시니어의 판단 없이, AI가 미디어 운영에서 여전히 틀리는 것들

지난 몇 달간 AI-Native 미디어 오퍼레이션 과정을 만들면서, 같은 불편한 생각에 계속 돌아오게 됩니다.

AI가 매우 특정한 방식으로 '위험할 만큼 잘하게' 되었습니다.

명백히 틀려서 위험한 것이 아닙니다. 그럴듯하게 맞는 경우가 많아서 위험한 겁니다.

이것은 전혀 다른 종류의 실패 모드입니다.

AI 모델이 터무니없는 답을 주면 대부분의 사람들이 알아챕니다. 웃고, 스크린샷 찍고, LinkedIn에 올리고, 넘어갑니다.

하지만 AI가 80% 맞는 캠페인 플랜, 완벽하게 들리는 측정 프레임워크, 세련된 리포팅 내러티브, 전략적으로 일관되어 보이는 채널 추천을 내놓으면 — 실패는 훨씬 미묘해집니다.

누군가는 이렇게 물어야 합니다:

• 이것이 실제 비즈니스에 기반하고 있는가?
• 이것이 클라이언트의 맥락에 맞는가?
• 이것이 플랫폼이 실제로 어떻게 작동하는지를 반영하는가?
• 이것이 가장 깔끔해 보이는 답이 아니라, 올바른 트레이드오프를 만들고 있는가?

바로 여기서 시니어의 판단이 여전히 중요합니다. 매우 많이.

---

문제는 "AI가 미디어에 약하다"가 아닙니다

분명히 해두겠습니다. 저는 AI가 미디어 운영에 약하다고 더 이상 생각하지 않습니다.

사실 그 주장은 매달 약해지고 있습니다.

AI는 이미 이런 용도에 유용합니다:

• 미디어 플랜 초안
• 오디언스 가설
• 리포팅 요약
• 크리에이티브 테스트 프레임워크
• 경쟁사 스캔
• 캠페인 QA 체크리스트
• 측정 문서화

아직도 "AI는 장난감일 뿐이다"라고 말하는 사람이 있다면, 지금 일어나고 있는 일을 과소평가하고 있다고 생각합니다.

제 우려는 거의 그 반대입니다.

AI가 충분히 강해져서, 많은 팀이 적절한 감독을 위한 판단 레이어를 구축하기도 전에 AI를 신뢰해버릴 것입니다.

그리고 제 경험상, 미디어 운영은 문서에 깔끔하게 드러나지 않는 판단의 연속입니다.

---

AI가 여전히 틀리는 5가지

계속 보이는 패턴들입니다.

1. 보이는 지표를 최적화하지, 진짜 비즈니스 목표를 최적화하지 않는다

AI는 주어진 목표를 따르는 데 매우 뛰어납니다.

당연한 말처럼 들립니다. 하지만 미디어에서는 명시된 목표와 실제 목표가 같지 않은 경우가 많습니다.

KPI는 리드라고 하지만, 비즈니스가 진짜 필요한 것은 적격 파이프라인일 수 있습니다. 브리프는 리치라고 하지만, 클라이언트가 실제로 필요한 것은 내부 정치적 신뢰감일 수 있습니다. 대시보드는 효율이라고 하지만, 브랜드가 조용히 프리미엄 포지셔닝을 지키려 하고 있을 수 있습니다.

AI는 대개 읽을 수 있는 것을 최적화합니다.

시니어의 판단이란, 읽을 수 있는 목표가 애초에 맞는 것인지를 묻는 것입니다.

2. 플랫폼 가이드를 현실로 취급한다

플랫폼 베스트 프랙티스는 유용합니다. 저도 커리어의 상당 부분을 이것들과 함께 보냈습니다.

하지만 실제로 몇 년간 캠페인을 운영해 본 사람이라면, 플랫폼 가이드와 혼란스러운 운영 현실 사이의 간극을 알고 있습니다.

헬프 센터에서 작동하는 것이, 이 클라이언트, 이 예산, 이 카테고리, 이 시장, 이 데이터 성숙도, 이 마감에서 항상 작동하는 것은 아닙니다.

AI는 종종 교과서적 답을 내놓습니다. 시니어 운영자는 교과서적 답이 현실 세계와 부딪혔을 때 깨지는 타이밍을 알고 있습니다.

3. 이해관계자 정치를 놓친다

이것이 조용한 킬러입니다.

미디어 플랜이 수학적으로 완벽해도, 이해관계자의 기대와 맞지 않으면 실패할 수 있습니다.

클라이언트의 리더십이 믿는 특정 채널에 눈에 보이는 브랜드 투자가 필요할 수 있습니다. 지역 팀에 로컬 유연성이 필요할 수 있습니다. 영업 조직이 블랙박스 어트리뷰션을 불신할 수 있습니다. 조달팀이 우아함보다 벤더 통합을 더 중시할 수 있습니다.

전략을 정치에 넘기라는 뜻이 아닙니다. 그런 말이 아닙니다.

미디어 운영은 깔끔한 다이어그램 안이 아니라, 조직 안에서 존재한다는 뜻입니다.

시니어들은 보통 보이지 않는 지뢰가 어디 있는지 알고 있습니다.

4. 예외를 매끄럽게 넘겨버린다

AI는 깔끔한 시스템을 좋아합니다.

실제 미디어 운영은 깔끔하지 않습니다.

곳곳에 예외가 있습니다:

• 특이한 승인 게이트를 가진 클라이언트
• 플랫폼 제약이 있는 시장
• 알려진 사각지대가 있는 측정 스택
• 법적 제약
• 레거시 분류 체계 문제
• 모든 것을 늦추는 크리에이티브 의존성

기계는 일관된 운영 모델을 내놓는 경향이 있습니다. 사람이 해야 할 일은, 전체를 무너뜨리는 하나의 지저분한 예외를 발견하는 것입니다.

5. 완성을 준비 완료로 착각한다

이건 특히 와닿는 패턴입니다. 코딩에서도 같은 것을 보기 때문입니다.

AI는 다 된 것처럼 보이는 것을 만드는 데 환상적입니다.

덱에 섹션이 있다. 리포트에 불릿 포인트가 있다. 프레임워크에 카테고리가 있다. 추천에 로직이 있다.

그런데 실제 환경에서 사용하려고 하면 뭔가가 어긋납니다.

순서가 틀렸다. 리스크가 축소되어 있다. 검증 단계가 빠져 있다. 추천이 팀에 없는 역량을 전제로 한다.

"완성"에서 "준비 완료"까지의 마지막 단계는 아직 매우 인간적입니다.

---

시니어 판단은 직급만의 문제가 아닙니다

여기서 중요한 뉘앙스를 더하겠습니다.

"시니어 판단"이라고 할 때, 가장 높은 직급을 가진 사람이 자동으로 최고의 답을 갖고 있다는 뜻이 아닙니다.

사실, 미디어 에이전시의 불편한 현실 중 하나는 전략 담당 VP가 몇 년간 플랫폼을 깊이 다루지 않았을 수 있다는 것입니다. 플래닝 디렉터가 최신 구현의 특이 사항을 모를 수 있습니다. 진실에 가장 가까운 사람은, 매일 시스템 안에서 일하는 더 주니어한 운영자일 수 있습니다.

그래서 답이 이것은 아니라고 생각합니다:

"AI에게 일을 시키고, 시니어 임원 한 명에게 승인받는다."

답은 이것에 더 가깝다고 생각합니다:

AI가 초안을 만든다. 깊은 실무자가 운영의 진실을 검증한다. 시니어가 비즈니스 판단, 트레이드오프 판단, 조직 판단을 더한다.

이것은 기존 에이전시 위계와도, "AI가 주니어 업무를 대체한다"는 안이한 버전과도 전혀 다른 운영 모델입니다.

---

평가 레이어가 진짜 일입니다

최근에 AI가 바닥을 올릴 때 깊이가 차별화 요소가 된다는 글을 썼습니다.

그것의 운영적 표현이 평가(evals)라고 생각합니다.

머신러닝적 의미만이 아닙니다. 실질적인 팀 운영의 의미에서입니다.

좋은 캠페인 셋업이란 무엇인가? 신뢰할 수 있는 리포트란 무엇인가? 허용 가능한 불일치 임계값은? 런칭 준비 완료란 무엇인가? 세컨드 리뷰를 트리거해야 하는 조건은?

이 정의들은 행정적 오버헤드가 아닙니다. 판단 레이어 그 자체입니다.

그리고 이 레이어를 잘 구축한 팀이, 프롬프트 라이브러리와 범용 자동화에서 멈춘 팀보다 AI에서 훨씬 더 큰 가치를 얻을 것입니다.

---

이것이 팀에게 의미하는 바

결론이 "AI를 두려워하라"는 아니라고 생각합니다.

결론은 그보다 더 까다롭습니다.

AI를 적극적으로 활용하세요. 75-80%를 맡기세요. 하지만 인간의 판단이 어디서 들어오는지 극도로 명확히 하세요:

• 목표 설정
• 검증
• 예외 처리
• 트레이드오프
• 이해관계자 관리
• 품질 기준

이것은 안티 AI가 아닙니다. 진지한 AI 운영 모델이 이런 모습입니다.

이것이 제가 과정의 모듈 1을 그런 방식으로 만든 이유이기도 합니다. 무료 모듈로 캠페인의 전체 라이프사이클을 보여주고 싶었지만, 그 아래에 있는 더 큰 포인트도 전하고 싶었습니다: AI는 모든 단계에 관여할 수 있습니다. 그것이 경험에서 오는 판단의 필요성을 없애지는 않습니다. 그 판단이 가장 중요한 곳이 달라지는 것입니다.

이상입니다.

다른 분들이 이것을 실제로 어떻게 다루고 있는지 정말 궁금합니다. 이미 미디어 팀을 운영하고 계신 분들, AI가 가장 설득력 있는 잘못된 답을 내놓는 곳이 어디라고 느끼시나요? 커리어 초반에 계신 분들은 판단의 기준이 더 명확해지고 있다고 느끼시나요, 아니면 더 모호해지고 있다고 느끼시나요?

Cheers, Chandler