스코세이지도 생성형 AI로 스토리보드 만든다, 할리우드 금기가 흔들리는 중

• 마틴 스코세이지 감독이 생성형 AI 스타트업을 공개 지지하면서 할리우드의 AI 금기가 흔들리고 있음

  • 스코세이지는 영상 생성 AI 스타트업 블랙포레스트랩스 기술을 차기작 프리프로덕션에 활용했다고 밝힘
  • 구체적으로는 영화 본편 제작이 아니라 스토리보드 제작에 썼음
  • 스토리보드는 촬영 전에 장면 구성, 카메라 구도, 배우 동선 등을 그림으로 정리하는 작업임

• 블랙포레스트랩스는 스코세이지가 지난해부터 회사의 파트너이자 고문으로 활동해왔다고 공개함

  • 스코세이지는 “기술과 스토리텔링이 만나는 지점”에 관심이 있다고 말함
  • AI가 창의성의 경계를 넓히고 관객에게 더 깊고 풍부한 경험을 줄 수 있다는 입장도 냄
  • “영화는 약 125년밖에 되지 않은 젊은 매체”라며, 영화가 어떻게 진화할지 열린 마음으로 봐야 한다고도 했음

• 이게 민감한 이유는 할리우드에서 AI가 거의 금기어처럼 다뤄져 왔기 때문임

  • 작가, 배우, 시각효과 전문가들은 생성형 AI가 창작 인력을 대체할 수 있다고 우려해왔음
  • 2023년 미국작가조합과 배우·방송인노동조합의 대규모 파업에서도 생성형 AI 규제가 핵심 쟁점이었음
  • 그러니까 이번 건은 그냥 “감독이 새 툴 써봤다” 수준이 아니라, 상징성이 꽤 큼

• 최근 할리우드 분위기는 조금씩 바뀌고 있음

  • 데미 무어는 칸 영화제에서 “AI와 싸우는 것은 결국 패배할 싸움”이라며, 함께 일하는 방식을 찾는 게 더 가치 있다고 말함
  • 로버트 드니로가 공동 설립한 트라이베카 영화제는 배우, 세트장, 카메라 없이 AI만으로 제작된 영화를 상영작으로 선정하기도 했음
  • 몇 년 전만 해도 업계에서 말 꺼내기 어려웠던 주제가 이제 공개 토론장으로 올라온 셈임

• 스코세이지가 내세운 실용적 이유는 커뮤니케이션 비용임

  • 그는 70년 동안 직접 스토리보드를 그려왔지만, 머릿속 이미지를 배우와 제작진에게 전달하는 일은 늘 어려웠다고 설명함
  • AI를 쓰면 프로덕션 디자이너, 촬영감독 등 창작팀과 아이디어를 더 명확하고 효율적으로 공유할 수 있다는 주장임
  • 개발로 치면 완성 제품을 자동 생성한다기보다, 기획 단계의 프로토타입과 시각 명세를 빨리 만드는 쪽에 가까움

• 반발도 바로 나왔음. 핵심은 “그 AI가 누구의 작업물로 학습됐느냐”임

  • ‘어벤져스: 엔드게임’, ‘블랙 팬서’, ‘닥터 스트레인지’에 참여한 콘셉 아티스트 칼라 오르티스는 AI 모델이 스토리보드 아티스트들의 작업물을 학습했을 가능성이 높다고 비판함
  • 그는 스코세이지가 영향력을 이용해 창작자들의 생계를 위협하는 기술을 지지하는 건 실망스럽다고 말함
  • 애니메이션 감독 사무엘 디츠도 스토리보드는 원래 몇 초면 스케치할 수 있는 작업이라며, 수백만 명의 예술가 작품을 학습한 AI를 쓸 이유가 없다고 지적함

• 블랙포레스트랩스는 2024년 설립된 독일 기반 AI 스타트업임

  • 텍스트 입력만으로 이미지를 만들고 고급 영상 편집 기능을 제공하는 오픈소스 AI 모델 플럭스를 개발 중임
  • 이번 사례는 플럭스 같은 생성형 모델이 영화 제작의 초기 단계에 어떻게 들어갈 수 있는지 보여주는 장면임
  • 동시에 학습 데이터, 저작권, 직무 대체 논쟁도 같이 끌고 들어오는 꽤 복잡한 케이스임

---

기술 맥락

• 여기서 중요한 선택은 AI를 최종 창작자가 아니라 프리프로덕션 도구로 썼다는 점이에요. 영화 본편을 자동 생성한 게 아니라, 감독의 머릿속 장면을 팀이 이해할 수 있는 시각 자료로 바꾸는 데 쓴 거예요.

• 스토리보드는 원래 커뮤니케이션 비용을 줄이는 장치예요. 촬영감독, 미술팀, 배우가 같은 장면을 다르게 상상하면 현장에서 비용이 터지거든요. 스코세이지가 AI를 긍정적으로 본 이유도 이 병목을 줄일 수 있다는 기대에 가까워요.

• 하지만 생성형 AI는 학습 데이터 문제가 따라붙어요. 콘셉 아티스트들이 반발하는 이유는 도구의 편의성 때문만이 아니라, 그 도구가 자신들의 작업물을 허락 없이 학습했을 가능성 때문이에요.

• 개발자에게 익숙한 말로 바꾸면, 이건 생산성 도구 도입과 라이선스 리스크가 한 몸인 상황이에요. 결과물이 빨리 나온다는 장점이 있어도, 학습 데이터와 권리 관계가 불투명하면 실제 프로덕션 파이프라인에 넣는 순간 법무와 평판 리스크가 같이 따라와요.