캠페인 최적화가 이제는 실시간 에이전트 의사결정을 통해 노출 단위에서 가능해졌다. 이는 주기적으로 인간이 광범위한 캠페인 세그먼트에 개입하던 기존 광고 기술의 ‘최고 효율’을 의미한다. 단순한 기능 개선이 아니다. 자동화의 논리적 종착점이자, 디지털 광고 캠페인 관리 및 파인튜닝 방식의 근본적인 건축학적 전환이라 할 수 있다.
최근 Beet.TV/Horizon Media AI Media Summit에서 스위블의 조셉 허쉬 CEO는 “과거 방식이 아닌, 에이전트를 통해 노출을 결정할 수 있겠는가?”라고 질문하며, “저는 미래에 대한 깊이가 바로 이 노출 단위, 혹은 밀리초 단위까지 확장될 것이라 본다”고 말했다. 이는 수년 전, 인간이 성능 지표를 훑어보고 일주일에 한 번, 혹은 그보다 덜 자주 조정을 하던 방식에서 벗어난 것이다. 이제는 AI 에이전트가 모든 광고 노출에 대해 마이크로 의사결정을 내리는 것이 목표다.
실제로 이게 어떻게 작동하는 걸까? 사람이 처리하던 수많은 목록을 일일이 뒤져보는 작업을 상상해보라. 허쉬는 수백, 수천 개의 앱 이름과 번들을 분석하여 성과가 좋은 것을 찾고, 부진한 것을 수동으로 걸러내는 고된 과정을 언급한다. 새로운 패러다임은 에이전트가 이 모든 것을 지속적으로 수행할 수 있음을 시사한다. 이는 반응적이고 배치 처리 방식에서, 사전적이고 지속적인 마이크로 관리로의 전환이다. 인간의 개입이 없는 빈틈에서 종종 놓치던 점진적인 가치까지 이제는 포착할 수 있다는 것이다.
깊이 대 넓이의 논쟁
노출 단위 최적화로의 전환은 광고 기술 분야 AI 개발에서 더 넓은 추세를 보여준다. AI가 모든 것을 조금씩 다루려 하는 것(넓이)에서 벗어나, 특정 워크플로우를 깊이 있게 마스터하는 것(깊이)으로 초점이 이동하는 것이다. 수년 동안 AI는 거의 모든 작업에 도움을 줄 수 있다는 약속을 했다. 이제는 부분적인 지원이 아닌, 전체 워크플로우를 처음부터 끝까지 실행할 수 있는 AI 에이전트에 집중하고 있다.
허쉬는 이를 잘 설명했다. “넓이는 많습니다. AI가 모든 것에 영향을 줄 수 있나요? 이제 우리는 더 깊이를 보기 시작했습니다. 워크플로우의 50%나 75%를 수행하는 대신, 아마도 100%를 수행하는 거죠.” 이는 에이전트가 개선 사항을 제안만 하는 것이 아니라, 인간이 단순히 관리할 수 없는 세밀한 수준에서 지속적으로 실행한다는 것을 의미한다. 운영 빈도의 힘으로 확장되는 효율성을 약속하는 것이다.
자연어 계층
스위블의 접근 방식에는 자연어 인터페이스도 포함되어, 사용자가 일상적인 언어로 이러한 정교한 자동화와 상호작용할 수 있게 한다. 이는 단순히 자동화를 만드는 것을 넘어, 데이터를 통해 소통하고, 캠페인을 최적화하며, 단일 시스템에 국한되지 않고 여러 광고 플랫폼에 걸쳐 게시자 수익을 창출하는 것을 의미한다. 파편화된 광고 기술 생태계를 위한 통합 상호작용 계층을 구축하는 것이 목표다.
허쉬는 “비즈니스에서 어떤 과거 인간이 해왔던 작업이든 수행할 자동화를 만들고 싶다면, 스위블에서 할 수 있습니다. 만약 판매자가 하나, 셋, 다섯, 일곱, 열 개의 플랫폼을 사용한다면, 이제 단일 플랫폼을 통해 이러한 광고 플랫폼과 에이전트를 통해 상호작용할 수 있습니다.”라고 설명했다. 이는 서로 다른 플랫폼 UI와 API 통합을 관리하는 복잡성을 줄이는 것을 목표로 한다.
이것이 정말 ‘최고 효율’인가?
‘최고 효율’이라는 용어는 대담한 주장이다. 역사적으로 광고 기술은 더 나은 타겟팅, 더 효율적인 입찰, 더 빠른 로딩 시간 등 다양한 수단을 통해 효율성을 추구해왔다. 노출 단위 AI 의사결정은 자동화를 극단으로 밀어붙이는 중요한 진화다. 하지만 내 저널리즘적 회의감이 발동한다. 광고 기술의 역사는 구현의 어려움이나 예상치 못한 결과로 인해 과대광고에 미치지 못한 기술적 약속들로 가득 차 있다.
예를 들어, 에이전트는 이론적으로 지속적으로 작업을 수행할 수 있지만, 편향이나 의도치 않은 부정적인 결과를 초래하지 않고 모든 개별 노출의 미묘한 차이를 처리할 만큼 모델이 정교한가? 그리고 사용자가 AI에 효과적으로 프롬프트하는 방법을 모르기 때문에 이 고급 기능의 얼마나 많은 부분이 여전히 활용되지 않고 있는가? 허쉬는 대규모 언어 모델의 미개척 기능과 비교하며 이를 암시했다. 이는 ‘최고 효율’의 잠재력은 존재할 수 있지만, 실제 실현은 사용자 전문성과 AI 성숙도에 크게 좌우된다는 것을 의미한다.
허쉬는 “우리 플랫폼 안에는 AI 플랫폼이 할 수 있는 일들이 있지만 사람들이 모르기 때문에 한 번도 사용되지 않은 도구들이 있습니다. 사람들은 프롬프트하는 방식에서 더 전문화될 것이고, 새로운 것을 발견하게 될 것입니다.”라고 말했다.
이는 ‘최고 효율’이 기술 자체뿐만 아니라, 그것을 사용하는 인간의 요소에 달려 있음을 시사한다. AI는 강력해야 하고, 사용자는 그 힘을 발휘하는 데 능숙해야 한다. 둘 중 하나라도 없으면, 가장 세밀한 의사결정조차 매우 빠르고 복잡한 잘못된 작업 방식이 될 뿐이다.
일반적인 미디어 구매자나 기획자에게 이것이 의미하는 바는 무엇일까? 아마도 더 가파른 학습 곡선, 더 많은 프롬프트 엔지니어가 되어야 할 필요성, 그리고 단순히 지능적인 것뿐만 아니라 명백히 신뢰할 수 있는 AI 에이전트에 대한 의존성이 될 것이다. 주기적인 인간의 감독에서 지속적인 AI 마이크로 관리로의 전환은 심오한 건축학적 변화이며, 전례 없는 최적화를 약속하지만 새로운 수준의 사용자 정교함과 자동화 시스템에 대한 신뢰를 요구한다. 인간을 완전히 대체하는 것이라기보다는, 그 역할의 본질을 근본적으로 변화시키는 것에 가깝다 — 직접적인 운영자에서 고도로 전문화된 AI 에이전트의 오케스트레이터 및 감독자로 진화하는 것이다.
이는 단순히 일을 더 빨리 하는 것을 넘어, 디지털 광고의 운영 구조를 근본적으로 재편하고 자동화를 가장 세밀한 한계까지 밀어붙이는 것이다. 이것이 진정으로 ‘최고 효율’을 나타낼지, 아니면 긴 여정의 또 다른 야심찬 단계일지는 지켜봐야겠지만, 캠페인 관리의 건축은 의심할 여지 없이 노출 단위로 재편되고 있다.
