디자인 실무자의 생성형 AI 활용 현황과 인식 분석

2. 1. 설문 문항 구성을 위한 선행연구 고찰

본 연구에서는 디자인 실무자의 생성형 AI 활용 현황과 인식을 조사하기 위하여 다학제 선행연구에서 사용된 설문 구성과 조사 영역을 검토하였다. 한국어 교사 연구는 AI 활용 경험, 인식 및 태도, 교육 필요성을 중심으로 설문을 구성하였고(Ahn & Park, 2025), 언어병리사 연구는 AI 지식, 교육 경험, 실제 활용 경험, 활용 계획을 조사하였다(Lee & Yoon, 2025). 또한 음악치료 연구는 AI 활용 인식, 활용 현황, 발전 방안을 다루었으며(Im et al., 2025), 건축설계 실무자 연구는 기본 특성, 도입 현황, 실무자 인식, 장애요인, 요구사항을 중심으로 설문을 설계하였다(Shin, J., 2025). 이들 선행연구를 종합하면, 설문 영역은 대체로 연구대상자 특성, 학습 및 활용 경험, 활용 업무 분야, 긍정 인식 및 기대효과, 부정 인식 및 우려, 실무 지원 요구의 6개 영역으로 수렴하고 있었다.

이에 본 연구는 이러한 공통 구조를 바탕으로 설문 체계를 6개 영역으로 구성하되, 디자인 실무의 특성을 반영하여 문항을 조정하였다. 활용 업무 분야는 자료조사, 아이디어 발상, 시각화 작업, 문서·발표 자료작성이라는 네 항목으로 구성하였다. 이는 개별 업무를 단순히 병렬적으로 나열한 것이 아니라, 디자인 프로세스에서 통상적으로 거치는 조사-발상-구체화-전달의 단계적 흐름을 반영한 것이다. 또한 실무 지원 요구 영역은 보다 구체적인 분석을 위하여 가이드라인·매뉴얼 필요성과 교육 필요성을 포함하는 제도적 지원 필요성, 그리고 필요한 지원과 핵심 장애요인을 포함하는 조직적 지원 및 장애요인으로 구분하여 반영하였다.

본 연구의 설문 체계는 생성형 AI를 단순히 인식하고 사용하는가를 파악하는 데 그치지 않고, 디자인 실무자가 생성형 AI를 어떻게 학습하고 활용하며, 어떠한 기대와 우려 속에서 수용하고, 실무 정착을 위해 무엇을 요구하는가를 입체적으로 분석하기 위한 구조로 설계되었다. 이를 바탕으로 본 연구에서는 각 조사 영역에 대응하는 설문 문항을 C1-C26과 P27-P30으로 구성하였다. 이상의 내용을 종합하면 Table 1과 같다.

Table 1

Linkage Between Prior Survey Domains and Questionnaire Items

2. 2. 분석의 틀 설정을 위한 이론적 고찰

본 연구는 1장에서 제시한 네 가지 연구문제를 인식과 활용 간의 간극, 지속활용의향과 기술수용 요인, 심리적·윤리적 딜레마, 장애요인과 조직적·제도적 지원 요구라는 네 가지 분석축으로 정립하였다. 생성형 AI라는 새로운 기술이 디자인 실무 과업과 프로세스에 도입되면서 나타나는 수용과 정착의 문제를 정교하게 검증하고 해석하기 위하여, 기술수용 및 디자인 프로세스 관련 선행연구를 바탕으로 세 가지 이론적 틀을 도입하였다.

첫째, 과업-기술 적합성 이론(Task-Technology Fit: TTF)을 생성형 AI와 디자인 실무 과업 간의 관계를 해석하는 통합적 관점으로 채택하였다. TTF는 정보기술이 성과에 긍정적 영향을 미치려면 실제로 활용될 뿐 아니라 지원하는 과업의 특성과 부합해야 한다고 본다(Goodhue & Thompson, 1995). 본 연구는 이 관점을 바탕으로 디자인 프로세스상 업무영역에 따른 인식-활용 간극, 그리고 지속활용의향이 업무영역별로 상이한 경로를 통해 설명될 수 있는지를 해석하고자 하였다.

둘째, 기술수용모델(Technology Acceptance Model: TAM)을 지속활용의향을 설명하는 기본 변인 체계로 채택하였다. TAM은 지각된 유용성과 용이성이 신기술에 대한 태도와 행동의도를 설명하는 대표적 모형이다(Davis, 1989). 특히 디자인 분야에서도 생성형 인공지능 이용 만족도와 지속사용 의도 간의 관계를 분석한 연구가 수행된 바 있어, 지속활용의향은 디자인 실무자의 생성형 AI 수용을 설명하는 핵심 변인으로 설정할 수 있다(Guo, Jung, & Lee, 2024). 본 연구에서 측정한 효율성, 사용용이성, 익숙도, 신뢰성은 TAM의 수용 변인을 디자인 실무 맥락에 맞게 조작화한 것이며, 이 가운데 신뢰성 변인은 심리적·윤리적 우려와의 관계를 해석하는 연결 변인으로 함께 활용하였다. 또한 생성형 AI 활용 과정에서 제기되는 저작권, 창작 주체성, 결과물 책임의 문제는 디자인 윤리의 주요 쟁점으로 논의되어 왔으므로, 본 연구에서는 독창성 약화, 표절 문제, 정확성 우려, 직무불안과 같은 우려 요인을 신뢰성과 연결하여 분석하였다(Lee, 2025).

셋째, TTF가 강조하는 과업 특성을 디자인 맥락에서 구체화하기 위해 길포드(Guilford, 1967)의 발산-수렴 구조(divergent-convergent structure)를 함께 활용하였다. 발산적 사고와 수렴적 사고는 본래 인간이 문제를 해결하는 과정에서 나타나는 인지적 조작을 구분한 개념으로, 각각 대안을 확장적으로 탐색하는 과정과 이를 좁혀 구체화·검증하는 과정을 가리킨다. 이 개념은 더블 다이아몬드 모델을 통해 디자인 프로세스의 ‘사고 단계’로 널리 알려져 있으나(Design Council, 2004), 그 본질은 특정 단계가 아니라 과업 수행 방식에 내재한 인지적 성격에 있다. 이에 따라 자료조사, 아이디어 발상, 시각화 작업, 문서·발표 자료작성과 같은 개별 업무 영역 역시 각각 발산적 또는 수렴적 성격을 내재적으로 지닌다고 볼 수 있으며, 본 연구는 이러한 관점에서 이를 업무영역별 인식과 활용 수준의 차이를 해석하는 틀로 활용하였다.

Table 2

Linkage Between Analytical Axes and Theoretical Frameworks

3. 1. 연구대상자 및 측정 도구

본 연구는 디자인 실무자의 생성형 AI 활용 현황과 인식을 분석하기 위한 설문조사 기반의 정량적 실증연구이다. 연구대상은 현업 디자인 실무자로 한정하였으나, 디자인 실무자 전체를 모집단으로 조사하기가 사실상 어려우므로, 비확률 표본추출의 편의표집법을 적용하였다. 자료 수집은 온라인 설문조사를 통해 이루어졌다. 측정도구는 총 6개 영역 30문항으로 구성하였다. 측정방식은 문항의 성격에 따라 5점 리커트 척도, 복수응답형, 단일선택형으로 구분하여 적용하였다. 척도로 측정된 문항들(C9~C26)의 내적 일관성을 검토한 결과 Cronbach’s α는 .847로 신뢰도를 확보한 것으로 확인되었다. 설문 문항은 Table 3과 같다.

Table 3

Composition of Survey Items and Measurement Scales

3. 2. 가설 설정 및 연구모형

본 연구는 앞서 제시한 분석의 축을 바탕으로 연구가설을 설정하였다. 장애요인과 조직적·제도적 지원 요구(RQ4)는 생성형 AI의 실무 정착 현황과 요구를 파악하기 위한 탐색적 분석으로 설정하였으며, 별도의 가설검증 대상에는 포함하지 않았다. 반면 인식과 활용 간의 간극(RQ1), 지속활용의향과 기술수용 요인(RQ2), 심리적·윤리적 딜레마(RQ3)는 통계적으로 검증하기 위하여 다음과 같이 연구가설을 설정하였다.

• 분석 1. 인식과 활용 간의 간극
   • 가설 1: 인식과 활용 간의 간극은 업무영역에 따라 유의한 차이를 보일 것이다.
• 분석 2. 지속활용의향과 기술수용 요인
   • 가설 2: 지속활용의향은 효율성, 사용용이성, 익숙도, 신뢰성과 같은 기술수용 요인에 의해 유의한 정(+)의 영향을 받을 것이다.
   • 가설 3: 지속활용의향은 업무영역별 유용인식과 실제 활용이라는 서로 다른 경로를 통해 예측될 것이다.
• 분석 3. 심리적·윤리적 딜레마
   • 가설 4: 심리·윤리적 우려 요인은 신뢰성에 유의한 영향을 미칠 것이다.

가설 2와 가설 3은 동일한 종속변수인 지속활용의향을 설명하지만, 가설 2는 TAM에 기반한 일반적 기술수용 요인(효율성, 사용용이성, 익숙도, 신뢰성)의 영향을, 가설 3은 TTF에 기반한 업무영역별 유용성 인식과 실제 활용 수준이라는 상이한 이론적 경로의 영향을 검증하는 것이므로, 두 가설은 하나의 통합모형이 아닌 별도의 회귀모형으로 검증하였다. 이상의 네 가지 분석의 축과 네 가지 연구가설의 관계를 종합한 연구모형은 Figure 1과 같다.

Figure 1

Research Model

3. 3. 연구수행 및 분석방법

본 조사는 2026년 3월 20일부터 4월 3일까지 2주간 한국디자인진흥원(KIDP)의 인적 네트워크를 통해 온라인으로 실시하였다. 총 159명의 유효 응답을 확보하였으나, 생성형 AI 사용기간 문항에서 ‘사용한 적 없음’으로 응답한 11명을 제외하고 148명을 최종 분석 표본으로 확정하였다. 자료 분석은 Stata/MP 16과 SPSS Statistics 25를 병행 활용하였으며, 기술통계, 빈도분석, 대응표본 t-검정, Friedman 검정, 다중회귀분석을 실시하였다.

4. 1. 연구대상자의 특성 및 AI 활용 현황

연구대상자의 특성을 살펴보면, 성별은 여성 82명(55.4%), 남성 66명(44.6%)으로 구성되었으며, 연령대는 30대가 57명(38.5%)으로 가장 높은 비중을 차지하였고, 다음으로 20대가 41명(27.7%)으로 나타났다. 디자인 분야는 시각디자인(24.3%), 제품디자인(23.0%), 공간·환경디자인(18.2%) 순으로 분포하였다.

Table 4

Characteristics of the Participants

생성형 AI 활용 현황을 살펴보면, 사용기간은 ‘1년 이상’이 68명(45.9%)으로 가장 많았고, 다음으로 ‘6개월~1년 미만’이 33명(22.3%)으로 나타났다. 사용빈도는 ‘매일’이 65명(43.9%)으로 가장 높았으며, ‘주 1~2회 정도’ 31명(20.9%), ‘주 3회 이상’ 27명(18.2%) 순으로 나타나, 전체의 83.0%가 최소 주 1회 이상 생성형 AI를 활용하는 것으로 확인되었다. 이상의 결과는 Table 5와 같다.

Table 5

Duration and Frequency of Generative AI Use

반면, 체계적인 교육 경험에 대해서는 응답자의 절반인 74명(50.0%)이 ‘받은 적 없다’고 응답하였다. 또한 학습경로는 ‘독학’ 60명(40.5%), 유튜브 등을 포함한 ‘무료 온라인 채널’ 35명(23.6%) 순으로 나타나, 전체의 64.1%가 생성형 AI 활용법을 자가 습득한 것으로 나타났다. 이는 실무 현장에서 생성형 AI 기술이 빠르게 확산되고 있음에도 불구하고, 이를 뒷받침할 체계적인 교육 인프라는 충분히 마련되지 못하고 있음을 시사한다. 이상의 결과는 Table 6과 같다.

Table 6

Educational Experience and Learning Pathways for Generative AI Use

또한, 주로 사용하는 생성형 AI 도구(복수응답)를 분석한 결과, 상위 10위 중 범용 언어모델인 ChatGPT 130명(87.8%)과 Gemini 114명(77.0%)의 사용률이 가장 높게 나타났다. 이어 이미지 및 영상 작업에 특화된 Midjourney 47명(31.8%)과 Adobe Firefly 40명(27.0%) 순으로 나타났다. 이러한 결과는 디자인 실무자들이 자료조사, 아이디어 발상, 문서·발표 자료작성과 같은 텍스트 기반의 업무에서는 범용 언어모델을 주로 활용하고, 이미지 생성이 요구되는 디자인 작업에서는 이미지와 영상 생성에 특화된 AI 도구를 병행하여 활용하고 있음을 인지할 수 있다.

Table 7

Main AI Tools Used (Multiple Responses)

4. 2. 생성형 AI에 대한 인식과 활용 간의 간극

우선적으로 디자인 실무자가 수행하는 네 가지 업무영역에서 생성형 AI에 대한 유용성 인식(C19~C22)과 실제 활용 수준(C9~C12) 간의 차이를 확인하기 위하여 대응표본 t-검정을 Table 8과 같이 실시하였다. 분석 결과, 아이디어 발상에서만 유의한 차이가 나타났으며(p<.001), 자료조사, 시각화 작업, 문서·발표 자료작성에서는 유의한 차이가 확인되지 않았다.

Table 8

Perception-Use Gap by Task Domain

그러나 대응표본 t-검정은 각 업무영역 안에서 인식과 활용의 차이가 있는지를 확인하는 분석이므로, 업무영역 간 간극의 크기 자체가 유의하게 다른지는 별도로 검증할 필요가 있다. 이에 가설 1, 즉 인식과 활용 간의 간극이 업무영역에 따라 유의한 차이를 보이는지를 확인하기 위하여 Friedman 검정을 실시하였다. 분석 결과, 업무영역 간 간극의 크기는 유의하게 다른 것으로 나타났다(p<.001). 특히 아이디어 발상 영역은 다른 업무영역보다 간극이 가장 컸고, 문서·발표 자료작성 영역은 간극이 상대적으로 작았다. 이는 생성형 AI가 발산적 단계인 아이디어 발상에서는 기대만큼 충분히 충족되지 못하지만, 수렴적 단계인 문서·발표 자료작성에서는 기대에 비교적 부합하게 활용되고 있음을 의미한다. 따라서 Table 9와 같이 업무영역에 따라 인식과 활용 간의 간극 차이가 유의하게 확인되었으므로 가설 1은 채택되었다.

Table 9

Friedman Test Results for Perception-Use Gaps by Task Domain

4. 3. 생성형 AI에 대한 지속활용의향과 기술수용 요인

가설 2, 3은 서로 다른 이론적 경로를 검증하므로, 이를 하나의 위계적 회귀모형으로 통합하지 않고 각각 독립적인 회귀모형으로 검증하였다. 우선, 가설 2, 즉 지속활용의향이 효율성, 사용용이성, 익숙도, 신뢰성과 같은 기술수용 요인에 의해 유의한 정(+)의 영향을 받는지를 검증하기 위하여 다중회귀분석을 실시하였다. 분석 결과, 회귀모형은 유의하였으며, 효율성만이 지속활용의향에 유의한 정(+)의 영향을 미치는 것으로 확인되었다(β=.609, p<.001). 이는 디자인 실무자가 생성형 AI를 지속적으로 활용하려는 이유가 사용이 쉽거나 익숙해서가 아니라, 실제 작업 효율을 높여준다고 인식하기 때문임을 의미한다. 따라서 가설 2는 효율성에 한하여 부분 채택되었다. 이상의 분석 결과는 Table 10과 같다.

Table 10

Regression Results for Continuance Intention

다음으로 가설 3, 즉 지속활용의향이 유용성 인식과 실제 활용 수준이라는 서로 다른 경로를 통해 예측되는지를 검증하기 위하여, 업무영역별 유용성 인식(C19~C22)을 투입한 모형과 실제 활용 수준(C9~C12)을 투입한 모형을 각각 구성하였다. 먼저, 유용성 인식 모형에서는 아이디어 발상의 유용성 인식만이 지속활용의향에 유의한 정(+)의 영향을 미치는 것으로 확인되었고(β=.619, p<.001), 자료조사, 시각화 작업, 문서·발표 자료작성의 유용성 인식은 유의하지 않았다. 이는 디자인 실무자가 생성형 AI를 계속 활용하려는 기대가 주로 아이디어를 확장하고 새로운 발상을 도울 수 있다는 인식에서 형성됨을 의미한다. 이상의 분석 결과는 Table 11과 같다.

Table 11

Continuance Intention by Perceived Usefulness Domain

다음으로 실제 활용 모형에서는 문서·발표 자료작성의 실제 활용만이 지속활용의향에 유의한 정(+)의 영향을 미치는 것으로 확인되었다(β=.324, p<.001). 이는 생성형 AI에 대한 기대는 아이디어 발상 단계에서 형성되지만, 실제 사용 경험을 통해 문서화와 자료 전달 단계에서 실제 업무 효율을 체감하게 되면서 지속활용의향과 연결된다. 따라서 가설 3은 채택되었다. 이상의 분석 결과는 Table 12와 같다.

Table 12

Continuance Intention by Actual Use Domain

4. 4. 생성형 AI 활용에 대한 심리적·윤리적 딜레마

생성형 AI에 대한 신뢰성과 심리적·윤리적 우려 요인의 수준을 살펴보면, 가설 4, 즉 독창성 약화, 표절 문제, 정확성 우려, 직무불안과 같은 심리적·윤리적 우려 요인이 신뢰성에 유의한 영향을 미치는지를 검증하기 위하여 다중회귀분석을 실시하였다. 분석 결과, 회귀모형은 유의하였으며, 정확성 우려만이 신뢰성에 유의한 부(-)의 영향을 미치는 것으로 확인되었다(β=-.451, p<.001). 이는 AI 디자인 결과가 정확하지 않을 수 있다는 걱정이 클수록 생성형 AI에 대한 신뢰성이 낮아진다는 것을 의미한다. 즉, 디자인 실무자의 생성형 AI 신뢰성이 윤리적 문제나 직무불안보다 결과물의 정확성 우려와 더 밀접하게 연결되는 것으로 나타났다. 이에 가설 4는 정확성 우려에 한하여 부분 채택되었다. 이상의 분석 결과는 Table 13과 같다.

Table 13

Regression Results for Effects of Concern Factors on Trust

4. 5. 생성형 AI 실무 정착의 장애요인과 조직적·제도적 지원 요구

본 연구의 분석 4, 장애요인과 조직적·제도적 지원 요구는 앞선 분석들과 달리 통계적 가설검증이 아니라, 생성형 AI의 실무 정착 과정에서 나타나는 주요 장애요인과 지원 요구를 파악하기 위한 탐색적 분석이다. 장애요인(P30)과 조직적 지원 요구(P29)는 단일선택형으로 조사하여 빈도분석을, 제도적 지원 필요성(P27, P28)은 5점 리커트 척도로 조사하여 기술통계를 실시하였다.

생성형 AI의 실무 정착을 저해하는 핵심 장애요인을 빈도분석한 결과, 결과 신뢰성 부족이 33.8%로 가장 높았고, 사용법 미숙 21.6%, 저작권·법적 위험 17.6%, 비용 부담 14.9% 순으로 나타났다. 이어서 조직적 지원 요구를 살펴본 결과, 유료 툴 지원이 33.8%로 가장 높았으며, 저작권 가이드 정립 18.9%, 기존 업무 프로세스 내 통합 17.6%, 결과물 검수 기준 15.5% 순으로 나타났다. 이는 생성형 AI의 실무 정착에서 유료 도구에 대한 접근성, 개인 디자이너의 사용 역량, AI 산출물을 실무 결과물로 채택할 수 있는 신뢰성·저작권·검수 기준의 문제가 복합적으로 제기되고 있는 것으로 해석할 수 있다. 이상의 탐색적 분석 결과는 Table 14와 같다.

Table 14

Frequency Analysis of Barriers and Support Needs

제도적 지원 필요성을 살펴보면, 가이드라인·매뉴얼 필요성은 리커트 척도 응답 평균 4.18, AI 활용 교육의 필요성은 평균 4.22로 모두 높게 나타났다. 이는 디자인 실무자들이 생성형 AI 활용을 위한 기준과 교육의 필요성을 높게 인식하고 있음을 의미한다. 앞서 확인한 조직적 지원 요구와 장애요인 결과를 함께 고려할 때, 생성형 AI의 실무 정착을 위해서는 제도적 차원의 가이드라인과 교육, 조직적 차원의 유료 툴 지원, 검수 기준, 업무 프로세스 통합이 함께 마련될 필요가 있음을 시사한다. 이상의 탐색적 분석 결과는 Table 15와 같다.

Table 15

Descriptive Statistics for Institutional Support Needs

4. 6. 분석 종합 결과

본 절에서는 앞서 수행한 통계분석 결과를, 과업-기술 적합성 이론(TTF)이라는 통합적 관점 아래 발산-수렴 구조와 기술수용모델(TAM)을 통해 재해석함으로써, 디자인 실무에서 생성형 AI가 수용되고 정착하는 과정의 구조를 밝히고자 하였다.

첫째, 과업-기술 적합성 이론(TTF) 관점에서 생성형 AI는 디자인 업무영역 전반에서 동일하게 적합한 도구로 활용되고 있지 않았다. 자료조사, 아이디어 발상, 시각화 작업, 문서·발표 자료작성과 같은 디자인 업무영역 가운데 아이디어 발상 영역에서는 유용할 것이라는 인식은 높으나 실제 활용은 이에 미치지 못하고 있었다. 이에 비해 문서·발표 자료작성에서는 인식한 만큼 실제로도 활용하고 있는 것으로 나타났다. 인식과 활용 간의 간극은 업무영역에 따라 유의하게 다르게 나타났으며, 이에 가설 1은 채택되었다(p<.001).

둘째, 발산-수렴 구조 관점에서 디자인 업무 프로세스에서 생성형 AI에 대한 기대가 형성되는 지점과 실제 활용이 정착되는 지점은 서로 다르게 나타났다. 지속활용의향은 발산 단계인 아이디어 발상을 유용하다고 인식하는 데서 기대가 형성되지만, 실제로 그 의향이 이어지는 것은 수렴 단계인 문서·발표 자료작성의 활용 경험을 통해서였다. 지속활용의향은 업무영역별 유용성 인식과 실제 활용이라는 서로 다른 경로를 통해 예측되는 것으로 나타났으며, 이에 가설 3은 채택되었다(p<.001). 이는 첫째에서 확인한 업무영역별 간극의 양상과도 일치한다.

Figure 2

TTF and Divergent-Convergent Interpretation of the Design Process

셋째, 기술수용모델(TAM) 관점에서 생성형 AI에 대한 수용은 업무 효율과 결과물 정확성이라는 실무적 판단을 중심으로 형성되었다. 사용이 쉽거나 익숙해서가 아니라 실제 업무 효율을 높여준다고 인식할 때 지속활용의향이 형성되는 것으로 나타났으며, 이에 가설 2는 효율성에 한하여 부분 채택되었다(p<.001). 또한 생성형 AI가 만든 결과물의 정확성에 대한 우려가 클수록 신뢰성이 유의하게 낮아지는 반면, 독창성 약화, 표절 문제, 직무불안은 본 분석에서 신뢰성을 유의하게 설명하는 요인으로 확인되지 않았다. 따라서 가설 4는 정확성 우려에 한하여 부분 채택되었다(p<.001). 이는 생성형 AI에 대한 수용이 기술 자체에 대한 일반적 호감이나 친숙함이 아니라, 업무 효율성과 결과물 정확성이라는 실무적 판단을 중심으로 선택적으로 형성되고 있음을 보여준다.

넷째, 이러한 결과는 실무 정착 조건의 분석과도 연결된다. 핵심 장애요인과 지원 요구 분석에서는 결과 신뢰성 부족, 사용법 미숙, 저작권·법적 위험, 비용 부담이 주요 장애요인으로 나타났고, 조직적 지원 요구에서는 유료 툴 지원, 저작권 가이드 정립, 업무 프로세스 통합, 결과물 검수 기준이 높게 나타났다. 특히 핵심 장애요인 1위인 결과 신뢰성 부족은, 앞서 확인한 정확성 우려가 신뢰성을 유의하게 낮춘다는 결과와 같은 지점을 가리킨다. 즉 신뢰성 문제는 인식 차원에 머물지 않고 실무 현장에서 주요 장벽으로 인식되고 있음을 보여준다. 이는 생성형 AI의 실무 정착이 단순한 개인 사용 경험의 문제가 아니라, 유료 도구에 대한 접근성, 사용 역량, AI 산출물을 실무 결과물로 채택할 수 있는 신뢰성·저작권·검수 기준의 문제가 복합적으로 얽혀 있는 과정임을 보여준다.

이상을 종합하면, 디자인 실무 현장에서 생성형 AI에 대한 기대와 실제 정착은 업무영역에 따라 뚜렷한 비대칭을 보인다. 창작 과정에서 발산적 성격이 강한 아이디어 발상 단계에서는 생성형 AI가 유용할 것이라는 기대가 가장 크게 형성되지만, 그 기대만큼 실제 활용으로는 이어지지 못하고 있다. 반면 결과를 정리하고 전달하는 문서·발표 자료작성 단계에서는 효율성이 뚜렷하게 체감되면서 인식과 활용이 비교적 안정적으로 맞물려, 실제 지속적인 정착이 이루어지는 지점이 되고 있다. 이러한 비대칭은 생성형 AI가 생성한 결과에 대한 신뢰성 부족, 저작권·법적 위험과 같은 결과 책임성의 문제, 그리고 유료 툴 접근성과 사용 역량이라는 실무 조건과 함께 나타난다. 따라서 디자인 실무에서 생성형 AI의 수용은 창의적 가능성에 대한 기대만으로 형성되는 것이 아니라, 효율성, 정확성, 검수 기준, 도구 접근성과 같은 실무적 조건을 중심으로 선택적으로 정착되고 있는 과도기적 상태로 해석할 수 있다.