> ## Content Index
> Fetch the complete content index at: https://zerodraftlab.com/llms.txt
> Use this file to discover other available public pages before exploring further.

# 인간 승인은 자동화의 실패가 아니다
- URL: https://zerodraftlab.com/human-approval-is-not-automation-failure/
- Published: 2026-07-17T15:03:04.000Z
- Updated: 2026-09-15T08:35:41.000Z
- Author: JooMong

AI 에이전트의 데모에서 사람이 승인 버튼을 누르는 순간 관객은 종종 실망한다. “결국 사람이 해야 하네”라는 반응이다. 완전 자율을 기술 발전의 끝으로 놓으면 인간 개입은 미완성 자동화나 임시 안전장치처럼 보인다.

광고 운영에서는 반대일 수 있다. 예산을 쓰고 브랜드를 대표하며 고객 데이터에 접근하는 시스템에서 좋은 승인은 자율성의 흠이 아니라 권한의 구조다. 모든 일을 사람이 다시 한다면 자동화가 아니지만, 책임이 바뀌는 순간 사람에게 결정을 올리는 것은 성숙한 설계다.

**인간 승인은 에이전트가 일을 못한다는 증거가 아니라, 어디까지 일할 수 있는지를 명시하는 제품 기능이다.** 목표는 사람을 없애는 것이 아니라 사람이 판단해야 할 차이만 남기는 것이다.

## 제안과 실행을 분리하면 자율성이 선명해진다

IAB Tech Lab의 Buyer Agent Alpha는 자연어 브리프에서 판매자를 찾고 협상과 예약 단계까지 이동하지만 지출을 확정하기 전에 인간 승인을 둔다. 중요한 것은 에이전트가 단순히 추천 문장을 쓰는 데서 멈추지 않는다는 점이다. 거래 상태를 만들고 조건을 비교한 뒤 권한 경계에서 멈춘다.

이 구조는 제안 에이전트와 결정적 실행기를 나누는 방식으로 일반화할 수 있다. 에이전트는 모호한 목표를 해석하고 대안을 만든다. 실행기는 예산 한도, 허용 계정, 필수 승인, 중복 방지, 중지 조건을 코드로 검사한 뒤 API 호출을 수행한다.

둘을 한 모델 안에 넣으면 편하지만 실패를 구분하기 어렵다. 나쁜 전략을 제안한 것인지, 승인되지 않은 행동을 실행한 것인지, API가 일부만 성공한 것인지 한 채팅 로그에 섞인다. 분리하면 판단 오류와 실행 오류를 서로 다른 방식으로 고칠 수 있다.

## 모든 승인에는 정보 비용이 있다

승인을 많이 두면 안전하다는 생각도 틀릴 수 있다. 사람이 하루 수백 건의 작은 입찰 변경을 확인하면 중요한 위험을 보지 못한다. 승인 요청이 잦고 차이가 불분명할수록 사람은 내용을 읽지 않고 통과시키는 습관을 배운다.

좋은 승인 요청은 원본 데이터 전체가 아니라 결정의 차이를 압축한다. 현재 계획과 무엇이 달라졌는지, 금액과 영향 범위가 얼마인지, 어떤 정책이 경계에 걸렸는지, 추천 근거와 불확실성은 무엇인지, 거절하면 다음 선택이 무엇인지를 보여준다.

반복되는 저위험 결정은 정책으로 졸업시켜야 한다. 같은 조건에서 열 번 승인했다면 사람이 매번 버튼을 누르는 대신 그 조건을 자동 실행 범위로 승격할지 검토할 수 있다. 반대로 반복해서 거절되는 제안은 에이전트의 목표나 데이터가 잘못됐다는 신호다.

이 지점에서 승인은 단순한 통제 장치에서 학습 데이터로 바뀐다. 승인, 수정, 거절의 결과와 이유를 구조화해 남기면 조직이 실제로 허용하는 판단 경계를 발견할 수 있다.

## 승인 로그는 조직의 숨은 정책을 드러낸다

문서에는 신규 고객을 우선한다고 적혀 있어도 마케터가 단기 ROAS가 낮은 실험을 계속 거절할 수 있다. 브랜드 안전성을 강조하면서도 매출 압박이 오면 예외를 승인할 수도 있다. 실제 승인 기록은 선언된 전략과 운영 행동의 차이를 보여준다.

이 기록을 모델 재학습에 바로 넣는 것보다 먼저 정책으로 해석해야 한다. 누가 어떤 역할에서 결정했는지, 당시 예산과 위험은 어땠는지, 나중 결과가 승인 판단을 지지했는지 봐야 한다. 한 사람의 습관을 조직의 영구 규칙으로 복제하면 자동화가 편향을 확대한다.

## 승인은 위험의 종류가 바뀔 때 올라와야 한다

금액 임계치만으로는 부족하다. 새로운 판매자와 첫 거래, 처음 쓰는 고객 데이터, 규제 민감 표현, 과거에 없던 소재, 평소보다 큰 오디언스 확장처럼 위험의 성격이 바뀌는 사건이 있다. 작은 금액이라도 되돌리기 어렵거나 평판 영향이 크면 승인이 필요하다.

반대로 승인된 캠페인 안에서 예산을 2% 조정하고, 허용된 소재 조합 중 성과가 낮은 것을 멈추는 일은 자동화할 수 있다. 에이전트의 자율 범위는 직함처럼 한 번 부여하는 것이 아니라 행동 유형과 회수 가능성에 따라 달라져야 한다.

## 사람도 결과에 대해 학습해야 한다

승인자는 결정을 내린 뒤 결과를 다시 받아야 한다. 그렇지 않으면 승인은 책임만 있고 학습은 없는 행정 절차가 된다. 어떤 수정이 성과와 위험을 개선했는지, 어떤 거절이 기회를 놓쳤는지 주기적으로 되돌려줘야 사람의 판단도 교정된다.

이 폐쇄 루프는 에이전트와 사람을 경쟁자로 두지 않는다. 에이전트는 더 많은 대안을 빠르게 만들고 일관되게 정책을 적용한다. 사람은 모호한 우선순위, 새로운 위험, 책임이 큰 예외를 판단한다. 결과는 두 주체의 다음 결정에 함께 반영된다.

완전 자율이라는 구호는 시연 영상을 단순하게 만든다. 실제 사업에서는 예외 없는 자동화보다 예외를 정확히 발견하고 적절한 사람에게 올리는 시스템이 더 가치 있다. 자율성의 수준은 승인 버튼의 유무가 아니라 승인 없이 안전하게 처리할 수 있는 범위와 승인 품질로 측정해야 한다.

**사람이 남아 있다는 이유로 에이전트를 실패라고 부르면 책임까지 자동화했다고 착각하게 된다.** 좋은 시스템은 사람을 제거하지 않는다. 사람이 책임질 결정을 희소하게 만들고, 그 결정을 더 잘할 수 있게 한다.

---

주요 출처: IAB Tech Lab, [Buyer Agent Alpha](https://iabtechlab.github.io/buyer-agent/?ref=zerodraftlab.com); Digiday, [Agentic advertising is closer than you think — and further than you hope](https://digiday.com/media-buying/future-of-marketing-briefing-agentic-advertising-is-closer-than-you-think-and-further-than-you-hope/?ref=zerodraftlab.com). Buyer Agent의 human approval before spend와 업계의 수탁 책임 문제를 근거로 삼았습니다. 제안 에이전트·결정적 실행기 분리, 승인 로그의 학습 활용, 위험 유형별 권한은 이 글의 운영 설계입니다.