결론부터 말하면 가능하다.
다만 현재 시점에서 개인 작가에게 가장 현실적인 방식은 AI가 모든 판단과 집행을 독자적으로 수행하는 완전자율형 마케터가 아니다. 작가가 작품의 의미와 가격, 사용할 수 있는 예산, 변경해서는 안 되는 요소를 먼저 정하고, AI 에이전트가 그 범위 안에서 관객을 분석하고 홍보 소재를 만들며 광고를 집행하고 성과를 최적화하는 반자율형 구조가 적합하다. 다시 말해 AI가 작가를 대신하는 것이 아니라, 작가의 감독 아래 반복적인 마케팅 업무를 수행하는 방식이다.
예를 들어, 미술 분야에서 확인되는 AI 활용은 광고의 완전자율 집행보다 작품 발견과 개인화 추천에서 먼저 발전했다. 미술품은 동일한 상품을 대량으로 판매하는 일반 이커머스와 다르다. 구매자의 취향과 공간, 작품이 지닌 의미, 가격대, 작가에 대한 신뢰가 구매 결정에 크게 작용한다. 따라서 AI가 해결해야 할 첫 번째 문제는 작품을 새로 만들어내는 일이 아니라, 어떤 관객에게 어떤 작품을 어떤 방식으로 보여줄 것인가를 찾는 일이라고 볼 수 있다. 국내에서는 그림닷컴의 ART AI와 아트니스의 AI 큐레이션처럼 사용자의 연령, 성별, 클릭과 구매 이력, 작품의 시각 요소와 미술사적 맥락을 분석해 작품을 추천하는 사례가 등장했다. 인생네컷의 ‘사:계’ 프로젝트처럼 생성형 AI를 활용해 사진작가의 세계관을 광고 영상으로 확장한 사례도 있다. 다만 이들 사례는 AI 도입 이후의 직접적인 매출 상승률이나 구매 전환 효과를 충분히 공개하지 않았기 때문에, 개인 작가가 그대로 따라 하면 같은 성과가 난다고 말하기는 어렵다.
국외 사례 가운데에는 Saatchi Art와 VISII의 개인화 추천이 참고할 만하다. 이 사례에서는 사용자의 행동과 작품의 시각적 유사성을 바탕으로 구매 가능성이 높은 작품을 추천했고, 공급업체가 공개한 A/B 테스트에서는 구매 전환과 참여가 개선된 것으로 나타났다. 물론 벤더가 자체적으로 발표한 수치라는 한계는 있다. 그럼에도 작품 자체를 바꾸지 않고도 ‘어떤 사람에게 어떤 작품을 보여주는가’를 조정해 반응 차이를 만들었다는 점은 중요하다. 개인 작가 역시 에이전트가 작품을 대신 제작하도록 하기보다 방문자의 클릭, 영상 시청, 작품 페이지 체류, 저장과 문의 행동을 분석해작품과 관객을 연결하도록 하는 편이 합리적이다.
한편 일반 광고시장에서 공개된 AI 자동화 성과를 미술품 판매에 그대로 적용해서는 안 된다. Meta는 Advantage+ Sales와 Leads를 통해 전환당 비용이나 리드 비용이 개선되었다고 설명하지만, 이는 미술품만을 대상으로 한 결과가 아니다. 그러므로 이러한 수치는 AI 기반 광고 자동화가 플랫폼 수준에서 작동할 수 있다는 참고자료로 보아야 하며, 작품 판매의 예상 수익률처럼 사용해서는 안 된다. 국내외 미술 사례도 아직 매출 효과를 충분히 공개하지 않았으므로, 초기에는 확정된 성공 공식을 적용한다기 보다 작은 실험을 통해 자신의 작품에 맞는 관객과 표현 방식을 찾는 것이 좋다.
현재의 AI 에이전트는 분석과 제안을 넘어 실제 광고 집행 단계까지 연결될 수 있다. Google Performance Max는 목표 CPA나 ROAS, 광고 소재와 고객 신호를 입력받아 입찰, 예산, 오디언스와 크리에이티브를 자동으로 최적화한다. Ads Advisor는 추천한 변경 사항을 사용자가 검토하고 승인한 뒤 계정에 적용하도록 설계되어 있다. Google Ads API를 이용하면 외부 시스템에서도 캠페인과 광고를 생성하거나 수정하고 필요할 때 중지할 수 있다.
Meta의 Advantage+도 오디언스, 예산과 입찰, 게재 위치, 광고 소재의 상당 부분을 자동화한다. 원본 이미지를 여러 비율로 확장하거나 배경과 문구를 변형하고, 정지 이미지를 영상 형식으로 바꾸는 생성형 AI 기능도 제공한다. 이러한 기능은 작품 원본을 새롭게 해석하거나 바꾸는 데 쓰기보다, 원본을 유지하면서 다양한 광고 형식에 맞게 보여주는 용도로 사용하는 것이 안전하다.
그래서 에이전트의 역할은 분석형, 제안형, 실행형, 반자율형, 자율형으로 나눌 수 있다. 분석형은 작품별 조회, 클릭, 저장, 문의와 구매 데이터를 살펴보고 어떤 관객과 소재가 반응을 얻었는지 찾는다. 제안형은 타깃, 광고 문구, 작품 설명, 숏폼 대본, 채널과 예산 배분, A/B 테스트 방안을 제안한다. 실행형은 사람이 승인한 캠페인을 생성하고 광고를 올리며 타깃과 예산을 설정하고 보고서를 자동으로 만든다. 반자율형은 미리 정해진 기준에 따라 성과가 낮은 광고를 중단하고 일정 범위 안에서 예산을 이동하거나 새로운 문구와 소재를 시험한다. 자율형은 목표만 받아 조사, 기획, 제작, 집행, 실험과 보고를 계속 반복한다.
하지만 예술 작품에서는 자동화 수준이 높다고 해서 반드시 더 좋은 것은 아니다. AI가 클릭률을 높이기 위해 작품의 색상을 과도하게 바꾸거나, 작가가 하지 않은 해석을 광고 문구에 넣거나, 가격과 할인을 임의로 제안한다면 단기적인 반응은 좋아질 수 있어도 작가의 정체성과 작품 가치가 훼손될 수 있다. 따라서 개인 작가에게 적합한 출발점은 사람이 실행 여부를 승인하는 실행형이며, 이후 성과와 통제 체계가 확인될 때 정해진 범위 안에서만 움직이는 반자율형으로 확대하는 것이다.
그래서, 작가용 에이전트 방법에서의 작품 마케팅 에이전트는 단순히 ‘이 작품을 홍보해줘’라는 프롬프트로 시작해서는 안 된다. 먼저 작품의 가격대와 판매 가능한 수량, 전시장소, 주요 판매 지역, 핵심 타깃, 기존 컬렉터 데이터, 웹사이트나 쇼핑몰 보유 여부를 정리해야 한다. 그 다음 목표, 예산, 타깃 가설과 가드레일을 구체적으로 입력한다. 목표는 ‘전시 방문 100명’, ‘작품 문의 20건’, ‘작품 2점 판매’처럼 측정 가능한 행동으로 표현한다. 예산은 월 총액뿐 아니라 하루 최대 지출액과 채널별 한도, AI가 자동으로 이동할 수 있는 금액까지 정한다. 타깃은 처음부터 지나치게 좁히기보다 서울과 수도권의 시각예술 관심층, 인테리어와 디자인 관심층, 기존 전시 방문자와 비슷한 사람처럼 몇 가지 가설에서 시작한다. 가드레일에는 작품 원본 색상 변경 금지, 가격과 할인 임의 변경 금지, 작가가 말하지 않은 정치적·사회적 해석 생성 금지, 얼굴과 개인정보의 무단 활용 금지 등을 포함한다.
이후 에이전트는 하나의 작품을 여러 관객 진입점으로 나누어 보여줄 수 있다. 예를 들어 추상회화 한 점을 홍보한다면 작품 전체 이미지, 표면 질감의 클로즈업, 제작 과정, 작가가 작품을 설명하는 짧은 영상, 실제 공간에 설치된 모습을 각각 만들 수 있다.
중요한 점은 작품 원본을 바꾸는 것이 아니라, 관객이 작품에 관심을 갖게 되는 입구를 다양하게 만드는 것이다.
캠페인의 흐름은 작품을 처음 보는 사람이 15초 숏폼을 시청하고, 작품 상세 페이지를 방문한 뒤, 작품 문의를 남기고, 전시 예약이나 구매 상담으로 이동하는 구조로 만들 수 있다. Meta와 Instagram은 발견과 관심 형성에 사용하고, Google은 작품명과 작가명을 검색하거나 다시 방문하는 사람을 포착하는 데 활용한다. 이미지와 영상 자산이 충분하다면 YouTube와 Google의 시각적 지면에서 새로운 수요를 만드는 Demand Gen도 후보가 될 수 있다.
처음부터 많은 작품을 넣는 것보다는 대표작 3점에서 5점을 선정하는 편이 낫다. 각 작품에 대해 전체 이미지, 질감, 제작 과정, 작가 이야기라는 네 가지 콘텐츠를 만들고, 어떤 표현 방식이 관객을 문의까지 이동시키는지 학습하도록 한다. 이런 방식으로 작은 데이터를 축적한 뒤 작품 수와 채널을 확대하면, AI가 단순히 많은 콘텐츠를 생산하는 도구가 아니라 작가에게 맞는 관객과 서사를 찾아가는 시스템이 될 수 있다. 작가용 에이전트에서는 권한을 위험 수준에 따라 구분해야 한다.
성과 조회, 보고서 작성, 광고 문구 초안, UTM 생성과 A/B 테스트 제안은 낮은 위험 행동이므로 자동으로 수행해도 된다. 광고 생성과 게시, 타깃 변경, 일정 범위의 예산 이동, 새로운 숏폼 공개는 중간위험 행동으로 보고 원클릭 승인을 받도록 한다. 작품이미지의 생성형 변형, 가격과 할인 변경, 고객 명단 업로드, 총예산 증액, 민감한 공개 답변은 높은 위험 행동이므로 별도의 확인과 수동 승인을 거쳐야 한다. 승인 화면에는 무엇을 바꾸려는지, 왜 바꾸는지, 최대 얼마가 지출되는지, 어떤 결과를 기대하는지, 취소하면 어디까지 복원되는지를 함께 보여주는 것이 좋다.
모든 실행에는 시간, AI가 제안한 이유, 변경 전후의 예산, 사용한 소재, 승인자와 실제 실행 결과를 기록해야 한다. 잘못된 변경을 되돌릴 수 있도록 기존 설정을 보존하고, 문제가 생기면 광고 전체를 즉시 중지할 수 있는 기능도 필요하다.
그리고 예산과 현실적인 운영 방식에서는, 월 100만 원 수준에서는 별도의 맞춤형 에이전트 시스템을 크게 개발하기보다 기존 광고 플랫폼이 제공하는 AI 기능과 간단한 자동화, 그리고 사람의 승인을 결합하는 것이 적합하다. 이 규모에서는 자체 기술 개발보다 대표작을 선별하고 작품 정보를 정리하며, 좋은 이미지와 영상을 만들고, 랜딩페이지와 전환 측정을 갖추는 데 우선 투자하는 편이 효율적이다. Meta를 중심으로 두 가지 소재를 비교하고, AI에는 광고 문구와 숏폼 변형, 성과 요약과 다음 실험의 제안을 맡길 수 있다. 광고 게시, 작품 이미지 변형, 가격과 할인에 관한 결정은 작가가 직접 승인한다.
월 1,000만 원 정도의 예산에서는 광고 매체 70퍼센트, 콘텐츠와 AI 제작 15퍼센트, 데이터와 자동화 10퍼센트, 실험 예비비 5퍼센트 정도로 시작해볼 수 있다. 이 수준부터는 Google Ads API와 분석 시스템을 연결해 에이전트가 캠페인을 생성하고 중지하거나 정해진 범위에서 예산을 바꾸도록 하는 방식이 의미를 갖는다. 다만 총예산 증액, 고객 명단 업로드, 작품 가격과 할인 변경은 여전히 사람의 승인이 필요한 높은 위험 행동으로 남겨두어야 한다.
물론 월 100만 원과 1,000만 원이라는 숫자는 고정된 기준이 아니다. 작품 가격과 판매 가능한 수량, 기존 전환율, 전시 일정, 주요 판매 지역, 작가의 콘텐츠 제작 능력에 따라 필요한 예산은 크게 달라진다. 따라서 처음부터 큰 규모를 전제로 하기보다 작은 비용으로 AI가 실제 문의와 매출을 개선하는지 확인한 뒤, 효과가 검증될 때 예산과 권한을 확대하는 편이 안전하다.
또한 성과 측정과 실험에서는, 예술 작품 마케팅에서는 좋아요와 조회수만으로 성공을 판단하는 것이 위험하다. 작품 구매는 일반 생활용품보다 빈도가 낮기 때문에 관심, 의도, 상담, 판매의 흐름에 따라 지표를 나누어야 한다. 초기에는 작품 영상 시청, 상세 페이지 클릭과 방문, 저장과 공유를 통해 관심을 본다. 중간에는 작품 문의, 전시 예약, DM 상담과 가격 문의처럼 구매 의도가 나타나는 행동을 확인한다. 최종적으로는 적격 문의당 비용, 문의에서 판매로 이어지는 전환율, 고객획득비용, 작품 매출과 광고비 대비 매출을 살펴본다.
작품 가격과 기존 전환율이 아직 정해지지 않았다면 초기에는 판매 건수만으로 AI의 효과를 평가하기보다 적격 작품 문의당 비용을 핵심 지표로 두는 것이 안전하다. 판매는 발생 빈도가 낮아 짧은 기간에 판단하기 어렵지만, 작품에 관심을 가지고 실제 상담 의사를 보인 문의는 비교적 빠르게 축적할 수 있기 때문이다. A/B 테스트는 AI가 특히 잘 맡을 수 있는 영역이다.
같은 작품을 두고 첫 번째 광고는 완성된 작품 전체 이미지와 작품명을 중심으로 만들고, 두 번째 광고는 작품 표면의 클로즈업과 제작 과정, 작가가 던지는 질문을 중심으로 만들 수 있다. 이때 타깃과 예산, 기간은 동일하게 유지하고 크리에이티브만 바꾸어야 어떤 표현 방식이 효과를 만들었는지 비교할 수 있다. 테스트는 하루나 이틀로 끝내기보다 최소 일주일 이상 운영하는 것이 좋다. 예를 들어 클릭률이 1.5퍼센트에서 2.0퍼센트로 개선되는지를 유의수준 5퍼센트와 검정력 80퍼센트 조건에서 확인한다면 약 1만800회의 노출이 각 광고안에 필요하다는 계산이 나온다. 랜딩페이지 문의 전환율이 5퍼센트에서 7.5퍼센트로 개선되는지를 같은 조건으로 본다면 약 1,470회의 방문이 각 안에 필요하다. 이는 기존 전환율과 목표 효과에 따라 크게 달라지는 통계적 예시이며, 모든 캠페인에 적용되는 고정 기준은 아니다.
따라서 월 100만 원 예산에서는 4주에서 6주 동안 두 가지 소재를 비교하고, 구매보다 클릭, 상세 페이지 방문과 적격 문의처럼 발생 빈도가 높은 지표를 먼저 시험하는 편이 좋다. 월 1,000만 원 예산에서는 2주에서 4주 단위로 2개에서 3개의 변형을 운영하면서 소재, 타깃, 랜딩페이지를 순서대로 실험할 수 있다. 한 실험에서 여러 요소를 동시에 바꾸면 AI도 무엇 때문에 결과가 달라졌는지 정확히 판단하기 어렵다.
아울러 법적·윤리적 고려사항에서의 첫째는 저작권과 작품의 진정성이다. 한국저작권위원회는 2025년 「생성형 인공지능 활용 저작물의 저작권 등록 안내서」를 발간해 AI 활용 결과물에서 인간의 창작적 기여와 등록 실무를 구분해 다루고 있다. 국내외 사례에서도 인간의 선택·배열·수정과 같은 창작적 기여가 중요한 판단 요소로 다뤄진다. 따라서 AI로 작품 홍보영상이나 확장 이미지를 만들 경우 원본 파일, 프롬프트, 생성된 여러 버전, 작가가 선택하고 수정한 과정을 기록해두는 것이 좋다. 실제 회화에는 움직임이 없는데 AI가 꽃이 피거나 인물이 움직이는 영상을 만들었다면, 이를 원작 자체로 오해하지 않도록 원작 이미지와 AI를 활용한 광고 연출을 구별해 보여주는 것이 바람직하다. 타 작가의 작품이나 이미지를 AI의 입력자료로 사용할 때에도 이용 권한과 해당 서비스의 상업적 이용조건을 확인해야 한다.
둘째는 AI 활용 표시다. 한국의 「인공지능 발전과 신뢰 기반 조성 등에 관한 기본법」은 2026년 1월 22일부터 시행되었으며 생성형 AI를 이용한 제품과 서비스, 생성 결과물의 표시에 관한 규정을 두고 있다. 다만 법문상 의무 주체와 개인 작가의 사업 형태에 따라 적용 여부가 달라질 수 있으므로, 외부 AI 도구를 사용하는 개인 작가가 모두 동일한 의무의 대상이라고 단정해서는 안 된다.
법적 의무와 별개로 작품이 실제로 움직이는 것처럼 보이거나 현실과 구별하기 어려운 장면을 광고에 사용한다면 ‘AI를 활용한 연출 이미지 또는 영상’이라고 자발적으로 표시하는 편이 작품에 대한 신뢰를 보호한다. 예술가에게 AI 표시는 단순한 규제 대응이 아니라, 어디까지가 작품이고 어디부터가 마케팅을 위한 재해석인지를 관객에게 알려주는 장치라고 볼 수 있다.
셋째는 개인정보다. 에이전트가 전시 방문자의 이메일, 작품 문의 전화번호, DM 내용과 기존 구매자 명단을 읽게 되면 일반적인 광고 자동화보다 위험이 커진다. 개인정보보호위원회는 생성형 AI 개발·활용 과정의 개인정보 처리와 안전조치에 관한 안내서를 제공하고 있으며, 2026년 이용자 가이드에서도 AI 학습 활용 여부, 기록의 저장과 삭제, 외부 서비스 연동 여부를 확인할 것을 강조하고 있다. 따라서 전체 고객 데이터를 무조건 전달하기보다 목적에 필요한 최소한의 정보만 사용하고, 광고 최적화에는 가능한 한 집계된 행동 데이터와 적법하게 수집한 고객정보를 활용해야 한다. 고객 명단을 외부 AI 시스템이나 광고 플랫폼으로 전송하는 행동은 자동 실행하지 말고 높은 위험 권한으로 분류하는 것이 좋다.
여기서 권장하는 방향은, 처음부터 완전자율 AI 마케팅 시스템을 개발할 이유는 없다. 첫 단계에서는 대표작 3점에서 5점을 고르고 목표와 가격, 타깃과 금지사항을 정리한다. 그 다음 기존 SNS와 웹사이트 데이터를 분석해 관객 가설과 광고 소재를 만들고, 2주 정도의 소규모 광고 실험을 진행한다. AI가 만든 캠페인과 예산 변경안을 사람이 승인하는 구조를 거친 뒤, 실제로 적격 문의와 매출이 개선되는 것이 확인될 때에만 제한적인 자율화로 나아간다.
월 100만 원 수준에서는 플랫폼이 제공하는 AI 자동화 기능을 이용하고 맞춤형 시스템 개발은 최소화하는 것이 적절하다. 월 1,000만 원 수준에서는 광고 계정과 분석 시스템을 연결해 정해진 CPA와 예산 안에서 저성과 소재를 중단하거나 예산을 이동하는 기능을 고려할 수 있다. 그러나 어느 경우든 작품 해석, 원작 이미지의 변형, 작품 가격과 할인, 민감한 사회적 메시지와 최종 공개 여부는 작가가 결정해야 한다.
결국 가장 적합한 형태는 ‘작가 감독형 AI 마케팅 에이전트’다. AI에게는 관객 분석, 광고 문구와 숏폼의 변형, 캠페인 초안 생성, 반복적인 성과 모니터링과 정해진 범위 안의 예산 최적화를 맡긴다. 작가는 작품의 의미와 가치, 표현의 경계와 최종 결정을 담당한다. 이 구조에서 AI의 가장 큰 가치는 작가 대신 창작하는 데 있는 것이 아니라, 하나의 작품을 누구에게 어떤 이야기와 형식으로 보여주었을 때 반응이 달라지는지를 계속 학습하는 데 있다.
이러한 접근은 회화에만 한정되지 않는다. 개인 브랜드와 소규모 화장품·식품 브랜드, 굿즈와 같은 상품에도 비슷한 방식으로 적용할 수 있다. 다만 예술 작품은 작가의 정체성과 원작의 진정성이 핵심 자산이라는 점에서 다른 상품보다 더 강한 승인 체계와 표현 가드레일이 필요하다. AI는 작품의 의미를 대신 결정하는 주체가 아니라, 작가가 정한 경계 안에서 작품과 관객의 만남을 반복적으로 실험하고 개선하는 운영 파트너가 되어야 한다.
물론 여기서는 독자분들 중 어떤 특정한 사례중 하나인 그림, 다시 말해 회화적인 창작물에 국한하고 있다. 그렇지만, 모든 상품이나 브랜드 그리고 서비스 상품도 AI에이전트를 활용한다면 적절한 마케팅을 펼칠 수 있을 것으로 여겨진다는 점에서 무조건적인 두려움 보다는 어떻게 활용하느냐가 중요한 관건이 될 것이다.
Gil Park님의 브런치에 게재된 글을 모비인사이드가 한 번 더 소개합니다.
