제품 리스팅에 AI 생성 이미지 사용해도 되나요? 셀러들이 끊임없이 묻는 질문이고, 짧게 답하면 "대부분 가능하다, 단 플랫폼마다 조건이 다르다"입니다. 정작 중요한 질문은 빠져 있습니다. 마켓플레이스가 AI로 생성하거나 보정한 사진을 허용한다고 해도, 그 이미지가 구매자에게 실제 주문할 제품의 진짜 크기를 알려줄 수 있을까요? 아닙니다. AI 이미지 편집 도구는 배경, 조명, 라이프스타일 연출에는 확실히 강합니다. 하지만 구조적으로 측정이라는 것을 할 수 없고, 이 사실을 둘러싼 세 가지 오해가 셀러들에게 규정 위반 리스크와 구매자 신뢰 손실을 동시에 안기고 있습니다.
오해 1: "AI 생성 이미지는 어디서든 금지된다"
이 오해 때문에 셀러들은 AI 도구를 아예 쓰지 않거나, 반대로 규정을 무시해버립니다. 둘 다 잘못된 전제에서 나온 반응입니다. AI 생성 리스팅 이미지에 관한 플랫폼 정책은 하나로 통일된 규칙이 아니라 플랫폼마다 다른 조각들의 모음이며, 그 차이가 공통점보다 훨씬 중요합니다.
아마존이 셀러에게 공지하는 AI 이미지 규정은 모든 이미지가 실제 판매 제품을 정확히 반영해야 한다고 요구하며, 2026년 셀러 가이드라인은 여기서 한 걸음 더 나아갔습니다. 생성형 AI가 단순 보정 이상으로 개입한 콘텐츠 — 완전히 합성된 장면, AI가 만든 라이프스타일 배경, 디지털로 생성된 모델 — 는 이제 고지가 의무화됩니다. 자르기, 밝기 보정, 일반적인 배경 제거 같은 일상적인 편집은 이 규정에 해당하지 않습니다.
이베이는 기준선이 다릅니다. 신품의 경우 AI 생성 제품 이미지는 실제 제품을 정확히 반영하고 표준 사진 요건을 충족하는 한 허용됩니다. 중고품은 규정이 더 엄격해져서, 대표 이미지는 셀러가 실제로 발송하는 그 개체를 촬영한 실사진이어야 하며 스톡 사진이나 합성 렌더링은 안 됩니다. 도서, 게임 같은 일부 미디어 카테고리만 예외적으로 허용됩니다. 이베이는 현재 AI 생성 이미지에 대해 리스팅 내 고지 라벨을 요구하지 않지만, EU로 배송하는 셀러라면 EU AI Act의 AI 생성 콘텐츠 투명성 의무가 단계적으로 시행되면서 이 부분이 바뀔 것으로 예상해야 합니다.
| 플랫폼 | AI 생성 이미지 허용 여부 | 고지 의무 | 규정이 가장 엄격하게 적용되는 지점 |
|---|---|---|---|
| 아마존 | 허용 (보정 및 배경/라이프스타일 생성) | 필요 (단순 보정을 넘어서는 실질적 AI 생성 콘텐츠) | 대표 이미지는 여전히 실제 제품을 정확히 반영해야 함 |
| 이베이 | 신품은 허용, 중고품은 제한 | 현재 리스팅 내 고지는 불필요 | 중고품 리스팅은 실제 개체의 실사진이 필요 |
| 마켓플레이스 전반 | 카테고리·플랫폼별로 상이 | 규제 강화에 따라 의무화 추세 | 편집 방식이 아니라 제품 설명의 정확성이 핵심 |
공통된 원칙은 "금지"가 아니라 "정확성"입니다. AI를 활용한 이미지 자체를 전면 금지하는 주요 마켓플레이스는 없습니다. 그들이 금지하는 것은 구매자가 받게 될 제품을 잘못 표현하는 사진이며, 바로 이 지점에서 AI가 만들어낸 부정확한 치수가 문제가 됩니다. 다음 항목에서 다루겠습니다.
오해 2: "사실적으로 보이면 치수도 정확할 것이다"
이 오해는 더 비싼 대가를 치르게 만듭니다. 반품이 들어오기 전까지는 문제가 눈에 보이지 않기 때문입니다. AI 이미지 생성기는 패턴 생성 방식으로 작동합니다. 프롬프트와 학습 데이터를 바탕으로 통계적으로 그럴듯해 보이는 픽셀을 예측할 뿐, 실제 물체를 측정해서 축척에 맞게 렌더링하지 않습니다. AI 이미지의 치수 정확도가 떨어지는 건 특정 도구 하나의 버그가 아니라, 이 기술 카테고리 전체가 작동하는 방식 그 자체입니다.
일반적인 AI 이미지 도구에 "자를 추가해줘" 혹은 "사이즈를 보여줘"라고 요청하면, 그럴듯해 보이는 눈금과 척도로 자 모양을 그려내지만, 그 어디에도 실제 기준점은 없습니다. 이 모델에는 그려진 측정 눈금을 원본 사진 속 제품의 실제 치수와 연결해주는 좌표계 자체가 없습니다. 제품을 측정하는 것이 아니라 "이 제품 옆에 자를 놓으면 어떻게 보일까"라는 질문에 그럴듯한 답을 생성하고 있을 뿐입니다.
AI로 연출한 라이프스타일 사진에서 이런 문제는 끊임없이 나타납니다. 실제로는 같은 공간에 있어본 적도 없는 소파와 절묘하게 비율이 맞아떨어지는 커피 테이블, AI가 실측한 적 없는 노트북과 딱 맞게 넉넉해 보이는 백팩, 원래 놓일 소파 쿠션보다 살짝 크게 렌더링된 쿠션까지. 이런 오차는 프롬프트를 더 정교하게 다듬는다고 해결되는 문제가 아닙니다. 원근감, 렌즈 왜곡, 기준 사진 없는 생성 방식이 오차를 계속 누적시키고, 애초에 모델에게는 스스로를 검증할 수 있는 실측값 자체가 없습니다.
구매자의 신뢰는 이 간극과 처음 마주치는 순간 무너집니다. 리스팅 사진과 실제로 받은 제품을 비교하다가 사이즈, 비율, 색감 중 한 가지라도 어긋난 것을 발견한 구매자는 그 한 가지만 콕 집어 불만을 제기하지 않습니다. 정확했던 부분까지 포함해 리스팅 전체를 더 이상 믿지 않게 됩니다. 진짜 손실은 반품 한 건이 아니라, 그 구매자가 이제 스토어의 다른 모든 AI 보정 이미지까지 똑같이 못 미더워하게 된다는 데 있습니다.
오해 3: "실제 사진에 치수를 표기하는 것도 AI 생성 콘텐츠로 간주된다"
이 오해는 정반대 문제를 낳습니다. 정확한 사이즈 정보를 리스팅에 추가하면 AI 생성 이미지와 똑같은 고지 의무와 리스크가 발생한다고 오해해서, 아예 사이즈 표기 자체를 피하는 셀러들이 있습니다. 실제로는 그렇지 않으며, 이 둘의 차이는 정확히 짚고 넘어갈 가치가 있습니다.
이미지를 "생성"한다는 것은 이전에 존재하지 않던 픽셀을 새로 만들어내는 일입니다. 합성 배경, 렌더링된 모델, 가공된 라이프스타일 장면이 여기에 해당합니다. 반면 사진에 "주석을 다는" 것은 카메라가 실제로 촬영한 사진 위에 라벨, 콜아웃, 측정선을 추가하는 일입니다. 원본 이미지 자체는 그대로이고, 추가되는 것은 그 이미지에 관한 데이터일 뿐, 사진인 척하는 새로운 시각 콘텐츠가 아닙니다.
AI 생성 콘텐츠에 관한 플랫폼 정책은 첫 번째 경우, 즉 카메라가 실제로 담은 장면에 대해 구매자를 오도할 수 있는 콘텐츠를 걸러내기 위해 만들어졌습니다. 실제 제품 사진에 기준점을 두고 표기한 치수 라벨 — 제품 높이가 실제로 32인치이기 때문에 32인치라고 표기하는 것 — 은 허구의 시각적 주장을 만들어내는 게 아닙니다. 실재하는 사실을 기록하는 것입니다. 아마존과 이베이의 정확성 요건은 바로 이런 진짜이고 검증 가능한 정보를 보호하기 위해 존재하는 것이지, 이를 막기 위해 존재하는 게 아닙니다.
실무적인 결론은 이렇습니다. 셀러는 "내 사진에 치수를 추가한다"와 "AI로 사진을 생성한다"를 같은 규정 카테고리로 취급하는 것을 멈춰야 합니다. 이 둘은 다릅니다. 하나는 플랫폼마다 기준이 다르고 고지 의무가 점점 강화되는 합성 콘텐츠의 문제이고, 다른 하나는 구매자가 어차피 요구하는 기본적인 제품 정보일 뿐입니다.
실제로 효과가 있는 방법: 실사진 + 결정론적 측정
신뢰 문제와 규정의 모호함, 두 가지를 해결하는 방법은 같습니다. 실사진에서 출발해서, 그 사진에 실제로 담긴 대상을 기준으로 측정값을 추가하는 것입니다. 생성하거나, 추정하거나, 리스타일링으로 만들어내는 것이 아닙니다.
이것이 AI 배경 제거와 치수 라벨링의 실질적인 차이입니다. 배경 제거, 조명 보정, 라이프스타일 장면 생성은 모두 "리스타일링" 작업입니다. 제품의 물리적 크기에 대해 어떤 주장도 하지 않은 채 보이는 방식만 바꿉니다. 반면 치수 라벨링은 "측정" 작업입니다. "이 선반은 깊이가 18인치다"처럼 구체적이고 검증 가능한 주장을 하며, 이 주장은 통계적으로 그럴듯한 추측이 아니라 실제로 촬영된 대상의 픽셀에 결부되어야 합니다.
바로 이 지점에서 결정론적 기하 구조를 사용하는 도구는 설계 단계부터 AI 리스타일링 도구와 다릅니다. 자가 어떻게 보일지 "예측"하는 대신, 산업용 제품 스펙 다이어그램이나 가구 리스팅용 이미지는 실사진 위의 정규화된 좌표에 치수선을 고정시켜 만들어집니다. 콜아웃은 제품의 실제 픽셀과 함께 움직이고 크기가 조정되므로, 라벨에 적힌 숫자는 항상 이미지 속 실재하는 대상과 일치하며 모델이 상상한 값이 아닙니다. 해외 바이어에게 전문적으로 보이는 방법에서도 같은 이유가 중요합니다. 공급업체 카탈로그를 훑어보는 바이어는 잘 다듬어진 라이프스타일 렌더링보다 라벨이 붙은 측정값을 더 신뢰합니다. 그 라벨이 사진 자체와 대조해서 검증 가능하기 때문입니다.
편집 작업에 어디까지 공을 들여야 할지 고민하는 셀러라면, 기준은 단순합니다.
- 배경, 조명 보정, 라이프스타일 연출에는 AI 리스타일링을 사용하세요. 빠르고, 대체로 고지 의무가 적거나 없으며, 사이즈에 대한 주장을 하지 않습니다.
- 높이, 너비, 깊이, 용량, 여유 공간처럼 구매자가 물리적 사실로 신뢰해야 하는 정보에는 실사진과 기준점이 있는 치수 콜아웃을 사용하세요.
- 리스팅 이미지에서 AI가 생성한 자, 줄자, 사이즈 비교 이미지가 실제 측정값을 대신하게 두지 마세요.
- 이미지가 정확하다고 확신하더라도, 플랫폼 정책이 실질적으로 생성된 콘텐츠에 대한 고지를 요구하는 경우에는 AI 개입 사실을 고지하세요.
- 원본 사진과 측정 데이터를 워크플로우에서 분리해두면, 한쪽을 재생성하지 않고도 다른 쪽만 업데이트할 수 있습니다.
이 방식을 하나의 리스팅을 넘어 여러 SKU로 확장하고 싶은 셀러라면, 매번 같은 수작업 주석 과정을 반복하는 대신 사진 자체에 기준을 둔 콜아웃 중심의 스펙 다이어그램 빌더에서 원본 사진의 실제 비율에 고정된 정확한 치수 콜아웃 기능을 가져다 쓸 수 있습니다.
자주 묻는 질문
아마존, 엣시, 이베이 같은 마켓플레이스에서 AI 생성 이미지 사용해도 되나요?
대체로 가능하지만, 플랫폼마다 규정이 다릅니다. 아마존은 제품 자체가 정확히 표현되는 한 AI 보정 및 AI 생성 이미지를 허용하며, 이제는 실질적으로 AI가 생성한 콘텐츠에 대해 고지를 요구합니다. 이베이는 신품에는 AI 생성 이미지를 허용하지만, 중고품은 실제 개체를 촬영한 실사진을 요구합니다. 플랫폼 전반의 공통된 패턴은 AI로 생성한 이미지 자체는 허용하되, 제품을 잘못 표현하는 것은 허용하지 않는다는 것입니다.
실제 제품이 이미지와 다르게 생겼다면, AI 생성 리스팅 이미지 관련 플랫폼 정책은 어떻게 적용되나요?
실제로 배송된 제품이 이미지에서 보여준 것과 사이즈, 색상, 기능, 비율 면에서 다르다면, 그 이미지가 AI로 생성되었든 AI로 보정되었든 아니면 단순 사진이었든 상관없이 정책 위반입니다. AI 생성 콘텐츠 규정은 이 기본적인 정확성 요건 위에 고지 의무라는 층을 하나 더 얹는 것이지, 그 요건을 대체하는 것이 아닙니다. 사이즈를 잘못 표현한 사진처럼 사실적인 AI 이미지는 누가 봐도 합성처럼 보이는 이미지보다 오히려 더 위험합니다. 구매자가 주문 전에 의심할 가능성이 더 낮기 때문입니다.
AI 이미지 생성기는 왜 정확한 제품 치수를 보여주지 못하나요?
AI는 무언가를 측정해서가 아니라 패턴을 예측해서 픽셀을 만들어내기 때문입니다. 수백만 장의 이미지로 학습한 AI 모델은 사진처럼 사실적인 자나 그럴듯해 보이는 사이즈 비교 이미지를 만들어낼 수는 있지만, 그 그림을 여러분 사진 속 특정 제품의 실제 비율과 연결해주는 좌표계는 갖고 있지 않습니다. 신뢰할 수 있는 치수라면 생성된 이미지가 아니라, 측정값이 실제로 결부된 실사진에서 나와야 합니다.
AI 이미지 정책을 위반하지 않으면서 정확한 사이즈 정보를 보여주는 규정 준수 방법은 무엇인가요?
실제 제품을 편집하지 않고 찍은 실사진에서 시작한 다음, 사이즈 마커가 들어간 새 이미지를 생성하는 대신 그 사진의 실제 픽셀에 기준을 둔 치수 라벨이나 콜아웃을 추가하세요. 이 방식은 AI 생성 콘텐츠 고지 문제 자체를 완전히 비켜갑니다. 원본 사진에 합성된 요소가 전혀 없고, 데이터 라벨만 추가되기 때문입니다. 정밀한 치수 및 스펙 주석 도구는 정확히 이 방식으로 작동합니다. 실제 사진 위에, 그 사진의 진짜 비율에 결부된 측정 콜아웃을 배치하기 때문에, 라벨은 그럴듯해 보이는 추측이 아니라 언제나 이미지 자체와 대조해서 검증할 수 있습니다.
사진에 치수를 표기하는 것도 마켓플레이스 규정상 AI 생성 콘텐츠로 간주되나요?
아니요. 마켓플레이스의 AI 콘텐츠 정책은 합성 배경, 렌더링된 모델, 가공된 장면 같은 합성 시각 콘텐츠를 겨냥한 것입니다. 카메라가 실제로 담은 것에 대해 구매자를 오도할 수 있는 게 바로 이런 콘텐츠이기 때문입니다. 편집하지 않은 사진에 측정 라벨을 추가하는 것은 원본 이미지를 바꾸지 않습니다. 실제 사진 위에 검증 가능한 데이터를 더하는 것이며, 이는 새로운 픽셀을 생성하는 것과는 전혀 다른 범주입니다.