최근에 쇼핑 앱에서 '검색' 대신 '대화'를 해본 적 있으신가요?

"이번 주말 캠핑 가는데 뭐가 필요할까"를 ChatGPT가 아니라 쇼핑 앱에 직접 물어보고, 그 자리에서 구매까지 마치는 경험이 이미 시작됐어요.

7월, 국내 커머스 시장에 이 변화가 본격적으로 막을 올렸거든요. AI 쇼핑 시대의 개막, 그리고 그 뒤에 남은 숙제를 함께 살펴볼게요.

'추천해줘' 한마디면 구매까지, 쇼핑 에이전트 시대의 시작

7월 1일, 네이버가 쇼핑앱에 'AI 쇼핑 에이전트'를 정식으로 출시했어요. 약 4개월의 베타 테스트를 마치고 드디어 세상에 선보였는데요. 이 에이전트는 단순히 상품을 찾아주고 요약하는 쇼핑 가이드 수준이 아니에요. 사용자 질문 의도와 쇼핑 맥락을 이해하고 다음 행동까지 제안하는 실행형 에이전트로 고도화됐어요.

"집들이 음식 추천해줘" 같은 한마디에서 상황과 의도를 파악하고, 먼저 대화를 건네며 다음 행동을 제안해요. 숫자도 이 변화를 뒷받침하고 있어요. 6월 AI 쇼핑 에이전트 일간 사용자 수는 베타를 시작한 3월 대비 50% 이상 늘었고, 재방문 사용자는 약 3배로 확대됐어요. 에이전트를 거친 거래액은 2.7배 이상 증가했죠.

특히 유저의 70% 이상이 15자가 넘는 구체적인 질문을 입력했다는 점이 흥미로워요. 검색창에 키워드를 던지던 사용자들이, 이제 AI에게 '상황'을 설명하기 시작한 거예요. 탄력을 받은 네이버는 하반기에 개인화된 멤버십 혜택 추천, 장바구니·배송 정보 강화로 고객이 검색부터 결제까지 '풀 에이전틱' 쇼핑 경험을 할 수 있게 계획하고 있어요.

카카오도 AI 커머스 시장에 대한 본격적인 출사표를 던졌어요. 한국어 특화 경량 LLM '카나나 2.5'를 기반으로, 카톡 대화창에서 시작해 결제까지 이어지는 에이전트를 하반기에 내놓을 계획이에요. 외부 커머스 파트너와 연동해 탐색부터 결제까지 하나의 흐름으로 연결하는 구조를 만들고 있죠.

사용자가 묻기 전에 맥락을 읽고 먼저 제안하는 AI를 업계에선 '프로액티브(Proactive) AI 에이전트'라고 부르고 있어요.

화려한 개막 뒤, 무대 뒤편의 그림자

검색 중심이던 국내 커머스 시장에 새로운 AI 에이전트의 물결이 일렁이고 있지만, 어두운 그림자도 함께 드리우고 있어요. AI로 만든 콘텐츠가 과장 광고와 가짜 후기, 브랜드 사칭을 위한 도구로 쓰이는 사례가 늘고 있거든요.

이미 생성형 AI에 상품명과 키워드 몇 개만 넣으면, '내돈내산' 구매자가 쓴 것 같은 후기를 몇 초 만에 대량 생산할 수 있어요. 의사나 약사처럼 보이는 가상 인물을 만들어 신뢰를 얻거나, 다이어트 효과를 부풀리는 이미지도 문제가 되고 있죠.

위조와 사칭 피해도 심각해요. 실제로 국내 기업의 81%가 위조상품과 브랜드 사칭으로 매출 손실을 경험했고, 82%는 생성형 AI를 악용한 피해가 늘고 있다고 체감한다고 해요. AI로 가짜 상품 페이지와 사칭 계정을 순식간에 만들 수 있게 됐기 때문이에요. 소비자 입장에선 무엇이 진짜인지 가려내기가 점점 어려워지는 거예요.

이런 문제를 막기위해 플랫폼들도 빠르게 대응에 나섰어요. 네이버는 스마트스토어의 AI 생성물 기준을 강화했어요. AI로 제작하거나 변형한 이미지·영상에는 AI 활용 사실을 표시해야 해요. 전문가 사칭, 유명인 모방, 실제와 다른 상품 보정은 아예 제재 대상이 됐고요. 건강기능식품이나 신선식품처럼 건강과 직결되는 카테고리는 더 엄격한 기준이 적용돼요. 위반하면 쇼핑 페이지에서 상품이 내려가는 조치까지 받게 되죠.

카카오쇼핑도 실제 사용 경험 없는 가상인물이 사용 후기나 체험담을 쓸 경우 이를 표시를 하더라도 부당 광고가 될 수 있다는 점을 판매자에게 안내하고, 위반이 의심되는 광고에는 수정 조치에 나서기 시작했어요.

💬Thinking Point

결국 AI 에이전트 쇼핑의 성패는 기술이 아니라 '신뢰'에 달려 있을 거예요. 플랫폼들이 AI 기능 발표와 동시에 규제부터 서두르는 이유도 여기에 있죠.

AI 에이전트는 나 대신 상품을 골라주는 점원 같은 존재예요. 그런데 아무리 똑똑한 점원도, 가짜가 섞인 진열대에서는 좋은 상품을 골라줄 수 없죠.

지금은 어느 플랫폼의 에이전트가 더 똑똑한지를 겨루는 것처럼 보여요. 하지만 시간이 지나면, 사용자는 '더 잘 아는 AI'보다 '믿을 수 있는 AI'에 지갑을 열 거예요.

쇼핑 에이전트 시대, 진열대(데이터)를 먼저 정리하는 곳이 먼저 웃지 않을까요?

AI가 다른 답을 하는 이유

ChatGPT는 세상 모든 걸 아는 것 같지만, 정작 우리 회사의 지표 정의나 업무 규칙은 몰라요. LLM이 가진 지식은 학습 시점에 고정되어 있기 때문이에요.

그래서 주목받는 개념이 바로 'LLM 위키'예요. 매번 문서를 새로 검색하는 RAG와 달리, 회사의 지식을 구조화해서 차곡차곡 쌓아두고 AI가 꺼내 쓰게 만드는 방식이죠. 말하자면 AI에게 사전을 쥐여주는 게 아니라, 나만의 위키를 함께 키워가는 거예요.

구조도 생각보다 단순해요. 원본 자료를 보관하는 공간, 주제별로 정리된 지식 레이어(계층), AI가 따라야 할 운영 규칙, 전체 지도를 담은 인덱스, 그리고 변경 히스토리까지 이 다섯 가지면 충분하죠.

한번 쌓아두면 어떤 AI 툴을 쓰든 회사의 맥락이 함께 따라가요. 모델은 계속 바뀌어도, 우리 회사의 지식은 남는 거죠. 특히 변경 이력이 남는다는 점에서, AI 거버넌스를 고민하는 조직에도 유용한 접근이에요.

LLM 위키가 왜 필요한지, 자세히 어떤 구조로 구성되는지 아티클로 정리해봤어요.

놓치기 쉬운 AI 에이전트 트렌드, 이제 씽킹레터로 받아보세요!

씽킹레터 구독하러 가기