TLDR
- 📊 실험 배경: 메타 카탈로그 광고 4:5 비율이 1:1보다 더 자주 노출되는 패턴 발견 → 이를 활용한 이미지 자동 생성 시스템 구축
- 🤖 접근법: "업무 단위"로 AI 에이전트와 대화하며 Python 스크립트, GCS 업로드, Cloud Functions 자동화까지 완성
- 💡 핵심 교훈: 처음엔 전체 워크플로우 자동화를 시도했다가 실패. 가장 중요한 기능만 viable하게 만드니 3주 만에 완성
- ⚠️ 솔직한 고백: 아직 실제 광고 집행엔 반영 안 됨. 하지만 "신호를 감지하고 작은 실험을 완성하는 능력" 자체가 성과
- 🎯 실전 가이드: 문제–결과–검증 3단 프레임워크로 에이전트에게 일 시키는 법
AI로 조직을 변신시키고 싶지만, **"코드 한 줄 못 쓰는데 가능할까?"**라는 질문. 저도 똑같이 품고 있었습니다.
그래서 직접 AI Coding Agent(이하 '에이전트')와 협업해 메타 카탈로그 광고의 작은 실험을 해봤습니다. 결과적으로 광고 이미지 자동 생성부터 GCP 스케줄러까지 모두 실현했고, 무엇보다 **"에이전트는 충분히 팀 동료처럼 일을 시킬 수 있다"**는 확신을 얻었습니다.
하지만 솔직히 말하자면, 첫 시도는 실패했습니다. 그리고 아직 이 실험은 실제 광고 집행에 반영되지 않았습니다.
대신 이 글에서는 비개발자가 AI 에이전트와 함께 작은 프로젝트를 완수하는 과정을 있는 그대로 공유하려 합니다.
1. 시작: 전문가는 놓치지 않는 신호
인스타그램 / 페이스북 지면을 보다가 작은 패턴을 발견했습니다. 4:5 비율의 카탈로그 광고가 1:1 정방형보다 더 자주 노출되는 것이었습니다.
인지 심리학자 Gary Klein은 그의 Recognition-Primed Decision 모델에서 이렇게 말합니다:
"전문가와 초보자의 차이는 반복되는 상황에서 패턴을 인식하는 능력에 있다. 전문가는 의식적으로 모든 옵션을 비교하지 않고, 경험을 통해 내재화된 패턴을 즉각 매칭한다."
4:5 노출 빈도가 높다는 건, 메타 알고리즘이 해당 비율을 선호한다는 신호입니다. 이걸 어떻게 레버리지할 수 있을까?
첫 번째 아이디어: 메타 카탈로그 전체 워크플로우 자동화
- 피드 생성부터 이미지 처리, 업데이트까지 전부 자동화
- 결과: 2주간 제자리걸음. 내 에이전트 다루는 능력을 초과하는 범위였습니다
두 번째 아이디어: 가장 중요한 기능만 viable하게
- 정방형 이미지 하단에 정보만 덧붙이는 단순한 접근
- 결과: 3주 만에 완성
이 경험이 주는 교훈은 명확합니다. 2025년 기업들은 AI 에이전트로 74%가 첫 해에 ROI를 달성했지만, 이들의 공통점은 "작고 측정 가능한 프로젝트"부터 시작했다는 점입니다.
2. 비개발자의 요구사항, 어떻게 전달했나?
핵심은 사람에게 일 시키듯 "업무 단위로" 이야기하는 것이었습니다.
문제–결과–검증 3단 프레임워크
문제 정의
"메타 카탈로그 이미지가 ROI를 못 받고 있으니, 정방형 이미지를 4:5로 확장하고 브랜드/할인 정보를 노출해보자."
원하는 결과
"CSV의 id, additional_image_link 두 컬럼을 가진 supplementary feed를 만들어야 하고, 추가 이미지는 GCS에 퍼블릭 URL로 올라가 있어야 한다."
검증 방법
"20개만 먼저 돌려서 결과물을 보여줘."
이렇게 "문제–결과–검증" 3단으로 설명하면 에이전트가 알아서 접근법을 제안하고 수정해 줍니다.
개발 세부 사항을 몰라도, 업무 목적과 조건만 명확히 말하면 되는 셈입니다.
3. 실제 진행한 실험: 이미지 생성 & 피드 자동화
3.1 이미지 생성
에이전트에게 이렇게 말했습니다:
정방형 이미지를 가져와 하단 270px을 4:5 비율로 늘리고,
두 줄 텍스트(브랜드+할인율 / 16자 제목)를 넣어라
결과:
- Python + Pillow로 스크립트 자동 생성
- 프리텐다드 폰트 적용
- 6만 개 이미지를 batch 생성
3.2 GCS 업로드 & Supplementary Feed
에이전트에게 요청:
생성된 이미지를 GCS catalog-creatives/roi-ideaA/에 올리고,
id별 public URL을 만들어라.
CSV는 id, additional_image_link 컬럼으로 재생성해서
gs://catalog-creatives/feeds/meta_roi_ideaA.csv에 저장해라.
만난 문제:
조직 정책 때문에 allUsers 퍼블릭 접근 권한을 못 붙이는 상황
해결:
에이전트와 조율하며 서비스 계정 IAM 설정으로 우회
3.3 매일 자동 업데이트: Cloud Functions + Scheduler
https://athler-catalogs.../meta_catalog.csv를 매일 가져와
새로 추가된 id를 추출해서 supplementary CSV를 재생성해라
에이전트가 제공한 것:
- Cloud Functions(Python) 코드
- Cloud Scheduler 설정 방법
- 배포 명령어와 IAM 권한 설정 가이드
비개발자인 제가 직접 코드를 짤 필요 없이, "필요 기능"을 말하면 에이전트가 배포 명령어까지 안내해 준 덕분에 자동화 환경을 빠르게 구축할 수 있었습니다.
4. 3주 후 깨달은 것들
4.1 Agile하게 요구사항을 쪼개라
"이미지 템플릿 만들어줘 → 20개만 테스트 → 전체 6만 개 적용"
이렇게 단계별로 요구하면 빠르게 검증하고 수정할 수 있습니다.
프로그래머들은 AI 코딩 어시스턴트를 사용할 때 주당 126% 더 많은 프로젝트를 완료하는데, 이는 큰 프로젝트를 작은 단위로 쪼개서 에이전트에게 맡기기 때문입니다.
4.2 문제 맥락과 성공 조건만 명확히
"어떤 데이터에서 무엇을 뽑아 어디에 쓰려는지"를 설명하면 에이전트가 기술 스택과 구현 방법을 알아서 정리합니다.
4.3 인프라/보안 이슈까지 같이 논의
GCS 퍼블릭 권한 제한, 서비스 계정 IAM 문제 등도 비개발자가 겪으면 당황하기 쉬운데, 에이전트가 해결 절차를 명확히 알려줍니다.
5. 솔직한 고백: 아직 광고 집행엔 반영 안 됨
이 글을 쓰는 시점에서, 이 실험은 아직 실제 광고 집행에 반영되지 않았습니다.
그렇다면 이게 실패한 프로젝트일까요?
아닙니다.
진짜 성과는 따로 있습니다:
- 신호 감지 능력: 4:5 노출 빈도가 높다는 패턴을 발견
- 빠른 실험 완료: 3주 만에 작동하는 시스템 구축
- 측정 가능한 설계: incremental ROI 측정이 가능한 구조
이제 다음 단계로 갈 준비가 됐습니다:
- 실제 광고 집행으로 incremental 효과 검증
- 효과가 확인되면 AI 이해도 높은 개발자 리소스 투입
- 전체 워크플로우로 확장
기업들은 AI 에이전트가 업무 작업의 36%를 자동화하거나 가속화할 것으로 기대하지만, 이는 작은 성공을 반복하면서 쌓아올린 신뢰에서 나옵니다.
6. LLM을 "질문 대답기"에서 벗어나게 하라
많은 사람들이 LLM을 단순히:
- "이거 뭐야?"
- "이거 어떻게 해?"
수준으로만 씁니다.
하지만 진짜 가치는 **"이거 대신 해줘"**로 넘어갈 때 나타납니다.
질문 대답기 수준:
"Python으로 이미지 하단에 텍스트 넣는 법 알려줘"
→ 코드 예제 복붙 → 내가 직접 수정
팀 동료 수준:
"CSV에서 이미지 가져와서 하단 270px 확장하고
브랜드명+할인율 넣은 다음 GCS에 업로드해줘"
→ 전체 스크립트 작성 → 에러 나면 같이 디버깅
차이가 보이시나요?
7. 리텐션 주식회사가 드릴 수 있는 가치
이 실험을 통해 깨달은 건, **"AI Coding Agent는 실무자의 아이디어를 빠르게 현장에 적용하는 엔진"**이라는 점입니다.
하지만:
- 아이디어 발굴: 어떤 신호를 봐야 하는가?
- 실험 설계: 무엇을 먼저 테스트해야 하는가?
- 비즈니스 연결: ROI 측정은 어떻게 설계하는가?
이런 부분은 여전히 사람이 리드해야 하고, 이 부분을 리텐션 주식회사가 도와드립니다.
그로스 컨설팅
비즈니스 KPI에 맞춰 "어떤 자동화를 어디에 적용하면 ROI가 올라가는지" 를 설계해 드립니다.
AI Transformation (AX)
조직 내부에서 에이전트에게 무엇을 맡기고, 어떤 프로세스는 사람이 붙어야 하는지 체계화합니다.
실험 문화 정착
애자일하게 **"문제 → 실험 → 검증 → 확장"**이 돌아가도록 구조를 잡아드리고, 필요한 교육/가이드를 제공합니다.
마치며
비개발자도 AI 에이전트와 함께 충분히 빠르게 움직일 수 있습니다.
하지만 가장 중요한 건:
- ✅ 너무 큰 목표보다는 측정 가능한 작은 프로젝트
- ✅ 완벽한 자동화보다는 가장 중요한 기능만 viable하게
- ✅ 바로 적용보다는 신호 감지 → 실험 → 검증 순서
저는 아직도 이 실험을 실제 광고에 반영하지 못했습니다.
하지만 3주 만에 작동하는 시스템을 만들고, 다음 단계를 설계할 수 있게 됐습니다.
이게 바로 AI Coding Agent와 함께 일하는 진짜 가치입니다.
📞 AX 도입 상담
다음 단계의 그로스/AI 전환을 고민 중이라면, 리텐션 주식회사와 함께 "기회 발견 → 실험 → 제도화" 여정을 시작해 보세요.