Bayer와 Zoom의 Agentic AI 성과는 여전히 입증이 필요하다

Bayer와 Zoom은 유망한 파일럿과 독립적으로 검증된 비즈니스 성과 사이의 격차가 커지는 상황에서도 agentic 마케팅을 Google News에 등장시켰다. 이들이 보고한 성과는 컴플라이언스 검토, CRM 업데이트, 캠페인 입찰, 파트너 조율 등 화려하지 않은 운영 업무에 집중된다.

이러한 초점은 agentic AI를 둘러싼 가장 과장된 주장에 도전한다는 점에서 중요하다. 이들 기업은 완전한 마케팅 부서를 자율 시스템에 맡기고 있지 않다. 대신 입력값, 권한, 기대 결과를 정의할 수 있는 제한된 프로세스에 에이전트를 적용하고 있다.

따라서 핵심 경쟁은 인간 대 기계가 아니다. 통제된 워크플로 자동화와 자율 마케팅이라는 약속의 대결이다. Bayer와 Zoom은 전자가 현재 가치를 창출하고 있음을 시사하는 반면, 후자는 엔터프라이즈 규모에서 검증하기가 여전히 더 어렵다.

Bayer와 Zoom이 실제로 바꾼 것

주목할 만한 변화는 AI에게 콘텐츠를 만들게 하는 데서, 운영 시스템을 통해 업무를 진행하게 하는 데로 옮겨갔다는 점이다.

ADWEEK의 Cannes Lions agentic 마케팅 보도에 따르면, 브랜드는 에이전시, 미디어 기업, 광고 기술 벤더보다 더 신중한 태도를 보였다. 공급업체들이 야심 찬 에이전트 출시를 홍보한 반면, 브랜드는 측정 가능한 병목이 있는 내부 워크플로에 집중했다.

이 매체는 Zoom이 CRM 업데이트를 자동화하는 데 에이전트를 사용하고 있다고 전했다. ADWEEK가 공유한 agentic AI 요약에 따르면, 이를 통해 마케터는 전략과 크리에이티브 의사결정에 더 많은 시간을 쓸 수 있다.

CRM 자동화는 범위는 좁지만 중요한 활용 사례다. CRM, 즉 고객 관계 관리 시스템은 잠재 고객 및 고객과의 상호작용을 기록한다. 직원들이 기록을 불완전하게, 늦게 또는 일관성 없이 남기면 그 가치는 떨어진다.

에이전트는 회의에서 관련 세부 정보를 추출하고, 상호작용을 분류하며, 업데이트를 제안할 수 있다. 또한 대화를 후속 작업과 연결할 수도 있다. 소프트웨어가 단순히 텍스트를 생성하는 것이 아니라 맥락을 평가하고 여러 시스템에서 허용된 작업을 수행할 때 워크플로는 agentic해진다.

Bayer가 보고한 활용 사례는 다른 마찰 요인을 다룬다. 이 회사는 컴플라이언스 요구가 높은 마케팅 승인 절차와 외부 미디어 파트너와의 성과 지표 정렬에 에이전트를 적용하고 있다.

이 업무는 소셜 게시물을 작성하는 것보다 더 큰 위험을 수반한다. 제약 및 건강 관련 프로모션은 법무, 규제, 의학, 브랜드, 시장 검토를 거친다. 누락된 주장이나 오래된 요구사항은 캠페인 성과를 넘어서는 결과를 초래할 수 있다.

에이전트의 잠재적 가치는 이러한 검토를 조율하는 데서 나온다. 누락된 정보를 식별하고, 자산을 적절한 검토자에게 전달하며, 자료를 확립된 규칙과 비교하고, 의사결정 기록을 유지할 수 있다.

어느 사례도 완전히 자율적인 마케팅 운영을 의미하지는 않는다. 인간은 여전히 규칙을 정의하고, 접근 제어를 유지하며, 예외 사항을 검토하고, 게시된 결과물에 대해 책임을 진다.

이러한 한계는 동시에 가장 중요한 발견이기도 하다. Bayer와 Zoom은 에이전트가 경계가 명확한 워크플로 내에서 작동할 때 가치를 보고하고 있다. AI 시스템이 독립적으로 전략을 수립하고, 캠페인을 만들고, 승인하고, 배포하며, 더 광범위한 브랜드 영향을 판단할 수 있다는 증거를 제시하는 것은 아니다.

“agentic”이라는 표현은 여러 수준의 자율성을 설명할 수 있기 때문에 이러한 구분은 Google News 헤드라인에서 자주 사라진다. CRM 항목을 추천하고 승인을 기다리는 시스템은 검토 없이 고객 기록을 수정하는 시스템과 상당히 다르다.

Bayer에도 같은 원칙이 적용된다. 컴플라이언스 증거를 수집하는 도구는 건강 관련 주장을 승인할 권한을 부여받은 에이전트와 동등하지 않다.

이러한 구현은 여전히 중요하다. 업무의 가장자리에서 선택적으로 쓰이는 보조 도구였던 AI를, 업무 완료 여부를 결정하는 운영 경로로 옮기기 때문이다. 다만 엔터프라이즈 도입은 엄격하게 관리되는 행동에서 시작된다는 점도 보여준다.

워크플로 마찰이 첫 번째 목표가 된 이유

마케팅 팀은 조율 비용이 눈에 띄고, 반복적이며, 통합 작업을 정당화할 만큼 비용이 큰 영역에서 에이전트를 도입하고 있다.

현대의 캠페인은 수많은 전문 시스템을 거친다. 팀은 고객 기록, 미디어 구매, 분석, 콘텐츠 관리, 승인, 보고를 위해 별도의 애플리케이션을 사용한다. 캠페인이 고객에게 도달하기 전에 정보는 이러한 애플리케이션 사이를 이동해야 한다.

이러한 분절화는 에이전트에 유리한 환경을 만든다. 에이전트는 덜 구조화된 정보를 해석하고, 다음 단계를 결정하며, 승인된 도구를 호출할 수 있다. 기존 자동화는 입력값이 달라지거나 의사결정에 맥락이 필요할 때 자주 실패한다.

이 기회는 기존 마케팅 소프트웨어 전반에 오케스트레이션 계층을 구축하는 기업들을 끌어들였다. 예를 들어 Gradial은 Adobe, Salesforce, ServiceNow, Databricks 같은 플랫폼 전반에서 에이전트가 업무를 수행하는 운영체제로 자사 제품을 설명한다.

2026년 6월 Gradial은 이 모델과 연계된 투자 유치 라운드를 발표했다. Axios는 이 회사의 고객으로 AWS, Prudential, T-Mobile, Vanguard, Kaiser Permanente, U.S. Bank를 보도했다.

이 보도는 특히 강한 고객 주장도 인용했다. T-Mobile은 Gradial의 기술을 사용해 캠페인 실행 시간을 80%~90% 줄였고, 보고된 정확도는 99%였다고 밝혔다. 이 수치는 관련 기업이 제시한 것으로, 다른 벤더 사례 연구와 마찬가지로 신중하게 해석해야 한다.

그럼에도 마케팅 워크플로 모델은 규제를 받는 엔터프라이즈가 초기 도입자에 포함되는 이유를 설명하는 데 도움이 된다. 이들의 워크플로에는 많은 규칙, 승인, 문서화 요구사항이 포함된다. 이러한 제약은 개방형 브랜드 전략보다 에이전트에 더 명확한 경계를 제공한다.

Bayer의 승인 절차는 이 패턴에 부합한다. 이 회사의 에이전트는 알려진 정책을 반복적으로 적용하면서 모호한 사례는 상위 검토로 넘길 수 있다. Bayer는 AI가 인간의 판단을 대체했다고 주장하지 않고도 시스템이 검토 시간을 줄였는지 또는 누락을 방지했는지 살펴볼 수 있다.

Bayer는 최근의 에이전트 논의 이전부터 더 측정 가능한 크리에이티브 운영을 구축해 왔다. 이 회사는 CreativeX를 사용해 정의된 기준에 따라 디지털 자산을 평가하고, 그 결과를 에이전시와 공유한다.

Digiday에 따르면, Bayer는 약 1년 만에 품질 측정이 적용된 디지털 크리에이티브의 비중을 약 20%에서 70%로 높였다. 또한 시장과 브랜드에 확립된 모범 사례 기준의 80%에 도달하도록 지시했다.

이는 매출 성장에 대한 독립적인 증거가 아니라 회사가 보고한 수치다. 그럼에도 agentic 워크플로에 필요한 운영 기반을 보여준다. 에이전트가 유용한 의사결정을 내리려면 문서화된 기준과 구조화된 피드백이 필요하다.

Bayer의 마케팅 리더들은 크리에이티브 품질과 미디어 투자를 연결하는 대시보드도 검토한다. 이 프로세스는 상당한 지출이 낮은 품질의 자료를 지원하는 사례를 표시한다.

이러한 기반은 에이전트 도입을 덜 미스터리하게 만든다. Bayer는 범용 챗봇에게 헬스케어 광고의 모든 측면을 이해해 달라고 요청하는 것이 아니다. 이미 존재하는 점수, 정책, 검토, 책임 주체의 시스템 안에 AI를 삽입하고 있다.

Zoom은 대화가 이미 자사 플랫폼 안에서 이루어진다는 점에서 비슷한 이점을 지닌다. 회의는 녹취록, 참가자, 타임스탬프, 의사결정, 할당된 업무를 제공한다. 이러한 맥락은 사용자가 도구 사이에서 데이터를 복사하도록 강요하지 않고도 CRM 업데이트와 후속 조치를 지원할 수 있다.

Zoom은 또한 agentic 기술을 중심으로 AI Companion을 확장했다. 이 회사는 이 시스템이 회의 맥락을 활용해 Zoom Workplace 및 연결된 애플리케이션 전반에서 작업을 완료할 수 있다고 말한다.

자사의 agentic AI 로드맵은 요약에서 행동으로의 발전 과정을 설명한다. 이는 고객 대화에서 기록된 영업 또는 마케팅 업무로 이어지는 직접적인 경로를 만든다.

단기적인 압력은 수작업 조율에 의존하는 마케팅 소프트웨어 벤더와 에이전시에 가해진다. 브랜드가 일상적인 의사결정을 코드화하고 승인 기록을 보존할 수 있다면, 파트너에게 이러한 워크플로와의 통합을 기대하게 될 것이다.

또한 시스템 사이에서 정보를 옮기는 데 투입된 노동 시간을 기반으로 하는 서비스 모델에 의문을 제기할 수도 있다. 에이전트가 전략 업무를 대체하지 않더라도 반복적 실행의 경제성에는 도전할 수 있다.

Google News는 더 제한적인 AI 성과를 증폭하고 있다

헤드라인의 이야기는 자율 마케팅이지만, 실제 작동 방식은 특정 인계 지점을 중심으로 구축된 감독형 자동화다.

Google News는 별개의 기업 실험을 하나의 광범위한 전환에 대한 증거처럼 보이게 할 수 있다. Bayer, Zoom, 미디어 에이전시, 소프트웨어 벤더는 모두 “agentic”이라는 용어를 사용하지만, 이들의 시스템이 반드시 같은 역량을 공유하는 것은 아니다.

유용한 정의는 좁게 잡는 것이다. Agentic AI는 목표를 해석하고, 단계를 선택하며, 제한된 감독 아래 허용된 행동을 취할 수 있는 소프트웨어를 뜻한다. 감독의 정도와 권한의 범위가 시스템이 실제로 지닌 자율성의 크기를 결정한다.

Zoom의 CRM 사례는 독립적인 마케팅 관리보다는 행동 지향적 지원에 더 가깝게 보인다. 이 시스템은 대화 이후의 관리 업무를 줄일 수 있지만, 마케터는 여전히 오디언스 결정, 포지셔닝, 크리에이티브 판단, 고객 관계를 책임진다.

Bayer의 사례도 마찬가지로 제한적이다. 에이전트는 승인 경로를 빠르게 하고 자료를 문서화된 요구사항과 비교할 수 있다. 그러나 프로모션 문구에 임상적, 규제적 또는 평판 관련 판단이 수반될 때 책임 있는 전문가의 필요성을 없앨 수는 없다.

이러한 경계는 프로젝트의 가치를 낮추지 않는다. 오히려 프로젝트가 실제 운영 환경에 도입될 수 있는 그럴듯한 경로를 설명한다.

개방형 에이전트는 더 큰 평가 문제에 직면한다. 캠페인은 하나의 지표를 개선하는 동시에 다른 지표를 훼손할 수 있다. 고객 확보 비용이 낮아지는 대신 리드 품질이 떨어지거나, 메시지 빈도가 과도해지거나, 장기적인 브랜드 신뢰가 하락할 수 있다.

운영 워크플로는 더 명확한 시험 기준을 제공한다. 에이전트가 올바른 CRM 필드를 채웠는가? 자산을 적절한 검토자에게 보냈는가? 필요한 문서를 보존했는가? 권한 있는 사람이 최종 조치를 승인했는가?

이러한 질문은 관찰 가능한 결과를 만들어 낸다. 브랜드 전략은 이처럼 명확한 판단 기준을 거의 제공하지 않는다.

광고 최적화에 대한 Zoom의 경험은 경계가 명확한 의사결정의 매력을 보여준다. Metadata는 Zoom이 Bid Agent를 사용해 LinkedIn 광고를 최적화했으며, 클릭당 비용을 77% 줄이고 투자수익률을 3배 높였다고 보고했다고 밝혔다.

입찰 자동화 사례는 해당 기술을 제공하는 벤더가 게시했다. 따라서 그 결과는 통제된 비교가 아닌 고객 사례 연구로 취급해야 한다.

그럼에도 입찰은 기계 지원에 적합한 영역이다. 시스템은 구조화된 캠페인 데이터를 받고, 예산 및 플랫폼 제한 안에서 작동하며, 확립된 성과 측정 기준으로 평가할 수 있다.

위험은 입찰에서의 성공이 마케팅의 나머지 영역으로 곧바로 이전된다고 가정하는 데 있다. 미디어 최적화는 메시지가 진실한지, 차별적인지, 문화적으로 적절한지, 고객에게 유용한지를 해결하지 못한다.

Bayer의 경험은 이러한 긴장을 드러낸다. 생성형 AI는 콘텐츠 공급을 늘리지만, 더 많은 콘텐츠가 더 나은 커뮤니케이션을 보장하지는 않는다.

Digiday는 자동화된 생산이 확대되는 가운데 Bayer가 인간적인 특성을 보존하는 데 우려를 표했다고 보도했다. Bayer의 Celine Baudin은 AI가 콘텐츠 제작을 더 쉽게 만들었지만, 의미 있는 소재를 구별하기는 더 어렵게 만들었다고 말했다.

Bayer는 또한 Meta에서 크리에이터 광고의 약 45%가 첫 3초 안에 눈에 보이는 브랜딩을 포함하지 않았다는 CreativeX 데이터를 인용했다. 이는 자동화가 기본적인 커뮤니케이션 목표를 충족하지 못한 채 생산량만 늘릴 수 있음을 보여준다.

크리에이티브 품질 조사 결과는 에이전트의 다른 역할을 가리킨다. 생산을 극대화하는 대신, 에이전트는 자산을 점검하고 정책 또는 품질상의 공백을 식별하며 사람이 검토할 소재의 우선순위를 정할 수 있다.

이것이 Google News 스토리의 핵심적인 전환점이다. 에이전틱 마케팅은 그 야심을 좁힘으로써 신뢰성을 얻고 있다.

가장 타당한 시스템은 마케터를 대체하겠다고 주장하지 않는다. 대신 마케터, 법무팀, 의료 검토자, 비즈니스 리더가 여전히 내려야 하는 결정을 둘러싼 조정 부담을 줄인다.

수치는 아직 자율 마케팅을 입증하지 못한다

공개된 증거 대부분은 벤더와 참여 기업에서 나오며, 에이전트 성과에 대한 표준화된 측정치는 여전히 부족하다.

현재의 사례 연구는 고무적인 신호를 제공하지만, 에이전틱 마케팅이 조직 전반에서 일관되게 작동한다는 점을 입증하지는 않는다. 기업마다 데이터 품질, 권한, 프로세스, 채널, 성공의 정의가 다르다.

Zoom이 보고한 광고 성과 개선은 특정 입찰 워크플로에서 나왔다. Bayer의 크리에이티브 커버리지 수치는 내부 측정 프로그램의 확대를 반영한다. T-Mobile이 보고한 실행 성과 개선은 또 다른 벤더와 운영 환경에서 이뤄졌다.

이러한 결과를 보편적인 수익 추정치로 합칠 수는 없다. 이는 개별 도입 사례에 관한 더 좁은 질문에 답한다.

기여도 측정도 또 다른 문제를 만든다. 에이전트 도입 후 캠페인 성과가 개선됐다면, 여러 변수가 함께 바뀌었을 수 있다. 도입 과정에서 팀이 예산, 타기팅, 크리에이티브, 승인 규칙 또는 보고 관행을 수정할 수도 있다.

적절한 기준선이 없다면, 에이전트는 다른 곳에서 발생한 개선의 공로를 인정받을 수 있다. 벤더 사례 연구는 관찰된 변화를 정확히 보고할 수 있지만, 그 원인을 분리해내지는 못할 수 있다.

‘에이전트’라는 단어 자체도 비교를 복잡하게 만든다. 어떤 제품은 사람이 승인하는 추천을 제시할 수 있다. 다른 제품은 정해진 임계값 내에서 변경을 자동으로 실행할 수 있다. 또 다른 제품은 여러 전문 모델과 비즈니스 애플리케이션을 조율할 수 있다.

세 시스템을 모두 에이전틱이라고 부르면 독립성과 위험 측면의 중요한 차이가 가려진다. 엔터프라이즈 구매자는 소프트웨어가 무엇을 읽을 수 있는지, 무엇을 변경할 수 있는지, 언제 중단해야 하는지를 물어야 한다.

감사 가능성은 Bayer에 특히 중요하다. 승인 시스템은 에이전트가 어떤 규칙을 적용했는지, 어떤 증거를 검토했는지, 어떤 버전의 자산을 처리했는지, 누가 게시를 승인했는지를 보여줘야 한다.

기업이 나중에 프로세스를 재구성해야 할 때, 겉보기에 정확한 결과만으로는 충분하지 않다. 마케팅팀에는 법무, 보안, 규제, 비즈니스 이해관계자가 이해할 수 있는 로그가 필요하다.

CRM 자동화는 자체적인 거버넌스 문제도 제기한다. 회의 기록에는 기밀 고객 정보, 개인정보, 전략 계획 또는 부정확한 진술이 포함될 수 있다. 에이전트의 접근 권한은 직원의 권한 및 정보 수집 목적과 일치해야 한다.

오류 역시 전파될 수 있다. 잘못된 CRM 분류는 부정확한 이메일을 촉발하거나 예측을 변경하거나 다른 직원이 고객을 대하는 방식에 영향을 줄 수 있다.

오류의 후속 비용이 큰 곳에서는 사람의 검토가 여전히 가치 있다. 실무적인 설계 질문은 모든 루프에 사람을 넣을지 여부가 아니다. 인간의 승인이 그로 인해 발생하는 지연보다 더 큰 가치를 만드는 지점이 어디인지가 중요하다.

팀은 되돌릴 수 있는 정도와 결과의 심각성에 따라 행동의 우선순위를 매겨 이 질문에 답할 수 있다. 내부 요약문 초안 작성은 의료 관련 주장을 게시하는 것보다 위험이 낮다. CRM 업데이트를 제안하는 일은 고객 기록을 삭제하거나 덮어쓰는 일과 다르다.

가장 안전한 시스템은 에이전트에 제한적인 권한을 부여하고, 실행 전에 결과물을 검증하며, 불확실한 사례를 상위 검토로 이관한다. 또한 워크플로, 데이터, 외부 규칙은 변하기 때문에 도입 후에도 결과를 모니터링한다.

이 거버넌스 부담은 에이전트가 단순히 업무를 없앤다는 ধারণ을 약화한다. 반복 실행에서 쓰이던 일부 노력을 시스템 설계, 평가, 예외 처리, 책임성으로 옮긴다.

그럼에도 이는 좋은 교환일 수 있다. 다만 구매자는 효율성을 측정할 때 이러한 책임도 포함해야 한다.

Bayer의 경험은 조직 변화가 기술보다 더 어려울 수 있음을 시사한다. 경영진은 분절된 팀 전반에 공동 책임을 만들기 위한 노력을 설명해 왔다. 에이전트만으로는 불분명한 책임 구조를 바로잡을 수 없다.

서로 다른 부서가 유효한 주장, 적격 리드 또는 성공적인 캠페인의 정의에 합의하지 못한다면, 자동화는 그 불일치를 더 빠르게 실행할 수 있다. 조직은 신뢰할 수 있는 에이전트가 규칙을 적용하리라 기대하기 전에 먼저 그 규칙을 확정해야 한다.

따라서 지식 품질은 경쟁력의 투입 요소가 된다. 팀에는 사람과 에이전트가 검색할 수 있는 최신 정책, 사례, 결정, 성과 기록이 필요하다.

검색 가능한 지식 베이스는 원천 자료를 더 쉽게 점검할 수 있게 해 이러한 업무를 지원할 수 있다. 이는 거버넌스나 전문가 승인을 대체하지는 않는다.

Google News 보도는 이러한 증거 공백을 염두에 두고 읽어야 한다. Bayer와 Zoom은 신뢰할 만한 운영상 활용 사례를 확인했다. 그러나 공개 기록은 아직 일관되고 독립적으로 측정된 결과를 내며 완전한 마케팅 기능을 운영하는 자율 에이전트를 보여주지 못한다.

마케터가 다음으로 주목해야 할 것

다음 단계는 감사 추적, 지속적인 도입, 그리고 독립적인 검증을 견디는 결과에 의해 결정될 것이다.

첫 번째 신호는 더 깊은 수준의 실사용이다. 기업은 에이전트가 파일럿에만 머무는지, 아니면 CRM, 승인, 캠페인 워크플로의 표준 구성 요소가 되는지를 공개해야 한다.

사용량은 발표보다 중요하다. 도구는 데모에서는 잘 작동할 수 있지만, 직원이 비정상적인 데이터, 상충하는 지시, 누락된 권한을 마주하면 실패할 수 있다.

Zoom의 경우 핵심 질문은 대화 기반 조치가 고객 접점 팀 전반에서 일상화되는지 여부다. 도입은 수정 업무를 늘리지 않으면서 일관된 CRM 기록과 완료된 후속 조치를 만들어야 한다.

회사의 더 광범위한 AI 전략은 배포 측면의 이점을 제공한다. 회의에는 이미 행동에 필요한 맥락이 담겨 있다. 그러나 Zoom은 사용자가 민감한 비즈니스 애플리케이션을 연결할 만큼 시스템을 신뢰한다는 점을 보여줘야 한다.

두 번째 신호는 증거의 품질이다. 구매자는 에이전트 효과를 다른 캠페인 변화와 구분하고, 시간 또는 성과 개선과 함께 오류율을 보고하는 측정치를 찾아야 한다.

신뢰할 수 있는 평가는 기준선, 표본, 검토 과정, 대상 기간을 정의해야 한다. 또한 사람이 에이전트의 작업을 수정, 거부 또는 되돌린 빈도를 공개해야 한다.

기업이 무엇을 정확하다고 판단했는지 설명할 때 정확성 주장은 더 유용해진다. 기술적으로 유효한 시스템 조치라도 고객이나 캠페인 목표 달성을 지원하지 못할 수 있다.

더 긴 측정 기간 역시 중요하다. 에이전트는 점점 더 좁은 잠재고객을 선택하거나 결국 효과를 잃는 전술을 반복해 단기 지표를 개선할 수 있다.

세 번째 신호는 압박 상황에서의 거버넌스다. Bayer의 컴플라이언스 워크플로는 명확한 기록을 유지하면서 정책 변경, 이례적인 주장, 시장 간 차이를 처리할 수 있다면 더욱 설득력을 갖게 될 것이다.

진짜 시험은 에이전트가 모호함에 직면할 때 시작된다. 신뢰할 수 있는 시스템은 정책으로 뒷받침되지 않는 확신에 찬 답을 내놓기보다 불확실성을 인식하고 결정을 상위 검토로 이관해야 한다.

벤더는 승인 제어, 평가 대시보드, 권한 관리, 추적 가능한 행동 이력을 추가하며 대응할 것이다. 이러한 기능은 또 하나의 캠페인 콘셉트를 생성하는 능력보다 엔터프라이즈 도입에 더 중요할 수 있다.

에이전시 역시 전략적 선택에 직면한다. 수동 조정을 서비스의 일부로 방어할 수도 있고, 성과, 판단, 감독을 중심으로 업무 관계를 재설계할 수도 있다.

에이전틱 시스템은 일상적인 인수인계를 더 쉽게 점검하게 만들 것이다. 고객은 간단한 업데이트에 왜 여러 회의, 이메일, 청구 가능 시간이 필요했는지 물을 수 있다.

동시에 브랜드에는 여전히 외부 관점이 필요하다. 아무도 목표, 원천 데이터, 크리에이티브 방향에 이의를 제기하지 않는다면 효율적인 내부 시스템은 기존 가정을 강화할 수 있다.

더 강력한 에이전시의 입지는 자동화와 독립적인 판단을 결합하는 것이다. 에이전시는 고객이 평가 기준을 정의하고, 어려운 사례에 대해 에이전트를 테스트하며, 내부 워크플로가 놓치는 결과를 식별하도록 도울 수 있다.

마케터는 ‘에이전틱’을 조달의 지름길로 사용하는 일을 피해야 한다. 이 라벨은 시스템이 조직의 실제 프로세스에 맞는지 알려주지 않는다.

유용한 평가는 하나의 범위가 제한된 워크플로에서 시작한다. 팀은 기술을 선택하기 전에 입력값, 결정, 권한, 실패 비용, 원하는 결과를 문서화해야 한다.

그다음 에이전트를 현재 프로세스와 비교해야 한다. 이 비교에는 검토 시간, 수정 업무, 통합 유지보수, 보안 통제, 최종 비즈니스 결과의 품질이 포함돼야 한다.

Bayer와 Zoom이 더 강력한 증거를 공개한다면, 이들의 프로젝트는 엔터프라이즈 마케팅에 관한 더 폭넓은 결론을 뒷받침할 것이다. 공개가 선택된 성공 지표에만 제한된다면, 더 신중한 해석이 유지될 것이다.

현재로서는 Google News의 서사는 방향성 측면에서 중요하지만, 헤드라인이 시사하는 것보다 범위가 좁다. 에이전트는 특히 규칙과 인수인계가 이미 가시화된 마케팅 운영 내부에서 실제 업무를 찾아내고 있다.

기회는 스스로 운영되는 마케팅 부서가 아니다. 현재 대화, 시스템, 파트너, 승인 과정 사이에서 사라지는 업무를 위한 더 나은 운영 계층이다.

그 계층을 도입하기 전에 반복적으로 발생하는 병목 하나를 선택하고, 올바른 행동이 무엇인지 정의하라. 그런 다음 에이전트가 이를 안전하게 완료하고, 자신의 선택을 설명하며, 지속적인 사용을 얻을 수 있는지 물어야 한다. 그 시험은 자율 마케팅에 대한 또 하나의 광범위한 약속보다 더 많은 것을 드러낼 것이다.