AdExchanger(미디어, 광고데이터)
Agentic AI 도입, 언제 쓰지 말아야 할지부터 정하라
데이터원본 2026년 9월 23일
한마디로
에이전트형 AI를 무조건 많이 쓰는 게 아니라 정해진 규칙 작업은 결정론적 소프트웨어에 맡기고 모호한 판단이 필요한 일에만 AI를 투입해야 비용 대비 효과가 나온다는 얘기예요
무슨 내용인가
이 글은 광고업계에서 agentic AI를 도입할 때 목표와 예산, 가드레일을 명확히 정하고 90일 단위 파일럿 계획을 세우라고 제안합니다. McKinsey, BCG, Gartner 모두 토큰 사용량을 줄이고 예측 가능한 규칙 기반 작업은 결정론적 소프트웨어로 돌리는 것이 AI 비용을 20-30% 절감하는 가장 강력한 방법이라고 지적하는데요, 여러 모델과 규칙 기반 로직을 결합한 레이어드 아키텍처는 단일 프론티어 모델만 쓸 때보다 블렌디드 토큰 비용을 최대 87%까지 줄일 수 있다고 합니다. 예약, 실행, 청구 같은 트랜잭션 처리는 결정론적 소프트웨어가 더 빠르고 저렴하고 안전하며, agentic AI는 모호한 데이터를 해석하거나 인사이트를 도출하는 일에 써야 한다는 게 핵심 제안이에요.
에디터 노트 | FactStack
토큰 비용 87% 절감이라는 수치보다 더 눈여겨봐야 할 건 '어디에 AI를 쓰지 말지'를 먼저 정하라는 순서예요. 국내 실무에서는 반대로 접근하는 경우가 많습니다. 예약, 청구, 트래킹처럼 규칙이 명확한 업무일수록 LLM을 붙이고 싶어 하는데, 이런 데는 결정론적 로직이 속도와 안정성 모두에서 이깁니다. 레이어드 아키텍처 얘기도 결국 모델 하나로 전부 해결하려는 욕심을 버리라는 신호고, 90일 파일럿 단위로 ROI를 끊어서 보는 습관이 예산 승인권자 설득에는 기술 스펙보다 훨씬 유효합니다.
실무 시사점
미디어 바잉이나 캠페인 플래닝처럼 반복적이고 패턴이 많은 업무에 agentic AI를 투입하되, 예약과 청구 같은 재무 관련 작업은 결정론적 소프트웨어로 유지하고 90일 파일럿으로 ROI를 검증한 뒤 확장 여부를 결정하는 방식이 실무에 바로 적용할 수 있습니다
태그
용어 풀이
- Agentic AI
- 스스로 판단하고 행동하는 AI 에이전트 기술
- ROI
- 투자 대비 수익률을 뜻하는 지표
- Hybrid Architecture
- 규칙 기반 소프트웨어와 AI를 함께 쓰는 시스템 설계 방식
- AdTech
- 광고 기술 산업 전반을 가리키는 용어
공유