AI 에이전트 시대, 누가 돈을 벌것인가? AI수익모델
생성형 AI의 기능적 한계 속에서 진짜 돈을 버는 기업은 누구인가?
챗GPT와 제미나이로 대표되는 생성형 AI 서비스들은 방대한 지식을 학습하여 일상의 정보 탐색 방식을 변화시켰습니다. 그러나 이러한 인공지능 모델들은 실제 비즈니스 가치가 창출되는 결정적인 지점인 '구매'와 '결제'의 순간에 도달하면 급격한 한계를 드러내고 있습니다. 이는 생성형 AI가 인터넷상의 공개된 데이터를 바탕으로 답변을 생성할 뿐, 실제 세상의 물리적 거래와 직결된 실시간 데이터에 접근할 수 있는 권한과 인프라를 갖추지 못했기 때문입니다. 사용자가 특정 상품을 추천받는 데까지는 성공하더라도, 해당 상품이 현재 내 위치 근처 매장에 재고가 있는지, 혹은 실시간으로 변동되는 할인가격이 얼마인지 확인하여 즉시 결제까지 완료하는 과정은 여전히 기존의 리테일 플랫폼으로 회귀해야 하는 한계를 지니고 있습니다.
AI 에이전트 시대, 누가 돈을 벌 것인가의 내용은 인공지능이 만드는 비즈니스모델과 일의 변화를 다룬 도서 <AI 빅 웨이브, 기술을 넘어 전략으로>의 내용이 참고되어 구성되었습니다. 인터뷰어 이러닝 서비스에서 저자 강의와 참고자료, 전용 GPTs 로도 만나실 수 있습니다.
chapter 1. 구매와 결제 데이터의 중요성
생성형 AI 에이전트의 딜레마와 한계
챗GPT나 구글 제미나이(Gemini) 같은 생성형 AI 에이전트들은 방대한 정보를 요약하고 지식을 전달하는 데 탁월합니다. 그러나 정작 사용자가 구매나 예약 같은 실질적인 행동을 하려고 할 때는 한계를 드러내고 있습니다. 예를 들어 주변의 맛집을 추천받는 것은 가능하지만, '지금 내 주변에서 바로 예약 가능한 식당'을 구체적으로 알아내기는 어렵습니다. 마찬가지로 어떤 상품이 좋다는 종합 리뷰는 제시해 줘도, '현재 재고가 있고 내일 배송될 수 있는지' 같은 세부 정보는 정확히 답하지 못하는 경우가 많습니다. 이는 AI가 실제 상거래에 필요한 실시간 데이터와 맥락까지는 손에 쥐고 있지 못하기 때문입니다.
이러한 한계의 배경에는 ‘라스트 마일 데이터’의 부재가 있습니다. 라스트 마일 데이터란 구매 이력, 실시간 재고, 매장 위치 및 현재 영업 여부 등 소비자 구매 직전에 필요한 최종 정보를 의미합니다. 현재의 생성형 AI들은 인터넷상의 공개된 텍스트 지식에는 강하지만, 이러한 실시간 상거래 데이터에는 직접 연결되어 있지 않습니다. 예컨대 챗GPT는 어떤 식당이 유명한지는 알려줄 수 있지만, 오늘 저녁 7시에 빈자리가 있는지는 알 수 없습니다. 또 어떤 전자제품의 스펙과 리뷰는 설명할 수 있어도, 지금 쿠팡이나 네이버에서 재고가 남아 있는지까지는 답하지 못합니다. 결국 최종 구매를 위해서는 사용자가 다시 플랫폼이나 판매자 웹사이트를 확인해야 하는 현실이 벌어집니다.
AI 시대에 누가 돈을 벌 것인가? AI 에이전트더 큰 문제는, AI 에이전트가 설령 구매를 도와줄 좋은 아이디어를 내주더라도 직접 결제를 완료시켜 주지 못한다는 것입니다. 사용자는 AI의 조언을 듣고 난 뒤에도 실제로 결제하거나 예약을 하기 위해서는 네이버, 쿠팡과 같은 서비스로 이동해야 합니다. 비즈니스 가치 측면에서 보면, AI는 구매를 위한 영향력은 행사하지만 구매가 이루어지는 순간에 빠져 있는 셈입니다. 소비자의 지갑이 열리는 마지막 순간에 AI가 배제됨으로써, 그 순간 발생하는 수익은 온전히 AI의 몫이 아닙니다. AI가 고객을 상품 문턱까지 데려다주지만, 문을 열고 들어가게 해서 매출을 올리는 건 여전히 기존 플랫폼이나 리테일러의 몫인 경우가 많습니다.
실제로 오픈AI도 이러한 한계를 인정하고 있습니다. 챗GPT의 상품 추천 기능에 대해 오픈AI는 '모델이 제시하는 가격이나 재고 정보가 최신과 다를 수 있다'며 최종 구매 전에 사용자가 판매자 웹사이트에서 정보를 확인하라고 권고하고 있습니다. 이처럼 실시간 데이터 부족으로 인한 정확도 한계가 존재하기 때문에, 현 단계의 AI 에이전트는 구매 직전의 신뢰를 완전히 얻지 못하고 있습니다.
라스트 마일 데이터 부재로 인한 수익 모델 한계
이런 격차는 생성형 AI 서비스의 수익 모델에도 직접적인 영향을 줍니다. 거대 언어 모델을 구동하는 데는 막대한 연산 자원이 필요한데, 그 비용을 감당하기 위해 챗GPT 같은 서비스는 유료 구독이나 API 판매 등으로 수익을 내고 있습니다. 그러나 이는 기본적으로 정보 제공에 대한 요금일 뿐, 거래 발생에 따른 수수료와 같은 직접적인 상거래 수익과는 거리가 있습니다. 예를 들어 네이버는 사용자가 상품을 구매하면 스마트스토어 판매 수수료를 얻고, 결제를 하면 네이버페이를 통해 일정 수수료를 취합니다. 반면 챗GPT는 아무리 훌륭한 추천을 해줘도, 그 추천을 통해 사용자가 실제 구매를 하더라도 그 구매 자체에서 얻는 수익은 없습니다. AI는 열심히 답변하고 들인 연산 자원만큼의 비용을 쓰지만, 정작 돈이 오가는 순간에는 다른 이에게 역할을 넘겨주고 마는 것입니다.
이러한 구조적 한계 때문에, 생성형 AI 기업들은 수익 창출에 어려움을 겪고 있습니다. 사용자 입장에서 챗GPT 같은 서비스는 유용한 도구이지만, 플랫폼 입장에서 보면 막대한 운영비에 비해 직접적인 수익 회수가 쉽지 않은 모델입니다. 광고를 붙이자니 대화 경험이 망가질 우려가 있고, 특정 업체와 제휴한 추천을 하자니 중립성이 훼손될 수 있습니다. 결국 현재로서는 유료 버전(예: ChatGPT 플러스)이나 기업용 서비스 판매가 주 수익원인데, 이것만으로 투자된 비용을 정당화하기에는 한계가 있습니다. 라스트 마일 데이터를 활용한 커미션 구조가 없다는 것은, AI가 상거래의 마지막 단계에서 창출되는 가치를 가져올 수 없음을 뜻합니다.
더 나아가 신뢰와 데이터의 문제도 있습니다. AI가 직접 거래를 중개하지 못하니 신뢰할 만한 실제 구매 데이터를 쌓을 기회가 없습니다. 실제 구매 데이터를 못 쌓으니 정교한 개인화 추천이나 재구매 유도 전략도 한계가 있습니다. 예를 들어 네이버는 네이버페이로 축적된 구매 이력을 바탕으로 사용자가 진짜 좋아할 만한 상품을 예측할 수 있지만, 챗GPT는 그런 일차 데이터가 부족합니다. 결국 AI가 아무리 똑똑한 답변을 내놔도 '실제로 산 사람들의 행동'을 반영하지 못하니, 그 추천은 플랫폼의 추천만큼 믿음직스럽지 않을 수 있습니다. 이처럼 데이터를 통한 수익 창출 사이클에 진입하지 못한다는 점에서, 생성형 AI 서비스는 현재 뚜렷한 수익 모델의 딜레마를 안고 있습니다.
커머스 통합을 모색하는 글로벌 AI들
이러한 한계를 극복하기 위해, 글로벌 AI 기업들도 라스트 마일 통합 전략을 모색하기 시작했습니다. 대표적으로 오픈AI는 자사 챗GPT에 쇼핑 기능을 도입하면서, 판매자들이 원하는 경우 자사 제품 데이터를 챗GPT에 제공할 수 있도록 ‘allowlist’(허용목록) 제도를 마련했습니다. 이는 리테일러가 자신의 상품 정보를 AI에 직접 피드하여, 챗GPT의 추천 결과에 해당 제품이 빠짐없이 포함되도록 하는 장치입니다. 쉽게 말해, 온라인 쇼핑몰들이 챗GPT에게 '우리 상품도 참고해 줘'라고 손을 드는 것이고, AI 입장에서는 데이터 접근 경로를 확보함으로써 기존보다 더 정확한 추천을 할 수 있는 기반이 됩니다.
나아가 오픈AI는 챗GPT 대화 안에서 바로 구매를 완료할 수 있는 실험도 시작했습니다. 일부 전자상거래 플랫폼(Shopify, Etsy 등)에 한해 챗GPT 대화창에서 즉시 결제를 지원하는 기능을 선보인 것입니다. 사용자가 상품을 추천받은 뒤 별도 사이트에 가지 않고도, 챗봇 대화 중에 장바구니에 담고 결제를 끝내게 하려는 시도입니다. 이는 AI 에이전트가 사용자를 대신해 거래를 수행하는 이른바 에이전틱 커머스(agentic commerce)의 방향성을 보여주고 있습니다.
이런 움직임은 비단 오픈AI 뿐만이 아닙니다. 아마존은 일찌감치 자사 쇼핑몰에 AI 챗봇 ‘루퍼스(Rufus)’를 도입해 시험한 바 있으며, AI와 상호작용한 사용자 집단에서 구매 완료율이 60%나 증가하는 효과를 봤다고 합니다. 물론 아마존의 AI 어시스턴트는 아마존 사이트 내 상품만 추천하지만, 이처럼 데이터와 커머스를 한데 묶으면 구매 전환이 크게 올라감을 시사합니다. 구글도 검색에 생성형 AI를 접목한 AI 모드를 선보여 쇼핑 검색을 대화형으로 재구성하고 있습니다.
이러한 글로벌 흐름은 AI 에이전트 서비스도 커머스 데이터를 잡아야 돈을 번다는 인식을 반영합니다. 월마트의 행보도 흥미롭습니다. 월마트는 자체 쇼핑 앱에 AI 챗봇 ‘스파키(Sparky)’를 도입하고, 동시에 오픈AI와 제휴하여 챗GPT를 활용한 쇼핑 실험을 진행하는 등 다각도로 움직이고 있습니다. 이는 대형 리테일러들도 AI를 새로운 판매 채널로 적극 활용하려 한다는 뜻입니다. AI가 추천하고, 구매까지 이어지면 그 중개 수수료를 누가 가져갈 것인가의 싸움이 이미 시작된 것입니다. 글로벌 빅테크와 유통 공룡들이 AI+커머스 융합을 서두르는 가운데, 아직까지는 데이터와 거래 인프라를 쥐고 있는 쪽이 유리해 보입니다.
chapter 2. 어떻게 대응할 것인가?
기존 플랫폼은 여전히 건재하다
이런 변화 속에서, 기업들은 어떻게 대응해야 할까요? 먼저 중요한 것은 플랫폼 연계 전략입니다. 아무리 AI 시대라고 해도, 고객이 실제로 모이는 곳에 존재감을 가져야 매출로 이어집니다. 국내에서는 네이버 쇼핑, 쿠팡, 카카오와 같은 거대 커머스 플랫폼 입점을 통해 자사 상품을 노출하는 것이 기본입니다. 만약 온라인 판매가 주력인 스타트업이라면, 네이버 스마트스토어를 열거나 카카오톡 선물하기에 제품을 등록하는 것을 고려해야 합니다. 또 네이버 데이터랩이나 카카오모먼트를 활용해 자사 고객층의 특성을 분석하고, 그들이 어느 경로로 유입되는지 추적해 볼 필요가 있습니다. 이러한 플랫폼 활용 능력이 곧 AI 시대의 생존력으로 직결될 것입니다.
리테일 미디어 활용이 필요(광고집행은 필수적)
둘째, 리테일 미디어 환경에 맞는 마케팅을 익혀야 합니다. 과거처럼 광범위한 대상에게 마구 광고하는 방식은 효율이 떨어집니다. 대신 '필요한 순간, 필요한 사람에게 보이는' 정교한 광고 집행이 요구됩니다. 메타(인스타그램, 페이스북)나 네이버, 카카오 등은 손쉽게 쓸 수 있는 타겟 광고 도구들을 제공하고 있습니다. 예를 들어 네이버 검색광고에서는 특정 키워드를 검색하는 사용자에게만 광고를 노출하도록 설정할 수 있고, 지역 소상공인의 경우 네이버 플레이스 방문자 타겟 광고로 근처에 있는 잠재 고객을 공략할 수도 있습니다. 스타트업이라면 이런 기능들을 직접 공부하거나 마케팅 에이전시와 협업하여 최대한 활용해야 합니다. 적은 예산으로 최대 효과를 내는 길은 바로 여기에 있습니다.
검색엔진최적화를 넘어 AI 최적화로
셋째, AI와의 직접적인 연동 기회를 노려야 합니다. 글로벌하게는 챗GPT가 allowlist 제도로 쇼핑몰 데이터를 받듯이, 국내에서도 네이버나 카카오 AI가 외부 데이터를 가져갈 가능성이 있습니다. 예를 들어, 향후 네이버 Agent N이 오픈마켓 상품 정보까지 통합해서 추천해 준다면, 자사 상품이 그 AI 추천 목록에 들도록 데이터를 최적화해야 합니다. 이를 위해 상품명, 설명에 AI가 인지하기 좋은 키워드를 포함시키고, 메타데이터를 충실히 채우는 작업 등이 필요할 것입니다. 해외 시장을 노리는 스타트업의 경우, 아예 오픈AI의 플러그인 플랫폼에 자신들의 서비스를 연결하는 것도 방법입니다. 이미 일부 기업들은 ChatGPT 플러그인을 통해 AI 대화 내에서 바로 자사 서비스로 주문을 넣거나 예약을 잡을 수 있게 하고 있습니다. 국내 중소기업들도 발 빠르게 이런 흐름을 연구하여 'AI가 내 상품을 팔아주게' 만드는 길을 모색해야 할 것입니다.
소비자 구매여정 속에서 함께하는 것
넷째, 콘텐츠와 브랜딩의 중요성을 간과하지 말아야 합니다. AI가 아무리 발전해도 결국 학습하고 참조하는 것은 인간이 만든 콘텐츠입니다. 중소기업이나 자영업자도 꾸준히 블로그, 유튜브, SNS 등을 통해 자사 제품과 서비스에 대한 풍부한 콘텐츠를 생산해야 합니다. 이는 단순한 마케팅을 넘어, AI 시대의 검색엔진최적화(SEO) 역할을 합니다. 예컨대 어떤 사용자가 챗GPT에게 질문을 던졌을 때, 귀사에서 작성한 전문적인 블로그 글이 답변의 출처로 인용된다면 브랜드 인지도가 상승하겠지요. 실제로 챗GPT 쇼핑 버전은 신뢰할 만한 출처의 글과 리뷰를 종합하여 추천을 생성하는데, 제품 설명이 부실하거나 리뷰가 부족한 상품은 AI 추천 목록에서 배제될 확률이 높다고 합니다. 이는 곧 디지털 상점 진열대에 오르기 위한 기본 자격이 콘텐츠 충실도임을 뜻합니다. 스타트업이라면 자사 홈페이지에 상세한 FAQ와 기술 문서를 공개하고, 소상공인이라면 블로그나 인스타그램에 가게 이야기를 풍부하게 남겨 AI의 레이더망에 포착되도록 하는 것이 좋습니다.
