AX Implementation

Agentic Ad Sales Tool: Disney 신규 광고 캠페인 절반 가까이가 제안서 에이전트를 거친다

Disney CEO는 4분기 콜에서 8월에 내놓은 광고 영업 에이전트가 캠페인 제안서를 만들고 신규 광고 캠페인의 절반 가까이가 이 에이전트를 거친다고 밝혔습니다. 자체 ML 기술로 렌더링 연산 필요량을 30% 줄였고 첫 CTO를 CEO 직속으로 뒀습니다. 따라 할 때의 제안서 필드, 검사 규칙, 12주 시범안을 붙였습니다.

출처
The Motley Fool · 실적 콜 녹취
원문 제목
Walt Disney (DIS) Q4 2026 Earnings Call Transcript
유형
아티클
읽은 날
2026.11.19
원문 발행
2026.11.17

Disney는 광고 캠페인 제안서를 만드는 일을 에이전트에게 맡겼고 출시 석 달 만에 신규 광고 캠페인의 절반 가까이가 이 경로로 들어옵니다. 따라 하려면 제안서에 들어가는 상품·단가·제약을 에이전트가 조회할 수 있게 열어 두고 캠페인마다 에이전트를 거쳤는지 기록해 비중을 잴 수 있어야 합니다.

요약

Walt Disney는 2026년 11월 17일 2026 회계연도 4분기 실적 콜을 열었습니다. Josh D’Amaro CEO는 새 CTO가 무엇을 맡는지, AI가 Disney+ 경험과 효율을 어떻게 바꾸는지 묻는 UBS 애널리스트의 질문에 답하며 쓰는 곳을 하나씩 짚었습니다. 광고 쪽에서는 AI 제품 두 가지를 내놓았습니다. 하나는 소상공인이 이미 가진 브랜드 자료를 CTV(connected TV, 인터넷에 연결된 TV) 광고로 바꿔 주는 Creative Studio입니다. 다른 하나는 광고 캠페인 제안서를 만드는 agentic ad sales tool(광고 영업 에이전트)입니다. 에이전트는 8월에 나와 빠르게 퍼졌고 광고팀 보고로는 “almost half of all new ad campaigns”가 이 에이전트를 거칩니다. 제작 쪽에서는 Disney Research Studios와 ILM이 만든 머신러닝 기술이 영상의 화질을 끌어올려 렌더링 연산 필요량을 30% 줄였습니다. 테마파크에서는 AI와 고급 분석으로 운영 계획을 짜고 캐스트 멤버를 필요한 곳과 시간에 배치합니다. 회사는 10월에 첫 CTO Karan Anand를 CEO 직속으로 두고 인프라, 데이터·AI 플랫폼, 제품·엔지니어링을 맡겼습니다.

무엇어디에밝힌 결과광고 영업agentic ad sales tool제안서 작성신규 캠페인 절반 가까이영화 제작ML 화질 보정렌더링 연산필요량 30% 감소테마파크AI·고급 분석운영 계획·캐스트 배치수치 미공개기술 조직첫 CTO Karan Anand인프라·데이터·AI·제품10월 합류, CEO 직속
콜에서 나온 AI 활용 네 곳. 수치는 경영진이 밝힌 것만 표시

수치로 나온 결과는 둘입니다. 신규 광고 캠페인의 절반 가까이가 에이전트를 거친다는 것과 렌더링 연산이 30% 줄었다는 것입니다. D’Amaro는 렌더링 쪽 효과를 비용 회피(cost avoidance)로 설명했습니다. 에이전트가 수주나 매출에 얼마나 보탰는지는 밝히지 않았습니다. Hugh Johnston CFO가 설명한 연 30억 달러 절감 계획(2029 회계연도까지 연간 기준)은 구매·소싱, IT와 부동산 통합, 공유 서비스, 부문과 본사의 판관비 효율화에서 나옵니다. 그는 AI를 절감원으로 따로 꼽지 않았습니다. 절감액 대부분은 스트리밍 콘텐츠, 기술, 마케팅에 다시 넣습니다. 아래에서는 네 가지 활용을 하나씩 풀고 광고 제안서 에이전트를 직접 만들 때 필요한 필드·검사·일정을 덧붙입니다.

AI로 수치를 밝힌 곳연 30억 달러 절감의 출처(2029 회계연도)· 광고 제안서: 신규 캠페인 절반 가까이 경유· 렌더링: 연산 필요량 30% 감소· 비용 회피(cost avoidance)로 설명· 구매·소싱· IT·부동산 통합· 공유 서비스· 부문·본사 SG&A 효율화
CFO는 절감원을 넷으로 꼽았고 AI를 따로 이름 붙이지 않음

핵심 메커니즘

Agentic Ad Sales Tool: 캠페인 제안서를 만드는 광고 영업 에이전트

광고주나 대행사가 캠페인을 문의하면 영업 담당은 예산, 기간, 목표 시청층에 맞춰 어떤 광고 상품을 얼마에 얼마만큼 넣을지 제안서를 씁니다. Disney는 이 제안서 작성을 에이전트에게 맡겼습니다. 콜에서 밝힌 사실은 에이전트가 제안서를 만든다는 것, 8월에 출시돼 빠르게 확산됐다는 것, 신규 캠페인의 절반 가까이가 에이전트를 거친다는 것까지입니다. 어떤 데이터를 쓰는지, 광고주가 직접 쓰는지 영업 담당이 쓰는지, ESPN과 Disney+ 중 어디의 인벤토리를 다루는지는 밝히지 않았습니다.

이 구조가 맞는 곳은 상품 목록과 단가 규칙이 정해져 있고 문의가 자주 반복되는 영업입니다. 제안 한 건마다 협상 조건이 크게 달라지는 대형 계약이라면 에이전트는 초안까지만 맡고 사람이 조건을 정합니다. 가상 예시를 들면, 한 지역 가전 유통사가 “4주, 3,000만 원, 30대 가구”라는 브리프를 넣으면 에이전트가 남은 광고 슬롯과 단가표를 조회해 상품 조합 두세 개를 표로 내고 영업 담당이 그중 하나를 골라 보냅니다.

입력광고주 브리프예산·기간·목표타깃 시청층에이전트가용 인벤토리 조회상품·가격 조합제안서 초안사람영업 담당 검토조건 협상광고주 전달
개념도. Disney는 에이전트가 제안서를 만든다는 것만 밝혔고 단계 구성은 일반적인 광고 영업 흐름으로 그림

ML Rendering: 화질을 머신러닝으로 끌어올려 렌더링 연산을 줄이는 방식

애니메이션과 시각효과는 장면마다 빛과 질감을 계산하는 렌더링에 연산을 많이 씁니다. D’Amaro는 Disney Research Studios와 ILM이 만든 머신러닝 기술이 제작 중인 영화의 화질을 끌어올린다고 했고 그 덕에 렌더링 연산 필요량이 30% 줄었다고 말했습니다. 30%는 연산 필요량 기준이며 총 제작비 기준이 아닙니다. 그는 이를 비용 회피로 불렀고 AI가 프리프로덕션과 포스트프로덕션 전반을 빠르게 한다고 덧붙였습니다.

이전 방식렌더링 연산 필요량 지수100ML 화질 보정 적용Disney Research Studios·ILM 개발700100
이전 연산 필요량을 100으로 둔 지수. 30% 감소는 경영진 발언, 총 제작비 기준이 아님

AI Operations Planning: 테마파크 운영 계획과 캐스트 배치

테마파크에서는 AI와 고급 분석으로 운영 계획을 짜고 캐스트 멤버를 필요한 곳과 시간에 배치합니다. D’Amaro는 75년 넘게 쌓인 어트랙션 건설의 세부 지식을 이제 AI가 끌어다 쓸 수 있어 더 큰 규모의 경험을 설계할 수 있다고 했습니다. 손님 쪽에서는 AI 도구로 여행을 조사하고 일부는 그 안에서 예약까지 합니다. Disney는 그런 도구 안에서 바로 예약을 받는 방안을 살피고 있고 Google과 함께 만든 휴가 계획 도구를 Walt Disney World에서 베타로 운영합니다. 그는 캐스트 멤버와 크리에이티브 팀이 여전히 중심이라는 단서를 달았습니다.

근거방문 수요·운영 데이터75년 넘는 어트랙션건설 지식AI·고급 분석운영 계획 수립설계 지식 검색·활용현장필요한 곳·시간에캐스트 멤버 배치더 큰 규모의 경험 설계
콜 발언을 흐름으로 정리한 개념도. 캐스트와 크리에이티브 팀이 중심이라는 단서가 붙음

First CTO: 전사 기술을 CEO 직속 한 자리에 묶는 역할

Karan Anand는 Disney의 첫 CTO로 10월에 합류했고 CEO에게 직접 보고합니다. 맡은 범위는 전사 기술이며 인프라, 데이터·AI 플랫폼, 제품·엔지니어링을 포함합니다. 목표는 여러 부문에 걸쳐 기술을 만들고 내보내는 방식을 현대화하는 것입니다. D’Amaro는 Disney+가 이미 추천과 탐색에 AI를 쓰고 있고 데이터와 앱 경험을 하나로 묶을수록 AI가 더 큰 힘을 낸다고 했습니다.

범위보고선인프라전사 공통CTO → CEO데이터·AI 플랫폼전사 공통CTO → CEO제품·엔지니어링전사 공통CTO → CEO
Karan Anand가 10월에 합류해 세 영역을 맡고 CEO에게 직접 보고

콜에서 나온 사례

사례상황한 일결과연결
광고 제안서신규 광고 캠페인마다 제안서 작성8월에 제안서를 만드는 에이전트 출시신규 캠페인 절반 가까이 경유(매출 기여 미공개)Agentic Ad Sales Tool
소상공인 광고소상공인이 CTV 광고 소재를 만들기 어려움기존 브랜드 자료를 CTV 광고로 바꾸는 Creative Studio수치 미공개Agentic Ad Sales Tool
렌더링영화 제작의 렌더링 연산 부담Disney Research Studios·ILM의 ML 화질 보정렌더링 연산 필요량 30% 감소, 비용 회피ML Rendering
파크 운영캐스트 배치와 운영 계획AI·고급 분석으로 계획, 75년 넘는 건설 지식 활용수치 미공개AI Operations Planning
기술 조직부문별 기술 구축첫 CTO를 CEO 직속으로 임명10월 합류, 세 영역 담당First CTO
2026.8광고 영업 에이전트 출시2026.10첫 CTO 합류2026.11.174분기 콜: 절반 가까이 경유2029 회계연도연 30억 달러 절감 목표
순서만 표시하고 간격은 시간에 비례하지 않음

기술 디테일: 제안서 에이전트를 직접 만든다면

아래 필드, 도구, 설정값은 실제로 돌릴 때 필요한 것을 정리한 실행 제안이며 Disney가 밝힌 구현이 아닙니다.

Agentic Ad Sales Tool을 돌리려면 먼저 브리프를 고정된 필드로 받습니다. 광고주가 자유 문장으로 쓴 요청을 LLM이 구조화 출력(JSON)으로 바꾸고 예산이나 기간처럼 빠진 값이 있으면 제안서를 쓰기 전에 되묻게 합니다. 다음으로 에이전트가 부르는 도구를 셋으로 나눕니다. 가용 인벤토리 조회, 단가와 할인 규칙 조회, 과거 유사 캠페인 성과 조회입니다. 가격은 LLM이 계산하지 않고 단가 API가 돌려준 값을 그대로 씁니다. 같은 브리프로 3회 생성해 상품 조합이 매번 크게 바뀌면 temperature를 0~0.2로 낮추고 후보 생성 규칙을 프롬프트에 더 적습니다.

1 브리프 정규화자유 문장 → JSON빠진 값 질문2 도구 호출인벤토리 조회단가·할인 규칙3 규칙 검사예산 초과카테고리 제한4 승인·기록영업 승인via_agent 태그
실제로 돌릴 때 필요한 단계를 새로 그린 가상 예시

제안서 한 건은 아래처럼 남기면 영업, 운영, 재무가 같은 기록을 봅니다(가상 예시, 금액 단위 원).

{
  "proposal_id": "PRP-2027-0312-0458",
  "advertiser_id": "ADV-1187",
  "brief": {
    "budget": 30000000,
    "flight_start": "2027-04-01",
    "flight_end": "2027-04-28",
    "objective": "reach",
    "target_audience": "hh_30s",
    "excluded_categories": ["alcohol"]
  },
  "line_items": [
    {"product": "ctv_preroll_15s", "impressions": 1200000, "cpm": 18000, "cost": 21600000},
    {"product": "sports_midroll_30s", "impressions": 300000, "cpm": 28000, "cost": 8400000}
  ],
  "total_cost": 30000000,
  "inventory_checked_at": "2027-03-12T09:41:00+09:00",
  "rule_checks": {"budget_cap": "pass", "category_restriction": "pass", "frequency_cap": "pass"},
  "via_agent": true,
  "human_edits": 2,
  "approved_by": "sales_rep_07",
  "status": "sent"
}

에이전트 경유 비중을 재려면 캠페인마다 via_agent를 남겨야 합니다. 분모는 같은 기간 새로 시작한 캠페인 전체, 분자는 에이전트가 만든 제안서에서 출발한 캠페인입니다. 사람이 고친 횟수(human_edits)와 제안부터 발송까지 걸린 시간을 같이 쌓으면, 비중이 늘 때 품질이 떨어지는지도 함께 봅니다.

출시 전에 평가셋으로 걸러 내려면 지난 1년 제안서 중 200건 정도를 골라 원래 브리프만 에이전트에 넣고 나온 초안을 실제로 수주된 제안서와 비교합니다. 상품 구성 일치율, 총액 오차, 규칙 위반 건수를 세 지표로 두고 규칙 위반이 0건이 될 때까지 실제 광고주에게 보내지 않습니다. 모델은 도구 호출과 JSON 출력이 안정적인 범용 LLM 하나로 시작하고 버전을 바꿀 때마다 같은 평가셋을 다시 돌려 점수를 비교합니다.

ML Rendering 같은 연산 절감을 재려면 같은 장면을 기존 방식과 새 방식으로 렌더링해 장면당 GPU·CPU 시간을 비교하고 화질은 아티스트 승인 여부로 판정합니다. 절감은 비용 회피로 잡히므로 연산 예산 계획 대비 실제 사용량으로 보고합니다.

막히는 경우증상대응
인벤토리 정보가 늦음이미 팔린 슬롯이 제안서에 들어감조회 시각을 기록하고 발송 직전 한 번 더 조회
단가를 LLM이 계산합계가 예산과 어긋남금액은 API 값만 쓰고 합계는 코드로 검사
브리프가 모호함목표·타깃이 비어 있음빈 필드가 있으면 제안 전에 질문 1~2개
광고 제한 업종금지 카테고리 상품이 섞임규칙 검사 단계에서 차단하고 사유 기록
비중만 늘고 품질 불명사람 수정이 계속 많음human_edits가 높은 유형부터 프롬프트·규칙 보완

현업 실행 디테일: 누가, 언제, 무엇을

역할맡는 일
광고 영업 본부장시범 대상 상품·광고주군 선정, 확대 판정
영업 담당에이전트 초안 검토·수정, 광고주 발송, 수정 사유 기록
광고 운영(트래픽)인벤토리·단가 데이터 제공, 집행 가능 여부 확인
가격·수익 관리단가·할인 규칙 정리, 예외 승인 기준
데이터·AI 엔지니어도구 연결, 구조화 출력, 로그와 대시보드
CTO 조직데이터·AI 플랫폼 공통화, 권한·보안

준비물. 최근 1년 제안서와 실제 집행 내역, 상품 목록과 단가표, 할인·예외 규칙, 광고 제한 업종 목록, 인벤토리 조회 API 또는 일 단위 추출 파일이 필요합니다. 기준선은 시범 직전 분기의 제안서 한 건당 작성 시간과 제안 대비 수주율로 잡습니다.

1~2주3~5주6~9주10~12주브리프·규칙 정리1~2주도구 연결·초안3~5주병행 운영6~9주판정·확대10~12주
가상 예시 일정. 기간은 조직 상황에 맞게 조정

주간 운영. 병행 운영 기간에는 매주 금요일 영업 본부장, 광고 운영, 엔지니어가 30분씩 모여 수정 사유 상위 3개를 보고 규칙이나 프롬프트를 고칩니다. 영업 담당은 초안을 고칠 때마다 사유를 단가, 상품, 타깃, 문구 중 하나로 고릅니다.

현업에 물을 것.

  1. 제안서 한 건을 쓰는 데 지금 몇 시간이 걸리고 그중 인벤토리와 단가를 확인하는 데 쓰는 시간은 얼마인가요?
  2. 제안서 중 정형 상품 조합으로 끝나는 비중과 맞춤 협상이 필요한 비중은 어느 정도인가요?
  3. 단가와 할인 규칙이 한곳에 정리돼 있나요, 담당자 경험에 기대고 있나요?
  4. 캠페인이 어떤 경로로 들어왔는지 지금 기록하고 있나요?
  5. 에이전트 제안서를 광고주에게 바로 보내도 되는 조건은 누가 정하나요?

진행 판정 기준(예시). 병행 운영 4주 동안 에이전트 초안의 70% 이상을 영업 담당이 큰 수정 없이(수정 2회 이하) 보냈고 금액 오류와 판매 완료 슬롯 포함이 0건이며 수주율이 기준선보다 낮지 않으면 다음 상품군으로 넓힙니다. 하나라도 못 채우면 실패한 제안서 유형을 묶어 규칙과 데이터부터 고친 뒤 4주를 더 봅니다.

AX 적용 제언. 미디어 렙, 보험 견적, B2B 부품 영업처럼 상품과 단가 규칙이 정해진 제안서 업무가 첫 후보입니다. Disney 사례에서 눈여겨볼 점은 에이전트를 별도 실험으로 두지 않고 신규 캠페인이 들어오는 경로 자체에 넣었다는 것과, 경영진이 그 비중을 숫자로 말할 수 있었다는 것입니다. 시작할 때부터 경로 기록 필드를 넣어 두면 몇 달 뒤 같은 질문에 답할 수 있습니다. 데이터·AI 플랫폼을 부문별로 따로 둔 회사라면 CTO 한 사람에게 묶는 결정을 첫 과제와 함께 올리는 편이 낫습니다. 절감 목표를 세울 때는 Disney처럼 구매·IT·공유 서비스 절감과 AI로 생긴 비용 회피를 따로 적어 두어야 각각의 효과가 섞이지 않습니다.

원문 사례

항목내용
발표Walt Disney 2026 회계연도 4분기·연간 실적 콜, 2026.11.17 (The Motley Fool 녹취)
발언자Josh D’Amaro(CEO), Hugh Johnston(CFO), Benjamin Swinburne(IR·전략)
질문John Hodulik(UBS), Rich Greenfield(LightShed), Michael Ng(Goldman Sachs), Sean Diffley(Morgan Stanley), Kannan Venkateshwar(Barclays)
광고 영업 에이전트캠페인 제안서 작성, 8월 출시 후 빠르게 확산, 신규 광고 캠페인 절반 가까이 경유
Creative Studio소상공인의 기존 브랜드 자료를 CTV 광고로 변환
광고 실적ESPN 광고 20% 성장(53번째 주 기여 약 5%), 무료 Disney+ 요금제 검토(광고 인벤토리 확대)
렌더링Disney Research Studios·ILM의 ML 화질 보정, 렌더링 연산 필요량 30% 감소, 비용 회피
테마파크AI·고급 분석으로 운영 계획과 캐스트 배치, 75년 넘는 건설 지식 활용, Google과 만든 휴가 계획 도구 WDW 베타
Disney+추천·탐색에 AI 사용, 데이터와 앱 경험 통합 추진
CTOKaran Anand, 첫 CTO, 10월 합류, CEO 직속, 인프라·데이터·AI 플랫폼·제품·엔지니어링
절감 계획2029 회계연도까지 연 30억 달러, 구매·IT·부동산 통합·공유 서비스·SG&A, 대부분 스트리밍 등에 재투자, AI는 절감원으로 따로 언급하지 않음
AI 단독 효과 수치에이전트의 매출·시간 효과는 공개하지 않음

핵심 개념

campaign proposal
광고주 예산과 목표에 맞춰 광고 상품, 노출량, 단가, 기간을 묶어 제시하는 문서입니다.
CTV
connected TV. 인터넷에 연결된 TV로 보는 스트리밍 화면이며 시청 가구 단위로 광고를 나눠 내보낼 수 있습니다.
inventory
광고를 넣을 수 있는 남은 노출 자리입니다. 이미 팔린 자리는 제안서에 넣을 수 없습니다.
CPM
cost per mille. 광고 1,000회 노출당 가격입니다.
cost avoidance
지금 쓰던 돈을 줄인 것이 아니라, 앞으로 쓸 뻔한 돈을 쓰지 않게 된 효과입니다.
run-rate savings
절감 조치가 다 적용됐을 때 1년 기준으로 환산한 절감액입니다.
ILM
Industrial Light & Magic. Disney 산하 시각효과 회사입니다.

내 메모

TODO: 내 생각 추가

원문은 The Motley Fool에 실린 「Walt Disney (DIS) Q4 2026 Earnings Call Transcript」(콜 2026.11.17)입니다. 요약, 핵심 메커니즘의 콜 내용, 사례, 원문 사례 표는 Disney 경영진의 발언을 AX Review가 다시 정리했으며 효과와 수치는 회사 측 설명입니다. 기술·현업 실행 디테일, JSON 예시, 막히는 경우 표, 일정과 판정 기준, 인포그래픽은 원문에 없는 내용으로 새로 작성했고 그 안의 필드명과 숫자는 가상 예시입니다. 콜 전문은 원문 페이지에서 볼 수 있습니다.

Related

함께 읽으면 좋은 노트

AX Implementation아티클

Bid Agent: BT가 대형 고객 입찰 준비를 14인·주에서 3인·일로 줄인 방법

TelecomTV

BT는 레거시 상품이 많은 B2B 부문에 복잡한 입찰을 처리하는 에이전트를 만들어 입찰 준비를 14인·주에서 3인·일로 줄였습니다. 같은 6개월 동안 하청 포함 총 인력은 102,000명에서 90,000명으로 11% 줄었지만 Kirkby CEO는 AI 효과가 아직 비용 숫자로 보이지 않는다고 했습니다.

CEO현업 리더AX 추진
#사례#에이전트 2026.11.14 ↗
AX Strategy아티클

Builders, Sellers, Measurers: Cloudflare가 재는 일은 AI에 맡기고 사람을 만들고 파는 일로 옮긴 방식

The Motley Fool(실적 콜 녹취) · Matthew Prince(Cloudflare CEO)

Cloudflare CEO Matthew Prince는 3분기 실적 콜에서 구조조정을 비용 절감보다 조직 재설계로 설명했습니다. 사람은 만드는 일과 파는 일로 옮기고, 지표를 모으고 보고하는 일은 AI가 맡습니다. IR 출신 직원이 만든 에이전트는 분기 토큰비 약 200달러 미만으로 투자자 자료를 만들고, 연말 인원은 감원 전보다 많을 것이라고 했습니다.

CEOCHROAX 추진
#사례#조직 설계 2026.11.14 ↗
AX Implementation리포트

CPIC P&C Injury AI Assistant·Intelligent Quoting Assistant: 자동차보험 인적손해 보상과 견적을 AI로 바꾸다

China Pacific Property Insurance · Gartner 2026 Eye on Innovation Awards 사례 + 공개 자료

중국 태평양재산보험(CPIC P&C)이 자동차보험 인적손해 보상에 의료·교통·보상 데이터와 대형 모델을 붙여 장해비용 감액률 41%를 보고하고 일선 견적을 메신저 안의 대화형 AI로 옮겨 견적 효율 50% 향상을 연말 목표로 잡은 두 사례입니다. 판단 모듈 설계, 평가 루프, 제조 대기업용 12주 파일럿안을 붙였습니다.

현업 리더AX 추진CIO·CTO
#보험#사례 2026.10.28 ↗