Clad를 만든 이유와 제품의 경계

퍼스널 컬러에 관심이 생기면 선택지는 생각보다 단순하지 않습니다. 전문 진단은 시간과 비용이 들고, 온라인 콘텐츠는 대체로 일반적인 설명에 머뭅니다. 진단을 받아도 결과표의 색을 옷이나 화장품 선택에 어떻게 적용할지 다시 찾아봐야 하는 경우가 있습니다.

Clad는 이 사이의 빈틈에서 시작했습니다. 사진 한 장으로 모든 것을 정확히 판정하겠다는 제품이 아니라, 퍼스널 컬러가 궁금한 사람이 낮은 부담으로 첫 분석을 받고 그 결과를 구체적인 색 선택에 활용하도록 돕는 서비스입니다.

해결하려는 문제

사용자가 원하는 것은 유형 이름 하나가 아닙니다. 자신의 사진에서 어떤 특징이 관찰됐는지, 어떤 색이 왜 어울리는지, 다음 쇼핑이나 메이크업에서 무엇을 참고하면 되는지 알고 싶어 합니다.

따라서 Clad가 해결해야 할 문제는 세 부분으로 나뉩니다.

분석에 적합한 사진을 어렵지 않게 준비하도록 돕기
결과와 판단 근거, 불확실성을 이해할 수 있게 설명하기
분석 결과를 팔레트와 뷰티 추천으로 일관되게 연결하기

이 세 단계 가운데 하나라도 빠지면 모델의 예측은 사용자에게 유용한 결과가 되기 어렵습니다.

해결하지 않는 문제

제품의 범위를 분명히 하는 것도 중요합니다. Clad는 대면 진단의 모든 맥락을 재현하지 않습니다. 사진은 실제 피부색을 완벽히 담지 못하고, 조명과 카메라 보정의 영향을 받습니다. 개인의 취향과 스타일, 상황에 따라 잘 어울린다고 느끼는 색도 달라질 수 있습니다.

그래서 결과를 절대적인 정답처럼 제시해서는 안 됩니다. 입력이 적합하지 않으면 다시 촬영하도록 안내하고, 신뢰도가 낮다면 그 이유를 설명하며, 추천은 사용자가 탐색할 출발점으로 제공해야 합니다. 전문가의 역할을 과장해 대체하려는 것보다 제품이 잘할 수 있는 범위를 정확히 지키는 편이 낫습니다.

AI를 쓰는 이유

AI의 장점은 같은 입력 흐름에서 색상 특징을 분석하고, 결과에 맞는 설명과 팔레트를 빠르게 구성할 수 있다는 점입니다. 개인별 결과를 만드는 비용을 낮추고, 사용자가 궁금해진 순간 바로 시도할 수 있게 합니다.

하지만 AI를 사용했다는 사실 자체는 제품 가치가 아닙니다. 결과가 일관되지 않거나 설명이 모호하면 오히려 기존 콘텐츠보다 신뢰하기 어렵습니다. 모델 선택과 프롬프트뿐 아니라 입력 검증, 결과 형식, 추천 규칙, 피드백 수집을 함께 설계해야 하는 이유입니다.

현재의 제품 가설

Clad의 현재 가설은 명확합니다. 사용자는 복잡한 분석 보고서보다 짧고 이해하기 쉬운 근거, 비교 가능한 팔레트, 바로 참고할 수 있는 추천을 원합니다. 그리고 분석의 한계를 솔직하게 설명할수록 결과를 더 현실적으로 활용할 수 있습니다.

이 가설은 출시로 증명되지 않습니다. 사용자가 결과를 읽고 팔레트를 탐색하는지, 추천까지 이어지는지, 어떤 이유로 다시 분석하는지 확인해야 합니다. Clad를 운영하며 가장 먼저 보고 싶은 것도 바로 그 지점입니다.