메타가 자사 기술 블로그를 통해 광고 추천용 인공지능 모델 GEM(Generative Ads Model)의 2026년판 구조를 공개하고 "전환 18.9%, 광고 클릭률 12% 개선"을 주장했다. 페이스북, 인스타그램, 릴스가 각자 쓰던 예측 시스템을 하나의 중앙 파운데이션 모델로 합친 것이 핵심이다. 광고 계정을 운영하는 국내 마케터에게는 지면별 성과를 따로 보던 관점과, 메타가 제시한 개선 수치를 자사 성과 기대치로 옮겨도 되는지를 다시 따져 봐야 하는 문제가 생긴다. 다만 이 수치는 메타가 직접 제시한 것이어서, 광고주가 자기 계정에서 같은 효과를 확인할 수 있다는 뜻은 아니다.

광고 전문 매체 PPC Land에 따르면 메타는 자사 기술 블로그 'Engineering at Meta'에 일곱 명의 엔지니어 이름으로 이 글을 올렸다. GEM을 다룬 장문 문서로는 1년이 채 안 되는 사이 세 번째다. 2025년 11월 10일 첫 글이 GEM을 광고 추천 AI 혁신의 중앙 두뇌로 소개했고, 2026년 8월 3일 두 번째 글은 학습 효율을 다뤘다. 이번 글은 앞선 두 문서를 통합하고 갱신한 것이다. 이 기사는 메타 원문이 아니라 PPC Land의 정리를 바탕으로 쓴 것이다.

지면마다 따로 쓰던 예측을 하나로 합쳤다

이번 글에서 가장 큰 변화는 구조다. PPC Land가 인용한 메타 설명에 따르면 GEM은 페이스북, 인스타그램, 릴스처럼 지면별로 따로 최적화하던 방식에서 하나의 중앙 파운데이션 모델로 옮겨 갔다. 파운데이션 모델은 대규모 데이터로 폭넓게 학습해 여러 하위 작업의 바탕이 되는 큰 모델을 뜻한다. 메타는 이 모델이 이제 모든 지면의 클릭률과 외부 사이트 전환부터 모바일 앱 설치까지 주요 최적화 목표의 전환율을 함께 예측한다고 밝혔다. 글에는 "이전에는 지면마다, 예측 목표마다 자체 시스템이 있었다"는 문장이 들어 있다.

광고주 입장에서 눈여겨볼 대목은 학습 데이터다. 메타는 클릭 데이터는 풍부하지만 전환 데이터는 드물다는 점을 짚으며, 클릭 과제에서 배운 일반화된 표현이 데이터가 적은 전환 과제로 전이된다고 설명했다. 한 지면에서 나타난 반응 패턴이 다른 지면의 구매 행동 예측에 쓰일 수 있다는 의미다. 메타는 이를 두고 모든 지면과 퍼널 단계에서 동시에 광고 성과가 개선된다고 표현했다.

다만 모든 것이 하나로 합쳐진 것은 아니다. PPC Land가 짚었듯 글은 실제 광고를 실시간으로 내보내는 수백 개의 하위 모델이 여전히 존재하며, 이 모델들이 해당 지면과 트래픽의 데이터로 계속 학습한다고 분명히 밝히고 있다. GEM은 이 하위 모델들을 가르치는 교사 역할이다. 실제 광고 경매 안에서 이 정도 크기의 모델을 돌리는 것은 비용과 지연 시간 면에서 감당하기 어렵다고 메타 스스로 인정했다.

교사 모델의 지식을 하위 모델에 넘기는 방식도 바뀌었다

이전 버전은 지식 증류에 의존했다. 하위 모델이 GEM이 내놓은 확률값을 보고 배우는 방식인데, 메타는 이를 효과적이지만 전달 폭이 좁다고 평가했다. 하위 모델이 학습 단계마다 GEM의 압축된 단면만 받기 때문이다.

2026년판은 두 가지 장치를 더했다. 하나는 LoopFM이다. GEM이 처리한 이벤트별 출력을 압축 표현으로 만들고, 같은 사용자에 대해 GEM이 앞서 만든 표현과 시간순으로 엮어 하위 모델이 학습과 추론에 활용하게 한다. 메타는 이 방식이 추가 연산 비용이나 지연 없이 지식 전달 효과를 기존 증류보다 크게 높인다고 주장했다. 다만 전달 효과를 어떻게 측정했는지는 정의하지 않았다.

다른 하나는 Solaris다. 실시간 광고 요청 안에서 큰 모델을 돌릴 수 없으니, 다단계 랭킹으로 후보 광고가 좁혀지는 동안 사용자와 광고 쌍을 백그라운드 작업으로 미리 평가해 두고 결과를 필요한 순간에 공급한다. 정확한 사용자 광고 조합의 값이 없으면 같은 광고 그룹에 대한 해당 사용자의 값을 모아 쓰거나 행동이 비슷한 다른 사용자의 값을 빌린다. PPC Land는 이 과정이 전부 메타 시스템 내부에서 일어나며 광고주에게 노출되는 부분이 아니라고 덧붙였다.

메타 주장과 광고주가 확인할 수 있는 것은 다르다

성과 수치는 글 속 한 문단에 모여 있다. 메타는 GEM이 메타의 광고 지면과 목표 전반에서 전환 18.9%, 클릭률 12% 개선을 냈다고 밝혔다.

PPC Land는 이 수치에서 빠진 정보를 구체적으로 짚었다. 무엇과 비교한 개선인지, 어느 기간에 걸쳐 쌓인 것인지, A/B 테스트 결과인지 오프라인 평가인지, 광고비나 노출수, 광고주별 가중 평균인지가 글에 없다. '타기팅 대상 사용자'라는 표현도 정의되지 않았고, 5.8%, 4.1%, 1.6%가 18.9% 안에 포함되는지 별도로 더해지는지도 밝히지 않았다. PPC Land는 이 수치들이 메타 자사 시스템에 대한 공급자 제시 수치이며 독립적인 감사를 거치지 않았다고 평가했다.

PPC Land는 메타의 과거 실적 발표와 견주어 보기도 했다. 2025년 7월 마크 저커버그는 2025년 2분기에 새 광고 추천 모델이 인스타그램 전환을 약 5%, 페이스북 전환을 약 3% 끌어올렸다고 말했다. 2026년 1월에는 GPU 클러스터 증설과 시퀀스 학습 구조 도입으로 페이스북 광고 클릭 3.5%, 인스타그램 전환 1% 이상의 개선이 있었다고 밝혔다. 2026년 2분기에는 수전 리 CFO가 GEM과 사용자 이해 모델을 함께 언급하며 페이스북 광고 클릭 8.3%, 전환 15.7% 증가를 제시했다.

이번 글의 페이스북 전환 5.8%와 2분기 실적 발표에서 제시된 15.7%는 대상 집단이나 기간, 모델 간 기여 배분이 다를 수 있지만 글은 그 차이를 설명하지 않는다. 외부 사이트 전환 1.6%는 4월에 메타가 적응형 랭킹 모델을 외부 전환으로 확대하며 보고한 수치와 소수점까지 같은데, 같은 측정을 두 시스템에 붙인 것인지 우연인지도 밝혀지지 않았다. 글이 말한 업계 최대 규모라는 주장도 파라미터 수나 데이터 크기, 타사 비교가 없어 문서만으로는 검증이 안 된다.

모델이 더 긴 사용자 이력을 본다

기술 구조도 바뀌었다. 이 구조 덕분에 사용자의 장기 참여 이력을 보는 길이를 실제 운영에서 늘렸다는 것이 메타의 설명이다.

광고주 관점에서 이 대목은 메타의 랭킹이 사용자 행동을 얼마나 멀리 거슬러 올라가 보는지와 관련이 있다. 다만 PPC Land가 지적했듯 기준 길이가 공개되지 않아 늘어난 정도를 일수나 이벤트 수로 환산할 수는 없다.

국내 마케터가 확인할 부분

분명한 것은 예측이 지면별로 따로 돌던 구조에서 모든 지면과 주요 최적화 목표를 함께 학습한 모델이 하위 모델을 가르치는 구조로 바뀌었다는 메타의 설명까지다. 따라서 자사 계정이 페이스북, 인스타그램, 릴스 여러 지면에 노출되는지, 외부 사이트 전환이나 앱 설치 같은 어떤 최적화 목표를 쓰는지를 먼저 점검하는 것이 현실적인 출발점이다. 18.9%와 12%라는 수치는 기준과 측정 방법이 공개되지 않은 메타의 주장이므로 자사 성과 기대치로 옮겨 쓰기보다, 메타 기술 블로그 'Engineering at Meta'의 GEM 관련 글과 이후 분기 실적 발표를 함께 검토하며 계정 지표 변화를 별도로 추적하는 편이 안전하다.