산업디자인은 아이디어에 형태와 무게, 가격과 사용 방식을 부여합니다. 2024년 연구 시리즈의 열 번째 글에서는 AI가 구상에서 사물로 이어지는 과정을 어떻게 바꾸고, 우리 주변의 시각문화에 어떤 영향을 줄 수 있는지 살펴봅니다.

AI는 대안을 비교하고 기술 정보를 찾으며 시험 데이터의 패턴을 파악하는 데 도움을 줄 수 있습니다. 최적화는 주어진 제약에 맞는 형태를 탐색하지만, 모든 최적화 기법이 AI인 것은 아닙니다. 설득력 있는 렌더링도 작동하는 제품과는 다릅니다. 강도, 공차, 조립과 사용 편의성에는 설계와 검증이 필요합니다.

재료 선택에는 상충하는 요구가 따릅니다. 무게를 줄이면 비용이 늘고, 매력적인 표면 처리가 수리나 재활용을 어렵게 할 수도 있습니다. 모델은 데이터와 가정이 적절할 때 비교를 돕습니다. 제품에서 무엇을 우선할지 결정하거나 실물 검증을 대신하지는 못합니다.

수요 예측과 생산 계획, 배송 조정은 불필요한 재고와 이동을 줄일 수 있습니다. 하지만 예측은 틀릴 수 있고, 생산비가 낮아지면 소비가 늘 수도 있습니다. 환경 영향은 제조, 운송, 사용, 수리와 폐기까지 제품의 생애주기 전체에서 평가해야 합니다.

AI를 활용한 설계와 적층제조는 치수, 외관 또는 특정 부품을 필요에 맞게 조정하는 일을 더 쉽게 만들 수 있습니다. 그러나 3D 프린팅에도 재료, 마감과 생산 능력의 제약이 있습니다. 디지털 미리보기는 선택을 도울 뿐, 시제품을 없애거나 정확한 결과를 보장하지 않습니다.

제가 관심을 두는 맞춤화는 색상과 스타일을 넘어섭니다. 더 잡기 쉽고 관리하기 편하며 사용자의 변화에 맞춰 조정할 수 있는 물건을 만들 수 있을까요? 분해 가능한 구조와 교체 부품은 또 다른 장식적 변형보다 오래 가는 가치를 줄 수 있습니다. 데이터는 폐기물 선별에도 도움이 되지만, 재활용은 실제 수거·처리 체계에 달려 있습니다.

저는 수정 가능한 설계의 디지털 목록과, 더 먼 미래의 ‘스프린터’를 상상합니다. 설계 파일을 완성품으로 바꾸는 가상의 장치입니다. 이는 미래에 대한 구상이지, 이미 존재하는 만능 제조 기술이 아닙니다. 재료, 에너지, 조립, 안전과 제품에 대한 책임은 여전히 중요한 제약입니다.

더 많은 사람이 사물의 외관을 결정할 수 있게 되면 물질문화는 어떻게 달라질까요? 다양성이 풍부해질 수도, 익숙한 스타일의 변형이 쏟아질 수도 있습니다. 제게 산업디자인에서 AI의 가치는 무한한 선택이 아니라, 개인의 필요와 실현 가능한 제조 방식, 오래 간직할 만한 사물을 더 잘 연결하는 데 있습니다.