지난 1년 동안 마케팅 현장의 가장 큰 화두는 단연 AI와 에이전트였어요. 이제 이 둘을 빼놓고 마케팅의 변화를 이야기하기 어려울 정도죠.
AI를 업무에 도입하는 조직이 늘면서 변화의 범위도 커졌어요. 스킬이나 에이전트로 개별 업무의 생산성을 높이는 수준을 넘어, 업무 시스템과 환경 자체를 다시 설계하는 단계로 나아가고 있어요.
이번 Modern Growth Stack 2026(MGS26)은 이러한 변화를 ‘Stack AI, Rewrite Everything’이라는 주제 아래 살펴봤어요. 기존 방식에 AI를 덧붙이는 데서 그치지 않고, 마케팅의 판을 새로 짜고 있는 기업들이 경험과 인사이트를 공유했죠.
AI로 일하는 방식을 다시 설계하고 있는 기업들과 함께한 MGS26 현장, 지금부터 소개할게요.
.webp)
올해로 7회째를 맞은 MGS26에는 온·오프라인 모두 합쳐 약 2,000분이 참석해 주셨어요. 쉬는 시간마다 홀이 가득 찰 정도로 많은 분이 현장을 찾아주셨는데요. AI가 실제 업무와 조직 운영에 어떻게 활용되고 있는지, 우리 조직에는 어떻게 적용할 수 있을지 실마리를 찾으려는 참석자들의 열기를 느낄 수 있었어요.
앰플리튜드, 브레이즈, 레비뉴캣 등 총 18개 파트너사가 참여했고 27개 세션이 진행됐어요. 파트너사 부스에서는 인형 뽑기와 경품 룰렛 등 다양한 이벤트가 열려 쉬는 시간에도 활기가 이어졌고요. 모든 세션이 끝난 뒤에는 네트워킹 파티가 계속되며 현장의 열기를 마지막까지 이어갔어요.
올해 MGS는 메인 컨퍼런스인 MGS26을 비롯해, 다섯 개 파트너사와 함께한 miniMGS26까지 아우르는 ‘MGS WEEK’로 확장됐어요. MGS26 당일에 미처 나누지 못한 이야기를 더 깊이 다루기 위해, 5차례의 miniMGS26가 3일간 AB180 오피스에서 열렸는데요. 앰플리튜드, 브레이즈, 레비뉴캣, 애피어, NNT의 담당자들이 참석자들과 직접 소통하며 한층 깊이 있는 이야기를 나눴어요.
오프닝을 연 AB180 대표 남성필 님은 MGS를 준비하며 들은 이야기 하나를 소개했어요.
기존 프로세스를 단계별로 개선하려 했을 때는 기대한 성과가 나지 않았지만, 1명의 담당자가 새로운 에이전트 워크플로로 전체 과정을 처음부터 끝까지 수행하자 오히려 성과가 나타났다고 해요.
“AI는 점진적인 개선이 아니라 파괴적인 창조를 합니다. 새로운 기반에서 다시 쓰는 혁신적인 구조가 AI의 본질이라고 생각합니다.” (AB180 대표 남성필)
즉, ‘다시 쓴다’는 것은 기존 업무에 AI 기능 하나를 더한다는 뜻이 아니었어요. 한 사람이 에이전트와 함께 처음부터 끝까지 일하고, 분석 도구가 판단과 실행까지 맡도록 업무 구조 자체를 바꾼다는 의미였죠.
AB180 대표 정헌재 님은 이 원리를 약 150년 전 공장 이야기로 풀었어요.
처음에는 라인 샤프트를 돌리는 동력만 증기에서 전기로 바꿔 기존 제약이 그대로였는데요. 이후 공장에 배선을 깔고 기계마다 모터를 달아 라인 샤프트를 걷어내자 생산성이 비약적으로 높아졌다고 해요. 신기술의 잠재력을 활용하려면 기반부터 다시 설계해야 한다는 이야기였죠.
마케팅도 마찬가지예요. AI가 데이터와 조직의 맥락을 바탕으로 판단하고 실행한 뒤, 결과까지 평가할 수 있는 환경이 필요해요.
설치 수가 늘고 CPI(설치당 비용)가 줄어든 캠페인을 보면 맥락이 없는 AI는 “예산을 확대하자”고 답해요. 하지만 목표가 유료 구독 확대이고, 신규 고객의 D30(가입 30일 차) 구독 매출을 우선하며, CAC 페이백은 6개월 이내여야 한다는 조건을 주면 판단이 달라져요. 성과가 개선됐다고 단정할 수 없으며, 조건을 충족하는 곳에만 예산을 재배분해야 한다고 답하죠.
“완전히 같은 데이터에 완전히 같은 요청이었는데 완전히 다른 답을 합니다. 차이는 맥락입니다.” (AB180 대표 정헌재)
이렇듯 AI가 타깃과 소재, 예산을 직접 움직이고 그 결과를 다음 판단에 반영할 때 루프가 완성돼요. AI 전환은 새로운 도구를 더하는 일이 아니라, AI가 판단하고 실행하고 배울 기반을 만드는 일이에요.
AI 덕분에 모두가 빨라진 시대인데요. 무엇으로 차이를 만들 수 있을까요? 앰플리튜드는 실행 자체보다 결과를 검증하고 학습을 축적하는 능력에서 답을 찾았어요.
앰플리튜드 APJ 부사장 Matt Bennett 님은 ‘스스로 학습하는 그로스 엔진’에 관한 인사이트를 공유했는데요. AI와 마케팅이 만나면서 실행 속도는 어느 때보다 빨라졌지만, 그 결과를 이해하고 학습하는 속도는 따라오지 못했다고 진단했어요.
여기서 Matt 님은 스스로 학습하는 그로스 엔진을 이루는 3가지 요소를 제시했어요.
노션은 이러한 시스템을 바탕으로 분기당 한 자릿수였던 실험을 300건 이상으로 늘렸고, 그 결과 활성화율을 10~15% 높였다고 해요. 빠른 실행은 곧 따라잡히지만 그 과정에서 얻은 학습은 복리처럼 쌓이는 것이죠.
“오늘날 실행 속도는 분명 중요합니다. 하지만 시간이 흐를수록 복리로 쌓여 조직을 차별화하는 것은 학습 속도입니다.” (앰플리튜드 APJ 부사장 Matt Bennett)
이어서 발표한 앰플리튜드 한국 비즈니스 총괄 최동훈 님은 학습이 분석에서 끝나서는 안 된다고 강조했어요.
가설을 세우고 통제된 실험으로 검증한 뒤, 새로운 기능이나 캠페인을 일부 유저에게 먼저 공개해야 하며, 문제가 없으면 점차 확대하고, 문제가 생기면 빠르게 되돌려야 해요. 이 과정이 반복될 때 조직만의 학습 루프가 만들어져요.
“오늘 출시한 기능·UI·프로모션·캠페인은 수시간 내에 복제될 수 있습니다. 하지만 지난 1~2년간 차곡차곡 쌓아온 학습 결과는 그 누구도 베껴갈 수 없는 우리만의 자산입니다.” (앰플리튜드 한국 비즈니스 총괄 최동훈)
AI는 메시지 작성부터 캠페인 설정까지 빠르게 자동화하고 있어요. 그렇다면 AI에게 더 많은 일을 맡길수록 CRM이 더 나아질까요?
브레이즈와 코오롱FnC는 “얼마나 많이 맡길 것인가”보다 “무엇을 위해, 어떤 기준으로 맡길 것인가”에 대해 먼저 답해야 한다고 입을 모았어요.
브레이즈 APAC·중동 총괄 부사장 Shahid Nizami 님은 ‘더 많은 산출(output)이 아니라 더 나은 결과(outcome)’를 강조했어요. AI가 만드는 콘텐츠가 늘어날수록 고객과 비즈니스를 위한 결과에 더 집중해야 한다는 이야기였죠.
“AI가 만들어내는 콘텐츠는 사실상 무한하지만, 고객의 관심은 유한하고 충성도는 쉽게 흔들립니다. 산출에만 집중하면 우리가 만들고자 했던 결과를 놓치게 됩니다.” (브레이즈 APAC·중동 총괄 부사장 Shahid Nizami)
이는 과거 배너 광고의 역사에서 알 수 있어요. 1994년 HotWired 배너 광고의 클릭률은 78%에 달했지만, 2011년 Facebook 배너 광고의 클릭률은 약 0.05%까지 떨어졌다고 해요. 약 1,500배 낮아진 수치였죠. 단순히 노출을 늘리는 것만으로는 고객의 관심을 붙잡을 수 없다는 뜻이에요.
브레이즈는 규칙 기반 자동화를 넘어 스스로 추론하는 AI 에이전트로 나아가고 있지만, 그렇다고 모든 일을 에이전트로 바꾸는 것이 답은 아니에요.
퍼스트파티 데이터로 필요한 맥락을 주고, 목표와 가드레일을 분명히 해야 하며, 무엇보다 그 결과가 실제 고객 경험과 성과로 이어지는지 판단하는 일은 여전히 마케터의 몫이라는 것을 강조했어요.
이어진 코오롱FnC 온라인 마케팅 팀장 김연한 님의 세션은 이 원칙을 실무로 옮긴 이야기였어요.
코오롱몰은 자사 브랜드 약 20개와 국내외 브랜드 약 500개가 입점한 플랫폼인데요. 7주 동안 캠페인 약 200건과 세그먼트 약 60개를 운영했고, 한 건을 설정하는 데도 10분 이상이 걸렸다고 해요. 그래서 김연한 님은 규칙과 루틴이 분명한 이 반복 작업부터 자동화하기로 결정했어요.
처음부터 AI에 모든 권한을 주지는 않았다고 해요. 먼저 읽기만 허용해 오류를 찾게 하고, 반복해서 검증된 판단은 규칙으로 만들었죠. 사람이 승인했을 때만 쓰기 단계로 넘어가며 신뢰를 검증된 만큼만 넓혔어요.
AI는 구글 시트의 편성 정보를 읽어 캠페인에 필요한 값을 만들고, 노션에 기록해 이상 여부를 확인했어요. 사람이 승인해야 브레이즈 설정 단계로 넘어가며, AI가 직접 발송하지는 않아요. 문제가 생기면 작업도 자동으로 멈추는 방식이죠.
“이 프로젝트를 처음 만들 때부터 ‘AI는 절대 발송하지 않는다’고 정했어요. 그 원칙을 모든 지침 문서에 강제로 넣어뒀습니다.”(코오롱FnC 온라인 마케팅 팀장 김연한)
김연한 님은 이 과정에서 느낀 AI를 실제 업무에 적용할 때 기억해야 할 3가지를 공유해주셨어요.
두 발표의 답은 분명했어요. AI에 더 많은 일을 맡기는 것보다, 원하는 결과와 지켜야 할 기준을 먼저 정해야 하며, 특히 고객에게 영향을 미치는 마지막 결정에는 반드시 사람의 판단과 책임이 필요하다는 것이죠.
앱 성장을 이야기할 때 가장 먼저 떠올리는 것은 신규 유저 획득이에요. 하지만 광고비를 늘려 설치를 확보하는 것만으로 성장이 완성되지는 않아요.
레비뉴캣은 결제 시스템에 숨어 있는 매출 누수를, 액션핏은 빠른 제작과 검증으로 성장 가능성이 있는 게임을 찾는 방식을 이야기했어요. 출발점은 달랐지만, 두 세션 모두 획득 광고 바깥의 구조가 성장을 좌우한다고 짚었죠.
레비뉴캣 시니어 데브렐(DevRel: Developer Relations) 엔지니어 엄재웅 님은 약 12만 개 앱의 구독 데이터를 바탕으로, 그로스 문제의 원인이 엔지니어링에 숨어 있을 수 있다고 짚었어요.
대표 사례는 사용자와 대시보드 모두에서 쉽게 드러나지 않는 ‘보이지 않는 기술 세금’이었어요. 이날 발표에서 소개한 데이터에 따르면, 구글 플레이에서 발생한 구독 해지 중 32.2%는 사용자의 선택이 아닌 결제 오류 때문이었다고 해요.
하지만 사용자에게 이탈 이유를 물었을 때 기술 문제라고 답한 비율은 3~7%에 불과했죠. 결제 실패를 제때 감지하고 복구하면, 이탈한 월간 구독자의 약 20~24%를 다시 구독 상태로 돌릴 수 있었다고 해요.
구독 플랜을 바꿀 때 정산 방식을 잘못 선택해도 매출이 샐 수 있어요.
“월 9.99달러에서 연 99.99달러로 올리는 유저가 1만 명일 때 프로레이션 모드를 잘못 고르면 약 5만 달러가 그냥 샙니다. 10만 명이면 50만 달러예요.”(레비뉴캣 시니어 데브렐 엔지니어 엄재웅)
코드에서는 설정값 한두 줄의 차이지만 결국 매출 정책의 문제예요. 그로스 지표 뒤에 숨은 기술적 원인을 먼저 찾아야 하는 이유죠.
액션핏 그로스 팀장 서혜강 님은 AB180 리드 최혜린 님과의 대담에서 히트작 '빠지냥(Drop the Cat)' 이야기를 공유해주셨어요.
빠지냥은 출시 4개월 만에 누적 매출 100억 원을 넘겼고, 90% 이상이 해외에서 나왔는데요. 눈길을 끈 건 게임을 만드는 방식이었어요.
액션핏에서는 시장에 가까운 마케터가 게임을 제안하고 PM까지 맡는데, 빠지냥도 마케터가 벤치마크 게임을 찾은 뒤, 마케터와 아트, 개발 담당자 3명이 몇 주 만에 프로토타입 제작과 스케일업을 진행했다고 해요.
여기서 액션핏은 트렌드를 빠르게 포착하는 패스트 팔로어 전략을 택했어요. 성공할 게임을 미리 알기 어려운 만큼 빠르게 만들고, 가능성이 낮으면 접고 다시 시도했죠. 지난 1년간 만든 최소 기능 게임(MVP)은 46개, 올해는 100개 이상을 목표로 잡았어요.
"어떤 게임의 성공은 운에 가깝지 않나 생각합니다. 그래서 최대한 다양한 게임, 많은 게임을 만들려고 하는 것을 전략으로 잡고 있습니다."(액션핏 마케팅·PM 담당 서혜강)
물론 무작정 많이 만드는 건 아니에요. 초기 지표로 테스트 지속 여부를 정하고, 스케일업 단계에서는 광고비 회수 가능성을 확인했어요. AB180도 그로스 파트너로 빠지냥의 지표를 함께 살폈고요.
레비뉴캣은 이미 발생한 매출 누수를 막았고, 액션핏은 빠른 실험으로 다음 성장 기회를 넓혔어요. 방식은 달라도 둘 다 유저 획득 비용을 더 쓰는 것보다 제품과 운영 구조 안에서 성장의 지렛대를 찾았죠.
지금까지 AI가 마케팅의 여러 영역을 어떻게 바꾸는지 살펴봤다면, 마지막으로 이 변화가 업무와 조직 전체로 확장된 사례를 볼게요. 오픈AI는 워크플로를, 마이리얼트립은 조직을, 크래프톤은 실무 운영을 다시 설계했어요.
출발점은 달랐지만 결론은 같았어요. 기존 업무에 AI 기능을 더하는 데 그치지 않고, 일하는 방식 자체를 다시 짤 때 AX(AI Transformation)가 시작된다는 것이었죠.
오픈AI 어카운트 디렉터 이동재 님이 강조한 것은 도구보다 업무 구조였어요. AI가 리포트 초안만 돕는다면 일부 업무만 빨라지는데요. AI가 먼저 일하고 사람은 판단이 필요한 순간에 들어오도록 워크플로 전체를 다시 설계해야 한다고 봤죠.
"아무리 좋은 AI를 쓰셔도 워크플로우 그 자체가 바뀌지 않으면 AI를 통해 얻으실 수 있는 이점도 제한적입니다."(오픈AI 어카운트 디렉터 이동재)
오픈AI 마케팅팀은 이렇게 확보한 시간으로 이전보다 더 많은 실험과 테스트를 진행하고 있다고 해요. 다른 팀을 기다리며 생기던 병목도 줄어 작은 조직이 더 큰 성과를 낼 수 있게 됐고요.
마이리얼트립 대표 이동건 님은 조직의 관점에서 AX를 풀었어요. 2022년 챗GPT를 접한 뒤 48시간 만에 AI 여행 플래너를 만들었지만 반응은 오래가지 않았어요. 기능 하나만 더해서는 아무것도 바뀌지 않는다는 교훈을 얻었죠.
그래서 개발·디자인·기획·QA·데이터로 나뉜 제품 직군을 '프로덕트 엔지니어'로 통합했어요. 한 사람이 고객의 문제를 발견하고 처음부터 끝까지 해결하는 구조로 바꾼 거예요.
"이 작은 팀이 우월하다는 전제 아래 소수정예 조직을 만들어야 한다고 믿고, 이렇게 마이리얼트립이라는 여행 회사를 다시 쓰고 있습니다."(마이리얼트립 대표 이동건)
운영 방식도 달라졌다고 하는데요. AI가 고객 문의의 상당 부분을 처리하면서 사람은 복잡하고 중요한 문제에 집중하게 됐고, 고객센터 만족도도 높아졌다고 해요.
크래프톤 그로스마케팅 매니저 정여원 님은 신작 게임의 UA(유저 확보)에서 반복 업무 때문에 중요한 의사결정이 밀리는 문제를 해결하고자 했어요. 먼저 효과와 자동화 난이도를 기준으로 업무를 분류하고, 임팩트가 크면서 빠르게 바꿀 수 있는 일부터 골랐죠. 이어 데이터 수집부터 리포팅까지 자동화했어요.
그 결과 추가 채용이나 파트너사에 대한 의존 없이 런칭 캠페인을 소수 인원으로 운영했고, 반복 작업에 쓰던 시간도 크게 줄었어요.
"AI가 만든 것은 칼퇴가 아니라 몰입인 것 같아요."(크래프톤 그로스마케팅 매니저 정여원)
확보한 시간은 담당 게임의 성장과 다음 기회를 고민하는 데 쓰였어요. 3가지 사례에서 알 수 있듯이, 사람의 역할은 사라지지 않았어요. 반복 작업에서 벗어나 판단하고 고객을 만나며 다음 기회를 찾는 쪽으로 옮겨갔죠.
모든 세션이 끝난 뒤에도 부스와 네트워킹 파티에서는 대화가 이어졌어요. 참석자들은 세션에서 얻은 인사이트를 각자의 업무에 어떻게 적용할지 생각을 나눴죠.
MGS26에서는 다양한 사례가 공유됐지만 모두 한 방향을 가리키고 있었어요. AI 시대의 경쟁력은 단순히 더 많이 만들고 빠르게 실행하는 데 있지 않았어요. AI가 제대로 판단할 수 있는 맥락을 갖추고, 실행의 결과에서 배우며, 사람이 책임질 수 있도록 일하는 방식을 다시 설계하는 데 있었죠.
내년에는 또 어떤 변화와 새로운 사례를 만나게 될까요? MGS26에서 발견한 질문 하나가 각자의 작은 실험과 변화로 이어지기를 바라며, 내년 MGS27에서 다시 만나요.
