AI 지원 창작팀이 직면한 도전 과제에 정밀한 금전적 가치를 매기기 어렵지만, 각각은 성공을 위협하는 잠재적 장애물입니다. 가트너의 2023년 10월 글로벌 마케터 400명을 대상으로 한 설문조사에 따르면, 58%가 콘텐츠 제작에 생성형 AI를 사용하고 있으며, 많은 광고주들은 유니레버와 같은 반자동화 시스템 개발을 목표로 하고 있지만, 이러한 AI 기반 생산 라인을 구축하는 데는 1년 이상 걸릴 수 있습니다. Code & Theory의 크레이그 엘리멜리아 chief creative officer는 AI 생산을 “다른 사람의 집을 임대하는 대신 자신의 집을 짓는 것”에 비유합니다. 이 ‘집 짓기’는 법률 자문, 브랜드에 적합한 대형 언어 모델(LLMs) 선정, 브랜드 가이드라인과 과거 콘텐츠를 정성스럽게 모아 생성형 AI가 이해할 수 있도록 하는 브리핑 작성 등을 포함하며, 브랜드 민감 자료를 신뢰성 있게 처리하기 위해 많은 시행착오가 필요합니다. 이와 같은 준비는 상당한 시간 투자를 요구하며, 역설적이게도 가트너 연구에 따르면 마케터의 81%는 AI를 통한 시간 절약으로 성공을 측정하고 있습니다. WPP의 호가스 글로벌 프로덕션 책임자 데이브 롤프는 이 새로운 프로세스에 적응하는 것이 가장 비용이 많이 드는 부분이라고 덧붙입니다. 또한, 이러한 AI 시스템을 설계, 구현, 운영할 숙련된 인력을 확보하는 것도, 기술 대기업과 광고주 간 경쟁 속에서 어렵습니다. dentsu creative의 글로벌 CTO인 제임스 토마스는 “AI 인재는 찾기 어렵다”고 강조합니다. 생성형 AI는 주로 구독 방식을 통해 이용되지만, 일부 회사는 OpenAI를 포함해 사용량에 제한을 두거나 ‘크레딧’ 기반 결제 모델을 판매하여, 프리미엄 모델을 통한 집중적 테스트가 비용을 빠르게 증가시킬 수 있습니다. Optise의 CEO Ómar Thor Ómarsson은 대량 콘텐츠를 필요에 따라 생성하는 기업들이 비용이 급증하고 있다고 경고하며, 개별 프롬프트 비용은 몇 분의 일 센트에 불과하지만, 7만 건의 프롬프트가 사용된 코카콜라의 크리스마스 광고와 같이 수만 건이 되는 캠페인은 비용이 빠르게 늘어난다고 언급합니다. Ómarsson는 “큰 프롬프트와 프리미엄 모델을 무분별하게 테스트하면 조용히 비용이 쌓인다”고 말합니다. 법적 문제도 지속되고 있으며, AI 업체와 저자 간의 저작권 분쟁이 겹치면서 어떤 LLM을 사용할지 망설이게 하는 상황입니다. 대형 광고대행사들은 이 문제를 indemnification(배상 책임 면제)으로 해결하려고 노력하며, WPP는 지난해 초부터 자사 플랫폼인 WPP Open에 컴플라이언스 검사를 통합했습니다. 내부 브랜드는 이러한 보호 장치가 부족한 경우가 많아 법규 준수를 중요한 고려 사항으로 여깁니다.

롤프는 ‘준수 기준에 부합하는 컨테이너화된 시스템’의 필요성을 강조합니다. 기술 외에도 전통적인 인간 업무 프로세스가 지연을 유발합니다. 기관과 고객 조직 내 승인 절차는 AI로 생성된 콘텐츠보다도 더 많은 시간을 소요하는 경우가 많으며, 엘리멜리아는 “진짜 비용은 결과물을 만드는 것이 아니라, 너의 자산을 만드는 것이다”라고 설명합니다. AI가 여러 옵션을 만들어내면, 이를 검토하고 판단하며 수정하는 작업이 필요하며, 이로 인해 이전에 눈에 띄지 않던 결정 작업이 명확한 업무로 전환됩니다. 이로 인해 ‘고객 승인’이 병목 현상이 되는데, AI는 몇 분 만에 콘텐츠를 생성하는 반면 고객은 승인하는 데 몇 주 혹은 몇 달이 걸릴 수 있습니다. 엘리멜리아는 이러한 시간 차이를 “가장 비용이 많이 드는 파이프라인의 부분”이라고 강조합니다. 이에 대응해 일부 조직은 브리핑 프로세스를 개편하고, 초기 크리에이티브 브리프 향상을 위해 특수 템플릿과 함께 생성형 AI를 활용하고 있습니다. 가트너 분석가 니콜 그린은 많은 고객들이 이제 높은 품질의 전략적 창작 인풋을 개발하기 위해 초기에 생성형 AI를 활용한다고 관찰합니다. 호가스의 롤프는 제작 철학의 변화를 설명하며, AI 도입으로 통신사 광고 캠페인 자료 제작 시간이 7주에서 2주로 단축됐다고 말합니다. 그러나 이러한 효율성을 얻기 위해서는 ‘컴포넌트 사고방식’을 채택하는 것이 필요하며, 이는 전통적 빠른 대량 콘텐츠 생산보다 후반 작업(workflow)을 우선시하는 방식입니다. 다른 업체들은 사전 점검 리스트를 적용한 자동 품질 검사 시스템을 도입하여 종횡비, 조명 일관성, 로고 타이밍, 성능 지표 등을 평가하고 있습니다. 그럼에도 불구하고, 마케터들은 AI 프로세스의 전면적 자동화에 대해 신중한 태도를 유지하고 있으며, Ómarsson는 “AI 콘텐츠는 훌륭할 수도 있고, 형편없을 수도 있다. 우리는 모두 LLM에서 나오는 결과를 신뢰하는 법을 배우고 있다”라고 말합니다. 요약하면, 생성형 AI는 콘텐츠 창작의 효율성과 품질 향상에 큰 기회를 제공하지만, 이를 효과적으로 구현하려면 상당한 시간과 투자, 인재 확보, 법적 안전장치, 그리고 인간 작업 흐름의 조정이 필요하며, 이 모든 요소는 창작팀이 신중히 대응해야 할 잠재적 위험 요인입니다.