에이전틱 커머스: AI 에이전트가 바꾸는 쇼핑의 미래

쇼핑 경험은 새로운 기술이 등장할 때마다 진화해 왔고, 그때마다 소비자가 브랜드에 기대하는 것도 달라졌습니다. 에이전틱 커머스는 그 최신 진화입니다. AI 에이전트가 조사, 비교, 구매를 자율적으로 처리하며, 소비자가 브랜드 사이트를 방문하지 않는 경우도 많습니다.

AI가 고객의 주요 인터페이스가 되어 가면서 말이죠. 고객과의 인게이지먼트 및 개인화 계층을 유지하면 거래가 어디서 이루어지든 브랜드 관계를 지킬 수 있습니다.

핵심 요약

• 에이전틱 커머스는 자율형 AI 에이전트가 최소한의 사람 개입으로 소비자나 기업을 대신해 조사, 비교, 구매를 완료하는 것을 말합니다.
• Braze Retail Customer Engagement Review에 따르면 소비자의 에이전틱 쇼핑 이용률은 2026년 말까지 19%에서 46%로 늘어날 전망입니다.
• 에이전트의 선택은 데이터 품질이 좌우합니다. 기계가 읽을 수 있는 상품 피드, 구조화된 속성, 생성형 엔진 최적화가 에이전틱 검색에 상품이 노출될지 여부를 결정합니다.
• 에이전트에 대한 소비자 신뢰는 아직 조심스럽습니다. 에이전트가 완전히 독립적으로 움직이도록 맡기겠다는 소비자는 10%에 불과해, 대부분은 여전히 구매 결정을 직접 확인하고 싶어 합니다.
• 브랜드는 두 가지 측면에서 준비해야 합니다. 에이전트가 찾을 수 있도록 구조화된 데이터와 GEO를 갖추고, 거래 이후에도 이어지는 인게이지먼트 계층을 위해 고객과 직접적인 관계를 맺어야 합니다.

주요 시사점

• Braze Retail Customer Engagement Review에 따르면 마케팅 리더의 71%가 이미 AI 에이전트 때문에 고객과 직접 연결되는 역량이 약해졌다고 답했습니다.
• 에이전틱 커머스를 위한 결제 인프라는 이미 가동 중입니다. Google AP2, Mastercard Agent Pay, Stripe의 임시 가상 카드, ChatGPT의 인스턴트 결제가 모두 운영되고 있습니다.
• 상품 데이터가 분산되어 있거나 불완전한 브랜드는 이미 에이전틱 검색에서 노출 기회를 잃고 있습니다. 데이터 준비는 기술 과제가 아니라 비즈니스 우선순위입니다.
• 브랜드를 선택한 에이전트는 그만큼 쉽게 경쟁사로 바꿀 수도 있습니다. 특히 구독형이나 반복 구매 비즈니스에서는 그 영향이 큽니다.
• AI 중개가 늘어날수록 개인화, 크로스채널 접점, 고객과의 직접적인 신뢰로 이루어진 인게이지먼트 계층의 비즈니스 비중은 커집니다.

에이전틱 커머스란 무엇인가요?

에이전틱 커머스는 전 세계적으로 3조~5조 달러 규모를 창출할 것으로 예상됩니다(2030년까지, McKinsey 연구 기준). 도입이 빨라지는 만큼 브랜드는 에이전틱 커머스가 무엇이고 어떻게 작동하는지 명확히 이해해야 합니다. 예를 들어:

• 2026년 말까지 소비자의 절반 가까이가 브랜드와 소통할 때 AI 에이전트를 사용할 것으로 예상됩니다(Braze Retail Customer Engagement Review 기준).
• 이런 에이전트가 감독 없이 움직이도록 맡기겠다는 소비자는 10%뿐입니다.
• 마케팅 리더의 71%가 에이전트 때문에 이미 고객과 직접 연결되는 역량이 약해졌다고 답했습니다.

에이전틱 커머스의 정의

에이전틱 커머스는 AI 에이전트가 보통 최소한의 사람 개입으로 소비자나 기업을 대신해 자율적으로 조사, 비교, 협상, 구매를 완료하는 구매 및 판매 방식입니다. 직접 둘러보고 결제해야 하는 기존 이커머스와 달리, 에이전틱 커머스는 여러 플랫폼에서 추론하고 행동하는 지능형 AI 시스템에 의사 결정을 맡깁니다.

에이전틱 커머스와 기존 커머스의 차이

에이전틱 커머스는 이전의 모든 방식과 다릅니다. 고객이 직접 구매를 결정하던 것과 달리 에이전트가 자율적으로 결정합니다.

기존 이커머스에서는 검색, 비교, 클릭, 장바구니 담기, 결제까지 모든 결정을 고객이 내립니다. 하지만 IBM Institute for Business Value에 따르면 이미 소비자의 45%가 구매 여정의 일부에 AI를 사용하고 있습니다. 그 대부분은 아직 보조적인 용도로, 거래를 완료하기보다 정보를 찾거나 선택지를 비교하는 데 AI를 씁니다.

생활용품을 재주문하는 간단한 상황을 생각해 보세요. 추천 엔진은 상품이 떨어져 간다고 알려줄 수 있습니다. 챗봇은 고객이 상품을 찾도록 도와줄 수 있습니다. 하지만 주문은 여전히 고객이 직접 해야 합니다. 늘 사던 브랜드가 품절되거나, 가격이 올랐거나, 다른 곳에 더 나은 선택지가 있어도 챗봇과 고객 모두 상황에 맞춰 대응할 수 없습니다.

주요 차이는 세 가지로 정리할 수 있습니다.

• 자율성: 에이전트는 단계마다 승인을 기다리지 않고 정해진 범위 안에서 행동합니다.
• 추론: 에이전트는 실시간으로 적응합니다. 가격이 내리거나, 상품이 품절되거나, 배송 가능 시간이 마감되면 에이전트가 이에 맞춰 조정합니다.
• 상호 운용성: 에이전트는 API로 여러 플랫폼을 연결해 개별 단계가 아닌 커머스 여정 전체를 완료할 수 있습니다.

에이전틱 커머스와 AI 기반 쇼핑의 작동 방식

에이전틱 커머스는 고객이 목표를 말하거나 질문하는 순간부터 결제, 배송, 구매 후 지원까지 연결된 단계를 따라 거래를 진행합니다. 각 단계에서 에이전트는 원래 사람이 직접 해야 하는 일을 처리하며, 세 가지 구성 요소를 기반으로 작동합니다.

1. 추론을 위한 대규모 언어 모델(LLM)
2. 리테일러 백엔드와 연결되는 API
3. 에이전트가 읽고 활용할 수 있는 구조화된 상품 데이터

고객과 에이전트의 상호작용

고객이 질문하거나 필요한 것을 말하면 에이전트가 이를 해석합니다. "100달러 미만에 다음 날 배송되는 무선 스피커를 찾아줘" 같은 요청이 에이전트의 목표가 됩니다. 구매 여정은 검색어 입력이 아니라 대화로 시작됩니다. 요청이 너무 포괄적이면 에이전트가 추가 정보를 묻습니다. 저장된 선호도, 과거 구매, 기억해 둔 사이즈도 활용하므로 같은 요청이라도 시간이 지날수록 더 정확한 결과를 얻습니다.

자율 실행

목표가 정해지면 에이전트는 리테일러 검색, 실시간 가격 비교, 재고 확인, 할인 적용, 거래 완료까지 여러 단계의 워크플로를 진행합니다.

에이전트의 자율성은 단계별로 설계할 수 있습니다. 일상적이거나 금액이 적은 구매는 완전히 자동화할 수 있습니다. 금액이 큰 거래는 마지막 단계 전에 사람의 승인을 받도록 할 수 있습니다. 에이전트가 선택지를 좁히고, 사람이 최종 확인합니다.

상품 탐색과 의사 결정

에이전트는 여러 소스의 구조화된 데이터를 동시에 조회해 상품 속성, 가격, 재고, 리뷰, 배송 옵션을 함께 평가합니다.

노출 여부는 데이터 품질에 달려 있습니다. 바로 여기서 생성형 엔진 최적화(GEO)가 제품이나 서비스의 노출 가능성을 높여줍니다.

기계가 읽을 수 있는 상품 데이터, 표준화된 속성, 명확한 메타데이터가 에이전틱 검색에 상품이 나타날지를 결정합니다. 상품 데이터가 불완전하거나 핵심 속성이 빠져 있으면 에이전트는 요청을 처리하지 못하거나 이후 검색에서 해당 판매자를 후순위로 둡니다.

판매자와 에이전트의 상호작용, 에이전트 간 커머스

에이전트가 대규모로 거래하려면 판매자에게 기계가 읽을 수 있는 인터페이스가 필요합니다. 상품 카탈로그, 실시간 가격, 재고 수준, 반품 정책, 배송 옵션을 위한 API입니다.

판매자와 에이전트의 관계를 넘어 에이전트 간 커머스도 자리 잡고 있습니다. 소비자의 AI 에이전트가 판매자의 AI 에이전트와 직접 소통하며 사람의 개입 없이 협상하고 거래합니다. 이것이 대규모로 작동하려면 서로 다른 플랫폼의 에이전트가 소통하고 거래할 공통 표준이 필요합니다. 이미 여러 표준이 마련되어 있습니다.

• MCP - Model Context Protocol(Anthropic): 에이전트를 상품 카탈로그와 재고 등 데이터 시스템에 연결
• ACP(OpenAI 및 Stripe): 에이전트의 결제 및 체크아웃 처리 방식을 표준화
• A2A(Google): 독립적인 AI 에이전트 간의 직접 소통 지원

이런 표준 덕분에 대규모 멀티 에이전트 오케스트레이션이 가능해집니다. 한 에이전트는 구매자를, 다른 에이전트는 판매자를 대리하며 모두 공통 프로토콜로 움직입니다.

에이전틱 결제

에이전틱 결제는 지출 규칙이 설정된 선불 카드를 고객에게 주는 것과 비슷하게 작동하며, 이를 가능하게 하는 APP(agentic payments protocol) 인프라는 이미 가동 중입니다.

OpenAI와 Stripe의 Agentic Commerce Protocol(ACP)은 ChatGPT의 인스턴트 결제를 지원해, 사용자가 대화를 벗어나지 않고 채팅 인터페이스 안에서 바로 구매를 완료할 수 있게 합니다.

Google AP2는 거래가 진행되기 전에 에이전트가 실제로 승인받았는지 확인합니다. Mastercard Agent Pay는 글로벌 네트워크 전반에서 같은 역할을 합니다. Stripe는 에이전트 거래마다 임시 카드 번호를 생성해 사용자의 실제 결제 정보가 리테일러에 전달되지 않도록 합니다.

모든 거래에는 무엇을, 어떤 에이전트가, 어떤 권한으로 구매했는지 기록이 남습니다. 결제 업계는 에이전트 뒤에 있는 사람뿐 아니라 에이전트 자체를 검증하는 방법도 개발하고 있습니다.

구매 후 지원

에이전트는 배송을 추적하고, 반품을 처리하고, 문제가 생기면 리테일러와 소통합니다. 재구매 에이전트는 사용량을 모니터링하고 사용자가 정한 범위 안에서 자동으로 재주문할 수 있습니다.

에이전트는 무엇을 언제 샀는지를 바탕으로 후속 구매도 파악해, 다시 검색하지 않아도 추천을 제공합니다.

산업별 에이전틱 커머스 활용 사례

에이전틱 커머스의 작동 원리는 산업마다 같습니다. 달라지는 것은 어디에 불편함이 있는지, 그리고 에이전트에게 어떤 일을 맡기는지입니다. 마케팅에서 에이전틱 AI를 활용하는 몇 가지 예를 소개합니다.

리테일 및 이커머스

리테일 분야의 에이전틱 커머스는 이미 반복 구매, 실시간 가격 비교, 채널 간 배송 조율처럼 불편함이 가장 큰 작업을 처리하고 있습니다.

에이전트의 역할:

• 생필품을 모니터링하고 정해진 예산 안에서 자동으로 재주문
• 구매 전 여러 리테일러의 가격을 실시간으로 비교
• 온라인 주문과 채널별 매장 픽업 가능 여부를 조율

브랜드의 기회: 고객의 선호도와 구매 이력을 아는 에이전트는 고객이 브랜드 채널을 다시 찾지 않아도 즉시 행동할 수 있습니다.

B2B 구매 및 공급망

B2B에서 에이전틱 커머스는 구매팀이 공급업체 관계, 가격, 공급 차질을 관리하는 방식을 바꾸고 있습니다. IBM에 따르면 구매 리더의 61%가 지정학적 리스크와 공급 리스크를 최대 우려 사항으로 꼽았고, 바로 이런 리스크에 실시간으로 대응하기 위해 에이전트 도입이 늘고 있습니다.

에이전트의 역할:

• 컴플라이언스 및 품질 기준에 따라 신규 공급업체를 자동으로 검증
• 사전 승인된 범위 안에서 물량 가격을 협상
• 공급 차질이 생기면 대체 조달처를 찾아 활성화

브랜드의 기회: 에이전트는 어떤 구매팀보다 빠르게 공급망 차질에 대응할 수 있습니다. 며칠 걸리던 결정을 이제 몇 분 만에 내립니다.

여행 및 숙박

여행 분야에서는 에이전트가 예약 과정 전체와 계획이 틀어지는 순간까지 처리합니다.

에이전트의 역할:

• 여행자의 조건과 선호도에 맞춰 항공편, 호텔, 교통편을 검색하고 예약
• 취소, 지연, 큰 폭의 가격 인하 등 상황이 바뀌면 자동으로 재예약
• 사전 승인된 한도 안에서 사람 개입 없이 환불 처리

브랜드의 기회: 재예약 순간이 고객 충성도를 얻거나 잃는 지점입니다. 여행자가 고객센터에 전화할 필요 없이 차질을 매끄럽게 해결하는 에이전트는 그 자체로 브랜드 경험이 됩니다.

디지털 구독

구독 서비스에서는 에이전트가 사용자를 대신해 사용량을 모니터링하고 요금제를 최적화하거나 서비스를 전환합니다.

에이전트의 역할:

• 요금제 한도 대비 사용량을 추적하고 과다 또는 과소 사용을 알림
• 실제 사용 데이터와 현재 가격을 바탕으로 요금제 변경을 추천
• 가격 대비 성능이 더 좋은 선택지가 있으면 서비스 전환을 시작

브랜드의 기회: 에이전트는 고객을 갱신하는 것만큼 쉽게 경쟁사로 옮길 수도 있습니다. 고객 유지는 확실히 더 나은 가치를 제공하는 데 달려 있습니다.

QSR 및 음식 배달

QSR 및 음식 배달 분야에서는 에이전트가 식단 계획, 멤버십 최적화, 정기 주문을 처리합니다.

에이전트의 역할:

• 가구의 선호도와 식이 조건에 맞춰 정기 주문을 계획하고 예약
• 주문 시 멤버십 포인트와 사용 가능한 혜택을 자동 적용
• 고객이 장바구니를 다시 채울 필요 없이 이전 주문을 재주문

브랜드의 기회: 에이전트가 이끄는 정기 주문은 예측 가능한 수요를 만들지만, API와 멤버십 데이터, 메뉴 정보를 기계가 접근할 수 있도록 구조화한 브랜드에만 해당합니다.

브랜드와 소비자를 위한 에이전틱 커머스의 이점

에이전틱 커머스는 소비자의 불편함을 줄이는 동시에 브랜드에 새로운 비즈니스 기회를 열어줍니다. 다음과 같은 이점이 있습니다.

1. 더 빠른 거래와 간편해진 결제

에이전트는 여러 단계를 거치는 결제의 불편함을 없앱니다. 양식 작성이나 반복 로그인 없이 결정하는 순간 바로 거래가 이루어집니다.

2. 확장 가능한 실시간 혜택 개인화

에이전트는 선호도, 사이즈, 과거 구매를 기억해 수작업 없이 퍼스널 쇼퍼 같은 경험을 제공합니다. 사람으로 이루어진 팀이라면 따라잡기 어려운 규모로 모든 상호작용을 개인에게 맞출 수 있습니다.

3. 검색 시간 단축과 더 나은 구매 결정

소비자는 여러 사이트를 비교하는 대신 자신의 조건에 맞게 걸러지고 근거가 있는 추천을 받습니다. 조사는 에이전트가 하고, 최종 결정은 소비자가 내립니다.

4. 새로운 상품 탐색 경로와 에이전트 상호작용의 수익화

브랜드는 불과 2년 전에는 없던 에이전트 생태계, LLM 기반 쇼핑 어시스턴트와 인터페이스를 통해 소비자에게 다가갈 수 있습니다. 이런 상호작용은 스폰서 추천부터 유료 에이전트 접근까지 새로운 수익 모델도 만듭니다.

5. 수작업 감독을 줄이면서 높이는 운영 정확도

에이전트는 규칙을 일관되게 적용하도록 설계되어, 사람이 피로로 인해 저지르는 수작업 오류의 위험을 크게 줄입니다. 복잡한 구매나 구독 관리를 운영하는 기업이라면 적은 수작업 감독으로도 프로세스를 정확하게 운영할 수 있습니다.

과제와 한계

에이전틱 커머스는 실질적인 기회를 만들지만, 브랜드, 리테일러, 결제 사업자가 아직 해결하고 있는 문제도 함께 가져옵니다.

데이터 준비

리테일러의 상품 카탈로그가 여러 시스템에 흩어져 있고 속성이 일관되지 않거나, 사양이 불완전하거나, 가격이 오래되었다면 AI 에이전트는 상품을 제대로 평가할 수 없습니다. 분산된 데이터는 노출과 상호 운용성을 모두 제한하며, 깔끔하고 표준화된 상품 정보에 접근하지 못하는 에이전트는 부정확한 결과를 내거나 해당 판매자를 아예 건너뜁니다.

내부적으로도 같은 문제가 생깁니다. 고객을 대신해 결정을 내리는 에이전트가 제 역할을 하려면 구매 이력, 선호도, 행동 신호, 멤버십 등급 같은 풍부하고 통합된 데이터에 접근해야 합니다. 데이터가 단절된 시스템에 있으면 에이전트는 불완전한 정보로 일하게 되고, 그 결정에도 그대로 반영됩니다.

소비자 신뢰

소비자는 아직 AI 에이전트에게 통제권을 넘기는 데 조심스럽습니다. IBM Institute for Business Value에 따르면 소비자의 83%가 개인정보, 데이터 오용, 원치 않는 마케팅을 우려합니다. Braze Retail Customer Engagement Review에서도 에이전트가 완전히 독립적으로 움직이도록 맡기겠다는 소비자는 10%에 불과해, 대다수가 여전히 대부분의 구매 결정에 직접 관여하고 싶어 하는 것으로 나타났습니다.

브랜드 노출 리스크

에이전트가 중개하는 거래가 늘수록 브랜드와 고객의 직접 접점은 줄어듭니다. 상품을 발견하는 순간, 둘러보는 경험, 결제 과정은 모두 브랜드가 친숙함과 선호도를 쌓는 지점입니다. Braze Retail Customer Engagement Review에 따르면 마케팅 리더의 71%가 에이전트 때문에 이미 고객과 직접 연결되는 역량이 약해졌다고 답했습니다.

레거시 인프라

기존 사기 탐지 및 결제 인증 시스템은 사람의 행동을 기준으로 만들어졌습니다. 구매 의도를 확인하고 이상 징후를 잡아내는 데 쓰는 탐색 패턴, 세션 시간, 기기 지문 같은 신호는 기계가 시작한 거래에 그대로 적용되지 않습니다. AI 중개자를 인식하고 신뢰하도록 이런 체계를 바꾸는 것은 업계 전반의 과제이며, 그래서 Google AP2와 Mastercard의 Know Your Agent 프로토콜 같은 표준이 결제 인프라와 함께 개발되고 있습니다.

브랜드가 에이전틱 커머스에 대비하는 방법

에이전틱 커머스 대비는 데이터 인프라, 고객 관계, 그리고 브랜드가 노출을 바라보는 방식까지 아우릅니다. 영역마다 필요한 투자는 다르지만, 모두 같은 방향을 가리킵니다.

상품 데이터 표준화

상품 데이터는 사람과 AI 에이전트 모두에게 유용해야 합니다. 완전하고 구조화된 속성, 정확한 실시간 재고, 표준화된 분류 체계가 있어야 에이전트가 상품을 찾고 평가하고 행동할 수 있습니다. 이것이 없으면 에이전틱 검색에서 상품이 보이지 않습니다.

개방형 API 연동

에이전트는 브라우저 세션이 아니라 프로그래밍 인터페이스로 거래합니다. 브랜드는 실시간 가격, 재고, 배송 데이터를 반환하는 잘 문서화된 API가 필요합니다. MCP와 ACP 프로토콜은 에이전트가 판매자 시스템에 연결되는 방식을 정의하지만, 그 바탕이 되는 데이터 인프라가 먼저 있어야 합니다.

고객과의 직접적인 관계에 투자

2026 Braze Customer Engagement Review에 따르면 소비자의 43%는 개인정보가 오용되면 해당 브랜드와의 소통을 완전히 끊겠다고 답했습니다. 에이전트가 중개하는 거래가 늘수록 브랜드가 신뢰를 쌓고 회복하는 직접 접점은 자연히 줄어들기 때문에, 지금 투자하는 고객 관계의 비즈니스 가치는 더욱 커집니다.

LLM 생태계와 연결되는 플랫폼 도입

AI 중개가 늘어날수록 인게이지먼트 계층은 더 중요해집니다. LLM 커머스 생태계와 연결되는 플랫폼을 쓰면 브랜드는 직접 구매 여정과 에이전트를 거치는 구매 여정 모두에서 존재감과 개인화를 유지할 수 있습니다. Braze AI 에이전트는 바로 이런 목적을 위해 만들어졌으며, Braze와 ChatGPT의 연동은 LLM 생태계 안에서 브랜드가 존재감을 갖는 모습을 보여주는 실제 사례입니다.

AI 시대에 맞게 노출 전략 다시 생각하기

생성형 엔진 최적화는 AI 에이전트가 콘텐츠를 찾고 평가하고 활용할 수 있도록 구조화하는 작업입니다. 기존 SEO가 클릭을 위해 최적화했다면, GEO는 에이전트의 선택을 위해 최적화합니다. 기계가 읽을 수 있는 상품 피드, 구조화된 메타데이터, LLM이 페이지를 방문하지 않고도 인용하고 활용할 수 있는 콘텐츠가 핵심입니다.

에이전틱 AI 이커머스 시대를 지원하는 Braze

Braze는 에이전틱 커머스를 인게이지먼트 과제로 봅니다. 거래가 AI 에이전트를 거쳐 이루어지는 상황에서도 Braze 플랫폼은 브랜드가 개인화와 존재감을 유지하고 고객 관계를 주도할 수 있는 도구를 제공합니다.

• BrazeAI Agent Console™: Agent Console은 콘텐츠를 생성하고, 데이터를 해석하고, 캠페인을 실시간으로 조정하는 AI 에이전트를 구축, 관리, 배포하는 중앙 집중형 환경입니다. 정적인 캠페인을 보내는 대신, 커스텀 에이전트가 고객별 행동, 구매 이력, 선호도를 바탕으로 개인 맞춤 메시지를 만들고 보냅니다.
• Braze SDK와 ChatGPT 연동: Braze와 ChatGPT의 연동으로 브랜드는 ChatGPT 인터페이스 안에서 바로 작동하는 커스텀 앱을 만들어, 가장 널리 쓰이는 AI 플랫폼 중 하나까지 브랜드 존재감을 넓힐 수 있습니다. 대화 안에서 인터랙티브 상품 캐러셀, 매장 정보, 개인화된 경험을 만들어, 소비자가 이미 AI로 정보를 찾고 결정하는 바로 그 순간에 다가갈 수 있습니다.
• BrazeAI Decisioning Studio™: Decisioning Studio는 강화 학습으로 고객별 최적의 행동을 자동으로 결정하고, 실시간 퍼스트파티 데이터를 바탕으로 채널, 메시지, 혜택, 타이밍, 빈도를 개인화합니다. 거래가 중개자를 거치더라도 브랜드 커뮤니케이션의 관련성과 적시성을 유지하는 인텔리전스 계층 역할을 합니다.
• BrazeAI Operator™: Operator는 대시보드 안에서 작동하는 어시스턴트로, 콘텐츠 제작과 개인화 로직 작성부터 고객 여정 전체 구축까지 Braze 안에서 직접 실행합니다. Agent Console에서 실행되는 에이전트도 만들 수 있어, 마케팅팀은 추가 기술 인력 없이도 더 고도화된 AI 기능을 활용할 수 있습니다.
• 크로스채널 오케스트레이션: 마케팅에서 에이전틱 AI가 브랜드 운영의 중심이 되어 가면서, Braze의 크로스채널 오케스트레이션은 이메일, 푸시, SMS, 인앱, 새로운 채널을 연결해 에이전트가 중개하는 거래와 함께 일관된 브랜드 관계를 유지합니다. 고객이 어디에 있든, 어떤 경로로 오든 인게이지먼트 계층은 그대로 유지됩니다.

맺음말과 핵심 요약

에이전틱 커머스는 구매 결정을 사람에서 AI 에이전트로 옮기고 있으며, 도입 속도는 대부분의 브랜드가 예상한 것보다 빠릅니다. Braze Retail Customer Engagement Review에 따르면 소비자의 에이전틱 쇼핑 이용률은 2026년 말까지 19%에서 46%로 늘어날 전망입니다.

지금 데이터를 통합하고, 기계가 읽을 수 있는 상품 피드를 만들고, 고객과의 직접적인 관계에 투자하는 브랜드는 에이전틱 커머스가 확대될수록 구조적인 우위를 갖게 됩니다.

에이전틱 커머스 시대에 브랜드의 위치를 결정하는 요소는 두 가지입니다. 첫째는 노출입니다. 기계가 읽을 수 있는 상품 데이터, 구조화된 속성, 생성형 엔진 최적화가 있어야 에이전트가 상품을 찾고 평가할 수 있습니다. 둘째는 거래 너머의 관계입니다. 에이전트가 중개하지 않는 영역인 개인화, 크로스채널 메시징, 고객과의 직접적인 신뢰입니다.

AI가 고객의 주요 인터페이스가 되어 가면서 말이죠. 이 인게이지먼트 계층의 비즈니스 비중은 점점 커지고 있습니다. 지금 여기에 투자하는 브랜드는 에이전트가 복제할 수 없고 경쟁사가 쉽게 대체할 수 없는 자산을 쌓고 있습니다.