
LLM 가시성은 조직도에서 막힌다 — 채널별로 쪼개진 팀이 못 푸는 문제
LLM 가시성은 웹사이트가 아니라 브랜드의 디지털 흔적 전체에 달려 있다. 그런데 팀은 여전히 채널별로 나뉘어 있다. 실행 계획부터 만들지 말라는, 다소 불편한 조언.

최근 3주간 팀은 제안에 참여하며 정신없는 한 달을 보냈다. 10여 년간 이 일을 해오면서 제안서 작성은 정신적으로나 체력적으로 힘들지만 그만큼 배우는 순간이기도 하다. 관성적으로 운영하던 일에서 벗어나 새로운 활동과 계획을 고민하는 과정은 짧은 기간에 사람을 성장시킨다. 업계 선배들이 '대행사의 꽃은 제안'이라 말하는 이유일 것이다.
제안서 작성에는 정답이 없다. RFP라는 문서로 요청 사항을 받지만 해석의 여지가 많아, 각 대행사가 저마다의 해답을 만들어간다. 보통 2~3주가 주어지고, 그 안에 RFP 해석부터 제안서 작성, 디자인과 영상 작업까지 한 번에 진행하려면 일정이 상당히 촉박하다. 대부분의 직원이 제안 외 실무를 병행하기 때문에 그 기간 대부분을 야근으로 보낸다.
이번 제안도 마찬가지였다. 그러나 제안의 밀도는 이전과 달라졌다. AI 때문이었다.
제안의 핵심은 아이디어다. 제안서 업무의 80~90%는 핵심 콘셉트와 RFP가 얼마나 잘 맞는지를 회의로 검증하고 아이디어를 더 뾰족하게 다듬는 데 쓰인다.
그런데 모든 사람의 생각과 정보 밀도가 같을 수는 없다. 자연스럽게 대부분의 콘셉트에는 키맨 한두 명의 의견이 많이 반영된다. 키맨의 아이디어가 그럴듯하면 제안팀 전체가 그 아이디어에 맞춰 확증편향에 빠질 수도 있다.
AI는 이런 경향을 줄여준다. 어떤 권위나 선입견 없이 아이디어를 평가하고 RFP와의 적합성을 검토한다. 이번에도 회의에서 나온 괜찮아 보이는 아이디어를 AI에 던졌더니 "이 아이디어는 RFP의 ○○ 조건과 맞지 않는다"는 답이 돌아왔다. 사람이 직접 말하면 반박이나 감정으로 받아들여질 수 있는 지적이었지만, AI가 짚어준 문제였기에 비교적 감정 없이 회의 테이블에 올릴 수 있었다. 그 지적 하나로 제안 방향이 다시 잡힌 순간도 있었다.
제안서 회의에서는 잡힐 듯 잡히지 않는 것들을 이야기하는 경우가 많다. 캠페인의 구조나 형식을 말할 때 누군가 머릿속 그림을 도식화하지 않으면 사람마다 이해가 달라진다. 논리 구조는 말로 설명할 때 그럴듯해 보여도, 실제 장표로 만드는 과정에서 허점이 드러난다.
이런 디테일 보완에 AI는 큰 도움이 됐다. 인풋과 가이드라인을 정확하게 정리해주면 AI는 작업 시간을 크게 줄여주고 생각하지 못했던 지점까지 짚어주는 도구가 된다.
처음에는 AI가 나를 안전하게 만든다고 생각했다. AI는 10점 만점에 5~7점의 무난한 답을 내놓는다. 파격이 필요한 순간에도 안전하고 효율적인 답변만 가져온다고 불평했다.
시간이 지나면서 깨달았다. AI가 안전한 답을 준 것이 아니라, 내가 안전한 답을 원하고 있었다.
어느 순간부터 회의 전 AI에게 아이디어를 여러 번 검증받는 일이 습관이 됐다. 회의에서 누군가에게 반박당하기 전에 미리 검증받고 싶었던 것이다. AI는 그 요청에 충실히 응했을 뿐이다.
파격적인 아이디어는 원래 반박당할 가능성이 높다. 그래서 AI를 반복해서 거치면 자연스럽게 파격적인 부분이 사라진다. AI가 뭉뚝한 것이 아니라, AI를 계속 돌리는 내가 점점 뭉뚝해지고 있었다. 코카콜라의 AI 크리스마스 광고가 실패한 이유에서 지적된 '프롬프트로 못 만드는 것'의 문제와 같은 지점이다.
모두가 AI를 사용하고, 모두가 생각을 검증하는 샌드박스를 이용한다. 그러다 보면 대체로 비슷한 결의 아이디어가 나온다.
회의를 하는 이유는 다양한 가능성을 펼쳐놓고 함께 논의하기 위해서다. 그러나 AI라는 필터를 거친 뒤 나온 아이디어는 이미 한 번 정제된 생각이다. 날것이 아니기 때문에 오히려 매력이 떨어질 수 있다.
다음 제안에서는 순서를 바꿔보려 한다. AI에게 먼저 답을 구하지 않는 것이다.
우선 내 생각을 여러 갈래로 충분히 펼쳐놓고, 그 안에서 초고에 가까운 아이디어를 만든 다음 AI에게 던져 구체화한다. AI가 나를 검열하기 전에 내가 먼저 날것의 생각을 꺼내놓는 순서로.
AI가 만든 초안에서 승부가 갈리지는 않는다. 결국 승부는 그 초안에서 벗어난 한 문장에서 갈린다. 그리고 그 문장은 어쩌면 AI에게 물어보기 전에만 나올 수 있다.
해당 글은 브루스와 모비인사이드의 파트너십으로 제공되는 기사를 재구성한 것입니다.
권위나 선입견 없이 아이디어와 RFP 적합성을 검토해 확증편향을 줄여주는 것, 그리고 모호한 논리 구조를 장표로 만들 때 허점을 짚어주는 것입니다.
파격적인 아이디어일수록 반박 가능성이 높은데, 반박을 피하려는 마음으로 AI 검증을 반복하면 그 과정에서 파격적인 요소가 걸러지기 때문입니다.
순서를 바꿔야 합니다. AI에 먼저 답을 구하지 말고, 자기 생각을 여러 갈래로 충분히 펼쳐 초고에 가까운 아이디어를 만든 다음 AI에 넘겨 구체화하는 방식입니다.
기사에서 본 내용을 우리 사이트에 대입해 보고 싶다면, 무료 진단으로 현재 상태부터 확인해 보세요.
영업일 기준 24시간 안에 담당자가 직접 답변드립니다.

LLM 가시성은 웹사이트가 아니라 브랜드의 디지털 흔적 전체에 달려 있다. 그런데 팀은 여전히 채널별로 나뉘어 있다. 실행 계획부터 만들지 말라는, 다소 불편한 조언.

리뷰 콘텐츠 성과 측정에서 어트리뷰션 매출은 기여를 증명하지 않는다. 한 크리에이터에게 PR·제휴·소셜이 각각 지불하는 구조와, 증분을 가려내는 여섯 가지 질문을 정리했다.

E-E-A-T 점검은 API가 없다. 그래서 자동화가 안 됐다. AI 코딩 에이전트로 구글 품질 가이드를 읽히고 대표 페이지를 크롤해 점수화한 감사 보고서를 뽑아낸 실제 구축 과정과 한계.