저희 회사의 Adobe AI 여정은 예측 인텔리전스에서 생성형 창작으로 발전한 후, 이제는 의도에 따라 작동하는 에이전틱 시스템을 활용하고 있습니다.그 과정에서 Adobe AI는 개인화를 확장하고 생산성을 높이고 혁신을 추진하는 방식을 변화시켰습니다. 저희가 배운 것, 여기 오기까지 필요했던 것 그리고 앞으로의 계획은 다음과 같습니다.

소개

AI는 더 이상 디지털 경험에서 미래형 유행어가 아니라 최신 개인화, 생산성, 확장을 이끄는 엔진입니다. 정확성과 규모가 중요한 여행, 호텔, 엔터테인먼트 업계에서는 많은 조직이 Adobe Analytics 및 Adobe Target의 예측형 AI 기능에서 시작했습니다. 이후 AI 채택은 Adobe Experience Platform AI 어시스턴트와 같은 도구를 통해 생성형 AI로 확대되었으며, 이제는 Adobe Experience Platform 안팎의 에이전틱 AI 기능으로 나아가고 있습니다. 그 과정에서 채택, 거버넌스, 혁신과 관련하여 중요한 교훈을 얻을 수 있었습니다. 이 인사이트는 AI 기반 디지털 경험 전략을 세우는 모든 조직에 점점 더 중요해지고 있습니다.

AI의 기반

저희 회사 AI 기반 마케팅의 시작점은 Adobe Analytics와 Adobe Target이었습니다. Analytics는 예외 항목 탐지, 기여도 분석, 예측 기능을 통해 예측적 인사이트를 제공하고, Target은 자동화된 타기팅, 개인화, 추천을 통해 개인화를 실무에 적용할 수 있게 만들었습니다.

이러한 기능은 다양한 방식으로 ROI를 입증하며 AI에 대한 확신의 토대를 마련했습니다.

• 효율성 향상: 인사이트를 발견하거나 콘텐츠를 최적화하는 데 필요한 수작업이 줄어듭니다.
• 매출 증대: 개인화된 경험을 통해 전환율과 평균 주문액의 실질적인 개선을 이룹니다.
• 고객 경험 영향: 더 빠르고 관련성 높은 상호 작용을 가능하게 하여 참여도와 만족도를 향상시킵니다.

이러한 결과가 모여 예측형 AI의 실질적인 비즈니스 가치를 입증하고 이해 당사자의 신뢰를 구축하여 고급 사용 사례로 확장하는 데 도움이 되었습니다.

방법: Adobe Analytics와 Adobe Target에서 AI 활용을 시작하기 위한 3단계

1. Adobe Analytics의 예외 항목 탐지 및 기여도 분석으로 작게 시작하여 AI 기반 인사이트를 검증합니다.
2. Adobe Target의 Automated Personalization을 활용하여 각 방문자에게 예측형 AI가 동적으로 최적화하는 최상의 콘텐츠 베리에이션을 제공합니다.
3. 자동 타기팅과 추천 전체의 상승도와 ROI를 추적하여 가시적인 비즈니스 효과를 조기에 확인합니다.

Adobe Experience Platform AI 어시스턴트를 통한 생성형 AI로의 도약

Adobe Experience Platform(AEP)을 도입하고 생성형 AI 기반의 Adobe AI 어시스턴트를 사용하기 시작하면서부터 진정한 전환점이 찾아왔습니다. 어시스턴트는 그저 신기한 기능을 넘어 유용성을 빠르게 입증하며 여러 팀의 일상적인 생산성 도구로 자리를 잡았습니다.

AI 어시스턴트를 채택한 이유

AI 어시스턴트를 사용하기로 결정한 것은 세 가지 필요성 때문이었습니다.

1. 인사이트를 얻는 속도: 분석가와 비즈니스 사용자는 수작업으로 쿼리를 작성하지 않고도 복잡한 데이터 집합에서 빠른 답을 얻어야 했습니다.
2. 접근성: Adobe Experience Platform은 강력하지만 기술 전문가가 아닌 사용자에게는 어렵게 느껴질 수 있습니다. 대화형 쿼리를 통해 보다 자연스럽게 데이터 및 인사이트와 상호 작용하는 방식은 이러한 장벽을 낮추는 데 도움이 됩니다.
3. 온보딩: 새로운 채용과 역할 순환으로 인해 Adobe Experience Platform에서 팀의 생산성을 높이는 데 많은 시간이 소요되었습니다. AI 어시스턴트는 탐색을 안내하는 인터랙티브 '코치' 역할을 할 수 있습니다.

초기 사용 사례와 그 발전 과정

• 온보딩 및 활성화: 신규 사용자는 AI 어시스턴트를 '가이드 코치'로 활용하여 데이터 세트를 탐색하고, XDM 스키마를 이해하고, 플랫폼 애플리케이션 기능(Real-Time CDP, Customer Journey Analytics, Adobe Journey Optimizer)을 직접 사용해 보며 학습할 수 있습니다. 수동적으로 문서를 읽는 대신 "캠페인 성과를 확인할 수 있는 지표에는 어떤 것이 있나요?" 또는 "대상자 참여 추세를 분석하려면 어떻게 해야 하나요?"라고 질문할 수 있습니다. 이처럼 인터랙티브한 접근 방식 덕분에 온보딩이 몇 달에서 몇 주로 단축되었습니다.
• 문제 해결 및 데이터 탐색: 초기에 AI 어시스턴트는 사용자가 누락된 필드나 일관성 없는 데이터 정의를 파악하는 데 도움을 주었습니다. 현재는 그에 더해 쿼리의 유효성을 검사하고 예외 항목을 표시하며 보다 정확한 인사이트를 위한 추천도 제공합니다.

자연어 쿼리로 AI 어시스턴트를 사용하기 위한 모범 사례 팁

• 신규 사용자가 AI 어시스턴트를 일차적인 가이드로 삼아 데이터를 탐색하고 상호 작용을 통해 플랫폼 기능을 학습하는 데 도움을 받게 하세요.
• 일반적인 쿼리와 모범 사례를 보여 주는 스타터 프롬프트 세트를 준비하세요.
• AI 어시스턴트를 구조화된 활성화 세션과 함께 사용하면 빠른 채택을 유도하고 신뢰를 구축할 수 있습니다.

주요 결과

• 분석가와 비즈니스 사용자가 실행 가능한 인사이트를 보다 빠르게 얻을 수 있어 쿼리 및 보고 시간이 며칠에서 몇 분으로 단축되었습니다.
• 기술 지식이 없는 사용자도 분석가에게 크게 의존하지 않고 Adobe Experience Platform에서 직접 작업할 수 있다는 자신감을 얻었습니다.
• 신입 사원 온보딩이 2~3배 빨라져 선임 팀원의 업무 부담이 줄었습니다.

이점은 명확하게 드러났습니다. 팀의 효율성이 향상되고 Adobe Experience Platform에 더 쉽게 접근할 수 있으며 자연어 쿼리를 통해 여러 부서의 사용자가 데이터를 탐색하고 최소화된 마찰로 인사이트를 얻을 수 있게 되었습니다.

그러나 채택 과정에서 어려움이 없었던 것은 아닙니다.

• 공포와 오해: 법률 및 규정 준수 팀은 처음에 게스트 데이터가 AI 모델과 함께 사용될 경우 외부에 노출되거나 다른 회사에서 재사용될 수 있다고 우려했습니다. 이 우려를 해소하려면 데이터 사용에 대한 명확한 문서화, 아키텍처의 투명성, 지속적인 교육이 필요했습니다.
• 신뢰와 도입의 장애물: 조직 내에서 많은 사람들이 AI가 인간의 판단을 대체하거나 통제력을 떨어뜨릴 수 있다고 우려했습니다. AI는 마케터를 대체하지 않고 조력한다는 점을 강조해야 했습니다. 저희 회사가 AI 사용을 시작한 이유는 대체재가 아닌 도우미가 필요해서였습니다.
• 데이터 준비에 따른 어려움: 저희 기술팀은 생성형 AI의 결과물은 기반이 되는 데이터 수준을 넘어설 수 없다는 현실에 직면했습니다. 정확한 결과와 신뢰할 수 있는 인사이트를 얻으려면 깨끗하고 적절하게 오케스트레이션된 360° 데이터가 필수적입니다. AEP의 통합 프로필 레이어와 중앙 집중식 데이터 플랫폼은 이러한 문제를 극복하는 데 도움이 되었습니다.

이러한 장애물을 인식하고 해결한 후에는 AI의 이점을 부인할 수 없게 되었습니다.

새로운 에이전틱 AI의 시대

생성형 AI도 강력하지만 에이전틱 AI는 새로운 영역입니다. 에이전틱 AI는 프롬프트에만 반응하지 않고 전략 개발부터 세그먼트 만들기, 개인화 실행, 데이터 품질 검사에 이르는 여러 단계의 워크플로를 자율적으로 실행하고 오케스트레이션할 수 있습니다. 이는 '보조'에서 '공동 작업 자동화'로의 전환입니다: 생성형 AI는 질문에 응답하고 콘텐츠를 생성하는 반면, 에이전틱 AI는 정의된 목표에 따라 여러 작업을 조정하고 종속성을 관리하며 복잡한 워크플로를 실행합니다.

저희가 지금 살펴보는 솔루션은 다음과 같습니다.

1. Adobe Experience Platform Agent Orchestrator - 에이전트가 다단계 마케팅 워크플로에서 함께 작업할 수 있도록 지원합니다.
2. 목적 특화형 Adobe Experience Platform 에이전트 - 세분화, 활성화, 인사이트에 특화된 에이전트입니다.
3. Adobe GenStudio와 Firefly - 개인화되고 브랜드에 적합한 콘텐츠를 대규모로 생성할 수 있습니다.

AI가 전체 고객 여정에서 작동하도록 보장하기 위해 Adobe 플랫폼 밖에서도 에이전틱 AI의 데이터 품질, 신원 확인, 개인화 전략 평가가 진행되고 있습니다.

요즘은 캠페인을 구축하려면 데이터 엔지니어링 팀에서 대상자를 준비하고, 마케팅 팀이 콘텐츠를 디자인하며, 운영 팀이 활성화를 관리하는 등 여러 번의 핸드오프가 필요한 경우가 많습니다. 가까운 미래에는 잘 조율된 에이전틱 AI 프로세스 세트가 이 여러 단계를 원활하게 실행하여 수작업의 번거로움을 줄일 수 있습니다. 이러한 변화를 통해 팀이 전략과 창의적인 의사 결정에 더 집중할 수 있으며, 출시 기간을 몇 개월에서 단 며칠로 대폭 단축할 수 있습니다.

방법: 에이전틱 AI 사용을 준비하기 위한 3단계

1. 초기부터 법무팀 및 보안팀 참여: 아키텍처, 워크플로, 데이터 사용을 문서화하고 규정 준수, 개인 정보, 보안 가드레일이 마련되어 있음을 입증합니다.
2. 에이전트의 역할 및 책임 정의: 각 에이전트가 관리하는 프로세스 또는 워크플로(예: 세분화, 콘텐츠 생성, 최적화, 검증)를 지정하되 비즈니스 목표에 맞추어 준비합니다.
3. 제한적인 워크플로부터 프로토타입으로 사용: 전사적 오케스트레이션으로 확장하기 전에 소규모의 통제된 실험부터 시작하고 초기 결과를 공유하여 자신감과 이해를 형성합니다.

생성형 AI와 에이전틱 AI 비교: 무엇이 다른가요?

요약: 생성형 AI는 일을 더 빠르게 처리할 수 있도록 도와주고, 에이전틱 AI는 이전에는 할 수 없었던 일을 할 수 있게 합니다.

교훈과 다음 단계

이 여정을 통해 몇 가지 중요한 교훈을 얻을 수 있습니다.

• 위험도가 낮은 소규모 파일럿부터 시작: AI를 인간의 대체재가 아닌 조력자로 사용하여, 인간의 개입과 제어 권한을 유지합니다.
• 확신을 쌓기 위해 AI 기반부터 시작하여 엔터프라이즈급 AI가 데이터 및 개인 정보 보호 방법을 증명하게 한 후 생성형 AI와 에이전틱 AI로 확장합니다. 확장하기 전에 측정 가능한 결과를 통해 확신을 쌓습니다.
• Adobe Target의 Automated Personalization은 가장 강력한 ROI 동인 중 하나로, 수작업을 줄이면서 측정 가능한 상승 효과를 지속적으로 제공합니다. 또한 가시적인 성과를 신속하게 보여줌으로써 비즈니스 이해 당사자의 신뢰를 구축하는 데 도움이 됩니다.
• 아키텍처, 데이터 사용, 공유 관행을 명확히 문서화하고 법무팀 및 보안팀의 승인을 받습니다. 민감한 사용 사례로 확장하기 전에 개인 정보, IP, 데이터 거버넌스를 포함한 규정 준수 가드레일을 설정합니다.
• 광범위한 ROI 측정: 금액뿐만 아니라 생산성 향상, 시장 출시 속도, AI 도구로 구현한 창의적인 결과물도 측정합니다.

AI 기능의 발전 이해

• 생성형 AI는 콘텐츠 제작, 세분화, 분석과 같은 작업을 가속화합니다.
• 에이전틱 AI는 가속화를 넘어 자율적인 오케스트레이션으로 나아가 다단계 워크플로를 처리하고 에이전트를 조정하며 캠페인을 지속적으로 최적화합니다. 이러한 변화를 통해 팀은 전략, 창의성, 혁신에 집중하는 동시에 몇 달이 걸리던 시장 출시 기간을 단 며칠로 단축할 수 있습니다.

앞으로 에이전틱 AI는 생산성뿐만 아니라 경험의 설계, 오케스트레이션, 전달 방식에도 변화를 가져올 것으로 예상됩니다. 조율된 에이전트가 대상자, 콘텐츠, 활성화를 원활하게 관리하므로 마케팅 팀은 전략적 계획과 크리에이티브 혁신에 더 많은 시간을 할애할 수 있습니다.

동료와 실무자에게 드리고 싶은 조언은 간단합니다. AI를 단순한 도구가 아닌 파트너로 받아들이라는 것입니다. 소규모로 시작하여 성과를 공유하고 에이전트 중심의 미래를 준비하세요.