Show HN은 왜 다 비슷해졌나, HN이 본 vibe-coded 디자인 패턴
Original: Scoring Show HN submissions for AI design patterns View original →
이 글이 HN에서 크게 퍼진 이유는 흐릿한 불만을 계량 가능한 문제로 바꿨기 때문이다. 요즘 Show HN 랜딩 페이지가 왠지 다 비슷하다는 말은 많았지만, 이 글은 그 느낌을 실제로 점수화했다.
원문 Show HN submissions tripled and now mostly share the same vibe-coded look은 최근 Show HN 500개 페이지를 훑으며 15개의 반복 패턴을 찾았다. Inter 중심의 hero, 보라색 포인트, 늘 어두운 화면, 제목 위 badge, 아이콘 얹은 feature card, gradient 배경, glassmorphism, shadcn/ui 흔적 같은 것들이다. 중요한 점은 이 작업이 스크린샷 감상평이 아니라 Playwright 기반 DOM·CSS 검사로 이뤄졌다는 점이다. 글쓴이는 수동 QA에서 오탐 비율도 5~10% 정도로 봤다.
결과도 분명했다. 5개 이상 패턴이 잡힌 “heavy slop”이 105개, 2~4개인 “mild”가 230개, 0~1개인 “clean”이 165개였다. 동시에 글은 Show HN 자체가 최근 크게 늘었고, 새 계정의 Show HN 제출을 제한하는 조치까지 나왔다는 맥락도 함께 붙였다. 취향의 문제가 아니라, 더 빨라진 제작 도구가 얼마나 많은 사람을 같은 기본값으로 밀어 넣는지 보여준 셈이다.
댓글 반응은 단순한 AI 혐오로 흐르지 않았다. Simon Willison은 사이드 프로젝트야말로 시간 압박이 큰 만큼 AI 보조를 가장 먼저 쓰게 되는 영역이라고 짚었다. 다른 댓글은 진짜 신호가 AI 사용 자체가 아니라, 화면이 너무 익숙한 순간 제품 사고도 얕아 보인다는 데 있다고 말했다. 정돈된 카드와 그럴듯한 레이아웃은 많은데, 실제 워크플로우를 얼마나 깊게 고민했는지는 잘 안 보인다는 지적이다. 반대로 예전에도 Bootstrap 냄새가 진했던 시절이 있었으니, 지금은 그 템플릿 시대의 새 버전일 뿐이라는 반론도 나왔다.
그래서 이 글은 HN에서 오래 버텼다. AI 디자인을 죄다 나쁘다고 몰지 않았기 때문이다. 누구나 더 빨리 출시할 수 있게 된 뒤에는, 오히려 취향과 구체성이 더 중요해진다는 얘기였다. 비슷비슷한 첫 화면이 늘수록 눈에 남는 건 속도가 아니라, 기본값에서 한 번 더 벗어난 설계다.
Related Articles
MachineLearning 댓글은 “AI detector가 보조도구인지 결정권자인지”를 놓고 강하게 갈렸다.
HN 댓글은 solve rate보다 guardrail, 작업 방식, 보안 연구용 계정 조건이 결과를 얼마나 바꿨는지에 주목했다.
주정부별 frontier AI 법안이 연방 표준의 출발점으로 올라섰다. OpenAI는 CAISI를 상설 평가기관으로 키우고, 고위험 모델에 독립 감사와 사고 보고, 모델 가중치 보안 의무를 붙이는 3단계 청사진을 제시했다.