Adobe AI와 함께한 여정은 예측 인텔리전스에서 생성형 AI를 거쳐, 이제 목적을 가진 에이전틱 시스템으로 발전했습니다. 이 과정에서 개인화 확장 방식, 생산성 향상, 혁신 추진 방법이 크게 변화했습니다. 우리가 얻은 교훈과 여기까지 오기 위해 필요한 것, 그리고 앞으로의 방향을 소개합니다.

소개

AI는 더 이상 디지털 경험에서 미래지향적 유행어가 아니라, 현대의 개인화, 생산성, 확장성을 이끄는 핵심 엔진입니다. 여행, 숙박, 엔터테인먼트 산업처럼 정밀성과 규모가 중요한 분야에서는 많은 조직이 Adobe Analytics와 Adobe Target의 예측 AI 기능으로 시작했습니다. 이후 Adobe Experience Platform AI Assistant와 같은 도구를 통해 생성형 AI로 확장되었으며, 현재는 Adobe Experience Platform 내외에서 에이전틱 AI 기능으로 발전하고 있습니다. 이 과정에서 도입, 거버넌스, 혁신에 관한 중요한 교훈이 나타났으며, 이러한 인사이트는 AI 기반 디지털 경험 전략을 구축하는 모든 조직에 더욱 중요해지고 있습니다.

AI 기반

Adobe Analytics와 Adobe Target는 AI 기반 마케팅의 첫 진입점이었습니다. Analytics는 예측적 인사이트를 예외 항목 탐지, 기여도 분석, 예측 기능을 통해 제공했고, Target는 자동 타겟팅, 개인화, 추천 기능으로 실질적인 개인화를 가능하게 했습니다.

이러한 기능들은 AI에 대한 신뢰의 기반을 마련하며, 다양한 방식으로 ROI를 입증했습니다:

• 효율성 향상: 인사이트 도출이나 콘텐츠 최적화를 위해 필요한 수작업을 줄였습니다.
• 매출 증대: 개인화된 경험을 통해 전환율과 평균 주문 가격의 측정 가능한 개선을 이끌었습니다.
• 고객 경험 영향: 더 빠르고 적합한 상호작용으로 참여도와 만족도를 높였습니다.

이러한 결과들은 예측 AI의 실질적인 비즈니스 가치를 보여주며, 이해관계자의 신뢰를 구축해 더 고도화된 활용 사례로 확장할 수 있는 기반을 마련했습니다.

실행 방법: Adobe Analytics와 Adobe Target에서 AI를 활용하기 위한 3단계& Adobe Target

1. Adobe Analytics에서 예외 항목 탐지와 기여도 분석을 활용해 AI 기반 인사이트를 검증하는 것부터 시작하십시오.
2. Adobe Target의 Automated Personalization 기능을 활용하여 각 방문자에게 예측 AI로 동적으로 최적화된 최적의 콘텐츠 변형을 제공합니다.
3. 자동 타겟팅과 추천 기능을 통해 매출 상승과 ROI를 추적하여 초기부터 실질적인 비즈니스 효과를 입증하십시오.

Adobe Experience Platform AI 어시스턴트와 함께하는 생성형 AI로의 도약

진정한 전환점은 Adobe Experience Platform(AEP)을 도입하고 생성형 AI로 구동되는 Adobe AI 어시스턴트를 사용하기 시작했을 때였습니다. AI 어시스턴트는 단순한 신기함을 넘어 빠르게 팀 전체의 일상적인 생산성 도구로 자리 잡았습니다.

AI 어시스턴트를 도입한 이유

AI 어시스턴트 사용 결정은 세 가지 필요에서 비롯되었습니다:

1. 인사이트 도출 속도: 분석가와 비즈니스 사용자는 복잡한 데이터셋에서 직접 쿼리를 작성하지 않고도 빠르게 답변을 얻어야 했습니다.
2. 접근성: Adobe Experience Platform은 강력하지만 비기술 사용자에게는 부담스럽게 느껴질 수 있습니다. 대화형 쿼리를 통한 자연스러운 데이터 및 인사이트 탐색 방식이 이러한 장벽을 낮추는 데 도움이 됩니다.
3. 온보딩: 신규 입사자와 역할 변경이 있을 때 Adobe Experience Platform에서 팀이 생산성을 높이는 데 시간이 많이 소요되었습니다. AI 어시스턴트는 탐색을 안내하는 상호작용형 “코치” 역할을 할 수 있습니다.

초기 사용 사례와 발전 과정

• 온보딩 & 활성화: 신규 사용자는 AI 어시스턴트를 “가이드 코치”로 활용하여 데이터 세트를 탐색하고, XDM 스키마를 이해하며, 플랫폼 애플리케이션(Real-Time CDP, Customer Journey Analytics, Journey Optimizer)의 기능을 실습을 통해 학습할 수 있습니다. 기존처럼 문서를 수동적으로 읽는 대신 “캠페인 성과에 사용할 수 있는 지표에는 무엇이 있나요?” 또는 “오디언스 참여 추세를 어떻게 분석할 수 있나요?”와 같이 질문할 수 있습니다. 이러한 상호작용 방식으로 온보딩 기간이 수개월에서 수주로 단축되었습니다.
• 문제 해결 & 데이터 탐색: 도입 초기에는 AI 어시스턴트가 누락된 필드나 일관되지 않은 데이터 정의를 이해하는 데 도움을 주었습니다. 현재는 쿼리 유효성 검사, 이상 탐지, 더 정확한 인사이트를 위한 추천까지 지원합니다.

AI 어시스턴트와 자연어 쿼리 활용을 위한 모범 사례 팁

• 신규 사용자가 AI 어시스턴트를 1차 안내자로 삼아 데이터를 탐색하고 플랫폼 기능을 상호작용적으로 학습하도록 권장합니다.
• 일반적인 쿼리와 모범 사례를 보여주는 시작용 프롬프트 세트를 준비합니다.
• AI 어시스턴트 사용과 체계적인 활성화 세션을 결합하면 도입 속도를 높이고 사용자 신뢰를 쌓을 수 있습니다.

주요 결과

• 애널리스트와 비즈니스 사용자는 실행 가능한 인사이트를 더 빠르게 받아, 질의 및 보고 시간이 며칠에서 몇 분으로 단축되었습니다.
• 비기술 사용자들은 애널리스트에 크게 의존하지 않고 Adobe Experience Platform에서 직접 작업하는 데 자신감을 얻었습니다.
• 신규 입사자는 2~3배 더 빠르게 온보딩되어, 선임 팀원의 부담이 줄었습니다.

효과는 명확했습니다. 팀의 효율성이 높아지고, Adobe Experience Platform이 더욱 친근해졌으며, 자연어 질의 덕분에 다양한 기능의 사용자가 최소한의 장애로 데이터를 탐색하고 인사이트를 얻을 수 있게 되었습니다.

도입 과정에서 여러 가지 어려움이 있었습니다:

• 두려움과 오해: 법무 및 컴플라이언스 팀은 처음에 게스트 데이터가 AI 모델에 사용될 경우 외부에 노출되거나 다른 회사에서 재사용될 수 있다고 걱정했습니다. 이러한 우려를 해소하려면 데이터 사용에 대한 명확한 문서화, 아키텍처의 투명성, 지속적인 교육이 필요했습니다.
• 신뢰와 도입 장벽: 조직 내부에서는 많은 사람들이 AI가 인간의 판단을 대체하거나 통제권을 약화시킬지 모른다는 우려를 가졌습니다. 우리는 AI가 대체자가 아니라 지원자임을 강조해야 했으며, 처음에는 AI를 보조 역할로 시작했습니다.
• 데이터 준비의 어려움: 기술 팀은 생성형 AI가 활용하는 데이터의 품질에 따라 결과가 달라진다는 현실을 직면했습니다. 정확한 결과와 신뢰할 수 있는 인사이트를 얻으려면 깨끗하고 잘 관리된 360° 데이터가 필수적입니다. AEP의 통합 프로필 레이어와 중앙화된 데이터 플랫폼이 이 문제를 해결하는 데 도움이 되었습니다.

이러한 장벽을 인식하고 해결한 후에는 혜택이 분명해졌습니다.

에이전틱 AI의 새로운 시대

생성형 AI가 강력한 기능을 제공하지만, 에이전틱 AI는 그 다음 단계의 혁신을 의미합니다. 에이전틱 AI는 단순히 프롬프트에 응답하는 것을 넘어, 전략 수립부터 세그먼트 생성, 개인화 실행, 데이터 품질 검사에 이르기까지 여러 단계의 워크플로를 자율적으로 실행하고 오케스트레이션할 수 있습니다. “지원형”에서 “협업 자동화”로의 변화입니다. 생성형 AI는 질문에 답하고 콘텐츠를 생성하는 반면, 에이전틱 AI는 여러 작업을 조정하고, 의존성을 관리하며, 정해진 목표에 따라 복잡한 워크플로를 실행합니다.

현재 다음과 같은 솔루션을 탐색하고 있습니다.

1. Adobe Experience Platform Agent Orchestrator - 여러 에이전트가 함께 다단계 마케팅 워크플로를 수행할 수 있도록 지원합니다.
2. 목적에 맞게 설계된 Adobe Experience Platform 에이전트 - 세분화, 활성화, 인사이트를 위한 특화된 에이전트입니다.
3. Adobe GenStudio 및 Firefly - 대규모로 개인화된 브랜드 안전 콘텐츠를 생성합니다.

Adobe 플랫폼 외부에서도, 전체 고객 여정에 걸쳐 AI가 작동하도록 보장하면서 에이전틱 AI를 데이터 품질, ID 확인, 개인화 전략에 활용하는 방안을 평가하고 있습니다.

현재 캠페인 구축에는 여러 번의 인계가 필요합니다. 데이터 엔지니어링이 대상 그룹을 준비하고, 마케팅이 콘텐츠를 설계하며, 운영팀이 활성화를 관리합니다. 가까운 미래에는 에이전틱 AI로 구성된 프로세스가 이러한 단계를 원활하게 실행하여 수작업의 반복을 줄일 수 있습니다. 이러한 변화로 팀은 전략과 창의적 의사 결정에 더 집중할 수 있으며, 시장 출시 기간도 몇 달에서 며칠로 획기적으로 단축됩니다.

에이전틱 AI 준비를 위한 3단계 방법

1. 법무 및 보안팀 조기 참여: 아키텍처, 워크플로, 데이터 사용을 문서화하고, 준수·개인정보 보호·보안 기준이 적용되어 있음을 입증합니다.
2. 에이전트 역할 및 책임 정의: 각 에이전트가 관리하는 프로세스 또는 워크플로(예: 세분화, 콘텐츠 생성, 최적화, 검증)를 명확히 지정하여 비즈니스 목표와 일치하도록 합니다.
3. 제한된 워크플로 우선 프로토타입 제작: 엔터프라이즈 전체 오케스트레이션으로 확장하기 전에 소규모 통제된 실험으로 시작하고, 초기 결과를 공유해 신뢰와 이해를 높입니다.

GenAI와 에이전틱 AI: 무엇이 다른가?

핵심 요약: 생성형 AI는 더 빠른 작업을 가능하게 하고, 에이전틱 AI는 이전에는 할 수 없던 일까지 실현합니다.

얻은 교훈 & 다음 단계

이 여정에서 다음과 같은 주요 교훈을 얻었습니다.

• 소규모이면서 위험이 낮은 파일럿부터 시작: AI는 대체가 아닌 보조 역할로, 사람이 항상 의사 결정과 통제에 참여하도록 합니다.
• AI 기반을 먼저 다져 신뢰를 구축: 엔터프라이즈급 AI가 데이터를 안전하게 보호하고 개인정보 보호 조치가 유지되는 방식을 입증합니다.  그 다음 생성형 AI와 에이전틱 AI로 확장합니다. 확장 전에 측정 가능한 결과로 신뢰를 쌓으십시오.
• Adobe Target의 자동화된 개인화는 ROI를 크게 높여주는 주요 요인 중 하나입니다. 꾸준하게 측정 가능한 성과를 제공하면서 수작업을 줄여줍니다. 또한 비즈니스 이해관계자에게 빠르게 실질적인 결과를 보여 신뢰를 쌓는 데 도움이 됩니다.
• 아키텍처, 데이터 사용, 공유 방식을 명확히 문서화하고 법무 및 보안팀의 승인을 받으십시오. 민감한 사용 사례로 확장하기 전에 개인정보, IP, 데이터 거버넌스를 포함한 컴플라이언스 기준을 마련해야 합니다.
• ROI를 폭넓게 측정: 단순히 비용 대비 수익뿐 아니라, AI 도구를 통해 향상된 생산성, 시장 출시 속도, 창의적 산출물까지 고려해야 합니다.

AI 역량의 진화 이해하기

• GenAI는 콘텐츠 제작, 세분화, 분석과 같은 작업을 빠르게 처리합니다.
• 에이전틱 AI는 단순한 속도 향상을 넘어 자율적인 오케스트레이션을 실현하며, 다단계 워크플로를 관리하고, 여러 에이전트의 협업을 조율하며, 캠페인을 지속적으로 최적화합니다. 이 변화로 팀은 전략, 창의성, 혁신에 집중할 수 있고, 시장 출시 기간을 몇 달에서 며칠로 단축할 수 있습니다.

앞으로 에이전틱 AI는 생산성뿐만 아니라 경험의 설계, 오케스트레이션, 전달 방식까지 변화시킬 것입니다. 조율된 에이전트가 오디언스, 콘텐츠, 활성화를 매끄럽게 관리하여 마케팅 팀이 전략적 기획과 창의적 혁신에 더 많은 시간을 쓸 수 있도록 지원합니다.

동료와 실무자에게 드리는 조언은 간단합니다. AI를 단순한 도구가 아닌 파트너로 받아들이십시오. 작은 것부터 시작하고, 성과를 공유하며, 에이전트 중심의 미래를 준비하십시오.