AI 시대 UI/UX 디자이너가 하는 일: 2026년 데이터로 본 5가지

AI에게 화면을 부탁하면 30초 만에 그럴듯한 결과가 나옵니다. 카드, 버튼, 색상, 반응형 레이아웃까지 한 번에 제안하죠. 문제는 그다음입니다. 그 화면이 실제 사용자 앞에서 버티는지는 아무도 확인하지 않은 채로 넘어갑니다.

확인해 본 곳이 있습니다. Microsoft가 AI로 생성한 인터페이스를 평가했더니 WCAG 접근성 기준을 통과한 비율이 약 3분의 1이었습니다. 나머지에서는 키보드 내비게이션이 끊기고, ARIA 역할이 잘못 붙고, 시맨틱 구조와 대체 텍스트가 빠져 있었습니다. 보기에는 멀쩡한 화면들이었습니다.

이 격차가 지금 디자이너의 자리입니다. 화면을 만드는 속도는 더 이상 문제가 아니게 됐고, 만들어진 화면이 어디서 무너지는지 아는 일이 남았습니다.

왜 AI가 만든 화면은 하나같이 비슷하게 생겼을까

한번 눈에 익으면 계속 보입니다. 보라색 그라디언트, Inter 서체, 둥근 모서리 카드, 은은한 그림자, 반듯한 3열 그리드. 2026년 현재 AI가 만들어주는 랜딩 페이지의 기본값에 가깝습니다.

이건 모델이 게을러서가 아니라 학습 데이터의 성질입니다. 모델은 '좋은 디자인'을 배운 게 아니라 인터넷에 많이 있는 디자인을 배웠습니다. 많이 있는 것은 평균이고, 평균은 정의상 남들과 같습니다. 그래서 AI는 출발점으로는 훌륭하고 차별점으로는 최악입니다.

여기서 더 골치아픈 일이 생깁니다. 첫 결과가 이미 그럴듯하면 사람은 그 안에서만 고치려 듭니다. 디자인 고착(design fixation)이라고 부르는 현상인데, AI 도구는 이걸 구조적으로 유발합니다. 백지에서 시작할 땐 열 방향을 떠올리던 사람이, 완성도 70%짜리 시안을 받으면 그 시안의 변형 세 개만 생각합니다.

대응은 싱겁게 단순합니다. 첫 결과를 채택 후보로 보지 않는 겁니다. '이 방향 말고 뭐가 있나'를 묻는 재료로 쓰면 됩니다.

시장은 줄지 않았습니다, 모양이 바뀌었습니다

숫자를 정확히 보는 게 낫습니다.

미국 노동통계국은 디지털 디자이너 고용이 2024년부터 2034년까지 약 7% 늘어난다고 봅니다. 전체 직종 평균보다 빠른 속도입니다. UX 팀 규모를 추적한 업계 조사에서도 팀은 유지되거나 소폭 증가 쪽입니다. "AI가 디자이너를 대체한다"는 서사는 적어도 총량 데이터로는 지지되지 않습니다.

그런데 체감이 정반대인 이유가 따로 있습니다.

• 2019년에는 디자이너의 67.9%가 3개월 안에 다음 일자리를 구했습니다. 2024년에는 49.5%로 떨어졌습니다.
• 주니어 공고 하나에 500~800명이 지원하는 일이 흔해졌습니다.
• 시니어와 제너럴리스트 자리는 회복 중인데, 신입 자리만 회복이 안 됩니다.
• 단독 UX 리서처 직군은 축소되고 프로덕트 디자이너 역할 안으로 흡수되는 중입니다.

총량이 준 게 아니라 입구가 좁아지고 요구 범위가 넓어졌습니다. 예전에는 화면을 잘 그리면 팀에 들어가서 나머지를 배웠는데, 지금은 화면 그리기가 자동화된 부분이라 그 입장권이 사라졌습니다.

공고를 보면 더 분명합니다. Figma는 프로덕트 디자인 공고의 85% 이상에 여전히 등장하지만, 있어야 하는 조건이지 뽑힐 이유는 아닙니다. Anthropic, Vercel, Linear, Framer, Notion, Shopify 같은 팀들은 공고에 대놓고 "HTML·CSS·JS로 프로토타입을 만드는 사람"을 씁니다.

1. 무엇을 만들지 정하는 일

AI는 요청을 받으면 답을 냅니다. 요청이 틀렸는지는 묻지 않습니다.

"온보딩 화면을 만들어줘"라는 문장 뒤에는 확인되지 않은 가정이 여러 개 숨어 있습니다. 사용자가 왜 가입을 망설이는지, 이미 알고 있는 정보가 무엇인지, 사업이 반드시 받아야 하는 항목이 무엇인지. 이 중 하나만 틀려도 예쁜 화면이 잘못된 문제를 풀게 됩니다.

2026년 AI in Design 리포트에 흥미로운 대목이 있습니다. 디자이너의 60~70%가 사용자 니즈와 문제 정의만큼은 AI가 아니라 자기 판단에 의존한다고 답했습니다. 코드는 맡겨도 질문은 안 맡긴다는 뜻입니다.

2. 틀릴 때의 경험을 설계하는 일

AI 기능은 확률적으로 답합니다. 틀릴 수 있고, 더 곤란하게는 그럴듯하게 틀립니다.

그래서 AI가 들어간 화면에는 일반 화면에 없는 요구사항이 붙습니다. 결과를 고칠 방법, 다시 시도할 방법, 사람이 직접 처리하는 우회로, 그리고 이 답을 어디까지 믿어도 되는지에 대한 신호. 결과 카드를 예쁘게 그리는 일과는 층위가 다릅니다.

실무에서 가장 자주 빠지는 건 오류의 종류를 구분하지 않는 것입니다. AI 기능의 실패는 최소 다섯 가지로 갈립니다. 네트워크 끊김, 요청 한도 초과, 콘텐츠 필터에 걸림, 컨텍스트 길이 초과, 모델 타임아웃. 원인이 다르면 사용자가 할 수 있는 일도 다른데, 화면에는 "오류가 발생했습니다" 하나만 있습니다. 이 다섯을 갈라 각각의 복구 행동을 정하는 방법은 AI가 만든 UI 검수 체크리스트에 정리해 두었습니다.

3. 정상 상태 밖에서 먼저 깨지는 곳

"예외 상태를 챙겨야 한다"는 말은 너무 자주 들려서 아무도 안 챙깁니다. 어디가 깨지는지 적어두는 편이 낫습니다.

AI가 만든 화면에서 반복적으로 발견되는 결함은 대체로 이 목록 안에 있습니다.

• 스트리밍되는 텍스트에 aria-live가 없어 스크린 리더 사용자에게는 아무 일도 일어나지 않습니다.
• 응답이 도착하면서 컨테이너가 늘어나 아래 요소가 밀리고, 누르려던 버튼이 도망갑니다.
• 로딩·빈 상태·오류 복구 흐름이 통째로 없습니다. 요청하지 않으면 만들지 않습니다.
• 모바일 대응이 빠집니다. 명시적으로 시키지 않으면 거의 그렇습니다.
• 제목 태그, 헤딩 위계, 구조화 데이터가 없어 검색엔진이 읽지 못합니다.

마지막 항목이 특히 조용히 손해를 봅니다. 화면은 잘 돌아가는데 유입만 없습니다.

4. 접근성과 위험을 함께 판단하는 일

같은 추천 기능이라도 음악 앱과 의료 서비스에서 필요한 통제 수준이 다릅니다. AI는 이 차이를 모릅니다. 정확히는, 알려주지 않으면 평균값으로 처리합니다.

글자 대비, 스크린 리더 읽기 순서, 개인정보 고지, 브랜드의 말투는 한 화면 안에서 서로 충돌하기도 합니다. 어느 것을 양보할지는 서비스가 무엇을 약속했는지에 달렸고, 그 약속은 저장소 어디에도 적혀 있지 않습니다.

덧붙이면 접근성은 이제 취향 문제도 아닙니다. EU를 비롯한 여러 시장에서 접근성이 법적 요건으로 굳어지는 중이라, 통과율 3분의 1은 디자인 취향의 문제가 아니라 사업 위험입니다.

5. 열 개 중 하나를 고르는 일

AI는 시안을 많이 냅니다. 열 개가 생기면 열한 번째 일이 생깁니다. 무엇을 버릴지 정하는 일입니다.

이 능력을 취향이라고 부르면 절반만 맞습니다. 취향은 "나는 이게 좋다"로 끝나도 되지만, 실무의 선택은 왜 이 안이 지금 사용자와 브랜드와 일정에 맞는지를 설명하고 책임져야 합니다. taste를 취향보다 안목으로 옮기는 이유가 여기에 있습니다.

같은 리포트에서 응답자의 약 80%가 시각적 완성도만큼은 AI의 제안이 아니라 자기 기준으로 판단한다고 답했습니다. 반면 9%는 AI의 기여와 자기 기여를 구분하기 어렵다고 했습니다. 이 9%가 위험 구간입니다. 무엇을 왜 골랐는지 설명할 수 없으면 다음에도 못 고릅니다.

반론: 그래도 디자이너 자리는 줄고 있지 않나

부분적으로는 맞습니다. 정직하게 짚고 가겠습니다.

총 고용이 늘어도 역할의 구성은 확실히 바뀝니다. 화면 양산을 담당하던 자리, 개발자에게 시안을 넘기는 것으로 끝나던 자리, 리서치만 전담하던 자리는 줄어드는 중입니다. 신입 채용이 특히 얼어붙은 것도 이 때문입니다. 회사 입장에서 '배우면서 화면을 그리는 사람'의 산출물은 이제 도구가 더 싸게 냅니다.

부작용도 관찰됩니다. 2025년에는 응답자의 5%만 "AI 때문에 협업이 줄었다"고 답했는데, 2026년에는 20%로 늘었습니다. 각자 혼자 빨라지면서 팀이 같이 판단하는 시간이 사라진 겁니다. AI 도입의 성공 사례에도 따라붙는 비용입니다.

그러니 "디자이너는 여전히 필요합니다"로 끝내는 건 게으른 결론입니다. 정확히는 다른 종류의 디자이너가 필요해졌고, 이전 종류의 자리는 실제로 줄고 있습니다.

지금 준비할 것

한 가지만 고른다면 산출물의 형태를 바꾸는 일입니다. 같은 조사에서 43%의 회사가 이미 작동하는 프로토타입을 산출물로 기대하고 있고, 디자이너의 50%는 AI가 생성한 코드를 프로덕션까지 내보낸 경험이 있다고 답했습니다.

정적 시안 열 장보다 눌러지는 화면 하나가 더 많은 것을 밝혀냅니다. 간격이나 위계는 시안에서도 보이지만, 응답이 3초 걸릴 때 사용자가 무엇을 하는지는 눌러봐야 압니다. 그 왕복을 만드는 구체적인 방법은 Claude Code로 UI를 개선하는 워크플로우와 Figma와 Claude Code의 역할 분담에 정리했습니다.

결국 디자이너가 화면 제작자에서 문제 정의자이자 검증자로 옮겨간다는 얘기인데, 이 문장 자체는 5년 전에도 있었습니다. 달라진 건 그 이동이 더 이상 선택이 아니게 됐다는 점입니다.

그래서 어떤 사람이 남는가

업계 전망을 모아보면 한 단어로 수렴됩니다. 적응형 제너럴리스트입니다. 산출물을 찍어내는 사람보다 UX를 전략적 문제 해결로 다루는 사람 쪽입니다.

다만 이 말을 "다 잘해야 한다"로 읽으면 곤란합니다. 현장에서 보이는 패턴은 오히려 반대에 가깝습니다. 열 가지를 균등하게 하는 사람보다 두세 가지가 뚜렷하게 깊고 나머지는 말이 통하는 사람이 뽑힙니다. 전체를 얕게 훑는 것보다 한 구간을 책임질 수 있는가가 기준입니다.

하나 더 덧붙이면, 업계에서는 2026년을 "AI 피로감의 해"로 보는 시각도 있습니다. 생성 자체보다 유지보수, 품질 편차, 법적 노출, 운영 복잡도 같은 진짜 비용이 드러나기 시작했기 때문입니다. 이 국면에서 가치가 오르는 쓰임은 분명합니다. 빨리 만드는 사람이 아니라, 빨리 나온 것 중에서 무엇을 버릴지 아는 사람입니다.

이런 판단을 기르는 구체적인 훈련법은 안목을 훈련하는 방법에, 역량별로 무엇을 증명해야 하는지는 2026년 UX 디자이너 역량 7가지에 이어서 적었습니다.