최근 AI 업계는 새로운 모델 출시로 뜨겁습니다. GPT의 Astra, 클로드의 Fable 5, 제미나이 3.1 등 차세대 AI 모델들이 잇달아 발표되며 수능 만점, AGI 시작 등의 화제를 낳고 있습니다. 영상 제작 분야에서는 Seepass 2.5, minimax H3 같은 AI 툴들이 실사와 구분이 어려운 결과물을 만들어내며 광고와 영화 제작 업계에 큰 파장을 일으키고 있습니다. 하지만 이러한 기술 발전이 실제 프로젝트 현장에서는 어떤 의미를 갖는지, 우리의 AI 활용과는 어떤 관계가 있는지 냉정하게 살펴볼 필요가 있습니다.

AI 요금제 경쟁 뒤에 숨겨진 현실

AI 커뮤니티에서는 새로운 현상이 나타나고 있습니다. AI 활용자들이 만나면 자신이 한 달에 몇 십만원을 AI 요금제에 지출하는지, 회사가 몇 백만원을 투자하는지 자랑하는 일이 흔해졌습니다. 마치 AI 비용 지출이 전문성의 척도처럼 여겨지는 분위기입니다. 하지만 이러한 비용 투자가 실제로 의미 있는 결과로 이어지는지는 별개의 문제입니다. 개발자 입장에서 클로드 기본 요금제에서 Opus 5 정도로 업그레이드하는 수준이면 충분할 수 있지만, 과연 더 비싼 요금제가 더 나은 결과를 보장하는지 의문이 듭니다.

이러한 배경 속에서 상상공작소라는 이름의 xFactory 프로젝트가 시작되었습니다. 이 프로젝트는 과거 n8n, 자체 개발, 구글 Opal 등으로 여러 차례 시도했다가 중단했던 자동화 작업의 재도전이었습니다. 이전 실패 경험이 있었기에 이번에는 더욱 철저한 검토와 설계 과정을 거쳤습니다. 클로드 Opus가 기획을 담당하고, 힉스필드 MCP를 활용해 이미지와 비디오를 생성하며, 그동안 개발했던 x 시리즈를 통합하는 구조였습니다. 기술적으로 완결성 있는 아키텍처였고, 실현 가능성도 높아 보였습니다.

이미지 생성, 순조로운 첫 단계

프로젝트의 첫 단계인 이미지 생성은 예상보다 순조롭게 진행되었습니다. 썸네일, 상세 페이지, 포스터, 카드뉴스 등 다양한 형태의 이미지를 생성하는 기능이 구현되었습니다. 사용자가 사이즈를 정하고 폰트와 컬러 스타일을 선택한 뒤, 몇 장의 참조 이미지와 참고 자료만 제공하면 클로드가 기획을 수립하고 힉스필드 MCP를 통해 Nano Banana Pro 같은 모델로 원하는 형태의 이미지를 생성하는 방식이었습니다. AI에 대한 전문 지식이 없는 일반 사용자도 손쉽게 카드뉴스를 만들어 인스타그램을 운영할 수 있는 수준이 목표였고, 이는 어느 정도 달성 가능해 보였습니다. 결국 핵심은 클로드의 기획 능력, 즉 얼마나 정교하게 프롬프트를 다듬느냐의 문제였기 때문에 추가 개선만 하면 완성도를 높일 수 있다고 판단했습니다.

영상 생성, 욕심이 부른 복잡성

이미지 생성의 성공에 고무되어 영상 생성 단계로 넘어가자 프로젝트의 범위가 급격히 확대되었습니다. 영상 유형을 제품 소개, 광고, 홍보 영상, 튜토리얼 등 10가지로 세분화하고, 스타일도 실사, 시네마틱, 애니메이션 등 12가지로 나누었습니다. 사용자가 화면 모드를 선택하고 영상 길이를 입력하면 8초 단위로 영상 컷을 생성하고, 이를 xMaker에서 사운드와 편집을 더해 완성된 영상으로 만든다는 계획이었습니다. 기술적으로는 가능해 보였고, 사용자 경험도 매끄러울 것으로 예상했습니다.

그러나 실제 구현 과정에서 예상치 못한 장애물이 나타났습니다. 힉스필드에 월 1,200 크레딧 요금제인 75,000원 상품을 결제하고 작업을 시작했는데, 썸네일 두 장을 만드는 데 88크레딧(약 1,200원), 상세 페이지 하나에 110크레딧(약 1,500원), 60초 영상 하나에 1,520크레딧이 소요되었습니다. 각 스타일별로 개발 테스트를 진행하는 과정에서 크레딧이 빠르게 소진되었고, 충전을 요구하는 메시지가 나타났습니다. 개발 단계에서만 이 정도라면 실제 서비스 운영 시 비용 구조를 어떻게 설계해야 할지 막막했습니다.

개인적으로 사용할 목적이라면 구글 Opal 같은 무료 대안도 있었습니다. 물론 최근 오류가 잦아지고 구글의 시험 버전이라는 한계로 활용도가 떨어지긴 했지만, 구글 Flow의 이미지 생성이나 8초 영상 생성 기능은 실용적이었습니다. 별도 비용을 들이지 않고도 기본적인 콘텐츠 제작은 가능한 셈입니다. 그러나 xFactory 프로젝트는 다수의 사용자를 대상으로 한 서비스였기 때문에 이러한 무료 도구만으로는 안정성과 확장성을 보장할 수 없었습니다. 사용자별 요금제를 설계하고 적정한 마진을 붙여 힉스필드 크레딧을 관리하는 방안을 고민했지만, 비용 예측이 어렵고 수익성도 불투명했습니다.

3일간의 부푼 꿈과 교훈

결국 3일간 밤을 새워가며 공들인 프로젝트는 접어야 했습니다. 기술적으로는 구현 가능했고, 사용자 경험도 좋을 것으로 예상했지만, 비용 구조의 현실적 한계가 프로젝트 지속 가능성을 막았습니다. AI 모델의 성능이 아무리 뛰어나고 데모가 화려해도, 실제 서비스로 전환하는 과정에서 비용, 안정성, 확장성 같은 현실적 요소들이 결정적 장애물이 될 수 있다는 교훈을 얻었습니다. AI 업계의 화려한 발표와 데모 뒤에는 이러한 실전의 간극이 존재하며, 이를 메우는 것이야말로 진짜 AI 활용의 핵심입니다.

AI 기술의 발전 속도는 놀랍지만, 그것을 실제 비즈니스나 프로젝트에 적용하는 과정에서는 여전히 많은 시행착오와 현실적 타협이 필요합니다. 화려한 모델 출시 소식에 현혹되기보다, 자신의 프로젝트에 정말 필요한 것이 무엇인지, 지속 가능한 비용 구조를 어떻게 만들 것인지 냉정하게 판단하는 것이 중요합니다.