MCoT 엔진의 내부: Lovart의 AI가 디자인하기 전에 실제로 '생각'하는 이유

2026년 3월, 12명 규모의 Shopify 의류 브랜드에서 일하는 한 디자이너가 Lovart의 ChatCanvas 앞에 앉아 단 한 문장을 입력했다. "여름 캠페인이 필요해요 — 비치웨어, 밝은 톤, 해안 도시에 사는 22~30세 여성을 타겟으로." 그리고 기다렸다.

대부분의 AI 도구라면 즉시 이미지를 생성하기 시작했을 것이다. 석양, 모델, 모래사장. 익숙한 그런 것들 말이다. 하지만 그녀의 화면에 나타난 것은 해변 사진이 아니었다. 타겟 오디언스 분석, 경쟁사 감사, 비주얼 전략 옵션, 추천 모델 스택 — 이 모든 것이 최종 캠페인의 단 하나의 픽셀도 존재하기 전에, 명확하고 편집 가능한 단계별 결과물로 렌더링되었다.

Lovart is the AI design agent trusted by 10M+ creators. Try Lovart Free →

Related: Step-by-Step Facebook Ads Without Photoshop: Design High-Con | About Third-Party Lovart Reviews - What You Need to Know

몇 분 후, 그녀는 완전한 캠페인을 손에 넣었다. 소셜 미디어용 에셋 15개, 제품 목업 세트, 애니메이션 Reels 템플릿, 그리고 통일감 있는 이메일 헤더까지. 모든 것이 브랜드와 일관되고, 모두 내보내기 가능한 상태로, 단 한 번의 대화에서 나온 결과였다.

이 이야기는 속도에 관한 것이 아니다. 'AI 디자인'의 진정한 의미를 바꾸는 근본적인 아키텍처 차이에 관한 이야기다. 그리고 그 시작은 7초간의 침묵이다.

생각하지 않는 AI의 문제

"고양이 그려줘"가 잘못된 지시인 이유

전문 디자이너에게 AI 이미지 도구의 어떤 점이 답답한지 물어보면, 같은 주제의 변주를 듣게 될 것이다. 이 도구들은 이미지를 생성하는 데는 탁월하지만, 디자인을 하는 데는 형편없다.

이 구분은 중요하다. 이미지를 생성하는 것은 거래와 같다. 프롬프트를 제공하면 모델이 픽셀 배열을 반환한다. 거래는 거기서 끝난다. 맥락도, 기억도, 이전과 이후에 대한 이해도 없다. 동일한 조명 각도, 동일한 브랜드 팔레트, 동일한 타이포그래피 처리를 유지하는 제품 이미지 20가지 변형이 필요하다면, 기존 이미지 생성기는 각 요청을 낯선 사람의 새로운 주문처럼 취급한다.

반면 디자인은 과정이다. 누구를 위한 작업인지, 무엇을 달성해야 하는지, 어떤 제약이 있는지, 각 요소가 전체와 어떻게 연결되는지 이해하는 과정이다. 캠페인을 만드는 디자이너는 인스타그램 포스트를 렌더링하는 것부터 시작하지 않는다. 오디언스, 채널, 제품 포지셔닝에 대한 질문부터 던진다. 이미지는 마지막에, 그것도 첫 번째가 아니라 맨 나중에 나온다.

이것이 MCoT(Mind Chain of Thought) — Lovart의 디자인 에이전트를 구동하는 추론 엔진 — 의 핵심 통찰이다. 어떤 결과물도 렌더링하기 전에, 먼저 생각한다.

프롬프트-수정-반복의 지옥

지속적인 창작 작업에 생성형 AI를 사용해본 사람이라면 그 루프를 안다. 프롬프트를 입력한다. AI가 70% 정도 맞는 결과물을 내놓는다 — 구도는 괜찮은데 색감이 어긋난다. "따뜻한 조명, 골든 아워"를 추가하며 프롬프트를 수정한다. 이제 색감은 맞는데, 제품이 이상하게 형태가 바뀌었다. 다시 수정한다. 이제 제품은 맞는데, 배경이 완전히 다른 장소로 바뀌어 있다.

매번 반복은 완전히 새로운 주사위 던지기다. AI는 이전 버전에 대한 기억이 없다 — 다듬는 게 아니라 재시작하는 것이다. 디자이너들은 이를 "프롬프트 두더지 잡기"라고 부른다: 하나를 고치면 다른 게 망가진다. 지치고, 정밀함과 일관성이 필요한 실무 작업에는 실용성이 없다.

근본 원인은 아키텍처에 있다. 대부분의 이미지 생성 모델은 단일 턴 패러다임으로 작동한다: 텍스트 입력, 이미지 출력. 중간 추론 레이어가 존재하지 않는다. 모델은 "다른 건 그대로 두고 제품만 크게"라는 요청을 개별 작업으로 분해하지 않는다. 그저 비슷해 보이길 바라면서 처음부터 새 이미지를 생성할 뿐이다.

이건 단순히 답답한 수준을 넘어선다. AI 출력물이 개별적으로는 훌륭해 보여도, 여러 이미지에 걸쳐 텍스트를 올바르게 렌더링하는 것이 악명 높을 정도로 어려운 이유가 바로 여기에 있다. Lovart의 Live Editable TextLovart의 Live Editable Texthttps://www.lovart.ai/blog/live-editable-text-LET-review-real-time-copy-editing-within-ai-images는 이 문제의 일부를 다루지만, 더 큰 이슈 — 추론 레이어의 부재 — 는 MCoT가 해결하기 위해 만들어진 과제다.

이것이 AI 디자인 도구에 대한 과대광고에도 불구하고, 대부분의 전문 디자이너가 실제로 중요한 작업에는 여전히 전통적인 소프트웨어를 사용하는 이유다. AI 도구는 스케치패드다. 스튜디오가 아니다.

그런데 여기서 상황은 더 복잡해진다. 격차는 이미지 품질에 있지 않다. 최신 모델들 — Nano Banana Pro, Seedream 4.0, Flux — 은 전문 사진 및 일러스트레이션에 버금가는 결과물을 만들어낸다. 격차는 사용자의 의도와 모델의 출력 사이에 위치한 레이어에 있다. 디자인 사고 레이어가 없다. 모델을 조율하는 '디렉터'가 없다. 지금까지는 말이다.

MCoT 엔진이 실제로 하는 일 (그리고 왜 다른가)

렌더링 전의 멈춤: 7초가 모든 것을 바꾸는 이유

MCoT는 Mind Chain of Thought의 약자다. Lovart의 문서는 이를 "실리콘 속 크리에이티브 디렉터"라고 설명하는데 — 이번만큼은 마케팅 문구가 과장이 아니다.

사용자가 Thinking Mode에서 요청을 제출하면, MCoT는 즉시 이미지 모델로 전달하지 않는다. 대신, 멈춘다. 이 짧은 멈춤 동안(복잡도에 따라 보통 5~15초), 엔진은 다단계 분석을 실행한다:

첫째, 맥락 분해. MCoT는 요청에서 비즈니스 목표를 추출한다. "여름 캠페인이 필요해요"는 "여름 이미지를 생성하라"로 파싱되지 않는다. 브랜드 프로필에 정의된 타겟 오디언스, 브랜드 가이드라인에 제약된 비주얼 방향성, 유통 채널에 매핑된 출력 형식, 에셋 유형별로 최적화된 모델 선택 등으로 파싱된다.

둘째, 모델 오케스트레이션. 하나의 캠페인에는 정적 에셋용 이미지 생성, 소셜 콘텐츠용 비디오 생성, 심지어 Reels용 오디오 통합까지 필요할 수 있다. MCoT는 어떤 작업에 어떤 모델을 사용할지 결정하고 — 제품 사진은 Nano Banana Pro, 숏폼 비디오는 Seedance 2.0, 시네마틱 히어로 영상은 Veo 3 — 모든 출력에서 시각적 일관성을 유지하도록 조율한다.

셋째, 브랜드 제약 강제. 사용자가 브랜드 킷(로고, 컬러 팔레트, 타이포그래피)을 정의해두었다면, MCoT는 이를 모든 생성 작업에 걸쳐 하드 제약으로 적용한다. 비디오 썸네일, 이메일 헤더, 인스타그램 캐러셀이 모두 동일한 시각적 DNA를 공유한다 — 사용자가 매번 AI에게 상기시켰기 때문이 아니라, 엔진이 브랜드 규칙을 일회성 지시가 아닌 지속적 상태로 취급하기 때문이다.

외부에서 보기에는 매끄럽다: 문장 하나를 입력하고, 캠페인을 받는다. 하지만 그 아래의 아키텍처는 "텍스트 입력, 이미지 출력"과 근본적으로 다르다. 생성 모델 위에 앉아 모호한 의도를 구조화된 디자인 계획으로 변환하는 추론 레이어다.

크로스 모델 코디네이션: 이미지, 비디오, 오디오를 함께

AI 디자인 도구에서 가장 논의가 적은 문제 중 하나는 모델 단편화다. 훌륭한 이미지 모델이 있다. 훌륭한 비디오 모델이 있다. 훌륭한 오디오 모델이 있다. 하지만 이들은 서로 다른 언어를 사용한다. 출력물이 자연스럽게 조화를 이루지 않는다. Nano Banana Pro로 제품 샷을 생성하고 Veo 3로 프로모션 비디오를 만들면, 색 보정, 조명 온도, 비주얼 스타일이 미묘하게, 때로는 극적으로 달라진다.

MCoT는 모델 간 번역 레이어 역할을 함으로써 이를 해결한다. 통합된 "크리에이티브 브리프" — 본질적으로 시각적 파라미터에 대한 구조화된 명세 — 를 생성하여, 각 다운스트림 모델이 자신에게 맞는 형식으로 전달받는다. 이미지 모델은 스타일 참조가 포함된 상세한 비주얼 프롬프트를 받는다. 비디오 모델은 동일한 비주얼 파라미터가 카메라 움직임과 장면 구성 지시사항으로 번역되어 전달된다. 오디오 모델은 동일한 브리프에서 도출된 무드와 템포 지시를 받는다.

이것은 단순한 기술적 배관 작업이 아니다. 여러 AI 도구를 사용해 멀티포맷 캠페인을 제작해본 사람이라면, 이 코디네이션 문제가 가장 큰 시간 낭비 요소라는 것을 안다. 한 미드마켓 브랜드의 디자이너는 실제 크리에이티브 방향 설정보다 도구 간 출력물을 조화시키는 데 더 많은 시간을 소비하고 있다고 말했다. "저는 기계 번역가가 되었어요," 그녀가 말했다. "디자인을 하는 게 아니었어요. AI의 핸드셰이크 문제를 수정하고 있었죠."

MCoT는 애초에 모델들이 독립적으로 작업하지 못하게 함으로써 핸드셰이크 문제를 없앤다.

살아남는 컨텍스트: 모든 출력에 걸친 브랜드 메모리

MCoT 아키텍처의 아마도 가장 중대한 함의는 지속적 컨텍스트다. 전통적인 이미지 생성기에서 모든 세션은 기억상실증에 걸린다. 탭을 닫았다가 다시 열면, AI는 모든 것을 잊어버린다. 브랜드 팔레트, 선호하는 타이포그래피, 20번의 반복 끝에 맞춰낸 특정 조명 설정 — 모두 사라진다.

MCoT는 세션 간에 상태를 유지한다. ChatCanvas에서 프로젝트로 돌아오면, 엔진은 전체 디자인 컨텍스트를 기억한다: 브랜드 가이드라인, 이전 디자인 결정, 반복 이력, 심지어 "로고는 가로 형식에서는 오른쪽 아래, 세로 형식에서는 위쪽 중앙에 배치하기로 결정했다"와 같은 구체적인 편집 선택까지. 이는 단순한 설정 파일로 저장되는 것이 아니라 추론 체인에 내장되어, AI가 규칙을 수동적으로 적용하는 것이 아니라 능동적으로 이 컨텍스트를 활용해 새로운 디자인 결정을 내릴 수 있다는 의미다.

실질적인 효과는, 월요일에 시작한 프로젝트를 목요일에 다시 열었을 때 AI가 정확히 중단된 지점에서 다시 시작한다는 것이다. 초안을 저장했기 때문이 아니라, 당신이 무엇을 달성하려 했고 왜 그랬는지를 기억하기 때문이다.

디자인 루프: MCoT가 실제 프로젝트에서 추론하는 방식

"캠페인이 필요해요"에서 완전한 에셋 제품군까지

MCoT가 요청을 처리할 때 실제로 무슨 일이 일어나는지 살펴보자. 마케팅 버전이 아니라, 단계별 기술 흐름을.

사용자가 입력한다: "새로운 러닝화 Apex 3의 런칭 캠페인. 타겟은 25-40세 도시 러너. 기존 브랜드 에셋이 있어요 — 브랜드 킷을 사용해주세요."

MCoT의 사고 체인은 대략 다음과 같이 실행된다:

1단계 — 오디언스 모델링: 엔진은 (이전 세션에서 이미 저장된) 브랜드 킷을 참조하고, 타겟 인구통계를 추출하여 내부 프로필을 구축한다: 이 인구통계에 맞는 시각적 선호도, 플랫폼 행동, 경쟁 환경. 이것을 "환각"하지 않는다 — 브랜드의 실제 스타일 가이드와 교차 검증한다.

2단계 — 에셋 계획: 오디언스 모델과 "런칭 캠페인"이 암시하는 유통 채널에 기반하여, MCoT는 구조화된 에셋 목록을 생성한다: 히어로 제품 사진(4가지 변형), 라이프스타일 샷(3개 씬), Instagram Stories 템플릿(3가지 변형), 이메일 헤더(2가지 크기), 애니메이션 제품 티저(15초), YouTube 범퍼(6초). 각 에셋에는 특정 포맷 요구사항, 해상도 목표, 모델 할당이 있다.

3단계 — 비주얼 전략: MCoT는 캠페인의 시각적 언어를 정의한다: 컬러 처리, 조명 무드, 구도 규칙, 타이포그래피 계층 구조. 이것들은 생성적 출력물이 아니다 — 모든 다운스트림 모델 호출에 전파되는 제약이다. 크리에이티브 제안이 아닌, 디자인 토큰으로 생각하면 된다.

4단계 — 병렬 생성: 계획이 수립되면, MCoT는 적절한 모델에 생성 작업을 병렬로 발송한다. Nano Banana Pro가 제품 샷을 처리한다. Seedance 2.0이 애니메이션 티저를 맡는다. Flux가 라이프스타일 구도를 담당한다. 각 모델은 동일한 비주얼 전략을 컨텍스트로 받아 일관성을 보장한다.

5단계 — 조합 및 검토: 결과물이 포맷별로 정리되어 ChatCanvas로 돌아온다. 사용자는 검토하고, Touch Edit을 사용해 개별 에셋을 다듬고, 나머지에 영향을 주지 않고 특정 부분만 재생성하며, 실무용 포맷으로 내보낼 수 있다.

전체 과정은 — 한 문장에서 완전하고 브랜드 일관성 있는 캠페인 제품군까지 — 몇 시간이 아니라 몇 분이 걸린다. 하지만 속도가 핵심이 아니다. 핵심은 AI가 디자인 디렉터처럼 기능했다는 점이다: 그저 이미지를 뱉어내고 잘되길 바라는 대신, 계획하고, 조율하고, 품질 관리를 유지했다. 이것은 Lovart의 캠페인 기획 심층 분석Lovart의 캠페인 기획 심층 분석https://www.lovart.ai/blog/campaign-planning-mapping-out-emails-ads-and-landing-pages-in-one-view에서 탐구했던 것과 동일한 종류의 캠페인 수준 사고이며, 이제 코디네이션을 자동화하는 엔진으로 구동된다.

Touch Edit + 레이어 분해: AI가 이해한다는 증거

추론 엔진은 실제 작동하는 모습을 보기 전까지는 추상적으로 들린다. Touch Edit과 Edit Elements는 MCoT의 사고가 구체화되는 지점이다.

Touch Edit을 사용하면 생성된 이미지의 어떤 객체든 클릭하고 변경할 내용을 설명할 수 있다 — "이 커피잔을 찻잔으로 바꿔줘", "배경의 사람을 지워줘", "이 모델의 셔츠를 네이비로 바꿔줘". 전통적인 AI 도구는 이것을 새로운 생성 프롬프트로 취급하고 전체 이미지를 다시 렌더링하여, 원본에서 잘된 부분까지 모두 잃어버린다. MCoT는 이미지의 공간적, 의미적 구조를 이해한다. "이 커피잔"이 무엇을 가리키는지 안다 — 사용자가 마스크를 그렸기 때문이 아니라, 생성 과정에서 이미지의 구도를 파싱하고 구조 맵을 유지했기 때문이다.

Edit Elements는 이를 한 단계 더 발전시킨다. 한 번의 클릭으로 어떤 이미지든 독립적이고 이동 가능한 레이어 — 전경 피사체, 배경, 그림자, 반사 — 로 분해한다. 각 레이어는 개별적으로 재배치, 크기 조정, 회전, 교체할 수 있다. 이것은 포토샵 스타일의 수동 레이어 추출이 아니다. 장면에서 별도의 "객체"를 구성하는 요소에 대해 AI가 추론하고, 편집 중에 그 관계를 유지하는 것이다. 제품을 오른쪽으로 옮기면 그림자도 따라온다. 배경을 바꾸면 피사체의 조명이 조정된다. 이 공간적 추론 — 객체가 고립되어 있지 않고 관계 속에 존재한다는 이해 — 은 전통적인 이미지 생성기가 근본적으로 결여하고 있는 부분이다.

디자이너들이 이 기능들이 실제 작동하는 모습을 보면, 반응은 일정한 패턴을 따른다. 첫째, 수동 마스킹 없이 작동한다는 사실에 대한 불신. 둘째, 이것이 더 이상 "AI가 이미지를 생성하는 것"이 아니라는 깨달음. 이것은 AI가 디자인 작업을 하는 것이다 — 과거에는 숙련된 인간이 레이어 기반 소프트웨어와 수년의 경험을 가지고 해내던 그 작업이다.

AI가 반대 의견을 낼 때: 협업적 역학

초기 MCoT 사용자들을 놀라게 한 것이 하나 있다: 때때로 AI가 당신의 의견에 동의하지 않는다는 점이다.

대립적인 방식이 아니다. 하지만 브랜드 일관성을 명백히 위반하거나 특정 포맷에서 시각적 품질을 저하시킬 것을 요청하면, MCoT는 이를 표시한다. "이 색상 조합은 요청된 텍스트 크기에서 모바일 가독성을 떨어뜨립니다. 브랜드 팔레트를 유지하면서 가독성을 확보할 수 있는 두 가지 대안을 제시합니다." 또는: "요청된 크롭 비율은 제품의 주요 디테일을 잘라냅니다. 권장: 재배치 및 리프레임."

사소한 디테일처럼 보일 수 있지만, 이는 AI 디자인 도구의 작동 방식에 있어 근본적인 전환을 나타낸다. 전통적인 이미지 생성기는 순종적인 하인이다: 요청한 대로 수행하고, 요청한 것이 쓰레기를 만들어내더라도 그렇게 한다. MCoT는 브랜드 가이드라인을 숙지하고, 나쁜 결과물이 프로덕션에 나가기 전에 우려를 제기하는 것을 주저하지 않는 주니어 디자이너에 더 가깝다.

이 협업적 역학 — AI를 명령 실행기가 아닌 사고 파트너로 대하는 것 — 은 MCoT 기반 디자인과 프롬프트 기반 생성 사이의 가장 중요한 행동적 차이일 것이다. 이는 사용자를 '프롬프트 엔지니어'에서 크리에이티브 디렉터로 변모시킨다. 구문과 씨름하는 대신 검토하고 가이드하는 역할로.

MCoT를 만든 사람들: Lovart를 뒷받침하는 엔진

AI 아키텍처에 관한 논의는 추상적인 방향으로 흐르기 쉽다. 그러니 구체적인 사실에서 시작해보자. 누가 이것을 만들었고, 그 뒤에는 어떤 비즈니스가 있는가.

Lovart는 LiblibAI의 제품이다. LiblibAI는 2023년 베이징과 샌프란시스코에 설립된 AI 기업으로, CEO Melvin Chen과 CTO 왕하오판(Wang Haofan)이 공동 창업했다. 카네기멜론 대학 출신인 왕하오판은 AI 연구 커뮤니티에서 InstantID와 InstantStyle을 구축한 인물로 알려져 있으며, 이 두 프레임워크는 영향력 있는 이미지 생성 프레임워크다. 창업 팀은 깊은 모델 전문성과, AI 디자인 도구에는 더 나은 픽셀 이상의 것, 즉 더 나은 사고가 필요하다는 신념을 결합했다.

이 신념은 상당한 자본을 끌어들였다. 2025년 8월, LiblibAI는 세쿼이아 차이나(Sequoia China)와 CMC 캐피털(CMC Capital)이 주도한 1억 3천만 달러의 시리즈 B 라운드를 마감했으며, 이는 당해 중국 AI 애플리케이션 분야 최대 규모의 투자였다. 회사는 이 자금을 모델 성능과 추론 인프라라는 두 영역을 동시에 확장하는 데 사용했다. 그 결과가 MCoT로, 2025년 7월 Lovart의 글로벌 출시와 함께 공개되었다.

Lovart는 세계 최초의 AI 디자인 에이전트라고 자체적으로 부르는 것을 운영하고 있다. 단일 목적의 이미지 생성기가 아닌, 엔드투엔드 디자인 플랫폼이다. 핵심 제품으로는 ChatCanvas(사용자와 AI가 공동 창작하는 무한 캔버스), Thinking Mode(MCoT 구동), Touch Edit, Edit Elements, Brand Kit가 있다. 전문가급 이미지 생성을 위한 Nano Banana Pro, 네이티브 오디오와 12슬롯 배치 처리를 지원하는 비디오 모델 Seedance 2.0이라는 자체 모델과 함께, OpenAI의 Sora 2, Google의 Veo 3, 콰이쇼우(Kuaishou)의 Kling 등 서드파티 모델도 통합했다.

비즈니스 모델은 월 90달러 미만의 구독제로, 회사가 "에이전시급 디자인"이라고 설명하는 것을 기존 비용의 일부만으로 제공하는 것을 목표로 한다. 사용자 기반은 그래픽 디자이너, 마케터, Shopify 및 Amazon 스토어를 운영하는 이커머스 판매자, 멀티플랫폼 콘텐츠 출력을 관리하는 크리에이터, 그리고 이전에는 전문 디자인 작업을 감당할 수 없었던 소상공인에 이르기까지 다양하다.

혼잡한 AI 도구 시장에서 Lovart를 차별화하는 것은 이미지 품질이 아니다. 경쟁사들도 뛰어난 결과물을 생산한다. 차별점은 추론 레이어에 있다. 대부분의 AI 디자인 플랫폼은 협업 기능이 덧붙여진 생성 도구다. MCoT는 생성 능력을 갖춘 협업 도구다. 그 아키텍처가 그 차이를 그대로 반영한다.

이것이 Lovart 너머에서 중요한 이유

직업으로서의 '프롬프트 엔지니어링'의 종말

2024년과 2025년에, 이상한 새 직함이 등장했다: 프롬프트 엔지니어. 기업들은 사용 가능한 출력물을 만들어내도록 AI 모델을 구슬리는 올바른 단어 순서를 만드는 것이 전체 역할인 사람들을 고용했다. 그것은 설계 결함의 증상이었다 — 모델은 강력했지만 사려깊지 않았다. 창의적 의도를 기계가 읽을 수 있는 지시사항으로 번역하기 위해 인간 중개자가 필요했다.

MCoT와 같은 추론 엔진은 이 역할을 쓸모없게 만든다. AI가 "여름 캠페인이 필요해요"를 오디언스 분석, 에셋 계획, 모델 오케스트레이션으로 분해할 수 있을 때, 인간은 프롬프트 문법을 배울 필요가 없다. 자신이 원하는 바를 명확히 표현하고, AI가 제안하는 것을 평가하는 데 능숙해지면 된다.

이것이 훨씬 더 자연스러운 인간-컴퓨터 상호작용 모델이다. 또한, 결정적으로, 작동에 기술적 전문지식을 요구하지 않는 모델이다. 디자인 배경이 없는 소상공인도 자신의 브랜드를 설명하고 전문가 수준의 결과물을 얻을 수 있다 — AI가 "예술을 잘해서"가 아니라, AI가 전략부터 실행까지 전체 디자인 프로세스에 능숙하기 때문이다.

전통적 디자인 워크플로우와 AI 기반 접근법 사이의 격차전통적 디자인 워크플로우와 AI 기반 접근법 사이의 격차https://www.lovart.ai/blog/ai-vs-traditional-design는 광범위하게 논의되어 왔다. 하지만 MCoT가 변화시키는 것은 그 격차의 본질이다. 더 이상 "AI가 인간의 품질에 맞먹을 수 있는가?"에 관한 것이 아니다 — 최신 모델은 이미 그럴 수 있다. 이제 질문은 프로세스에 관한 것이다: AI가 디자인 사고에 참여할 수 있는가, 아니면 그저 매우 빠른 렌더링 엔진에 불과한가? MCoT는 더 나은 모델이 아닌 아키텍처로 그 질문에 답한다.

2026년 팀에게 에이전틱 디자인이 의미하는 것

디자인 팀에 대한 더 넓은 함의는 살펴볼 가치가 있다. AI가 캠페인 기획, 모델 코디네이션, 브랜드 일관성 강제, 멀티포맷 내보내기를 — 모두 대화만으로 — 처리할 수 있다면, 팀 구조에 어떤 변화가 생길까?

가장 유력한 근시일 결과는 대체가 아닌 역할 전환이다. 시니어 디자이너는 프로덕션 실행보다 크리에이티브 방향과 전략에 더 많은 시간을 쓴다. 주니어 디자이너는 AI가 기술적 실행을 처리하는 동안 취향과 판단력을 키우면서 학습 곡선을 가속화한다. 사진, 비디오, 그래픽 디자인 각각에 별도의 전문가가 필요했던 팀이 더 작고 다재다능한 크루로 운영될 수 있다.

한 디지털 에이전시의 크리에이티브 디렉터는 이렇게 표현했다: "시간의 40%는 디렉팅, 60%는 코디네이팅에 썼어요. MCoT를 쓰면서는 80%가 디렉팅이에요. AI가 코디네이션을 처리하죠. 제 두뇌를 더 잘 활용하는 방식이고, 솔직히 더 나은 결과물이 나와요."

도구는 준비되었다. 워크플로우는 아직 아니다 — 대부분의 팀은 각 출력 형식이 다른 전문가와 다른 소프트웨어 스택을 필요로 하던 시절에 타당했던 도구별 역할을 중심으로 여전히 조직되어 있다. 조직 재설계는 언제나 그렇듯 기술보다 뒤처질 것이다. 하지만 방향은 분명하다.

FAQ

Q: MCoT 엔진은 별도의 제품인가요, 아니면 Lovart에 내장되어 있나요?

MCoT는 Lovart의 AI 디자인 에이전트를 구동하는 핵심 추론 레이어입니다. 별도로 구매하는 독립형 제품이 아니라, Lovart의 디자인 에이전트를 일반 이미지 생성기와 다르게 만드는 근본적인 아키텍처입니다. ChatCanvas를 통해 접근하며, Thinking Mode를 사용할 때마다 활성화됩니다.

Q: MCoT는 그냥 상세한 프롬프트를 작성하는 것과 어떻게 다른가요?

상세한 프롬프트는 모델에게 더 구체적인 지시를 제공하지만, 모델은 여전히 이를 단일 생성 작업으로 처리합니다. 계획하지 않고, 모델 간 조율도 하지 않으며, 컨텍스트도 유지하지 않습니다. MCoT는 요청을 구조화된 디자인 계획으로 분해하고, 각 부분에 적합한 도구를 선택하며, 생성되는 모든 것에서 일관성을 보장합니다. 셰프에게 상세한 레시피를 주는 것과, 키친 매니저에게 메뉴 실행을 맡기는 것의 차이입니다 — 하나는 지시를 따르고, 다른 하나는 프로세스를 조율합니다.

Q: MCoT는 Lovart의 모든 모델과 작동하나요?

네. MCoT는 Lovart의 전체 모델 라이브러리를 조율합니다 — 이미지 모델(Nano Banana Pro, Seedream 4.0, Flux, Recraft V3), 비디오 모델(Seedance 2.0, Sora 2, Veo 3, Kling), 그리고 지원 도구들. 엔진은 출력 요구사항에 따라 작업별로 적절한 모델을 선택합니다.

Q: '생각'을 끄고 그냥 빠르게 이미지만 생성할 수 있나요?

네. Lovart는 전략적 오버헤드 없이 빠른 비주얼 탐색을 원할 때를 위한 Fast Mode를 제공합니다. Fast Mode는 MCoT 추론 체인을 건너뛰고 직접 생성합니다 — 브레인스토밍, 무드 보딩, 빠른 반복 작업에 이상적입니다. 프로젝트 중 언제든지 Thinking Mode와 Fast Mode 사이를 전환할 수 있습니다.

Q: MCoT는 다른 프로젝트에서도 제 브랜드를 기억하나요?

브랜드 컨텍스트는 프로젝트 내에서 유지됩니다. 한 프로젝트에서 브랜드 킷을 정의했다면, @ 멘션 시스템을 사용해 다른 프로젝트에서 참조할 수 있습니다. 엔진은 브랜드 규칙을 지속적 상태로 취급하므로, 매 세션마다 수동으로 다시 지정할 필요 없이 일관성이 자동으로 강제됩니다.

Q: MCoT가 잘못된 전략적 결정을 내리면 어떻게 되나요?

MCoT의 권장 사항은 제안이지 되돌릴 수 없는 명령이 아닙니다. 모델 선택, 비주얼 방향, 에셋 구성 등 어떤 결정이든 언제든지 덮어쓸 수 있습니다. 엔진은 당신의 수정에서 학습합니다: 특정 비주얼 처리를 일관되게 거부하고 다른 것을 선호하면, 향후 권장 사항을 조정합니다. 디자인 권한은 당신에게 남아 있습니다. MCoT는 사고 파트너이지 오토파일럿이 아닙니다.

Q: '생각' 단계는 실제로 얼마나 걸리나요?

일반적인 캠페인 수준 요청(여러 포맷에 걸친 다중 에셋)의 경우, 추론 단계는 생성이 시작되기 전 5~15초 소요됩니다. 단순한 단일 에셋 요청은 더 빠르게 처리됩니다. 이 트레이드오프는 의도적입니다: 추가되는 몇 초는 이후 필요한 수동 수정을 현저히 줄여주는 결과물을 만듭니다. 대부분의 사용자는 요청부터 사용 가능한 결과물까지의 엔드투엔드 시간이 "즉시 시작"하지만 반복이 필요한 도구보다 실질적으로 더 짧다고 보고합니다.

이번 주에 할 수 있는 한 가지

에이전틱 디자인 도구가 워크플로우에 적합한지 평가 중이라면, 캠페인부터 시작하지 마세요. 작지만 중요한 것으로 시작하세요 — 하나의 소셜 포스트, 제품 목업, 간단한 브랜드 에셋 — 그리고 Thinking Mode로 돌려보세요. 출력 품질(아마 좋을 거라고 기대하실 테니)이 아니라, 하지 않아도 되었던하지 않아도 되었던 것들에 주목하세요: 프롬프트 수정 없음, 포맷 변환 없음, 수동 브랜드 강제 없음. MCoT의 가치는 시작하는 작업이 아니라 중단하는 작업으로 측정됩니다.

AI 생성 시대는 이미지를 만들 수 있는 기계를 주었다. 에이전틱 시대 — MCoT가 대표하는 것 — 는 디자인 프로세스에 참여할 수 있는 기계를 준다. 이 둘은 같은 것이 아니다. 그리고 그 차이를 경험한 후에는, 원샷 생성으로 돌아가는 것이 공동 작업자를 자판기로 바꾸는 것처럼 느껴진다.