혹시 AI라고 하면 아직도 ChatGPT에 질문하고 답을 받는 장면부터 떠오르시나요?
그렇다면 솔직하게 말씀드리겠습니다. 지금 여러분은 AI가 할 수 있는 일의 일부만 보고 계신 겁니다.
요즘 유튜브 쇼츠를 넘기다가 "이거 AI 아니야?" 싶은 영상, 한 번쯤 보셨죠?
광고 속 성우 목소리가 사실은 AI라는 이야기도 들어보셨을 겁니다.
그리고 "나도 써봐야 하는데…" 하면서 미뤄두셨을 거고요.
그런데 막상 시작하려니 이런 생각이 드셨을 겁니다.
- "AI 영상? 아직 손가락 여섯 개 나오는 어색한 수준 아니야?"
- "그런 건 결국 전문가나 쓰는 거지."
- "툴이 매달 바뀌는데 언제 다 배워?"
이 세 가지 의심, 이 글 하나로 정리해 드리겠습니다.
이 글은 국내 대표 개발 유튜버 조코딩의 'AI 리터러시 특강' 2강 내용을 바탕으로, 강의에 나온 각 서비스의 공식 발표를 하나하나 교차 확인해서 정리했습니다. 중학생도 읽을 수 있게 썼고, 5분이면 충분합니다. 다 읽고 나면 주변 사람에게 "요즘 AI로 이런 것까지 돼"라고 정확하게 설명하실 수 있게 됩니다.
결론부터 말씀드립니다. 이제 AI 결과물의 품질은 사람 손재주의 문제가 아닙니다. 남은 문제는 단 하나, "무엇을 시킬 것인가"입니다.
왜 그런지, 분야별로 보여드리겠습니다.
🖼️ 1. 이미지: 이제 사진과 구분이 안 됩니다
강의에서 조코딩은 "서울 골목 카페에서 웃고 있는 두 친구의 스마트폰 스냅"이라는 문장 하나로 이미지를 뽑아 보여줍니다. 여러 번 다시 뽑은 것도 아닌데, 얼핏 봐서는 실제 사진인지 생성 이미지인지 판별이 어렵습니다.
단순히 '그럴듯한' 수준이 아닙니다
- 초정밀 묘사: 수천 알의 쌀더미 중 쌀 한 톨에 글자를 새겨 달라고 하면, 확대해야 보일 만큼 정교하게 표현됩니다.
- 손글씨: 사람이 직접 쓴 듯한 필체까지 재현됩니다.
- 한글 텍스트: 예전엔 한글이 외계어처럼 깨졌지만, 지금은 한글 포스터를 한 번에 뽑을 수 있는 수준입니다.
실무에서 바로 쓰는 '변형' 기능
- 스마트폰으로 대충 찍은 햄버거 사진 → 스튜디오 촬영본 같은 음식 사진으로 변환 (자영업 메뉴판·배달앱 사진에 바로 활용)
- 집 평면도에 화살표만 그려 넣기 → 그 방향에서 바라본 3D 실내 뷰 생성 (인테리어 시안 검토용)
즉, 이미지 AI는 "신기한 장난감" 단계를 지나 실제 업무에 투입 가능한 단계에 들어섰다는 것이 강의의 진단입니다.
🎙️ 2. 음성: '로봇 말투'의 시대는 끝났습니다
텍스트를 음성으로 바꾸는 기술(TTS) 하면 딱딱한 내비게이션 목소리가 떠오르실 겁니다. 지금은 다릅니다.
강의에서 시연한 것은 음성 AI 기업 일레븐랩스(ElevenLabs)의 Eleven v3 모델입니다. 대본 중간에 대괄호로 감정을 적어 넣으면, 그 감정대로 성우처럼 연기해 읽어 줍니다. 70개 이상의 언어를 지원하고, 화자에 따르면 한국어 표현도 예전과 비교할 수 없을 만큼 자연스러워졌다고 합니다.
예시 대본
[신나서] 드디어 주말이에요! [속삭이며] 그런데 아직 보고서를 안 끝냈어요… [한숨]
이렇게 쓰면 들뜬 목소리 → 속삭임 → 한숨까지, 한 문장 안에서 감정이 바뀝니다. 녹음실도, 성우도 없이요.
🎵 3. 음악: 프롬프트 한 줄이 한 곡이 됩니다
작곡은 오랫동안 '재능의 영역'이었습니다. 그런데 수노(Suno) 같은 서비스에선 원하는 분위기와 스타일만 적으면 몇 초 만에 가사와 보컬이 들어간 곡이 나옵니다.
강의에서는 한 경제 포럼 행사의 정보만 입력했더니, 그 행사에 맞춘 축제풍 노래가 한 번에 완성되는 장면이 나옵니다. 원래라면 작사·작곡·녹음을 따로 거쳐야 했던 일입니다.
더 무서운 건 '부분 수정'입니다
Suno에는 곡의 특정 구간만 골라 다시 만드는 구간 교체(Replace Section) 기능이 있습니다(유료 플랜 기능). 예를 들어 가사 속 지역 이름 하나만 바꾸고 싶다면, 그 구간의 가사만 고쳐서 교체하면 됩니다. 원곡의 분위기는 그대로 유지한 채 앞뒤가 자연스럽게 이어집니다.
"처음부터 다시"가 아니라 "고칠 곳만 고친다". 이게 실무 도구가 되느냐 마느냐를 가르는 기준입니다.
🎬 4. 영상: 30초 뮤직비디오가 한 번에 나옵니다
강의의 하이라이트입니다. 조코딩은 바이트댄스의 영상 생성 모델 Seedance 2.5로 아이돌 뮤직비디오 프롬프트를 한 번 입력해 30초 영상을 만들어 보여줍니다.
- Seedance 2.5는 2026년 7월 31일 공개됐고, 한 번에 생성 가능한 길이가 15초에서 30초로 늘어났습니다.
- 영상과 소리(노래·대사)를 함께 생성합니다.
- 여러 장면이 바뀌는 동안에도 인물의 얼굴이 일관되게 유지됩니다.
화자는 이 모델을 "현재 기준 가장 성능이 좋은 모델"로 소개했고, 동시에 아직 완벽한 품질은 아니라는 점도 짚었습니다. 다만 프롬프트를 정교하게 쓰고 여러 번 다듬으면 충분히 활용 가능한 결과물이 나온다는 것이 그의 평가입니다.
📊 5. 불과 3년 만에 이렇게 바뀌었습니다
사실 진짜 중요한 건 "지금 얼마나 좋은가"가 아니라 "얼마나 빨리 좋아지고 있는가"입니다.
| 분야 | 2023년 | 2026년 |
|---|---|---|
| 이미지 | 손가락이 6~7개로 나오는 일이 흔함 | 사진급 사실감, 한글 텍스트까지 표현 |
| 음성 | 기계적인 로봇 말투 | 감정 태그로 성우급 연기 |
| 음악 | 짧은 멜로디 조각 수준 | 가사·스타일만으로 완곡 + 구간 편집 |
| 영상 | 일그러진 무음 클립 ('윌 스미스 스파게티' 밈) | 소리 포함 최대 30초, 인물 일관성 유지 |
3년 전 웃음거리였던 스파게티 영상이, 지금은 노래와 안무가 들어간 뮤직비디오가 됐습니다. 이 속도라면 3년 뒤는 어떨까요?
🤔 6. 그래서, 우리는 무엇을 공부해야 할까요?
여기서 대부분의 사람들이 같은 실수를 합니다. "그럼 Seedance 사용법부터 배워야겠다", "Suno 강의를 끊어야겠다".
상식과 반대로 말씀드리겠습니다. 툴 사용법은 가장 나중에 배워도 됩니다.
툴은 몇 달마다 바뀝니다. 오늘 배운 버튼 위치는 내년에 쓸모가 없습니다. 하지만 "무엇을, 어떻게 시킬지 정하는 능력"은 어떤 툴이 나와도 그대로 남습니다. 조코딩이 강의 마지막에 강조한 것도 바로 이 지점입니다. 이제 "얼마나 잘 만드느냐"는 AI가 상당 부분 해결해 주고, 사람에게 남은 건 "무엇을 만들 것인가"라는 질문입니다.
'지시력'을 키우는 5단계
- 결과물부터 정의하기: 누구에게, 어디에 올릴, 어떤 느낌의 결과물인지 한 문장으로 먼저 씁니다.
- 레퍼런스 모으기: "이런 느낌"을 보여줄 사진·음악·영상을 준비합니다. 말보다 예시가 정확합니다.
- 여러 개 뽑고 고르기: 첫 결과물은 원석입니다. 2~3개를 비교해 가장 나은 것을 고릅니다.
- 고칠 곳만 고치기: 전체를 다시 뽑지 말고, 구간 교체·부분 수정 기능으로 약한 부분만 다듬습니다.
- 마지막 판단은 사람이: 사실 관계, 실존 인물·브랜드의 초상권과 저작권 문제는 AI가 대신 책임져 주지 않습니다.
✅ 7. 오늘 바로 해볼 수 있는 3가지
읽기만 하면 내일이면 잊습니다. 딱 하나만이라도 오늘 해보세요.
- 사진 한 장: 휴대폰 속 음식이나 제품 사진 하나를 "스튜디오에서 찍은 것처럼" 바꿔 달라고 해보세요.
- 목소리 한 줄: 내가 쓴 글의 첫 문단에 감정 태그를 넣어 AI 음성으로 들어보세요.
- 노래 한 곡: 가족이나 팀의 이야기를 몇 줄 적어, 우리만의 노래를 만들어 보세요.
마치며
처음의 세 가지 의심으로 돌아가 볼까요?
- "아직 어색한 수준 아니야?" → 3년 만에 30초 뮤직비디오까지 왔습니다.
- "전문가나 쓰는 거지?" → 문장 한 줄이면 됩니다.
- "툴이 너무 자주 바뀌는데?" → 그래서 툴이 아니라 지시력을 키워야 합니다.
AI가 "얼마나 잘 만드느냐"를 해결해 주는 시대, 마지막 질문은 이것 하나입니다.
여러분은 AI로 무엇을 만들고 싶으신가요? 댓글로 남겨 주시면, 다음 글에서 실제로 만들어 보는 과정을 다뤄 보겠습니다.
※ 이 글은 2026년 10월 기준 정보이며, 각 서비스의 기능·요금·이용 가능 플랜은 수시로 바뀔 수 있습니다. 모델 성능에 대한 평가는 강의 화자의 개인 의견을 인용한 것입니다.
0 댓글