에이전틱 커머스란 무엇인가: AI가 대신 검색·비교·구매하는 흐름

대화형 커머스와 무엇이 다른가

지금까지 '챗봇 쇼핑'이라고 하면 챗봇이 상품을 추천해주고, 실제 클릭과 결제는 사람이 직접 하는 방식이었습니다. 이걸 대화형 커머스라고 부릅니다. 에이전틱 커머스는 여기서 한 단계 더 나아갑니다. 사용자가 "여름에 신을 편한 운동화, 8만 원대로 찾아줘" 정도의 의도만 설명하면, AI가 여러 쇼핑몰을 검색하고 조건에 맞는 상품을 비교한 뒤 결제까지 실행합니다. 물론 실제 결제 승인 단계에서는 사용자 확인을 거치는 구조가 대부분이지만, 상품 발견부터 비교, 최종 선택까지의 판단을 AI가 대신한다는 점이 핵심적인 차이입니다.

두 모델을 가르는 기준을 한 줄로 정리하면 '거래 의사결정권이 누구에게 있느냐'입니다. 대화형 커머스에서는 AI가 후보를 좁혀주더라도 무엇을 살지는 사람이 정합니다. 에이전틱 커머스에서는 그 판단 자체를 AI가 위임받습니다. 실무에서는 이 위임의 폭이 서비스마다 다르게 설정돼 있어서, 추천까지만 하는 화면, 장바구니 구성까지 대신하는 화면, 결제 실행까지 이어지는 화면이 한 플랫폼 안에서도 섞여 있는 경우가 많습니다. 그래서 "AI 쇼핑에 대응한다"는 말이 정확히 어느 단계까지를 뜻하는지부터 팀 안에서 합의해두는 편이 나중에 생기는 혼선을 줄여줍니다.

이 차이는 마케터에게 중요한 신호입니다. 지금까지는 사람이 보는 상세페이지 문구, 후킹력 있는 카피가 구매를 좌우했다면, 에이전틱 커머스 환경에서는 AI가 읽고 판단할 수 있는 데이터 구조가 그 자리를 대신하기 시작했다는 뜻이기 때문입니다. 이 부분은 5강에서 구체적인 구현 방법을 다룹니다.

왜 지금 업계 전체가 이 주제에 주목하는가

숫자로 보면 이 변화의 속도를 체감할 수 있습니다. 2025년 홀리데이 시즌 한 시즌 동안 AI 에이전트를 경유한 구매가 전 세계 전체 주문의 20%를 차지했고, 금액으로는 약 262억 달러(약 34조 원) 규모로 집계됐습니다. Shopify 플랫폼만 놓고 봐도 2025년 1월부터 2026년 1월 사이 AI가 원인이 된 주문이 11배 늘었습니다. 물론 시작점이 워낙 낮았던 걸 감안해야 하는 수치이긴 하지만, 방향성 자체는 뚜렷합니다.

소비자 쪽 태도도 이미 상당히 열려 있습니다. IBM이 2026년 1월 실시한 조사에서는 전 세계 소비자의 45%가 구매 여정의 일부에서 이미 AI를 쓰고 있다고 답했고, 별도 조사에서는 70% 이상이 "AI 에이전트가 자신을 대신해 구매해도 괜찮다"고 응답했습니다. 소비자 저항감이 생각보다 크지 않다는 뜻이라, 이 흐름이 일시적인 유행으로 끝나기는 어려워 보입니다.

다만 이 수치들을 내부 보고서에 그대로 옮겨 적기 전에 짚어둘 게 있습니다. 20%·262억 달러와 소비자 수용도 70%는 업계 분석 회사가 자체적으로 집계한 통계이고, IBM 조사도 표본 크기와 국가별 구성이 공개돼 있지 않습니다. Shopify의 11배 역시 회사 자체 공시라 기저가 낮았을 가능성이 큽니다. 인용할 때는 "출처가 이렇고 검증된 범위는 여기까지"라는 단서를 같이 달아두는 편이, 나중에 근거를 다시 요구받았을 때 안전합니다. 절대값 자체보다는 서로 다른 출처가 같은 방향을 가리키고 있다는 사실에 무게를 두고 읽는 게 실무적으로 맞습니다.

OpenAI와 구글 말고 또 누가 들어와 있나

이 시장을 ChatGPT와 Gemini 둘만의 경쟁으로 보면 대응 범위를 놓치기 쉽습니다. 아마존은 2026년 5월 13일 자사 쇼핑 AI였던 'Amazon Rufus'를 'Alexa for Shopping'으로 리브랜딩하면서, Seller Central과 Vendor Central을 쓰는 판매자를 자동으로 등록시켰습니다. 아마존에서 이미 팔고 있다면 별도 신청 없이 이 표면에 들어가 있다는 뜻이라, 우리 상품 데이터가 어떤 상태로 노출되고 있는지 확인하는 일이 곧바로 실무 과제가 됩니다.

마이크로소프트는 Copilot에 UCP(Universal Commerce Protocol)를 채택하면서 구글이 주도하는 표준 쪽에 붙었고, Perplexity Shopping은 여러 소매점의 상품을 한자리에 모아 보여주면서 상품 피드와 JSON-LD 스키마 양쪽으로 데이터를 수집합니다. 여기에 국내 네이버·카카오까지 더하면 대응해야 할 표면이 최소 대여섯 개입니다. 각 표면이 요구하는 진입 방식이 자동 등록, 피드 제출, 카탈로그 심사로 제각각이라 우선순위를 정하지 않으면 작업이 끝나지 않습니다. 이 우선순위 문제는 7강에서 따로 다룹니다.

마케터 입장에서 지금 당장 알아둬야 할 것

현재(2026년) 시점에서 에이전틱 커머스는 아직 완성된 표준이 없는 상태입니다. OpenAI, Google, Amazon, 그리고 국내 네이버·카카오가 저마다 다른 방식으로 이 흐름에 대응하고 있고, 기능과 정책이 수시로 바뀝니다. 이번 과목에서 소개하는 플랫폼별 내용은 조사 시점 기준 최신 정보이지만, 실제로 적용하기 전에는 반드시 각 플랫폼의 공식 문서에서 최신 상태를 다시 확인하는 습관을 들이는 게 좋습니다.

과목 전체의 순서는 이렇습니다. 2강과 3강에서 이 흐름을 주도하는 두 축인 OpenAI의 ACP와 구글의 UCP를 각각 뜯어보고, 4강에서 네이버·카카오의 국내 상황을 정리합니다. 5강과 6강은 플랫폼과 무관하게 공통으로 필요한 기초 작업, 즉 구조화 데이터 정비와 AI의 상품 평가 기준을 다룹니다. 7강은 여러 프로토콜을 동시에 상대해야 하는 현실적 전략, 8강은 AI를 거쳐 들어온 고객을 어떻게 우리 고객으로 만들지, 9강은 프라이버시·환각·사기 같은 리스크, 10강은 예산이 적은 판매자를 위한 실행 체크리스트입니다. 당장 손댈 것부터 찾는 상황이라면 5강과 10강을 먼저 읽어도 무방합니다.