뷰티: 피부, 색, 그리고 생성형 AI가 아직 보장하지 못하는 것

립스틱 하나를 들어 보자. 그 색에는 코드명이, 참조 번호가, 마케팅이 몇 달에 걸쳐 승인한 번호가 붙어 있다. 이제 이미지 생성기에게 그것을 재현하라고 해 보자. 이미지는 아름답고, 피부는 정확하고, 색은 가까울 것이다. 가깝지만, 정확하지는 않다. 주황으로 기운 빨강, 반사를 멋대로 지어내는 마감. 한 장이라면 컬러리스트가 포스트프로덕션에서 그것을 되잡는다. 제품 30종의 라인이라면, 아무도 그것을 손으로 되잡지 못한다.

뷰티는 이미지가 아무것도 용서하지 않는 무대다. 피부를 아주 가까이 들여다보고, 색을 손등의 색과 견주고, 소재를 직감으로 판단한다. 비주얼이 진짜로 들리느냐 가짜로 들리느냐를 결정하는 두 메커니즘, 서브서피스 스캐터링과 색 충실도. 전자에서 생성형 AI는 한 해 사이에 크게 도약했다. 후자에서는 여전히 근사에 머물고, 바로 그곳에서 계산된 3D가 우위를 지킨다. 특히 제품 라인 전체를 지켜 내야 할 때 그렇다. 그 이유를 수치와 함께 보자.

뷰티, 이미지에 가장 가혹한 시험

흰 배경의 스니커즈 패키지샷이라면 AI는 오늘 깔끔하게 뽑아낸다. 클로즈업된 얼굴이나 빛이 통과하는 호박색 병도, 최고의 모델이라면 마찬가지다. 어려운 채로 남는 것은 정확성이다. 뷰티는 반투명한 소재, 복잡한 반사, 색조의 10분의 1까지 요구되는 색을 제품마다 쌓아 올린다. 그리고 시장은 그것을 우습게 보지 않는다. 온라인으로 팔리는 뷰티와 퍼스널 케어는 2025년 전 세계에서 2500억 달러가 넘는 규모였고, 연 11~13% 성장했다(Statista). 색이 맞지 않으면 고객은 반품한다.

• ◆3.67 / 5 : 테스트된 주요 AI 모델 중 브랜드 컬러 충실도 최고 점수. 대부분은 3 미만에 머문다(IMG.LY 벤치마크, 2026)
• ◆약 23% : 온라인으로 구매한 파운데이션의 반품률. 반품이 가능한 경우이며, 주로 색조 불일치가 원인(2026년 벤치마크)
• ◆2570억 달러 : 2025년 전 세계 뷰티와 퍼스널 케어 온라인 매출(Statista). 색의 정확성이 현금으로 치러지는 무대

이 세 수치는 같은 이야기를 한다. 뷰티에서 색은 미적 디테일이 아니라 상업적 약속이다. 비주얼이 제품이 지키지 못하는 색을 보여 주면 반품이 나가고, 마진도 함께 나간다. 그리고 바로 그곳에서 생성형 AI가 가장 취약하다.

서브서피스 스캐터링: AI가 이제 잘 해내는 것, 그리고 제어하지 못하는 것

켜진 촛불, 역광의 귀, 램프 아래 한 덩이의 크림을 보라. 빛은 표면에서 단순히 튕겨 나가지 않는다. 소재 안으로 들어가 내부를 떠돌고, 색을 띠고, 부드러워져 다시 나온다. 피부에서는 이 여정이 붉게 기운다. 표피 아래의 피 때문이다. 이 현상에는 이름이 있다. 서브서피스 스캐터링, 표면 아래의 산란. 그것이 피부, 왁스, 대리석, 향수에 저 생명의 인상을 준다. 그것이 없으면 피부는 플라스틱처럼 보인다. 3D 렌더링 엔진은 여러 해 전부터 실제 물리에서 그것을 계산해 왔다. 소재의 두께, 밀도, 산란의 색.

반면 생성형 AI는 아무것도 계산하지 않는다. 수백만 장의 피부 이미지를 보고 그 겉모습을 통계적으로 재현한다. 그리고 솔직히 말하면, 그것을 점점 더 잘해 내고 있다. 최신 세대 모델들은, Nano Banana Pro를 필두로, 매우 설득력 있는 피부와 세럼과 반투명한 병을 뽑아낸다. 한 장만 놓고 보면 가짜가 첫눈에는 더 이상 드러나지 않을 정도다. 이제 모자란 것은 겉모습이 아니라 제어다. 크림의 확산 두께, 왁스의 반투명함, 향수 액의 내부 색은 당신이 조정하는 파라미터가 아니다. 생성할 때마다 얻거나 얻지 못하는 결과일 뿐이다. 한 장이라면 좋은 것을 고르면 된다. 제품 라인 전체라면 모든 품목에서, 모든 조명 아래에서 같은 소재감을 원한다. 바로 거기서 물리 계산이 주도권을 되찾는다.

브랜드 컬러는 분위기가 아니라 값이다

여기가 가장 구체적인 지점이자, 이미 시도해 본 사람에게 가장 아픈 지점이다. 이미지 생성기는 오늘날 프롬프트에 담긴 16진 코드를 받아들이며, 어떤 것은 그것을 세일즈 포인트로 삼기까지 한다. 하지만 디자인 소프트웨어처럼 그것을 읽지는 않는다. 언어를 읽고, 그 값은 그것에게 그저 어림짐작으로 해석하는 문자열일 뿐이다. 결과적으로 그럴듯함을 최적화하지 분광광도계를 최적화하지 않는다. 요청한 색과 돌아온 색의 차이를 15개 모델에서 재는 IMG.LY 벤치마크는 냉정하다. 최고도 5점 만점에 3.67에서 멈추고, 15개 모델 중 12개는 3의 선 아래에 머문다. 정확한 브랜드 컬러 두 개를 요청하면 모델은 하나를 밀어내고, 그라데이션을 더하고, 심지어 세 번째 색조를 슬쩍 끼워 넣는다. 정확한 값에 가까워지는 유일하게 알려진 방법은 색 견본을 참조 이미지로 제공한 뒤 반복하거나, 포스트프로덕션에서 색조를 보정하는 것이다. 한 장짜리 이미지라면 컬러리스트가 몇 분 만에 해낸다. 제품 라인 전체라면 이 수작업 보정이 비주얼마다 되풀이되고, 두 이미지가 서로 맞아떨어진다는 보증은 없다.

CGI는 문제를 반대편에서 잡는다. 정확한 값, 16진 코드, 작업 색공간으로 변환한 Pantone 참조, 유리의 굴절률, 실제 제품에서 측정한 산란 프로파일을 주면 재현 가능하게 렌더링한다. 적힌 것이 화면에 나온다. 다만 진지한 스튜디오라면 아는 조건이 하나 있다. 처음부터 끝까지 관리되는 컬러 파이프라인(ACES 또는 OpenColorIO, 캘리브레이션된 모니터), 그리고 정확한 일치를 위해서는 실제 제품을 분광광도계로 측정하는 것이다. 차이는 예술적 재능의 문제가 아니라 본성의 차이다. 생성은 확률적이고, 브랜드의 요구는 결정론적이다. 로고, 시그니처 컬러, 진열대의 테스터와 일치해야 하는 병을 위해 프롬프트 복권을 걸 수는 없다.

뷰티에서 틀린 색조는 실패한 이미지가 아니라, 고객이 알아보지 못하는 제품이다. 그리고 알아보지 못하는 것은 반품된다.

틀린 색조가 치르는 값

이 주제는, 말하자면 조금도 화장적이지 않다. 온라인으로 팔리는 파운데이션과 컨실러에서 반품이 허용되는 경우 반품률은 약 23%까지 오르고, 거의 전부가 색조 오류 때문이다. 온라인으로 팔리는 뷰티 전체로 보면, 반품 세 건 중 두 건 가까이가 화면에 보이던 것과 실물이 다르다고 판단된 제품에서 나온다. 반품되는 소포 하나하나가 물류이고, 잃은 마진이며, 때로는 쓸 수 없게 된 제품이다. 피부가 찾지 못하는 색을 약속하는 비주얼은 짜증을 주는 데 그치지 않고 그 비용을 직접 키운다.

반대로 충실한 비주얼은 안심시키고 판다. 그것이 뷰티 패키지샷의 모든 의미다. 진짜 색조, 진짜 질감, 진짜 마감을 보여 주어, 상자에 도착하는 것이 화면이 약속한 것과 일치하게 하는 것. 계산된 3D는 그것을 가능하게 한다. 제품의 값에서 출발하기 때문이다. 그것은 투자이지만, 이미지에 기여하는 만큼 마진을 지키는 투자다.

AI가 정말로 돕는 곳, 그리고 3D가 여전히 필요한 곳

이 가운데 어느 것도 AI가 뷰티에 설 자리가 없다는 뜻은 아니다. 오히려 그 반대다. Digiteyes에서 AI는 상류에서, 그것이 빛나는 곳에서 일한다. 아트 디렉션을 탐색하고, 한 시간에 열 가지 조명 무드를 시험하고, 무드보드를 짜기 위해 브랜드의 세계를 생성하고, 3D 제작 전에 세트를 거칠게 잡는다. 그리고 생성된 피부나 소재가 좋으면, 그것은 3D 팀에게 렌더링 레퍼런스가 된다. 이런 작업에서 AI는 소중한 시간을 벌어 주고, 오늘날 AI가 피부에서 도달한 품질은 이 탐색을 1년 전보다 훨씬 유용하게 만든다. AI로 만든 최종 비주얼이 금지된 것은 아니다. 조건의 문제다. 단발성 한 장일 것, 맞춰야 할 제품 라인이 없을 것, 코드 단위로 맞춰야 할 브랜드 컬러가 없을 것, 그리고 납품 전에 아티스트가 눈으로 확인할 것.

그러나 제품 라인 전체가 걸리는 순간, 매대의 테스터와 맞아야 하는 패키지샷이 걸리는 순간, 서로 맞아떨어져야 하는 이미지 시리즈가 걸리는 순간, 비주얼은 제품의 실측값에서 출발해 렌더링 엔진 안에서 만들어진 채로 남는다. 원칙 때문이 아니라 필요 때문이다. 제품 30종과 앵글 100개에서 같은 빨강이 나온다고 보장하는 유일한 방법이기 때문이다. AI는 사고를 앞당기고, CGI는 제품 라인에 서명한다. 둘을 혼동하면 용서 없는 시장에서 틀린 색조를 무릅쓴다. 둘을 잘 맞물리면 품질을 한 치도 양보하지 않고 더 빨리 만든다.

자주 묻는 질문

• ◆서브서피스 스캐터링이란 무엇인가요? 반투명한 소재의 표면 아래에서 일어나는 빛의 산란입니다. 빛이 들어와 내부에서 흩어지고, 색을 띠고, 부드러워져 다시 나옵니다. 피부, 왁스, 대리석, 향수에 살아 있는 겉모습을 주는 것이 이것입니다. 3D 렌더링에서는 소재의 실제 물리에서 계산되고, 조정할 수 있습니다. 생성형 AI는 그것을 이미지에서 흉내 냅니다. 한 장짜리 이미지라면 이제 매우 잘 흉내 내지만, 조정할 수는 없고 생성할 때마다 같다는 보증도 없습니다.
• ◆왜 생성형 AI는 브랜드 컬러를 놓치나요? 생성 모델은 색 코드를 받아들이기는 하지만 디자인 소프트웨어처럼 읽지는 않기 때문입니다. 언어를 해석하고 정확한 값이 아니라 그럴듯한 이미지를 최적화합니다. 2026년 IMG.LY 벤치마크는 최고의 모델조차 기대되는 색 충실도에서 멀리 떨어져 있음을, 최고가 5점 만점에 3.67, 15개 모델 중 12개가 3 미만임을 보여 줍니다. 색조는 밀려나고, 그라데이션이 나타나며, 때로 색이 하나 더 생깁니다. 한 장이라면 색조는 포스트프로덕션에서 보정됩니다. 제품 라인 전체라면 이 수작업 보정이 비주얼 사이의 일관성을 보장하지는 못합니다.
• ◆뷰티 패키지샷에서 CGI가 AI보다 더 믿을 만한가요? 매장 버전과 일치해야 하는 실제 제품이라면, 그렇습니다. CGI는 제품의 정확한 값, 색 코드, 소재, 굴절률에서 출발해 관리되는 컬러 파이프라인 안에서 재현 가능하게 렌더링합니다. 지정된 것이 화면에 나옵니다. 색이 단순한 분위기가 아니라 상업적 약속일 때 그것이 결정적입니다.
• ◆AI는 뷰티 제작에 쓸모가 있나요? 네. 먼저 상류에서, 아트 디렉션 탐색, 조명 무드 시험, 무드보드 생성, 브랜드 세계의 초벌 작업에 쓰입니다. 최고의 모델들은 오늘날 피부와 소재를 매우 잘 표현하기 때문에, 이런 탐색은 진짜 렌더링 레퍼런스가 됩니다. 색과 소재가 정확해야 하고 비주얼마다 동일해야 하는 제품 라인 전체에서는 계산된 3D 렌더링에 자리를 내줍니다. 그리고 제품 라인도 계약상 지정색도 없는 단발성 최종 비주얼이라면, 납품 전에 아티스트가 확인하는 조건으로 AI로도 충분합니다.
• ◆왜 뷰티에서 색이 그토록 중요한가요? 색조가 곧 제품이기 때문입니다. 고객은 비주얼의 색을 기대하는 색과 견주고, 맞지 않으면 반품합니다. 온라인으로 팔리는 파운데이션에서 반품률은 약 23%에 이르며, 주로 색조 오류가 원인입니다. 따라서 충실한 비주얼은 이미지만큼이나 마진을 지킵니다.

출처

• ◆IMG.LY GenAI Benchmarks · Why AI Image Models Miss Your Brand Colors (CIEDE2000로 측정한 색 충실도, 최고 모델 3.67 / 5)
• ◆ITU Online · What Is Subsurface Scattering? (SSS의 정의와 피부, 왁스의 사실성에서의 역할)
• ◆Eightx · Beauty & Cosmetics Return Rate Benchmarks 2026 (파운데이션 반품률 약 23%, 뷰티 반품의 64%는 ‘실물이 다른’ 제품이 원인)
• ◆Loop Returns · 이커머스에서 가장 많이 반품되는 제품 (2026) (화장품 반품 사유: 색조와 선호)
• ◆Statista, via Oberlo · Beauty and personal care e-commerce market (뷰티와 퍼스널 케어 온라인 매출: 2025년 2570억 달러, 연간 성장률)
• ◆W. Bakkali (Google Cloud Community, Medium) · Color Code Adherence in AI Image Generation (요청한 코드와 렌더링된 색 사이의 측정된 차이, 그리고 임시방편으로서의 참조 색 견본)