Forrester와 미국 광고대행사협회(American Association of Advertising Agencies, 4A’s)가 공개한 2026년 조사에서 미국 마케팅 에이전시의 AI 사용은 이미 보편화된 상태로 나타났다. 발표 기준으로 10곳 중 9곳은 생성형 AI를 쓰고, 절반은 마케팅 실행에 에이전트형 AI를 사용한다.
AI를 쓰면 더 빨라지고, 더 적은 비용으로 더 많은 산출물을 만들 수 있다. 하지만 이 지점에서 질문을 멈추면 중요한 부분을 놓친다. 효율은 좋아졌는데, 효과는 어떻게 설명할 것인가.
이번 글의 질문은 마케팅 AI를 써야 하느냐가 아니다. 이미 쓰고 있다면, 줄어든 제작 시간과 비용을 어떤 성과 기준으로 다시 배분할 것인가다. 이 기준이 없으면 AI는 생산성을 높이는 도구로 남고, 브랜드와 에이전시의 관계는 더 낮은 단가 경쟁으로 밀릴 수 있다.
AI 보급
9/10
미국 마케팅 에이전시 10곳 중 9곳이 생성형 AI 사용
에이전트형 AI
50%
절반은 마케팅 실행에 AI 에이전트 활용
생산성 목적
81%
생성형 AI 사용의 주요 목적은 직원 생산성과 영향력 향상
비용 처리
61%
AI를 직접 수익원이 아닌 사업 운영 비용으로 분류
마케팅 AI는 이제 어디에 쓰이고 있나
마케팅 AI는 더 이상 콘텐츠 초안을 만드는 도구에만 머물지 않는다. Forrester 발표에 따르면 에이전시들은 아이디어 발상, 콘텐츠 제작, 경쟁 분석, 성과 보고, 미디어 전략, 검색 전략까지 AI를 폭넓게 쓰고 있다. 문서와 커뮤니케이션 요약에는 74%, 리서치와 경쟁 정보 분석에는 70%가 생성형 AI를 활용한다.
이 수치는 마케팅 조직의 일상 업무가 이미 바뀌었다는 뜻이다. 브리프를 읽고, 자료를 정리하고, 경쟁사를 훑고, 초안을 만들고, 보고서를 다듬는 과정에서 AI가 기본 레이어로 들어왔다. 과거에는 파일럿 프로젝트였지만, 지금은 업무 방식의 일부에 가깝다.
WHAT CHANGED
- AI 사용 범위가 넓어졌다: 창작, 전략, 미디어, 검색, 리포팅 업무에 동시에 들어왔다.
- 에이전트형 AI가 실행 단계로 이동했다: 단순 초안 생성보다 업무를 나누고 실행하는 방식이 늘고 있다.
- 효율 중심 도입의 한계가 드러났다: 비용 절감은 보이지만 차별화와 효과 측정 기준은 아직 약하다.
이 변화가 곧바로 좋은 마케팅을 뜻하지는 않는다. 빠르게 만든 소재가 많아질수록 비슷한 문장, 비슷한 이미지, 비슷한 제안서도 늘어난다. 생산 속도가 빨라진 만큼 차별화 기준을 더 엄격하게 잡아야 한다.
효율과 효과는 왜 다르게 움직이나
효율은 비교적 빨리 보인다. 제작 시간이 줄었는지, 인력이 덜 들어갔는지, 더 많은 버전을 만들었는지 확인하기 쉽다. 반면 효과는 늦게 드러난다. 브랜드 선호, 구매 전환, 고객 유지, 캠페인 증분효과, 장기 매출 기여도는 단순 산출물 수로 설명되지 않는다.
AI가 만든 효율은 대부분 내부 운영 지표에서 먼저 잡힌다. 문제는 브랜드와 에이전시가 그 효율을 어떤 방향으로 쓸지다. 줄어든 시간을 단가 인하로만 넘기면 에이전시는 더 많은 일을 더 낮은 가격으로 처리하는 구조에 갇힌다. 반대로 그 시간을 고객 이해, 실험 설계, 크리에이티브 검증, 성과 해석에 재투자하면 효과의 기준이 달라진다.
| 구분 | 효율 중심 질문 | 효과 중심 질문 |
|---|---|---|
| 콘텐츠 제작 | 몇 개를 더 만들었나 | 어떤 메시지가 고객 행동을 바꿨나 |
| 미디어 운영 | 입찰과 소재 교체가 빨라졌나 | 증분효과와 고객 품질이 개선됐나 |
| 리서치 | 자료 요약 시간이 줄었나 | 새로운 고객 가설과 실험 질문이 생겼나 |
| 계약 모델 | 투입 시간이 줄었으니 비용을 낮출 수 있나 | AI 기반 역량을 어떤 가치로 보상할 것인가 |
따라서 이번 신호의 핵심은 AI 사용률이 높아졌다는 사실에 있지 않다. 사용이 보편화된 다음, 효율을 효과로 바꾸는 운영 체계가 있는지가 더 중요해졌다.
ROAS만으로 마케팅 AI 성과를 설명할 수 있나
광고성과수익률(Return on Ad Spend, ROAS)은 여전히 유용한 지표다. 다만 마케팅 AI의 성과를 ROAS만으로 설명하면 빈틈이 생긴다. AI가 만든 소재가 클릭률을 높였더라도, 그 클릭이 새로운 고객을 데려왔는지, 기존 수요를 더 빨리 포착했는지, 단기 프로모션 효과에 그쳤는지는 따로 봐야 한다.
특히 생성형 AI는 변형과 반복에 강하다. 같은 메시지를 수십 개 버전으로 만들고, 채널별로 조금씩 바꾸고, 테스트 속도를 높인다. 하지만 테스트가 많아졌다고 학습이 깊어진 것은 아니다. 무엇을 검증할지 정하지 않은 실험은 더 빠른 소음이 될 수 있다.
NOTE
ROAS가 높다고 좋은 성과라고 단정하기 어렵다. AI 도입 이후에는 산출물 수, 제작 시간, 클릭률뿐 아니라 증분효과, 고객 품질, 브랜드 일관성, 학습 가능한 실험 설계를 함께 봐야 한다.
실무에서는 지표를 세 층으로 나누는 편이 안전하다. 첫째는 운영 효율이다. 제작 시간, 검수 시간, 버전 수, 재작업률이 여기에 들어간다. 둘째는 캠페인 성과다. 전환율, 증분 매출, 고객획득비용, 유지율을 봐야 한다. 셋째는 브랜드 품질이다. 메시지 일관성, 차별화, 법적·윤리적 검수 통과율, 고객 반응의 질이 포함된다.
에이전시 수익 모델은 왜 흔들리나
마케팅 에이전시의 전통적 수익 모델은 상당 부분 투입 시간과 인력 규모에 기대어 왔다. AI가 작업 시간을 줄이면 이 모델은 곧바로 압박을 받는다. 클라이언트는 비용 절감을 기대하고, 에이전시는 AI 도구와 데이터 인프라 비용을 떠안는다.
Forrester는 이미 2025년 블로그에서 이 문제를 “AI cost center crisis”로 설명했다. AI가 생산성, 리서치 속도, 창의적 발상, 제작 속도, 미디어·검색 활성화를 높이지만, 그 가치가 보상 구조에 제대로 반영되지 않는다는 지적이다. 2026년 조사에서도 61%의 에이전시는 AI를 여전히 직접 수익원이 아니라 사업 운영 비용으로 분류한다.
이 대목에서 브랜드와 에이전시의 협상 주제가 바뀐다. “AI를 썼으니 더 싸게 해달라”에서 끝나면 AI는 비용 절감 장치가 된다. 반대로 “AI로 생긴 시간을 어디에 재투자했고, 어떤 성과가 개선됐는가”를 계약에 넣으면 AI는 새로운 가치 모델이 될 수 있다.
| 계약 관점 | 기존 방식 | AI 이후 필요한 방식 |
|---|---|---|
| 보상 기준 | 투입 인력과 시간 | 성과 기여, 운영 시스템, 데이터·AI 역량 |
| AI 비용 | 에이전시 내부 운영비로 흡수 | 도구, 데이터, 검수, 운영 역량을 투명하게 분리 |
| 성과 설명 | 산출물 납품과 캠페인 리포트 | 효율 절감분, 실험 학습, 증분효과, 브랜드 품질을 함께 보고 |
실무자는 무엇을 먼저 점검해야 하나
브랜드와 에이전시가 먼저 정해야 할 것은 AI 사용 여부가 아니다. 어떤 업무에서 효율을 기대하고, 어떤 업무에서는 사람의 판단을 남겨둘지 구분해야 한다. 특히 전략, 브랜드 포지셔닝, 법적 검수, 고객 데이터 해석은 단순 자동화 대상으로 보기 어렵다.
마케팅팀은 AI가 만든 결과물을 어떤 기준으로 승인할지 정해야 한다. 데이터팀은 학습과 분석에 쓰이는 데이터의 품질과 접근권을 확인해야 한다. 에이전시는 AI 사용으로 줄어든 시간을 어디에 재투자했는지 설명할 수 있어야 한다. 경영진은 비용 절감분이 단기 이익으로만 사라지지 않도록 성과 지표를 다시 설계해야 한다.
CHECKLIST
- AI 사용 업무를 제작, 리서치, 전략, 미디어, 리포팅으로 구분했는가?
- 효율 지표와 효과 지표를 따로 정의했는가?
- AI가 만든 산출물의 검수 기준과 승인자를 정했는가?
- 절감된 시간과 비용을 창의성, 실험, 데이터 분석에 재투자하는 구조가 있는가?
- AI 도구와 운영 역량을 계약·보상 모델에 어떻게 반영할지 합의했는가?
다음에 볼 지표는 비용 절감률이 아니다
AI 도입이 보편화된 다음에는 사용률 자체가 차별화 지표가 되기 어렵다. 앞으로 봐야 할 것은 AI로 줄어든 시간이 어디로 갔는지다. 더 많은 산출물로만 이어졌는지, 아니면 더 나은 전략 질문과 더 정교한 실험 설계로 바뀌었는지 확인해야 한다.
브랜드는 에이전시에게 단순히 “AI를 쓰느냐”고 물을 필요가 없다. 대신 세 가지를 물어야 한다. 첫째, 어떤 업무를 자동화했고 어떤 업무는 사람이 판단하는가. 둘째, 절감된 비용과 시간이 어떤 효과 지표로 연결됐는가. 셋째, AI 역량은 계약 구조 안에서 어떻게 보상되는가.
에이전시도 같은 질문을 스스로 해야 한다. AI로 더 빨라졌다는 설명만으로는 충분하지 않다. 이제 필요한 것은 효율의 증명이 아니라 효과의 증거다.
마케팅 에이전시의 AI 도입은 이미 보편화됐다. 실무자가 볼 지점은 AI 사용 여부가 아니라, 줄어든 시간과 비용이 실제 마케팅 효과, 브랜드 차별화, 새로운 수익 모델로 이어지는가다. 다음에 확인할 지표는 생산성 향상률보다 증분효과, 고객 품질, 브랜드 일관성, 검수 통과율, AI 역량의 계약 반영 여부다.
FAQ
자주 묻는 질문
Q. 마케팅 AI는 주로 어떤 업무에 쓰이나요?
마케팅 AI는 콘텐츠 초안, 아이디어 발상, 문서 요약, 경쟁 분석, 미디어 전략, 검색 전략, 성과 보고에 많이 쓰입니다. 다만 업무 범위가 넓어질수록 결과 검수와 데이터 접근권 관리가 함께 필요합니다.
Q. AI 도입 성과는 비용 절감으로 보면 충분한가요?
충분하지 않습니다. 비용 절감은 운영 효율을 보여주지만, 마케팅 효과를 설명하려면 증분효과, 고객 품질, 브랜드 일관성, 실험 학습 같은 지표를 함께 봐야 합니다.
Q. ROAS가 높으면 AI 마케팅이 성공한 건가요?
ROAS는 중요한 지표지만 단독으로는 부족합니다. 기존 수요를 더 빨리 포착한 것인지, 새로운 고객을 만든 것인지, 장기 브랜드 성장에 기여했는지를 구분해야 합니다.
Q. 브랜드와 에이전시는 AI 비용을 어떻게 다뤄야 하나요?
AI 도구 비용을 에이전시 내부 비용으로만 처리하면 장기적으로 수익 모델이 약해질 수 있습니다. 도구, 데이터, 검수, 운영 역량을 투명하게 나누고, 성과 기여와 함께 계약 구조에 반영하는 방식이 필요합니다.
TERMINOLOGY
본문에 나오는 주요 용어 정리
| 용어 | 뜻 | 실무자가 이해할 포인트 |
|---|---|---|
| 생성형 AI | 텍스트, 이미지, 코드, 영상 등 새로운 산출물을 만드는 AI | 제작 속도는 높일 수 있지만, 브랜드 적합성과 사실 검수는 별도로 필요하다. |
| 에이전트형 AI | 목표를 받아 여러 단계의 업무를 나누고 실행하는 AI | 자동 실행 범위가 넓어질수록 데이터 권한, 승인 절차, 로그 관리가 중요해진다. |
| ROAS | 광고성과수익률(Return on Ad Spend) | 광고비 대비 매출을 보는 지표지만, 증분효과와 고객 품질까지 설명하지는 못한다. |
| 증분효과 | 마케팅 활동이 없었을 때와 비교해 추가로 만든 효과 | AI 마케팅 성과를 단기 클릭이 아니라 실제 추가 성과로 보려면 필요한 기준이다. |
References
- [1] Forrester | Nine In 10 US Marketing Agencies Use AI To Cut Costs At The Expense Of Creativity
- [2] 4A’s | The State Of AI Inside US Marketing Agencies, 2026
- [3] Forrester Investor Relations | Forrester: Nine In 10 US Marketing Agencies Use AI To Cut Costs At The Expense Of Creativity
- [4] Forrester | The AI Cost Center Crisis
- [5] Forrester | Predictions 2026
댓글
댓글 쓰기