맥싸이트-픽

AI에 의존하는 인간, 인간을 필요로 하는 AI

Team MAXONOMY 2025.08.21

AI에 의존하는 인간, 인간을 필요로 하는 AI





AI가 변화시킨 세상


처음 AI가 등장했을 때, 이 무궁무진한 기술을 환호하는 사람이 있는가 하면, 반대로 부정적으로 바라보는 사람도 있었습니다. 가장 큰 이유는 일자리였죠. 언젠가 AI가 우리의 모든 일자리를 빼앗아 가지 않을까하는 걱정이 일부 사람들의 생각을 지배했습니다.


그런 걱정에도 불구하고 AI의 도입 속도는 그 어느 기술보다 빨랐습니다. 2024년 기준으로, 일반 근로자의 23%가 최근 업무에 생성형 AI를 사용했고, 9명 중 1명은 생성형 AI를 매일 사용하였습니다. 2025년인 지금은 이보다 훨씬 많은 사람들이 AI를 사용할 것으로 예측돼요.*


이런 AI 도입으로 인해 주당 평균 근로시간이 2시간 12분(전체 근로시간의 5.4%) 절약되었고, 절약된 근로시간만큼의 업무 효율이 증가했다는 여러 연구 결과들이 있습니다. 대신, 우려했던 것처럼, 프리랜서 시장에서 글쓰기, 코딩, 디자인 분야의 구인 공고가 각각 -30.4%, -20.6%, -18.5%씩 감소했다는 연구 역시 확인되었습니다.**


*NBER, Workplace Adoption of Generative AI, 2024.12.01

**KDI, AI가 바꾼 노동시장, 2025.03.05


이미지 출처: imageFX | AI가 변화시킨 세상


이런 변화는 단순한 기술 도입을 넘어 업무 전반의 재구성과 시장의 구조적 변화를 부르고 있습니다. 실제로 한국은행은 보고서를 통해, 생성형 AI가 GDP 성장률을 최대 1%p 끌어올렸을 가능성까지 언급하기도 했습니다.







AI의 손이 닿지 않은 영역


그러나 아직까진 AI가 모든 것을 처리하지는 못합니다. 특히 마케팅은 여전히 사람의 감성, 공감, 스토리가 중심인 영역입니다. AI로 마케팅 업무의 효율은 확보될 지언정 ‘인간 중심’ 메시지까지 같이 강화될 수 있느냐는 살펴볼 문제인데요.


단적인 예로는 ‘AI 타겟 범위의 한계’가 있습니다. 청년층(18–29세)과 대학원 졸업자의 AI 활용률을 살펴보면 각각 67.5%, 72.9%로 높게 나타난 반면, 장년층과 대졸 이하 그룹은 상대적으로 낮은 활용률을 보이고 있습니다. AI는 이 젊은 유저의 데이터를 학습하고 젊은 유저의 니즈에 맞춤화될 가능성이 높죠. 이런 AI를 활용하여 캠페인을 구성한다면, 아무래도 장년층을 타겟하기에 한계가 있을 것입니다.


하지만 마케터는 젊은 세대뿐만 아니라 장년층도 타겟해야 합니다. 어쩌면 장년층의 소비력이 더 강할지도 모르죠. 젊은 세대에게는 트렌디한 메시지와 콘텐츠를, 장년층에게는 신뢰와 편안함 중심 메시지를 제공하여 세대를 아우르는 브랜드 메시지를 전달해야 합니다. 마케터는 AI가 만들어내는 결과물이 정말 우리 고객을 만족시키는지 확인하고, 필요하다면 직접 조정 및 수정하는 일이 여전히 남아있습니다.







AI, 엇갈리는 희비


비용에 주목하는 경영진과 기대와는 다른 실무 AI활용

이런 정성적이고 디테일한 과제가 많이 남아있음에도, AI에 대한 전략 방향과 스팩트럼은 오직 효율화 향상에만 집중되고 있는 모습입니다. 특히 제조, 헬스케어, 금융 분야에서는 이미 35~45% 수준의 도입률과 높은 투자 회수율(ROI)이 확인된 사례들이 있어서 효율성 개선, 업무자동화 그리고 비용 절감의 목적을 위하여 많은 경영진들이 확신을 가지고 전적인 AI 투자 계획을 펼치고 있습니다.


재밌는 것은, 반복적인 업무는 AI에게 맡기고 인간 고유 능력이라 여겼던 창의적인 업무에 더 많은 시간을 쓸 수 있을 것이라 생각했지만, 오히려 아이디어, 글쓰기, 디자인 등 창의적 업무를 AI에게 의존하고, 데이터 입력, 문의 응대, 발주와 같은 단순 업무에 더 집중하는 현상이 발생한다는 것입니다.


단순 비용과 효율을 넘어 고객에게 어떤 경험을 줄 수 있을지, 업무의 어떤 영역을 맡겨야 할지 근본적인 고민이 필요하지만, 안타깝게도 아직까진 이런 고민은 많이 부족한 상황입니다.



프리랜서, 침체 혹은 기회

물론 코딩과 같은 정형화된 업무는 AI가 가장 잘 수행하는 업무 영역이 될 것이 거의 확실하기 때문에 전문성이 부족한 개발자들이 AI로 대체되는것은 막을 수 없는 현상처럼 보입니다. 앞에서 말한 글쓰기, 번역, 디자인과 같은 분야에서의 프리랜서 수요가 크게 줄고 있는 현상 역시 이와 유사하게 해석할 수 있습니다.


그러나 또 다른 시각에서는 프리랜서가 AI로 인한 기회의 직종이 될 수 있다고 주장합니다. AI 활용 능력을 가진 하이브리드 인재는 혼자서도 기획, 개발, 디자인팀의 역량을 전부 갖춰, 일종의 소규모 팀 역할을 수행 가능하다는 것입니다.








마케터를 위한 AI 활용법


AI가 아무리 발전해도, 그것을 현업 맥락에 맞게 적용하고, 문제에 대한 판단과 해결은 최종적으로 인간의 몫으로 남을 확률이 높습니다. 예를 들어 마케터라면 단순히 광고문구 생성을 AI에게 명령하고 AI의 결과물을 무조건적으로 수용하는것이 아니라 브랜드 톤과 캠페인 의도에 맞는지 점검하고, 거시적인 시야에서 각 캠페인을 실행하고 관리해야 합니다. 여기서 AI와의 협업을 잘 수행하는 마케터와 그렇지않은 마케터의 업무 역량 차이는 갈 수록 벌어질 것입니다.


방대한 데이터를 기반으로 한 콘텐츠 생산에 있어 인간은 AI를 뛰어넘기에 역부족일 수 있지만, 그 콘텐츠를 직접 느끼는 것은 여전히 AI 보다 인간이 잘 수행하는 영역입니다. 공감을 불러일으키는 스토리텔링, 진정성 있는 브랜드 메시지는 결국 인간을 위한 것이고 이의 좋고 나쁨을 최종 판단하는 주체는 앞으로도 인간일 것입니다.







마치며


AI와의 협업으로 인간의 일자리와 그 생태계가 재편되었을 때 가장 먼저 영향을 받는 것은 마켓 시장의 구조 변화 입니다. 기업은 AI를 통해 업무 효율성을 확보하면서 동시에 소비자의 접점에서는 더 인간적인 경험을 제공하려 노력하고 있습니다.


창의, 전략, 인간중심의 역량을 필요로하는 직종은 AI로 인한 일자리 위험에 너무 사로잡히기 보단, 새로운 기회를 만들어 낼 수 있는 긍정적인 변화들을 먼저 주목해 보는 것을 어떨까요? AI가 언제까지 그리고 어디까지 발전할지는 아무도 모르지만, ‘실행’은 결국 인간의 몫입니다.







콘텐츠 더 읽어보기

logo

팀맥소노미

YOUR DIGITAL MARKETING HERO

맥소노미의 마케팅 인사이트를
뉴스레터로 만나보세요 💌

관련 글 보기

모바일 게임 리텐션(Retention) 바로알기 🎮

모바일 게임 리텐션(Retention) 바로알기 🎮

모바일 게임의 성과를 측정할 때 가장 중요한 지표는 아마 리텐션일 것입니다. 리텐션을 측정하는 기본적인 방식은 어느 서비스나 동일하지만, 서비스나 산업에 따라 그 특성에 맞는 상세한 리텐션 설정 기준과 측정 방법이 존재합니다. 모바일 게임 서비스도 마찬가지로 게임이라는 특성에 맞는 적합한 리텐션율 측정법이 있습니다.리텐션율은 크게 'N-day 리텐션율', 'Unbounded 리텐션율', 'Bracketed 리텐션율' 3가지로 나뉩니다. 이중 모바일 게임에 가장 많이 적용하는 지표는  N-day 리텐션율입니다. 이유가 무엇일까요? 이번 포스트에서는 모바일 게임에 적합한 리텐션 설정 방법과 그 이유에 대해서 알아보겠습니다.N-day 리텐션 vs Unbounded 리텐션N-day 리텐션은 사용자가 처음 앱을 사용한 이후, 지정된 날에 앱으로 돌아오는 비율을 말합니다. 예를 들어, 2일차 N-day 리텐션율이 50%라면, 새로운 유저의 50%가 2일차에도 앱을 실행했다는 것을 의미합니다. 반면, Unbounded 리텐션은 특정한 날짜에 앱으로 돌아오는 사용자의 비율이나 이후의 임의의 날짜를 측정합니다. 만약 2일차 Unbounded 리텐션율이 50%라면, 새로운 사용자의 50%가 2일차를 포함한 그 이후에 한번이라도 앱을 사용했다는 것을 뜻합니다.아래는 동일한 모바일 애플리케이션에 대한 N-day 리텐션과 Unbounded 리텐션(Rolling Retention)을 비교한 그래프입니다.그래프를 보시면 알겠지만, 두 지표 간의 차이는 상당히 큽니다. 이 사실을 모른채로 아무 리텐션 지표를 모니터링한다면, 중요한 비즈니스 의사결정에 큰 오류가 생길 수 있겠죠.Day 1을 기준으로 보면 N-day 리텐션은 43%로, 신규 유저 중 43%가 앱을 처음 사용한 후 첫 번째 날에 앱을 실행했다는 것을 의미합니다. 반면, Unbouded 리텐션은 59%로, 이는 새로운 사용자 중 59%가 Day1을 포함하여 그 이후의 어느 날이든 한번 이상 앱을 실행했다는 것을 의미합니다.N-day 리텐션을 사용하면, 앱을 가장 처음 실행한 이후 N일이 지난 시점까지 앱으로 얼마나 많은 사용자가 돌아오는지 정확한 비율을 알 수 있습니다. 따라서 모바일 게임같이 유저가 매일 플레이하는 것이 목표인 애플리케이션은 N-day 리텐션이 적합하다고 할 수 있죠.물론 N-day 리텐션이 항상 정답은 아닙니다. 어떤 케이스에서는 매일은 아니더라도 조금 긴 텀을 가지고 사용자가 돌아오는 것이 유의미할 수 있습니다. 대표적으로 모바일 임대료 결제 앱이라면, 사용자가 매월 한 번씩만 앱을 사용하여 결제를 하는 것이 앱 성공의 기준이 될 수 있겠죠. 이 경우에는 N-day 리텐션보다는 Unbouded 리텐션을 측정하는 것이 유용할 것입니다. 흔한 케이스는 아니겠지만, 특정 게임도 Unbouded 리텐션을 사용하는 것이 적합할 수 있습니다. 예를 들어 '텐텐 오락실'이라는 앱은 술자리나 많은 사람들이 모인 자리에서 다 함께 플레이하는 모바일 게임입니다. 이런 류의 게임의 경우, 유저가 매일 습관적으로 접속하길 기대하지 않겠죠.시간 기준 리텐션 VS 날짜 기준 리텐션N-day 리텐션과 Unbounded 리텐션 차이 외에도, 시간 기준과 날짜 기준으로 리텐션 계산 방법을 나눌 수도 있습습니다. 시간 기준으로 계산한다면, 각 사용자별 접속 시간을 기준으로 날짜를 구별합니다. 즉, Day 0는 사용자가 앱을 최초로 실행시킨 시간부터 24시간이 지난 시간인 0 ~ 24시간 사이를 의미하고, Day 1은 24시간부터 48시간 사이를 의미합니다. Day 1 리텐션율이 10%라고 가정해본다면, 1,000명의 사용자 중에서 100명이 각각의 처음으로 앱을 실행한 이후 24시간에서 48시간 사이에 앱을 한번 이상 더 실행했다는 것을 뜻합니다. 만약 사용자 X가 화요일 오후 4시에 처음으로 앱을 실행했다면, 수요일 오후 4시와 목요일 오후 4시 사이에 앱을 다시 열었다는 뜻입니다.반면, 날짜를 기준으로 계산할 때, 리텐션 차트는 그저 달력상의 날짜를 기준으로 측정됩니다. 만약 어떤 사용자가 10월 1일 오후 11시에 처음으로 앱을 실행했다면, 이 사람의 Day 0는 10월1일, Day 1는 10월 2일이 될 것입니다.아래 그래프는 앞서 살펴본 동일한 앱에 대한 시간 기준 리텐션과 날짜 기준 리텐션 수치입니다.처음 며칠 동안에 가장 뚜렷한 차이가 나타난다는 것을 알 수 있습니다. 날짜 기준 Day 1 리텐션은 43%인 반면, 시간 기준 Day 1 리텐션은 32%에 불과합니다. 하지만 시간이 흐름에 따라, 두 그래프 간의 차이는 줄어들고 이 둘을 구별하는 의미는 많이 사라진다고 볼 수 있습니다.시간 기준과 날짜 기준을 구별하는 이유시간이 흐름에 따라 구별 의미가 줄어들면 굳이 이 두 지표를 나누는 이유가 있나 궁금해질 겁니다. 하지만 우리가 리텐션 지표를 평가할 때는 보통 앱 출시 초기에 다른 앱의 리텐션 지표와 비교하는 식으로 많이 진행합니다. 이 때, 다른 기준의 리텐션 지표를 비교하면 분명 큰 오류가 생기겠죠. 빠르게 시장 반응을 살피고 대응해야하는 앱 출시 초기에는 이 오류가 치명적으로 작동할 수 있습니다.예를 들어, 모바일 게임 초기 버전을 런칭한 후 Day 1 리텐션율이 32%라고 가정해봅시다. 이것만으로는 리텐션이 잘 이루어지고 있는지 판달할 수 없겠죠. 최대한 유사한 게임과 리텐션율을 비교해보아야합니다. 만약 이 때, 시간 기준과 날짜 기준 리테션 지표를 잘못 비교한다면, 제대로된 벤치마크가 되지 않겠죠.결국 어떤 지표로 모바일 게임을 측정해야하나요?리텐션 지표에 정해진 정답은 없습니다. 그렇지만 일반적인 경우에는 날짜 기준 리텐션보다는 시간 기준 리텐션이 더 정확한 현황을 보여준다고 할 수 있습니다. 하지만 시간 기준 리텐션은 정확한 데이터를 얻는데 하루 더 걸린다는 단점이 있습니다. 앱 출시 초기라면 하루 일찍 대응하는 것의 차이가 큰 결과 차이를 만들 수 있죠.정리하자면, "일반적인 모바일 게임이라면 N-day 리텐션을 측정하는 것이 좋지만, 간혹 매일 들어오는 것을 원하지 않는 게임일 경우 Unbounded 리텐션 지표를 사용하는 것이 좋을 수 있으며, 또 기본적으로 시간 기준 리텐션을 측정하는 것이 정확하나, 데이터를 더 빨리 얻어야 할 때는 날짜 기준 리텐션을 먼저 살펴보는 것이 좋다." 정도가 될 것 같습니다.다시 한번 말하지만 리텐션에 정해진 정답은 없으며, 각 지표가 정확히 무엇을 측정하는 것인지 알고 있다면, 어떤 상황에서든 데이터 기반의 유의미한 인사이트를 도출할 수 있을 것입니다.콘텐츠 더 읽어보기고객 리텐션 마스터 가이드북리텐션(Retention) 의미와 측정 방법🔍리텐션 캠페인 효과를 최대화하는 8가지 방법

Tiket.Com 사례 : COVID-19 상황에서 활용한 크로스 채널 메세징

Tiket.Com 사례 : COVID-19 상황에서 활용한 크로스 채널 메세징

최신정보를 전달하기 위한 노력

알림톡, 친구톡으로 마케팅 성과를 극대화하는 3가지 방법

알림톡, 친구톡으로 마케팅 성과를 극대화하는 3가지 방법

리마케팅부터 타겟 세분화, 맞춤 메시지까지

대화만으로 데이터 분석 끝? Amplitude MCP

대화만으로 데이터 분석 끝? Amplitude MCP

들어가며: 데이터 분석의 새로운 시대데이터에서 의미 있는 인사이트를 얻는 과정은 결코 간단하지 않습니다. 데이터 전문가가 며칠을 걸려서 분석 업무를 수행하거나, 복잡한 대시보드를 직접 들여다보며 시간을 보내야 했죠.하지만 더 이상 그럴 필요없습니다. Amplitude MCP(Model Context Protocol)가 등장했기 때문입니다. 이제 복잡한 도구를 탐색하는 대신, AI와 자연스러운 대화를 나누는 것만으로 Amplitude의 방대한 행동 데이터를 직접 분석하고 즉각적인 답변을 얻을 수 있습니다. Amplitude MCP가 어떻게 작동하는지, 무엇을 할 수 있는지, 어떻게 시작할 수 있는지 지금부터 알아보겠습니다.데이터 분석이 '탐색'이 아닌 '대화'가 됩니다Amplitude MCP로 데이터 분석 과정이 복잡한 도구를 사용하는 '탐색'에서 AI와 나누는 '대화'로 바뀌었습니다. 마치 동료에게 질문하듯 자연어로 분석을 시작할 수 있습니다.예를 들어 "지난달 웹 트래픽이 증가한 원인이 뭐야?"라고 물으면, AI는 스스로 Amplitude 내에서 search, query_chart와 같은 도구를 사용하여 관련 차트와 대시보드를 탐색하고 데이터에 기반한 답변을 제시합니다. 여기서 멈추지 않고 "어떤 마케팅 캠페인이 가장 큰 영향을 미쳤어?"와 같은 후속 질문을 통해 더 깊이 파고들 수 있죠. 이 모든 과정이 실시간 대화처럼 이루어집니다.분석이 끝난 후에는 대화 내용을 바탕으로 Amplitude 내에 '노트북(Notebook)'을 생성할 수도 있습니다. 분석 핵심 요약, 분석에 사용된 주요 차트, 실행 가능한 성공 전략 플레이북(playbook) 등 유용하고 다양한 정보를 생성할 수 있으며, 이를 팀원과 즉시 공유할 수도 있습니다.이제 데이터 분석을 위해 SQL 쿼리를 작성하거나 복잡한 대시보드를 설정할 필요도 없습니다. 질문을 던지기만 하면 전문가 수준의 답변을 단 몇 초 만에 얻을 수 있기 때문이죠. PM, 마케터, 기획자 등 비기술 직군도 자유롭게 데이터를 다룰 수 있게 되었습니다.이미 Amplitude MCP를 도입한 Zip의 테크PM Moss Pauly는 '조직 전체에 걸쳐 데이터를 민주화하는 진정한 단계적 변화'를 만들었다고 말합니다.[실전 가이드] Amplitude MCP 시작하기다음 중 가장 선호하는 AI 도구에 MCP를 연결하여 사용해보세요.■ 클로드(Claude)에 연결하기1. claude.ai로 이동하거나 Claude 데스크톱 앱을 엽니다.2. Settings > Connectors > Add custom connector로 이동합니다.3. 다음과 같이 설정 값을 입력하고 Amplitude 계정으로 인증합니다.Name: AmplitudeURL: https://mcp.amplitude.com/mcp■ 커서(Cursor)에 연결하기1. Amplitude MCP 서버 딥 링크 설치 링크를 클릭해서 자동 설치할 수 있습니다.2. 만약 자동 설치가 되지 않는다면, 수동 설치 가이드를 참고해주세요.■ ChatGPT에 연결하기1. ChatGPT > 설정 > 연동 앱 및 커넥터 > 고급설정으로 이동하여 개발자 모드를 활성화합니다.(참고: 현재 MCP 지원은 개발자 모드에서만 가능합니다.)2. ChatGPT > 설정 > 연동 앱 및 커넥터로 이동해서 만들기를 클릭합니다.3. 다음과 같이 설정합니다.Name: AmplitudeURL: https://mcp.amplitude.com/mcp4. 안내에 따라 Amplitude OAuth 인증을 완료합니다.※ MCP 접근 권한은 기본적으로 '활성화'되어 있습니다Amplitude MCP는 조직 내 모든 사용자를 대상으로 '기본적으로 활성화(enabled by default)' 되어 있습니다. 만약 조직 정책상 이 기능에 대한 접근을 제한하거나 비활성화해야 한다면, Amplitude 관리자 설정에서 제어할 수 있습니다.Amplitude에서 Settings > Content Access > MCP 경로로 이동해당 페이지에서 조직 전체의 MCP 서버 접근을 허용하거나 차단하도록 설정을 변경이 설정은 조직 전체에 적용되는 관리자 전용 설정이며, 개별 사용자는 이 설정을 변경할 수 없습니다. 따라서 조직의 데이터 거버넌스 정책에 맞춰 관리자가 직접 관리해야 합니다.추천 질문 예시위 이미지는 Cursor에 Amplitude MCP를 연결하고, ‘MAXONOMY 홈페이지에서 참여율이 높은 기능’이 무엇인지 질문한 결과입니다. MCP 설정이 완료되면 AI에게 다음과 같은 질문을 던져보세요."지난 7일간의 일일 활성 사용자 수는?""이번 달 트래픽 소스별 가입 전환율을 보여줘""어떤 기능의 참여율이 가장 높아?""체크아웃 실험의 성과는 어때?"“새로운 온보딩 흐름의 통계적 유의성을 보여줘““현재 어떤 실험이 진행 중이지?”“사용자 리텐션과 관련된 모든 차트를 찾아줘”“결제 흐름을 테스트할만 실험 시나리오를 제안해줘”"iOS와 Android 플랫폼 간의 사용자 행동을 비교해 줘""파워 유저와 일반 사용자의 여정 차이를 분석해줘”MCP는 단순한 챗봇이 아닌 '프로토콜'입니다Amplitude MCP는 Amplitude에 내장된 챗봇이 아닙니다. MCP는 'Model Context Protocol'의 약자입니다. 다양한 외부 AI 도구들이 Amplitude의 데이터에 안전하고 표준화된 방식으로 접근할 수 있도록 하는 일종의 '약속(프로토콜)'입니다.이 프로토콜 방식 덕분에 우리는 Claude, Cursor, ChatGPT, Gemini 등 이미 익숙하게 사용하고 있는 여러 AI 환경에 Amplitude의 풍부한 행동 데이터 컨텍스트를 직접 연결할 수 있습니다. 즉, 여러분이 가장 선호하는 AI도구 안에서 Amplitude의 강력한 분석 능력을 그대로 활용할 수 있다는 의미입니다.더 나아가, 이 프로토콜은 Amplitude의 행동 데이터를 다른 외부 데이터 소스와 결합하여 완전히 새로운 워크플로우를 구축할 수 있는 무한한 가능성을 엽니다. 가령, Atlassian MCP를 통해 Jira의 개발 진행 상황 데이터와 Amplitude의 기능 사용 데이터를 함께 분석하여, 특정 기능 개발이 사용자 참여도에 미친 영향을 종합적으로 파악하는 워크플로우를 만들 수 있습니다. 혹은 Amplitude 분석 결과를 피그마나 구글 슬라이드에 프레젠테이션 형태로 변형할 수도 있죠.MCP는 단순히 AI와 연결하는 것이 아닙니다. 앞으로 등장할 어떤 AI 혁신과도 연결할 수 있는 다리 역할을 하며, 여러분의 데이터 전략이 미래로 나아갈 수 있도록 합니다.Amplitude MCP와 보안기업의 핵심 데이터를 외부 AI와 연동할 때 보안은 가장 중요한 고려사항입니다. Amplitude MCP는 이 문제를 명확하게 해결합니다.첫째, MCP 서버는 사용자의 기존 Amplitude 계정 권한과 접근 제어 설정을 그대로 따릅니다. 즉, 사용자는 원래 Amplitude 내에서 볼 수 있도록 허용된 프로젝트와 데이터에만 접근할 수 있으며, MCP를 사용한다고 해서 추가적인 권한이 부여되지 않습니다. 여러분의 데이터 접근 범위는 기존과 동일하게 유지됩니다.둘째, MCP 서버와 Amplitude 계정 간의 모든 연결은 OAuth 인증을 통해 안전하게 보호됩니다. 다만, 여러분이 사용하는 제3자 AI 서비스(예: Claude, ChatGPT 등)가 여러분의 질문과 Amplitude 데이터를 처리하게 됩니다. 따라서 Amplitude MCP를 사용하기 전에 조직의 데이터 처리 및 AI 도구 사용 관련 정책을 반드시 검토하시기 바랍니다.마치며Amplitude MCP는 단순히 새로운 분석 도구를 추가하는 것이 아닙니다. 조직이 데이터에 접근하고, 질문을 던지고, 인사이트를 얻는 방식 자체를 근본적으로 바꾸는 혁신입니다. 더 이상 데이터 분석은 소수 전문가의 전유물이 아니며, 복잡한 탐색 과정도 필요 없습니다.단, 몇 분 만에 데이터에 기반한 답을 얻을 수 있다면, 당신은 어떤 새로운 질문을 던지시겠습니까?콘텐츠 더 읽어보기프리미엄 가이드: 데이터 활용 전략 가이드북블로그: Braze MCP 서버: AI로 Braze를 빠르고 안전하게 분석하는 방법맥사이트픽: MCP: AI 사용자 경험을 확장시켜줄 핵심 연결고리





AI가 변화시킨 세상


처음 AI가 등장했을 때, 이 무궁무진한 기술을 환호하는 사람이 있는가 하면, 반대로 부정적으로 바라보는 사람도 있었습니다. 가장 큰 이유는 일자리였죠. 언젠가 AI가 우리의 모든 일자리를 빼앗아 가지 않을까하는 걱정이 일부 사람들의 생각을 지배했습니다.


그런 걱정에도 불구하고 AI의 도입 속도는 그 어느 기술보다 빨랐습니다. 2024년 기준으로, 일반 근로자의 23%가 최근 업무에 생성형 AI를 사용했고, 9명 중 1명은 생성형 AI를 매일 사용하였습니다. 2025년인 지금은 이보다 훨씬 많은 사람들이 AI를 사용할 것으로 예측돼요.*


이런 AI 도입으로 인해 주당 평균 근로시간이 2시간 12분(전체 근로시간의 5.4%) 절약되었고, 절약된 근로시간만큼의 업무 효율이 증가했다는 여러 연구 결과들이 있습니다. 대신, 우려했던 것처럼, 프리랜서 시장에서 글쓰기, 코딩, 디자인 분야의 구인 공고가 각각 -30.4%, -20.6%, -18.5%씩 감소했다는 연구 역시 확인되었습니다.**


*NBER, Workplace Adoption of Generative AI, 2024.12.01

**KDI, AI가 바꾼 노동시장, 2025.03.05


이미지 출처: imageFX | AI가 변화시킨 세상


이런 변화는 단순한 기술 도입을 넘어 업무 전반의 재구성과 시장의 구조적 변화를 부르고 있습니다. 실제로 한국은행은 보고서를 통해, 생성형 AI가 GDP 성장률을 최대 1%p 끌어올렸을 가능성까지 언급하기도 했습니다.







AI의 손이 닿지 않은 영역


그러나 아직까진 AI가 모든 것을 처리하지는 못합니다. 특히 마케팅은 여전히 사람의 감성, 공감, 스토리가 중심인 영역입니다. AI로 마케팅 업무의 효율은 확보될 지언정  ‘인간 중심’ 메시지까지 같이 강화될 수 있느냐는 살펴볼 문제인데요.


단적인 예로는 ‘AI 타겟 범위의 한계’가 있습니다. 청년층(18–29세)과 대학원 졸업자의 AI 활용률을 살펴보면 각각  67.5%, 72.9%로 높게 나타난 반면, 장년층과 대졸 이하 그룹은 상대적으로 낮은 활용률을 보이고 있습니다. AI는 이 젊은 유저의 데이터를 학습하고 젊은 유저의 니즈에 맞춤화될 가능성이 높죠. 이런 AI를 활용하여 캠페인을 구성한다면, 아무래도 장년층을 타겟하기에 한계가 있을 것입니다.


하지만 마케터는 젊은 세대뿐만 아니라 장년층도 타겟해야 합니다. 어쩌면 장년층의 소비력이 더 강할지도 모르죠. 젊은 세대에게는 트렌디한 메시지와 콘텐츠를, 장년층에게는 신뢰와 편안함 중심 메시지를 제공하여 세대를 아우르는 브랜드 메시지를 전달해야 합니다. 마케터는 AI가 만들어내는 결과물이 정말 우리 고객을 만족시키는지 확인하고, 필요하다면 직접 조정 및 수정하는 일이 여전히 남아있습니다.







AI, 엇갈리는 희비


비용에 주목하는 경영진과 기대와는 다른 실무 AI활용

이런 정성적이고 디테일한 과제가 많이 남아있음에도, AI에 대한 전략 방향과 스팩트럼은 오직 효율화 향상에만 집중되고 있는 모습입니다. 특히 제조, 헬스케어, 금융 분야에서는 이미 35~45% 수준의 도입률과 높은 투자 회수율(ROI)이 확인된 사례들이 있어서 효율성 개선, 업무자동화 그리고 비용 절감의 목적을 위하여 많은 경영진들이 확신을 가지고 전적인 AI 투자 계획을 펼치고 있습니다.


재밌는 것은, 반복적인 업무는 AI에게 맡기고 인간 고유 능력이라 여겼던 창의적인 업무에 더 많은 시간을 쓸 수 있을 것이라 생각했지만, 오히려 아이디어, 글쓰기, 디자인 등 창의적 업무를 AI에게 의존하고, 데이터 입력, 문의 응대, 발주와 같은 단순 업무에 더 집중하는 현상이 발생한다는 것입니다.


단순 비용과 효율을 넘어 고객에게 어떤 경험을 줄 수 있을지, 업무의 어떤 영역을 맡겨야 할지 근본적인 고민이 필요하지만, 안타깝게도 아직까진 이런 고민은 많이 부족한 상황입니다.



프리랜서, 침체 혹은 기회

물론 코딩과 같은 정형화된 업무는 AI가 가장 잘 수행하는 업무 영역이 될 것이 거의 확실하기 때문에 전문성이 부족한 개발자들이 AI로 대체되는것은 막을 수 없는 현상처럼 보입니다. 앞에서 말한 글쓰기, 번역, 디자인과 같은 분야에서의 프리랜서 수요가 크게 줄고 있는 현상 역시 이와 유사하게 해석할 수 있습니다.


그러나 또 다른 시각에서는 프리랜서가 AI로 인한 기회의 직종이 될 수 있다고 주장합니다. AI 활용 능력을 가진 하이브리드 인재는 혼자서도 기획, 개발, 디자인팀의 역량을 전부 갖춰, 일종의 소규모 팀 역할을 수행 가능하다는 것입니다.








마케터를 위한 AI 활용법


AI가 아무리 발전해도, 그것을 현업 맥락에 맞게 적용하고, 문제에 대한 판단과 해결은 최종적으로 인간의 몫으로 남을 확률이 높습니다. 예를 들어 마케터라면 단순히 광고문구 생성을 AI에게 명령하고 AI의 결과물을 무조건적으로 수용하는것이 아니라 브랜드 톤과 캠페인 의도에 맞는지 점검하고, 거시적인 시야에서 각 캠페인을 실행하고 관리해야 합니다. 여기서 AI와의 협업을 잘 수행하는 마케터와 그렇지않은 마케터의 업무 역량 차이는 갈 수록 벌어질 것입니다.


방대한 데이터를 기반으로 한 콘텐츠 생산에 있어 인간은 AI를 뛰어넘기에 역부족일 수 있지만, 그 콘텐츠를 직접 느끼는 것은 여전히 AI 보다 인간이 잘 수행하는 영역입니다. 공감을 불러일으키는 스토리텔링, 진정성 있는 브랜드 메시지는 결국 인간을 위한 것이고 이의 좋고 나쁨을 최종 판단하는 주체는 앞으로도 인간일 것입니다.







마치며


AI와의 협업으로 인간의 일자리와 그 생태계가 재편되었을 때 가장 먼저 영향을 받는 것은 마켓 시장의 구조 변화 입니다. 기업은 AI를 통해 업무 효율성을 확보하면서 동시에 소비자의 접점에서는 더 인간적인 경험을 제공하려 노력하고 있습니다.


창의, 전략, 인간중심의 역량을 필요로하는 직종은 AI로 인한 일자리 위험에 너무 사로잡히기 보단, 새로운 기회를 만들어 낼 수 있는 긍정적인 변화들을 먼저 주목해 보는 것을 어떨까요? AI가 언제까지 그리고 어디까지 발전할지는 아무도 모르지만, ‘실행’은 결국 인간의 몫입니다.







콘텐츠 더 읽어보기

인공지능(AI), 마케팅 트렌드