AI 에이전트 패러다임: 광고의 미래에 미치는 영향

AI 에이전트는 캠페인 개발 및 타겟팅 방식부터 성과 측정 및 최적화 방식에 이르기까지 광고 산업의 거의 모든 부분에 영향을 미치기 시작했습니다. 이는 단순히 크리에이티브 자산이 제작되는 방식을 바꾸는 것이 아니라, 잠재고객 조사부터 미디어 기획, 실시간 타겟팅 및 개인화에 이르기까지 시간이 지남에 따라 전체 워크플로를 바꾸고 있습니다.

광고에서는 타이밍과 관련성이 최적화해야 할 가장 중요한 요소이며, 바로 이 지점에서 생성형 AI가 가치를 더합니다. 행동, 맥락, 선호도에 따라 개별 사용자에게 메시지를 맞춤화하는 데 도움이 될 수 있습니다. 여러 버전의 카피나 시각 자료를 생성하고, 고객 여정의 다양한 접점에 맞춰 캠페인에 영향을 미칠 수 있습니다. 이는 사용자 의도나 참여도를 예측하는 머신러닝 모델과 결합하여 더욱 적응력 있고 반응이 빠른 광고를 가능하게 합니다.

생성형 AI 도구가 일상적인 광고 워크플로에 더 많이 내장됨에 따라, 업계 생태계는 효율성, 확장성, 관련성이 무엇인지 다시 생각해야 합니다. 효율성이란 마케팅 의사결정을 자동화하고, 반복 주기를 가속화하며, 인간의 작업을 보강하는 것을 의미합니다. 확장성을 통해 비용을 선형적으로 늘리지 않고도 다양한 잠재고객, 지역, 맥락에 맞춰 수천 개의 개인화된 콘텐츠 변형을 생성할 수 있습니다. 관련성이란 개인의 현재 의도 및 행동에 부합하는 메시지를 만들기 위해 더 많은 데이터를 사용하는 것을 의미합니다.

그렇다고 해서 광고에 생성형 AI를 대규모로 배포하는 것이 단순히 LLM이나 크리에이티브 도구를 연결하는 것만을 의미하지는 않습니다. 여기에는 신중한 계획, 인프라, 운영상의 조율이 필요합니다. 여기에는 다음이 포함됩니다.

1. 조직에 명확하고 높은 가치의 영향을 미칠 전략적 사용 사례를 정의합니다.

2. 올바른 인프라 구축 – 이 안전한 기반은 실험 및 프로덕션 워크플로를 모두 지원하는 데 핵심입니다.

3. 데이터 기반 구축. 데이터는 GenAI를 유용하고 현실에 기반을 두도록 만들어 주기 때문입니다.

4. 광고/콘텐츠 수명 주기 전반에 걸쳐 GenAI를 재사용 및 조합 가능한 기능으로 분할하기 위해 모듈식 기능을 구축하거나 연결합니다.

5. 특히 다단계 워크플로 및 상황에 맞는 적응을 위한 내장 로직을 위해 작업을 자동화하는 에이전트를 배포합니다.

6. 출력의 정확도를 측정하고 에이전트 응답을 개선할 방법을 마련하기 위한 평가를 설정합니다.

7. 거버넌스 및 가드레일 설정: 팀 전반에 걸쳐 GenAI를 사용하는 방법과 시기를 정의합니다.

하지만 올바른 프레임워크를 마련하고 반복적인 프로세스를 따르면, 특히 적합한 사람에게 적시에 적합한 메시지를 전달 하는 등, 더 스마트한 데이터 기반 의사 결정을 추진하려는 조직에 많은 이점을 가져다 줄 수 있습니다. 크리에이티브 제작부터 캠페인 워크플로 자동화, 초개인화 메시징, 상황 인식 콘텐츠 배치, 키워드-크리에이티브 매칭, 견고한 잠재고객 세분화, 진행 중인 캠페인 측정 & 동적 예산 최적화에 이르기까지 다양한 사용 사례를 간소화할 수 있습니다. 조직이 계속해서 도입하고 학습함에 따라 사용 사례는 계속 확장되고 있습니다.

Databricks는 광고 분야에서 GenAI를 어떻게 활용하도록 지원하나요?

• 통합 데이터 플랫폼(Lakehouse 아키텍처) - 광고주는 퍼스트파티 데이터(예: CRM, 행동, 캠페인 성과, 제3자 데이터, 콘텐츠 메타데이터 등을 깨끗하고 통제된 방식으로 사용하며, 동일한 데이터로 LLM을 학습, 미세 조정 또는 쿼리합니다.
• 광고 에코시스템 파트너십 - Databricks는 광범위한 기술 및 솔루션 파트너와 협력합니다. 광고주는 1PD 데이터와 함께 Databricks Clean Room을 통해 2nd & 3rd party 데이터에 대해 협업하거나, Databricks marketplace 또는 직접적인 delta share를 통해 추가 데이터 소스를 통합할 수 있습니다.
• AI 에코시스템 연결성 - Databricks는 LangChain과 같은 도구와도 통합되며 상용 & 오픈 AI 모델을 모두 사용하는 하이브리드 워크플로를 지원합니다. Databricks AI Gateway는 사용자가 호출하려는 Databricks 애플리케이션과 외부 LLM API 사이에 위치하는 프록시 레이어 역할을 합니다. Databricks는 또한 OpenAI, Anthropic, Google, Meta 등과 파트너십을 맺고 있어 해당 기업들의 모델을 Databricks에서 네이티브로 사용할 수 있습니다.
• LLM 액세스 및 맞춤화 - 광고팀은 종종 특정 요구에 맞게 조정된 모델을 필요로 합니다. Databricks를 사용하면 기존 AI 모델로 시작한 다음 자체 데이터로 미세 조정할 수 있습니다. 이것이 바로 “데이터 인텔리전스”의 기반입니다.
• 검색 증강 생성(RAG) & 벡터 검색 - Databricks는 벡터 검색 및 검색 도구를 지원하여 AI 모델이 관련성 높은 최신 콘텐츠나 데이터에 접근할 수 있도록 합니다.
• 모델 서빙 및 운영(LLMOps, 모니터링, 거버넌스) - Databricks는 모델 서빙 엔드포인트, 내장된 모니터링, 실험 및 모델 성능 추적을 위한 MLflow와 같은 도구를 제공하며, 이를 통해 엄격한 규정 및 가이드라인을 준수하는 안전한 출력을 보장할 수 있습니다.
• 에이전트 프레임워크 및 툴링 - 에이전트 프레임워크를 사용하면 데이터 가져오기, 모델 호출, 도구 적용, 로직 주입 및 정책 적용을 오케스트레이션하는 에이전트를 구축할 수 있습니다. 이를 통해 광고팀은 엔드투엔드 프로세스를 더 많이 자동화할 수 있습니다.
• 비즈니스 사용자를 위한 SQL + AI 함수 - AI 함수 지원을 통해 SQL 사용자는 SQL 워크플로에 모델 호출이나 생성 작업을 직접 포함할 수 있습니다(예: SQL 내에서 텍스트 요약, 감성 분석, 유사성 일치 수행). 이는 마케팅 분석가나 캠페인 운영 담당자의 진입 장벽을 낮춰줍니다.

향후 블로그에서는 Databricks 필드 엔지니어링 팀이 구축한 두 가지 주요 솔루션을 집중 조명하여 이를 실제로 적용하는 방법을 보여줍니다. 하나는 AI 에이전트를 활용하여 상황에 맞는 콘텐츠 및 광고 게재를 지원하고, 다른 하나는 AI 에이전트와 멀티모달 RAG를 활용하여 대규모로 고급 광고 개인화 및 고품질 크리에이티브를 구현합니다. 두 가지 모두 고객 경험과 직접적으로 연결되기 때문에 업계에 매우 관련성이 높은 사용 사례입니다.

(이 글은 AI의 도움을 받아 번역되었습니다. 원문이 궁금하시다면 여기를 클릭해 주세요)