2026년, AI 네이티브 마케팅 팀에 실제로 필요한 역할은 무엇인가

같은 대화를 여러 형태로 계속 듣고 있어요.

누군가 이렇게 물어봅니다. "AI가 있는 지금, 팀에 몇 명이 필요한가요?"

답은 그때그때 달라요. 4명일 때도 있고, 10명일 때도 있고, "아마 이 팀을 반으로 줄일 수 있을 거예요"일 때도 있어요.

사람들이 인원수에 집착하는 이유를 이해해요. 구체적이잖아요. 예산 항목에 딱 들어맞고, CFO가 묻는 질문이기도 하고요.

하지만 제 경험상, 출발점으로는 잘못됐다고 생각해요.

더 나은 질문은 팀에 어떤 기능이 필요한가? 입니다.

왜냐하면 필요한 기능은, 4명짜리 에이전시 팟이든, 40명짜리 인하우스 팀이든, 그 사이 어딘가이든 결국 같기 때문이에요. 조직도는 유연하게 바꿀 수 있어요. 기능은 그렇지 않아요.

지난 1년 동안 이 주제를 많이 고민해왔고, 제가 도달한 결론을 나누고 싶어요. 구체적인 부분에서 틀릴 수도 있어요. 하지만 근본적인 패턴은 맞다는 느낌이 들어요.

먼저: 왜 인원수에서 시작하면 안 되는가?

답이 맥락에 따라 달라지고, 그 맥락의 편차가 엄청나기 때문이에요.

처음부터 구축하는 중견 에이전시와, AI를 기존 워크플로에 접목하려는 엔터프라이즈 팀은 완전히 다릅니다. 8명짜리 인하우스 팀과 대형 클라이언트 하나를 담당하는 에이전시 팟은 제약 조건이 다릅니다.

"몇 명 필요한가?"에서 시작하면, 정확해 보이지만 하나의 시나리오에만 맞는 숫자를 얻게 돼요.

"어떤 기능이 필요한가?"에서 시작하면, 어디에든 적용할 수 있는 프레임워크를 얻게 돼요.

3가지 운영 기능(+ 전략 리드)

마케팅 팀을 위한 AI 시스템을 구축하고, 운영 모델이 실제로 어떻게 변하는지 살펴보면서, 팀 규모와 관계없이 반드시 존재해야 하는 3가지 기능으로 계속 돌아오게 돼요.

1. 아웃풋 검증

누군가가 AI가 만들어낸 결과물을 체크해야 해요.

단순히 "이거 맞는 것 같은데?"가 아니라, 구체적으로:

플랫폼에서 실제로 보여주는 내용과 일치하는가?
브랜드 가이드와 캠페인 규칙을 따르고 있는가?
데이터가 정확한가, 아니면 AI가 중요한 부분을 매끄럽게 넘겨버린 건 아닌가?
가장 까다로운 이해관계자의 리뷰를 통과할 수 있는가?

저는 이걸 AI 오디터 기능이라고 부르기 시작했어요. 플랫폼, 크리에이티브, 데이터 전반에 걸쳐 AI 아웃풋을 검증하는 사람(또는 사람들)이에요.

이 기능의 흥미로운 점은, 반드시 시니어가 필요하지 않다는 거예요. 필요한 건 현재 플랫폼에 대한 깊은 이해를 가진 사람 — 최근까지 도구를 사용해서, AI가 자신 있게 잘못된 걸 내놓을 때 알아챌 수 있는 사람이에요. AI는 바닥을 올린다에서 썼듯이, 플랫폼에 가장 가까운 사람이 직급과 상관없이 최고의 검증자인 경우가 많아요.

3년간 광고 플랫폼을 만져보지 않은 시니어 전략가는 아마 이 역할을 잘 못할 거예요. 매일 플랫폼에서 작업하는 미들 레벨 오퍼레이터가 훨씬 잘할 수 있어요.

이건 채용과 인재 육성에 중요한 시사점이에요.

2. 데이터 및 측정 인프라

AI 시스템은 들어오는 데이터만큼만 좋아요. 누군가가 이것들을 관리해야 해요:

트래킹 구현과 정확성
전환 이벤트 정의
데이터 웨어하우스 관리
크로스 플랫폼 데이터 연결
측정의 기준점(ground truth) — 정확한 트래킹이란 무엇인지, 허용 가능한 오차 범위, 올바른 어트리뷰션 로직

저는 이걸 시그널 아키텍트 기능이라고 생각해요. 제 경험상, 어떤 시니어리티 레벨에서든 채용하기 가장 어려운 기능이에요. 이걸 잘할 수 있는 사람은 드물고, 내부에서 이 역량을 키우는 게 유일한 현실적 선택일 수 있어요.

AI가 측정 계획을 만들거나 성과 이상 징후를 감지할 때, 그 분석이 신뢰할 수 있는 데이터에 기반하는지를 결정하는 건 시그널 아키텍트의 인프라예요. 이 기능 없이는 모래 위에 짓는 것과 같아요.

3. 구조화된 지식과 메모리

이건 제가 가장 최근에 쓴 주제이고, 가장 저평가된 기능이라고 생각해요.

다른 모든 것이 돌아가게 만드는 구조화된 지식 베이스를 누군가가 유지해야 해요:

클라이언트/브랜드 컨텍스트 (장기: 포지셔닝, 톤, 경쟁 환경, 시즌 패턴)
운영 지식 (단기: 이번 주 페이싱, 진행 중인 실험, 최근 결과, 미해결 이슈)
평가 기준 ("좋은 것"이란 무엇인지, 무엇이 거절됐고 그 이유는 무엇인지, 어떤 벤치마크가 중요한지)

저는 이걸 메모리 큐레이터 기능이라고 불러요. 모든 작업에 대해 AI 시스템이 최신의 정확한 컨텍스트를 갖도록 보장하는 사람이에요.

장기 메모리는 분기별로 리프레시해요. 단기 메모리는 매 사이클마다 리프레시해요. 두 가지 모두 의도적으로 구조화하고 유지해야 해요. 이게 없으면, 제가 자주 보는 문제가 생겨요 — 깔끔한 아웃풋을 내놓지만 비즈니스 컨텍스트를 완전히 놓치는 AI.

좋은 소식은, 이 기능이 경험의 혜택을 받지만 핵심 스킬은 가르칠 수 있다는 거예요. 전략적 역할로 성장하는 가장 접근 가능한 진입점 중 하나예요.

플러스: 전략 또는 어카운트 리드

이 3가지 기능에는 전체 방향을 이끄는 사람이 필요해요 — 우선순위를 정하고, 이해관계자를 관리하고, 팀이 무엇에 왜 집중할지 결정하는 트레이드오프를 만드는 사람이요. 어카운트 리드, 마케팅 디렉터, Head of Growth 등 조직에 맞는 이름을 쓰면 돼요.

포인트는, 위의 3가지 기능 — 검증, 인프라, 메모리 — 이 운영 레이어라는 거예요. 전략 리드는 방향 설정 레이어예요. 둘 다 필요해요.

월요일 아침에 이게 어떻게 보이는가

구체적으로 설명해 볼게요.

중견 스킨케어 브랜드가 Q2 캠페인 런칭을 준비하고 있어요. AI가 밤새 초기 미디어 플랜, 크리에이티브 브리프, 측정 프레임워크를 생성했어요.

무엇이든 라이브로 나가기 전에, 이런 일이 벌어져요:

AI 오디터가 미디어 플랜을 열고 플랫폼과 대조해요. AI는 Meta와 TikTok 60/40 분배를 추천했어요. 하지만 오디터는 이 브랜드의 TikTok Shop 연동이 지난달 깨졌고 아직 수리되지 않았다는 걸 알아요. AI는 그걸 몰라요. 예산이 투입되기 전에 오디터가 플래그를 세워요.

시그널 아키텍트가 측정 프레임워크를 봐요. AI는 지난 분기 픽셀 설정 기반의 트래킹을 제안했어요. 하지만 아키텍트는 2주 전에 서버 사이드 트래킹으로 이전했고, 옛 픽셀 이벤트가 전환을 중복 집계하고 있다는 걸 알아요. 어트리뷰션 수치는 훌륭하게 보이겠지만 완전히 틀린 거예요. 대시보드가 만들어지기 전에 아키텍트가 이벤트 정의를 수정해요.

메모리 큐레이터가 크리에이티브 브리프를 검토해요. AI는 세련된 결과물을 냈어요 — 프로페셔널한 톤, 강한 CTA, 깔끔한 카피. 하지만 큐레이터의 구조화된 메모리에 따르면, 이 클라이언트의 CEO가 지난 분기에 "세일" 프레이밍이 들어간 건 전부 거절했고, 컴플라이언스 팀은 성분 관련 주장에 특정 표현을 요구하고 있어요. 브리프가 크리에이티브 팀에 도달하기 전에 큐레이터가 그 제약 조건을 추가해요.

어카운트 리드는 검증되고 수정된 3가지 아웃풋을 보고, 전략적 결정을 내려요: 경쟁사가 비슷한 제품을 막 발표했으니, 차별화 각도를 먼저 잡기 위해 런칭을 1주 연기한다고.

이 중 화려한 캐치는 하나도 없어요. 하지만 AI 아웃풋을 그냥 신뢰한 팀이라면 전부 놓쳤을 거예요. 이 패턴에 대해 왜 대부분의 AI 마케팅 도구가 빠르게 느껴지면서 팀 판단력을 약화시키는가에서 썼어요 — 속도는 진짜지만, 검증 레이어 없이는 속도가 더 나쁜 결정을 가속할 뿐이에요.

맥락에 따라 형태가 어떻게 변하는가

여기가 고정된 인원수보다 더 유용한 대화가 되는 지점이라고 생각해요.

소규모 에이전시 팟 또는 스타트업 팀 (3-5명): 한 사람이 2가지, 심지어 3가지 기능을 겸해요. 전략 리드가 메모리도 큐레이팅하고, 채널 전문가가 AI 아웃풋 감사도 하고. 팀이 충분히 작아서 컨텍스트가 자연스럽게 공유될 때 이게 돌아가요.

중견 에이전시 팀 (6-12명): 각 기능에 전담 인원을 둬요. 여기서부터 운영 모델이 복리로 효과를 발휘해요 — 메모리 큐레이터의 구조화된 지식이 시간이 지나면서 다른 모든 기능을 더 효과적으로 만들어요. 제가 봐온 바로는, 중견 시장이 지금 가장 흥미로운 디스럽션 지대예요. 이 클라이언트들이 현재 받는 서비스와 AI가 강화된 팀이 제공할 수 있는 서비스 사이의 갭이 가장 크거든요.

엔터프라이즈 또는 인하우스 팀 (15-40명 이상): 각 기능 뒤에 팀이 붙어요. AI 오디터 기능은 여러 채널에 걸친 품질 레이어가 돼요. 시그널 아키텍트 기능은 데이터 엔지니어링 역량이 돼요. 메모리 큐레이터 기능은 조직적 지식 관리 체계가 돼요.

핵심은: 기능은 협상 불가라는 거예요. 조직도 라벨과 기능별 인원수는 완전히 유연해요.

이게 "몇 명이 필요한가?"가 잘못된 질문이라고 생각하는 이유예요. 더 나은 질문은: "이 3가지 기능이 우리 팀에 존재하는가? 누가 오너인가?"예요.

주니어 인력은 어디에 들어맞는가 — 그리고 왜 이게 중요한가

이 부분은 솔직하게 다루고 싶어요. 중요한 문제라고 생각하거든요.

AI와 팀에 대한 많은 대화가 이런 톤이에요: 더 작은 팀, 더 큰 레버리지, 더 적은 채용. 커리어 초기에 있는 사람에게는 이렇게 들릴 수 있어요: 나에게 기회가 줄어드는구나.

저는 그렇게 생각하지 않아요. 하지만 옛날 방식의 커리어 패스가 더 이상 작동하지 않는다고도 생각하고, 그 점에 대해 솔직하고 싶어요.

과거의 도제식 모델은 반복을 통해 작동했어요. 주니어들은 수작업으로 — 리포트 작성, 캠페인 설정, 데이터 추출, 덱 포맷팅 — 충분히 반복하면서 작업 뒤에 숨은 판단력을 체화했어요.

AI가 그 초안 작업의 많은 부분을 처리하게 되면, 반복의 기회가 줄어들어요. 질문은: AI가 모든 주니어 업무를 처리하면, 누가 어떻게 시니어가 되는가? 예요.

이건 지금 업계에서 가장 어려운 미해결 문제 중 하나라고 생각해요.

제가 도달한 생각을 나누지만, 확신하고 있지는 않아요:

2+2 육성 모델

팀 구성을 생각할 때, 모든 역할을 시니어 외부 채용으로 채워야 한다고 가정하지 않아요.

더 잘 작동한다고 생각하는 건 이런 형태예요: 경험 있는 사람 2명 + 의도적인 깊이 우선 육성 프로그램에 있는 사람 2명.

경험자가 판단력과 컨텍스트를 가져와요. 육성 슬롯은 현재 플랫폼에 대한 깊은 이해, 에너지, 그리고 — 결정적으로 — 인재를 착취하기보다 성장시킬 이유를 가져와요.

로테이션보다 깊이를 먼저

과거의 커리어 모델은: 먼저 넓게, 나중에 전문화. 채널을 돌아가며 이것저것 조금씩 배우기.

AI 네이티브 모델은 이걸 뒤집는다고 생각해요. 먼저 깊게, 그다음 넓히기.

하나의 분야에 6개월 깊이 집중하는 게, 4개 영역을 6개월간 로테이션하는 것보다 더 지속 가능한 전문성을 만들어요. 깊이가 있어야 AI 아웃풋을 검증할 수 있어요. 넓이는 나중에 로테이션으로 얻으면 돼요.

평가 기준 만들기를 학습으로

지금 가장 강력한 학습 메커니즘 중 하나는, "맞는 것"이 어떤 모습인지 정의하게 하는 거라고 생각해요.

단순히 작업을 실행하는 게 아니라, 평가 기준을 정의하기:

좋은 캠페인 설정은 어떤 모습인가?
2차 리뷰가 필요한 트리거는 무엇인가?
허용 가능한 오차 범위는 어디까지인가?
사람의 확인 없이 절대 통과시키면 안 되는 건 무엇인가?

이 연습은 과거에 수작업으로 일하면서 얻었던 깊은 이해를 강제로 만들어내요. 런칭 전 체크리스트를 작성하는 사람은, 전문가의 판단을 시스템에 인코딩할 수 있을 만큼 그 분야를 깊이 이해해야 해요.

예를 들어: "캠페인이 라이브되기 전에, 전환 트래킹이 플랫폼 보고 수치의 2% 이내에서 발동해야 한다." 이 규칙을 쓰는 건 간단해 보여요. 왜 2%가 맞는 기준이고, 5%나 0.5%가 아닌지 아는 데는 진짜 깊이가 필요해요.

과거의 도제식과 같지는 않아요. 하지만 작동할 수 있다고 생각해요.

커리어 트랙

제가 설명한 3가지 기능 각각은 막다른 라벨이 아니라, 성장 경로이기도 해요:

AI 오디터 → 어카운트 리더십으로 성장. 아웃풋의 좋고 나쁨을 깊이 이해하는 사람이 클라이언트 관계를 이끌 수 있는 사람이에요
시그널 아키텍트 → 측정 리더십으로 성장. 데이터 인프라 지식은 가장 가치 있고 희소한 스킬셋 중 하나예요
메모리 큐레이터 → 시니어 전략으로 성장. 지식을 구조화하는 사람은 결국 조직이 어떻게 생각하는지를 형성하는 사람이 돼요

커리어 초기에 이걸 읽고 계신 분이라면, 질문은 "나한테 자리가 있을까?"가 아니에요. "나는 이 기능들 중 어디에서 깊이를 쌓고 있는가?"예요. 그게 복리로 쌓이는 커리어 움직임이에요.

AI 레이어가 처리하는 것

인간 팀이 이 기능들 중심으로 조직된다면, AI 레이어는 많은 생산 작업을 처리해요 — 초안, 리서치 종합, 리포트 뼈대, 문서화, 콘텐츠 재활용.

하지만 AI 활동량이 많다고 완전한 운영 모델이라고 착각하면 안 된다고 생각해요.

무엇을 신뢰하고, 무엇을 리뷰하고, 품질이 무엇인지 정의하는 사람은 여전히 필요해요. 많은 "AI-first" 대화가 아직 좀 얕다고 느끼는 건 바로 그 지점이에요. 생성에서 멈춰요. 진짜 레버리지는 오케스트레이션과 평가에 있어요.

임파워먼트 프레이밍

한 가지 더, 팀이 실제로 이걸 받아들이는 데 중요하다고 생각하는 얘기가 있어요.

AI에 저항하는 팀과 수용하는 팀의 차이는 종종 프레이밍에 있어요.

메시지가 "AI가 당신의 일을 대체합니다"나 "효율을 위해 자동화합니다"이면, 반응은 저항, 불안, 조용한 이탈이에요.

메시지가 "AI가 반복 작업을 맡아서 당신이 판단력이 필요한 부분에 집중할 수 있게 됩니다"이면, 반응은 대개 호기심과 오너십이에요.

이게 실제로 일어나는 걸 봤어요. 프로그래매틱 비유가 유용해요. 수동 인서션 오더가 사라졌을 때, 적응한 사람들은 프로그래매틱 전략가가 됐어요 — 더 높은 스킬, 더 높은 보수의 역할이요. 변화는 불편했어요. 결과는 성장이었어요.

지금 비슷한 변곡점에 와 있다고 생각해요. 일의 형태가 변해요. 하지만 그 일을 하는 사람의 가치는, 팀이 성장할 수 있게 설계되어 있다면, 내려가는 게 아니라 올라가요.

지금 제가 서 있는 자리

구체적인 조합은 비즈니스마다 다를 거라고 여전히 생각해요. 크리에이티브 에디터가 핵심 기능인 팀도 있고, 채널 전문가가 필요한 팀도 있고, 시그널 아키텍트가 2명 필요하고 전담 메모리 큐레이터는 필요 없는 팀도 있어요.

하지만 제가 계속 돌아오는 기본 패턴은:

인원수가 아니라 기능을 정의하기
3가지 운영 기능(검증, 인프라, 메모리)은 협상 불가
시니어 채용만이 아니라 육성 슬롯 포함하기
깊이 우선 도제식에 투자하기
AI 레이어에 생산을 맡겨서 인간 레이어가 판단에 집중할 수 있게 하기

이게 제가 지난 1년간 나아온 방향이에요 — 팀에 대한 사고방식에서도, 제 자신의 운영 모델을 구축하는 데 있어서도.

여기까지예요.

지금 팀을 재설계하고 계신 분이 있다면, 이 3가지 기능 중 어떤 게 가장 확립하기 쉽고 어떤 게 계속 깨지는지 정말 듣고 싶어요. 그리고 커리어 초기에 계신 분은, 어떤 기능에서 깊이를 쌓고 있나요?

Cheers, Chandler