생성 AI는 단순한 ‘도구’가 아닌, ‘공장’이다
최근 스탠다드차타드(Standard Chartered) 은행이 포뮬러 1(F1) 파트너십을 기반으로 공개한 글로벌 캠페인은 업계에 중요한 시그널을 던집니다. 이 캠페인이 AI를 활용해 레이싱 세계의 시각 자료를 제작했다는 사실은 이제 더 이상 놀라운 뉴스거리가 아닙니다. 핵심은 생성 AI가 크리에이티브 ‘프로세스’ 자체를 어떻게 구조적으로 바꾸고 있는지를 보여주는 기술적, 경제적 함의에 있습니다.
과거의 논의가 ‘AI가 창의성을 대체할 수 있는가’라는 철학적 담론에 머물렀다면, 이제는 ‘AI를 통해 어떻게 프로덕션 파이프라인을 재설계하고 비용 구조를 혁신할 것인가’라는 지극히 현실적인 엔지니어링의 문제로 전환되었습니다. 스탠다드차타드의 사례는 이 전환이 이미 시작되었음을 명백히 보여줍니다.
1. 워크플로우의 해체(Disaggregation)와 재결합
전통적인 광고 크리에이티브 제작은 기획, 촬영, 후반 작업으로 이어지는 선형적이고 통합된 워크플로우에 의존했습니다. 이는 본질적으로 높은 고정 비용과 비효율적인 수정 과정을 내포합니다. 예를 들어, 특정 장면의 배경이나 조명을 바꾸려면 값비싼 재촬영이나 복잡한 CG 작업이 필수적이었습니다.
생성 AI는 이 견고한 파이프라인을 개별 모듈로 해체합니다. 스탠다드차타드가 언급한 ‘인간의 창의적 감독 하에 진행된 AI 기반 프로덕션(AI-enabled production with human creative direction)’이라는 표현은 이를 정확히 설명합니다. 이제 크리에이티브 디렉터는 물리적 촬영 감독이 아닌, 수많은 프롬프트와 파라미터를 조율하는 기술 감독의 역할을 겸하게 됩니다. 배경, 피사체, 조명, 스타일 등 각 요소를 독립적으로 생성하고 조합함으로써, 과거에는 상상할 수 없었던 속도와 비용으로 수많은 시안을 탐색할 수 있습니다.
이는 단순히 이미지를 생성하는 것을 넘어, 아이디어를 시각화하고 검증하는 과정 전체를 가속화하는 ‘프로토타이핑 혁명’에 가깝습니다. 가령 스토리보드에만 머물러 있던 추상적인 콘셉트를 생각해 봅시다. 익숙한 제품을 초현실적인 배경에 놓거나, 하루 만에 수십 가지의 계절과 날씨 속에서 캠페인 비주얼을 테스트하는 아이디어는 과거에 막대한 예산과 시간을 요구했습니다. 하지만 이제는 AI를 활용하여 훨씬 짧은 시간 안에 다양한 버전의 콘셉트 비주얼을 구현하고, 아이디어의 타당성을 즉각적으로 검증하는 것이 가능해졌습니다.
2. 비용 구조의 전환: ‘노동 기반’에서 ‘성과 기반’으로
기술의 변화는 필연적으로 경제 모델의 변화를 이끌어냅니다. AI가 프로덕션 효율을 극적으로 높이자, 광고계의 오랜 관행이었던 ‘시간당 보수(hourly fees)’ 모델이 빠르게 해체되고 있습니다. 이는 기술적 변화가 비즈니스 모델을 어떻게 강제하는지를 보여주는 교과서적인 사례입니다.
세계광고주연맹(WFA)과 에이전시 매니아 솔루션(Agency Mania Solutions)의 연구는 이 현상을 명확히 뒷받침합니다. 해당 보고서에 따르면, 다국적 브랜드 중 노동 기반 보수 모델을 표준으로 사용하는 비율은 2011년 54%에서 최근 17%로 감소한 것으로 나타났습니다. 대신 고정 수수료나 성과 기반 모델이 그 자리를 채우고 있습니다. AI가 작업 시간을 단축시키면서 ‘투입된 시간’으로 가치를 책정하는 방식의 논리적 근거가 사라졌기 때문입니다.
클라이언트는 더 이상 에이전시의 작업 시간에 비용을 지불하고 싶어 하지 않습니다. 그들은 AI를 통해 훨씬 저렴하고 빠르게 얻을 수 있는 ‘결과물’ 그 자체에 대한 가치를 평가하고, 그에 따라 비용을 지불하려 합니다. 이러한 변화는 에이전시에게 위기이자 기회로 작용하며, AI 기술을 내재화하고 새로운 가치 제안을 만들어내는 조직만이 생존할 수 있음을 시사합니다.
3. 기술적 과제: 제어 가능성(Controllability)과 일관성(Consistency)
물론 생성 AI의 현주소가 유토피아인 것은 아닙니다. 스탠다드차타드의 캠페인처럼 상업적으로 성공적인 결과물을 만들기 위해서는 심각한 기술적 허들을 넘어야 합니다. 가장 큰 문제는 ‘제어 가능성’과 ‘일관성’입니다.
일반적인 생성 모델은 ‘자동차’를 쉽게 그려낼 수 있지만, ‘특정 브랜드의 시그니처 색상과 디자인 요소가 정확히 반영된 신형 모델’을 일관된 각도와 조명 아래에서 여러 장 생성하는 것은 전혀 다른 차원의 문제입니다. 브랜드의 정교한 시각적 아이덴티티, 법적 제약이 따르는 로고와 서체 등을 오류 없이 구현하는 것은 여전히 인간의 정교한 후반 작업과 검수를 요구합니다.
따라서 현재의 성공적인 AI 기반 프로덕션은 단일 프롬프트로 모든 것을 해결하는 방식이 아닙니다. 베이스 이미지 생성 이후, 특정 부분만 정교하게 수정하는 인페인팅(Inpainting)이나 이미지를 자연스럽게 확장하는 아웃페인팅(Outpainting) 같은 전문 기술을 활용하고, 여러 모델을 조합하는 복잡한 워크플로우를 거칩니다. 그리고 최종적으로는 숙련된 아티스트의 리터칭이 결합된 하이브리드 파이프라인의 형태를 띠게 됩니다. 결국 현시점에서 경쟁력은 어떤 AI 모델을 쓰느냐가 아니라, 얼마나 정교하고 효율적인 ‘AI+인간’ 하이브리드 워크플로우를 설계하고 운영할 수 있느냐에 달려 있습니다.