생성형 AI의 차세대 아키텍처: Prompt-to-Condition Learning

생성형 AI는 아직 ‘플랫폼 레벨’에 도달하지 못했다 — 애딥이 Prompt-to-Condition Learning을 먼저 설계한 이유

생성형 AI는 이제 “그럴듯한 결과”를 만들어내는 단계까지는 도달했습니다.
하지만 플랫폼 서비스, 특히 개인화·광고·브랜드가 결합된 환경에서는 여전히 결정적인 공백이 존재합니다.

애딥은 이 공백을 Prompt-to-Condition Learning(PCL)이라는 구조로 해결하고 있습니다.

1. 왜 기존 생성형 AI는 서비스에서 깨질 수밖에 없는가

현재 대부분의 생성형 AI는 다음을 전제로 합니다.

사용자가 상세한 프롬프트를 직접 작성
결과가 마음에 들지 않으면 다시 프롬프트 수정
생성 과정은 대화형·실험형 워크플로우

이 구조는 연구나 데모에는 적합하지만, 서비스에서는 곧 한계에 부딪힙니다.

❌ 서비스 관점에서의 구조적 한계

유저는 프롬프트를 길게 쓰지 않음
개인화 정보는 생성 모델에 직접 연결되지 않음
장면(scene) 구조 없이 픽셀 단위 생성 → 영상 일관성 붕괴
브랜드/광고는 “사후 삽입” 수준
물리 정합성·브랜드 규정·세이프티는 생성 외부에서 처리

결국 결과물의 품질은 운에 가까운 생성이 됩니다.

2. 애딥의 출발점은 “프롬프트가 아니라 조건(Condition)”입니다

애딥은 처음부터 질문을 다르게 설정했습니다.

“사용자가 짧은 말 한마디만 던졌을 때,
생성 모델이 실제로 필요로 하는 완전한 조건 세트는 무엇인가?”

그래서 애딥은 프롬프트를 입력값으로 보지 않고,
의사결정의 단서로만 취급합니다.

3. Prompt-to-Condition Learning (PCL) — 애딥이 먼저 정의한 중간 계층

애딥의 핵심은 단순합니다.

프롬프트 → 바로 생성이 아니라
프롬프트 → 조건팩(Condition Pack) → 생성

이 “조건 생성 계층”이 바로 Prompt-to-Condition Learning(PCL)입니다.

기존 모델과의 근본적 차이

기존 생성형 AI	애딥
텍스트 프롬프트가 곧 입력	프롬프트는 조건 생성의 재료
조건은 사람이 직접 작성	조건은 모델이 자동 구성
텍스트 중심	장면·브랜드·스타일·물리 조건 포함
결과 수정은 재프롬프트	첫 생성 품질 자체를 높임

4. 애딥은 이미 ‘조건’을 이렇게 분해합니다

애딥의 생성 파이프라인에서는
하나의 프롬프트와 사용자 상태가 아래 6가지 조건으로 자동 분해됩니다.

c_text : 장면별 마이크로 스토리 & 스타일 문구
c_scene : 씬 템플릿, 컷 구성, 레이아웃 구조
c_brand : 브랜드 선택, 노출 방식, 위치 제약
c_style : 톤·무드·미학적 필드
c_physics : 깊이·조명·모션 안정성
c_safety : 정책·법적·브랜드 세이프티 제약

이 조건들은 단순한 메타데이터가 아니라,
ACT와 Video Generation 모델의 중간 레이어를 직접 조절하는 제어 신호로 작동합니다.

5. 왜 이 구조가 꼭 필요했는가

1) 개인화 신호를 그대로 넣으면 생성이 무너집니다

사용자 행동 기반 latent(z_user)는 추천에는 적합하지만,
그대로 생성 모델에 넣으면 품질이 붕괴됩니다.

→ 애딥은 semantic-aligned projection + 조건 분해 구조로 이를 해결했습니다.

2) 브랜드는 ‘객체’가 아니라 ‘조건’이어야 합니다

기존 생성 연구에는 브랜드라는 개념 자체가 없습니다.

→ 애딥은 브랜드를 독립 latent + 공간 마스크 + 전용 loss로 다룹니다.

3) 광고는 물리적으로 그럴듯해야 합니다

로고가 떠 보이거나, 조명이 어색한 광고는 바로 이탈로 이어집니다.

→ 애딥은 physics prior를 생성 경로에 직접 주입합니다.

4) 비대화형 생성에서는 수정 기회가 없습니다

사람이 고쳐줄 수 없는 구조에서는
사전에 조건을 정교하게 나누는 것이 유일한 해법입니다.

6. 애딥의 생성은 ‘노이즈에서 시작하지 않습니다’

애딥의 ACT는 기존 diffusion처럼
noise → sample 구조가 아닙니다.

기존 콘텐츠(UGC)를 분해
객체·브랜드·스타일·구조 latent로 재조합
사용자·상황·브랜드 조건을 덧입혀 재구성

이 구조 덕분에:

광고는 자연스럽게 장면 안에 녹고
같은 프롬프트라도 유저마다 결과가 달라지며
플랫폼 수준의 대규모 자동 생성이 가능해집니다.

애딥은 프롬프트를 잘 쓰게 만드는 AI가 아니라,
프롬프트 없이도 ‘올바른 조건’을 스스로 구성하는 생성 엔진을 만들고 있습니다.

Prompt-to-Condition Learning은 애딥 GPR 아키텍처에서 작동 중인 핵심 구조이며,
단순한 연구 아이디어가 아니라 서비스를 가능하게 만드는 필수 계층입니다.

Addeep