Arts & Design

AI Meets the Potter's Wheel: Personalized Design in Traditional Ceramic Craft

Traditional ceramic craft faces a tension: growing demand for personalized designs that conventional methods cannot efficiently deliver, alongside concerns that AI-driven design may erode the cultural authenticity that makes handcraft valuable. Recent studies explore both the potential and the risks.

By Sean K.S. Shin

This blog summarizes research trends based on published paper abstracts. Specific numbers or findings may contain inaccuracies. For scholarly rigor, always consult the original papers cited in each post.

Traditional ceramic craft—pottery, porcelain, tile work—carries cultural meaning that extends beyond the functional object. The specific forms, glazes, decorative motifs, and firing techniques of a ceramic tradition encode centuries of accumulated knowledge and aesthetic sensibility. When consumers increasingly demand personalized designs (unique patterns, custom forms, individually decorated pieces), traditional artisans face a production challenge that AI-driven design tools could potentially address—but not without risk.

The Research Landscape

AI-Driven Personalization

Lei and Wang (2026) investigate how AI can enhance creative capabilities in ceramic art while preserving cultural authenticity. Their approach uses generative models trained on databases of traditional ceramic forms and decorative patterns to produce novel designs that are stylistically consistent with specific traditions while incorporating personal customization (initials, color preferences, dimensional requirements).

The system produces designs that ceramic artisans can then execute by hand—using AI as a design aid rather than a manufacturing replacement. Preliminary evaluation by both artisans and consumers found the AI-generated designs acceptable in cultural authenticity and appreciated for personalization, though some artisans expressed concern about the "homogenizing" effect of training data—the AI tends to produce designs that average the tradition rather than capturing its full expressive range.

Deep Learning for Handicraft

Chen and Lou (2025) present a broader framework for integrating AI into traditional handicraft creation, covering not just ceramics but weaving, woodcarving, and metalwork. Their deep learning system analyzes patterns from existing craft objects and generates new patterns that maintain structural coherence (the generated pattern could physically be woven, carved, or cast) while introducing novel elements.

The key technical challenge is constraint satisfaction: a generated pattern must not only be aesthetically pleasing but physically realizable with the tools and materials of the specific craft tradition. A woven pattern must be loomable; a carved pattern must be chisellable; a ceramic glaze pattern must be achievable with available glazes and firing conditions.

Heritage Education and Commerce

Sari, Ridho, and Arief (2025) address a different dimension: using AI chatbot-based CAD tools to support both education about traditional crafts and digital commerce of craft products. Their prototype, focused on Dinoyo ceramic crafts from Malang, Indonesia, allows users to learn about the craft tradition, explore design variations, and commission personalized pieces through a conversational AI interface.

The motivation is demographic: Generation Z interest in traditional crafts is declining, and interactive digital interfaces may re-engage younger audiences who are comfortable with AI interaction but unfamiliar with traditional craft contexts.

The Risks of Technological Intervention

Yang and Toyong (2026) provide the necessary counterpoint, documenting the unintended consequences of technological intervention in Yazhou pottery—a nationally recognized Chinese intangible cultural heritage. Their analysis reveals that digital tools, while improving production efficiency, also introduce standardization that erodes the variation that characterizes handcrafted objects. The slight irregularities, individual touches, and material responsiveness of handmade pottery are part of its cultural value—and AI optimization that removes these variations may improve "quality" by engineering metrics while degrading cultural significance.

Critical Analysis: Claims and Evidence

Claim	Evidence	Verdict
AI can generate culturally consistent personalized ceramic designs	Lei & Wang's generative model experiments	✅ Supported — with artisan concerns about homogenization
Deep learning can generate physically realizable craft patterns	Chen & Lou's constraint-satisfaction framework	⚠️ Uncertain — demonstrated for simple patterns; complex crafts untested
AI chatbots can re-engage younger audiences with traditional crafts	Sari et al.'s Gen Z prototype	⚠️ Uncertain — prototype built; engagement outcomes not measured
Technological intervention can erode handcraft cultural value	Yang & Toyong's Yazhou pottery case	✅ Supported — standardization effect documented

What This Means for Your Research

For craft scholars, the Yazhou pottery case provides an empirically grounded warning: technology adoption in craft should be evaluated for cultural impact, not just efficiency. For designers, AI works best as a design assistant (generating options for human artisans to evaluate and modify) rather than a design replacement (fully automating the creative process).

Explore related work through ORAA ResearchBrain.

도자기, 자기, 타일 공예 등 전통 도자 공예는 기능적 사물을 넘어서는 문화적 의미를 담고 있다. 특정 형태, 유약, 장식 문양, 소성 기법 등은 수백 년에 걸쳐 축적된 지식과 미적 감수성을 내포한다. 소비자들이 점점 더 개인화된 디자인(독창적인 문양, 주문 제작 형태, 개별 장식 작품)을 요구하는 상황에서 전통 장인들은 AI 기반 디자인 도구가 해결책이 될 수 있는 생산 과제에 직면해 있다—하지만 위험이 없는 것은 아니다.

연구 동향

AI 기반 개인화

Lei and Wang (2026)은 문화적 진정성을 보존하면서 도자 예술의 창의적 역량을 AI가 어떻게 강화할 수 있는지 연구하였다. 이들의 접근법은 전통 도자 형태와 장식 문양 데이터베이스로 학습된 생성 모델을 활용하여, 특정 전통 양식과 일관성을 유지하면서도 개인적 맞춤화(이니셜, 색상 선호도, 치수 요건)를 반영한 새로운 디자인을 생성한다.

이 시스템은 도자 장인이 실제로 제작할 수 있는 디자인을 생성함으로써, AI를 제조의 대안이 아닌 디자인 보조 도구로 활용한다. 장인과 소비자를 대상으로 한 예비 평가에서 AI가 생성한 디자인은 문화적 진정성 면에서 수용 가능한 것으로 나타났고 개인화 측면에서도 긍정적인 반응을 얻었다. 다만 일부 장인들은 학습 데이터의 '평균화' 효과에 대한 우려를 표명하였다—AI가 전통의 풍부한 표현 범위를 담아내지 못하고 그 평균적인 모습을 생성하는 경향이 있다는 것이다.

수공예를 위한 딥러닝

Chen and Lou (2025)는 도자기뿐만 아니라 직조, 목조각, 금속 공예까지 아우르는, AI를 전통 수공예 창작에 통합하는 광범위한 프레임워크를 제시하였다. 이들의 딥러닝 시스템은 기존 공예품의 문양을 분석하고, 구조적 일관성(생성된 문양을 실제로 직조하거나 조각하거나 주조할 수 있어야 함)을 유지하면서 새로운 요소를 도입한 새로운 문양을 생성한다.

핵심 기술 과제는 제약 조건 충족이다. 생성된 문양은 미적으로 아름다워야 할 뿐만 아니라 해당 공예 전통의 도구와 재료로 물리적으로 구현 가능해야 한다. 직조 문양은 베틀로 짤 수 있어야 하고, 조각 문양은 끌로 새길 수 있어야 하며, 도자 유약 문양은 사용 가능한 유약과 소성 조건으로 구현할 수 있어야 한다.

문화유산 교육과 상거래

Sari, Ridho, and Arief (2025)는 전통 공예에 대한 교육과 공예품의 디지털 상거래를 지원하기 위해 AI 챗봇 기반 CAD 도구를 활용하는, 또 다른 차원의 문제를 다루었다. 인도네시아 말랑의 Dinoyo 도자 공예에 초점을 맞춘 이들의 프로토타입은 사용자가 공예 전통에 대해 학습하고, 다양한 디자인 변형을 탐색하며, 대화형 AI 인터페이스를 통해 맞춤형 작품을 주문할 수 있도록 한다.

연구의 동기는 인구 통계학적 문제에 있다. Z세대의 전통 공예에 대한 관심이 감소하고 있으며, 대화형 디지털 인터페이스가 AI 상호작용에는 익숙하지만 전통 공예 맥락에는 생소한 젊은 세대를 다시 끌어들일 수 있다는 것이다.

기술 개입의 위험성

Yang and Toyong (2026)은 중국의 국가 공인 무형문화유산인 Yazhou 도자기에 대한 기술 개입의 의도치 않은 결과를 기록함으로써 필요한 반론을 제시하였다. 이들의 분석에 따르면 디지털 도구는 생산 효율성을 향상시키는 동시에 수공예 사물의 특징인 변이성을 침식하는 표준화를 초래한다. 손으로 만든 도자기의 약간의 불규칙성, 개인적인 손길, 재료에 대한 반응성은 그 문화적 가치의 일부를 이루는데, 이러한 변이를 제거하는 AI 최적화는 공학적 지표상의 '품질'은 향상시킬 수 있으나 문화적 의미는 저하시킬 수 있다.

비판적 분석: 주장과 근거

주장	근거	판정
AI는 문화적으로 일관된 개인화 도자 디자인을 생성할 수 있다	Lei & Wang의 생성 모델 실험	✅ 지지됨 — 장인들의 평균화 우려 존재
딥러닝은 물리적으로 구현 가능한 공예 문양을 생성할 수 있다	Chen & Lou의 제약 조건 충족 프레임워크	⚠️ 불확실 — 단순 문양에서만 입증됨; 복잡한 공예에는 미검증
AI 챗봇은 젊은 세대를 전통 공예에 다시 참여시킬 수 있다	Sari et al.의 Z세대 대상 프로토타입	⚠️ 불확실 — 프로토타입 제작 완료; 참여 효과 미측정
기술 개입은 수공예의 문화적 가치를 침식할 수 있다	Yang & Toyong의 Yazhou 도자기 사례	✅ 지지됨 — 표준화 효과 기록됨

연구자를 위한 시사점

공예 연구자에게 있어 Yazhou 도자기 사례는 경험적으로 뒷받침된 경고를 제공한다. 공예에서의 기술 도입은 효율성만이 아니라 문화적 영향도 함께 평가해야 한다. 디자이너에게 AI는 디자인 대체자(창의적 과정을 완전히 자동화하는 것)보다 디자인 보조자(인간 장인이 평가하고 수정할 수 있는 선택지를 생성하는 것)로 활용될 때 가장 효과적이다.

관련 연구는 ORAA ResearchBrain을 통해 탐색할 수 있다.

References (4)

[1] Lei, Z. & Wang, X. (2026). AI-Driven Personalized Design in Traditional Crafts. Journal of Cases on Information Technology.

DOI Scholar

[2] Chen, Y. & Lou, Y. (2025). Deep Learning-Driven Craft Design: Integrating AI Into Traditional Handicraft Creation. IEEE Access.

DOI Scholar

[3] Sari, H.V., Ridho, M.H., & Arief, M. (2025). AI Chatbot-Based CAD Prototype to Support Sustainable Heritage Education and Digital Commerce. Proc. ICEEIE 2025, IEEE.

DOI Scholar

[4] Yang, G. & Toyong, N.M.P. (2026). The Double-Edged Sword: Drawbacks of Modern Technology in the Research and Development of Yazhou Pottery. Malaysian Journal of Social Sciences and Humanities, 11(1).

DOI Scholar

AI Meets the Potter's Wheel: Personalized Design in Traditional Ceramic Craft

The Research Landscape

AI-Driven Personalization

Deep Learning for Handicraft

Heritage Education and Commerce

The Risks of Technological Intervention

Critical Analysis: Claims and Evidence

What This Means for Your Research

연구 동향

AI 기반 개인화

수공예를 위한 딥러닝

문화유산 교육과 상거래

기술 개입의 위험성

비판적 분석: 주장과 근거

연구자를 위한 시사점

References (4)

Explore this topic deeper