지난주 또는 그즈음의 주요 인공지능(AI) 뉴스 및 개발 소식을 확인하세요: Anthropic이 다중 에이전트 팀과 확장된 지식 작업(knowledge work) 초점을 갖춘 Claude Opus 4.6을 공개했습니다. Anthropic은 코딩을 넘어 더 광범위한 지식 작업(knowledge work)으로 확장하도록 설계된 직접적인 업그레이드로서 Claude Opus 4.6을 출시했습니다. 이 모델은 베타 버전으로 100만 토큰 컨텍스트 창(context window), 더 강력한 장기적 작업 실행(long-horizon task execution), 그리고 향상된 문서, 스프레드시트, 프레젠테이션, 재무 분석 및 검색 기능을 도입합니다. 에이전트 팀(agent teams)이라는 연구 미리 보기 기능은 여러 조정된 에이전트가 프로젝트 작업을 분담할 수 있도록 합니다. Anthropic은 출력 품질, 속도, 그리고 확장된 사이버 보안 조사(cybersecurity probes) 및 거부 평가(refusal evaluations)를 포함한 기업 안전 테스트를 강조했습니다. 이번 출시는 전통적으로 기업 소프트웨어 제공업체가 소유했던 애플리케이션 계층 워크플로(application-layer workflows)로의 진출을 알리는 신호입니다.

마케터를 위한 중요성: 다중 에이전트 워크플로와 더 강력한 문서 생성은 인공지능(AI)을 콘텐츠 초안 작성(content drafting)에서 엔드투엔드 실행(end-to-end execution)으로 확장합니다. 이는 연구, 재무 모델링(financial modeling), 캠페인 기획(campaign planning), 프레젠테이션 제작(presentation production)을 가속화하여 마케팅 팀 전반의 생산성 기대를 재편합니다.

실험에서 인프라로: 새로운 데이터는 인공지능(AI)이 핵심 마케팅 운영 모델(operating model)이 되고 있음을 보여줍니다.

마케팅은 Jasper가 인공지능(AI)의 운영 시대(operational era of AI)라고 부르는 시대로 진입했습니다. 이 시대에는 인공지능(AI)이 더 이상 부수적인 실험이 아니라 내장된 인프라입니다. 1,400명의 마케터를 대상으로 한 설문조사에 따르면 91%가 현재 인공지능(AI)을 사용하고 있지만, 기대치가 높아지면서 작년보다 감소한 41%만이 투자 수익률(ROI)을 자신 있게 증명할 수 있다고 답했습니다. 거버넌스(governance), 법률 검토(legal review), 브랜드 표준(brand standards)이 확장의 주요 장애물이 되었습니다. 최고 마케팅 책임자(CMO)-개인 기여자(IC) 격차(CMO-IC (individual contributor) divide)가 확대되고 있는데, 이는 리더들은 전략적 가치를 보지만 현장 팀은 실행에 어려움을 겪고 있음을 보여줍니다. 고도 성숙 조직(high-maturity organizations)은 거버넌스(governance)를 워크플로에 내장하고, 명확한 소유권을 할당하며, 예산의 최소 10%를 인공지능(AI)에 할당하고, 측정 가능한 수익과 함께 더 높은 직무 만족도를 보고합니다.

마케터를 위한 중요성: 인공지능(AI) 성숙도는 이제 거버넌스(governance), 측정, 운영 모델(operating model) 재설계에 달려 있습니다. 시간 절약을 넘어선 투자 수익률(ROI) 증명과 표준을 워크플로에 직접 내장하는 것이 실험적 사용과 지속적인 경쟁 우위(competitive advantage)를 구분합니다.

인공지능(AI)이 마케팅의 가장 큰 구조적 약점을 드러낸 이유.

인공지능(AI)은 마케팅의 툴링 격차(tooling gap)가 아니라 운영 모델(operating model)의 결함(flaw)을 드러냈습니다. 핵심 문제는 구조적입니다. 대부분의 조직은 인공지능(AI)이 실시간 고객 신호(real-time customer signals)로 넘쳐나는 동안에도 여전히 기존 대시보드(historical dashboards), 사일로화된 팀(siloed teams), 느린 보고 주기(reporting cycles)에 의존하고 있습니다. 이 기사는 세 가지 변화를 주장합니다. 데이터 웨어하우스(data warehouses)에서 실시간 행동(live behavior)을 수집하고 즉각적인 응답(instant responses)을 유발하는 신호 아키텍처(signal architecture)로 전환하고, 분기별 계획(quarterly planning)을 지속적인 감지-결정-실행 루프(continuous sense decide act loops)로 대체하며, 속도와 거버넌스(governance)의 균형을 맞추는 교차 기능 인사이트 팀(cross-functional insight squads)을 통해 휴먼 인 더 루프(humans-in-the-loop)를 내장해야 합니다. 통합 프로필(unified profiles), 실시간 수집(real-time ingestion), 인공지능(AI) 기반 의사결정 엔진(AI-driven decision engines) 없이는 고급 모델조차도 비활성 상태로 남아 있습니다. 고객 경험(CX)의 미래는 축적(accumulation)이 아닌 오케스트레이션(orchestration)에 달려 있습니다.

마케터를 위한 중요성: 경쟁 우위(competitive advantage)는 이제 의사결정 속도(decision velocity)와 구조적 재설계(structural redesign)에 달려 있습니다. 마케팅 팀은 인공지능(AI)을 실시간으로 운영하기 위해 워크플로, 거버넌스(governance), 협업 모델을 재구축해야 합니다.

Anthropic, 맞춤형 에이전트 플러그인(customizable agentic plug-ins)으로 Cowork 확장.

Anthropic은 Cowork에 플러그인을 추가하여 기업이 마케팅, 법률, 고객 지원과 같은 부서 전반의 전문화된 워크플로(specialized workflows)를 자동화할 수 있도록 했습니다. 플러그인을 통해 팀은 선호하는 도구, 데이터 소스, 워크플로 명령을 정의하여 많은 기술적 오버헤드 없이 맞춤형 자동화를 생성할 수 있습니다. Anthropic은 여러 내부 플러그인을 오픈 소스화했으며 더 광범위한 공유 기능을 계획하고 있습니다. 이번 확장은 코딩 사용 사례를 넘어 구성 가능한 부서 수준 인공지능(AI) 에이전트(department-level AI agents)에 대한 수요 증가를 반영합니다.

마케터를 위한 중요성: 부서별 에이전트 자동화는 일관된 캠페인 실행, 콘텐츠 워크플로(content workflows), 고객 커뮤니케이션(customer communications)을 지원합니다. 맞춤형 플러그인은 브랜드 표준(brand standards) 및 운영 모범 사례(operational best-practices)를 인공지능(AI) 워크플로에 직접 인코딩할 수 있습니다.

OpenAI, 기업의 인공지능(AI) 에이전트(AI agents) 배포를 돕기 위해 Frontier 출시.

OpenAI는 기업이 기존 인프라 내에서 인공지능(AI) 에이전트(AI agents)를 구축하고 관리할 수 있도록 하는 서비스인 Frontier를 도입했습니다. 기업 도입(enterprise adoption)을 가속화하도록 설계된 Frontier는 타사 에이전트(third-party agents) 및 기업 시스템(enterprise systems)과의 통합을 지원합니다. 이번 움직임은 Anthropic과의 경쟁을 심화시키고 OpenAI가 애플리케이션 계층 워크플로(application-layer workflows)로 진출하려는 신호입니다. 경영진은 이 플랫폼을 조직이 에이전트를 더 쉽게 활성화할 수 있도록 돕는 인텔리전스 레이어(intelligence layer)로 설명합니다. 인공지능(AI) 제공업체들이 장기 계약(long-term contracts)과 투자자 신뢰(investor confidence)를 놓고 경쟁함에 따라 기업 성장은 전략적 우선순위로 남아 있습니다.

마케터를 위한 중요성: 기업용 에이전트 플랫폼은 분석(analytics)에서 고객 참여(customer engagement)에 이르기까지 교차 기능 워크플로(cross-functional workflows)를 자동화할 것입니다. 마케팅 팀은 도구 및 데이터 환경(data environments) 전반의 에이전트 오케스트레이션(agent orchestration)에 대비해야 합니다.

OpenAI, Meta 스타일의 수익 엔진(revenue engine)을 찾기 위해 ChatGPT에서 광고(ads)