제가 지켜본 대부분의 미디어 과업에서 AI가 대략 75–80%를 할 수 있어요 — 제작·조립·패턴 찾기에서 비중이 가장 높고, 협상·관계·최종 판단에서 훨씬 낮아요. 이게 75–80% 원칙이고, 그것에 대해 먼저 할 말은 휴리스틱이지 벤치마크가 아니라는 거예요.
숫자에 조심하고 싶어요, 둥근 숫자는 거짓 정밀도를 끌어들이니까요. 75–80%는 통제된 연구의 측정 통계가 아니에요. 이 워크플로를 직접 돌리고 팀이 돌리는 걸 지켜본 뒤 제가 계속 보는 모양이죠: AI는 과업의 크고 반복적이고 생성적인 중간을 가져가고, 더 작고 판돈이 큰 가장자리를 사람으로 남겨요. 정확한 비중은 과업, 팀, 맥락이 얼마나 깨끗한지에 따라 움직여요. 모양은 유지돼 왔고, 소수점은 아니에요.
이 틀을 AI-native 미디어 운영의 정의에 넣은 건 팀이 양쪽 극단에서 곤란해지기 때문이에요. 선이 어디서 떨어지는지, 그리고 자기 일에서 어떻게 찾는지 풀어볼게요.
75–80% 원칙이 말하는 것
이 원칙은 전형적인 미디어 과업에서, AI가 첫 패스를 하는 잘 설계된 워크플로가 일의 대부분을 덮고 사람이 나머지를 덮는다고 말해요. AI가 모든 과업의 80%를 한다고 말하지 않고, 사람의 20%가 중요도에서 작다고도 말하지 않아요. 중요도와 볼륨은 다른 축이에요.
점수가 아니라 노동 분업으로 생각해요. 모델은 그럴듯한 재료를 빨리 많이 만드는 데 가장 뛰어나요: 옵션, 변형, 요약, 첫 초안, 패턴 판단이요. 사람은 무엇이 중요한지 정하고, 그럴듯한 것 중에서 고르고, 결과를 감당하는 데 가장 뛰어나죠. 비율은 경계가 존재한다는, 그리고 그게 대부분의 신중한 팀이 가정하는 것보다 모델 쪽에 더 가깝고 대부분의 열의 있는 벤더가 인정하는 것보다 사람 쪽에 더 가깝다는 알림일 뿐이에요.
AI 비중이 높은 곳
AI가 가장 많이 덮는 과업은 세 가지 속성을 공유해요: 높은 볼륨, 단위당 낮은 결과, 그리고 검증할 명확한 기준이요.
- 크리에이티브와 카피 변형. 헤드라인, 설명, 훅, 소셜 카피 — AI-native 팀은 정해진 브리프에 대해 수십 개를 만들고 사람이 솎아내요.
- 리서치 종합. 공개 자료 더미를 구조화된 요약으로 바꾸는 건 이제 기계적이에요, 그래서 애널리스트가 더 나은 질문을 던지는 데 풀려나죠.
- 리포팅 조립. 주간 숫자를 당기고 결합하고 포맷하고 서술하는 건 데이터가 깨끗하면 대부분 자동화 가능해요.
- 예산과 페이싱 수학. 재예측, 계획 대비 지출 점검, 이상치 표시는 모델이 잘하는 패턴 찾기예요.
- 현지화와 적응. 캠페인을 시장에 걸쳐 번역하고 적응하는 것, 끝에 네이티브 리뷰어와 함께하는 건 잘 확장되는 볼륨 과업이에요.
이 영역에서 75–80%는 보수적 추정이에요. 좋은 워크플로를 가진 좋은 운영자가 일하는 걸 보면 모델 비중은 더 높아 보여요.
AI 비중이 낮은 곳
AI가 가장 적게 덮는 과업은 반대 속성을 공유해요: 낮은 볼륨, 단위당 높은 결과, 명확한 기준 없음이요.
- 협상. 미디어 바잉, 레이트카드, 파트너십, 약속은 관계적이고 대립적이에요. 모델은 당신을 준비시킬 수 있지만 탁자 건너편에 앉지는 못해요.
- 관계와 신뢰. 고객은 신뢰를 삽니다. 신뢰는 대화에서 쌓이고 일에 이름을 건 사람이 전달해요.
- 최종 판단. 고객의 진짜 제약에 맞는 하나의 플랜을 고르거나, 테스트를 멈출 순간은 모델이 책임질 수 없는 판단이에요.
- 브랜드와 취향의 판단. 카피가 맞는 게 아니라 브랜드다운지를 아는 건 사람의 학습된 판단이고, 마지막 20%가 값을 하는 곳이죠.
- 질문의 이름 짓기. 모델은 거의 뭐든 답해요. 어느 질문이 물을 가치가 있고 어느 지표가 중요한지 정하는 건 여전히 시니어 운영자의 가장 값진 행위예요.
이 영역에서 모델은 도울 수 있지만 75–80%는 심한 과장이에요. 여기서 사람의 몫이 일의 대부분이에요.
분할의 대략적 지도
| 과업 | AI 비중 | 사람으로 남는 것 |
|---|---|---|
| 크리에이티브와 카피 변형 | 높음 | 브리프, 브랜드 판단, 최종 선택 |
| 리서치 종합 | 높음 | 질문 틀 짜기, 출처 검증 |
| 리포팅 조립 | 높음 | 숫자 해석, 추천 |
| 예산과 페이싱 수학 | 높음 | 신호에 행동할지 결정 |
| 현지화와 적응 | 높음 | 문화적 뉘앙스, 네이티브 리뷰 |
| 미디어 플래닝 초안 | 중간 | 제약 고르기, 플랜 소유 |
| 협상 | 낮음 | 대화 전체 |
| 고객 관계 | 낮음 | 신뢰, 맥락, 책임 |
| 최종 고/노고 판단 | 낮음 | 결정과 그 결과 |
표를 점수판이 아니라 모양으로 읽으세요. 비중 높은 행이 먼저 워크플로를 다시 만드는 곳이에요, 처리량이 거기 사니까요. 비중 낮은 행이 역량을 보호하는 곳이고, 가치가 거기 사니까요.
숫자보다 모양이 중요한 이유
이 원칙의 가장 흔한 오용은 숫자를 측정된 것처럼 인용하고 그 둘레에 계획하는 거예요.
한 팀은 "80%"를 듣고 다섯 명 중 네 명을 자를 수 있다고 가정해요. 다른 팀은 같은 숫자를 듣고 안전하려면 전부 사람으로 둬야 한다고 가정하죠. 둘 다 휴리스틱을 사실로 다뤄요. 숫자의 일은 꼭 지켜야 할 20%가 무엇인지 솔직하게 하려는 것, 그리고 판단을 과하게 위임하거나 조립을 다시 만들기를 거부하는 걸 막으려는 거예요.
한 가지만 기억한다면 이거예요: 볼륨은 기계의 절반에 살고 책임은 당신 쪽에 살아요. 두 절반은 교환 가능하지 않아요, 그래서 단일 비율 설명은 유용하고 단일 비율 목표는 위험하죠.
자기 과업을 감사하는 법
원칙에서 시작하지 마세요. 실제 일에서 시작하고 원칙이 감사에서 나오게 하세요.
- 직함이 아니라 과업을 나열하세요. "주간 리포트 만들기"는 당기기, 정리, 결합, 포맷, 서술, 해석으로 분해돼요. 앞의 다섯은 비중 높고 마지막은 낮아요.
- 각 과업에 세 질문을 하세요. 볼륨이 얼마나 되나요? 단위당 결과가 얼마나 되나요? 검증할 명확한 기준이 있나요? 높은 볼륨 + 낮은 결과 + 명확한 기준이면 AI 비중이 높아요.
- 기준을 명시적으로 표시하세요. 리뷰 기준이 없는 과업은 당신이 하나 정할 때까지 사람으로 남아요. 기준 없는 볼륨은 리스크지 처리량이 아니에요.
- 비중 낮은 가장자리를 보호하세요. 판단, 관계, 최종 결정의 소유자를 이름 지으세요. 그게 불분명하면 워크플로는 끝난 게 아니에요.
감사는 보통 놀라움을 만들어요: 팀은 자동화하기 쉬운 단계에 불안의 대부분을 쓰고, 투자해야 할 판단 단계에는 거의 안 쓰죠. 실행 가이드가 이 감사를 나머지 라이프사이클의 롤아웃 순서로 바꿔요.
양쪽 끝의 실패 방식
과한 위임. 팀은 리뷰 없이 AI 결과물을 내보낸 뒤, 잘못된 주장이나 경쟁사 이름이 라이브되면 도구를 탓해요. 모델은 시킨 대로 했고, 워크플로가 잘못된 지점에서 사람을 뺐죠. 20%가 80%에게 도둑맞는 거예요.
부족한 위임. 팀은 AI를 맞춤법 검사기로 쓰고 모든 단계를 수동으로 유지한 뒤, 왜 아무것도 복리로 안 쌓이는지 궁금해해요. 80%를 20%처럼 다루는 거죠. 둘 다 같은 실수에서 와요: 자기가 어느 절반에 있는지 모르는 것.
무엇을 측정할지
모델 비중과 사람 비중을 따로 추적하세요. 사이클 타임은 워크플로가 진짜 빨라졌는지 알려주고, 품질과 오류율은 리뷰가 제 일을 하는지 알려줘요. 사이클 타임은 떨어지는데 오류가 오르면, 기준을 옮기지 않고 일을 기계로 옮긴 거예요 — 고객의 신뢰를 잃는 가장 빠른 길이자 되찾는 가장 느린 길이죠.
FAQ
75–80%는 측정된 수치인가요?
아니에요. 이 워크플로를 지켜보며 나온 작업 휴리스틱이지 연구의 벤치마크가 아니에요. 모양을 유용한 부분으로 보세요: 제작과 조립에서 높은 비중, 판단과 관계에서 낮은 비중이요.
AI가 미디어 과업의 100%를 할 수 있나요?
사람이 결과에 이름을 걸어야 하는 과업은 아니에요. AI는 재료와 첫 패스를 만들 수 있고, 좁고 결과가 낮은 과업에서는 끝에서 끝까지 돌 수 있어요. 진짜 결과가 있는 건 사람 소유자가 필요해요.
AI 비중이 높으면 사람이 줄어드나요?
자주 조립에는 사람이 줄고 판단·관계·리뷰에는 그대로거나 늘어난다는 뜻이에요. 기능은 사라지기보다 집중되므로, 인원의 답은 어느 절반에 치우쳐 있었는지에 달려 있어요.
분할이 맞는지 아는 법은?
두 신호예요. 오류가 오르지 않고 사이클 타임이 떨어져요, 그리고 비중 낮은 가장자리 — 판단, 관계, 최종 결정 — 에 이름 지은 소유자가 있어요. 둘 중 하나가 빠지면 경계를 계속 조정하세요.
짧은 정리
대부분의 미디어 과업에서 AI는 대략 75–80%를 해요, 제작·조립·패턴 찾기에서 가장 높고 협상·관계·최종 판단에서 가장 낮죠. 사람으로 남겨야 할 20%를 찾는 휴리스틱이지 인원 목표가 아니에요. 자기 과업을 볼륨, 결과, 리뷰 기준으로 감사하세요; 비중 높은 절반을 자동화하고, 비중 낮은 가장자리를 보호하고, 사이클 타임과 품질을 함께 측정하세요. 실행 가이드가 그 일의 전체 지도이고, 팀 리드 트랙이 감사를 롤아웃 순서로 바꿔요.
저는 아직 이 분야를 공개적으로 배우는 중이고, 도구가 나아지는 만큼 제 숫자도 흘러요. 하지만 모양은 유지돼 왔어요: 볼륨은 위임 가능하고, 책임은 아니에요.
팀이 이 감사를 돌렸다면, 무엇이 놀라웠는지 듣고 싶어요 — 보통 사람들이 예상한 과업이 아니에요.
감사합니다, Chandler
이 글은 한국어로 제공되지만, 코스 자료(영상, 템플릿, 보조 가이드)는 영어와 일본어로 제공돼요. 이 사이트는 13개 언어로 제공돼요.