이 글은 WSC 스포츠를 중심으로 버티컬 AI가 스포츠 및 뉴스 영상의 탐지, 편집, 변환, 검수, 배포를 하나의 워크플로우로 묶는 방식을 분석한다. NBA와 텔레비사 유니비전(TelevisaUnivision), 로이터, 피콕 사례는 성과의 핵심이 단일 생성 모델이 아니라 도메인 메타데이터, 권리 규칙, 채널 연결, 인간 승인에 있음을 보여준다. 2026 북중미 월드컵은 104 경기와 쇼트 폼 중심의 다중 플랫폼 유통이 왜 자동화를 요구하는지 드러낸다. 제작비 절감은 인력 감축보다 게시 속도, 자산 재사용, 버전 수 확대에서 먼저 나타난다. 국내 미디어는 제한된 포맷에서 시작해 권리와 품질을 측정하는 운영체계를 축적해야 한다.
미디어 산업에서 AI의 실질적 전환점은 더 그럴듯한 영상을 생성하는 순간이 아니라, 원본이 만들어진 이후 시청자에게 도달하기까지 흩어진 판단과 시스템을 한 흐름으로 묶는 순간에 나타난다.
예를 들어 스포츠 중계 한 경기는 하나의 완성품이 아니다. 득점, 선수 교체, 논쟁적인 판정, 관중 반응, 인터뷰와 통계는 서로 다른 길이와 화면비, 언어와 권리 조건으로 다시 포장될 수 있는 원재료다. 방송 편집실은 그동안 이 원재료를 사람이 직접 보고 기록하고, 특정 장면을 선택하고, 여기에 자막과 그래픽을 붙이고, 16:9 영상을 9:16으로 다시 편집한 뒤, 각 채널에 따로 올리는 방식으로 처리해 왔다. 이 과정은 숙련된 판단을 요구하지만 동시에 복사, 변환, 확인, 업로드처럼 반복 가능한 업무를 많이 포함한다.
범용 생성 AI는 대본 초안이나 제목 제안처럼 개별 과업을 빠르게 처리한다. 그러나 실제 미디어 제작의 병목은 특정 AI 모델의 생성물 품질만으로 풀리지 않는다. 어떤 경기와 선수의 장면인지, 특정 지역에서 배포할 권리가 있는지, 스폰서 노출 규칙을 지켰는지, 쇼트 폼 영상용 세로 화면에서 공과 선수가 프레임을 벗어나지 않는지, 잘못된 선수명이 게시 직전에 걸러지는지까지 고려해야 한다. 그래서 미디어 AX의 핵심은 'AI 도구 몇 개를 도입하는 것'보다 제작 운영체제 자체를 다시 설계하는 데 있다.
이 글은 이 변화를 버티컬 AI라는 개념으로 분석한다. 버티컬 AI는 특정 산업의 언어와 사건 구조, 자산, 권리, 품질 기준을 모델에 결합하고, 제작도구 및 미디어 자산관리시스템(MAM), 콘텐츠관리시스템(CMS), 배포 채널을 연결해 업무의 완료까지 책임지는 체계에서 작동하는 AI 또는 에이전트 AI다. 여기서 '에이전트'라는 표현은 사람이 맡긴 목표를 무제한 자율 수행한다는 뜻이 아니다. 작업 상태를 기억하고 필요한 도구를 호출하며 규칙을 검증하고, 불확실하면 사람에게 넘기는 제한된 자율성을 뜻한다. 고정된 명령을 반복하는 자동화보다 넓지만, 편집 책임을 기계에 전면 이양하는 개념과는 구분해야 한다.
대표 사례로는 WSC 스포츠(WSC Sports)를 다룬다. 이 회사는 경기 영상과 데이터에서 주요 이벤트를 찾아 색인하고, 목적과 플랫폼에 맞는 하이라이트를 조합해 배포하는 워크플로우를 버티컬 AI로 재구성하고 있다. 스포츠는 사건의 유형과 시간, 선수, 팀, 점수라는 구조가 뚜렷하고 라이브 가치가 크기 때문에 버티컬 AI의 효과와 한계를 동시에 보기 좋은 분야다. 비교 대상으로 로이터(Reuters)의 뉴스 영상 검색, 전사, 클리핑, 엔비시유니버설(NBCUniversal)의 피콕(Peacock) 개인화 올림픽 요약을 살펴본다.
분석의 초점은 기능 목록이 아니라 운영 논리에 둔다. 무엇이 자동화되고 무엇이 인간에게 남는지, 작업 시간 단축이 어떤 비용 구조로 이어지는지, 대량 변형이 새로운 수익을 만들 수 있는지, 권리와 정확성의 통제는 어느 지점에 삽입되어야 하는지를 묻는다. 나아가 여러 사례에서 반복되는 구조와 측정 가능한 운영지표를 추출해 국내 미디어가 실행할 수 있는 방향을 제시한다.
버티컬 AI를 가장 간단하게 표현하면 '도메인 AI 모델 + 실시간 데이터 + 워크플로우 연결 + 권리 및 브랜드 규칙 + 인간 승인 + 성과 피드백'이다. 범용 생성 AI가 질문에 대한 산출물을 제공한다면, 버티컬 AI는 산출물이 실제 업무에서 사용할 수 있는 상태인지까지 확인해야 한다. 스포츠 영상에서는 득점 장면을 찾는 정확도만으로 부족하다. 장면 전후의 맥락, 선수 식별, 경기 시간, 스코어, 영상 사용 가능 지역, 게시 가능 시간, 광고 충돌과 채널별 규격을 함께 계산해야 비로소 게시 가능한 콘텐츠가 된다.
| 구분 | 범용 생성 AI | 미디어 버티컬 AI |
|---|---|---|
| 문제 단위 | 프롬프트에 반응해 개별 텍스트, 이미지, 영상 생성 | 목표와 상태를 유지하며 제작, 검수, 배포의 완료까지 연결 |
| 핵심 데이터 | 범용 사전학습 지식과 이용자가 제공한 컨텍스트 | 이벤트, 선수, 타임코드, 권리, 브랜드, 성과 관련 메타데이터 |
| 시스템 연결 | 결과를 이용자가 복사해 다른 도구로 이동 | 라이브 피드, MAM, 편집기, CMS, OTT 및 SNS API와 연동 |
| 품질 통제 | 이용자 사후 검토에 의존 | 신뢰도 임계값, 규칙 검사, 승인 단계, 감사 로그를 내장 |
| 경제성 | 한 사람의 한 과업 시간을 줄임 | 조직 전체의 게시 지연, 처리량, 자산 회전율, 수익 기회를 바꿈 |
기존 자동화는 '득점 데이터가 들어오면 미리 정한 템플릿으로 20초 클립을 만든다'와 같은 조건문에서 출발한다. 에이전트형 워크플로우는 한 단계 더 나아간다. 경기 상태와 요청 목적을 읽고, 어떤 장면과 길이, 화면비, 언어가 필요한지 계획하며, 편집, 자막, 번역, 권리 검사 도구를 순서대로 호출한다. 품질 점수가 기준에 미달하면 재생성하고, 이름이나 권리가 불확실하면 승인 대기열로 보낸다. 게시 후 성과도 다음 제작 우선순위에 반영한다.
공개 자료에 나타난 WSC 스포츠의 현재 기능은 '완전 자율 편집자'라기보다 도메인 특화 인식과 규칙 기반 오케스트레이션이 결합된 워크플로우에 가깝다. 이를 에이전트형이라고 부를 수 있는 근거는 시스템이 라이브 영상에서 이벤트를 감지한 뒤 필요한 변형과 유통 경로를 실행하고, 사람은 정책과 예외를 관리하는 방향으로 역할이 이동하기 때문이다. 다만 공개 자료만으로 개별 작업의 재시도 로직이나 자율 계획 수준을 확인할 수 없으므로, 본고는 '워크플로형 AI'와 '에이전트형 운영'이라는 표현을 제한적으로 사용한다.
스포츠는 버티컬 AI에 필요한 세 조건을 동시에 갖추고 있다. 첫째, 득점, 파울, 세이브처럼 탐지할 사건이 비교적 명확하다. 둘째, 라이브 직후의 시간 가치가 커서 '몇 시간 뒤의 완성도 높은 클립'보다 '몇 분 안에 충분히 좋은 클립'이 더 큰 사업 가치를 가질 수 있다. 셋째, 같은 장면이 팀, 선수, 지역, 언어, 길이, 화면비에 따라 반복 재사용된다. 즉 사건을 정확히 색인하면 한 번의 인식이 여러 상품을 만드는 레버리지로 이어진다.
이 장점은 동시에 위험을 만들 수 있다. 스포츠 권리는 지역과 플랫폼, 시간에 따라 세분화되어 있고, 오인식된 선수명이나 잘못된 스코어는 즉시 확산된다. 세로 영상에서 공이나 선수를 놓치면 세로 영상 전체의 의미가 사라지며, AI 모델이 득점만 선호하면 수비와 전술, 관중과 맥락이 지워질 수 있다. 따라서 스포츠 버티컬 AI의 경쟁력은 하이라이트를 많이 만드는 능력과 함께 '어떤 장면을 누구에게 어떤 조건으로 내보낼 수 있는지'를 통제하는 능력에서 결정된다.
WSC 스포츠의 핵심 산출물은 클립 자체보다 '장면이 언제, 누구에게, 어떤 의미로 발생했는지'를 담은 사건 단위의 데이터다. 편집은 그 데이터에 규칙을 적용한 결과가 된다.
WSC 스포츠의 공개 설명을 종합하면 워크플로우는 여섯 층으로 나뉜다. 우선 라이브 중계 피드와 경기 데이터가 들어온다. 시스템은 골, 슛, 세이브, 파울 등 종목별 사건을 감지하고 선수, 팀, 경기 시각과 연결해 색인한다. 그 위에서 고객은 '특정 선수의 모든 득점', '후반전 결정적 장면', '홈팀 팬에게 보여줄 30초 세로 영상'과 같은 스토리 규칙을 정의한다. 편집, 그래픽, 자막, 화면비 변환이 실행되고, 권리와 브랜드 규칙을 통과한 결과가 앱, OTT, 소셜 채널 등으로 전송된다. 수동 편집도 같은 인터페이스 안에서 수행할 수 있다는 점이 중요하다.
| 계층 | 시스템의 역할 | 사람이 보유해야 할 통제 |
|---|---|---|
| 1. 수신 | 라이브 영상, 해설, 스코어, 선수 데이터를 시간축에 맞춰 입력 | 원본 품질, 신호 우선순위, 데이터 공급 계약 |
| 2. 인식, 색인 | 종목별 사건과 인물, 팀을 감지하고 타임코드, 메타데이터 생성 | 사건 분류체계, 이름 사전, 신뢰도 임계값 |
| 3. 스토리 규칙 | 목적, 팬, 선수, 경기 상황에 따라 포함할 장면과 순서를 선택 | 편집 원칙, 금지 맥락, 지역 및 스폰서 조건 |
| 4. 제작, 변형 | 길이, 화면비, 그래픽, 언어별 버전을 렌더링 | 브랜드 템플릿, 번역 및 자막 기준, 접근성 |
| 5. 검수, 배포 | 자동 검사와 승인 상태를 거쳐 CMS, OTT, SNS로 전송 | 게시 권한, 권리 창구, 긴급 중지와 회수 |
| 6. 성과 피드백 | 완주율, 공유, 구독 전환 등을 다음 우선순위에 반영 | 성과 정의, 과도한 클릭 최적화 방지, 실험 설계 |
이 구조의 가장 큰 변화는 원본 영상이 더 이상 파일 단위로만 관리되지 않는다는 점이다. '90분짜리 경기 영상'이 아니라 '선수 A의 23분 14초 슛', '골키퍼 B의 61분 02초 선방'처럼 사건 단위로 검색 및 조합된다. 편집자는 타임라인을 처음부터 훑는 대신 의미 있는 사건 집합에서 선택하고, 자동 생성된 초안을 수정한다. 아카이브 역시 오래된 파일 창고에서 선수, 장면, 서사별로 다시 팔 수 있는 검색 가능한 재고로 바뀐다.
WSC 스포츠는 미국프로농구협회(NBA)와의 협업을 대표 사례로 제시한다. 회사 홈페이지에 인용된 NBA 관계자의 설명에 따르면 과거 경기 후 하이라이트 패키지를 만드는 데 약 한 시간이 걸렸지만, 자동화 이후에는 몇 분 안에 1,000개가 넘는 패키지를 만들 수 있게 되었다. 이 수치는 고객사 발언을 공급사가 제시한 것이므로 독립적인 비용 절감률로 볼 수는 없다. 다만 어떤 경제적 효과가 발생하는지는 분명하다. 하나의 '최종본'을 빠르게 만드는 것보다 선수, 팀, 언어, 채널별 수많은 버전을 같은 시간 안에 공급하는 능력이 커진 것이다 (WSC Sports (a)).
처리량 증가는 단순한 제작비 절감 이상을 의미한다. 이전에는 예상 조회 수가 낮아 제작하지 않았던 벤치 선수, 지역 팬, 특정 통계나 역사적 맥락의 영상도 낮은 생산비용 또는 한계비용으로 만들 수 있다. 이른바 롱테일 콘텐츠가 경제성을 갖는다. 동시에 편집 인력이 반복 컷 편집과 내보내기에서 벗어나 라이벌 구도, 기록 경신, 선수 성장처럼 인간의 맥락 판단이 필요한 스토리에 시간을 쓸 수 있다. 따라서 '몇 명을 줄였는가'보다 '같은 인력으로 몇 개의 유효한 팬 접점을 더 만들었는가'가 더 적절한 성과 지표다.
WSC 스포츠의 해외 확장은 동일한 탐지 기술을 다양한 운영 문제에 붙이는 방식으로 진행됐다. 텔레비사 유니비전(TelevisaUnivision)은 WSC 스포츠의 콘텐츠 플랫폼을 도입했고, 이후 15개 축구 자산의 실시간 단편, 장편 하이라이트를 미국과 멕시코의 비익스(ViX) 및 소셜 채널에 공급하는 체계로 넓혔다. 여기서 핵심은 특정 대회의 자동 편집이 아니라 서로 다른 시장, 언어, 서비스를 같은 워크플로우로 묶은 점이다 (WSC Sports, 2023a).
한편 유나이티드 미디어(United Media) 사례는 지역화의 가치를 보여준다. 이 회사는 프리미어리그, 분데스리가, 유로리그 등 여러 권리를 그리스, 불가리아, 세르비아, 크로아티아, 슬로베니아에 제공하면서 OTT, 웹, 소셜, 검색 노출용 영상을 실시간으로 변형했다. 한 장면의 의미는 같아도 언어, 팀 선호, 권리 조건, 플랫폼 문법이 다르다. 버티컬 AI는 번역만 하는 것이 아니라 그 차이를 배포 규칙으로 계산해야 한다 (WSC Sports, 2023b; Broadband TV News, 2023).
스카이 도이칠란트(Sky Deutschland)는 분데스리가와 포뮬러 원(F1) 등의 짧은 디지털 영상뿐 아니라 선형방송용 장편 영상까지 같은 플랫폼에서 제작했고, 2026년에는 오스트리아로 협업 범위를 확장했다. 이는 버티컬 AI가 소셜 클립 도구에 머물지 않고 방송급 워크플로우와 지역 확장에 들어갔음을 뜻한다 (SVG Europe, 2023; WSC Sports, 2026). 유럽핸드볼연맹(EHF)의 마케팅 자회사와 맺은 4년 계약은 한 발짝 더 나아간다. 2026/27 시즌부터 2029/30 시즌까지 모든 클럽 대회에서 골과 세이브 등을 실시간 감지해 영상과 메타데이터를 만들고, 연맹 채널뿐 아니라 구단과 선수에게도 자산 접근을 제공한다. 여기서는 콘텐츠 제작량 증가가 이해관계자 네트워크의 배포력으로 전환된다 (European Handball Federation, 2026).
| 사례 | 적용 범위 | 관찰되는 효과 | 국내 미디어가 볼 지점 |
|---|---|---|---|
| NBA | 경기 및 선수별 대량 하이라이트 | 경기 후 수작업 패키징을 분 단위 대량 생성으로 전환 | 대표 영상 한 편보다 팬용 세분화 버전의 단위경제 |
| 텔레비사 유니비전 | 2022 월드컵 이후 15개 축구 자산, 미국·멕시코 | ViX와 소셜용 단편, 장편 영상을 한 흐름에서 생산 | 대회 단발 도입을 상시 리그 운영으로 확장 |
| 유나이티드 미디어 | 5개국, 복수 종목, 권리, 채널 | 지역별 언어와 플랫폼에 맞춘 실시간 재포장 | 번역보다 권리 및 현지화 규칙이 핵심 자산 |
| 스카이 도이칠란트 | OTT, 소셜과 선형방송, 독일과 오스트리아 | 짧은 디지털 영상과 방송급 장편 제작을 연결 | 디지털 자동화와 기존 방송 시스템의 통합 |
| 유럽핸드볼연맹 | 모든 클럽 대회, 2026/27~2029/30 | 연맹, 구단, 선수가 같은 자산 풀을 활용 | 제작 효율을 파트너 네트워크의 도달률로 전환 |
영상 인식 모델은 시간이 지나면서 범용화된다. 그러나 어떤 상황을 '결정적 장면'으로 볼지, 클립 앞뒤를 몇 초 확보할지, 특정 지역에서 어느 시각까지 사용할 수 있는지, 어떤 선수와 스폰서가 함께 노출되어야 하는지는 고객과 종목의 운영 데이터에 속한다. WSC 스포츠의 방어력은 바로 이 도메인 온톨로지와 고객 시스템의 연결, 누적된 수정, 게시, 성과 로그에서 생긴다. AI 모델을 교체해도 이러한 구조는 남는다.
국내 사업자가 이 사례에서 얻을 첫 번째 인사이트도 여기에 있다. 외부 솔루션을 도입하더라도 선수, 프로그램, 장면, 권리, 브랜드 규칙의 기준 데이터는 내부가 소유해야 한다. AI 모델은 구매할 수 있지만, 무엇을 중요한 장면으로 보고 어떤 조건에서 자동 게시할지에 대한 편집 정책과 성과 데이터까지 공급사에 맡기면 장기적으로 차별화가 어려워진다.
2026 북중미 월드컵은 48개 팀이 참가해 6월 11일부터 7월 19일까지 열렸고, 전체 경기 수는 104경기로 늘었다. 유튜브는 FIFA의 '선호 플랫폼'이 되었으며, 중계권자는 모든 경기의 첫 10분과 일부 전체 경기, 확장 하이라이트, 비하인드 영상, 쇼트 폼 영상, 주문형 영상을 자사 유튜브 채널에 게시할 수 있었다 (Reuters, 2026). 브라질에서는 크리에이터 기반 플랫폼 카제 TV(CazéTV)가 104경기 전체를 스트리밍하는 등 디지털 우선 유통이 확대됐다 (Associated Press, 2026). 이 변화는 방송 화면 하나를 만드는 문제가 아니라 동일한 권리 자산을 수많은 발견 경로에 맞춰 계속 재조합하는 문제다.
쇼트 폼 제작 자동화는 단순히 16:9 화면의 양옆을 자르는 작업이 아니다. 축구공과 핵심 선수를 추적해 9:16 프레임을 움직이고, 세로 화면에서도 스코어와 자막이 가려지지 않게 다시 배치하며, 15초, 30초, 60초 길이에 맞춰 스토리의 시작과 끝을 조정해야 한다. 득점 장면만으로는 맥락이 부족할 수 있어 직전 패스와 세리머니를 포함할지 결정해야 하고, 국가별, 플랫폼별 권리 창구도 달라진다. 이처럼 자동 크롭은 컴퓨터 비전 문제이면서 동시에 편집 규칙과 권리 정책의 문제다.
스포츠 밖에서도 같은 구조가 확인된다. 로이터의 영상 관리 플랫폼 로이터 이마젠(Reuters Imagen)은 2026년 3월 매그니파이(Magnifi)의 AI 태깅과 자동 순간 탐지를 결합했다. 라이브와 아카이브 영상에 메타데이터를 붙여 게시 가능한 하이라이트를 찾고, 맞춤형 단편 릴을 만든 뒤, 접근 권한이 통제된 허브에서 내부 팀과 외부 파트너에게 배포 및 수익화하는 구조다. 로이터는 속도뿐 아니라 기존 워크플로우를 깨지 않고 권한과 거버넌스를 유지한다는 점을 강조한다 (Reuters Communications, 2026a).
같은 해 8월 로이터 커넥트(Reuters Connect)는 라이브 영상 옆에 시각 코드가 붙은 영어 전사를 실시간으로 표시하기 시작했다. 로이터 기자는 발언을 찾고 제목과 대본을 만들며, 영상을 자르는 과정을 한 화면에서 수행할 수 있다. 행사가 끝나면 전사 기록이 주문형 영상에 남아 후속 편집과 게시에 쓰인다. 과거 영상에 제공하던 전사, 번역, 장면 목록이 라이브까지 연결되면서, AI는 기사 문장을 대신 쓰기보다 '원하는 발언과 장면을 찾는 시간'을 줄이는 인프라가 됐다 (Reuters Communications, 2026b).
2024 파리 올림픽에서 피콕(Peacock)은 이용자가 선택한 세 가지 선호 종목과 관심 주제에 맞춰 전날의 주요 장면을 약 10분짜리 재생목록으로 구성했다. 피콕의 모회사 NBC Universal은 5,000시간의 생중계와 하루 최대 40개 동시 경기에서 최대 약 700만 개의 개인화 조합이 가능하다고 발표했다. 중요한 통제 장치는 모든 오디오와 영상이 공개 전에 NBC Universal 편집팀의 정확성 및 품질 검토를 거쳤다는 점이다 (NBC Sports, 2024).
이 사례는 버티컬 AI가 콘텐츠 생산뿐 아니라 편성에도 적용됨을 보여준다. 원본 클립은 사람이 제작한 자산이지만, 이용자 취향과 경기 중요도, 길이 제한에 따라 재생목록과 설명을 자동 조합한다. 개인화 단위가 채널이나 국가에서 개인 프로필로 내려가면 가능한 버전 수는 급격히 늘어난다.
| 사례 | 자동화의 중심 | 워크플로우 연결 | 거버넌스 장치 |
|---|---|---|---|
| WSC 스포츠 | 경기 사건 탐지와 하이라이트 변형 | 라이브 피드 → 색인 → 편집 → 채널 배포 | 종목 규칙, 권리 및 브랜드 조건, 수동 편집 |
| 로이터 이마젠 + 매그니파이 | 라이브, 아카이브 태깅과 순간 탐지 | 검색 → 릴 제작 → 접근통제형 배포 및 수익화 | 중앙 권한 관리와 기존 워크플로우 유지 |
| 로이터 커넥트 | 실시간 시각 코드 전사와 클리핑 | 라이브 발언 검색 → 대본 및 클립 → VOD 보존 | 원본 영상 연결, 인용 확인, 플랫폼 내 작업 |
| 피콕 올림픽 요약 | 취향별 클립 편성과 합성 음성 | 선호 입력 → 10분 재생목록 → 프로필 배포 | 당사자 동의, 전 콘텐츠 편집자 사전 검토 |
첫째, 제작 단위가 프로그램이나 경기에서 '사건(event)'으로 이동한다. 사건이 정확히 색인되면 검색, 편집, 개인화, 아카이브 판매가 같은 메타데이터를 공유한다.
둘째, 완성본 중심의 선형 공정이 상태 기반의 병렬 공정으로 바뀐다. 장면이 잡히는 즉시 가로, 세로, 언어별 버전이 동시에 만들어지고 권리 검사가 병렬로 진행된다.
셋째, 편집 결과가 다시 학습 신호가 된다. 어떤 초안을 사람이 얼마나 수정했는지, 어떤 채널에서 완주율과 전환이 높았는지가 다음 추천과 자동화 범위를 조정한다.
이 세 가지 이동은 미디어 회사의 데이터 전략도 바꾸고 있다. 조회 수만 모으는 분석으로는 부족하다. 원본 자산 ID, 사건 ID, 사용된 규칙과 모델 버전, 사람의 수정 내용, 권리 조건, 게시 결과가 연결되어야 한다. 그래야 오류 원인을 찾고, 자동화가 실제로 시간을 줄였는지, 어떤 형태가 추가 수익을 만들었는지 계산할 수 있다. 버티컬 AI의 학습 데이터는 외부에서 사 오는 대규모 말뭉치보다 매일의 제작 과정에서 생기는 결정 로그에 더 가깝다.
자동화의 첫 성과는 클립 한 편의 편집 시간이 아니라 중요한 장면이 발생한 뒤 승인된 콘텐츠가 각 채널에 게시되기까지의 전체 지연을 줄이는 데서 측정해야 한다.
라이브 스포츠의 가치는 시간에 따라 빠르게 감소한다. 장면 선별을 10분 줄여도 권리 확인과 파일 내보내기, 업로드가 각각 대기열에 머물면 사업 효과는 작을 수 있다. 따라서 '게시까지 걸리는 시간(time-to-publish)'는 탐지 시각부터 게시 완료까지 전 구간을 측정해야 한다. 자동화가 안정적으로 작동하더라도 예외 처리 시간이 길다면 전체 지연은 줄지 않는다.
처리량은 단순 클립 수보다 '승인된 유효 버전 수'로 정의하는 편이 효과적이다. 기계가 1,000개를 만들었지만 대부분 게시되지 않거나 사람이 다시 편집한다면, 이는 생산성 증대가 아니다. 경기당 게시된 버전 수, 자동 초안 채택률, 사람의 평균 수정 시간, 재작업률을 함께 측정해야 한다. WSC 스포츠의 NBA 관련 수치도 이런 관점에서 읽어야 한다. 수천 개 생성 자체보다 그중 얼마나 적시에 유통되고 팬 접점과 수익으로 연결됐는지가 사업 성과다.
버티컬 AI는 비용을 없애기보다 구조를 바꾼다. 반복 컷 편집, 리사이즈, 자막 초안, 파일 내보내기, 업로드에 쓰이던 변동 인건비는 줄어든다. 대신 플랫폼 사용료, 클라우드 처리비, API 연동, 데이터 정비, 품질 보증과 권리 운영 같은 고정비 또는 준고정비가 늘어난다. 제작량이 적으면 추가 고정비가 절감액보다 클 수 있고, 종목과 채널, 언어가 많아질수록 같은 플랫폼을 재사용하는 효과가 커진다. 따라서 'AI 도입 여부'가 아니라 어느 규모에서 손익분기점이 생기는지를 계산해야 한다.
연간 순효과는 '절감된 편집 시간 × 완전원가 인건비 + 증분 매출 + 회피한 오류와 권리 손실 − 플랫폼 연동과 거버넌스 비용'으로 볼 수 있다. 여기서 증분 매출은 자동 생성 영상 전체 매출이 아니라, 자동화가 없었다면 만들지 못했을 추가 버전의 매출이다. 회피 손실에는 권리 위반 게시, 잘못된 선수명, 스폰서 충돌, 늦은 삭제로 인한 비용을 포함한다.
공개 사례는 반복 제작 시간이 크게 줄 수 있음을 보여주지만, 이는 곧바로 인력 감축을 뜻하지 않는다. 자동화로 버전 수가 늘면 오히려 규칙 설계, 데이터 정비, 품질 표본검사, 권리 예외 처리, 성과 분석 수요가 커진다. 편집자의 역할은 모든 클립을 손으로 만드는 사람에서 자동화의 기준을 설계하고 예외에 개입하는 사람으로 바뀐다.
나아가 직무를 과업 단위로 분해해야 한다. 장면 찾기, 러프컷, 화면비 변환, 자막 초안, 파일명 입력, 게시 메타데이터 생성은 자동화 후보가 될 수 있다. 반면 맥락 판단, 피해 가능성 검토, 논쟁적 장면의 균형, 인터뷰 인용 검증, 브랜드와 공익의 충돌은 인간 책임이 크다. 교육도 특정 AI 도구 사용법보다 사건 분류체계 설계, 오류 유형 정의, 프롬프트 및 규칙 평가, 권리 데이터 해석, 성과 실험으로 옮겨가야 한다.
수익 측면에서 첫 번째 기회는 기존 권리 자산의 재고 회전이다. 검색되지 않던 아카이브가 선수와 사건, 발언 단위로 색인되면 기념일, 이적, 기록 경신, 다큐멘터리, 광고용 패키지에 빠르게 재사용할 수 있다. 로이터 이마젠이 라이브와 아카이브의 검색, 클리핑, 권한, 수익화를 한 허브에 묶은 이유도 여기에 있다. 자산의 가치는 보유량보다 필요한 순간에 정확히 찾아 합법적으로 전달할 수 있는 능력에서 생긴다.
두 번째 기회는 소규모 세그먼트다. 특정 선수의 팬, 해외 지역, 장애인 접근성 요구, 스폰서별 캠페인처럼 기존 수작업에서는 경제성이 낮았던 버전을 만들 수 있다. 그러나 모든 변형이 수익을 만드는 것은 아니다. 자동화가 공급 과잉과 피로를 낳을 수 있으므로, 시청자당 접촉 빈도와 중복률, 채널 간 잠식 효과를 봐야 한다. 버티컬 AI의 목표는 최대 생성량이 아니라 권리와 수요에 맞는 최적 제작량이다.
성공 가능성이 높은 출발점은 전사적 AI 플랫폼이 아니라 사건 구조가 명확하고 반복량이 많으며 권리 범위를 통제할 수 있는 하나의 제작 흐름이다.
예를 들어 프로야구 한 구단의 경기 종료 후 30초 세로 하이라이트, e스포츠 한 리그의 선수별 장면, 뉴스룸의 기자회견 실시간 전사와 인용 클립처럼 범위를 좁힌다. 입력과 출력, 승인자, 실패 조건이 분명해야 전후 비교가 가능하다. '콘텐츠 생산성을 높인다'는 목표 대신 '득점 발생 후 5분 안에 권리 검사를 통과한 9:16 클립을 두 채널에 게시한다'처럼 측정 가능한 서비스 수준을 정해야 한다.
우선순위는 세 점수를 곱해 정할 수 있다. 사건의 구조화 가능성, 반복 제작량, 시간 가치가 높고 권리와 평판 위험이 관리 가능한 업무가 첫 후보가 된다. 반대로 취재원의 안전, 정치적 맥락, 사고 장면처럼 피해가 큰 영역은 초기 자동 게시 대상으로 적절하지 않다. 기술적으로 만들 수 있는가 보다 실패했을 때 누가 어떤 피해를 입는가를 먼저 물어야 한다.
인식 모델, 번역, 렌더링, 음성 합성, 대규모 연산은 외부 솔루션을 활용할 수 있다. 여러 고객을 통해 개선되는 범용 구성요소를 모두 직접 개발할 이유는 적다. 반면 사건 분류체계, 인물·프로그램·권리의 마스터 데이터, 편집 기준, 브랜드 템플릿, 승인 정책, 배포 성과와 수정 로그는 내부가 소유해야 한다. 이 자산들이 외부 모델을 교체해도 이어지는 조직의 기억이다.
대부분의 파일럿은 모델 데모에서 시작하지만 실제 배치에서 막히는 곳은 권리와 승인이다. 최소한 자산 ID, 권리 보유자, 허용 지역, 플랫폼, 언어, 최대 길이, 시작 및 만료 시각, 스폰서 제한, 미성년자 및 민감정보 여부를 구조화해야 한다. 규칙이 충돌하거나 비어 있으면 자동 게시하지 않고 대기열로 보내야 한다. 이 대기열에는 판단에 필요한 원본 장면과 계약 근거, 모델의 신뢰도, 예상 채널이 함께 보여야 한다.
인간 검수도 전수 확인에서 위험 기반 표본검사로 발전시켜야 한다. 초기에는 모든 초안을 검토하되 오류 유형과 수정량을 기록한다. 정확성과 권리 준수율이 일정 기준을 넘은 저 위험 템플릿부터 자동 게시로 전환하고, 표본감사를 계속한다. 중간 위험은 이중 승인, 높은 위험은 자동화를 금지한다. 이렇게 해야 '사람이 항상 본다'는 모호한 약속을 실제 운영 통제로 바꿀 수 있다.
버티컬 AI가 바꾸는 것은 편집 소프트웨어의 한 기능이 아니라 미디어 기업이 장면을 발견하고 판단하고 상품화하는 운영 단위다.
WSC 스포츠 사례는 스포츠 영상이 사건 단위로 색인될 때 하이라이트 제작, 지역화, 개인화, 아카이브 활용, 파트너 배포가 하나의 데이터 구조 위에서 움직일 수 있음을 보여준다. 로이터는 이 논리를 뉴스 영상의 검색과 전사, 클리핑, 접근 통제로 확장했고, 피콕은 개인별 편성에 적용했다. 서로 다른 분야지만 공통점은 AI 모델이 기존 제작 공정 바깥의 보조 도구가 아니라 원본과 메타데이터, 규칙, 승인, 채널을 연결하는 제어 계층으로 들어간다는 점이다.
사업 효과도 새롭게 정의해야 한다. 제작시간과 인건비 절감은 중요하지만 시작점일 뿐이다. 실제 가치는 중요한 순간의 게시 지연을 줄이고, 같은 권리 자산에서 더 많은 유효 버전을 만들며, 과거 아카이브를 다시 찾고 팔고, 작은 팬 집단에도 경제적으로 도달하는 데서 생긴다. 동시에 플랫폼 비용과 통합, 검수, 권리 데이터 관리가 새 비용으로 들어오므로 순효과를 투명하게 계산해야 한다. 공급사의 처리량 수치를 곧바로 ROI로 바꾸지 않는 절제가 필요하다.
노동의 관점에서 버티컬 AI는 편집자를 없애기보다 편집 판단의 위치를 바꾼다. 반복 작업은 줄고, 편집 기준과 예외, 품질, 권리, 맥락을 설계하는 책임이 커진다. 이 변화가 직무와 지표에 반영되지 않으면 자동화된 초안을 사람이 다시 만드는 이중 작업이 생긴다. 조직은 도구 교육보다 분류체계와 오류 라벨, 승인 정책, 성과 실험을 다룰 수 있는 역량을 키워야 한다.
국내 미디어가 얻어야 할 가장 중요한 결론은 '최고의 모델을 먼저 고르는 것'이 아니다. 한 종목, 한 포맷, 한 권리 구간에서 시작해 소스 오브 트루스, 작업 상태, 결정 로그를 연결하고, 위험 등급에 따라 자동화 범위를 넓혀야 한다. 인식과 렌더링은 외부에서 살 수 있어도 편집 정책, 권리 원장, 수정 및 성과 데이터는 내부에 남겨야 한다. 이 자산이 쌓일수록 모델 교체 비용은 낮아지고 조직의 차별성은 커진다.
결국 미디어 버티컬 AI의 경쟁 단위는 '잘 만든 한 편'에서 '신뢰할 수 있게 반복되는 흐름'으로 이동한다. 북중미 월드컵처럼 경기와 플랫폼, 언어, 쇼트 폼이 동시에 늘어나는 환경에서 승자는 가장 많은 영상을 무조건 생성하는 조직이 아니다. 어떤 장면을 왜 만들고, 어디까지 자동화하며, 누가 책임지고, 어떤 성과를 다시 학습할지를 가장 정교하게 운영하는 조직이다.