왜 챗GPT로 만든 마케팅 결과물은 실무 팀장에게 번번이 퇴짜를 맞는가

챗GPT 마케팅 실무 현장에서 가장 자주 듣는 말은 "이거 AI가 쓴 거 티 난다"다. 도구의 문제가 아니다. 사용 방식의 문제다.

팀장이 퇴짜를 놓는 진짜 이유

생성형 AI가 만든 마케팅 결과물이 검토 단계에서 반려되는 이유는 대부분 하나로 수렴한다. 결과물이 '우리 브랜드'가 아니라 '일반적인 브랜드'처럼 보인다는 것이다.

팀장은 문장의 완성도를 보지 않는다. 그 카피가 우리 고객에게 실제로 작동할지를 본다. AI가 생성한 문장은 대개 문법적으로 매끄럽고, 구조도 깔끔하다. 그러나 특정 브랜드의 톤, 특정 고객군의 언어 습관, 특정 시즌의 맥락이 빠져 있다. 그래서 팀장 눈에는 "어디서 본 것 같은 문장"으로 읽힌다.

문제는 AI 도구가 아니라 프롬프트 설계 방식이다.

대부분의 실무자가 AI에게 던지는 질문의 구조

실무자가 AI에게 보내는 요청은 보통 이렇게 생겼다.

"여름 시즌 이벤트 문자 메시지 써줘. 할인 강조해서."

이 요청에는 세 가지가 빠져 있다. 누구에게 보내는지, 그 사람이 지금 어떤 상황인지, 우리 브랜드가 평소 어떤 말투를 쓰는지다.

AI는 빠진 정보를 스스로 채운다. 그 결과 나오는 문장은 '여름 할인 이벤트를 하는 평균적인 브랜드'의 문자가 된다. 카페24 기반 자사몰을 운영하는 팀이라면, 자사 고객 데이터에서 추출한 재구매 패턴이나 선호 카테고리 같은 맥락이 문자 한 줄에도 녹아야 한다. 그 맥락 없이 나온 결과물은 팀장의 손에서 멈춘다.

반면 같은 도구를 쓰더라도 결과물이 통과되는 실무자는 요청 방식이 다르다. 고객 세그먼트, 이전 반응이 좋았던 문장 패턴, 브랜드 금칙어, 이번 캠페인의 핵심 메시지를 먼저 정리한 뒤 AI에게 넘긴다.

퇴짜를 줄이는 프롬프트 프레임워크

실무에서 검증된 구조는 다음 네 개 레이어로 구성된다.

레이어 1. 고객 정의

"30대 여성"처럼 인구통계 정보가 아니라, 지금 이 고객이 어떤 상황에 있는지를 서술한다. 예를 들어 피부과 의원이라면 "레이저 시술 후 2주 경과, 재방문 여부를 고민 중인 환자"처럼 상황 중심으로 쓴다.

레이어 2. 브랜드 톤 기준

AI에게 "친근하게"라는 단어를 주면 AI는 자신이 학습한 평균적인 친근함을 출력한다. 대신 실제로 잘 작동했던 문장 두세 개를 예시로 제공한다. "우리 브랜드는 이런 문장을 쓴다. 이 톤을 유지해라"가 훨씬 정밀한 지시다.

레이어 3. 제약 조건

글자 수, 금칙어, 포함해야 할 키워드, 피해야 할 표현을 명시한다. 학원 원장이 학부모에게 보내는 문자라면 "할인"이라는 단어 대신 "혜택"을 쓰도록 제약을 거는 식이다.

레이어 4. 출력 형식

카피 한 줄인지, A/B 테스트용 두 버전인지, 제목과 본문을 분리한 구조인지를 명시한다. 형식이 없으면 AI는 자신이 판단하기에 적절한 형식으로 출력한다. 그 판단이 실무 요구와 다를 때 결과물은 다시 손을 탄다.

업종별 적용 사례

자사몰 이커머스

아임웹 기반으로 운영되는 라이프스타일 소품 브랜드가 있다고 가정한다. 이 팀이 AI에게 신규 상품 소개 이메일을 요청할 때, 단순히 "신상품 이메일 써줘"가 아니라 최근 3개월 베스트셀러 상품의 상세 페이지 문구 세 개를 붙여 넣고 "이 문체를 유지하되, 이번 상품의 소재 특성을 첫 문장에 배치해라"라는 지시를 추가한다. 결과물은 팀장 검토 전에 이미 브랜드 언어를 갖추고 있다.

부동산 중개

공인중개사 사무소가 매물 소개 문자를 보낼 때, AI에게 "30평대 아파트 매물 문자"를 요청하면 전형적인 부동산 광고 문체가 나온다. 대신 "이 매물의 실수요자는 초등학생 자녀를 둔 학군 관심 가구다. 가격보다 학군과 통학 거리를 먼저 언급하고, 마지막에 방문 예약 유도 문장을 넣어라"로 바꾸면 결과물의 성격이 달라진다.

병원

정형외과 원무팀이 미래 예약 환자에게 보내는 리마인드 문자를 AI로 작성할 때, "딱딱하지 않게"라는 지시 대신 원내에서 실제로 사용하는 안내 멘트 스크립트를 붙여 넣는다. AI는 그 언어 패턴을 따라 출력한다. 결과물이 원내 분위기와 어긋나지 않는다.

결국 AI는 도구가 아니라 인턴이다

AI에게 결과물을 요청하는 행위는 신입 인턴에게 업무를 지시하는 것과 같다. 맥락 없이 결과물만 요구하면 인턴은 자신이 아는 평균적인 방식으로 해온다. 팀장은 그 결과물에서 브랜드를 읽지 못하고 돌려보낸다.

AI에게 제대로 된 맥락을 주는 것은 추가 작업이 아니다. 퇴짜와 수정을 반복하는 시간을 앞단으로 당기는 것이다.

FAQ

Q. AI가 쓴 티가 난다는 말은 구체적으로 어떤 특징을 가리키는가

문장이 지나치게 균형 잡혀 있고, 브랜드 특유의 어색함이나 개성이 없는 상태를 말한다. 실제로 사람이 쓴 마케팅 문장에는 특정 단어 선호, 문장 길이의 불균형, 업계 내부 표현 같은 흔적이 남는다. AI는 이 흔적을 평균화한다. 결과적으로 읽는 사람이 "이거 어디서 본 것 같다"고 느끼게 된다. 해결 방법은 브랜드가 실제로 쓴 문장을 예시로 제공하는 것이다.

Q. 프롬프트를 길게 쓰면 AI 결과물이 항상 좋아지는가

길이가 아니라 정보의 질이 기준이다. 500자짜리 장황한 요청보다 고객 상황 한 줄, 브랜드 예시 문장 두 줄, 제약 조건 세 가지가 더 정밀한 결과를 만든다. 프롬프트를 길게 쓰는 것보다 AI가 판단해야 할 빈칸을 줄이는 것이 핵심이다.

Q. 팀장에게 AI 활용 사실을 밝혀야 하는가

조직마다 다르다. 다만 결과물의 완성도가 기준을 충족한다면 도구의 출처보다 결과물의 맥락 정합성이 더 중요한 평가 기준이 된다. AI 활용 여부를 논의하기 전에, 결과물이 팀장의 검토를 통과할 수준인지를 먼저 판단하는 것이 실무적 순서다.

다음 글에서는 업종별 프롬프트 템플릿을 구체적인 입력 예시와 함께 다룬다. 자사몰, 병원, 학원, 부동산 각각의 실전 프롬프트 구조를 그대로 가져다 쓸 수 있는 형태로 정리할 예정이다.