방송 그래픽의 생성형 AI 활용 사례 분석-2025년 21대 대통령선거 선거방송을 중심으로-
Analysis of Generative AI Use in Broadcast Graphics-Focusing on the 2025 South Korean Presidential Election Broadcasts-
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
(연구배경 및 목적) 국내 방송 그래픽 분야는 2025년 제21대 대통령선거 선거방송을 기점으로 생성형 인공지능(Generative AI, 이하 Gen AI)이 대규모로 도입되는 전환기를 맞았다. 방송 그래픽 제작에 급속도로 도입되는데도 불구하고, Gen AI의 방송 그래픽 활용에 대한 연구는 미비한 실정이다. 이에 본 연구는 2025년 제 21대 대통령선거 선거방송에 포함된 모든 ‘Gen AI 제작’ 방송 그래픽을 수집·분석하여, 기술 도입 초기 단계에서 유형별 Gen AI 그래픽의 현황과 기능, 그리고 제약 요인을 객관적으로 기록하고 유형화하고자 한다. 연구의 궁극적 목적은 향후 학술·산업적 활용 논의를 위한 기초 자료를 제공하는 데 있다. (연구방법) 분석 대상은 ‘Gen AI 제작’ 고지를 명시한 KBS, MBC, YTN, MBN, JTBC 5개 방송사의 선거방송 녹화본(각 12시간)이다. 질적 사례연구 방법을 적용하여, (1) 국내외 문헌 검토로 이론적 배경을 정립하고, (2) 이론적 배경을 바탕으로 방송 그래픽을 서사 구축형·데이터 표출 그래픽·데이터 표출 배경형·인물 표현형 네 유형으로 분류한 뒤, (3) Gen AI활용 방송 그래픽 각 사례를 유형별로 활용 현황 및 기능, 제약 요인, 활용 전망을 분석하였다. 이 과정에서 각 방송사의 내부 자료등에 대한 접근성의 한계와 업무상 기밀유지 정책 등으로 인해, 현업 방송 그래픽 디자이너인 연구자의 전문성을 바탕으로 정성분석에 집중하였다. (결과) 총 21종의 Gen AI 그래픽이 확인되었으며, 데이터 표출 배경형이 8종으로 가장 높은 빈도를 차지했다. 이 유형은 다양한 변주를 통해 향후 방송 그래픽의 기본 자산이 될 가능성이 높아 보인다. 서사 구축형은 7종으로 채널 브랜딩과 감성 몰입에 기여하며, 기존 높은 제작 난이도를 Gen AI를 통해 간소화한 것으로 보인다. 인물 표현형은 6종이 활용되었지만 초상권·딥페이크 리스크 등의 법적, 윤리적 부담으로 제한적 사용에 그쳤다. 데이터 표출 그래픽은 정확도·동기화 등의 기술적 제약으로 AI 활용이 전무했다. (결론) Gen AI 방송 그래픽은 2025년 선거방송에서 다양한 시각적 변주를 통해 그 실효성을 입증했다. 위험 부담이 가장 낮은 데이터 표출 배경형 그래픽이 가장 널리 쓰였고, 서사 구축형은 그래픽은 브랜드 식별성 강화로, 인물 표현형은 주목도 제고에 기여했다. 반면 스타일 일관성, 초상권·딥페이크 리스크, 데이터 정합성은 기술 확산을 제약하는 핵심 과제로 확인되었다. 본 연구는 공식 고지 사례 분석에 한정되었으나, 비공식적 활용까지 고려하면 Gen AI는 이미 방송 그래픽 제작 현장에 보편적 도구로 자리 잡고 있음을 시사한다. 또한 송출 화면 분석에 한정돼 제작 의사결정 과정과 시청자수용 경험을 다루지 못한 한계가 있다. 그럼에도 Gen AI 활용 방송 그래픽의 초기 양상을 현황 및 기능, 제약 요인, 활용 전망 등으로 분석한 본 연구가 관련 분야의 후속 연구의 기초 자료로 활용되기를 기대한다.
Abstract
(Background and Purpose) South Korea’s broadcast graphics sector entered a major turning point during the coverage of the 21st presidential election in 2025, when Generative Artificial Intelligence (Gen AI) was deployed on a large scale. Despite the rapid diffusion of technology across production pipelines, academic discussions regarding Gen AI in broadcast graphics remain scarce. Therefore, this study systematically collected and analyzed every Gen AI-produced graphic that appeared in 2025 election broadcasts to document, typify, and objectively record the early status, functions, and constraints of Gen AI graphics by category. The ultimate aim is to provide foundational data for subsequent scholarly and industrial debates. (Method) The corpus comprised sixty hours of archived election programming from five networks—KBS, MBC, YTN, MBN, and JTBC—that explicitly labelled segments as “AI generated.” Using a qualitative case study approach, this study (1) established an analytical framework through a review of domestic and international literature; (2) applied that framework to classify the collected graphics into four categories: narrative construction, data-display graphics, data-display backdrops, and character depiction; and (3) assessed each Gen AI example in terms of usage frequency, functional contribution, limiting factors, and future prospects. This study focused on a qualitative analysis based on the professional expertise of the researcher, an active broadcast graphics designer, owing to limitations in accessing internal data from each broadcasting company and policies on business confidentiality. (Results) Twenty one distinct Gen AI graphics were identified. Data-display backdrops accounted for the largest share (n = 8), and owing to their versatile variations, they appear poised to become baseline visual assets in future broadcasts. Seven narrative-construction pieces supported channel branding and emotional immersion by streamlining formerly labor-intensive sequences through Gen AI. Six character-depiction works heightened viewer attention, but were deployed sparingly because of legal and ethical concerns related to portrait rights and deepfake risk. No Gen AI use was observed in data-display graphics, primarily owing to technological constraints affecting accuracy and real-time synchronization. (Conclusions) Gen AI delivered diverse visual innovations during the 2025 election broadcast. The low-risk data-display backdrops achieved the widest adoption, narrative pieces reinforced brand identity, and character depictions enhanced on-air salience. Nevertheless, stylistic inconsistency, portrait-rights liabilities, deep fake threats, and data integrity issues emerged as key obstacles to broader diffusion. Although this study is limited to officially disclosed examples and does not address production decision-making or audience reception, it indicates that Gen AI has already become a commonplace tool in broadcast-graphics production. This research provides a foundation for future investigations in the field by analyzing the technology’s initial manifestations in terms of its current status, functions, constraints, and prospects.