AI 디자인 패턴에 대한 HN 제출물 점수 매기기

해커 뉴스에서 AI 생성 디자인의 부상 분석
최근 Show HN 제출물이 세 배로 증가했으며, 많은 사이트가 AI 생성을 시사하는 일반적이고 무미건조한 모습을 보여주고 있습니다. 이 주관적인 관찰을 정량화하기 위해, 한 개발자가 15가지 식별된 AI 디자인 패턴에 대해 500개의 Show HN 랜딩 페이지를 점수화하는 시스템을 만들었습니다.
식별된 AI 디자인 패턴
디자이너 피드백에 기반한 분석에 따르면, 패턴은 네 가지 주요 범주로 나뉩니다:
폰트
- 모든 것에 Inter 사용, 특히 중앙 정렬된 히어로 헤드라인
- Space Grotesk, Instrument Serif와 같은 LLM 폰트 조합
- 그 외에는 Inter인 히어로에서 한 강조 단어에 Geist Serif 이탤릭체 사용
색상
- "VibeCode Purple"
- 중간 회색 본문 텍스트와 대문자 섹션 레이블이 있는 영구 다크 모드
- 다크 테마에서 간신히 통과하는 본문 텍스트 대비
- 모든 것에 그라데이션
- 큰 색상 발광과 색상 박스 그림자
레이아웃 특이점
- 일반 산세리프체로 설정된 중앙 정렬 히어로
- 히어로 H1 바로 위에 배지
- 카드에 색상 테두리, 상단 또는 왼쪽 가장자리
- 각각 상단에 아이콘이 있는 동일한 기능 카드
- 번호가 매겨진 "1, 2, 3" 단계 시퀀스
- 통계 배너 행
- 이모지 아이콘이 있는 사이드바 또는 내비게이션
- 대문자 제목과 섹션 레이블
CSS 패턴
- shadcn/ui
- 글래스모피즘
점수 산정 방법론
점수 체계는 주관적인 AI 판단보다는 결정론적 검사를 사용합니다:
- 헤드리스 브라우저(Playwright)가 각 사이트를 로드합니다
- 작은 페이지 내 스크립트가 DOM을 분석하고 계산된 스타일을 읽습니다
- 각 패턴은 결정론적 CSS 또는 DOM 검사입니다
- 수동 QA는 5-10%의 오탐률을 보여주었습니다
500개 Show HN 제출물의 결과
사이트는 15가지 패턴 중 얼마나 많은 패턴을 트리거했는지에 따라 세 가지 계층으로 그룹화되었습니다:
- 심각한 슬롭 (5개 이상 패턴): 105개 사이트 (21%)
- 경미함 (2–4개 패턴): 230개 사이트 (46%)
- 깔끔함 (0–1개 패턴): 165개 사이트 (33%)
Show HN 제출물의 증가는 Claude Code의 출시와 상관관계가 있으며, 이로 인해 HN 중재자들은 2026년 3월에 /showlim으로 새 계정의 제출을 제한하게 되었습니다.
반드시 나쁘지는 않지만, 이러한 패턴의 유행은 많은 프로젝트가 세심하게 제작된 디자인보다는 AI 생성 기본값을 사용하고 있음을 시사합니다. 저자는 이것이 모든 것이 부트스트랩처럼 보였던 AI 이전 시대와 유사하며, 사람들이 두드러지기 위해 더 독특한 디자인으로 돌아갈 수 있다고 제안합니다.
📖 전체 Source 읽기: HN AI Agents
👀 See Also

서방은 건축하는 법을 잊었다: 국방 공급망 붕괴와 소프트웨어 공학을 위한 교훈
레이시온은 40년 된 종이 설계도에서 스팅어 미사일 생산을 재개하기 위해 은퇴한 엔지니어들을 다시 불러들여야 했습니다. 이러한 패턴은 이제 소프트웨어에서도 재현되고 있으며, 수년간의 비용 최적화로 인해 인재 파이프라인과 조직 지식이 쇠퇴했습니다.

동료가 당신이 모르는 사이에 다른 기기의 크롬 인스턴스를 사용할 수 있다
Reddit 사용자가 Cowork가 다른 기기(Windows)에 있는 Chrome 인스턴스를 확장 프로그램을 통해 페어링하여 브라우저 작업을 실행할 수 있다는 사실을 발견했습니다. 이는 isLocal: false로 표시되며 문서화되지 않은 기능입니다.

골드만삭스 분석, 2025년 미국 GDP 성장에 AI 영향 미미할 것으로 전망
골드만삭스 경제학자들은 2025년 미국 GDP 성장에 AI 투자가 '거의 제로'에 가까운 기여를 했다고 보고하며, 수입된 하드웨어와 측정되지 않은 생산성 영향이 주요 요인이라고 지적했습니다.

AlphaEvolve: 딥마인드의 제미니 기반 에이전트, 유전체학, 전력망, TPC 회로 전반에서 알고리즘 최적화
Google DeepMind의 Gemini 기반 코딩 에이전트 AlphaEvolve가 DeepConsensus 변이 탐지 오류를 30% 줄이고, AC 최적 전력 흐름 GNN의 실행 가능성을 14%에서 88%로 높였으며, 양자 회로 오류를 10배 감소시켰습니다.