에이전틱 상거래란 무엇인가요?

AI 에이전트는 사용 가능한 툴로 워크플로를 설계해 자율적으로 작업을 수행하는 인공지능 기반 시스템입니다. 더 단순한 규칙 기반 봇이 스크립트된 프롬프트에 응답하는 수준이라면, 현대의 지능형 에이전트는 더 넓은 기능을 갖추고 있으며 여러 시스템과 AI 플랫폼 전반에서 추론하고, 계획하고, 실행할 수 있습니다.

사람이 직접 제품을 검색하고, 옵션을 비교하고, 리뷰를 읽고, 결제를 단계별로 완료해야 하는 기존 전자상거래 경험과 달리, 에이전틱 상거래는 그 작업의 상당 부분을 AI 에이전트로 전환합니다. 기존 방식에서는 구매자가 여러 탭과 소매업체를 오가며 선택지를 평가하고, 결제 시 자신의 정보를 직접 입력해야 합니다.

에이전틱 상거래에서는 AI 기반 쇼핑 어시스턴트가 선제적으로 요구사항을 수집하고, 여러 소매업체를 실시간으로 검색하며, 사용자 선호도와 제약 조건에 따라 제품을 평가하고, 사용자를 대신해 구매하거나 추천을 제공합니다. 이는 프로세스를 간소화합니다.

에이전틱 상거래는 온라인 쇼핑에만 국한되지 않습니다. 여행 및 티켓 예매, 구독 및 디지털 서비스, 오프라인 소매 통합 등 다양한 상거래 경험과 관련이 있습니다.

에이전틱 상거래는 생성형 AI(gen AI)를 상거래에 통합하는 다음 단계의 일부입니다. 2026년 IBM 기업가치연구소(IBV) 연구에 따르면, 소비자의 45%가 이미 구매 여정의 일부에서 AI를 활용하고 있습니다.

이 활용은 리뷰 해석부터 할인 상품 탐색에 이르기까지 광범위하며, 소비자 습관이 AI에 의해 형성되는 구매 의사결정으로 이동하고 있음을 보여줍니다. 다른 연구에 따르면 에이전틱 상거래는 2030년까지 전 세계적으로 USD 3조에서 5조 달러의 가치를 창출할 수 있습니다.¹

현재의 흐름은 생성형 AI의 발전과 툴링 에코시스템에 의해 형성되고 있으며, 어시스턴트에 사용되는 OpenAI 모델부터 Amazon과 같은 마켓플레이스를 점점 더 아우르는 소매 통합에 이르기까지 확장되고 있습니다.

이전 세대의 소매 AI, 예를 들어 추천 엔진이나 챗봇은 반응형이었으며 단계별 인간 프롬프트가 필요했습니다. 현대의 에이전틱 AI 에이전트는 세 가지 측면에서 다릅니다.

• 자율성: 사전에 정의된 프레임워크와 가드레일을 따르며 지속적인 사용자 입력 없이도 작동할 수 있습니다.
• 추론: 가격 변동이나 재고 소진과 같은 변화하는 조건에 따라 추천과 행동을 조정합니다.
• 상호운용성: 오픈 API와 오픈 소스 커넥터를 통해 다양한 AI 플랫폼과 워크플로에 통합되어 여러 시스템 전반의 자동화를 가능하게 합니다.

이전 상거래 AI가 질의에 응답하고 정적인 제품 추천을 제공하는 데 제한되었다면, 오늘날의 에이전트는 쇼핑 어시스턴트, 쇼핑 에이전트 또는 상인 에이전트로 작동할 수 있습니다. 이들은 ChatGPT, Gemini 또는 Perplexity와 같은 애플리케이션에 내장될 수 있습니다. 자연어 상호작용을 통해 질의 의도를 구조화된 제품 데이터와 매칭하고, 전자상거래 플랫폼과 오프라인 소매 시스템 전반에서 결제 및 기타 작업을 관리합니다.

이러한 쇼핑 에이전트는 단순히 신발 한 켤레를 추천하는 데 그치지 않고, 전자상거래 플랫폼을 탐색하고, 여러 소매업체의 가격을 비교하며, 쿠폰을 적용하고, 사전 승인된 에이전틱 결제 방식을 사용해 구매를 완료합니다.

에이전틱 상거래가 계속 발전함에 따라 소비자 행동과 기대도 함께 변화할 것입니다. 오늘날 고객은 특정 제품이나 서비스를 찾기 위해 특정 사이트나 플랫폼을 방문하는 데 익숙합니다. 하지만 에이전틱 상거래는 이러한 경계를 흐리게 하며, 동일한 제품과 서비스를 다른 방식으로도 구매할 수 있게 만듭니다.

예를 들어, 소비자가 생활용품을 재주문하거나, 호텔을 예약하거나, 구독을 갱신해야 할 수 있습니다. 기존 모델에서는 이러한 작업을 완료하기 위해 하나 이상의 웹사이트를 방문해야 합니다. 에이전틱 상거래에서는 대신 AI 에이전트에게 도움을 요청할 수 있습니다. 에이전트는 대화형 인터페이스나 연결된 서비스를 통해 거래를 완료합니다. 사용자는 소매업체의 웹사이트나 앱을 방문할 필요가 없습니다.

기업과 소비자 모두에서 도입이 가속화되고 있습니다. 현재 많은 스타트업이 에이전트 오케스트레이션, 평가 및 거버넌스를 위한 배포 가능한 컴포넌트를 제공합니다. 이러한 컴포넌트는 보다 쉬운 사용을 위해 오픈 소스 프레임워크를 기반으로 구축되는 경우가 많습니다.

에이전틱 상거래는 일반적으로 여러 단계를 거치며, 인간의 입력과 독립적인 AI의 행동을 연결합니다.

에이전틱 상거래의 중심에는 사용자와 에이전트 간의 관계가 있습니다. 사용자는 예산 한도나 브랜드 선호도와 같은 목표, 권한 및 제약 조건을 정의합니다. 예를 들어, 소비자는 AI 에이전트에게 “USD 150 이하의 캠핑 텐트를 찾아서 금요일까지 배송되도록 해줘.”라고 요청할 수 있습니다. 쇼핑 에이전트는 요청을 해석하고 구조화된 제품 데이터에 액세스해 가격, 사양 및 배송 가능 여부를 기준으로 필터를 적용합니다.

적절히 구현될 경우, 이러한 상호작용은 양식 작성보다 가이드된 대화에 가깝게 느껴지며, 권한과 제약을 존중하면서 사용자 경험을 향상시킬 수 있습니다.

에이전틱 AI는 다단계 워크플로를 계획하고 외부 API를 호출하며 그 과정에서 행동을 조정함으로써 표준 AI 툴을 넘어섭니다. 이러한 복잡성은 가격 변동을 실시간으로 모니터링하고, 재고가 부족할 때 재주문하며, 반복적인 인간 승인 없이 구매를 완료하는 자율적 행동을 가능하게 합니다. 자율성은 일반적으로 단계적으로 적용되어 저위험 구매는 완전히 자동화되고, 고가이거나 민감한 구매는 여전히 인간 승인을 요구할 수 있습니다.

앞서의 캠핑 텐트 예시에서, 승인된 에이전트는 서로 다른 공급자의 여러 소매업체 데이터베이스를 검색해 실시간으로 거래 조건을 비교합니다. 또한 번들 상품이나 로열티 할인과 같은 추가 혜택을 협상하기 위해 에이전트 간 프로토콜을 사용할 수도 있습니다.

에이전틱 상거래는 제품 탐색 과정을 단순한 검색이나 브라우징이 아니라 특정 목표 달성 중심으로 전환합니다. 에이전트는 여러 소스의 제품 데이터를 분석합니다. 이들은 가격, 가용성, 배송 시간 및 리뷰와 같은 요소를 비교합니다.

에이전틱 기능이 발전함에 따라, 이러한 프로세스는 점점 더 멀티 모달화되어 텍스트, 이미지, 사용자 이력 및 구조화된 데이터를 통합합니다. 이러한 발전은 생성형 엔진 최적화(GEO)에 대한 관심을 촉진하고 있으며, 이는 LLM과 에이전트가 해석할 수 있도록 제품 콘텐츠를 구조화하는 데 초점을 둡니다. 브랜드는 이제 인간 검색에만 최적화하는 것이 아니라, AI 시스템이 발견하고 활용할 수 있도록 기계가 읽을 수 있는 제품 데이터, 표준화된 속성 및 명확한 메타데이터를 필요로 합니다.

에이전틱 상거래가 대규모로 운영되기 위해서는, 소매업체와 서비스 제공자가 기계가 읽을 수 있는 인터페이스를 통해 자사 시스템에 접근할 수 있도록 해야 합니다. 이러한 접근성은 일반적으로 제품 카탈로그, 가격 및 실시간 가용성을 위한 API를 공개하고, 반품 정책, 보증 및 기타 정보를 제공하는 것을 포함합니다.

이러한 인터페이스는 판매자와 에이전트 간의 통신을 가능하게 하여, AI 에이전트가 재고를 확인하고 사용자를 대신해 구매를 실행할 수 있도록 합니다. 이러한 통합은 점점 더 새로운 또는 제안된 표준의 맥락에서 논의되고 있으며, 흔히 에이전틱 상거래 프로토콜(ACP)이라고 불립니다. 이러한 표준은 AI 에이전트와 판매자가 이러한 구조화된 정보를 어떻게 교환하는지 정의하는 것을 목표로 합니다.

에이전틱 결제는 에이전틱 상거래 프로세스의 핵심 요소입니다. 최근 몇 년간 주요 전자상거래 플랫폼과 결제 제공업체는 자동화된 구매 워크플로와 구독 관리를 지원하기 위해 API 역량을 확장해 왔습니다. 에이전틱 구매는 Google의 Agent Payments Protocol(AP2), Visa의 AI 지원 토큰화 자격 증명 또는 ChatGPT 내 즉시 인앱 결제와 연동된 Stripe 통합과 같은 위임 인증 시스템을 사용해 완료됩니다. 이러한 인증 시스템은 거래의 투명성을 보장하고, 사기 탐지를 지원하기 위한 감사 추적을 제공합니다.

구매를 완료한 후, 에이전트는 배송 추적이나 반품 관리와 같은 다른 작업을 수행할 수 있습니다. 또한 초기 판매를 넘어 액세서리나 보완 제품에 대한 애프터마켓 추천을 시작할 수도 있습니다.

에이전틱 상거래는 다음과 같은 많은 이점을 제공합니다.

• 더 빠르고 효율적인 거래 처리
• 대규모 물량에 걸쳐 구매 활동을 확장할 수 있는 능력
• 제안의 실시간 개인화
• 에이전틱 결제를 통한 결제 과정의 마찰 감소
• 수작업 감독을 줄이면서 운영 정확성 향상.

AI 에이전트는 구매 이력과 선호도에 기반한 개인화된 제품 추천을 제공함으로써 소비자가 검색 시간을 줄이고 의사결정을 빠르게 할 수 있도록 돕습니다. 기업에게 에이전틱 상거래는 제품 발견의 새로운 경로를 제공하며, 타겟 제안이나 번들 거래를 통해 에이전트 상호작용을 수익화할 잠재력을 제공합니다.

에이전틱 상거래는 다음과 같은 도입 장벽에 직면해 있습니다.

• 데이터 준비 상태: 일부 소매업체는 시스템 전반에 걸쳐 분산된 제품 데이터로 인해 발견 가능성과 상호 운용성이 제한되는 어려움을 겪고 있습니다.
• 신뢰: IBM의 연구에 따르면 소비자의 83%가 개인정보 보호, 데이터 오용 및 원치 않는 마케팅에 대해 공통된 우려를 가지고 있습니다. 또한 일부 고객은 여전히 자동화된 거래보다 수동 거래를 선호합니다.
• 레거시 적응: 기존의 사기 방지 및 결제 시스템은 기계 중개자가 아니라 인간 검증을 위해 구축되었습니다. 에이전틱 경험을 도입하려는 기업은 시스템을 업데이트해야 합니다.

에이전틱 상거래는 종종 온라인 쇼핑 맥락에서 논의되지만, 그 적용 범위는 구매 및 거래가 복잡하거나 반복적이거나 시간에 민감한 모든 영역으로 확장됩니다. AI 에이전트가 판매자 및 결제 시스템과 직접 상호작용할 수 있는 능력을 갖추게 됨에 따라, 에이전틱 상거래는 다양한 상업 활동을 위한 조정 계층으로 탐색되고 있습니다.

기업은 특히 일상적이거나 저위험 구매에 대해 조달 결정을 자동화하기 위해 에이전틱 상거래를 활용할 수 있습니다. AI 에이전트는 승인된 공급업체를 검증하고, 물량 기반 가격을 협상하며, 주문을 실행할 수 있습니다. 공급망 맥락에서 에이전트는 재고 요구 사항이나 차질에 대응해 실시간으로 대체 공급업체를 소싱할 수도 있습니다.

조달 리더의 약 61%는 지정학적 및 공급 리스크를 주요 우려 사항으로 꼽고 있으며, 2028년까지 G2000 제조업체의 절반이 AI 지원 순환 공급망을 운영화할 것으로 예상됩니다. 에이전틱 상거래는 이를 현실로 만드는 거래 및 조정 계층을 제공합니다.

소매 분야에서 에이전틱 상거래는 AI 에이전트가 정기 구매를 관리하고, 여러 소매업체의 가격을 실시간으로 비교하며, 사용자 정의 선호도 또는 제약 조건에 따라 주문을 실행할 수 있도록 합니다. 에이전트는 온라인 주문을 매장 내 픽업이나 지역 배송과 연계해 조정함으로써 채널 전반의 마찰을 줄일 수 있습니다. 소매업체의 경우, 이러한 기능은 경쟁의 초점을 단순한 브랜드 가시성에서 기계가 읽을 수 있는 제품 데이터, 가용성 및 주문 이행 신뢰성으로 이동시킬 수 있습니다.

에이전틱 상거래는 디지털 구독, 라이선스 및 사용량 기반 서비스 관리에 점점 더 적용되고 있습니다. AI 에이전트는 구독 사용량을 모니터링하고, 사용이 적은 서비스를 해지하며, 임계값에 도달하면 요금제를 업그레이드하거나 가격 또는 성능 기준에 따라 공급자를 변경할 수 있습니다. 이 활용 사례는 초기 탐색보다는 구매 이후 최적화에 더 초점을 둡니다.

여행 및 숙박 분야에서 에이전틱 상거래는 항공편, 숙박, 지상 교통 및 기타 요소를 포함한 엔드투엔드 예약 워크플로를 지원합니다. AI 에이전트는 가격을 모니터링하고, 조건이 변경되면 여행을 재예약하며, 사전 정의된 승인 한도 내에서 환불이나 크레딧을 자동으로 처리할 수 있습니다.

에이전틱 상거래를 도입하려는 조직은 다음이 필요합니다.

1. 제품 데이터를 인간과 기계 모두가 읽을 수 있도록 표준화합니다.
2. 에이전트 간 원활한 상호작용을 허용하기 위해 오픈 API를 통합합니다.
3. 신뢰와 규정 준수를 유지하기 위해 명확한 가드레일을 적용합니다.
4. 인간뿐만 아니라 에이전트도 제안을 찾고 실행할 수 있도록 AI를 위한 SEO를 재고합니다.

에이전틱 상거래의 초기 도입자는 이러한 지능형 AI 시스템이 에코시스템 내에서 탐색, 추천 및 충성도를 처리하는 방식을 형성할 수 있습니다.