# 마케팅용 AI 에이전트 만드는 방법: 실행 가능한 단계별 가이드

URL: https://trycompass.co/ko/journal/how-to-build-an-ai-agent-for-marketing-ko
Type: blog
Locale: ko
Published: 2026-09-18
Updated: 2026-09-18

---

> AI 에이전트는 단순한 자동화 규칙과 다르다. 당신의 캠페인을 실시간으로 최적화하려면 어떻게 해야 할까.

## 마케팅용 AI 에이전트 만드는 방법

당신의 캠페인 이메일이 48시간 동안 실행 중이다. 오픈율이 17%에서 정체 중이다. 수동으로 설정한 자동화 도구는 그냥 앉아만 있을 것이다. 다음 주 검토 회의를 기다리기만 하면서. 잘 만들어진 AI 에이전트라면 이미 예산을 유료 소셜로 재배치하고 있을 것이다. 세그먼트별로 발송 시간을 조정하고. 열지 않은 사용자들을 위해 재참여 시퀀스를 대기 중인 상태. 관찰하는 도구와 행동하는 에이전트 사이의 그 간격. 바로 이 가이드가 다루는 것이다. 비행 중에도 캠페인 방향을 바꾸는 AI 에이전트를 마케팅에 맞게 만드는 방법을.

## AI 에이전트는 실제로 뭘 하는가 (자동화와는 다르다)

일반적인 마케팅 자동화는 규칙 기반이다. 규칙을 정의한다. 오픈율이 20% 이하로 떨어지면 3일 뒤에 리마인더를 보낸다고. 도구는 정확히 그 규칙을 따른다. 더도 덜도 없다.

AI 에이전트는 상황을 해석한다. 오픈율이 모바일에서는 낮지만 데스크톱에서는 높다는 것을 관찰할 수 있다. 그 이유를 추론한다. 제목이 작은 화면에서 렌더링이 잘못되는 것 같다고. 그리고 그 추론에 따라 행동한다. 앞으로의 발송을 기기 유형별로 나눈다. 아무도 그 시나리오에 대한 규칙을 작성한 게 아니다. 에이전트가 스스로 추론해서 그곳에 도달했다.

이 차이점은 무엇을 구축할지 정할 때 중요하다. 작업이 고정되고 예측 가능한 논리 경로를 가지고 있다면 표준 자동화 시퀀스가 더 싸고 더 신뢰할 수 있다. 그 작업이 매주 변하는 여러 변수 전체에서 판단을 필요로 한다면 에이전트가 필요하다.

유용한 테스트. 결정 논리를 평문으로 적어본다. 포스트잇 한 장에 들어간다면 규칙을 만든다. 조건문으로 가득한 페이지를 채운다면. 그건 에이전트의 영역이다.

## 모든 마케팅 에이전트가 필요한 다섯 가지 구성 요소

프로덕션급 AI 에이전트는 어떤 플랫폼을 사용해서 조립하든 다섯 가지 기본 요소를 공유한다.

**1. 언어 모델 코어.** 추론 엔진. 2026년에 대부분의 마케팅팀은 안정적인 명령어 따르기를 위해 Claude나 GPT-4o를 선택한다. 더 작은 오픈 모델은 비용이 유연성보다 중요한 좁고 고용량 작업에 적합하다. 모델의 시스템 프롬프트는 에이전트의 목표, 제약 조건, 그리고 정확히 어떤 형식으로 반환해야 하는지를 정의한다.

**2. 메모리.** 단기 컨텍스트(이 캠페인에서 지금까지 뭐가 일어났는가) 더하기 장기 회상(Q3에 작동했던 것, 이 오디언스 세그먼트가 반응하는 것). 구조화된 메모리 없이 에이전트는 매 세션마다 접근 방식을 다시 발명한다. 현재 벤치마크는 적절한 메모리 아키텍처를 가진 에이전트와 컨텍스트 윈도우만 의존하는 에이전트 사이에 최대 15포인트의 정확도 격차를 보여준다.

**3. 도구.** 에이전트가 호출할 수 있는 함수들. 당신의 CRM API. 당신의 이메일 플랫폼. 웹 검색 엔드포인트. 당신의 광고 관리자 보고 API. 각 도구는 하나의 기능이다. 에이전트가 호출할 수 있고 없는 것을 얼마나 명확하게 정의하는가. 그것이 프로덕션에서 그 행동이 얼마나 예측 가능한지를 결정한다.

**4. 계획 수립 계층.** 에이전트가 높은 수준의 목표를 순서대로 정렬된 하위 작업으로 어떻게 나누는가. 재참여 캠페인의 경우 다음을 의미한다. 세그먼트별 오픈율을 확인하고. 가장 약한 드립 단계를 파악하고. 대안 제목 세 개를 생성하고. 상위 두 개를 A/B 테스트한다. 이 계층은 간단한 사고의 연쇄 프롬프트이거나 각 단계를 순서대로 처리하는 전문가 하위 에이전트가 있는 다중 에이전트 설정일 수 있다.

**5. 피드백 루프.** 에이전트의 마지막 행동이 작동했는지를 에이전트에게 알려주는 메커니즘. 이것 없이 에이전트는 행동하지만 조정하지 않는다. 피드백 루프는 일회성 AI 호출과 진정한 자율 시스템 사이의 차이를 닫는다.

![AI 에이전트 노드들이 네트워크를 형성하는 추상화된 시각화](https://fdzlnqpwsaniezitwiuw.supabase.co/storage/v1/object/public/cms-media/accorata/2026-09/97fcab-img-1.webp)

## 플랫폼 선택: 노코드 빌더 대 커스텀 스택

올바른 답은 한 가지 질문에 따라 달라진다. 당신의 마케팅팀이 당신의 스택에 API 접근권을 가지고 있는가.

그렇다면 n8n, Make.com, LangChain 같은 프레임워크를 사용해서 2~4주말 안에 커스텀 에이전트를 구축할 수 있다. 당신은 도구를 연결하고 시스템 프롬프트를 작성하고 간단한 벡터 스토어나 관리형 메모리 계층으로 메모리를 다룬다. 천장은 높지만 유지 관리 비용도 높다.

아니라면 플랫폼 중심 에이전트가 더 빠른 경로다. Lindy 같은 도구는 평문으로 워크플로우를 설명하게 하고 기존 도구(HubSpot, Slack, Google Ads)에 OAuth로 연결하고 하루 안에 작동하는 에이전트를 가질 수 있다. 트레이드오프는 계획 수립 계층에서 제한된 커스터마이제이션이다.

세 번째 경로도 언급할 가치가 있다. 기존 스택에 내장된 기본 AI 에이전트. 예를 들어 HubSpot의 Breeze 에이전트는 당신의 CRM 데이터 안에 앉아 재참여, 전망 발굴, 또는 콘텐츠 생성 작업을 어떤 통합 작업 없이도 실행한다. HubSpot이 이미 당신의 기록 시스템이라면 거기서 시작하는 것은 초기 설정 마찰을 완전히 피한다.

## 첫 번째 에이전트의 작업 범위 정하기

AI 에이전트 프로젝트의 가장 흔한 실패 모드는 범위가 너무 넓다는 것이다. 당신의 마케팅을 개선하는 에이전트는 작업이 아니다. 그건 열망이다.

잘 정해진 첫 번째 에이전트는 하나의 측정 가능한 시작 이벤트와 하나의 측정 가능한 출력을 가진다. 예. 리드가 14일 동안 어떤 이메일도 열지 않으면 재참여 제목 세 개를 생성하고 발송안을 작성해서 승인을 기다린다. 그게 다다. 하나의 트리거, 하나의 출력, 하나의 승인 게이트.

승인 게이트는 첫 번째 에이전트에서 중요하다. 대부분의 팀은 2~4주 동안 감독 모드에서 실행해서 에이전트의 제안된 행동이 실행되기 전에 검토한다. 그 기간은 에이전트의 판단에 대한 팀의 신뢰를 구축하고 범위를 정할 때 예상하지 못한 엣지 케이스를 표면화한다.

첫 번째 에이전트를 감독 모드에서 4주 동안 상당한 오류 없이 실행한 후에만 승인 게이트를 제거한다. 에이전트는 당신이 설정한 가드레일 내에서 자율적으로 행동한다.

## 에이전트 실행: 크롤-워크-런 프로토콜

합리적인 시간 내에 작동하는 마케팅 에이전트를 배포하는 대부분의 팀은 3단계 리듬을 따른다.

**크롤.** 에이전트는 관찰하고 보고한다. 캠페인 데이터를 읽고 패턴을 파악하고 권장사항을 제시한다. 당신은 그 권장사항을 수동으로 행동한다. 이 단계는 1~2주가 걸리고 대부분 에이전트가 당신의 데이터를 올바르게 읽을 수 있는지 검증하는 것에 관한 것이다.

**워크.** 에이전트는 인간 승인을 위한 행동 초안을 작성하고 대기시킨다. 재참여 이메일을 작성한다. 유료 소셜 리타게팅을 위해 오디언스 세그먼트를 준비한다. 당신은 검토하고 승인한다. 이 단계는 일반적으로 2~3주를 실행한다.

**런.** 에이전트는 검토를 기다리지 않고 사전 승인된 규칙 집합에 따라 행동한다. 당신은 가드레일을 정의한다(최대 일일 지출 변화, 제외된 오디언스 목록, 실시간 A/B 테스트의 제목 변경 없음). 에이전트는 그 범위 내에서 작동한다. 당신은 모든 행동이 아니라 일일 요약을 검토한다.

대부분의 팀은 킥오프에서 첫 번째 에이전트에서 4~8주 내에 런에 도달한다.

![AI 기반 캠페인 대시보드를 사용하는 마케팅 전문가](https://fdzlnqpwsaniezitwiuw.supabase.co/storage/v1/object/public/cms-media/accorata/2026-09/eb159d-img-2.webp)

## 런 모드로 가기 전에 가드레일 정의하기

가드레일 대화는 대부분의 팀이 건너뛰는 것이다. 시스템 프롬프트와 도구 연결에 시간을 들이고 나서 에이전트의 자율적 행동이 비즈니스 정책 내에 머물러 있는지를 결정하는 단계를 건너뛴다.

런 단계로 이동하기 전에 네 가지 가드레일 카테고리를 정의한다.

**지출 한도.** 에이전트는 인간이 개입하지 않고서는 일일 광고 지출을 15% 이상 증가시킬 수 없다. 이것을 시스템 프롬프트의 제안이 아니라 도구 정의의 하드 제약으로 설정한다.

**오디언스 제외.** 이탈한 계정, 법적 보류, 맞춤형 관계 조건이 있는 VIP 계정. 에이전트는 어떤 추론 경로에서도 무시할 수 없는 제외 목록이 필요하다.

**채널 규칙.** 일부 조직은 규정 준수 주도 이메일 리듬 한도를 가지고 있다. 그것들을 하드 제약으로 코딩한다. 오픈율이 낮다는 이유로 24시간 내에 세 개의 이메일을 보내는 에이전트는 최적화가 아니다. 그건 책임이다.

**에스컬레이션 트리거.** 에이전트가 혼자 결정할 수 없는 것을 정의한다. 3개의 최적화 사이클 후 40% 하락하는 캠페인은 자율적 행동 작업이 아니다. 캠페인 브리프를 다시 짜는 방법을 알 수 있는 인간으로 에스컬레이션하는 신호다.

## 에이전트가 맞게 하는 것과 틀리는 것 측정하기

하나가 아니라 두 개의 스코어보드가 필요하다.

첫 번째 스코어보드는 캠페인 성과를 측정한다. 오픈율, 클릭률, 획득 비용, 속성된 매출. 이것이 비즈니스가 신경 쓰는 것이다.

두 번째 스코어보드는 에이전트 결정 품질을 측정한다. 에이전트의 제안된 행동이 시니어 마케터가 한 것과 얼마나 자주 일치했는가. 이것이 에이전트가 올바르게 추론하고 있는지 또는 시장이 쉬운 단계에 있기 때문에 유리한 결과를 얻고 있는지를 알려준다.

두 번째 스코어보드는 자율적 작동으로 이동한 후에도 감독 검토 대기열에 에이전트의 제안된 행동 샘플을 유지해야 한다. 주 1회 마케터는 무작위로 샘플링된 10개의 결정을 검토하고 그들이 한 것에 대해 그것을 평가한다. 그 평가가 당신의 지속적인 보정 데이터다.

두 스코어보드가 분기할 때(캠페인 성과는 올라가지만 에이전트 결정은 주간 검토에서 의심스러워 보임) 주목한다. 당신은 아마 유리한 시장 사이클을 타고 있을 것이다. 잘 보정된 에이전트가 아니다.

![AI 에이전트 워크플로우 라우팅과 오케스트레이션을 나타내는 자동화된 파이프라인 시스템](https://fdzlnqpwsaniezitwiuw.supabase.co/storage/v1/object/public/cms-media/accorata/2026-09/2ca7ad-img-3.webp)

## 결론: 좁게 시작하고 탐색하게 하라

마케팅용 AI 에이전트는 한 번 구매해서 설정하는 제품이 아니다. 구축하고 감독하고 보정하고 점진적으로 확장하는 시스템이다. 첫 분기에서 가장 많은 이점을 얻는 팀은 불변적으로 가장 좁은 범위로 시작한 팀이다. 하나의 트리거, 하나의 행동, 하나의 승인 게이트.

광범위한 명령으로 시작해서 감독 단계를 건너뛴 팀은 지금 에이전트가 계속 잘못된 세그먼트로 이메일을 대기시키는 이유를 디버깅하고 있다.

하나의 재참여 작업으로 시작한다. 맞게 한다. 그 다음 에이전트에게 탐색할 두 번째 경로를 준다.

## FAQ

### AI 에이전트와 마케팅 자동화의 차이는 뭐가 다른가?

마케팅 자동화는 규칙 기반이다(조건 A이면 액션 B를 실행). AI 에이전트는 상황을 해석하고 판단한다. 모바일에서의 저조한 오픈율을 감지하고 그 원인을 추론한(제목 렌더링 문제), 자동으로 발송을 기기별로 나눈다. 규칙이 없었지만 에이전트가 그 결론에 도달했다.

### 마케팅 에이전트를 만드는 데 걸리는 시간은?

크롤-워크-런 프로토콜을 따르면 보통 4~8주가 걸린다. 크롤(1~2주, 관찰만): 데이터 읽기 검증. 워크(2~3주, 초안 작성): 인간 승인을 위한 제안. 런(지속): 사전 정의된 가드레일 내에서 자율적 행동. 대부분의 팀이 네 번째 주에서 여덟 번째 주 사이에 완전 자율화에 도달한다.

### 첫 번째 에이전트로 시작할 때 범위는?

가장 흔한 실패는 범위가 너무 넓은 것이다. 좋은 첫 번째 에이전트는 하나의 트리거(예: 14일 동안 이메일을 열지 않은 리드)와 하나의 명확한 출력(재참여 제목 3개 생성)을 가진다. 승인 게이트(인간 검토)는 필수다. 그것이 당신의 팀이 에이전트의 판단을 신뢰하기 시작하는 부분이다.

### AI 에이전트를 자율적으로 실행하기 전에 정해야 할 가드레일은?

네 가지를 정의한다: (1) 지출 한도(최대 일일 광고 지출 증가율), (2) 오디언스 제외(이탈 계정, VIP, 법적 보류), (3) 채널 규칙(이메일 빈도 제한), (4) 에스컬레이션 신호(대규모 성과 저하는 인간 검토). 이것들은 시스템 프롬프트가 아니라 도구 정의의 하드 제약이어야 한다.

### 에이전트 성과를 측정하는 방법은?

두 개의 스코어보드가 필요하다. 첫째: 캠페인 성과(오픈율, 클릭률, 획득 비용). 둘째: 에이전트 결정 품질(제안된 행동이 시니어 마케터의 판단과 일치하는지). 이 둘이 분기하면(성과는 좋지만 결정은 이상함) 시장의 호재 때문일 수 있다. 잘못 보정된 에이전트가 아니라.

### 노코드 플랫폼 vs 커스텀 스택: 뭘 선택해야 할까?

CRM/이메일/광고 API 접근권이 있다면 n8n, Make, LangChain으로 2~4주 만에 커스텀 에이전트를 만든다(높은 천장, 높은 유지 비용). 없다면 Lindy 같은 플랫폼(낮은 초기 마찰, 제한된 커스터마이제이션). HubSpot이 이미 당신의 시스템이라면 Breeze 에이전트부터 시작(최소 설정).