광고 AI 에이전트의 진화

최근 OpenAI가 공개한 「Reimagining advertising with AI」를 읽었습니다. 광고를 본 사람이 기업이 제공하는 에이전트와 대화를 이어가는 Sponsored Agents, 그리고 자연어로 광고 캠페인을 생성·수정·분석하는 기능을 소개한 글입니다. Sponsored Agents는 발표 당시 미국의 일부 광고주를 대상으로 테스트 중이라고 합니다.[7]

흥미로웠던 점은 AI가 광고를 만드는 도구뿐 아니라, 고객과 대화하고 광고 운영을 돕는 역할로도 확장되고 있다는 것입니다. 같은 ‘광고 AI 에이전트’라는 표현 안에서도 누구를 위해 어떤 일을 하는지에 따라 역할이 다릅니다.

이 기사를 계기로 광고 분야의 AI 에이전트가 무엇인지, 기존 자동화에서 어떻게 발전해 왔는지, 최근에는 어떤 방향으로 움직이고 있는지 정리해 보기로 했습니다. 이 글에서는 그중 광고주와 대행사의 분석·제작·운영 업무를 돕는 에이전트를 중심으로 살펴봅니다.

“지난주 캠페인 성과를 확인하고, 예산을 조정할 대상을 찾아주세요.”

광고 업무에서 AI에 이런 요청을 할 때, 기대하는 결과는 서로 다를 수 있습니다. 보고서의 숫자를 요약해 주는 것으로 충분할 수도 있고, 원인을 분석하고 조정안을 만들어 주길 바랄 수도 있습니다. 한 단계 더 나아가 승인한 내용을 광고플랫폼에 실제로 반영해 주길 기대할 수도 있습니다.

광고 운영에서 말하는 AI 에이전트는 이 가운데 분석과 실행을 연결하는 쪽에 가깝습니다. 질문에 답하거나 광고 문구를 만드는 데 그치지 않고, 주어진 목표를 수행하기 위해 데이터를 조회하고 도구를 사용하며 여러 작업을 이어가는 시스템입니다.

최근의 변화는 광고 업무에 AI가 처음 들어왔다는 데 있지 않습니다. 이미 사용해 온 자동화와 예측 기술 위에, 사람이 말한 업무 목표를 해석하고 필요한 작업을 연결하는 기능이 더해지고 있다는 점에 있습니다.

이 글은 2026년 공개된 공식 제품 안내와 업계 자료를 바탕으로 작성했습니다. 기능의 제공 범위와 출시 상태는 각 자료의 발표·업데이트 시점을 기준으로 구분했습니다.

AI 에이전트는 기존 자동화와 무엇이 다를까

가령 특정 캠페인의 광고비가 정해진 기준을 넘으면 알림을 보내는 시스템이 있다고 해보겠습니다. 조건과 동작을 미리 정해두고 반복 실행하는 규칙 기반 자동화입니다.

생성형 AI는 여기에 다른 역할을 더합니다. 보고서 내용을 요약하거나 광고 문구를 작성하는 것처럼, 입력한 내용을 바탕으로 새로운 결과물을 만듭니다.

AI 에이전트는 작업을 수행하는 과정까지 다룹니다. 필요한 정보를 조회하고, 결과에 따라 다음 작업을 선택하고, 허용된 도구로 실행을 이어갑니다. 다만 자율적으로 판단하는 범위와 사람의 승인이 필요한 지점은 시스템마다 다릅니다.

광고 업무에 적용하면 다음과 같은 흐름을 생각할 수 있습니다.

목표 확인 → 데이터 조회 → 문제 분석 → 변경안 작성 → 승인 → 실행 → 결과 확인

이것은 에이전트의 동작을 설명하기 위한 예시이지, 모든 제품이 이 전체 과정을 제공한다는 뜻은 아닙니다.

또한 채팅창이 있다고 해서 모두 에이전트인 것은 아닙니다. 사용자가 데이터를 복사해 넣고 답변을 받는 도구와, 권한을 부여받아 광고 계정의 데이터를 조회하고 설정을 변경하는 도구는 업무 범위가 다릅니다.

실제로 Amazon Ads는 Ads Agent가 변경안을 먼저 요약하고, 사용자가 검토·승인한 뒤 변경을 수행한다고 안내합니다. 에이전트라고 해서 사람의 승인 없이 움직이는 것은 아닙니다.[3]

광고 자동화는 어떻게 에이전트로 이어졌을까

광고 AI의 발전은 기존 기술이 사라지고 새로운 기술로 교체되는 과정이라기보다, 자동화할 수 있는 업무 범위가 넓어지는 과정으로 보는 편이 적절합니다.

예측·최적화 위에 콘텐츠 생성과 여러 작업의 연결·실행 기능이 더해지는 광고 AI의 발전 과정

기존 최적화와 생성 기능을 활용하면서, AI가 수행하는 업무 범위가 넓어지는 과정을 설명한 개념도입니다.

예측과 최적화를 수행하던 AI

광고에서는 생성형 AI가 주목받기 전부터 입찰과 성과 최적화에 AI를 활용해 왔습니다. Google도 2023년 발표에서 Smart Bidding과 Performance Max를 오랫동안 광고 제품을 뒷받침해 온 AI 활용 사례로 설명했습니다.[6]

이 단계의 중심은 정해진 목표에 맞춰 수치와 선택을 최적화하는 것이었습니다. 어떤 광고 기회에 참여할지, 입찰을 어떻게 조정할지와 같은 판단입니다.

이런 최적화 기능은 에이전트가 등장했다고 없어지는 것이 아닙니다. 에이전트는 기존 기능을 이용하거나 설정하는 상위 업무 흐름을 담당할 수 있습니다. 대화형 AI가 광고 경매의 모든 계산을 직접 대신한다고 이해할 필요는 없습니다.

광고를 만드는 과정에 들어온 생성형 AI

2023년 Google은 광고주가 랜딩 페이지를 제공하면 관련 키워드, 제목, 설명, 이미지 등의 캠페인 자산을 제안하는 대화형 경험을 발표했습니다. 광고주는 제안을 검토하고 수정한 뒤 적용하는 구조였습니다.[6]

여기서 AI의 역할은 예측과 최적화에서 콘텐츠 생성과 캠페인 준비로 넓어집니다. 광고주가 화면의 모든 항목을 직접 채우기보다, 대화를 통해 초안을 만들고 다듬을 수 있게 된 것입니다.

하지만 콘텐츠를 만들어 주는 것과 운영 업무를 수행하는 것은 여전히 다릅니다. 광고 문구를 잘 작성해도 현재 캠페인의 설정을 확인하거나, 계정에 변경 사항을 반영할 수 없다면 실행은 사람이 이어가야 합니다.

여러 작업을 연결하기 시작한 에이전트

2025년 Google은 캠페인 생성, 리포팅, 문제 해결 등을 지원하는 에이전트 기능을 발표했습니다. 키워드와 소재를 추천하는 것뿐 아니라 광고주를 대신해 제안을 적용하는 방향도 제시했습니다.[2]

같은 해 Amazon Ads는 Creative Studio에서 제품·오디언스 조사, 아이디어 개발, 스토리보드 작성, 영상·디스플레이 광고 제작을 연결하는 에이전트형 도구를 발표했습니다. 발표 당시에는 베타였으며, 제작 과정마다 광고주가 피드백을 주고 수정할 수 있도록 설계됐습니다.[4]

변화의 핵심은 결과물 하나를 생성하는 데서 여러 작업을 연결하는 쪽으로 범위가 넓어졌다는 것입니다.

최근 동향 1. 분석부터 실행까지 하나의 흐름으로 이어지고 있습니다

광고 운영에서는 분석 결과를 얻은 뒤에도 해야 할 일이 남습니다. 수정할 캠페인을 찾고, 변경할 항목을 확인하고, 실제 설정에 반영해야 합니다.

최근의 에이전트 제품은 이 사이의 수작업을 줄이는 방향을 보여줍니다.

Amazon Ads의 2026년 4월 업데이트 문서는 Ads Agent의 기능으로 미디어 플랜을 활용한 캠페인 생성, 여러 캠페인의 예산·입찰·타기팅·노출 빈도 제한 변경, Amazon Marketing Cloud의 분석용 SQL 생성 등을 안내합니다.[3]

SQL은 데이터베이스에 필요한 데이터를 요청하고 집계하기 위한 언어입니다. 담당자가 분석하고 싶은 내용을 자연어로 설명하면, 이를 데이터 조회 작업으로 옮기는 과정을 지원하는 것입니다.

다만 기능별 제공 범위는 같지 않습니다. 해당 문서는 캠페인 생성과 AMC 분석 지원은 전 세계에서 제공하지만, 일부 최적화·타기팅 기능은 북미와 남미의 특정 국가 광고주로 제한된다고 설명합니다.[3]

따라서 제품을 검토할 때는 ‘에이전트를 제공한다’는 설명보다 내 계정에서 어떤 데이터를 읽고, 어떤 항목을 변경할 수 있는지를 확인해야 합니다.

최근 동향 2. 개별 도구에서 여러 제품을 연결하는 방향으로 넓어지고 있습니다

광고 업무는 하나의 화면 안에서 끝나지 않습니다. 상품 정보는 상품 관리 시스템에 있고, 광고 실적은 광고플랫폼에 있으며, 사이트 행동 데이터는 분석 도구에 있습니다.

Google이 2026년 5월 발표한 Ask Advisor는 이런 제품 간 연결을 지향합니다. Google Ads, Google Analytics, Google Marketing Platform 등에서 작동하는 에이전트를 하나의 경험으로 연결하고, 상품 정보를 활용한 캠페인 설정이나 여러 제품의 데이터를 이용한 인사이트 제공을 제시했습니다.[1]

발표 당시 Google은 영어 계정용 베타와 이후 기능의 순차 확대를 안내했습니다. 따라서 발표된 전체 기능이 모든 계정에서 동일하게 제공된다고 볼 수는 없습니다.[1]

이처럼 여러 전문 에이전트나 도구의 작업 순서와 역할을 조정하는 것을 오케스트레이션(Orchestration)이라고 합니다.

광고 담당자가 각 도구를 오가며 정보를 옮기는 대신, 하나의 요청 아래 관련 작업을 연결하려는 접근입니다. 다만 Google 제품 간 연결 사례를 곧바로 모든 광고 매체를 통합 운영할 수 있다는 의미로 확대해서는 안 됩니다. 제품 생태계 내부의 연결과 서로 다른 사업자 간 연결은 별개의 문제입니다.

최근 동향 3. 에이전트끼리 일하기 위한 표준과 통제가 중요해지고 있습니다

광고주나 대행사의 에이전트가 매체사의 에이전트와 광고 상품을 확인하고 거래 조건을 주고받는다면, 자연어 대화만으로는 부족합니다.

광고 지면과 오디언스를 같은 의미로 이해해야 하고, 가격의 출처를 확인할 수 있어야 합니다. 어떤 거래처를 선택할 수 있는지, 얼마까지 지출할 수 있는지, 언제 사람의 승인이 필요한지도 정해야 합니다.

이런 연결을 위한 시도 중 하나가 IAB Tech Lab의 AAMP(Agentic Advertising Management Protocols)입니다. 광고 업무에 에이전트를 연결하기 위한 프로토콜과 구현 체계를 다룹니다.[5]

IAB UK가 2026년 8월 설명한 AAMP 2.3은 기업 환경에서의 배포, 거래 통제, 오디언스 활용을 주요 영역으로 제시합니다. 승인되지 않은 거래처의 선택을 제한하는 승인 절차와 가격 출처 추적, 지출 결정에 대한 검증 및 사람의 승인 기준 등이 포함됩니다.[5]

특히 눈에 띄는 것은 실제 가격 정보가 없을 때 언어 모델이 만들어낸 가격으로 대신하는 처리를 제거했다는 설명입니다.[5]

광고 예산을 집행하는 시스템에서는 그럴듯한 답변보다 확인된 정보가 중요합니다. 캠페인 계획을 제안하는 일과 실제 비용을 발생시키는 일에 서로 다른 통제가 필요한 이유입니다.

다만 표준과 참조 구현이 공개됐다는 사실이 업계 전반의 도입 완료를 뜻하지는 않습니다. IAB UK 역시 기업별 인프라와 데이터, 거래 정책, 규제 책임에 맞춘 검증이 여전히 필요하다고 명시합니다.[5]

에이전트의 성능만큼 중요한 것은 업무를 맡기는 조건입니다

이 흐름을 보면 광고 AI 에이전트의 도입은 단순히 좋은 모델을 고르는 문제가 아닙니다. 데이터를 읽고 실행할 수 있도록 업무 환경을 정리하는 문제이기도 합니다.

예를 들어 “효율이 낮은 캠페인의 예산을 줄여라”는 지시에는 여러 해석이 들어갈 수 있습니다. 효율을 구매당 비용으로 볼지, 매출로 볼지, 신규 고객 확보로 볼지 정해야 합니다. 아직 전환이 충분히 집계되지 않은 캠페인을 어떻게 처리할지도 필요합니다.

실무에서는 최소한 다음 조건을 구분해 두는 편이 좋습니다.

목표: 무엇을 개선하고 어떤 지표로 판단할 것인가.
데이터: 어느 시스템의 수치를 기준으로 삼을 것인가.
권한: 조회만 허용할지, 초안 작성이나 실제 변경까지 허용할 것인가.
승인: 어떤 변경은 사람이 확인해야 하는가.
기록: 판단 근거와 변경 전후 상태를 어떻게 남길 것인가.
중단·복구: 잘못된 동작을 멈추고 되돌릴 수 있는가.

특히 처음부터 모든 실행 권한을 주기보다는, 조회와 분석, 변경안 작성, 승인 후 실행을 나누어 검증하는 편이 현실적입니다. 설명을 잘하는지뿐 아니라 실제 데이터를 정확히 사용하고 허용된 범위 안에서 움직이는지 확인해야 합니다.

광고 AI의 변화는 맡길 수 있는 업무 범위의 변화입니다

광고에서 AI는 이미 예측과 최적화에 사용돼 왔고, 생성형 AI를 통해 콘텐츠와 캠페인 초안을 만드는 영역으로 넓어졌습니다. 최근에는 데이터를 조회하고 여러 도구를 연결하며 승인된 작업을 실행하는 방향이 구체화되고 있습니다.[1][3][6]

그렇다고 광고 운영 전체가 사람 없이 돌아가는 단계에 도달했다고 보기는 어렵습니다. 제품별 기능과 제공 범위가 다르고, 외부 시스템 연동과 거래 통제에도 검증할 부분이 남아 있습니다.[3][5]

현재의 변화를 이해하는 데 더 유용한 질문은 “AI가 광고 담당자를 대신할 수 있는가”보다 “어떤 업무를, 어떤 데이터와 권한을 바탕으로, 어디까지 맡길 수 있는가”입니다.

에이전트가 처리할 수 있는 일이 늘어날수록 사람은 목표와 예외, 승인 기준을 더 분명히 정해야 합니다. 광고 AI 에이전트의 활용 수준은 모델의 능력뿐 아니라, 업무를 명확하게 정의하고 안전하게 실행하도록 설계하는 역량에 따라서도 달라질 것입니다.