자동화가 장기적인 전략을 밀어내기 전에 AI 마케팅의 숨겨진 재작업 및 유지보수 시간을 추적하여 프로그래매틱의 회계적 실수를 방지해야 합니다.

8년 전, 저는 '프로그래매틱 바잉 기초(Programmatic Buying Foundations)'라는 강좌를 가르쳤습니다. 강좌 제목에 나와 있듯이, 데이터와 기술을 통해 대규모로 매우 관련성 높고 효과적이며 측정 가능한 광고를 전달할 수 있다는 것이 핵심 제안이었습니다. AI 마케팅 워크플로 내부에 묻혀 있는 숨겨진 시간에 대한 케빈 인디그(Kevin Indig)의 새로운 그로스 메모(Growth Memo) 칼럼을 읽어보면 제 옛날 피칭의 어두운 면을 알아보실 수 있을 것입니다. 효율성에 대한 약속은 그때도 깨졌고, 지금도 깨져 있습니다.

이러한 인식이 "전에 이 영화를 본 적이 있다"라는 주장은 아닙니다. 이는 제가 수년간 가르쳤던 분야에서 이미 한 번 균열이 생겼기 때문에, AI 마케팅 도구에 대한 효율성 논의가 어디에서 균열을 보일 가능성이 높은지에 대한 경고입니다.

내가 가르쳤던 약속

'프로그래매틱 바잉 기초' 강좌는 마케터들에게 5단계 워크플로를 안내했습니다: 오디언스 인사이트 정리하기, 매력적인 크리에이티브 기획하기, 통합된 기술로 실행하기, 다양한 스크린을 통해 오디언스에게 도달하기, 영향력 측정하기. 각 단계는 몬델리즈(Mondelez), 캠벨(Campbell’s), 포드 인디아(Ford India)와 같은 브랜드가 해당 워크플로를 통해 성과를 거두는 사례 연구와 함께 제공되었습니다. 프레임워크는 항상 효율성을 최우선으로 두었으며, 구매를 자동화하면 효과성과 측정 가능성이 부산물로 따라올 것이라는 전제가 있었습니다.

사람들이 프로그래매틱의 황금기를 회상할 때 빠뜨리는 부분이 있습니다. 동일한 강좌에 광고 사기(ad fraud)와 브랜드 안전성(brand safety)에 관한 완전한 섹션이 있었고, GDPR에 관한 또 다른 섹션도 있었습니다. 둘 다 효율성 피칭이 전달된 바로 그 청중에게 실제 문제가 되었기 때문입니다. 광고주들은 자동화가 타겟팅을 더 날카롭게 만들어 줄 것이라는 이야기를 들었습니다. 하지만 그들은 동일한 커리큘럼에서 사기성 인벤토리를 찾아내는 방법, '투명성 부족'이 해당 분야에서 가장 큰 우려 사항 중 하나로 꼽히는 이유, 그리고 새로운 개인정보 보호 규칙으로 인해 뷰스루(view-through) 및 크로스 디바이스 전환을 대시보드가 암시하는 것보다 신뢰하기 어렵게 만든 이유를 배워야 했습니다. 측정을 더 신뢰할 수 있게 만들어 주어야 할 도구에 정작 측정이 왜 신뢰하기 어려워지는지에 대한 단위 전체가 포함되어 있었던 것입니다.

AI 마케팅에서 나타나는 동일한 균열

인디그의 주장은 AI가 마케팅 업무를 없앤 것이 아니라 이동시켰다는 것입니다. 그의 수치들은 프로그래매틱이 확보했던 그 어떤 데이터보다 더 정확하게 이를 뒷받침합니다. METR은 16명의 숙련된 개발자에게 246개의 실제 작업 과제를 수행하도록 했으며, 일부는 AI의 도움을 받고 일부는 도움 없이 진행했습니다. 개발자들은 AI가 작업을 약 4분의 1 정도 더 빠르게 만들어 줄 것으로 예상했습니다. 하지만 실제로는 작업 완수가 약 5분의 1 정도 더 느려졌고, 그럼에도 불구하고 그들은 이후에도 AI가 작업을 더 빠르게 만들어 주었다고 믿었습니다.

마케팅 분야에도 이러한 격차의 자체 버전이 존재합니다. 1,000명 이상의 근로자를 대상으로 한 베터업 랩스(BetterUp Labs)와 스탠퍼드 대학의 설문조사에 따르면, 완성된 것처럼 보이지만 실제로는 그렇지 않은 콘텐츠인 AI 생성 '작업 조잡물(workslop)'을 수정하는 데 누군가가 이를 전달받을 때마다 평균 거의 2시간이 걸렸으며, 이는 대기업 기준으로 연간 9,000만 달러가 넘는 비용으로 확장됩니다. 워크데이(Workday)의 연구 역시 반환되는 시간을 수량화했는데, AI가 절약하는 10시간마다 약 4시간은 품질이 낮은 결과물을 다시 작업하는 데 소비됩니다. 2,500명의 리더와 근로자를 대상으로 설문조사를 실시한 업워크(Upwork)는 되찾은 시간의 세부 내역을 조사한 결과, 그 대부분이 AI 결과물을 확인하고 수정하거나, 도구 자체를 배우거나, 단순히 이전보다 더 많은 업무를 맡는 데 사용된다고 밝혔습니다.

허브스팟(HubSpot)의 데이터는 이러한 현상이 대규모 조직에서 왜 중요한지 보여줍니다. 마케팅 리더의 절대다수는 팀에서 이미 AI를 사용하고 있다고 응답했으며, 상당수는 회사가 외부 도구를 구매하는 대신 자체 내부 AI 도구를 개발하고 있다고 말했습니다. 인디그의 요점은 이러한 내부 개발 작업이 도구가 출시된다고 해서 사라지지 않는다는 것입니다. 이는 영구적이고 대부분 눈에 보이지 않는 유지보수 작업이 되며, 누군가는 이를 전담해야 합니다. 그 담당자가 휴가를 가면, 돌아올 때까지 워크플로는 다시 수동 작업으로 돌아갑니다.

저는 10년 전에 이를 알아차렸어야 했습니다. 프로그래매틱은 자동화가 수동 미디어 바잉 노동을 대체할 것이라고 약속했습니다. 그러나 실제로는 수동 바잉 노동을 광고 사기 모니터링 노동, 브랜드 안전성 노동, 컴플라이언스 준수 노동으로 전환시켰을 뿐이며, 이 중 어느 것도 초기 피칭 덱에는 나타나지 않았습니다. AI 마케팅 도구들도 동일한 주장을 펼치고 있습니다. 프롬프팅, 구축, 유지보수의 노동은 사라지지 않습니다. 이해관계자가 왜 대규모 콘텐츠 생산이 아직 성과를 내지 못했는지 물을 때까지, 프로젝트 계획서상에서 '실제 업무'처럼 보이지 않는 것으로 재분류될 뿐입니다.

제 솔직한 의견은 이것이 정확히 AI가 과장 광고되었다는 이야기는 아니라는 점입니다. 이는 마케팅 기술의 효율성 주장이 항상 장부의 잘못된 면에서 측정되고 있다는 이야기입니다. 즉, 눈에 보이는 작업에서 절약된 시간만 측정되고, 그 시간을 절약해 주는 시스템을 설정하고 감시하는 데 소비된 시간은 전혀 측정되지 않는다는 점입니다. 이는 2018년의 프로그래매틱에서도 사실이었습니다. 2026년의 자체 제작 AI 워크플로에서도 사실입니다. 기술은 바뀌었습니다. 하지만 회계적인 오류는 바뀌지 않았습니다.

이에 대해 어떻게 대처해야 하는가

자체 AI 도구를 구축하는 마케팅 팀을 관리하거나 그 안에서 일하고 있다면, 프로그래매틱 플레이북과 인디그의 데이터 모두에서 유용한 세 가지 조치가 존재합니다.

1. 모든 내부 AI 도구에 담당자 이름과 종료 일자를 지정하십시오. 프로그래매틱의 광고 사기 문제는 책임을 선택 사항이 아닌 구조적인 것으로 만든 산업 표준인 ads.txt를 통해 부분적으로 해결되었습니다. 자체 제작한 AI 워크플로에도 동일한 규율이 필요합니다. 모든 도구에 담당자와 검토 일자를 부여하지 않으면 영구적이고 눈에 보이지 않는 인력 비용이 됩니다.
2. 단순히 절약된 시간뿐만 아니라 아무도 세지 않는 시간을 추적하십시오. 팀원들에게 "이 AI 워크플로가 시간을 절약해 주었는가"라고 묻지 말고, "이번 달에 AI 도구가 속도를 높여주어야 했던 본래의 업무 대신 AI 도구를 구축하고 수정하며 유지보수하는 데 몇 시간을 썼는가"라고 물으십시오. METR 연구는 사람들이 솔직하게 답변하더라도 첫 번째 질문에는 잘못된 답변을 한다는 점을 보여줍니다.
3. 투자 수익률 회수가 느린 작업을 의도적으로 보호하십시오. 깊이 있는 콘텐츠, 디지털 PR, 그리고 실제 AI 답변에 인용되는 언급들은 유사한 시간 압박을 받던 프로그래매틱 시대의 마케터들이 몇 달 동안 결과를 보여주지 못한다는 이유로 가장 먼저 소홀히 했던 바로 그 업무들입니다. AI 도구가 기본적으로 남은 시간을 모두 차지하기 전에 팀 시간의 일정 비율을 지정하여 해당 업무를 보호하십시오.

저는 한때 효율성 피칭을 가르쳤습니다. 또한 같은 강좌에서 그것이 왜 그 자체만으로는 지탱되지 않는지 전체 단위로 가르쳤습니다. 만약 여러분의 마케팅 팀이 세지 않은 시간이 어디로 갔는지 묻지 않은 채 AI 효율성만 쫓고 있다면, 여러분은 새로운 문제를 보고 있는 것이 아닙니다. 새로운 표지를 달고 있는 저의 옛날 강의 계획서를 보고 계신 것입니다.