확인 가능한 실행 자료
네 가지 업무에 서로 다른 AI 구조를 선택한 이유
같은 회사 안에서도 문제의 실패 비용과 사람이 검토하는 단위가 달랐습니다. 네 흐름을 합성 입력으로 따라가며 데이터·코드·모델·사람의 책임이 어떻게 달라졌는지 보여줍니다.
하나의 범용 에이전트를 만들지 않았습니다
현업 인터뷰에서 공통으로 발견한 문제는 사람이 판단에 쓰기 전에 데이터를 준비하고 맥락을 다시 모아야 한다는 것이었습니다. 그러나 네 업무가 틀렸을 때의 비용은 같지 않았습니다.
| 업무 | 가장 중요한 실패 | 선택한 최소 구조 |
|---|---|---|
| 퍼포먼스 마케팅 | 늦은 첫 분석과 담당자별 출발점 차이 | 결정론적 데이터 준비 + 1회 호출 + 사람 수정 |
| 합성 설문 | 존재하지 않을 응답자와 잘못된 설문 상태 | 확률 persona + 지식 제한 + 상태 규칙 |
| 제안서 | 앞선 의도와 근거가 뒤에서 사라짐 | 중간 산출물 체인 + 방향을 바꾸는 질문 |
| ASEO | 관찰한 AI 답변이 실행 항목으로 이어지지 않음 | 질문·답변·인용 관찰 + 이슈 분류 + 액션 |
Performance Marketing · 데이터 준비에서 사람의 수정까지
합성 캠페인의 목표는 총예산을 늘리지 않고 신규 고객 전환을 우선하는 것입니다. 시스템은 raw export를 JSON으로 바꾸고 기간별로 나눈 뒤, 사용자가 이번 판단에 필요한 범위와 이전 실행·KPI·고객 요청을 고르게 합니다.
Raw export
→ JSON 정규화와 결정론적 분류
→ 이전·현재 기간과 관련 캠페인 선택
→ 인사이트 / 실행 액션 초안
→ 마케터가 고객 맥락으로 수정모델에 들어간 합성 범위
| 구간 | 이전 → 현재 | 해석 경계 |
|---|---|---|
| Search | 신규 고객 CAC 12.0 → 9.6 | 효율 개선은 보이지만 원인은 확정하지 않음 |
| Creative A | Frequency 2.8 → 4.1, CTR 1.5% → 1.1% | 피로 가능성과 일치하지만 인과는 아님 |
| Retargeting | ROAS 10.0 → 10.5, 신규 고객 20 / 209 | 매출 효율과 신규 고객 KPI를 분리 |
초안은 Creative A 예산 일부를 Search로 옮기자고 제안했습니다. 마케터는 고객 맥락을 반영해 Search 확대보다 대체 소재 검증을 먼저 하고, 검증을 두 단계로 나누라고 수정했습니다. 수치 해석은 남고 실행 순서만 바뀌었습니다.
핵심은 AI가 최종 결정을 대신한 것이 아닙니다. 모든 담당자가 같은 데이터와 맥락에서 시작하고, 빠른 초안을 고객을 아는 사람이 고치게 한 것입니다.
Synthetic Survey · 그 사람이 알 수 있는 것만 답하게
속성을 독립적으로 무작위 생성하면 나이·직업·소득·가족과 행동이 서로 모순된 응답자가 생깁니다. 22개 속성을 네 층으로 나누고 부모 속성부터 조건부 확률과 보정 규칙을 적용해 persona를 만듭니다.
모델에는 제품 자료 전체를 주지 않습니다. 해당 persona가 경험하거나 접했을 법한 정보만 전달합니다. 질문 ID, 보기 ID, 선택 수, 앞선 답변과 분기 규칙은 결정론적 상태가 관리합니다.
연결된 persona 생성
→ 알 수 있는 정보만 선택
→ 현재 문항·보기·분기 상태 전달
→ 응답 생성
→ 선택 수·분기 충돌 검사
→ 다음 문항 또는 수정이 구조의 목적은 실제 패널을 대체하는 것이 아니라, 실제 배포 전에 문항·보기·분기와 초기 가설의 허점을 더 빨리 찾는 것입니다.
Proposal · 질문 하나가 제안 문장까지 바뀌는 과정
가상의 D2C 기업 Project Lumen은 신규 고객 확대와 90일 재구매 개선을 모두 최우선으로 적었습니다. 바로 초안을 쓰면 모델이 충돌을 임의로 해석합니다.
시스템은 먼저 묻습니다.
12주 안에 반드시 우선해야 할 결과는 첫 구매 고객 수인가요, 90일 안의 두 번째 구매 비율인가요?
사람은 90일 재구매를 주 KPI로, 신규 획득을 보조 KPI로 둔다고 결정합니다. 이 답은 메모로 붙지 않고 다음 산출물의 입력 상태가 됩니다.
| 산출물 | 사람의 결정이 바꾼 것 |
|---|---|
| 조사 계획 | 경쟁사 광고보다 첫 구매 후 이탈 구간과 재구매 주기를 먼저 조사 |
| Factbook | 첫 구매 수보다 90일 재구매율·소진 주기·CRM 동의 범위를 우선 |
| 전략 | 첫 50일 고객 여정과 재구매 알림을 먼저 설계 |
| 제안 문장 | 더 많은 첫 구매보다 두 번째 구매로 이어지는 공백을 첫 과제로 제시 |
질문을 마지막 문장 수정 단계가 아니라 조사 전에 묻는 이유는, 답이 조사 범위와 근거, 전략 전체를 바꾸기 때문입니다.
ASEO · AI 답변 관찰을 콘텐츠 작업으로 바꾸기
일반 검색 순위만으로는 AI 답변이 브랜드를 어떻게 설명하고 어떤 출처를 근거로 쓰는지 알기 어렵습니다. ASEO는 현실적인 질문 묶음을 먼저 만들고, 답변과 인용을 저장한 뒤 공백을 실행 항목으로 바꿉니다.
질문 세트
→ AI 답변과 인용 수집
→ 브랜드 언급·핵심어·출처 진단
→ 답변 공백과 인용 패턴 분류
→ 콘텐츠 개선 기회와 작성 액션
→ 사람 검토중요한 판단은 AI에게 글을 바로 쓰게 하는 것이 아니라, 실제 답변에서 관찰한 부족한 지점이 다음 콘텐츠 작업의 입력이 되게 한 것입니다.
이 자료의 범위
마케팅 수치, Project Lumen, 설문 persona와 ASEO 질문은 구조를 설명하기 위한 합성 예시입니다. 실제 내부 시스템에서 확인된 것은 raw 입력 정리, 범위 선택, 사람 수정, 중간 산출물, 방향을 바꾸는 질문과 네 시스템의 책임 구조입니다. 이 페이지는 고객 성과나 AI 단독 효과를 재현하지 않습니다.