500개 SEO 캠페인에 AI 에이전트를 붙였다 — 예산 40%↓, 트래픽 22%↑
500개의 SEO 캠페인에 AI 에이전트를 붙였다. 3개월 후, 예산은 40% 줄었지만 트래픽은 22% 늘었다.
작년 말, 글로벌 SEO 에이전시 컨소시엄이 흥미로운 실험을 했다. 11개 대행사, 500개 이상의 캠페인에 AI 에이전트를 투입한 파일럿 연구였다. 코드명은 “Project Tides.” 바다를 건넌다는 뜻이다. 실제로는 — 11개 대행사의 완전히 다른 워크플로, 툴 스택, 고객 요구사항을 에이전트가 횡단해야 했기 때문이다.
결론은 단순했다. AI 에이전트는 SEO에 쓸모가 있다. 하지만 쓰는 방식이 중요하다.
연구 결과를 다섯 가지 교훈으로 압축했다. 각각은 단순한 팁이 아니라, 에이전트를 실제 운영에 붙일 때 마주치는 구조적 패턴이다.
1. 사람은 전략, 에이전트는 실행
파일럿 초기, 참여사 중 절반은 AI 에이전트에게 전략 수립까지 맡겼다. 결과는 처참했다. 콘텐트 전략이 모호해지고, 키워드 타겟팅이 산으로 갔다. 에이전트는 전략을 세우는 도구가 아니라, 전략을 집행하는 도구다.
성과가 좋았던 팀의 공통점: 사람이 방향을 정하고, 에이전트가 그 방향 안에서 반복 작업을 수행했다. 특히 기술 감사(technical audit), 대량 메타 작성, 내부 링크 최적화 같은 영역에서 에이전트는 인간보다 4배 빠르고, 실수율은 절반 이하였다.
교훈: 에이전트에게 “뭘 할지”를 묻지 말고 “이걸 어떻게 할지”를 가르쳐라.
2. 에이전트는 검증되지 않은 데이터를 그대로 믿는다
11개 대행사 중 8곳이 이 문제를 보고했다. AI 에이전트가 Google Search Console, Ahrefs, Semrush 데이터를 읽고 “이 페이지는 백링크가 부족합니다”라는 결론을 내리는데, 실제로는 데이터 수집 주기 차이로 인한 일시적 공백이었다.
에이전트는 데이터의 품질을 판단하지 않는다. 타임스탬프가 찍혀 있으면 그대로 신뢰한다. 사람이라면 “이 데이터는 아직 업데이트 안 됐을 걸” 하고 의심할 타이밍을, 에이전트는 놓친다.
해결책은 두 가지였다. 첫째, 모든 API 콜에 유효성 검증 레이어를 추가. “이 데이터가 24시간 이내인가?”를 먼저 확인하게 했다. 둘째, 에이전트가 내린 결론을 사람이 리뷰하는 게이트를 설치. 자동화 100%가 아니라, 80% 자동화 + 20% 인간 검증이 최적 밸런스였다.
3. 대행사마다 에이전트가 달라야 한다
처음엔 하나의 에이전트 설정으로 모든 대행사를 커버하려 했다. 실패했다. 대행사마다 툴 스택, 보고 체계, 고객 커뮤니케이션 스타일이 달랐다.
A 대행사는 Google Sheets 기반의 커스텀 리포팅을, B 대행사는 Looker Studio를, C 대행사는 자체 대시보드를 썼다. 하나의 에이전트가 이 모든 포맷을 이해하고 변환해야 했다. 가능은 했다. 하지만 유지보수 비용이 에이전트 도입으로 절감한 비용을 초과했다.
정답은 “base agent + per-agency plugin” 아키텍처였다. 공통 SEO 작업은 코어 에이전트가 처리하고, 리포팅 포맷, 커뮤니케이션 톤, 우선순위 기준은 각 대행사별 플러그인으로 분리했다. 이 전환 이후 유지보수 비용이 63% 감소했다.
4. 에이전트는 도구를 선택할 자유가 필요하다
가장 예상치 못한 발견이었다. 에이전트에게 사용할 도구를 고정해주지 말고, 스스로 선택하게 해야 성능이 올라갔다.
초기에는 “키워드 리서치는 Semrush, 백링크 분석은 Ahrefs, 랭킹 트래킹은 AccuRanker”로 고정했다. 에이전트가 정해진 도구만 쓰니까, 특정 상황에서 최적의 도구를 선택하지 못했다. 예를 들어, 경쟁사 분석이 필요한데 Semrush보다 Ahrefs가 더 정확한 데이터를 가진 경우에도, 에이전트는 Semrush만 고집했다.
도구 선택권을 에이전트에 위임하자, 정확도가 18% 향상됐다. 에이전트는 작업 설명, 데이터 가용성, 응답 시간을 종합적으로 판단해 최적의 도구를 선택했다. 물론 예산 통제를 위해 상한선은 걸어뒀다 — “월 500크레딧 이내에서 판단해라.”
5. 가장 큰 병목은 에이전트가 아니라, 사람의 신뢰였다
파일럿 종료 후 설문조사에서 가장 충격적인 결과가 나왔다. 참여 SEO 전문가의 73%가 에이전트의 작업을 “이해하지 못한 채 승인”한 경험이 있다고 답했다.
에이전트가 메타 디스크립션을 200벌 생성하고, 내부 링크를 150개 추가하고, 리디렉션 맵을 작성해도, 사람은 그 결과를 제대로 검토하지 못했다. 너무 많았기 때문이다. 결국 “에이전트가 했으니까 괜찮겠지”라는 블라인드 신뢰가 생겼다.
이것은 에이전트의 문제가 아니라 워크플로 디자인의 실패다. 해결책은 “변경 로그”와 “영향 요약”을 에이전트 출력에 강제하는 것이었다. 에이전트가 무엇을, 왜, 어떤 영향으로 변경했는지를 3줄로 요약하게 했다. 이 한 줄의 요약이 인간 리뷰 시간을 70% 줄이면서도 검토 깊이는 유지했다.
정리: 바다를 건너는 법
Project Tides가 증명한 것은 이것이다: AI 에이전트는 SEO 산업을 대체하지 않는다. 대신, 에이전트를 운영할 수 있는 대행사와 그렇지 못한 대행사의 격차를 벌릴 것이다.
다섯 교훈을 다시 한 줄로 압축하면:
- 사람은 방향을, 에이전트는 실행을
- 데이터 검증 레이어는 필수
- base agent + per-agency plugin 구조로
- 도구 선택권은 에이전트에게
- 블라인드 신뢰보다 요약 가능한 투명성을
이 다섯 가지를 지키지 않으면, AI 에이전트는 도입 전보다 더 혼란한 SEO 운영을 만든다. 지키면, 당신의 대행사는 경쟁사보다 40% 저렴하고 22% 더 효과적인 SEO를 실행할 수 있다. 파일럿이 증명했다.
읽어줘서 고맙다.