에셋 정리 방법

수천 장의 이미지를 저장했는데
정작 필요할 때는 왜 찾을 수 없을까요?

이미지에 무엇이 담겼는지는 도구가 기억하게 하고, 나에게 어떤 의미인지는 직접 남기세요.

마음에 드는 웹사이트 디자인, 일러스트, 사진, 재미있는 인터페이스를 보면 일단 저장해 둡니다. 시간이 지나면서 어느새 이미지가 수천 장이 되었습니다.

어느 날 새 포스터를 디자인하다가 문득 생각이 납니다. “전에 딱 어울리는 사진을 저장해 둔 것 같은데. 전체적으로 따뜻한 색감이고, 언덕에 안개가 끼어 있고, 능선 위에 작은 사람이 서 있었어.”

분명 저장했습니다. 반년 전일 수도, 1년 전일 수도 있습니다. 하지만 파일 이름도, 어느 폴더에 넣었는지도 기억나지 않습니다.

일러스트: 기억하는 것은 이미지인데, 컴퓨터가 저장한 것은 파일 이름과 날짜라서 둘 사이에 접점이 없습니다.

폴더 몇 개를 뒤져 보다가 결국 포기하고, Pinterest나 Behance에서 비슷한 작품을 다시 검색합니다. 앞으로의 작업에 도움이 되려고 모아 둔 이미지가 쓰이지 못한 셈입니다.

AI 이미지 분석이 저장한 이미지를 찾는 방식을 바꾸고 있습니다. 그렇다면 여전히 직접 정리해야 하는 정보는 무엇일까요?

01 네 가지 단계

저장에서 활용까지는 서로 다른 네 가지 일이 있습니다

“못 찾겠다”는 말은 흔히 폴더를 충분히 세분화하지 않아서라고 해석됩니다. 하지만 저장에서 실제 활용까지는 네 단계를 거치며, 단계마다 풀어야 할 문제도 막히는 모습도 다릅니다.

네 가지 단계와 단계별로 흔히 생기는 문제
단계진짜 풀어야 할 문제흔히 생기는 문제
저장남길 만한 것을 부담 없이 남길 수 있는가?너무 많이 저장: 뭐든 저장하다 보니, 검색 결과가 나와도 비슷한 이미지 더미에서 다시 골라야 합니다.
정리나중에 쓰려면 얼마나 공을 들여야 충분한가?너무 세세한 분류: 저장할 때마다 오래 고민하다 보니 저장하기가 싫어지거나, 아무 데나 넣게 됩니다.
찾기일부만 기억나도 찾아갈 길이 있는가?남겨 둔 검색 단서 없음: 이미지는 기억나는데, 그 기억과 이어지는 정보가 저장되어 있지 않습니다.
활용찾은 뒤에 이번 작업에 어떻게 도움이 되는지 판단할 수 있는가?저장한 이유가 없음: 이미지는 찾았는데 무엇에 끌려 저장했는지 기억나지 않아, 처음부터 다시 평가해야 합니다.

이 네 가지가 항상 동시에 일어나는 것은 아니고, 해결 방법도 각각 다릅니다. 저장량이 많은 것 자체는 잘못이 아니고, 적게 저장한다고 더 잘 쓰게 되는 것도 아닙니다. 어느 단계에서 막히는지가 중요합니다. 가장 흔히 막히는 곳은 “찾기”입니다.

02 검색 단서

이미지를 못 찾은 이유는 검색 단서를 남기지 않았기 때문인 경우가 많습니다

AI 이미지 검색이 없는 작업 환경을 떠올려 보세요. 컴퓨터에 이미지가 1,000장 있고, 파일 이름은 image_001.jpg, screenshot_20240312.png, a8df0392.webp, download_27.jpg 같은 식입니다.

파일이 망가지거나 사라진 것은 아닙니다. 하지만 “파란 배경의 제품 화면”을 찾고 싶을 때, 컴퓨터는 어떤 이미지가 맞는지 어떻게 알까요? 기존의 파일 검색은 주로 파일 이름, 위치, 날짜, 파일 속성 같이 이미 저장된 정보에 의존합니다. 이미지 이름이 image_001.jpg이고 파일 안에 관련 설명도 없다면, 이름만으로 찾기는 당연히 어렵습니다.

그래서 에셋 관리는 오랫동안 수작업 정리를 중시해 왔습니다. 폴더를 만들어 웹사이트 디자인, 일러스트, 사진 등으로 나누고, 파일 이름을 바꿔 image_001.jpg를 blue-dashboard-ui.jpg로 만들고, 태그로 “파랑”, “Dashboard”, “카드형 디자인” 같은 특징을 표시합니다. 별점을 매겨 나중에 먼저 볼 만한 작품을 정해 두기도 합니다.

이 방법들의 공통된 목적은 나중에 에셋을 찾을 때 쓸 검색 단서를 미리 만들어 두는 것입니다. 이미지가 늘어날수록 이 일은 더 중요해집니다.

눈으로 훑어보는 것도 중요한 이유

텍스트 단서를 더하는 것 말고도 이미지를 훑어보는 경험을 개선하는 방법이 있습니다. 이미지 전용 도구가 일반 파일 관리자와 다른 점이기도 합니다. 예를 들어 Eagle은 썸네일을 원래 비율대로 배열하고, 많은 이미지를 빠르게 미리 보고, 살펴보고, 비교할 수 있습니다. 이는 또 다른 문제를 해결합니다. 이미지 이름이 기억나지 않아도 많은 썸네일을 빠르게 훑어보다가 눈에 익은 이미지를 알아볼 수 있기 때문입니다.

따라서 기존의 에셋 관리에는 서로 보완하는 두 가지 길이 있습니다. 하나는 정리해서 이미 아는 정보로 이미지를 검색하게 하는 것이고, 다른 하나는 훑어보면서 시각적 기억으로 이미지를 다시 알아보게 하는 것입니다. 두 방법 모두 지금도 유효하지만 한계도 같습니다. 데이터가 늘어날수록 정리하거나 찾는 데 드는 비용이 커지기 쉽다는 점입니다.

03 앞으로의 검색 방식

어려운 점은 앞으로 어떻게 찾게 될지 모른다는 것입니다

오늘 입체 레터링 작품을 하나 저장했다고 해 봅시다. 어두운 배경이 주인공을 돋보이게 하는 것을 보고 “어두운 배경” 태그를 달았습니다. 몇 달 뒤 타이포그래피를 공부하다가 “입체 글자가 제목이고 글자가 화면을 거의 가득 채우는 디자인”을 찾고 싶어집니다. 예전에 저장한 벽돌 질감의 VOID 입체 레터링이 딱 맞는 작품입니다. 하지만 “입체 레터링”이나 “타이포그래피” 태그는 달지 않았으니, 그 키워드로 검색하면 나오지 않을 수 있습니다.

태그를 꼼꼼히 달아도, 저장하는 시점에 앞으로의 모든 쓰임새를 예측하기는 어렵습니다. 이미지는 여러 각도에서 읽을 수 있습니다. 이 입체 레터링 작품에는 아래의 특징이 모두 있을 수 있습니다. 오늘은 배경이 좋아서 저장했어도, 나중에는 입체 레터링을 공부하려고 다시 찾게 될 수 있습니다.

일러스트: 태그를 달 때는 지금 신경 쓰는 각도만 떠오르지만, 다음에 찾는 것은 다른 각도인 경우가 많습니다.

가능한 모든 검색 각도를 미리 손으로 태그해야 한다면 정리가 매우 무거운 일이 됩니다. 태그가 적으면 나중에 못 찾을까 걱정되고, 많으면 시간이 많이 들고 일관된 기준을 유지하기도 어렵습니다. 기존의 수작업 태그로는 이 문제를 완전히 해결하기 힘듭니다.

개인 정보 관리 분야의 연구에서도 비슷한 현상을 다루었습니다. Elsweiler, Ruthven, Jones의 2007년 연구는 개인 정보를 다시 찾는 일을 기억 착오에서 회복하는 과정으로 보고, 그런 착오가 필요한 정보를 다시 찾는 일을 방해한다고 제시했습니다. 이들은 25명의 일기 연구에서 설계 원칙을 도출하고 사진 관리 도구로 평가했으며, 그 결과 사람의 기억 특성에 맞춰 도구를 설계하면 다시 찾는 성과를 높일 수 있음을 보여 주었습니다.

다시 말해 이미지를 기억한다고 해서 어떻게 저장했는지까지 기억하는 것은 아닙니다. 검색 시스템이 그때 만든 분류하고만 일치시킬 수 있다면, 이 간극이 문제를 일으킵니다.

04 AI가 바꾸는 것

AI는 전제를 바꾸고 있습니다. 이미지 자체가 검색 단서가 됩니다

예전에는 “발레리나”로 이미지를 검색하려면 누군가 해당 이미지에 “발레리나” 태그를 달았거나, 다른 시스템이 같은 정보를 만들어 두어야 했습니다. 이제는 이미지를 분석하는 AI가 그 안에 있을 수 있는 사물, 장면, 글자, 일부 시각적 특징을 알아볼 수 있습니다. image_001.jpg라는 이름의 파일도 “발레리나”라는 설명으로 찾을 가능성이 생겼습니다.

예전에는 사람이 이미지를 먼저 설명해 두어야 그 설명으로 찾을 수 있었습니다. 이제는 설명의 일부를 이미지에서 바로 얻을 수 있습니다.

이미지를 찾는 방법
발레리나발레리나 일치하는 이름 없음3장 일치4장 유사
이름만으로는 내용을 알 수 없는 같은 에셋도 검색 방식에 따라 결과가 달라집니다. 직접 조작해 볼 수 있는 개념 일러스트이며, 제품 화면이나 실제 검색 결과가 아닙니다.

Google 포토는 자연어 검색을 제공해서, 사진 속 인물, 장소, 활동을 일상적인 문장으로 설명해 찾을 수 있습니다. 사진마다 같은 키워드를 미리 입력해 둘 필요가 없습니다. Adobe Lightroom도 자연어 검색을 제공하며, 장면, 피사체, 빛, 보정 스타일 같은 설명으로 사진을 찾을 수 있습니다.

생각을 말로 옮기지 않아도 되는 방법도 있습니다. 바로 이미지로 검색하는 것입니다. 참고 이미지를 주면 시스템이 시각적 특징이 비슷한 에셋을 찾아 줍니다. 예를 들어 특별한 그라디언트를 찾고 싶은데 어떻게 설명해야 할지 모르겠다면, 키워드를 계속 바꿔 보기보다 비슷한 이미지를 하나 골라 유사한 작품을 찾는 편이 낫습니다. Eagle에서는 기억나는 이미지, 이미지 속 글자, 색상, 참고 이미지로도 검색을 시작할 수 있습니다.

이 기술들이 완전히 같지는 않습니다. 텍스트 검색은 이미지 분석 결과를 쓸 수도 있고, 기존 파일 이름과 설명만 검색할 수도 있습니다. 이미지로 검색할 때는 보통 시각적 특징을 비교합니다. 그래도 새로운 가능성이 열렸습니다. 모든 이미지에 가능한 검색 키워드를 미리 다 적어 두지 않아도, 나중에 찾아낼 수 있게 된 것입니다.

물론 사용하는 도구에 이런 기능이 있고, 필요한 분석이나 인덱싱이 끝나 있어야 합니다. AI가 잘못 인식하거나 중요한 세부 사항을 놓칠 수도 있습니다. 따라서 AI가 기존 검색을 쓸모없게 만든 것이 아니라, 새로운 진입로를 더한 것입니다.

05 세 종류의 정보

AI가 이미지를 분석할 수 있다면 태그를 직접 달 필요가 아직 있을까요?

AI가 이미 이미지에 나무 실루엣이 있다는 것을 알 수 있다고 해 봅시다. 그런 사진마다 “나무” 태그를 달아야 할까요? 시스템이 이미지에서 이 정보를 믿을 만하게 얻을 수 있고 특별한 분류 필요도 없다면, 다시 입력할 이유는 줄어듭니다. 이미지 크기, 비율, 형식, 그리고 분석 가능한 여러 시각적 특징도 마찬가지입니다.

그렇다고 수작업 태그가 가치 없다는 뜻은 아닙니다. 먼저 정보를 세 가지로 나누어 보면 도움이 됩니다.

같은 에셋에 담긴 세 종류의 정보입니다. 출처가 다르니 들여야 할 시간도 다릅니다. 인터페이스 일러스트이며, 제품 화면이 아닙니다.

첫째: 에셋 자체에서 얻을 수 있는 정보

예를 들어 어떤 사진의 해상도가 2652 × 4000이고, 파랑과 따뜻한 금빛이 중심이며, 나무 실루엣과 방사형 빛줄기가 보이고, 역광으로 찍혔다는 정보입니다. 이런 정보는 일부는 프로그램이 바로 읽어 낼 수 있고, 일부는 AI가 분석해 추정할 수 있습니다. 도구가 믿을 만하게 만들어 낼 수 있다면 다시 태그를 달 필요가 없을 수도 있습니다. 특히 “이미지에 무엇이 있는지”에 대한 설명은 수천 장에 일일이 태그를 다는 것보다 AI의 도움을 받는 쪽이 대개 유지하기 쉽습니다.

다만 “미니멀”, “고급스러움”, “테크 느낌” 같은 시각적 스타일은 해석의 여지가 있으므로, AI가 판단한 스타일을 객관적인 사실로 받아들여서는 안 됩니다.

둘째: 에셋에 담겨 있지 않을 수 있는 외부 정보

이 이미지는 어느 사이트에서 왔을까요? 누가 만들었을까요? 라이선스는 무엇일까요? 공개된 최종본일까요, 작업 중인 초안일까요? 이런 정보는 이미지만 봐서는 알 수 없을 수 있습니다. AI가 외부 검색이나 파일 정보, 다른 자료로 찾는 데 도움을 줄 수도 있지만, 믿을 만한 출처가 없다면 추측을 확인된 사실로 취급할 수 없습니다.

그래서 원본 URL, 작가, 필요한 출처 정보를 남겨 두는 일은 여전히 가치가 있습니다. 특히 이미지가 상업 작업에 쓰일 수 있다면 이미지를 찾았다고 해서 사용이 허가된 것은 아니므로, 사용 전에 원래 출처에서 라이선스를 확인해야 합니다.

셋째: 나만 아는 저장 이유와 작업 맥락

나무 사이로 햇빛이 쏟아지는 사진을 저장했다고 해 봅시다. AI는 나무와 빛줄기가 있다는 것을 알아볼 수 있고, 역광으로 찍혔다는 점, 하늘이 푸르다는 점, 따뜻한 빛무리가 있다는 점도 알아챌 수 있습니다. 하지만 내가 왜 저장했는지는 알지 못할 수 있습니다. 풍경을 좋아해서가 아니라, 사진가가 역광에서도 나뭇잎 가장자리의 디테일을 어떻게 살렸는지 연구하고 싶었을 수 있습니다. 광고 작업을 하면서 빛줄기가 화면 한쪽 모서리에서 퍼져 나가는 구도를 참고하고 싶었을 수도 있습니다. 반대로 구도에 뚜렷한 결점이 있다고 생각해서, 피해야 할 사례로 남겨 두었을 수도 있습니다.

AI는 이미지에 무엇이 담겼는지는 분석할 수 있지만, 이미지만으로 내가 왜 저장했는지를 믿을 만하게 알아낼 수는 없습니다.

내 기록을 바탕으로 꽤 가깝게 추측할 수는 있겠지만, 추론은 그때 내가 실제로 했던 생각과는 다릅니다. 직접 적어 둔 메모는 그 이유를 남길 수 있습니다.

06 시간을 쓸 곳

앞으로 수작업 정리는 어디에 시간을 써야 할까요?

3D 장면 렌더링을 저장한다고 해 봅시다. 예전에는 “3D 렌더링”, “라벤더 톤”, “실내”, “펜던트 조명”, “구체” 같은 태그를 달았을 것입니다. 이런 설명은 기존 검색이 이미지를 찾는 데 도움이 됩니다. 하지만 도구가 이미 이미지에서 이런 특징을 분석할 수 있다면 매번 직접 입력할 필요는 없습니다. 메모에는 다른 종류의 정보를 남길 수 있습니다.

인터페이스 일러스트이며, 제품 화면이 아닙니다. 이런 특징을 분석할 수 있는지는 사용하는 도구와 결과에 따라 다릅니다.

이 한 문장에는 중요한 내용이 여럿 담겨 있습니다. 작품에 대한 내 평가, 빌려 올 만하다고 본 부분, 어울릴 만한 작업의 종류입니다. 이미지만으로는 완전히 알 수 없는 것이 바로 이런 내용입니다.

또 이렇게 저장해 두면 나중에 검색할 때 추가 단서도 됩니다. 예를 들어 “예전에 저장한 장면 중 조명이 제품 사진 참고용으로 좋은 것”을 찾을 수 있습니다. 그때의 판단을 남겨 두었다면 내가 원하는 것과 이어질 텍스트가 더 많아집니다.

모든 이미지에 메모가 필요하다는 뜻은 아닙니다. 특별한 용도 없이 예쁜 일러스트 몇 장을 저장하는 거라면 저장만으로 충분합니다. 하지만 분명한 저장 이유가 있고 나중에 잊어버릴 것 같은 에셋이라면, 지금 짧게 적어 두는 편이 몇 달 뒤에 추측하는 것보다 대개 낫습니다.

07 실제 사례

1,000개의 에셋에서 필요한 디자인 찾기

모든 저장 · 검색 결과필터 추가후보 비교포스터 프로젝트 / 레퍼런스 수십 장십여 장6장 고르기6장 + 이유
진행 단계
전환해 볼 수 있는 과정 일러스트이며, 제품 화면이 아닙니다. 숫자는 범위가 좁혀지는 흐름을 보여 줄 뿐입니다.

그래픽 디자이너인 내가 사진, 건축, 디자인 작품 1,000장을 저장해 두었다고 해 봅시다. 지금은 포스터 시리즈를 만들면서, 큰 색면과 여백으로 화면을 구성하는 방법을 연구해야 합니다. 참고할 만한 건축 사진을 전에 본 기억은 있지만, 어느 폴더에 넣었는지는 잊어버렸습니다.

1단계: 기억나는 이미지의 특징에서 출발하기

기억나는 것이 “분홍색 외벽이었고 뒤에 큰 푸른 하늘이 있었던 것 같아. 화면이 아주 휑했어.” 정도일 수 있습니다. 기존 검색에서는 이미지에 관련 파일 이름이나 태그가 없다면 많은 썸네일을 직접 훑어봐야 했을 것입니다. 이미지 내용을 분석하는 검색 시스템에서는 그 설명으로 후보를 찾아볼 수 있고, 비슷한 이미지가 손에 있다면 이미지로 검색할 수도 있습니다. 기억하는 바로 그 한 장이 나오지는 않을 수 있지만, 시각적 특징이 비슷한 결과를 한꺼번에 얻을 수 있습니다.

2단계: 다른 조건으로 범위 좁히기

그래도 결과가 수십 장 남아 있다고 해 봅시다. 이미 아는 조건을 더할 수 있습니다. 이미지 비율, 파일 형식, 특정 키워드, 원래 넣어 둔 폴더 같은 것입니다. “건축 레퍼런스”에 넣었던 기억이 있다면 그 범위부터 보고, 썸네일 탐색, 미리 보기, 비교로 어떤 것이 맞는지 확인합니다. AI 검색, 기존 필터, 눈으로 훑어보기는 서로 배타적이지 않습니다. 각자 다른 각도에서 후보를 좁혀 줍니다.

3단계: 이번 프로젝트에 맞게 고르기

이제 관련 있는 건축 사진을 십여 장 찾았지만, 모두 이번 작업에 맞지는 않습니다. 색은 아름답지만 디테일이 너무 많아서 포스터 글자를 받쳐 주지 못하는 사진도 있고, 평범해 보여도 색면이 분명하고 여백이 넉넉한 사진도 있습니다. 디자인 감각으로 후보를 비교하고, 참고할 만한 것을 골라 프로젝트의 레퍼런스 폴더에 추가합니다.

4단계: 고른 이유 남기기

최종적으로 이미지 여섯 장을 골랐다고 해 봅시다. 한 장은 색면 비율을 참고하기 좋고, 다른 한 장은 대칭 구도를 참고하기 좋고, 또 한 장은 요소가 너무 많아 그대로 쓰기는 어렵지만 반면교사로는 쓸 만합니다. 중요한 이미지에는 짧은 메모를 남기거나 프로젝트 자료에 고른 이유를 적어 두세요. 비슷한 문제를 다시 만났을 때, 그 메모가 왜 이 이미지들을 골랐는지 떠올리게 해 줍니다.

예전과 가장 크게 다른 점은 저장하는 시점에 모든 이미지의 설명을 완벽하게 만들어 둘 필요가 없다는 것입니다. 하지만 가치 있는 판단을 내렸다면, 그 이유는 남겨 둘 만합니다. 그런 판단의 기준을 세우는 방법은 별점에 관한 이 글을 읽어 보세요.

08 저장 습관

AI 시대에도 들일 만한 저장 습관은 무엇일까요?

에셋이 얼마나 중요한지에 따라 지금 얼마나 공을 들일지 정하세요. 복잡한 체계는 필요 없습니다.

일반 저장: 일단 남기고, 서둘러 완벽히 정리하지 않기

우연히 흥미로운 이미지를 발견했는데 아직 뚜렷한 용도가 없다면, 그냥 저장하세요. 태그를 다섯 개 달지, 별을 세 개 줄지 네 개 줄지, 어느 세부 카테고리에 넣을지 매번 정할 필요가 없습니다. 도구가 에셋의 내용을 분석하고 검색할 수 있다면, 처음에 들이는 정리 비용은 합리적으로 줄여도 됩니다.

특히 가치 있는 에셋: 저장한 이유 남기기

배울 만한 문제를 해결한 디자인을 만났다면, 몇 초만 들여 이유를 적어 두세요. 예를 들면 이렇습니다.

  • 이 페이지의 시각적 리듬이 마음에 든다. 특히 이미지와 글이 번갈아 나오는 방식이 좋다.
  • 이 메뉴는 모바일에서의 처리가 훌륭하다. 나중에 참고할 것.
  • 이 색 조합은 쓰지 않겠지만, 정보 구조는 연구할 가치가 있다.

이런 메모는 “웹”, “UI”, “디자인” 같은 태그보다 나만의 전문적인 판단에 가깝습니다.

프로젝트 에셋: 그때의 쓰임새 맥락 남기기

에셋이 프로젝트의 일부라면 폴더로 관련 후보를 한곳에 모아 두세요. 시각적 특징이 전혀 다른 두 이미지도 같은 디자인 문제를 다룬다는 이유로 한 묶음이 될 수 있습니다. 이런 연결은 이미지만 봐서는 드러나지 않을 수 있으므로, 프로젝트 단위의 정리는 직접 고르는 일에서 여전히 가치 있는 부분입니다. 폴더와 태그가 어떻게 역할을 나누는지는 이 글을 읽어 보세요.

출처가 중요한 에셋: 확인할 수 있는 정보 남기기

원래 사이트로 돌아가거나, 작가를 찾거나, 고해상도 버전을 구하거나, 라이선스를 확인해야 할 수 있다면 출처 정보를 가능한 한 남겨 두세요. 이미지 인식으로는 보장할 수 없고, 시간이 지날수록 원본 페이지가 바뀌거나 사라질 가능성이 커집니다.

개인 영감과 진행 중인 프로젝트에는 다른 전략을 쓸 수 있습니다

개인 영감용

마감도, 정해진 용도도 없습니다. 저장 기준은 낮게, 정리는 적게 하고, 검색과 훑어보기, 가끔 돌아보기로 다시 발견하세요. 정말 마음을 움직인 작품에만 한 문장을 남기면 됩니다.

진행 중인 프로젝트용

분명한 문제와 선택의 득실이 있습니다. 에셋을 프로젝트 폴더에 넣고, 무엇을 비교하는지, 왜 남기고 왜 뺐는지 적어 두세요. 프로젝트가 끝나면 오래 참고할 만한 것만 남기고, 나머지는 따로 손대지 않아도 됩니다.

09 정기 점검

정기적으로 점검해서 저장한 것을 계속 쓸모 있게

저장량이 많아져도 한꺼번에 정리할 필요도, 모든 것을 제자리에 두려고 애쓸 필요도 없습니다. 더 편한 방법은 정리를 정말 필요해질 때까지 미뤄 두고, 정기적으로 일부만 다시 보는 것입니다. 전체 흐름은 가볍게 유지하면 됩니다. 먼저 저장하고, 핵심 단서만 남기고, 필요할 때 더 깊이 정리하고, 중요한 묶음은 정기적으로 점검하세요.

  1. 작은 범위를 고르세요. 최근 한 달 동안 저장한 것이나 곧 시작할 프로젝트와 관련된 에셋이 좋습니다. 라이브러리 전체에서 시작할 필요는 없습니다.
  2. 기억나는 이유를 덧붙이세요. 저장한 이유가 기억난다면 한 문장 덧붙이세요. 잊어버렸고 가치도 보이지 않는다면 억지로 적지 않아도 됩니다.
  3. 중복과 의미를 잃은 것을 정리하세요. 거의 같은 버전은 하나만 남기면 충분합니다. 삭제하기 전에 출처나 프로젝트에서 아직 필요한지 생각해 보세요. 확실하지 않다면 남겨 두세요. 반드시 해야 하는 작업은 아닙니다.
  4. 계속 쓰는 묶음을 다시 정리하세요. 같은 종류의 에셋을 자꾸 찾게 된다면 폴더에 모아 두거나, 조건을 스마트 폴더로 저장하세요. 다시 찾지 않는 분류는 유지하지 않아도 됩니다.
  5. 재발견할 시간을 남겨 두세요. 예전에 저장한 것을 무작정 넘겨 보면 그때는 놓쳤던 것이 보일 수 있습니다. 오늘 새로 발견한 가치도 메모로 덧붙일 수 있습니다.

이 방법들은 상황에 따라 맞고 안 맞을 수 있습니다. 저장량이 적고 지금 방식으로도 쉽게 찾는다면 점검 습관은 필요 없습니다. 점검이 부담스럽다면 범위를 더 줄이거나, 프로젝트를 시작하기 전에 한 번만 해도 충분합니다.

남길 가치가 있는 것은 이미지만이 아닙니다

예전에는 미리 검색 단서를 충분히 만들어 두지 않은 것이 흔한 원인이었습니다. 그래서 이름을 붙이고, 분류하고, 태그를 달고, 정리하는 데 시간을 썼습니다. 이 방법들은 지금도 유효합니다. 다만 이제는 이미지를 분석하는 도구가, 예전에는 손으로 만들어야 했던 검색 단서의 일부를 대신 마련해 줄 수 있습니다.

에셋을 잘 관리하기 위해 모든 이미지를 먼저 완벽하게 설명해 둘 필요는 더 이상 없습니다. 시스템이 믿을 만하게 얻을 수 있는 정보는 시스템에 맡기세요. 하지만 나의 안목, 프로젝트의 요구, 작업 경험, 저장하던 때의 생각에서 나온 정보라면 여전히 남겨 둘 가치가 있습니다.

AI 검색이 계속 발전할수록 이런 판단은 오히려 더 중요해질 수 있습니다. 시각적 설명에 맞는 이미지 100장을 시스템이 쉽게 찾아 준다면, 다음 질문은 “이 중에서 나에게 맞는 것은 무엇인가?”, “비슷한 문제를 전에 이미 살펴본 적이 있는가?”가 됩니다.

우리가 이미지를 저장하는 것은 대개 기억할 만한 무언가를 보았기 때문입니다. 아름다운 구도, 독특한 색 조합, 배울 만한 디자인 방식 같은 것입니다. 이미지를 알아보는 데 도움을 주는 도구가, 저장하던 때의 생각까지 되살려 주는 것은 아닙니다.