마케팅에서 AI를 도입하는 일은 이제 더 이상 낯설지 않습니다. 하지만 이하석 CMO는 이 흐름의 핵심이 ‘툴을 추가하는 것’이 아니라, 데이터가 실행으로 이어지는 구조 자체를 다시 설계하는 데 있다고 말합니다. 개인의 감각에 기대는 조직이 아니라, 실험이 멈추지 않고 실패마저 자산으로 남는 시스템을 만드는 것. 이번 인터뷰에서는 아정당 이하석 CMO가 말하는 ‘AI Native 마케팅’의 본질을 먼저 들여다보고, 그 실전의 이야기가 DMS 2026 현장에서는 어떻게 더 깊이 펼쳐질지 기대해봅니다.

Q. 먼저 간단한 자기소개와 함께, 스웨덴 스톡홀름에서 커리어를 시작해 다양한 조직을 경험하시기까지의 여정을 들려주실 수 있을까요? 그 과정에서 ‘마케팅은 개인이 아니라 구조가 만든다’는 문제 의식은 어떻게 생겨났는지도 궁금합니다.

안녕하세요. 아정당에서 CMO로 일하고 있는 이하석(Hannes Lee)입니다. 제 커리어는 스웨덴 스톡홀름에서 International Sales Manager로 시작됐고, 이후 10년 넘게 한국과 해외를 오가며 Creative, Growth, CRM, Automation, 그리고 실험 조직 설계까지 다양한 영역을 경험해왔습니다. 

‘마케팅은 개인이 아니라 구조가 만든다’는 문제 의식도 어느 한순간의 깨달음이라기보다, 여러 조직을 거치며 자연스럽게 쌓인 결과에 가깝습니다. 뛰어난 사람이 떠나자 성과가 급격히 흔들리는 팀이 있는가 하면, 개인의 역량이 평범해도 시스템이 잘 작동해 꾸준히 성과를 내는 조직도 있었습니다. 그 차이를 보며 마케팅 성과는 결국 한 명의 천재보다, 인사이트가 실행으로 이어지는 경로를 조직이 갖고 있느냐에 달려 있다는 확신을 갖게 됐습니다. 데이터는 넘쳐나지만 실행으로 이어지는 관성이 부족한 조직을 많이 봤고, 그래서 지금은 아정당에서 AI와 자동화를 활용해 실행이 멈추지 않는 구조를 만드는 데 집중하고 있습니다.

합류 초기 가장 크게 느낀 한계는 데이터는 충분히 존재하지만 그것이 실제 행동으로 이어지지 않는 구조였습니다. 채널별 리포트는 나오지만 “그래서 다음에 무엇을 해야 하는가”에 대한 답이 명확하지 않았고, 성과가 좋으면 축하하고 나쁘면 시장 상황으로 설명하는 패턴도 반복되고 있었죠. 그래서 분석을 더 정교하게 만드는 것보다, 데이터와 실행 사이의 거리를 줄이는 데 집중했습니다. Mixpanel로 유저 행동 데이터를 직관적으로 확인할 수 있는 환경을 만들고, VWO와 Snowflake 등을 기반으로 더 빠르게 실험할 수 있는 구조를 갖춰갔습니다. 결국 중요한 건 데이터를 쌓는 일이 아니라, 데이터가 다음 행동의 방아쇠가 되게 만드는 것이었습니다.

Q. 그 한계를 해결하는 과정에서 AI와 자동화를 본격적으로 도입하게 되셨다고 들었습니다. 단순히 ‘AI를 도입한다’가 아니라, 조직을 ‘AI로 움직이게 해야겠다’고 결심한 결정적 계기는 무엇이었나요?

솔직히 처음부터 거창한 비전이 있었던 건 아닙니다. 출발은 아주 실무적인 문제였습니다. GA4를 잘 보지 못하는 멤버들을 위해 n8n과 Replit으로 자연어 데이터 검색 앱을 하나 만들어봤는데, 예상보다 반응이 훨씬 좋았습니다. 그때부터 “이거 나도 만들 수 있겠는데?”라는 분위기가 생겼고, 내부 해커톤을 거쳐 업무용 앱을 20개 가까이 직접 만들어 쓰게 됐습니다. 결정적인 전환점은 멤버들의 언어가 바뀐 순간이었습니다. 회의에서 “이거 외주 줘야 하나?”가 아니라 “이거 그냥 만들어볼까?”가 먼저 나오기 시작했거든요. 그때 도구를 쓰는 수준을 넘어 사고방식 자체가 달라졌다고 느꼈습니다. 예전에는 '툴을 도입해야 한다 → 승인이 필요하다 → 개발 리소스가 필요하다'였다면, 이제는 일단 직접 만들고 바로 실험하는 쪽으로 전환된 거죠. 

기술이 전문가의 영역이 아니라 누구나 꺼내 쓸 수 있는 도구가 됐다는 확신이 들었습니다. 저는 이걸 AX라고 부릅니다. AI를 "업무 시간을 줄여주는 도구"로만 보면 효과가 일정 수준에서 멈춰요. 기존의 데이터 드리븐이 "보고서를 잘 만드는 것"이었다면, AX는 "신호가 감지되면 회의 없이 실험이 돌아가는 것"에 가까워요. 중요한 건 AI가 보고서나 회의의 주제가 아니라, 다음 행동이 시작되는 장치로 들어오는 것입니다. AI가 의사결정의 트리거가 될 때, 조직의 속도는 완전히 달라집니다.

Q. 하지만 그런 구조는 한 번에 완성되진 않았을 것 같습니다. 아정당의 AI 시스템을 만들며 겪었던 가장 상징적인 실패 사례와, 그 실패가 어떻게 자산으로 전환됐는지 들려주실 수 있을까요? 실패가 단순한 비용이 아니라 ‘자산’이 되기 위해, 조직은 무엇을 기록하고 무엇을 남겨야 한다고 보시나요?

구조를 바꾸는 과정에서 가장 자주 마주한 건 실패 자체보다, 실패를 해석하는 조직의 태도였습니다. 실험이 많아지면 실패도 함께 늘어나는 게 자연스러운데, 대부분의 조직은 그 순간 움츠러듭니다. “실험하느라 매출을 놓치는 것 아니냐”, “지금 당장 도움이 되느냐”는 질문이 커질수록 사람들은 안전한 선택만 하게 되죠. 그래서 저는 실패를 줄이기보다, 실패가 안전하게 일어나고 의미 있게 남는 방식을 만드는 데 집중했습니다.

“  가장 중요한 원칙은 이거였습니다.

실험이 잘못되면 '누가 못했냐'가 아니라, '가설과 설계에서 무엇이 어긋났냐'로 대화하는 것이었습니다.  “

 

기억에 남는 사례가 쿠폰 기반 뽑기 이벤트였습니다. 게이미피케이션을 결합한 퍼널로 DB 전환율 26%를 만들었지만, 매출 전환율은 5%도 안 됐고 크로스셀은 0건이었습니다. 쿠폰 2,300장 중 실제 사용은 120장뿐이었고, 결국 정교한 허수 유입 구조를 만든 셈이었죠.

이 실험이 자산이 될 수 있었던 건 모든 실험을 IHE(인사이트-가설-실험) 시트로 기록했기 때문입니다. 덕분에 “퍼널은 작동하지만 DB 품질이 문제”라는 진단이 남았고, 다음 스프린트에서 타깃 세그먼트 재설계, 상담 프로세스 개선, 쿠폰 구조 변경이라는 구체적인 액션으로 바로 이어질 수 있었습니다. 

실패가 자산이 되려면 결과보다 맥락이 남아야 합니다. 어떤 관찰에서 시작했는지, 왜 그 가설이 합리적이었는지, 무엇을 기준으로 멈출지까지 기록해야 다음 사람이 다시 시작할 수 있습니다. 이런 정보가 남으면 실패는 매몰 비용이 아니라 다음 성공을 위한 유료 데이터가 됩니다. 기록이 없으면 실패는 '없던 일'이 되고, 동일한 비용을 다시 내게 됩니다. 

실패를 개인의 실수가 아닌 가설의 오류로 다루는 문화를 만들자, 비로소 실패가 자산으로 쌓이기 시작했습니다.

Q. 그렇게 구조가 자리 잡으면서 사람의 역할도 달라졌을 것 같습니다. AI가 반복과 분석을 대신하는 시대에, 오히려 더 중요해진 마케터의 역량은 무엇이라고 보시나요? 또 ‘AI가 사람을 살리는 구조’라는 표현에는 어떤 의미가 담겨 있나요?

AI 시대의 마케터는 점점 ‘실행자’보다 ‘설계자’에 가까워진다고 생각합니다. 반복적인 작업이나 데이터 분석의 상당 부분은 자동화될 수 있기 때문에, 사람에게 더 중요해지는 건 무엇을 해결해야 하는지 정의하는 능력입니다. 그래서 앞으로 마케터에게 가장 중요한 역량은 최신 툴을 얼마나 잘 다루느냐보다, 문제를 정의하고 질문을 설계하는 힘에 있다고 봅니다. 같은 AI를 사용하더라도 어떤 질문을 던지느냐에 따라 결과의 품질은 크게 달라지기 때문입니다. 제가 말하는 ‘AI가 사람을 살리는 구조’도 같은 맥락입니다. AI가 반복 업무와 데이터 취합을 맡게 되면, 사람은 그만큼 전략과 판단, 더 창의적인 문제 해결에 에너지를 쓸 수 있게 됩니다. 결국 AI는 사람을 대체하는 경쟁자가 아니라, 한 사람이 더 큰 영향력을 낼 수 있도록 돕는 파트너에 가깝습니다. 중요한 건 사람의 역할을 줄이는 것이 아니라, 사람이 더 사람다운 판단과 설계에 집중할 수 있게 만드는 구조라고 생각합니다.
 

Q. 지금 이 글을 읽는 기업들도 AI Native 조직을 고민하고 있을 텐데요. 가장 먼저 점검해야 할 것은 무엇이라고 조언하시겠습니까?

마지막으로, 이번 DMS 2026에서 ‘AI Native 마케팅’을 주제로 강연하시게 됐습니다. 지금 이 시점에 이 이야기를 꼭 해야겠다고 생각하신 이유와, 참석자들이 세션에서 반드시 가져가길 바라는 한 문장이 있다면 무엇인가요?

가장 먼저 점검해야 할 것은 툴이 아니라 경로라고 생각합니다. 우리 조직에서 데이터가 발생한 뒤, 다음 실행으로 연결되기까지 몇 단계를 거치는지부터 봐야 합니다. 리포트를 만드는 사람, 승인하는 사람, 실행하는 사람이 모두 다른 구조라면 어떤 기술을 넣어도 병목은 쉽게 해소되지 않습니다. 실행이 안 되는 이유는 사람의 문제가 아니라 환경의 문제인 경우가 많고, 그 환경을 먼저 손보는 것이 AI Native 조직으로 가는 출발점이라고 봅니다.

이번 DMS 2026에서는 기술의 화려함 자체보다, 그 뒤에 있는 실험과 학습의 본질을 이야기하고 싶었습니다. 결국 AI Native 마케팅은 새로운 툴을 아는 문제가 아니라, 멈추지 않고 실험할 수 있는 구조를 만드는 문제라고 생각하기 때문입니다. 참석자들이 세션에서 꼭 가져가셨으면 하는 문장은 이것입니다. 

“  완벽한 실행을 꿈꾸기보다, 불완전한 실험이라도 멈추지 않는 시스템을 만드는 것이 AI 시대의 생존 전략입니다.  “

* DMS 2026 알아보기
* DMS 2026 워크숍 소개페이지  |  등록하기

[ 워크숍 오픈애즈 전용 프로모션 코드 ]

OPENADS2026
 - 20% 할인받기. 선착순 30명

 - 2개 워크숍 모두 적용 가능

 - 유효기간: ~3/20(금)까지