 실무적 맥락에서도 반복적으로 재현되는 패턴임이 확인되었다. 이에 따라, 아래 제시하는 체크리스트는 인하우스 디자이너, 브랜드 매니저, 교육과정 설계자들이 생성형 AI를 전략적으로 활용하고, 브랜드 정체성을 유지하면서 창의적 성과를 극대화하는 데 실질적인 가이드로 기능할 수 있도록 구성되었다.

Table 8.

Checklist for practical application of generative AI-based brand design

본 체크리스트는 향후 디자인 교육과 기업 실무 현장에서 생성형 AI의 전략적 활용을 평가하고, 협업 모델을 설계하는 데 있어 유용한 도구로 활용될 수 있을 것이다. 또한, 본 연구에서 제안한 평가 기준과 실천 가이드는 다양한 산업군에 적용 가능한 맞춤형 프레임워크로 발전될 가능성을 내포한다.