브랜딩 에이전시라고 하면, 보통 디자이너 몇 명, 기획자 몇 명, 카피라이터 몇 명이 팀을 이뤄서 일하는 모습을 떠올리게 되죠. 클라이언트 미팅하고, 컨셉 회의하고, 시안 뽑고, 피드백 받고, 수정하고. 이 과정에 보통 수주일에서 수개월이 걸립니다.
그런데 이걸 혼자 하는 사람이 있습니다. 직원 없이요. AI 에이전트 시스템을 직접 설계해서, 브랜딩 프로젝트의 거의 모든 과정을 AI가 수행하도록 만든 사람이요.
BRND의 김서진 대표님을 만나서, AI 네이티브 컴퍼니라는 것이 실제로 어떻게 돌아가는지 아주 구체적으로 물어봤습니다. 단순히 "AI를 잘 쓴다" 수준이 아니라, 22개 에이전트와 50개 이상의 워크플로우를 조합해서 실제 클라이언트 프로젝트를 수행하는 이야기입니다.
'미래의 일은 이렇다'라는 것을, 미리 보여주신 분이라 확신합니다.
Q. BRND라는 회사가 어떤 회사인지 간단하게 소개해 주시겠어요?
BRND는 브랜딩 서비스를 제공하는 AI 네이티브한 에이전시라고 생각해 주시면 됩니다. 새로 만들어지는 브랜드, 혹은 기존에 있던 브랜드를 리뉴얼하고 싶은 회사들을 대상으로 브랜딩 서비스를 제공하는 에이전시예요.
여기서 핵심은 "AI 네이티브"라는 단어입니다.
AI를 보조적으로 쓰는 게 아니라, 업무 구조가 AI를 중심으로 설계되어 있다는 뜻이에요.
이게 어떤 의미인지는 뒤에서 아주 구체적으로 풀어드리겠습니다.
Q. 이전에는 AI 프로덕트 엔지니어로 일하셨는데, 어떻게 브랜딩 에이전시라는 형태로 바뀌게 된 건가요?
엔지니어에서 브랜딩 에이전시로 넘어온 데는 두 가지 이유가 있었어요.
첫 번째는 이전 회사에서의 경험입니다. AI 프로덕트 엔지니어로 일하면서, 기획부터 개발, 배포까지 전 과정을 혼자 담당했었어요. 그러다 보니까 단순히 AI가 워크플로우를 최적화해주는 것에서 그치지 않고, 아예 내가 하는 모든 업무를 AI로 대신하게 만들고 그 일을 내가 지시하는 방식으로 회사를 운영해보자는 생각에 도달하게 된 거죠.
두 번째는 왜 하필 브랜딩이었느냐는 건데요. 브랜드 디자이너라는 직군이 있잖아요. 회사의 철학과 컨셉을 비주얼로 계속 녹여내는 작업을 하는 사람들이요. 그런데 이 작업이 여러 사람 손을 거치다 보면 일관성이 떨어질 수밖에 없는 환경이 있거든요. 사람마다 해석이 다르고, 톤이 달라지고, 디테일이 흔들리고요. 그래서 AI가 이걸 더 잘 할 수 있겠다는 결론에 도달한 거예요.
이미지 출처 : linkedin.com/pulse/ai-human-venn-approach-modern-work-tim-robinson-bhskc/
정리하면 이렇습니다.
"내 업무 전체를 AI에게 시키는 방식으로 비즈니스를 해보자"라는 생각과,
"브랜딩이야말로 일관성이 중요한데 AI가 그걸 잘 지킬 수 있겠다"라는 생각.
이 두 가지가 합쳐져서 브랜딩을 하는 AI 네이티브 에이전시가 탄생한 거죠.
보통 창업 아이템을 고를 때 "내가 잘하는 것"에서 출발하잖아요. 저는 조금 다른 접근을 한 겁니다.
"AI가 잘 할 수 있는 것" 중에서 "기존에 비효율이 큰 것"을 찾은 거예요. 브랜딩 작업에서 일관성 유지라는 게 원래 인간에게 힘든 일이었고, 그걸 AI가 더 잘 해낼 수 있다고 판단한 거죠.
Q. AI를 어떻게 쓰셨는데 AI 네이티브 컴퍼니까지 도달할 수 있었나요? 어떤 형태, 어떤 도구 때문에 가능했던 건지 궁금합니다.
제가 처한 상황과 사용한 도구, 두 가지로 나눠서 말씀드릴게요.
상황부터 말씀드리면, 예전 회사 입사 할 때 저는 디자인이나 모바일 개발이나 장고(Django) 백엔드 개발을 한 번도 해본 적이 없었어요. 그런데 해내야만 하는 상황이 된 거죠. 그때 제가 선택했던 방법은 AI한테 "내가 잘 모르는 이 일을 어떻게 수행할 수 있는지" 물어보는 거였어요. 그래도 엔지니어 출신이다 보니까 AI가 짜준 로직이 왜 이렇게 됐는지는 한번 리뷰를 할 수 있었고, 그 과정 속에서 방법을 찾아 나간 것 같습니다.
예전이었으면 디자인을 하려면 디자인을 배워야 했고, 개발을 하려면 개발을 배워야 했어요. 지금은 그 중간 과정을 AI가 상당 부분 채워줄 수 있게 된 겁니다. 물론 결과물을 리뷰할 수 있는 기본적인 판단력은 필요하고요.
도구 이야기를 하면, 처음에는 커서(Cursor)를 썼어요. 그런데 중요한 건 "어떤 걸 해줘"라고 쓰는 게 아니라, 전체 워크플로우를 명세하는 텍스트 파일을 만들어서 시켰더니 그걸 거의 대부분 그대로 수행하더라는 거예요. 도구에게 일을 시키는 방식이 "어떻게 수행하는지에 대한 명세, 워크플로우에 대한 명세만 있으면 그걸 수행할 수 있다"는 걸 확인한 거죠.
그다음에 클로드 코드(Claude Code)로 넘어갔는데, 클로드 코드를 이용해서 일을 시켰더니 간단한 작업뿐 아니라 큰 규모의 서비스 개발도 되더라는 걸 확인하게 됐어요. 이런 걸 순차적으로 발견하고, 계속해서 저만의 워크플로우를 발전시켜 온 겁니다.
AI에게 일을 시킬 때, "이거 해줘"라고 단편적으로 시키는 것과 "이 일의 전체 과정은 이렇고, 각 단계에서 이런 기준으로 이렇게 수행해"라고 워크플로우 전체를 명세해서 시키는 것은 결과물의 차원이 완전히 달라요.
"워크플로우 명세" 방식이, AI-native company로 가는 중요한 지점이라고 생각해요.
Q. AI가 도움을 주는 것(AI Assisted)과 AI 네이티브의 차이를 어떻게 정의하시나요?
명확하게 구분할 수 있어요.
AI 어시스트(AI Assisted)는 내가 AI한테 "어떻게(How)" 할 것인지를 지시하는 겁니다.
예를 들어, "이 디자인에서 배경색을 파란색으로 바꿔줘", "이 코드에서 버튼 사이즈를 키워줘" 같은 식으로요. 내가 방법을 알고 있고, AI는 그 방법을 실행해주는 도구인 거죠.
AI 네이티브하게 AI를 활용한다는 건 "어떻게"가 아니라 "무엇(What)"을 하고 싶은지만 설명하면, AI가 스스로 방법을 찾아서 결정하게 하는 겁니다.
예를 들어볼게요. "따뜻한 느낌의 브랜드 디자인 시스템을 만들어줘"라고 하면, AI가 내부적으로 어떤 기술 스택을 쓸지, UI/UX 디자인을 어떻게 할지, 어떤 도구를 써야 하는지를 이미 다 알고 있고, 그 안에서 최적화된 도구 선택을 통해서 결과를 내주는 거예요.
AI 어시스트 방식에서는 결국 사람이 모든 의사결정을 해야 합니다. "어떻게"를 계속 설명해야 하니까요. 그런데 AI 네이티브 방식에서는 사람이 "무엇"만 정의하면 되니까, 한 사람이 처리할 수 있는 업무의 범위가 비교할 수 없이 넓어지는 거예요.
AI 어시스트 단계에 머물러 있으면 결국 내가 모든 걸 지시해야 하니까 병목이 생겨요. 그런데 AI 네이티브 단계로 넘어가면, 내가 방향만 잡아주고 AI가 실행을 알아서 하니까 한 사람이 할 수 있는 일의 양 자체가 달라지는 거죠.
Q. 만약 AI가 디자인을 했는데, 그 결과가 만족스럽지 않으면 어떻게 하나요?
결론부터 말씀드리면, 인간이 디자인에 참여를 아예 안 할 수는 없어요. 그런데 포커스가 다릅니다.
보통 사람들은 결과물이 별로일 때 "이 부분 이렇게 바꿔줘", "색감을 더 밝게 해줘" 같은 식으로 결과물에 대한 "어떻게"를 직접 설명해서 해결하려 하잖아요. 제 방식은 다릅니다.
제 내부에 "디자인하는 AI 시스템"이 구축되어 있어요.
그 시스템 안에서 AI 에이전트가 디자인 작업을 수행하는데, 결과물이 만족스럽지 않으면 그 AI 에이전트가 왜 결과물을 이렇게 낼 수밖에 없었는지 중간 로그를 살펴봐요. 그리고 나서 에이전트의 시스템을 수정합니다.
비유하면 이래요. 회사에 직원이 있는데 결과물이 안 좋다고 해서 "이거 이렇게 다시 해"라고 하는 게 아니라, "이 직원이 왜 이렇게밖에 못했지? 아, 내가 이 직원을 교육시킨 방식이 잘못됐구나. 교육 커리큘럼을 바꿔야겠다"라고 판단하는 거죠.
구체적으로 말하면, "AI는 똑똑한 친구고, 나는 이미 너한테 디자인을 어떻게 해야 되는지를 다 설명했는데 결과를 이렇게밖에 낼 수 없었을까? 그러면 내가 AI를 가르치는 방식이 잘못됐다"라는 가설을 세우고, 시스템을 고치는 거예요.
결과물을 직접 손보느냐, 결과물을 만드는 시스템을 손보느냐. 후자가 확장성이 훨씬 높아요. 한번 시스템을 고치면, 이후에 나오는 모든 결과물이 좋아지니까요.
Q. 이전 발표에서 22개 에이전트와 50개 이상의 워크플로우를 조합해서 쓴다고 하셨는데, 이 구조가 어떻게 설계되어 있는지 설명해 주시겠어요?
지금 구조는 이렇습니다.
최상위에 "오케스트레이터(Orchestrator)"라는 이름의 스킬이 있어요. 이 오케스트레이터가 서브에이전트에게 특정 작업들을 위임해요. 그러면 서브에이전트가 실제 작업을 수행하고, 그 결과를 다시 오케스트레이터한테 보고하는 방식으로 동작합니다.
쉽게 풀면 이래요. 오케스트레이터는 일종의 "팀장"이에요. 전체 프로젝트의 흐름을 관리하고, 각 단계에서 어떤 서브에이전트를 불러야 하는지를 판단하고, 결과물을 받아서 다음 단계로 넘기는 역할을 합니다.
서브에이전트는 "팀원"이에요. 각자 전문 분야가 있어요. 프론트엔드 개발 전문, 디자인 전문, 리서치 전문 같은 식이에요. 이 서브에이전트들은 각자가 수행해야 하는 작은 형태의 스킬을 갖고 있고요.
Q. 오케스트레이터를 왜 별도의 "스킬" 형태로 만드셨나요? 서브에이전트 등으로 구현하는 방법도 있었을 텐데요.
만든 오케스트레이터는 모두 다 같은 단계(Phase)와 같은 형태를 갖고 있기 때문이에요. 어떤 오케스트레이터든 "리서치 → 실행 → 리뷰" 같은 기본 골격이 동일한 거죠.
그런데 그 내부를 수행하는 방식은 각각의 작업 특성에 따라 다르고, 그 안에서도 예를 들어 개발이라고 하면 프론트엔드 개발의 전문성과 디자인 개발의 전문성은 다르거든요. 그래서 서브에이전트가 각자의 전문 스킬을 수행하도록 구현되어 있습니다.
기술적으로 한 가지 짚고 넘어갈 포인트가 있어요. 스킬이 MCP(Model Context Protocol) 대비 토큰을 적게 먹는다는 사실이 있거든요. MCP는 항상 "내가 어떤 툴들을 수행할 수 있는지"에 대한 설명을 전부 들고 있어야 하기 때문에 토큰을 많이 쓰게 돼요. 스킬은 필요할 때만 불러오니까 로드되는 토큰은 적고요.
그런데 토큰을 적게 쓰기 위해서 스킬을 쓰는 건 아니에요. 스킬을 쓰는 이유는 오케스트레이터가 반복적인 유사한 형태의 워크플로우를 갖고 있기 때문이고, 그 하위의 서브에이전트와 스킬들을 체계적으로 불러내기 위함이에요. 토큰 절약은 부수적인 효과일 뿐이지, 그게 목적은 아닙니다.
Q. 그러면 지금 오케스트레이터가 총 몇 개 있고, 각각 어떤 역할을 맡고 있나요?
이전에는 크게 "개발하는 오케스트레이터"와 "마케팅하는 오케스트레이터" 이렇게 두 개가 있었다면, 지금은 더 세분화했어요. 브랜딩 오케스트레이터가 별도로 생겼고, 전체적으로 7개로 분류되어 있어요.
그 중에서 개발 쪽만 봐도 두 개로 나뉘어 있거든요. "오토노머스 서비스 빌더(Autonomous Service Builder)"와 "오토노머스 피처 빌더(Autonomous Feature Builder)"예요. 예전 발표에서는 이 둘을 "개발하는 에이전트"라고 묶어서 소개했었는데, 실제로는 관점이 완전히 달라요.
오토노머스 서비스 빌더는 처음 제로투원(0 to 1)을 개발할 때 써요. 새로운 서비스를 만들 때만 사용하고요. 초기 기획부터 시작해서 구현 계획을 짜고, 디자인을 불러오고, 수많은 에이전트와 스킬들을 조합해서 하나의 산출물을 만들어내는 전체 흐름을 이 친구가 관리해요. 검증 기준은 "서비스가 기획부터 배포까지 전부 끝났는가"고요.
오토노머스 피처 빌더는 이미 돌아가는 시스템에 기능을 추가할 때 써요. 이 경우에는 기존 시스템 구조에 맞춰야 하니까, 현재 시스템의 맥락을 먼저 전부 읽는 데 시간을 많이 투자해요. 그걸 바탕으로 기능이 어떻게 들어가야 하는지 스펙을 설계하는 거죠. 검증 기준은 "기존 시스템과의 호환성이 유지되는가"예요.
같은 개발이지만 제로에서 시작하는 것과 기존 위에 쌓는 것은 로직이 달라요. 하나로 처리하려면 복잡해지니까 별도로 분리한 거예요.
Q. 브랜딩, 콘텐츠 마케팅, 콘텐츠 오케스트레이터는 각각 어떻게 다른가요?
결론만 말씀드리면 산출물이 다릅니다.
브랜딩 오케스트레이터는 브랜드 컨셉, 브랜드 비주얼, 브랜드 디자인 시스템을 산출물로 내놓는 오케스트레이터예요. 브랜드의 정체성을 정의하고 시각적으로 표현하는 모든 것을 다루는 거죠.
콘텐츠 마케팅 오케스트레이터는 콘텐츠가 산출물입니다. 예를 들어서 유튜브 영상을 멀티 채널에 맞는 콘텐츠로 만들고 싶다고 하면, 쓰레드(Threads)에 맞는 글, 링크드인에 맞는 글, 블로그에 맞는 글 같은 것들을 만들어내는 거예요.
그 하위에 더 특수한 목적의 오케스트레이터도 있어요.
저자 스타일 콘텐츠 오케스트레이터라는 건데, 범용적인 용도가 아니에요. 특정 저자 스타일의 글을 새로 쓰고 싶을 때, 그 저자가 이전에 썼던 글들을 모두 분석한 다음에, 그것들을 바탕으로 어떻게 글을 써야 할지를 결정하는 오케스트레이터예요. 사전에 리서치가 깊게 필요할 때 쓰는 형태입니다.
Q. 저자 스타일 오케스트레이터는 사전 리서치가 필요하다고 하셨는데, 콘텐츠 마케팅 오케스트레이터도 마찬가지인가요?
맞아요. 콘텐츠 마케팅 오케스트레이터도 별도의 리서치 과정이 존재해요.
콘텐츠를 쓰는 목적이 독자의 반응을 얻기 위함인데, 그 반응은 결국 지금 트렌드에 맞는지, 남들은 어떤 글을 쓰고 있는지에서 나온다고 생각하거든요
그래서 콘텐츠 생성 과정에서 벤치마크할 대상이 존재하고, 그것들을 리서치하는 기반이 존재합니다.
AI한테 "블로그 글 써줘"라고 시키는 게 아니라, 먼저 관련 트렌드와 경쟁 콘텐츠를 리서치하고, 그걸 바탕으로 글을 생성하는 구조인 거예요.
Q. 그러면 실제로 오케스트레이터 하나가 돌아가는 과정을 구체적으로 보여주실 수 있나요?
네. 이건 내부에서 실제로 쓰는 용도는 아니고, 리서치 용도로 만든 건데요.
이미 유명한 뉴스레터에서 모든 글을 크롤링해 온 다음에, 그것들을 역분석해서 "이 글들이 어떤 식으로 조합되고 있는지"를 파악해요. 그다음에 새 글을 쓴다고 했을 때, 어떤 스킬과 어떤 에이전트를 통해서 그 저자다운 글을 쓸 수 있는지를 정의한 결과물입니다.
뉴스레터 안에 이미 카테고리와 사이클과 설명이 있고, 그걸 바탕으로 뉴스레터 글을 쓸 때 어떤 식으로 기존 프로세스를 재현해서 글을 쓸 수 있게 할 것인지를 정의한 오케스트레이터인 거죠.
구조를 보면 이렇습니다.
오케스트레이터는 SKILL.md 파일로 되어 있어요. 그 안에서 리서치 서브에이전트가 먼저 크롤링을 해서 기존 글들을 분석하고요. 그다음에 초안을 만들어요. 그리고 리뷰 단계가 있는데, 이 리뷰는 나름의 기준에 따라 점수화를 합니다. 리뷰의 기준이 별도로 정해져 있는 거예요.
흐름은 이렇습니다.
첫 번째, 리서치 단계에서 기존 콘텐츠를 크롤링하고 분석합니다.
두 번째, 분석 결과를 바탕으로 초안을 생성합니다.
세 번째, 리뷰 에이전트가 정해진 기준으로 점수화를 합니다.
네 번째, 점수가 기준에 미달하면 다시 초안을 수정합니다.
이 과정 전체를 오케스트레이터가 관리하는 거예요.
Q. 이런 단계를 처음부터 이렇게 깔끔하게 나눈 건가요? 워크플로 설계 과정이 궁금합니다.
처음부터 계속해서 제가 일하는 방식을 이 오케스트레이터라는 형식으로 재현하기 위한 노력들을 해왔어요. 그러다 보니까 결국 저의 일하는 방식이라는 것이 일정한 단계로 모두 구분될 수 있구나 하는 깨달음이 있었고, 그래서 오케스트레이터가 저의 일하는 방식을 많이 닮아 있어요.
구체적인 과정을 말씀드리면, 처음에는 머릿속에 있는 대로 먼저 결과물을 봤어요. 결과물을 보고, 예를 들어서 "이거는 평가가 잘못되었네", 아니면 "리서치 단계에서 잘못되었네", 아니면 "톤앤매너가 반영이 안 됐네" 같은 식으로 본능적인 기준으로 평가를 했어요. 그리고 중간에 로그를 통해서 어떤 툴을 불렀고 어떤 결과물이 나왔는지를 확인했고요. 그런 다음에 "아, 이거는 리서치를 한 다음에 우선순위 반영이 잘못되었네" 같은 형식으로 계속 워크플로우를 다듬어 나갔습니다.
그리고 클로드(Claude)에게도 물어봤어요. "이것이 지금 가장 최근에 릴리즈된 클로드 코드의 스킬이나 사용 방식과 맞는지", "이렇게 설계했을 때 장단점은 무엇인지" 같은 것들을 물어서 계속해서 보완해 나가고 있습니다.
한번에 완벽하게 설계한 게 아니라, 결과물의 문제점을 로그를 통해 추적하면서 점진적으로 개선해나간 거예요.
Q. 오케스트레이터를 계속 만들고 개선하다 보면, 전체 태스크 관리가 복잡해질 것 같은데요. 그건 어떻게 하시나요?
그 문제가 실제로 있었어요. 나름대로 단계가 정립되고 나서 오케스트레이터를 막 찍어내다 보니까, 태스크 관리가 전혀 안 되더라고요.
그래서 매일 배치(Batch)로 작업들을 관리하기 시작했어요. 워크스페이스에 깃허브(GitHub)를 연결해두고, 내가 어떤 작업을 어떻게 수행해야 되고 뭘 할 것인지를 이슈(Issue)로 계속 남기게 했습니다.
Q. 깃허브 이슈를 클로드가 알아서 만드는 건가요? 그 판단 기준이 되는 데이터는 어디에 있나요?
클로드 내부에 SOT라는 폴더 구조가 있어요. SOT는 "모든 기준이 되는 원본 저장소(Source of Truth)"입니다. SOT 안에 각각의 세션 기록, 성과 지표, 로그, 그리고 어떤 툴을 어떻게 사용했는지 같은 것들을 전부 기록해요. 그리고 그것들을 바탕으로 평가를 하고요.
그걸 바탕으로 클로드에게 "이 데이터를 기반으로 내가 어떤 것들을 수정해야 되는지 시스템적으로 분석해줘"라고 하면, 클로드가 깃허브 이슈를 남기기도 하고요. "오늘은 이런 작업 했으니까 이슈로 남기고, 진행 상황 업데이트 해줘" 같은 식으로 계속 태스크 관리를 하고 있어요.
Q. SOT(원본 저장소)에 로그가 계속 쌓이면 양이 많아질 텐데, 클로드가 매번 그걸 다 읽나요?
로그 같은 경우에는 SOT에 존재하기보다는 별도의 로그 파일로 존재만 해도 되는 친구예요. SOT에서 실제로 가져오는 부분은, 매일 로그 분석을 해서 어떤 부분을 수정해야 되는지를 판단하는 데 쓰입니다.
예를 들어서 오케스트레이터가 Next.js 버전을 10대로 써야 되는데 15 버전대로 써서 문제가 생겼다고 하면, 그런 것들을 SOT에 남겨서 업데이트하게끔 해요.
그런데 핵심은, SOT는 밑바탕 자료일 뿐이라는 겁니다. 거기서 업데이트할 내용을 CLAUDE.md와 에이전트.md에 남겨달라고 하는 게 중요해요.
시스템의 어떤 부분에 문제가 있고, 어디서 맥락을 어떻게 관리하고 있기 때문에 이 문제가 발생하는지를 원인 파악하기 위한 참고 자료가 SOT이고, 클로드 코드가 실제로 코드를 생성하기 위한 기준들은 전부 다 룰즈(Rules)나 CLAUDE.md 파일 같은 곳에 명세를 해놔요. 그래서 AI가 엉뚱한 결과를 내지 않고 명령한 대로, 의도한 대로 수행하게 만드는 거예요.
정리하면 이래요.
SOT = 로그 저장소. 매일 무슨 일이 있었는지, 어떤 문제가 있었는지를 기록하는 곳.
CLAUDE.md / 에이전트.md = 실행 규칙. AI가 실제로 코드를 짜고 작업을 수행할 때 참조하는 규칙과 기준이 담긴 곳.
SOT에서 발견한 문제를 분석하고, 그 결과를 CLAUDE.md와 에이전트.md에 반영해서 시스템을 업데이트해요. 이렇게 하면 같은 실수가 반복되지 않는 구조가 만들어지는 거죠.
Q. 이렇게 복잡한 구조를 만들어야 하는 이유가 궁금해요. 실제로 어느 정도의 차이가 나나요?
왜 멀티 에이전트까지 써야 하느냐고 했을 때, 대답은 간단해요.
생산성의 극대화입니다.
워크플로우가 정의되어 있지 않은 상태에서 AI한테 하나씩 시켜서 퀄리티 높게 수행할 수 있는 일의 양과, 이렇게 팀을 구축했을 때 팀에게 시킬 수 있는 일의 양이 다르거든요.
구체적인 사례를 하나 보여드릴게요.
델타 소사이어티(Delta Society)라는 브랜드의 브랜딩을 새로 만들면서, 브랜드 컨셉과 디자인 시스템을 만드는 프로젝트를 담당했어요.
이 프로젝트가 실제로 어떻게 진행되었느냐 하면, 델타 소사이어티가 어떤 공간이고 어떤 철학을 갖고 있느냐는 초기 방향만 주어진 상태에서, 폰트나 일러스트가 어떤 식이면 좋을까를 이틀 만에 1차 컨셉까지 뽑아낸 거예요.
기존에는 브랜드 컨셉을 정의하기 위해서 일주일 이상이 걸렸어요. 외주를 맡기면 한 개에 30만 원이고 수정이 한두 번 가능한 정도였죠.
그런데 AI를 최대한 활용했을 때 이 브랜딩 에이전시가 낼 수 있는 결과물은 이래요.
이미지 출처 : 김서진 님 제공
간단한 컨셉만 주어졌을 때, 이틀 동안 약 30개 정도의 컨셉을 뽑을 수 있었어요. 그 컨셉 안에서 한두 개를 선택했을 때, 그다음 날에 V2(버전 2)로 열 개를 추가로 더 생성하고, 그 안에서도 계속 수정하는 과정을 거쳐서 일주일 동안 약 70개의 컨셉을 낼 수 있었어요. 그리고 그 과정에서 계속 클라이언트와 실시간으로 소통하면서 수정을 빠르게, 많이 할 수 있었습니다.
숫자를 비교하면 차이가 선명합니다.
기존 방식: 일주일 이상, 컨셉 한두 개, 수정 한두 번.
AI 네이티브 방식: 일주일, 컨셉 70개, 실시간 수정.
같은 시간에 산출물의 양과 수정 반복 속도가 완전히 다른 수준이에요.
Q. 컨셉 70개가 나왔다고 클라이언트가 다 확인할 수는 없잖아요. 선별과 의사결정 과정은 어떻게 진행되나요?
우선 요구사항 학습이 먼저 주어져요. 클라이언트의 요구사항을 AI 시스템이 학습하는 거죠. 그다음에 V1으로 나온 컨셉들을 클라이언트에게 보여줘요.
예를 들어서 그때 당시에 "아카데믹 리파인드(Academic Refined)"라는 컨셉이 마음에 든다는 피드백이 왔어요. 근데 이 색상이 아니라 블루 계열, 민트 계열이면 좋겠다. 그리고 전반적인 브랜드의 톤앤매너를 밝은 바탕에 따뜻한 느낌이 들었으면 좋겠다는 피드백을 받은 거예요.
여기서 중요한 건, 클라이언트도 어떤 컨셉이 있지만 그것이 실제로 어떤 방향으로 뻗어나가야 되는지 모르는 상태라는 거예요. 그 의사결정을 시간 단축시킨 게 핵심이에요. 30개의 컨셉을 먼저 보여주니까 클라이언트가 "아, 이 방향이 좋겠다"를 빨리 판단할 수 있게 된 거죠.
그다음에 "아카데믹 리파인드에서 블루 계열이 섞였으면 좋겠어요"라는 요구사항이 생겼을 때, V2가 그다음 날에 나왔어요. 그 요구사항을 받고 V2를 보여드렸고, "이 테마는 좋은데 비주얼에 스파크가 들어갔으면 좋겠고, 철학이 많이 반영되었으면 좋겠어요" 같은 추가 피드백이 오면, 그 중 몇 개를 추려서 결국 "델타 퓨전(Delta Fusion)"이라는 컨셉으로 최종 결정이 된 거예요.
중간중간에 클라이언트가 요구사항을 주고, 그에 맞는 컨셉을 전달하고, 그 안에서 수정 사항을 받으면 또 하루 동안 진행하고. 이런 식의 빠른 수정 반복이 이어진 거예요.
실시간 미팅에서도 이게 통했어요.
클라이언트와 둘이 앉아서 "이거 빨간색 마음에 안 드는데" 혹은 "일러스트 마음에 안 드는데 베리에이션 해주실 수 있어요?"라고 하면, 거기서 바로 베리에이션 다섯 개를 뽑고, 그 베리에이션당 일러스트를 열 개씩 뽑아서 50개를 한 번에 실시간으로 만들어서 보여드리고, 그 안에서 안을 결정하는 식으로 진행했어요. 하루를 기다릴 필요도 없이 그 자리에서 바로 되는 거예요.
이미지 출처 : 나노바나나
기존의 브랜딩 프로세스를 떠올려보면, 보통 대형 에이전시에서는 벽면만 한 화이트보드에 수많은 용지와 레퍼런스를 붙여놓고, 아날로그한 형태로 회의를 해서 브랜드 에센스를 뽑아내는 방식으로 진행해왔거든요. 그런데 지금 그 수준의 결과물을 직원 없이 혼자서 내고 있는 겁니다.
Q. 브랜드 에센스가 정해지고 타이포그래피 같은 것들이 정의되면, 그다음 단계는 뭔가요? 오케스트레이터들이 그 일도 맡아서 하는 건가요?
오케스트레이터들이 합니다. 하지만 완벽하게 자동으로 동작한다고 하기에는 아직 인간이 많이 개입해야 되는 부분들이 있어요.
어떤 느낌이라든지, 그림을 봐도 사람마다 받는 느낌이 다르고, 컨셉 리스트를 가져다 보여줘도 멤버분들마다 이게 마음에 드는데 누구는 저게 마음에 들고 하는 기준이나 선호도가 다르거든요. 그런 것들을, 어떤 것이 이 브랜드의 맥락에서 더 맞는 방향인지를 AI가 판단하는 건 아직 부족한 것 같습니다.
생산성은 확실히 높아졌는데, 서로의 합의에 이르는 과정 — 인간끼리의 주관적 판단과 합의의 과정은 여전히 풀어야 할 숙제예요.
Q. 브랜딩 외에 다른 프로젝트에서도 이 시스템을 써보셨나요?
한 뷰티 브랜드의 광고 소재 베리에이션을 생성하고 AI 네이티브하게 만들어서 광고 집행까지 했던 사례가 있어요.
이미 템플릿이 존재하고, 제품에 대한 이미지를 선택한 다음 생성하기만 하면 서로 다른 종류의 광고 소재를 한 번에 열 개 이상 뽑을 수 있어요.
홈페이지 자체가 이 브랜드만을 위한 광고 소재 생성 홈페이지입니다.
Q. 소재를 이렇게 많이 만든 다음에는요? 실제 광고 집행까지 연결이 되나요?
이미 메타(Meta) 연동이 되어 있어요. 거기서 광고 소재를 만들고, 그 소재에 맞는 광고 메시지까지 짝으로 생성이 되면, 실제로 메타 캠페인 집행을 해요.
그리고 주기적으로 캠페인 결과를 받아볼 수 있어요. 예를 들어서 A 캠페인의 CTR(클릭률)이 얼마고, B 캠페인의 CTR이 얼마고, 그래서 이게 왜 낮은 것 같은지, 왜 높은 것 같은지를 AI 리뷰어가 분석해서 리포트로 전달해줘요.
흐름은 이렇습니다.
1단계: 템플릿 기반으로 광고 소재를 대량 생성한다.
2단계: 각 소재에 맞는 광고 카피를 자동으로 짝지어 생성한다.
3단계: 메타 광고 캠페인을 자동으로 집행한다.
4단계: 캠페인 성과 데이터(CTR 등)를 자동으로 수집한다.
5단계: AI 리뷰어가 성과를 분석하고 리포트로 정리한다.
이 전체 흐름이 한 사람의 시스템 안에서 돌아가는 거예요.
Q. 이 파이프라인을 실제로 돌려봤을 때, 기존 대비 어떤 차이가 있었나요?
이 프로젝트는 초창기 셋업하는 브랜드였다 보니까, 기존에는 광고 소재를 만드는 데 시간이 많이 걸렸어요. 그리고 그걸 집행했을 때 실제 CTR을 특정 수준으로 만들기 위해서 상당한 양의 일이 필요했고요.
이 프로젝트의 효용은, 목표하는 CTR을 내기까지 수정 반복하는 속도와 거기에 드는 리소스를 크게 줄일 수 있었다는 거예요.
앞서 말한 것처럼 판단의 영역은 남아 있지만, 그 전 단계의 생산 속도는 확실히 달라졌어요.
Q. 브랜딩이나 광고 외에 이 시스템으로 했던 프로젝트가 또 있나요? 그리고 앞으로는 어떤 고객층을 생각하고 계신가요?
이전에 만들었던 프로젝트 중에 한 뷰티 브랜드를 위한 시스템이 있었어요.
콘텐츠 생성, 인플루언서 마케팅, 트렌드 파악, 경쟁사 동향 파악을 한 번에 보기 위한 시스템이에요. 요즘 뷰티 브랜드들이 어떤 걸 하고 있는지, 뷰티 인플루언서들이 어떤 것들을 많이 보는지를 한 페이지에서 확인할 수 있는 구조입니다.
제가 처음에 인플루언서 마케팅으로 시작했다가, 광고 소재와 퍼포먼스 마케팅을 거쳐서, 지금 브랜딩으로 넘어온 상태거든요. 이 시스템은 제 레거시인 셈이에요.(웃음) 지금은 자주 보는 AI 채널이나 SNS를 한 눈에 한 페이지에서 확인할 수 있는 나만의 맞춤 구독 서비스로 쓰고 있습니다.
B2C 계획은 지금 당장은 없지만, 요즘 개인 창업하시는 분들이 많잖아요. 저는 1인 창업하시는 분들을 B같은 C라고 생각하는데요.
저희 프로덕트가 B2B 향이지만, 개인 창업하시는 분들도 "내 제품의 브랜딩", "나의 개인 브랜딩", "내 서비스의 브랜딩"에 저희 브랜딩 에이전시를 이용하실 수 있지 않을까 생각합니다.
Q. 이런 시스템을 직접 만들어보고 싶은 분들은 어디서부터 시작하면 좋을까요?
제일 좋은 시작점은 내가 쓰기 위한 어떤 워크플로우를 스스로 정의해보고, 그것들을 직접 만들어 보는 것부터 시작인 것 같아요.
두 번째로는 요즘에는 잘하시는 분들도 많고, 좋은 자료가 많잖아요. 그런 것들을 잘 흡수하고 한 번씩 써보는 거예요.
써보고 거기서 효용을 느끼고, 내가 필요한 걸 내가 만들어 보는 것부터가 AI 네이티브 컴퍼니로 가는 길인 것 같습니다.
Q. 마지막으로, BRND라는 회사는 앞으로 어떤 방향으로 가려고 하시나요?
오케스트레이터라는 것은 결국 가장 근간이 되는 시스템인 것 같아요. 결과물을 산출하기 위한 근간이 되는 시스템이지만, 결국 중간 결과물을 판단하고 그것들을 수정하기 위해 적절하게 지시하는 것들은 사람이 많이 필요한 일이거든요.
처음에 이 회사를 시작하고자 했을 때 바람은 이랬어요.
"모두가 창업할 수 있는 시대에 왔고, 모든 개인이 창업을 통해서 돈을 벌 수 있었으면 좋겠다."
그리고 제가 가장 잘 만들 수 있는 것은 이러한 시스템이고, 개개인들이 이 시스템에 참여해서 결과물을 평가하고 거기서 수익을 얻는 구조를 생각하고 있어요.
예를 들면 브랜딩 프로젝트에 개인들이 참여해서, AI가 만든 결과물을 평가하고, 그 과정에서 수익을 얻는 구조인 거예요. 시스템은 제가 만들고, 그 시스템이 낸 결과물을 판단하고 클라이언트와 소통하는 역할은 여러 사람이 하는 구조를 그리고 있는 거죠.
그 가장 처음 시작점으로 지금은 브랜딩 에이전시에 집중하고 있어요.
현재 두 개 브랜드의 브랜딩과 리브랜딩을 맡아서 진행하고 있는 단계입니다.
Q. 그 구조를 구체적으로 어떻게 키워나갈 계획인가요?
결국 제가 가장 잘 할 수 있는 것은 이 시스템이고, 브랜드 디자인을 뽑기 위한 시스템을 가장 잘 갖출 수 있다고 자부할 수 있는 것 같아요.
거기에 필요한 것들은 누군가 그 시스템이 만든 결과물을 평가하고, 충분히 클라이언트가 만족할 때까지 시스템을 몰아붙이는 인간의 역할이 필요하다고 생각하고요.
그런 역할들을 1인 창업하시는 분들 혹은 수익화를 하고 싶은 개인분들과 함께할 수 있을 거라고 생각합니다.
*오늘 이야기를 나눠주신 서진님은 지금도 BRND를 통해 브랜딩 프로젝트를 진행 중입니다. 관심 있으신 분들은 아래 홈페이지에서 더 자세히 확인해 보세요.
👉 brnd.bio
*BRND Creative 프로젝트 문의는 👉 seojin.kim@brnd.bio.
*linkedin 주소는 👉 https://www.linkedin.com/in/k7n
**인터뷰 전체를 영상으로 보고 싶으신 분들을 위해 팟캐스트 영상도 공유합니다. 녹음 환경이 완벽하지 않아 공식 채널에는 올리지 못했지만, 필요하신 분들께 도움이 되길 바랍니다. 👉 영상 보러 가기
AI를 최대한 레버리지하여, 나만의 스타일로 창업을 꿈꾸는 모든 분들을 위한, 'AI 솔로프리너 클럽'이 진행 중이에요. 제가 운영하는 클럽이며, 새로운 방향을 꿈꾸는 모든 분들께 자신있게 권해드려요.
지금처럼 AI와 소셜미디어를 누구나 쉽게 활용할 수 있는 시기는 역사상 처음이에요. 흐름을 탔을 뿐인데, 인생이 180도 바뀐 제가 직접 이를 증명해요. 그래서 지금이야말로, '나만의 길'을 현실로 만들 수 있는 최고의 타이밍이라고 확신해요.
한 기수당 최대 30명 받는, 프라이빗 클럽입니다. :)
[👉🏻ASC 신청하러 가기]
의견을 남겨주세요