ADOBE 2026 AI 및 디지털 트렌드 보고서

지난 3년은 팬데믹 이후 뉴노멀에 대한 적응에서부터 AI와 같은 신기술의 급속한 대중화에 이르기까지, 주목할 만한 시장 변화가 있었습니다. 많은 기업이 이 기간에 개인화(70%), 리드 생성(64%), 고객 유지(59%) 등 주요 CX 성과 지표에서 측정가능한 개선('어느 정도' 또는 '크게' 개선되었다는 응답)이 있었다고 보고했습니다. 이러한 성과에도 불구하고 자사의 디지털 CX 성숙도에 대한 평가는 다소 겸손한 태도를 보입니다. 응답자의 절반 이상(57%)이 자사의 CX 성숙도가 동종 업계와 동등하거나 뒤처진다고 답했으며, 약 3분의 1(36%)만이 앞서 있다고 생각합니다.

자사 디지털 역량에 대한 의구심에도 불구하고, 생성형 AI 도입에는 어느 정도 진전을 보이고 있습니다. 마케팅 콘텐츠 제작부터 고객 지원, 개인화, 백오피스 운영에 이르기까지, 대부분의 고객 경험 워크플로에서 광범위하게 생성형 AI 실험이 진행되고 있었습니다. 약 4분의 1에서 3분의 1에 달하는 기업이 제한적인 파일럿 프로그램을 운영하는 것으로 나타났습니다. 대다수 기업은 콘텐츠 아이디어 구상 및 프로덕션, 직원 생산성과 효율성, 심지어 마케팅을 통한 수익 성장 등의 영역에서 생성형 AI가 주도한 실질적인 효과를 보고했습니다(그림 1).

기업은 생성형 AI와 에이전틱 AI의 확장을 열망하고 있지만, 전사적인 배포를 지원하는 데 필요한 기본 툴, 데이터 구조, 측정 관행은 부족합니다. 절반 이상(53%)이 자사의 콘텐츠 공급망이 여전히 선형적이고 리소스 의존적이라고 답했습니다. 그리고 단 47%만이 대규모 개인화 제공에 필수적인 기능인 여정 설계 또는 옴니채널 활성화에 생성형 AI 또는 에이전틱 AI를 사용하고 있습니다.

기업이 직면한 주요 도전 중 하나는 에이전틱 AI를 지원하는 인프라의 부족입니다. 에이전틱 AI를 위한 클라우드 기반 기술을 보유한 기업은 51%에 불과한 반면, 생성형 AI 지원 기술을 보유한 기업은 89%에 달합니다. 에이전틱 AI의 책임감 있는 사용을 위한 가이드라인, 통합 툴, 고객 데이터 플랫폼, 데이터 관리 프로세스, 직원 교육에 대한 투자 등은 모두 생성형 AI에 비해 현저히 낮습니다.

AI의 실제적인 영향을 측정하고 이를 전사적으로 알리는 일은 그 중요성에도 불구하고 해결되지 않고 있습니다. AI 성공을 평가하는 가장 중요한 지표를 묻는 질문에, 순추천지수(NPS), 유지율, 이탈률과 같은 고객 만족도 및 충성도 지표가 압도적으로 선택되었습니다. 하지만 52%는 자사 조직이 CX 관련 지표를 사용하여 AI 투자의 측정 가능한 수익을 입증하는 데 어려움을 겪고 있다고 답했습니다. 또한 절반 이상(56%)은 경영진이 AI 이니셔티브의 성공을 평가할 때 순전히 재무적 결과를 우선시한다고 보고했습니다.

ROI 추적 툴은 생성형 및 에이전틱 AI 전반에서 여전히 미흡합니다. 생성형 AI에 대한 측정 프레임워크를 구현한 기업은 44%에 불과하며, 에이전틱 AI의 경우 더욱 적은 31%입니다. 거의 절반(47%)은 프레임워크가 구축되어 있지 않거나 존재 여부조차 확실하지 않습니다.

AI 구현의 조직 내 도전 과제는 높아지는 고객의 기대치를 충족하는 데 제약이 되고 있습니다. 고객은 자신의 경험에서 관련성, 명확성, 편의성을 기대하며, 브랜드가 이러한 기대를 충족시키지 못하면 빠르게 반응합니다. 고객의 절반은 프로모션이 자신과 관련성이 없거나 시의적절하지 않다고 느끼면 브랜드와의 관계를 끊겠다고 말하며, 45%는 관련성과 상관없이 너무 많은 프로모션을 제안받으면 관계를 끊겠다고 답했습니다. 고객의 관심을 사로잡을 수 있는 시간은 아주 짧습니다. 약 50%의 고객이 프로모션 콘텐츠가 자신의 관심을 끄는 데 걸리는 시간은 2~5초라고 말합니다. 약 5분의 1은 2초 미만의 시간에 판단한다고 답했습니다. 고객의 참여를 이끄는 핵심 동력은 즉각적인 개인적 관련성, 고유한 콘텐츠, 시각 및 청각 요소, 그리고 특별 혜택입니다.

관련성 있는 경험을 지속적으로 제공하려면 통합된 고품질 데이터로 학습된 AI와 해당 데이터를 실시간으로 활용할 수 있는 능력이 필요합니다. 그러나 기업의 절반 미만(44%)이 현재 AI에 적합한 데이터 품질과 접근성을 갖추고 있다고 답했으며, 단 39%만이 에이전틱 AI를 지원할 수 있는 공유 고객 데이터 플랫폼을 보유하고 있습니다.

문제를 인식하고 있음에도 불구하고 기업의 준비 격차는 지속되고 있습니다. AI 투자 우선순위에 대한 질문에, 32%만이 데이터 품질, 통합, 거버넌스를 최우선 과제로 꼽았습니다. 그리고 단 20%만이 데이터의 가치와 이해도 향상을 우선순위에 두고 있습니다. 이는 기업의 52%가 현재의 데이터 통합 및 구조가 AI 이니셔티브의 발전을 제한한다고 답하고, 무려 75%가 데이터 통합과 품질을 에이전틱 AI 솔루션 구현의 상위 도전과제로 꼽는 것과는 대조적입니다. 데이터 통합은 관련 인재 부족과 업스킬링 리소스 제한(71%), 불분명한 투자 수익률 또는 비즈니스 사례(68%) 등 다른 도전 과제들보다 우선순위가 높습니다.

이러한 제약은 데이터를 넘어 콘텐츠와 경험 운영 전반으로 확장됩니다. 고객이 디지털 쇼핑 경험을 위해 AI 기반 검색 툴에 점점 더 의존하고 있음에도 불구하고, 단 54%의 기업만이 이러한 툴에 맞춘 콘텐츠 최적화를 준비하고 있습니다. 또한, 39%만이 AI 에이전트와 대화형 인터페이스에서 생성되는 모든 데이터에서 인사이트를 추출할 수 있는 통합 고객 데이터 기반을 보유하고 있습니다.

경영진과 실무진의 견해 차이로 AI 배포는 속도를 내지 못하고 있습니다. 두 그룹 모두 AI 투자의 광범위한 우선순위인 개인화, 고객 만족도, 워크플로 자동화에는 동의하지만, 준비도, 영향력, 성과에 대한 관점은 다릅니다.

응답자의 거의 3분의 1이 자사 경영진과 실무진 간의 AI 전략이 일치하지 않는다고 답했으며, 47%는 일치도가 기껏해야 부분적인 수준이라고 답했습니다. AI 목표의 명확한 소통(72%), 협력적 계획 수립(69%), 강력한 리더십 지원(59%)에는 일치된 의견을 보였습니다. 하지만 경영진의 AI에 대한 이해 부족(61%)은 경영진과 실무진 간에 가장 큰 인식 차이를 보였습니다. 변화 및 기술 도입에 대한 저항(52%), AI 역할에 대한 불충분한 소통(52%), AI 가치 및 ROI 측정의 불명확성(39%)이 그 뒤를 이었습니다.

이러한 차이는 AI 투자 목표를 정의하는 방식에서 더욱 분명하게 나타납니다. 실무진은 경영진보다 콘텐츠 제작, 운영 활성화 등 더 나은 경험을 제공할 수 있는 운영에 초점을 맞출 가능성이 높습니다. 반면 경영진은 수익 성장, 고객 만족도 같은 목표를 강조할 가능성이 높습니다(그림 5). 재무적 성과는 대부분의 응답자에게 우선순위입니다. 하지만 운영 효율성 및 비용 절감과 같은 지표를 최우선 또는 주요 우선순위로 여기는 경영진은 62%인 반면, 실무진은 54%로 나타났습니다.