LangChain, Paid Media Agent 공개… 마케팅 파이프라인 기여도 20% 달성

LangChain이 유료 광고 프로그램 시작 후 6개월 만에 marketing pipeline 기여도를 0에서 **20%**로 높인 Paid Media Agent를 공개했다. 이 에이전트는 6~8월 CPL을 30% 감소시키며 월 지출을 약 60% 늘리는 성과를 거뒀다.

아키텍처와 성능 최적화

초기 모델 중심 연산의 비효율을 해결하기 위해 계산과 안전장치는 코드로 처리하고, 모델은 판단과 추천에만 집중하도록 설계했다. 이를 통해 reporting workflow 비용을 40배 절감하고 속도를 13배 향상(18분→85초)시켰다. Deep Agents harness와 LangSmith Sandbox를 활용하며, 스킬(Skills)을 런타임 시 점진적으로 노출(progressively disclosed)하고, 재사용 가능한 지침과 회사 지식을 분리하여 컨텍스트를 효율적으로 관리했다.

데이터 정합성과 행동 워크플로우

여러 플랫폼의 ID/정의 차이를 고려하여 단일 스키마 대신 지표별 신뢰 시스템을 지정했다. Media activity는 Ad platform, downstream outcomes는 Warehouse를 source of truth로 삼는다. 불일치 시 agent는 공백을 채우지 않고 source, date window, attribution model을 명시해 불확실성을 보존한다.

Slack 기반의 행동(Action) 기능은 권한 관리와 승인 워크플로우를 포함한다. Block Kit 기반 승인 카드를 통해 현재/제안 값 비교 및 수정을 허용하며, 승인 후 코드가 변경 적용된다. 복잡한 작업은 전용 인터페이스로 분리하고, Slack은 경량 질문/검토/승인 공간으로 유지한다.

향후 계획 및 배포

현재 예약 실행 및 팀 요청 대응 중심에서 캠페인 성과 지속 모니터링, 변경 감지, 실험 제안 등 능동적(proactive) 작동으로 확장할 계획이다. GitHub에 open source로 공개되었으며, Managed Deep Agents를 통해 계정 연결 후 한 명령어로 Slack에 배포할 수 있다.