# 비개발자가 AI Coding Agent와 메타 카탈로그 광고 ROI 실험한 3주간의 기록

> 출처: https://retn.kr/blog/ai-coding-agent-meta-catalog-optimization/ · 수정 2026-03-10 · 리텐션 주식회사

비개발자가 AI 코딩 에이전트와 메타 광고 ROI 실험기. 4:5 비율 광고 패턴 발견부터 구글 클라우드 자동화까지, 실제 프로젝트 완성 과정을 투명하게 공개합니다.

## 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 과정**을 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 노출**되는 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 것**이었습니다.

### 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" 3단**으로 설명하면 에이전트가 알아서 접근법을 제안하고 수정해 줍니다.

개발 세부 사항을 몰라도, **업무 목적과 조건만 명확히 말하면 되는 셈**입니다.

![AI 코딩 에이전트로 광고 ROI를 분석하는 노트북과 데이터 차트](/content/images/2025/11/blog_to_be.jpg)

## 3. 실제 진행한 실험: 이미지 생성 & 피드 자동화

### 3.1 이미지 생성

에이전트에게 이렇게 말했습니다:

```
<code>정방형 이미지를 가져와 하단 270px을 4:5 비율로 늘리고, 
두 줄 텍스트(브랜드+할인율 / 16자 제목)를 넣어라
</code>
```

**결과:**

- Python + Pillow로 스크립트 자동 생성
- 프리텐다드 폰트 적용
- 6만 개 이미지를 batch 생성

### 3.2 GCS 업로드 & Supplementary Feed

**에이전트에게 요청:**

```
<code>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.
</code>
```

**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

```
<code>https://athler-catalogs.../meta_catalog.csv를 매일 가져와 
새로 추가된 id를 추출해서 supplementary CSV를 재생성해라
</code>
```

**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 안내**해 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 요구**하면 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 정리**합니다.

### 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:**

1. **신호 감지 능력**: 4:5 노출 빈도가 높다는 패턴을 발견
1. **빠른 실험 완료**: 3주 만에 작동하는 시스템 구축
1. **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 반복**하면서 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:**

```
<code>"Python으로 이미지 하단에 텍스트 넣는 법 알려줘"
→ 코드 예제 복붙 → 내가 직접 수정
</code>
```

**팀 동료 수준:**

```
<code>"CSV에서 이미지 가져와서 하단 270px 확장하고 
브랜드명+할인율 넣은 다음 GCS에 업로드해줘"
→ 전체 스크립트 작성 → 에러 나면 같이 디버깅
</code>
```

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 리드**해야 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.

- 📧 [Contact Form](/contact/)
- 📅 [30분 상담 예약](https://tidycal.com/simgyusup/30m?ref=retn.kr)