구글 애즈 AI 에이전트, 만들기 전에 갖춰야 할 4단계 — 실패하는 팀은 비싼 단계로 바로 간다

AI 에이전트 발표가 매주 쏟아진다. 구글이 만들고, 소프트웨어 벤더가 팔고, 링크드인에서는 곧 모든 마케팅 팀이 24시간 캠페인을 관리하는 자율 직원을 갖게 될 것처럼 말한다.

그래서 다음 경쟁 우위는 AI 에이전트를 가능한 빨리 만드는 것이라는 결론에 이르기 쉽다. Propel의 공동창업자 로버트 심킨스(Robert Simpkins)는 지난 1년간 구글 애즈용 에이전틱 시스템을 만들어온 경험을 근거로 이 관점이 틀렸다고 말한다. 실제로 상업적 가치를 얻는 조직은 대체로 같은 경로를 밟고, 고전하는 조직은 대체로 비싼 단계로 바로 건너뛴다.

1단계. AI를 붙이기 전에 기반부터 만든다

AI를 실험하기 전에 두 가지에 투자해야 한다. 지식 베이스와 데이터다. 가장 재미없는 단계고, 그래서 가장 자주 생략되는 단계이기도 하다.

AI를 둘러싼 가장 큰 오해는 AI가 나쁜 프로세스를 보완해준다는 생각이다. 실제로는 그 나쁜 프로세스를 더 빠르게 자동화할 뿐이다.

어떤 AI 시스템이든 품질은 어떤 모델을 쓰느냐보다 어떤 맥락을 주느냐에 훨씬 크게 좌우된다. 아무리 뛰어난 LLM도 비즈니스 지식에 접근할 수 없고 데이터가 여러 플랫폼에 흩어져 있으면 합리적인 판단을 내릴 수 없다.

지식 베이스에 문서화할 것

AI가 이해할 수 있는 형식으로 다음을 남겨야 한다.

• 제품
• 서비스
• 비즈니스 규칙
• 톤앤매너
• 캠페인 구조
• 내부 프로세스

동시에 마케팅 데이터가 정확하고, 연결돼 있고, 접근 가능한지 확인한다. 빅쿼리를 쓰느냐 다른 중앙 웨어하우스를 쓰느냐보다, AI가 전체 그림을 볼 수 없게 만드는 사일로를 없애는 것이 중요하다.

2단계. 상용 AI를 끝까지 써보기 전에는 만들지 않는다

AI의 효용을 보려고 개발자가 필요한 건 아니다. 심킨스의 주장은 단호하다. 대부분의 구글 애즈 팀은 지금 나와 있는 상용 도구가 이미 할 수 있는 일조차 다 써보지 않았다.

지금 당장 가능한 것

캠페인 데이터를 챗GPT나 클로드로 내보내는 데서 시작한다. 계정 구조 감사, 낭비되는 지출 식별, 검색어 기회 발굴, 쇼핑 피드 검토를 요청해보라. 최신 모델들은 큰 데이터셋 분석에 놀랄 만큼 능하고, 예전 같으면 스프레드시트에서 몇 시간 걸렸을 패턴을 자주 찾아낸다.

다음 단계는 MCP(Model Context Protocol) 커넥터로 이 도구들을 구글 애즈·구글 애널리틱스·구글 머천트 센터에 연결하는 것이다. 매주 스프레드시트를 내보내는 대신 라이브 계정 데이터를 질의하면서, 프로젝트나 커스텀 GPT를 통해 비즈니스 맥락을 지속적으로 유지할 수 있다.

많은 조직에게는 이 조합이 앞으로 필요한 가치의 대부분을 만들어낸다. 이 구성의 한계에 진짜로 도달했을 때만 직접 만든다.

3단계. 복잡도가 필요해지면 그때 직접 만든다

언젠가는 상용 도구를 넘어설 수 있다. 요구사항이 더 구체적으로 바뀌는 시점이다.

예를 들어 광고 성과를 재고 가용성, 가격, 마진, CRM 데이터와 결합해야 하는 경우가 있다. 또는 프롬프트를 기다리는 대신 AI가 계정을 지속적으로 모니터링하게 하거나, 적절한 통제를 유지한 채 승인 워크플로를 자동화하고 싶을 수 있다.

이때 커스텀 개발이 값어치를 한다. 개발자는 AI 시스템을 더 신뢰할 수 있게 만든다. 커스텀 MCP, 가드레일, 오케스트레이션, 스케줄링, 비용 최적화가 합쳐지면서, 흥미로운 데모가 매일 쓸 만큼 믿을 수 있는 시스템으로 바뀐다.

4단계. 초기 도입자를 찾아서 밀어준다

역설적이게도 AI 도입의 가장 큰 장애물은 기술과 거의 무관하다. 사람이다.

가장 빠르게 나아가는 조직은 모든 직원이 하룻밤 사이에 AI 전문가가 되기를 기대하지 않는다. 열정적인 초기 도입자를 찾아내 실험할 공간을 준다. 그리고 그들이 효과를 본 것을 공유하게 하고, 그 워크플로를 팀 전체로 점진적으로 스며들게 한다.

AI는 마케터를 대체하기보다 마케터가 가치를 만드는 방식과 지점을 바꾼다. 우리는 이미 지난 10년간 스마트 자동입찰, 브로드 매치, 퍼포먼스 맥스를 통해 실행을 알고리즘에 넘겨왔다. 에이전틱 AI는 그 진화의 다음 단계일 뿐이다. 마케터의 역할은 수동 실행에서 전략과 판단 쪽으로 계속 옮겨간다.

목표는 자율 마케팅이 아니다

심킨스가 꼽는 가장 큰 실수는 구글 애즈의 모든 측면을 자동화하려는 시도다. 가치는 거기 있지 않다.

에이전틱 AI는 반복적이고 데이터가 많은 작업에 특히 강하다. 계정 감사, 성과 모니터링, 트렌드 분석, 최적화 기회 발굴 같은 일이다. 이런 작업을 숙련된 마케터의 할 일 목록에서 걷어내면, 그들은 전략과 창의적 문제 해결, 비즈니스 목표에 더 많은 시간을 쓸 수 있다.

앞으로 몇 년간 성과를 내는 팀은 반드시 가장 정교한 에이전틱 AI를 가진 팀은 아니다. AI가 레버리지를 만드는 지점, 인간의 판단이 여전히 필요한 지점, 그리고 둘이 함께 작동하게 하는 기반을 이해한 팀이다.

마케팅 실무자 관점의 시사점

이 로드맵에서 한국 실무자가 특히 곱씹을 만한 지점은 1단계와 2단계 사이의 간격이다.

국내 광고 운영 환경은 매체가 여러 개로 쪼개져 있다. 구글 애즈, 네이버, 카카오, 메타가 각각 다른 리포트 구조를 쓰고, 그 통합은 대체로 사람이 스프레드시트로 한다. 이 상태에서 에이전트를 붙이면, 심킨스의 표현대로 잘못된 프로세스가 더 빨리 자동화될 뿐이다.

그리고 이 조언은 지금 특히 시의적절하다. 구글은 AI 맥스 강제 전환 일정과 검색 캠페인 언어 타기팅 제거를 같은 9월에 걸어두면서 수동 제어를 계속 걷어내고 있다. 그럴수록 운영자가 붙잡을 수 있는 지점은 플랫폼 설정이 아니라 그 플랫폼에 넣는 맥락과 데이터로 옮겨간다. 같은 방향의 변화는 구글 애즈가 검색 캠페인에서 언어 타기팅을 없앤다 — 9월 말부터 자동 매칭에서도 확인할 수 있다.

무엇부터 손볼지 순서가 필요하다면 AI 가시성 개선의 대부분은 기술 부채 상환이다 — 새 전술이 아니라 미뤄둔 숙제가 같은 논리를 검색 쪽에서 다룬다. 새 전술을 사기 전에 미뤄둔 숙제를 끝내는 게 대체로 더 싸고 빠르다.