읽을거리 · AI 디자인
에이전트가 한 일을 되돌리는 횟수가 60% 줄었다는 피그마, 그 숫자를 열어 보니
피그마가 10월 29일 자체 편집 모델의 학습 방식과 에이전트 정식 출시 뒤 수치를 공개했다. 속도 20%, 사용자 평점 33%, 되돌리기 60% 감소가 무엇을 기준으로 잰 것인지, 비교 시안에서 이전 에이전트와 같거나 나았다는 62%의 나머지 38%는 무엇인지, 글에 빠져 있는 정보와 함께 읽었다.
에이전트에게 간격을 손봐 달라고 맡기면 결과를 보고 바로 Cmd+Z를 누르게 되는 순간이 있다. 한 번이면 괜찮다. 같은 화면에서 세 번째로 되돌리면 그 시간에 직접 고치는 편이 빨랐을 거라는 계산이 선다.
피그마가 10월 29일 블로그에 올린 글에 바로 이 되돌리기 숫자가 들어 있다. 에이전트를 만드는 쪽이 자기 모델을 어떻게 가르쳤는지 쓴 글이고, 정식 출시 전 베타 때와 지금을 비교한 수치가 같이 실렸다. 글쓴이는 피그마의 소프트웨어 엔지니어링 부사장 조시 클럼(Josh Clemm)이다.
이 글은 피그마 블로그 원문과 해설 한 곳(FourWeekMBA)을 읽고 정리한 것이다. 아래 숫자는 전부 피그마가 스스로 잰 값이고, 에이전트를 직접 써서 확인한 값은 없다.
고치는 일만 맡는 모델이 따로 있다
글에 따르면 피그마는 에이전트 안에서 모델을 나눠 쓴다. 캔버스에 이미 있는 디자인을 정밀하게 고치고 반복해서 다듬는 일은 자체 편집 모델이 맡는다. 간격 조정, 색 바꾸기, 레이아웃 손보기 같은 일이다. 이미지 생성, 벡터, 새로운 디자인 탐색은 선두권 외부 모델을 쓴다.
목표는 두 가지로 적혀 있다. 디자인을 더 잘 이해할 것, 그리고 더 빠를 것. 편집이 느리면 디자이너의 작업 흐름이 끊기기 때문이라고 한다.
시작 시점의 사정도 한 줄로 적혀 있다. 이 작업을 시작했을 때는 선두권 모델이 피그마의 파일 형식(글에서는 Figma syntax)을 이해하지 못했다고 한다. 외부 모델에게 긴 설명을 매번 붙여야 하는 방식은 토큰이 많이 든다는 점도 이유였다. 이 비용 이야기에는 구체적인 숫자가 없다.
25만 개 예시로 가르친 첫 모델
학습 방법은 두 단계로 나뉘어 있다. 첫 단계는 모방 학습이다. 예시 하나는 세 가지로 이루어진다.
- 출발점이 되는 디자인
- 사람이 요청했을 법한 수정 요청(합성한 것)
- 그 요청을 성공적으로 처리한 수정 결과
전부 피그마 고유의 파일 형식으로 만들었다. 수정 결과는 더 큰 교사 모델이 후보를 만들고, 규칙 기반 검사기와 화면을 눈으로 보는 판정 모델이 걸러 냈다. 평가자의 피드백으로 수정을 고치는 단계도 있었다.
이 방식으로 초기 모델(라마 3.3 70B 기반)을 25만 개가 넘는 예시로 학습시켰고, 당시 선두권 모델과 편집 과제에서 겨룰 만했다고 글은 말한다. 글에서 밝힌 학습 규모 숫자는 이것이 전부다. 이후 모델의 예시 수나 강화학습 단계의 규모는 나오지 않는다.
모방의 한계, 그리고 강화학습
글은 모방 학습의 약점을 직접 적는다. 모델이 학습 때 본 것과 아주 비슷한 디자인을 내놓게 되고, 처음 보는 상황으로 넓히는 힘이 떨어지며, 예시를 많이 쓰는 데 비해 효율이 낮다는 것이다.
그래서 최신 학습 방식에는 강화학습이 들어간다. 결과를 점수로 돌려주고 그 점수를 높이는 방향으로 모델을 키우는 방식이다. 피그마가 손보고 있는 것은 디자인 분야에 가까운 학습 환경, 더 다양한 예시, 보상 모델 다듬기, 전문가가 적은 평가 기준이다. 다만 강화학습의 결과 수치는 글에 없다. 진행 중이라는 설명까지다.
기반 모델도 바뀌었다. 처음 라마 3.3 70B에서 시작해 이후 퀀(Qwen) 계열, Muse Spark Open, Inkling 등으로 옮겼다고 하고, 평가 그림에는 'Qwen 3.8 27B 기반으로 추가 학습한' 모델이 등장한다. 지금 에이전트에 실제로 들어간 모델이 이 중 무엇인지는 글에서 특정하지 않는다.
정식 출시 뒤 바뀐 숫자 다섯 개
에이전트는 같은 달 앞서 모든 사용자에게 열렸다. 글은 베타 때의 에이전트와 지금의 에이전트를 비교한 수치를 이렇게 적었다.
| 항목 | 피그마가 밝힌 변화 | 읽을 때 걸리는 점 |
|---|---|---|
| 작업 속도 | 일반적인 작업이 약 20% 빠름 | '약', 작업 구성은 미공개 |
| 전문가 디자이너 비교 | 이전 에이전트와 같거나 더 나은 경우 62% | 나머지 38%는 더 못했다는 뜻 |
| 사용자 평점 | 33% 높음 | 평점 척도와 응답 수 미공개 |
| 되돌리기 | 사용자가 되돌리는 횟수 60% 감소 | 되돌린 횟수의 원래 값 미공개 |
| 자체 모델 비중 | 자체 모델이 처리하는 작업이 두 배 넘게 늘어남 | 전체 대비 비율 미공개 |
출처: Figma Blog, How we're training a Figma-fluent editing model (2026-10-29 게시, 2026-11-04 확인). 비교 대상은 모두 베타 때의 이전 에이전트다.
비용도 언급된다. 메시지당 평균 비용이 줄었다고만 적혀 있고 금액이나 비율은 없다. 그리고 이 개선이 편집 모델 하나의 몫은 아니라고 글이 직접 선을 긋는다. 모델, 도구, 그리고 이를 묶는 구동 틀(harness)이 함께 만든 결과라고 한다.
'60% 감소'를 내 작업으로 옮기면
되돌리기 60% 감소는 눈에 띄는 숫자지만, 같은 사용자가 같은 작업을 했을 때의 비교인지 글만으로는 알 수 없다. 베타 사용자와 정식 출시 뒤 사용자는 다른 사람들일 수 있고, 맡기는 일의 종류도 달라졌을 수 있다.
숫자를 읽는 방법은 하나 더 있다. 되돌리기 횟수는 "결과가 마음에 안 든다"의 대리 지표이긴 해도, 마음에 들어서 그대로 쓴다는 뜻은 아니다. 조금 어긋난 결과를 직접 손으로 이어서 고치는 사람은 되돌리기를 누르지 않는다. 그런 경우는 이 숫자에 안 잡힌다.
62%도 같은 식으로 본다. 전문가가 이전 에이전트와 나란히 놓고 비교했을 때 같거나 낫다는 쪽이 62%이니, 이전보다 못하다고 본 경우가 38% 남아 있다. 새 버전이 나쁘다는 뜻은 아니다. 다만 "전체적으로 좋아졌다"는 인상과 "열 번 중 네 번 가까이는 새 버전이 더 못했다"는 사실이 같은 숫자에서 나온다.
같은 날 나온 캔바 Brush와 나란히 놓으면
같은 날 캔바도 이미 만든 시안을 고치는 모델 Brush를 발표했다. 이 사이트의 캔바 브러시 글에서 다뤘다. 해설 글 한 곳(FourWeekMBA)은 두 발표가 34분 간격으로 올라왔다고 계산했고, 서로를 언급하지는 않았다. 이 간격은 그 필자의 계산이라 내가 따로 확인한 값은 아니다.
두 회사의 공개 방식은 정반대다.
| 피그마 | 캔바 Brush | |
|---|---|---|
| 공개한 것 | 학습 방법, 초기 모델의 예시 수(25만 개 이상) | 속도 최대 69%, 수정당 비용 46% 절감 |
| 비교 대상 | 베타 때의 자사 에이전트 | 이전 자사 디자인 에이전트 |
| 비워 둔 것 | 현재 쓰는 기반 모델, 비용 수치 | 학습 데이터 규모, 측정 조건 |
출처: Figma Blog, FourWeekMBA, 캔바 수치는 이 사이트 Brush 글에서 정리한 보도 기준.
둘 다 외부 선두 모델이 아니라 자기 전 버전과 비교했다. 그래서 "피그마가 더 빠르다"거나 "캔바가 더 싸다"는 결론은 낼 수 없다. 두 도구를 같은 시안에 걸어 본 결과가 있어야 가능한 말이다.
평가 그림 하나도 짚어 둔다. 글에는 공개되지 않은 피그마 모델 'Figma design edits v3'가 77.8%, 다른 모델 'Sol 6.1'이 76.9%로 나란히 놓인 막대가 있다. 지표가 무엇을 재는지, 몇 건의 작업으로 잰 건지, 오차 범위가 어떤지는 적혀 있지 않다. 0.9%포인트 차이는 이 정보만으로는 의미를 판단하기 어렵다. 글도 이 평가를 모델을 고르는 여러 입력 중 하나라고 소개한다.
아직 비어 있는 것
읽은 글에서 확인하지 못한 것들이다.
- 피그마 에이전트 안에서 자체 편집 모델이 어떤 요청에 쓰이고 어떤 요청이 외부 모델로 넘어가는지의 기준
- 자체 모델을 쓸 때와 외부 모델을 쓸 때 크레딧 소모가 다른지. 크레딧 구조는 이 사이트의 피그마 에이전트 크레딧 글에서 정리했지만, 모델별 차이는 그 글에도 없다
- 되돌리기 60% 감소를 잰 표본 규모와 기간
- 한국어 지시를 얼마나 잘 알아듣는지
- 사용자가 만든 파일이 학습에 쓰이는지. 글은 합성 예시와 전문가 평가 기준을 언급하지만 사용자 파일 이야기는 하지 않는다
다음 주에 해 볼 것
되돌리기를 직접 센다. 일주일 동안 에이전트에게 시킨 수정과 되돌린 횟수를 메모 앱에 막대 기호로 적는다. 피그마의 60%가 내 작업에서도 맞는지는 이것으로만 알 수 있다. 일주일치면 어떤 종류의 요청에서 되돌리는지가 보인다.
편집 요청은 좁게, 지킬 것은 같이 적는다. 편집 모델은 "고치는 일"에 맞춰 있다고 했으니, 요청도 고치는 범위를 줄여 준다. 아래는 써 보지 않은 예시 문장이다.
이 카드 목록의 위아래 간격만 8px 단위로 맞춰 줘. 색, 글자, 이미지는 그대로 둬.
우리 규칙을 에이전트에게 먼저 건넨다. 피그마는 같은 주(10월 23일)에 디자인 시스템을 에이전트에게 쓰게 하는 방법을 담은 글도 올렸다. 색·글자 크기 규칙이 파일 안에 정리돼 있으면 "간격만 고쳐 줘" 같은 요청에서 엉뚱한 색이 들어갈 일이 줄어든다. 읽어 보지는 못했으니, 필요한 사람은 피그마 블로그 목록에서 해당 글을 찾아 열어 본다.
에이전트의 수정이 좋아졌다는 말과, 내 파일에서 좋아졌다는 말은 다르다. 피그마가 내놓은 숫자는 앞의 것을 말해 주고, 뒤의 것은 일주일 치 되돌리기 기록이 말해 준다.
출처