당신 고객의 절반은 AI 브랜드 콘텐츠를 응징한다. 그럼에도 우리는 이렇게 활용한다.

작년에 한 최고마케팅책임자가 제게 자료 한 부를 테이블 너머로 밀어놓았습니다. 그것은 자신의 에이전시가 보낸 작업 명세서였고, 한 항목에는 "AI 증강 제작"이라고 적혀 있었습니다. 그 옆의 금액은 에이전시들이 제작에 늘 청구해 온 것과 똑같은 금액 — 전통적인 정가 그대로였습니다. 같은 주에 그녀의 팀은 그 항목이 만들어 낸 결과물을 두고 소비자 패널 조사를 진행했습니다. 결과는 적대적이었습니다. 사람들은 그 광고를, 그들 자신의 표현으로, 짜증나고 다소 영혼 없다고 느꼈습니다. 그녀가 화가 난 것은 AI 때문이 아니었습니다. 고객이 조용히 거부하고 있는 콘텐츠를 만들어 내는 데 프리미엄 가격을 지불하고 있었는데, 그 사슬의 누구도 그 사실을 말해주지 않았다는 점에 화가 났던 것입니다.

그 회의가 우리가 만든 것을 만들게 된 이유입니다. 핵심 문제는 AI 브랜드 콘텐츠와 관련해 2026년에는 기술이 충분히 좋은지 여부가 아닙니다 — 기술은 이미 충분히 좋고, 매달 나아지고 있습니다. 문제는 AI를 공격적으로 활용해 콘텐츠를 더 빠르고 저렴하게 만들 수 있지만, 고객 중 상당수가 그것을 감지하는 순간 여러분을 응징하리라는 점입니다. 그래서 우리가 정한 목표이자 우리가 지금 브랜드 팀을 위해 구축하고 있는 것은 거의 역설적입니다. AI를 프로세스에서는 가차 없이 사용하되, 그것을 결과물에서는 보이지 않게 유지하는 것입니다. 하이브리드 제작 파이프라인, 브랜드 충실도 점수화, 그리고 규제 당국의 질문에도 견디는 거버넌스 계층입니다.

제가 어떻게 그 결론에 이르렀는지, 우리가 출시했다가 실패한 버전까지 포함해 설명해 보겠습니다.

경영진이 믿는 것 vs. 소비자가 실제로 하는 것

어떤 마케팅 리더라도 두렵게 만들어야 할 그 격차에서 시작해 봅시다. IAB는 2026년에 광고 경영진의 82%가 Z세대와 밀레니얼 소비자들이 광고 속 AI에 긍정적으로 느낀다고 생각한다는 사실을 밝혀냈습니다. 하지만 그 소비자들 중 실제로 그렇게 느끼는 사람은 45%에 불과합니다. 이것이 37포인트의 인식 격차이며, 전략 자료와 고객 사이의 거리입니다.

들여다볼수록 상황은 더 나빠집니다. AI 콘텐츠에 대한 소비자 선호도는 2023년 60%에서 2026년 26%로 떨어졌습니다. 1,500명이 넘는 미국 소비자를 대상으로 한 Gartner의 2026년 3월 조사에서는 이제 절반이 선호하는 것은 소비자 대면 콘텐츠에서 생성형 AI를 피하는 브랜드로 나타났습니다. 그리고 Adobe의 2026년 디지털 트렌드 보고서에 따르면, 소비자 3분의 1은 브랜드의 콘텐츠가 AI로 생성되었다는 사실을 알게 되는 순간 그 브랜드와의 상호작용을 완전히 중단합니다.

고객의 절반은 AI 콘텐츠를 싫어하는 게 아닙니다. 그들이 싫어하는 것은 그것을 알아챌 수 있다는 사실입니다.

제가 회의적인 CMO에게 보여준 가장 유용한 숫자는 Smartly.io에서 나옵니다. 광고가 인간과 공동 제작될 때와 비교해 전적으로 AI로 만들어질 때 소비자 신뢰는 48%에서 13%로 떨어집니다. 단 하나의 제작 결정에서 비롯된 73%의 신뢰 붕괴입니다. 제가 본 어떤 스프레드시트의 콘텐츠 비용 절감도 73%의 신뢰 하락을 상쇄하지 못합니다. 이 계산은 AI가 보이지 않을 때에만 성립합니다.

이것을 단순한 브랜딩 슬로건이 아니라 정말로 어렵게 만드는 것은, 그 거부감이 단지 의견에 그치지 않는다는 점입니다 — 그것은 생리적입니다. NielsenIQ의 신경과학 연구는 잘 다듬어진 것조차도 AI 광고에 대해 뇌의 기억 활성화가 더 약하다는 것을 측정했습니다. 소비자들은 그것을 전통적인 광고보다 더 짜증나고, 더 지루하며, 더 혼란스럽다고 평가했습니다. 뇌는 의식이 의견을 형성하기 전에 이미 탐지를 하고 있는 것입니다.

모든 CMO가 겪지 않으려 애쓰는 코카콜라의 순간

제가 이야기를 나누는 모든 마케팅 리더는, 입 밖으로 꺼내지 않더라도, 하나의 특정한 사건을 남몰래 두려워합니다. 코카콜라는 2025년 한 홀리데이 광고를 위해 약 70,000개의 클립을 생성했고, 그 전체 시도를 "혁신적"에서 "싸구려"이자 "디스토피아적"으로 재규정한 반발을 샀습니다. Toys "R" Us는 Sora로 만든 영상에 AI로 생성한 아역 배우를 넣었다가 거의 원초적인 거부에 가까운 반응을 촉발했습니다. McDonald's는 시청자들의 항의 끝에 홀리데이 광고를 내렸습니다. 이들은 변두리에서 실험하는 작은 브랜드가 아닙니다. 지구상에서 가장 정교한 마케팅 조직들이며, 그럼에도 그 콘텐츠는 여전히 잘못 안착했습니다.

에이전시 측 리더들이 밤잠을 설쳐야 할 사례는 다른데, 취향의 문제가 아니었기 때문입니다. 2025년 6월, Omnicom 네트워크 소속인 브라질 에이전시 DM9는 칸 라이언즈에서 Creative Data Grand Prix를 수상했습니다. 조사관들은 이후 그 사례 영상이 AI로 생성된 영상을 사용해 시뮬레이션한 것이 캠페인 결과였으며, 여기에는 허가 없이 만들어진 수정된 CNN Brasil 보도도 포함되어 있다는 사실을 밝혀냈습니다. 최고 크리에이티브 책임자는 사임했습니다. 12개의 상이 취소되었습니다. 칸은 향후 모든 출품작에 대해 AI 공개 및 탐지 도구를 의무화했습니다.

그것은 편법을 쓴 불량 프리랜서가 아니었습니다. 업계 최고의 영예를 위해 증거를 조작한 대형 네트워크 에이전시였으며, AI 기반 성과를 보여줘야 한다는 일상적인 압박 속에서 벌어진 일이었습니다. 그리고 이는 대부분의 브랜드가 자사 에이전시에 소리 내어 묻지 않은 질문을 곧장 가리킵니다:

여러분의 에이전시가 여러분이 결코 승인하지 않은 방식으로 AI를 사용하고 있다면, 그것이 드러났을 때 평판 리스크는 누가 짊어질까요? 바로 여러분입니다.

저는 그 SOW 자료를 끊임없이 떠올립니다. 브랜드는 전통적인 정가를 지불하고 있었고, 에이전시는 AI로 얻은 효율을 챙기고 있었으며, 공개 의무 — 법적으로도 평판 면에서도 — 는 전적으로 브랜드에 놓여 있었습니다. 이 비대칭이 곧 비즈니스 모델입니다. 우리가 지금 하는 일의 일부는, 그것이 공개적으로 브랜드의 문제가 되기 전에, 에이전시들이 실제로 무엇을 사용하고 있는지, 그리고 그것이 공개되고 있는지를 단순히 감사하는 것입니다.

우리의 첫 브랜드 충실도 점수기는 왜 실패했는가?

여기서부터는 제가 덜 자랑스러워하는 부분이자, 우리에게 팔 만한 가치가 있는 것을 실제로 가르쳐 준 부분입니다.

AI로 생성된 콘텐츠가 브랜드에 부합하는지를 측정하기로 했을 때, 저는 뻔한 접근법을 지지했습니다. 브랜드의 참조 이미지를 가져와 임베딩하고, 새 자산을 임베딩한 다음, 유사도를 점수화하는 것입니다 — 대부분의 벤더가 조용히 사용하는 표준적인 이미지-텍스트 매칭 기법인 CLIP 점수 말입니다. 우리는 그것을 만들었고, 0과 1 사이의 깔끔한 숫자를 내놓았으며, 시연도 훌륭했습니다. 저는 확신했습니다.

그런 다음 우리는 그것을 파일럿 브랜드의 실제 결과물에 돌려봤습니다. 그 점수기는 브랜드의 로고 여백 규칙 — 마크 주위를 둘러싸야 하는 최소한의 빈 여백 — 을 위반한 이미지를 태연히 통과시켰는데, 그 이미지가 겉보기에 참조 세트와 통계적으로 유사했기 때문입니다. 한편 색 보정이 특이하다는 이유로 완벽하게 규정을 준수한 자산을 브랜드에 어긋난다고 표시하기도 했습니다. 저는 그 숫자가 확신에 차 있으면서도 동시에 틀렸다고 생각하며 보고서를 바라보던 것을 기억합니다.

그것은 이후의 모든 것을 값한 실패였습니다. CLIP 방식의 유사도는 "이것이 저것처럼 보이는가"를 측정합니다. 그것은 여러분의 브랜드 가이드라인이 실제로 무엇을 말하는지는 전혀 알지 못합니다. "브랜드에 부합해 보인다"와 "로고 여백 규칙을 준수한다"는 완전히 다른 두 질문이며, 유사도 점수는 이 둘을 구별하지 못합니다.

그래서 우리는 그것을 비전-언어 모델 위에 다시 구축했습니다 — 이미지를 읽는 동시에 여러분이 작성한 브랜드 가이드라인도 읽어 하나를 다른 하나와 대조할 수 있는 시스템입니다. "이것이 과거 작업과 유사한가"가 아니라 "로고에 필요한 여백이 확보되어 있는가, 서체가 승인된 제품군에 속하는가, 톤이 문서화된 브랜드 보이스와 일치하는가"를 확인하는 것입니다. 유사도 점수보다 구축하기가 더 느리고 더 성가십니다. 하지만 크리에이티브 디렉터가 승인 워크플로에 들일 만큼 신뢰할 유일한 버전이기도 합니다.

자신이 집행하는 규칙을 인용하지 못하는 브랜드 충실도 점수는 소수점이 붙은 느낌에 불과합니다.

진짜 변수는 AI 대 인간이 아닙니다. 바로 마무리 작업입니다.

이 프로젝트 전체를 다시 보게 만든 그날 밤, 저는 NielsenIQ의 패널 데이터를 다시 읽고 있었습니다. 그 안에는 처음에 대충 훑고 지나쳤던 세부 사항이 묻혀 있었습니다. 연구에서 소비자가 도저히 즉시 AI로 식별해낼 수 없었던 유일한 광고는, 상당한 반복 편집을 거쳐 전문가가 만든 것이었습니다. 생성해서 그대로 내보낸 것이 아니라 — 생성한 뒤 오랜 시간 동안 사람이 손을 본 것이었습니다.

그 대목에서 저는 멈칫했습니다. 대중의 논의 전체는 마치 그 둘이 유일한 선택지인 양 "AI냐 인간이냐"로 규정됩니다. 하지만 데이터는 제게 예측 변수가 그 출처, 즉 픽셀이 어디서 비롯됐는가가 아니라고 말해주고 있었습니다. 그것은 바로 마무리 작업입니다 — 기계가 여전히 남기는 섬뜩한 가장자리를 매끄럽게 다듬어 없애는 사람의 반복 작업 말입니다. AI는 작업의 거의 전부를 보이지 않게 처리할 수 있습니다. 결과물이 고객의 뇌에 걸리는지를 결정하는 것은, 어떤 스프레드시트도 굳이 가격을 매기지 않는 부분인 마지막 사람의 손질입니다.

그것이 이제 파이프라인 전체가 기반으로 삼는 설계 원칙입니다. 고객의 인식에 닿지 않는 곳 — 아이디어 구상, 변형 생성, 러프 컷, 현지화, 자산 물량 — 에서는 AI를 강하게 사용하세요. 출시되는 모든 것의 마무리 작업에는 사람의 솜씨를 남겨 두세요. "중요한 곳에는 사람, 도움이 되는 곳에는 AI"를, 템플릿으로 파는 것이 아니라 브랜드마다 맞춰 조율하는 것입니다.

그리고 이런 식으로 설계하면 효율은 실제로 나타납니다. AI 증강 제작은 자산당 약 100달러에 근접하는 반면 전통적 방식은 500달러에서 2,000달러이며, 자산당 인건비는 약 75% 절감됩니다. 현지화는 거의 민망할 정도입니다. 전통적 현지화는 분당 50달러에서 200달러가 드는데, AI 현지화는 사람이 검토할 때 대략 절반의 비용으로 사람 수준의 결과물을 제공합니다 — 평균적인 기업이 연간 1.5개의 신규 시장에 진입하고 부실한 현지화가 잠재 매출의 약 20%를 조용히 잠식한다는 점을 고려하면 중요한 대목입니다. 절감은 진짜입니다. 다만 그것은 고객이 결코 보지 못하는 프로세스의 부분에서 확보되어야 합니다.

이를 실행할 도구는 존재하며, 우리는 그에 대해 의도적으로 벤더 중립적입니다. Adobe의 GenStudio는 StyleIDs라 부르는 것을 통해 브랜드 규칙을 Firefly 생성에 인코딩하며, Creative Cloud 세계 안에서는 훌륭합니다 — 하지만 생성은 Firefly에 종속되고, 그 영상 기술은 선두 주자들보다 1년 이상 뒤처져 있습니다. 전 Adobe CTO가 창업하고 PepsiCo, Disney, Estée Lauder 같은 곳이 사용하는 Typeface는 정말로 강력한 거버넌스 계층을 갖추고 있습니다 — 하지만 오직 Typeface 자체를 통해 제작된 콘텐츠에 한해서입니다. Bria는 최대 5,000장의 자체 이미지로 맞춤형 브랜드 모델을 학습시키는데, 이미지 작업에는 강력하지만 영상에는 무용합니다. Runway의 Gen-4.5는 실제 물리 시뮬레이션을 갖춘, 이용 가능한 최고의 AI 영상을 만들어 냅니다 — 그리고 브랜드 거버넌스는 전무합니다. 가공되지 않은 결과물을 받게 됩니다. Kling 3.0은 Runway 비용의 약 40%로 멀티샷 일관성을 구현합니다. 이들 중 어느 것도 문제 전체를 해결하지 못하며, 저는 바로 그 틈새에서 브랜드 콘텐츠 이니셔티브가 멈춰 서는 것을 여러 번 지켜봤습니다 — 거버넌스를 위해 Typeface를 샀다가, 자신들의 영상 파이프라인이 전적으로 그 바깥에 있다는 걸 발견한 팀 말입니다. 도구들 사이의 틈새가 바로 실제 작업이 있는 곳입니다.

컴플라이언스는 크리에이티브 검토가 아니라 메타데이터에 있습니다

제가 법적인 측면에서 브랜드들이 저지르는 실수는 AI 공개를 크리에이티브 검토의 체크박스처럼 다루는 것입니다. 그렇지 않습니다. 그것은 데이터 아키텍처의 문제이며, 가장 이빨이 날카로운 규칙에 대해서는 마감이 이미 지났습니다.

2026년 8월부터 시행되는 EU AI 법 제50조는 AI로 생성된 콘텐츠를 기계 판독이 가능한 형식으로 표시하고 인위적으로 생성된 것으로 탐지할 수 있도록 할 것을 요구합니다. 이 문장을 두 번 읽어 보세요. 기계 판독 가능. 그 의무는 여러분의 크리에이티브 디렉터의 눈이나 승인 회의에 있는 것이 아니라 — 여러분의 디지털 자산 관리 시스템과 CMS에, 각 자산 기록이 실제로 AI 출처 메타데이터를 담고 있는지에 있습니다. 저는 "AI 생성: 예/아니오" 필드가 비어 있는 DAM 기록을 너무 많이 열어봐서 이것이 제대로 처리되고 있다고는 믿지 않습니다. 벌칙도 이론에 그치지 않습니다. 투명성 위반에 대해 최대 1,500만 유로 또는 전 세계 매출의 3%까지 부과될 수 있습니다.

게다가 이것은 하나의 규칙이 아니라 파편화되는 짜깁기입니다. FTC의 개정된 보증 지침은 합성 AI 추천에 대해 명확하고 눈에 띄는 공개를 요구합니다. 2026년 6월 발효된 뉴욕주의 SB-8420A는 상업 광고에서 AI로 생성된 합성 출연자에 대한 눈에 띄는 공개를 의무화합니다. 캘리포니아의 AB 853은 자체 요건을 단계적으로 도입합니다. 관할권마다, 시행 일정마다, 정의마다 조금씩 다릅니다. 이 모두에 걸쳐 판매하는 프리미엄 브랜드에는 각기 추측하는 네 번의 크리에이티브 검토가 아니라, 가장 엄격한 기준을 충족하는 하나의 거버넌스 프레임워크가 필요합니다.

여러분의 AI 공개 의무는 승인 회의에 있지 않습니다. 그것은 여러분의 자산 메타데이터에 있습니다 — 그리고 대부분 브랜드의 메타데이터는 비어 있습니다.

이것은 우리가 구축하는 역량 중 가장 화려하지 않은 것이면서, 제 경험상 실제로 계약을 성사시키는 것이기도 한데, 벌금으로 이어지는 부분이기 때문입니다.

하지만 거버넌스는 단지 보험만은 아닙니다. 제가 본, 성숙한 AI 거버넌스를 일찍 구축한 브랜드들은 벌금을 피하는 데 그치지 않습니다 — 그들은 더 빠르게 출시하는데, 팀이 매 프로젝트마다 무엇이 허용되는지를 다시 따지는 일을 멈추기 때문입니다. 연구도 이를 뒷받침합니다. 성숙한 AI 거버넌스를 갖춘 조직은 대략 2.5배 빠르게 혁신하고 컴플라이언스 리스크는 약 40% 낮습니다. 여러분을 법정 밖에 있게 해주는 프레임워크가 바로 여러분을 움직이게 해주는 것과 같은 것입니다.

이 모든 것을 위해 그냥 플랫폼 하나를 사면 안 될까요?

사람들은 제게 같은 질문의 변형을 자주 던집니다. 이 모든 것을 위해 그냥 플랫폼 하나를 사면 안 되나요? 그리고 저는 구매한 소프트웨어가 어디서 멈추는지에 대해 솔직해야 합니다.

대형 시스템 통합업체들은 기꺼이 여러분을 위해 AI 콘텐츠 전략을 설계해 줄 것입니다 — 이 프로젝트는 50만 달러에서 500만 달러 이상이 들고, 그들은 작동하는 파이프라인이 아니라 슬라이드 자료와 프레임워크를 내놓습니다. 그들은 어차피 실제 구축은 우리 같은 회사에 하도급을 주는 경향이 있습니다. 사내 팀은 완전한 통제권과 브랜드 지식에 대한 직접 접근을 제공하지만, AI 네이티브 크리에이티브 프로듀서는 지금 채용하기가 극도로 어렵고, 거버넌스를 처음부터 구축하는 데는 대부분의 팀이 6개월에서 12개월이 걸립니다. Superside 같은 서비스 업체는 대규모로 AI 증강된 사람의 솜씨를 제공하지만, 여러분이 사는 것은 인력이지 소유하고 유지하는 시스템이 아닙니다.

제가 첫 회의에서 짚어 말하는 법을 배운, 더 까다로운 한계가 있습니다. 어떤 외부 당사자도 — 플랫폼도, 통합업체도, 우리도 — 여러분의 조직 내부 동의 문제를 해결해 줄 수는 없습니다. 저는 한번 자신의 이름을 AI 작업에 올리지 않겠다고 주저 없이 말하는 크리에이티브 디렉터와 마주 앉은 적이 있습니다. 그가 그렇게 느끼는 것이 틀린 것은 아니며, 어떤 거버넌스 아키텍처도 그것을 뒤집지 못합니다. 여러분의 브랜드를 만드는 사람들이 그 워크플로를 근본적으로 거부한다면, 세상 최고의 기술도 쓰이지 못한 채 놓여 있게 됩니다. 여러분 조직 내부의 변화 관리는 여러분이 책임져야 할 몫입니다. 저는 도구가 그것을 해결해 주는 척하기보다 일찍 그렇게 말하는 편을 택하겠습니다.

우리가 맡을 수 있는 것은 바로 아키텍처입니다: 관할권을 넘나드는 거버넌스 프레임워크, 하나의 플랫폼 로드맵이 아니라 여러분의 실제 필요에 맞춘 벤더 중립적 도구 조합, 여러분의 실제 가이드라인을 읽어내는 VLM 기반 브랜드 충실도 점수화, 에이전시 감사 역량, 고객이 기계 작업을 용인할 지점과 용인하지 않을 지점에 맞춰 조율한 하이브리드 파이프라인, 그리고 현지화를 위한 문화적 적응 검토입니다. 그것이 바로 우리가 브랜드 콘텐츠 팀을 위해 구축하는 시스템이며, 우리는 그것을 여러분이 이미 사용하는 플랫폼 및 에이전시를 대체하기 위해서가 아니라 그것들과 통합되도록 구축합니다.

앞으로 몇 년을 이기는 브랜드는 AI를 가장 많이 쓴 곳도, 가장 적게 쓴 곳도 아닐 것입니다. 그들은 자신의 고객이 언제나 자기 머릿속에서 탐지기를 돌리고 있다는 것을 이해하고, 그것을 존중하는 제작 시스템을 구축한 곳일 것입니다 — 기계가 도움이 되는 곳에서는 공격적이고, 그것이 고객을 배신할 곳에서는 보이지 않게 말입니다. 그 적대적인 소비자 패널을 마주한 CMO에게는 기술 문제가 있었던 것이 아닙니다. 그녀에게는 효율이 고객이 지켜보고 있는 바로 그 한 곳으로 새어 들어가게 만든 시스템이 있었던 것입니다. 그 누수를 막으면, AI는 평판의 부담이기를 멈추고 처음부터 마땅히 그래야 했던 것 — 사람들이 실제로 신뢰하는 작업을 더 빠르게 만드는 방법 — 으로 돌아갑니다.