베이비챗, 에어브릿지 MCP와 AI 에이전트로 마케터의 의사결정을 자동화하다

Introduction

주식회사 일레븐의 베이비챗(BabeChat)은 10만 개 이상의 캐릭터와 멀티모달 기능을 제공하는 AI 캐릭터 채팅 서비스로, 사용자가 직접 캐릭터와 세계관을 만들고 몰입도 높은 대화를 경험할 수 있도록 지원합니다.

베이비챗은 한국을 중심으로 대만·일본 시장으로 서비스를 확장하고 있으며, 외부 투자 없이 런칭 6개월 만에 100배 성장해 글로벌 10위권에 진입했습니다. 현재 누적 매출 400억 원을 돌파하며 글로벌 AI 컴패니언 시장에서 빠르게 입지를 넓혀가고 있습니다.

베이비챗 공식 홈페이지
베이비챗 채용 홈페이지

Needs

베이비챗은 매일 발생하는 광고 비용과 전환 데이터를 수동으로 조인해야 했기 때문에, 데이터 업데이트에 지속적인 공수가 발생했습니다. 이에 반복적인 데이터 결합 작업을 자동화하고, 광고비와 유저 데이터를 손쉽게 연결해 마케팅 성과를 빠르게 파악할 수 있는 환경을 구축하고자 했습니다.

또한 광고비와 유저 데이터가 유기적으로 연결되지 않아 개별 유저에게 실제로 얼마의 비용이 투입되었고, 해당 유저가 얼마의 가치를 창출했는지를 파악하기 어려웠습니다. 궁극적으로는 유저·그룹 단위의 CAC와 LTV를 쉽고 정확하게 산출하고, 이를 바탕으로 팀 내 데이터 확인과 분석·논의에 소요되는 시간을 줄이는 것이 핵심 니즈였습니다.

Strategy

에어브릿지 MCP로 마케팅 비용·유저 데이터를 자동 결합하고, 이를 Codex 엔진을 활용한 AI 에이전트에 연동해 슬랙에서 데이터 분석부터 전략 논의·의사결정까지 자동화했습니다.

에어브릿지 MCP란?

MCP(Model Context Protocol)는 AI 서비스가 외부 데이터에 접근할 수 있도록 지원하는 프로토콜입니다. 에어브릿지 MCP를 사용하면 Claude, Claude Code, ChatGPT, Codex 등 AI 서비스에서 에어브릿지 데이터에 접근할 수 있습니다.

에어브릿지 MCP 더 자세히 알아보기

📢 에어브릿지 MCP는 현재 Beta로 제공되고 있으며 안정화 과정에서 일부 스펙이 변경될 수 있습니다.

How to do

1단계. 에어브릿지 MCP 연결 및 데이터 범위 검증

AI 에이전트 환경에 에어브릿지 MCP를 연결하고, 실제 분석에 활용할 리포트와 지표를 사전에 검증했습니다. 주로 Actuals 리포트(채널별 설치·웹 방문·가입·매출), Active Users 리포트(앱·웹 DAU), Retention 리포트를 활용했습니다.

특히 웹 비중이 높은 서비스 특성을 고려해 앱과 웹 지표를 함께 조회하는 것을 원칙으로 설정했습니다. 초기에는 웹 데이터만을 기준으로 분석해 잘못된 결론을 낸 경험을 바탕으로, 이후 모든 데이터 조회에서 웹·앱 지표를 구분하고 함께 확인하도록 에이전트의 데이터 호출 규칙에 반영했습니다.

2단계. 역할별 에이전트 설계 및 데이터 기반 판단 규칙 구축

UA, 콘텐츠, 그로스, 운영 등 실제 팀원들의 역할과 페르소나를 반영한 에이전트를 구성하고, 각 에이전트가 담당 역할에 맞는 관점에서 데이터를 분석하고 서로 토론하도록 설계했습니다.

각 에이전트의 프롬프트에는 어떤 MCP 도구를 어떤 파라미터로 호출하고, 조회한 데이터를 어떤 판단의 근거로 활용할지를 구체적으로 정의했습니다. 예를 들어 UA 에이전트는 최근 7일 채널별 성과를 조회해 소재·예산 제안의 근거로 활용하고, 그로스 에이전트는 퍼널과 리텐션 데이터를 기반으로 이상 징후를 탐지하도록 구성했습니다.

또한 데이터 없이 원론적인 의견을 제시하지 않도록 모든 아이디어와 주장에 실측 수치를 인용하고, 웹·앱 데이터를 구분해 표기하는 규칙을 적용했습니다.

3단계. 슬랙 기반 자동 운영 루프 구축

평일 오전에는 각 에이전트가 에어브릿지 실측 데이터를 기반으로 아이디어를 순차적으로 슬랙 채널에 공유하고, 서로의 의견에 스레드로 코멘트하도록 구성했습니다.

오후에는 당일 제안된 아이디어 중 하나를 선정해 주장 → 반박 → 절충 → 합의의 방식으로 에이전트 간 토론을 진행하고, 실제 의사결정이 필요한 경우 담당자에게 멘션해 질문하도록 했습니다.

실시간 슬랙 멘션과 대화는 상시 가동되는 Hermes Agent가 담당하고, 실제 데이터 조회와 분석이 필요한 작업은 MCP가 연결된 에이전트가 담당하는 하이브리드 구조로 운영했습니다. 이를 통해 에이전트끼리 서로를 멘션하며 자율적으로 대화하고, 필요한 경우 사람에게 의사결정을 요청하는 자동화된 업무 루프를 구축했습니다.

Impact

다음은 베이비챗 그로스 마케터, 이도경님과의 인터뷰 내용입니다.

Q. 에어브릿지 MCP와 AI Agent를 실제 업무에 적용한 이후, 베이비챗의 업무 방식이나 워크플로우에는 어떤 변화가 있었나요?

에어브릿지 MCP와 AI Agent를 도입한 이후 가장 큰 변화는 데이터를 확인하고 논의하는 과정 자체가 자동화되었다는 점입니다. 기존에는 데이터를 취합하고 분석한 뒤 팀원들이 모여 논의하는 과정이 필요했다면, 이제는 각 역할을 가진 AI Agent가 에어브릿지의 실측 데이터를 바탕으로 아이디어를 제시하고 서로 토론한 뒤, 필요한 경우 담당자에게 의사결정을 요청하는 방식으로 업무가 진행됩니다.

특히 베이비챗은 실제 팀원 개개인의 페르소나를 AI Agent에 반영해 ‘인간의 감도’를 보완했다는 점이 특징적입니다. 단순히 데이터를 분석하는 Agent가 아니라, 각 팀원이 가진 관점과 사고방식을 반영해 서로 다른 의견을 제시하고 논의하도록 구성함으로써 AI Agent만으로는 만들기 어려운 맥락과 실무자의 직관을 반영했습니다.

이를 통해 데이터 확인과 아이디어 논의에 소요되는 시간이 크게 줄었으며, 기존 팀 내부 논의에 사용하던 시간을 하루 약 2시간 정도 절감할 수 있었습니다. 단순한 업무 자동화를 넘어, 반복적인 데이터 확인과 논의는 Agent가 담당하고 팀원은 실제 의사결정이 필요한 영역에 집중할 수 있는 업무 구조로 변화했습니다.

Q. AI Agent가 Airbridge 데이터를 분석한 결과가 실제 마케팅 의사결정이나 액션으로 이어진 사례가 있을까요?

한 에이전트가 특정 유저 세그먼트에서 콘텐츠 수요가 몰리는 패턴을 실측 데이터로 포착하자, 콘텐츠 담당 에이전트는 이를 근거로 랜딩 구성 변경을 제안했고, UA 담당 에이전트가 사이트 내 실측 지표로 이 방향을 다시 검증했습니다. 카피 작성까지 에이전트가 맡고, 최종 실행 여부만 담당자가 결정했습니다.

개별 사례 하나하나보다 중요한 건, 에이전트가 제안 → 검증까지 마친 가설을 사람이 바로 실행에 옮기는 구조가 매일 반복되고 있다는 점입니다.

Q. 앞으로 베이비챗에서 AI Agent를 활용해 추가로 자동화하거나 고도화하고 싶은 업무가 있으실까요?

앞으로는 AI Agent를 활용해 팀 내 논의와 회의 과정 자체를 더욱 자동화·고도화하고자 합니다. 업무를 하다보면 가장 많은 시간이 소요되는 업무 중 하나가 회의인데, 회의의 본질은 결국 서로 다른 관점과 전문성을 가진 사람들이 모여 의견을 나누고 하나의 결론을 만들어가는 과정이라고 생각합니다.

현재 에어브릿지 MCP를 비롯해 다양한 데이터 소스를 AI Agent가 활용할 수 있는 기반이 마련된 만큼, 앞으로는 팀원 개개인의 페르소나를 더욱 정교하게 설계해 AI Agent 간의 회의를 고도화할 계획입니다. 이를 통해 사람을 직접 모으기 전에 Agent들이 데이터를 바탕으로 각자의 관점에서 의견을 제시하고 논의하도록 함으로써, 반복적인 회의와 논의에 필요한 휴먼 리소스를 줄이고 사람은 최종적인 판단과 중요한 의사결정에 집중할 수 있는 업무 구조를 만들어가고자 합니다.

Key Takeaways

CSM's Insight

이번 사례의 핵심은 단순히 업무를 자동화했다는 것이 아니라, MCP로 여러 외부 데이터를 결합해 AI가 실제 팀원처럼 판단하고 토론할 수 있는 환경을 만들었다는 점입니다.

베이비챗의 에이전트들이 ‘그럴듯한 의견’이 아닌 실제 데이터에 기반해 판단하고 토론할 수 있었던 것은 에어브릿지를 비롯한 다양한 MCP를 연결해 에이전트가 활용할 수 있는 데이터 환경을 구축했기 때문입니다. 에어브릿지는 광고 비용과 전환 데이터를 제공했고, 여기에 데이터 웨어하우스 MCP, 경쟁사 분석 MCP 등 다양한 데이터 소스를 함께 연결했습니다. 그 결과 에이전트는 필요한 데이터를 직접 조회하고 서로 다른 정보를 조합해 성과를 분석하고, 이를 바탕으로 스스로 판단하고 에이전트 간 토론을 이어갈 수 있게 됐습니다.

MCP의 진짜 가치는 여기서 드러납니다. 에어브릿지 데이터를 다른 데이터 소스와 MCP로 엮는 순간 "왜 그런 일이 일어났고, 무엇을 해야 하는지"까지 판단할 근거가 됩니다. 역할별 에이전트가 서로 다른 데이터를 근거로 반박하고 토론할 수 있었던 것도, 각 에이전트가 필요한 리포트를 정확히 호출할 수 있는 MCP 연결이 있었기 때문입니다.

여러 데이터 소스를 넘나드는 의사결정 자동화를 고민 중이라면, 에어브릿지 MCP로 어떤 데이터부터 연결할 수 있을지 담당 CSM에게 문의해보세요