세계는 공간들의 집합으로 이루어져 있다. 세계관을 절차적으로 생성한다는 것은 결국 그 공간들을 하나씩 만들어내는 작업이다. 이 단계에서 흔히 저지르는 오류는 공간을 곧바로 3차원 좌표나 물리적 수치로 환원하려는 시도다. 그러나 공간을 만들어내는 데 먼저 필요한 것은 좌표값이 아니라, 그 공간을 구성하는 여러 성질의 축들을 하나로 엮어낼 수 있는 프롬프트다. 절차적 생성의 우선순위는 3차원 데이터가 아니라 데이터 공간을 구성하는 프롬프트에 있다. 이 글은 이 원칙이 왜 성립하는지, 그리고 그 프롬프트를 어떻게 구조화하고 반복 가능하게 만들 수 있는지를 순서대로 다룬다. 개념만 설명하고 끝내지 않고, 방 하나를 실제로 만들어 보고, 같은 방법으로 인물과 팬덤 콘텐츠까지 만들어 보는 실용적인 순서로 진행할 것이다.
가로, 세로, 높이는 동일한 물리적 성질, 즉 길이라는 하나의 축이 세 번 결합한 구조다. 우리가 흔히 3차원 공간이라 부를 때 떠올리는 것이 바로 이것이며, 본질적으로는 부피를 규정하는 동질적 결합이다.
반면 한 사람의 신체를 키, 허리둘레, 몸무게라는 세 변수로 규정한다면 이는 전혀 다른 성격의 결합이다. 키와 허리둘레는 길이라는 성질에 속하지만 몸무게는 질량이라는 성질에 속한다. 성질이 다른 물리량들이 세 개의 축으로 모인 것이므로, 이를 이종 데이터로 이루어진 벡터 공간이라 규정할 수 있다. 학술적으로는 이종 특징 공간이라는 표준 용어가 이미 존재한다.
세계관의 공간은 부피가 아니라 바로 이 이종 특징 공간에 가깝다. 작가가 묘사하는 방은 가로, 세로, 높이만으로 완성되지 않는다. 재질, 온도, 촉감, 소리, 심리적 인상처럼 서로 무관한 성질의 변수들이 겹쳐야 비로소 그 공간이 된다. 즉 세계관의 공간은 처음부터 이종 데이터의 결합체다. 서두에서 말한 데이터 공간이 바로 이것이다. 좌표 세 개가 아니라, 성질이 다른 축 여러 개가 겹쳐서 만들어지는 공간. 이 공간을 다음 단계에서 어떻게 채우느냐가 관건이다.
기억해 둘 것은, 방금 신체를 예로 든 것이 우연이 아니라는 점이다. 이종 특징 공간이라는 개념 자체가 사람을 여러 성질의 축으로 규정하는 데서 출발했다. 그러니 이 글이 방을 만드는 방법으로 시작하더라도, 그 방법이 결국 인물에게도, 더 나아가 하나의 IP 전체에도 그대로 적용된다는 사실을 미리 염두에 두어도 좋다.
이종 특징 공간을 실제 제작 파이프라인에서 다루려 할 때 흔히 저지르는 오류가 있다. 기울기 13.5도, 반사율 0.2, 벽 두께 12센티미터 같은 정밀 수치를 LLM에 던져 공간을 만들어내려는 시도다. LLM은 언어 모델이며 수학적, 물리적 정밀 연산의 도구가 아니다. 숫자를 정확하게 불러준다고 해서 정확한 결과물이 나오지 않으며, 오히려 숫자가 정밀할수록 모델이 그 숫자를 의미 있는 표현으로 처리하지 못하고 왜곡시킬 가능성이 커진다. 정밀한 수치가 필요한 작업은 CAD, 3D 엔진, 물리 시뮬레이터 같은 전용 툴의 영역이지 LLM의 영역이 아니다.
LLM이 진짜로 강력한 지점은 다른 곳에 있다. 언어에 내포된 문맥과, 서로 다른 감각을 연결하는 공감각적 연합을 다루는 능력이다. 빨간색이라는 단어에서 따뜻함을 함께 떠올리는 인간의 인지 패턴을, LLM은 방대한 텍스트 데이터를 통해 이미 학습해 두고 있다. 그렇다면 세계관 제작 시스템이 다뤄야 할 대상은 좌표가 아니라 축 자체다. 1장에서 정의한 이종 특징 공간의 각 축, 즉 재질이라는 축, 온도라는 축, 촉감이라는 축을 수치가 아니라 언어로 채우는 것이다. 이것이 데이터 공간을 구성하는 프롬프트가 실제로 하는 일이다. 좌표를 계산하는 대신 축을 언어로 규정하고, 그 언어를 정밀한 데이터 단위로 규격화한다.
다만 축을 언어로 채우는 작업이 매번 처음부터 새로 이루어진다면 이는 반복 가능한 시스템이 아니라 매번 다른 결과물을 낳는 즉흥적 서술에 그친다. 데이터 공간이 라이브러리로서 기능하려면, 어떤 축들을 세울지에 대한 반복 가능한 틀이 먼저 있어야 한다. 그 틀을 어디서 가져올 수 있는지가 다음 문제다.
자유 서술된 순수 문학 텍스트는 그 자체로는 규칙성이 낮아 AI가 절차적으로 확장하기 어렵다. 매번 처음부터 문장을 해석해야 하고, 어떤 축을 세울지도 매번 새로 판단해야 한다. 이를 해결하려면 어떤 성질의 축들이 함께 묶여야 하는지를 먼저 규격화된 상위 단위로 분리해야 하는데, 여기에 가장 적합한 재료가 인류 서사에서 이미 오랜 시간 검증된 클리셰와 트로프다.
디스토피아적 슬럼가나 첨단 기업의 통제실이라는 트로프를 상위 모듈로 지정하면, AI는 그 장르가 관습적으로 동반하는 축들의 범위, 즉 색채, 조도, 질감, 소품 같은 축들을 즉시 좁혀서 인식한다. 다시 말해 트로프는 이종 특징 공간에서 어떤 축들을 세울지를 미리 정해주는 역할을 한다.
여기서 실무적으로 한 걸음 더 들어갈 수 있다. 트로프가 정해주는 것은 개별 문장이 아니라 축의 목록이다. 디스토피아 슬럼가라는 트로프를 앞에 세우면 조도, 오염도, 밀도, 소음, 재질 같은 축이 따라 나오고, 첨단 기업 통제실이라는 트로프를 세우면 반사율, 청결도, 음향 흡수, 감시의 시선, 동선의 통제 같은 축이 따라 나온다. 그래서 제작을 시작할 때 우리가 가장 먼저 하는 일은 문장을 쓰는 것이 아니라, 이 세계에서 반복해서 쓸 축의 목록을 트로프로부터 다섯에서 일곱 개쯤 뽑아 고정하는 것이다. 축이 너무 적으면 공간이 단조로워지고, 너무 많으면 관리 비용이 표현의 이득을 넘어선다. 이 고정된 축의 목록이 이후 만들어질 모든 공간과 인물이 공유하는 좌표계가 된다.
축이 정해지고 나면 남는 일은 그 축들 각각에 실제 값을 채우는 것이다. 값을 채우는 구체적인 방법, 즉 수치를 감각적 언어로 옮기는 매핑이 다음 장의 주제다.
인간은 면적 30제곱미터, 조도 150럭스라는 수치만으로는 공간을 상상하지 못한다. 반면 9평 남짓한 아늑한 방에 사무실 정도의 차분한 밝기가 감돈다는 문장은 즉시 이미지를 그려낸다. 축을 채우는 핵심 작업은 바로 이 치환, 즉 물리량을 인간이 체감할 수 있는 감각 언어로 옮기는 매핑이다.
이 매핑이 강력해지는 지점은 축의 개수가 늘어날 때다. 인간은 통상 네다섯 개 이상의 감각 축을 동시에 조합해 상상하는 데 어려움을 겪지만, AI는 그런 인지적 제약이 없다. 색조, 재질, 광학 반사성, 마찰감, 탄성, 음향, 대기라는 일곱 개의 독립된 축을 세우고 각 축이 여러 상태값을 가질 수 있다면, 조합의 경우의 수는 기하급수적으로 늘어난다. 인간이 감당할 수 없는 이 조합의 밀도를 AI에게 그대로 밀어붙이는 것이, 다중 축 데이터가 만들어내는 고해상도 세계관 데이터의 실체다.
구체적으로 확인해보자. 세계관 설정집이나 사양표, 혹은 참조 소재의 스펙 시트 등을 통해 다음과 같은 수치 데이터가 이미 확보되어 있다고 가정한다.
입력 데이터: 면적 30제곱미터, 조도 150럭스, 표면 반사율 85퍼센트(먼셀 N9.5 상당), 재질코드 PLA-M(플라스틱), 표면 광택도 5GU 이하(무광), 바닥 경도 쇼어 A 40, 압입 깊이 3밀리미터
여섯 항목 전부가 계측 가능한 수치 또는 파라미터라는 점이 중요하다. 하얗다, 매끈하다, 물렁하다는 결과물의 언어이지 입력값이 아니다. 입력이 순수 수치일 때만 이어지는 변환 작업이 축의 언어화라는 이 장의 논지와 정합성을 갖는다. 이 여섯 개의 파라미터를 면적, 조도, 색조, 재질, 광학성, 촉감과 탄성이라는 여섯 개의 축에 각각 대응시켜 언어로 풀어내면 다음과 같은 출력이 만들어진다.
출력 프롬프트: “사방이 탁 트이지 않은 9평 남짓한 아늑한 크기의 방은 온통 순백에 가까운 밝은 톤의 플라스틱 재질로 덮여 있다. 천장에서 은은히 배어 나오는 빛은 사무실 내부 수준의 차분한 밝기를 유지하며, 표면은 빛을 거의 튕겨내지 않는 무광 마감이라 시각적 눈부심이 없다. 바닥은 겉보기와 달리 발을 디디면 손끝으로 지우개를 눌렀을 때처럼 미세하게 들어갔다 복원되는 탄성을 지니고 있어, 걸을 때마다 독특한 안정감을 준다.”
각 수치가 어떻게 번역되었는지 짚어 보면, 30제곱미터는 9평 남짓한 아늑한 크기로, 150럭스는 사무실 내부 수준의 차분한 밝기로, 반사율 85퍼센트는 순백에 가까운 밝은 톤으로, 재질코드 PLA-M은 플라스틱 재질로, 광택도 5GU 이하는 무광 마감으로, 쇼어 A 40과 압입 깊이 3밀리미터는 지우개를 눌렀을 때처럼 미세하게 들어갔다 복원되는 탄성으로 옮겨졌다. 수치는 문장 속에서 사라진 것이 아니라 감각적 인상으로 형태를 바꾸어 살아남았다.
여기서 중요한 것은 이 여섯 개의 축이 이 방 하나에만 묶여 있지 않다는 점이다. 같은 여섯 축을 그대로 둔 채 값만 바꾸면 다른 방이 파생된다. 예를 들어 재질코드를 PLA-M에서 금속(재질코드 AL-M)으로, 바닥 경도를 쇼어 A 40에서 쇼어 D 80으로 바꾸면 입력 데이터는 다음과 같아진다.
파생 입력: 면적 30제곱미터, 조도 150럭스, 표면 반사율 85퍼센트(먼셀 N9.5 상당), 재질코드 AL-M(금속), 표면 광택도 5GU 이하(무광), 바닥 경도 쇼어 D 80
나머지 네 축은 그대로이므로 그대로 언어로 옮기고, 바뀐 두 축만 다시 매핑하면 다음과 같은 출력이 나온다.
파생 출력: “사방이 탁 트이지 않은 9평 남짓한 아늑한 크기의 방은 온통 순백에 가까운 밝은 톤의 금속 재질로 덮여 있다. 천장에서 은은히 배어 나오는 빛은 사무실 내부 수준의 차분한 밝기를 유지하며, 표면은 빛을 거의 튕겨내지 않는 무광 마감이라 시각적 눈부심이 없다. 바닥은 발을 디디면 미세한 되돌림조차 없이 단단하게 버티는 감각을 주며, 걸음을 옮길 때마다 발소리가 표면에 그대로 되울린다.”
두 문장을 나란히 놓으면 차이가 분명해진다. 색조와 조도, 무광 마감은 그대로 유지되었지만 재질과 바닥 감각만 바뀌면서 방의 전체 인상이 순백의 아늑한 공간에서 서늘하고 단단한 공간으로 완전히 달라진다. 이 두 문장은 서로 다른 방이 아니라, 같은 여섯 축으로 이루어진 하나의 데이터 공간 위에 있는 두 개의 점이다. 축을 고정한 채 값만 바꾸는 것으로 같은 세계관 안에서 무한한 변주를 만들어낼 수 있다는 사실이, 데이터 공간을 구성하는 프롬프트가 좌표 하나를 만드는 프롬프트와 근본적으로 다른 지점이다.
축의 값을 다룰 때 한 가지 더 짚어야 할 변수가 있다. 서술에서 자주 등장하지만 그동안 데이터화되지 않았던 부사적 수량 표현, 이를테면 전부, 대부분, 거의, 많은 같은 말들이다. 이 표현들은 정확한 비율로 환산 가능한 잠재적 값이며 동시에 문장 안에서는 감각적 뉘앙스로 기능한다. 벽면 대부분이 매끈한 플라스틱이지만 군데군데 거친 콘크리트가 드러나 있다는 문장은, 재질 축에 균일도라는 보조 축을 하나 얹은 결과다. 부사적 수량어를 별도의 통제 변수로 명시하면 하나의 감각 축 안에서도 완전함, 부분적임, 희소함이라는 하위 단계를 프롬프트 차원에서 조율할 수 있게 되어, 데이터 공간의 밀도가 한 단계 더 세밀해진다.
지금까지는 방 하나를 예로 들었다. 그러나 이 원리가 공간에만 적용되는 것은 아니다. 앞서 이종 특징 공간이라는 개념이 애초에 사람의 신체를 여러 성질의 축으로 규정하는 데서 출발했다는 점을 떠올려 보자. 인물 역시 처음부터 이종 특징 공간이다. 성격은 숫자 하나로 규정되지 않는다. 그것은 자기 인식의 축, 결점의 축, 몸에 밴 습관의 축, 욕망의 축이 겹쳐서 만들어지는 하나의 점이다.
방을 만들 때와 똑같은 순서를 밟으면 된다. 먼저 이 인물을 규정할 축의 목록을 고정한다. 이를테면 자기를 어떻게 인식하는가, 어떤 결점을 지고 있는가, 어떤 사물이나 몸짓에 자신을 고정시키는가, 무엇을 원하고 실은 무엇이 필요한가 하는 축이다. 그런 다음 각 축에 값을 채워 넣는다.
입력 데이터: 자기 인식 = 질서를 신뢰하는 관찰자 / 결점 = 통제 욕구 / 신체 습관 = 손목시계 / 표면적 욕망 = 모든 변수를 미리 알고 싶음 / 실제 필요 = 타인의 우연을 받아들이는 법
출력 프롬프트: “그는 말수가 적고, 입을 열기 전에 시선이 먼저 움직인다. 바카라상 위 물건의 각도가 조금이라도 틀어지면 대화를 멈추고 그것부터 바로잡는다. 손목시계의 초침 소리에 맞춰 호흡을 고르는 버릇이 있어서, 그가 침착해 보일 때는 대개 시계를 의식하고 있을 때다. 그는 대화보다 체크리스트를 신뢰한다. 그러나 언젠가 계획에 없던 농담 앞에서 처음으로 웃게 되는 순간, 그가 정말로 필요로 했던 것이 무엇이었는지가 드러난다.”
여기서도 방과 똑같은 일이 벌어진다. 축을 고정한 채 값만 바꾸면 다른 인물이 파생된다. 결점을 통제 욕구에서 방임으로, 신체 습관을 손목시계에서 구겨진 담뱃갑으로 바꾸면, 같은 다섯 축 위에 전혀 다른 사람이 서 있게 된다. 방 두 개가 하나의 데이터 공간 위 두 점이었던 것처럼, 이 인물들도 하나의 인물 공간 위 두 점이다. 세계관 안의 100명을 만드는 일은 100번의 영감이 아니라, 잘 고른 축 위에서 값을 바꾸어 나가는 반복 작업이 된다.
한 걸음 더 나가 보자. 지금까지 축은 세계를 묘사하기 위한 것이었다. 그런데 축이 묘사에 그치지 않고 그 자체로 만들어 팔 물건이 되는 영역이 있다. 팬덤 콘텐츠가 그렇다.
케이팝 팬덤 콘텐츠를 만들 때, 우리는 아이돌과 관련된 낱말 하나하나를 앞서와 똑같은 방식으로 축으로 분해한다. 다만 이때 세우는 축은 재질이나 조도가 아니라, 그 낱말이 불러오는 연상들이다. 이 낱말은 어떤 색을 떠올리게 하는가, 어떤 사물과 짝지어지는가, 어떤 감정의 결을 갖는가 하는 축이다.
입력 데이터: 키워드 = 항해 / 감정의 결 = 출발과 약속, 그리고 귀환 / 연상색 = 남청색(방향과 지속의 색) / 연상사물 = 나침반
출력: 이 낱말은 팬에게 "우리는 같은 방향을 향해 함께 간다"는 정서를 건넨다. 그 정서에 남청색과 나침반이라는 감각을 입히면, 항해라는 낱말은 곧바로 수집 카드 한 장이 되고, 지도의 조각을 모아 가는 작은 활동이 되며, 나침반 모양의 굿즈가 된다.
방을 묘사하던 축이 여기서는 카드가 되고 굿즈가 되고 팬의 루틴이 된다. 색은 반드시 의미를 데리고 다녀야 하고 — 남청색은 그저 파랑이 아니라 방향과 지속을 뜻하고, 은색은 그저 회색이 아니라 시간과 기술을 뜻한다 — 그 의미가 붙어 있는 한, 하나의 낱말에서 뽑아낸 축은 묘사의 재료를 넘어 생산의 단위가 된다. 같은 세계관 라이브러리가, 어떤 대상에 붙느냐에 따라 방이 되기도 하고 인물이 되기도 하고 팔 수 있는 물건이 되기도 하는 것이다.
여기까지 오면 한 가지 오해를 미리 막아 둘 필요가 있다. 공감각적 프롬프트 라이브러리는 최종 렌더링 엔진이 아니다. 이 라이브러리는 방의 정확한 좌표를 계산하지 않고, 벽과 벽이 부딪히는 충돌을 판정하지 않는다. 그것은 CAD와 3D 엔진과 물리 시뮬레이터의 일이다.
프롬프트 라이브러리가 담당하는 것은 그 엔진에 전달될 다른 층위다. 이 세계가 어떤 정체성을 갖는지, 어떤 감각으로 다가오는지, 어떤 분위기와 의미를 품고 있는지 하는 층위다. 그래서 실무에서 두 층위를 섞지 않는 것이 중요하다. 좌표와 충돌은 시뮬레이션에게, 정체성과 감각은 언어에게 맡긴다. 이 경계를 지키면, 앞으로 이 언어적 설계도가 텍스트 기반 게임이나 인터랙티브 소설, 실시간 렌더링 엔진과 연동될 때, 수치 좌표보다 훨씬 왜곡 없이 세계관의 정체성을 전달하는 매개체로 기능하게 된다. 반대로 이 경계를 흐리면, 언어 모델에게 정밀한 좌표를 시키고 시뮬레이터에게 분위기를 기대하는, 앞서 2장에서 경계했던 바로 그 오류로 되돌아간다.
과거에는 작가의 상상력과 예술적 직관의 영역으로만 뭉뚱그려졌던 시상과 무드는, 위와 같은 절차를 거쳐 정량적이고 재사용 가능한 프롬프트 데이터로 자산화될 수 있다. 이 글에서 다룬 세 층위, 트로프가 정해주는 축의 집합, 축을 언어로 채우는 감각 매핑, 그리고 그 매핑을 세밀하게 조율하는 부사적 통제 변수는 모두 하나의 원칙으로 수렴한다. 공간을 만들 때 먼저 필요한 것은 좌표가 아니라 데이터 공간을 구성하는 프롬프트라는 원칙이다.
이렇게 축적된 라이브러리는 개별 장면을 만드는 데 그치지 않는다. 트로프 단위로 고정된 축의 집합과, 그 축들을 감각 언어로 채우는 매핑 규칙을 함께 보관해 두면, 같은 세계관 안에서 축의 값만 바꾸어 얼마든지 새로운 공간을 파생시킬 수 있다. 그리고 우리가 4장부터 6장까지 확인했듯이, 그 대상은 방에 국한되지 않는다. 같은 라이브러리가 인물을 만들고, 팔 수 있는 물건을 만든다. 하나의 축 체계가 공간과 사람과 상품을 가로질러 재사용된다는 것, 그것이 이 방법이 낱개의 묘사 기술이 아니라 하나의 제작 시스템인 이유다.
이는 문학적 서술을 이종 데이터 공간의 규칙으로 환원하고, 그 규칙을 인간과 LLM이 동시에 이해할 수 있는 언어로 정제해 보관하는 구조다. 향후 텍스트 기반 게임, 인터랙티브 소설, 혹은 실시간 렌더링 엔진과 연동될 경우, 이 언어적 설계도는 수치 좌표보다 훨씬 왜곡 없이 세계관의 정체성을 전달하는 매개체로 기능하게 될 것이다.
— 김동은WhtDrgon @MEJE.kr
이 방법론은 단일 학문 분야에 속하기보다, 생성형 AI 기반 IP 제작이라는 실무 목적 아래 여러 연구 분야를 교차적으로 결합한다. 공감각적 프롬프트 라이브러링은 문학적 서술을 감각적 표현으로만 보지 않고, 반복 가능한 축과 값의 조합으로 다루는 응용적 프레임워크다.
세계관의 공간은 가로·세로·높이로만 구성되는 동질적 좌표 공간이 아니다.
재질, 온도, 촉감, 소리, 심리적 인상처럼 서로 다른 성질의 축이 결합된 이종 특징 공간에 가깝다.
본 원고의 "좌표가 아니라 축"이라는 주장은 이 특징 공간 개념에 기반한다.
공간, 인물, 팬덤 콘텐츠를 모두 여러 축의 조합으로 다룰 수 있다는 점에서 방법론의 기본 토대가 된다.
프레임 의미론은 단어와 표현이 독립적으로 의미를 갖는 것이 아니라, 특정 해석 틀 안에서 의미를 갖는다고 본다.
본 방법론에서 트로프는 바로 이 해석 프레임의 역할을 한다.
“디스토피아 슬럼가”, “첨단 기업 통제실” 같은 트로프는 색채, 조도, 밀도, 소음, 감시성 같은 축 후보를 자동으로 좁혀 준다.
따라서 트로프는 단순한 클리셰가 아니라 반복 가능한 축 목록을 생성하는 상위 모듈이다.
개념적 은유 이론은 인간이 추상 개념을 신체적·감각적 경험을 통해 이해한다고 본다.
본 원고의 수치 → 감각 언어 변환은 이 관점과 연결된다.
조도 150럭스를 "사무실 정도의 차분한 밝기"로, 쇼어 A 40을 "지우개를 누르는 듯한 탄성"으로 옮기는 작업이 이에 해당한다.
수치는 사라지는 것이 아니라 인간이 체감할 수 있는 은유적·감각적 언어로 재표현된다.
절차적 콘텐츠 생성은 규칙과 파라미터를 통해 다수의 콘텐츠 변주를 만들어내는 방법론이다.
본 방법론은 공간이나 인물을 직접 하나씩 쓰는 대신, 축을 고정하고 값만 바꾸어 변주를 만든다.
같은 여섯 축 위에서 재질과 경도만 바꾸어 다른 방을 만드는 예시는 절차적 생성의 기본 구조와 일치한다.
차이는 최종 산출물이 좌표나 메시가 아니라, LLM이 이해할 수 있는 감각적 프롬프트라는 점이다.
서사학에서 장르와 트로프는 반복적으로 인식되는 이야기의 관습적 구조다.
본 원고는 트로프를 이야기 장식이 아니라 제작 가능한 데이터 구조로 해석한다.
장르 관습은 어떤 축이 필요한지를 결정하고, 축의 값은 구체적인 장면과 인물을 만든다.
이 관점에서 트로프는 창작의 진부함이 아니라 반복 가능성과 확장성을 제공하는 설계 자원이다.
계산 창의성 연구는 창작 행위를 규칙, 조합, 탐색, 평가의 과정으로 분석한다.
공감각적 프롬프트 라이브러링은 작가의 직관을 축, 값, 매핑, 검증의 절차로 나누어 다룬다.
이는 인간 창작자의 감각을 제거하는 것이 아니라, 반복 가능한 구조로 보존하는 방식이다.
인간은 축을 설계하고 의미를 판정하며, AI는 축의 조합과 변주를 고밀도로 생성한다.
인간은 색, 촉감, 소리, 온도, 정서를 서로 연결해 인식한다.
LLM 역시 방대한 텍스트 학습을 통해 “빨간색-따뜻함”, “금속-차가움”, “무광-차분함” 같은 공감각적 연합을 부분적으로 학습한다.
본 방법론은 이러한 교차 감각 연합을 프롬프트 데이터의 핵심 자원으로 사용한다.
따라서 감각 매핑은 단순한 묘사 보강이 아니라, 세계관의 정체성을 다중 감각으로 안정화하는 기술이다.
공감각적 프롬프트 라이브러링은 위 연구 분야 중 하나에 완전히 귀속되지 않는다.
이 방법론은 이종 특징 공간, 프레임 의미론, 개념적 은유, 절차적 생성, 서사학, 계산 창의성, 교차 감각 연합을 IP 제작 공정 안에서 결합한다.
핵심 목적은 문학적 서술을 반복 가능하고 검증 가능한 프롬프트 데이터로 자산화하는 것이다.
따라서 본 방법론은 생성형 AI 시대의 세계관 제작을 위한 응용적 R&D 프레임워크로 볼 수 있다.
공감각적 프롬프트 라이브러링의 기술적 성과는 "좋은 문장이 나왔는가"만으로 평가할 수 없다. 이 방법론의 핵심은 축이 안정적으로 보존되는가, 값의 변화가 출력의 차이로 드러나는가, 그리고 같은 구조가 공간·인물·팬덤 콘텐츠로 확장 가능한가에 있다.
문학적 서술을 구조화된 프롬프트 데이터로 전환할 수 있는지 평가한다.
트로프 기반 축 목록이 반복적으로 재사용 가능한지 확인한다.
수치와 파라미터가 감각 언어로 안정적으로 매핑되는지 측정한다.
동일한 축 체계가 공간, 인물, 상품, 팬덤 액티비티로 확장 가능한지 검증한다.
인간 창작자 단독 작업 대비 반복성, 생산성, 정합성이 향상되는지 확인한다.
트로프 기반 축 추출
축 고정 및 값 변주
수치·파라미터의 감각 언어 매핑
부사적 수량어의 통제 변수화
공간·인물·팬덤 콘텐츠 간 축 체계 전이
LLM 출력의 정합성 검증
라이브러리화 및 재사용 가능성 평가
축 안정성 : 같은 트로프에서 유사한 축이 반복 도출되는가. 축 재현율, 축 중복률
축 생산성 : 고정된 축으로 충분한 변주가 가능한가. 파생 프롬프트 수, 조합 가능 수
축 보존율 : 입력 축이 출력문에 빠짐없이 반영되는가. 누락 축 비율
값 변별성 : 값 변경이 출력 인상의 차이로 이어지는가. A/B 식별률
감각 매핑 성공률 : 수치가 체감 가능한 언어로 변환되는가. 인간 평가 점수, 매핑 실패율
정합성 : 기존 세계관 설정과 충돌하지 않는가. 충돌 건수, 폐기 설정 사용률
반복성 : 같은 입력에서 여러 세션이 유사 품질을 내는가. 출력 품질 분산
확장성 : 공간 외 대상에도 적용 가능한가. 적용 도메인 수
생산성 : 인간 단독 작업보다 빠른가. 시간 절감률
수정 비용 : 후속 수정이 줄어드는가. 재작업 횟수, 수정 라운드 수
출력 프롬프트가 단순 수치 나열을 넘어 감각적 장면으로 읽히는가
축의 값이 문장 속에서 자연스럽게 체화되는가
같은 세계관 안의 변주로 인식되는가
트로프의 관습을 따르되 과도하게 진부하지 않은가
인간 작가가 후속 집필에 사용할 수 있을 만큼 구체적인가
LOREBOOK, 캐릭터 시트, 팬덤 콘텐츠 기획으로 전환 가능한가
독자가 세계관의 정체성을 일관되게 감지할 수 있는가
동일 트로프에서 축 목록을 3회 이상 생성한다.
반복 생성된 축 중 공통으로 등장하는 축을 핵심 축으로 고정한다.
핵심 축 5~7개를 기준으로 입력값 세트를 만든다.
같은 축에 서로 다른 값을 넣어 3개 이상의 파생 프롬프트를 생성한다.
인간 평가자가 각 출력의 차이를 식별할 수 있는지 확인한다.
기존 세계관 설정과 충돌하는 표현이 있는지 검수한다.
같은 절차를 공간, 인물, 팬덤 콘텐츠에 각각 적용한다.
세 도메인 모두에서 축 보존과 값 변별이 확인되면 1차 기술 달성으로 본다.
1단계 개념 정립 : 축, 값, 감각 매핑의 기본 원리 설명 가능
2단계 단일 예시 검증 : 방 하나를 축 기반 프롬프트로 생성 가능
3단계 변주 검증 : 같은 축에서 값 변경으로 복수 공간 생성 가능
4단계 도메인 확장 : 인물과 팬덤 콘텐츠에도 동일 원리 적용 가능
5단계 : 라이브러리화 : 축 목록과 매핑 규칙을 표준 포맷으로 저장 가능
6단계 : 정합성 검증 : 기존 세계관 Vault와 충돌 여부 점검 가능
7단계 : 생산 공정 통합 : LOREBOOK, 캐릭터 제작, 스토리텔링 공정에서 재사용 가능
핵심 축 5~7개가 안정적으로 도출된다.
입력 축의 90% 이상이 출력 프롬프트에 반영된다.
값 변경 후 인간 평가자가 80% 이상 차이를 식별한다.
기존 세계관 설정과의 충돌이 중대 결함 없이 통과된다.
동일한 축 체계가 최소 3개 도메인에 적용된다.
인간 단독 초안 대비 제작 시간이 유의미하게 단축된다.
생성 결과가 단순 문장 생성물이 아니라 재사용 가능한 라이브러리 항목으로 저장된다.
트로프별 표준 축 카탈로그 구축
감각 매핑 사전 제작
부사적 수량어의 비율값 매핑
축 보존율 자동 검증 도구 개발
LLM별 출력 품질 비교
인간 작가 평가 프로토콜 설계
MEJE 라이브러링 Vault와의 자동 연동
공간·인물·사물·팬덤 콘텐츠를 포괄하는 공감각 축 데이터베이스 구축