에이전시에는 어떤 AI 도구가 필요할까요? 대부분이 생각하는 것보다 적게, 그러나 더 잘 연결해서 필요합니다. 병목은 도구가 없어서가 아니라 통합이 없어서인 경우가 대부분입니다. 데이터는 다섯 개 시스템에 흩어져 있고, 팀마다 즐겨 쓰는 챗봇이 따로 있고, 결국 누군가 스크린샷을 덱에 붙여 넣고 있습니다.
한편 대형 에이전시 그룹은 다양성보다 연결에 베팅하고 있습니다. Digiday에 따르면 Dentsu의 미디어 에이전시 Carat은 NBCUniversal, FreeWheel, AI 기업 Newton과 함께 업프론트에서의 플래닝, 바잉, 최적화를 위한 에이전트를 개발하고 있습니다. Tinuiti는 자사 측정 솔루션 Bliss Point용 MCP 서버를 출시해 측정 레이어를 AI 에이전트에 개방하고, 오디언스·크리에이티브·미디어·측정 데이터를 한곳에 모았습니다. WPP Media는 “거버넌스와 사람의 책임이 에이전틱 미디어 바잉의 핵심”이라고 강조합니다.
AI 도구가 많을수록 성과가 오히려 낮아지는 경우가 많은 이유는 무엇일까요?
새 도구가 생길 때마다 새로운 섬이 하나씩 생기기 때문입니다. 소셜 리스닝 도구는 대화는 알지만 미디어 데이터는 모릅니다. 챗봇은 글은 훌륭하게 쓰지만 고객사에 대해서는 아무것도 모릅니다. 리포팅 도구에는 숫자는 있지만 맥락이 없습니다. 이 모든 것을 잇는 것은 사람이고, 방법은 복사·붙여넣기입니다.
거기에 숨은 비용이 붙습니다. 겹치는 라이선스. 대시보드마다 필요한 온보딩. 섀도 AI, 즉 아무도 승인하지 않은 채 고객 데이터가 오가는 개인 계정. 그리고 어떤 도구에서 어떤 프롬프트가 통하는지 아는 단 한 사람에게 의존하는 지식.
고객사가 데이터 보호와 데이터 주권을 엄격하게 따지는 독일의 에이전시에게 이런 난립은 비효율에 그치지 않습니다. 다음 피치 때 받게 될 질의서에서 드러날 리스크입니다.
전체가 도구의 합보다 큰 이유
시스템 이론은 간단한 설명을 내놓습니다. 시스템은 부분의 합보다 큰데, 성능이 부분들 사이의 관계에서 나오기 때문입니다. 공통 악보 없이 모인 뛰어난 솔로 연주자들의 오케스트라는 교향곡이 아니라 조율하는 소리처럼 들립니다.
에이전시의 기술 스택에 적용하면, 개별 AI 도구의 품질은 전체의 성능에 대해 말해 주는 바가 적다는 뜻입니다. 중요한 것은 데이터, 도구, 사람이 서로 소통하는지입니다. 도구만으로는 걸작을 작곡할 수 없습니다. 하모니는 그들이 한목소리를 낼 때 태어납니다.
그래서 문제는 대개 기술이 아니라 아키텍처에 있습니다. 악기는 사면서 악보를 잊는 것입니다.
MCP란 무엇이며 에이전시에 왜 중요할까요?
MCP는 Model Context Protocol의 약자입니다. Claude 같은 AI 어시스턴트가 외부 데이터 소스와 도구에 접근할 수 있게 해 주는 개방형 표준입니다. 범용 콘센트라고 생각하면 됩니다. 데이터 소스마다 별도 연동이나 대시보드를 만드는 대신, 어시스턴트가 하나의 인터페이스로 모든 소스와 대화합니다.
에이전시에는 논리 자체가 바뀝니다. 지금까지 통합이란 데이터를 내보내 도구에 올리고 결과를 다시 복사해 내는 일이었습니다. MCP에서는 데이터가 제자리에 그대로 있고, 팀은 이미 일하고 있는 곳에서 질문합니다. “경쟁사가 10월 초부터 어떤 메시지를 집행해 왔는가?”가 인사이트 팀에 보내는 티켓이 아니라 채팅창의 질문이 됩니다.
Defy MCP가 바로 그렇게 작동합니다. 팀은 새로운 대시보드를 배울 필요 없이, 동료에게 묻듯 Claude에서 경쟁사, 오디언스, 대화 데이터를 바로 조회합니다. Tinuiti가 측정 데이터를 같은 방식으로 AI 에이전트에 개방하는 것도 나아가는 방향을 보여 줍니다. 데이터는 더 이상 대시보드에 갇혀 있지 않고 조회할 수 있게 열립니다.
도구 난립과 통합 스택 비교
| 항목 | 도구 난립 | MCP 기반 통합 스택 |
|---|---|---|
| 데이터 접근 | 내보내기, 복사·붙여넣기, 스크린샷 | 어시스턴트가 소스를 직접 조회 |
| 학습 곡선 | 도구마다 대시보드 하나씩 | 하나의 인터페이스, 자연어 질문 |
| 추적 가능성 | 출처를 알 수 없는 결과 | 답변을 출처까지 추적 가능 |
| 거버넌스 | 개인 계정, 불분명한 승인 체계 | 중앙 권한 관리와 명확한 승인 규칙 |
| 팀 지식 | 개인에게 귀속 | 재사용 가능한 프롬프트와 워크플로 |
| 비용 | 중복되는 라이선스 | 더 적은 도구를 더 깊이 활용 |
AI 도구를 여섯 단계로 통합하려면?
- 현황을 조사합니다. 누가 어떤 AI 도구를 무슨 용도로, 어떤 데이터로 쓰고 있습니까? 개인 계정에 대해서도 명시적으로 묻되, 질책하지 않아야 솔직한 답을 들을 수 있습니다.
- 시간을 잡아먹는 업무 세 가지를 고릅니다. 대표적인 후보는 경쟁사 감사, 월간 리포트, 피치 리서치입니다. 현재 소요 시간을 기록해 둡니다.
- 인터페이스를 하나로 정합니다. 팀이 AI와 일하는 곳을 결정합니다. 인터페이스를 하나 더 추가하려면 충분한 이유가 있어야 합니다.
- 데이터는 복사하지 말고 연결합니다. 어떤 데이터 소스를 MCP나 다른 인터페이스로 직접 조회할 수 있는지 확인합니다. 내보내기로만 가능한 것은 나중을 위한 목록에 올립니다.
- 도입 전에 규칙을 정합니다. 고객사에 전달하기 전에 사람이 검토할 결과물, 지출을 승인하는 사람, 어떤 고객 데이터를 어떤 시스템에 넣을 수 있는지를 정합니다. 데이터 보호 책임자도 이 자리에 함께해야 합니다.
- 시범 운영하고, 측정하고, 정리합니다. 한 고객사로 6주간 테스트하고, 2단계에서 기록한 시간과 비교한 뒤, 아무도 아쉬워하지 않는 도구는 해지합니다.
독립 에이전시는 홀딩 컴퍼니에서 무엇을 배울 수 있을까요?
Digiday 보도에서 눈에 띄는 것은 기술보다 어조입니다. 에이전시 그룹들은 에이전트를 통제력을 내세워 팔고 있습니다. Digiday에 따르면 WPP Media는 재무 및 집행 결정에 명시적 통제, 승인 기준, 책임 있는 사람의 감독을 요구합니다. Dentsu는 모든 것에 여전히 사람의 감독이 필요하다는 입장입니다.
독립 에이전시에는 하나의 교훈입니다. 고객사가 주저하는 것은 기술 때문이라기보다 통제력을 잃을까 걱정해서입니다. 누가 어떤 결과물을 검토하는지, 주장의 근거가 어디서 나오는지, 데이터가 어디에 있는지 설명할 수 있다면 규모와 관계없이 신뢰를 얻습니다.
차이는 홀딩 컴퍼니가 대규모 개발 예산으로 스택을 구축한다는 점입니다. 독립 에이전시는 더 영리하게 조합해야 합니다. 데이터, 질의, 자동화를 한데 모은 플랫폼, 예컨대 Defy 플랫폼은 사내 데이터 사이언스 팀 없이도 비슷한 수준에 도달하는 한 가지 방법입니다.
모든 AI 벤더에게 무엇을 물어야 할까요?
- 데이터를 MCP나 다른 개방형 인터페이스로 조회할 수 있습니까, 아니면 자사 대시보드에서만 가능합니까?
- 시스템이 내놓는 모든 주장을 출처까지 추적할 수 있습니까?
- 데이터는 어디에 저장되고, 누가 접근하며, 우리가 입력한 프롬프트는 어떻게 처리됩니까?
- 이 도구는 실제로 어떤 워크플로를 대체하며, 그 결과 기존 도구 중 무엇을 해지할 수 있습니까?
마지막 질문에 답을 듣지 못한다면, 도구를 사는 것이 아니라 악보 없는 악기를 하나 더 사는 것일 뿐입니다.
