2026년 에이전틱 커머스: OpenAI의 실패가 의미하는 바가 아닌 것

에이전틱 커머스는 죽지 않았습니다. 지금 프로덕션에서 운영 중입니다. 미국인의 23%가 지난 달 AI를 통해 무언가를 구매했습니다. 그러나 2026년 3월 OpenAI의 인스턴트 체크아웃 실패는 대부분의 보도가 놓친 것을 드러냈습니다: 병목 현상은 기술이 아닙니다. 인프라입니다.

아마도 읽은 내용은 다음과 같을 것입니다: “OpenAI는 ChatGPT에서 직접 체크아웃을 구축하려고 했는데 실패했으므로 에이전틱 커머스는 막다른 골목 과대 광고 주기입니다.” 이것은 불완전합니다. 실제로 일어난 일은 훨씬 더 흥미롭습니다. 그리고 실제 제약을 이해하는 판매자에게 더 실행 가능합니다.

이 게시물은 OpenAI의 실패가 시장 구조에 대해 실제로 드러내는 것, 현재 프로덕션에서 작동하는 솔루션, 그리고 판매자가 다음 3-5년에 에이전트 기반 트래픽을 과도하게 포착하기 위해 투자해야 할 사항을 다룹니다.

OpenAI의 인스턴트 체크아웃에 실제로 일어난 일(그리고 왜 중요한가)

OpenAI는 2025년 9월에 Stripe와 함께 에이전틱 커머스 프로토콜(ACP)을 출시했으며 AI 대 커머스 통합의 표준으로 위치시켰습니다. 2026년 3월까지 앱 기반만으로 축소되었으며 직접 체크아웃에서 약 12개의 Shopify 판매자만 실행 중입니다. 내러티브는 다음과 같이 되었습니다: “에이전틱 커머스 실패.”

하지만 Shopify 회장 Harley Finkelstein은 중요한 말을 했습니다: 병목 현상은 AI 회사 쪽에 있으며 판매자 쪽이 아닙니다. 판매자는 준비되었습니다. 문제는 구조적이었습니다.

프로토콜 기반 체크아웃이 내장된 차단 장치를 가진 이유

OpenAI의 실패는 독특하지 않았습니다. 아키텍처 방식을 고려하면 불가피했습니다. 프로토콜 기반 체크아웃(ACP 및 UCP)에는 다음이 필요합니다:

1. 판매자 선택 참여 — 판매자가 프로토콜을 통합해야 합니다
2. 실시간 데이터 동기화 — 거래 시간에 재고가 최신이어야 합니다
3. 사기 보안 조치 — 시스템이 에이전트 기반 사기를 탐지하고 방지해야 합니다
4. 세금/배송 사전 계산 — 체크아웃 전에 모든 비용을 알아야 합니다

이들 각각은 개별적으로 해결 가능합니다. 결합하면 선택 참여 시스템이 극복할 수 없는 조정 문제를 만듭니다.

세 가지 구조적 차단(OpenAI 특정이 아님)

재고 동기화 실패

수천 개의 판매자 간 실시간 재고 동기화는 들리는 것보다 기하급수적으로 어렵습니다. 에이전트가 ChatGPT에서 제품을 검색할 때 카탈로그 스냅샷을 쿼리합니다. 에이전트가 카트를 구축하고 체크아웃을 시도할 때까지 재고가 변경되었습니다.

실제로 일어난 일: 에이전트는 ChatGPT에 나열된 제품을 찾았지만 실제로는 품절되었습니다. 고객은 체크아웃에 도달하고 “품절” — 거래 중단, 고객 불만, 에이전트 비난을 봅니다.

이것이 어려운 이유:

• 재고 시스템은 크게 다릅니다(레거시 POS, Shopify, 사용자 정의 데이터베이스)
• 다중 채널 설정에서 5-30분의 동기화 지연이 일반적입니다
• 다중 창고 재고 할당은 복잡합니다
• 반품 처리는 유령 재고 문제를 만듭니다

데이터는 이를 뒷받침합니다: 42%의 고객이 불충분한 제품 정보로 인해 구매를 중단합니다(Mirakl), 불량한 데이터 품질은 평균적으로 기업에 연간 1500만 달러의 비용을 초래합니다.

판매세 수집 격차

OpenAI는 2026년 2월까지 주 판매세를 계산하고 송금할 시스템을 구축하지 못했습니다. 출시 후 6개월입니다. 이것은 작은 문제가 아닙니다.

미국에는 10,000개 이상의 세금 관할권이 있습니다. 요금은 제품 범주, 위치 및 구매자 상태에 따라 다릅니다. 잘못하면 막대한 책임이 발생합니다. OpenAI는 이를 해결하지 않고 직접 체크아웃을 배송할 수 없었지만 이를 해결하려면 세금 서비스(TaxJar, Avalara)와의 통합이 필요했으며 구현 및 테스트에 몇 개월이 걸립니다.

제품 데이터 표준화

판매자 제품 데이터는 일관성이 없고 오래되었습니다. 일반적인 문제:

• 유령 재고(시스템에는 재고가 표시되지만 물리적으로 존재하지 않음)
• 과잉 판매(반품 후 음수 재고)
• 예약된 것 대 사용 가능한 것의 혼동
• 번들 구성 요소 불일치

에이전트는 소스 데이터가 이렇게 복잡할 때 실제로 사용 가능한 것을 안정적으로 결정할 수 없습니다. 그리고 이를 정리하는 것은 OpenAI 문제가 아닙니다.

사용자가 ChatGPT에서 조사했지만 다른 곳에서 구매한 이유

체크아웃이 작동했을 때도 사용자는 변환하지 않았습니다. 전자상거래 세션의 0.2% 미만이 ChatGPT 참조에서 오며 이들은 제휴 링크보다 86% 더 나쁘게 변환됩니다(Kaiser & Schulze).

왜? 사용자는 ChatGPT에서 조사했지만 신뢰할 수 있는 체크아웃 플로우에서 구매를 완료했습니다. 습관. 신뢰. 약정하기 전에 주문을 검토하려는 욕구. 기본 장바구니 포기율은 70%입니다(Baymard Institute). 낯선 체크아웃 인터페이스를 추가하면 더 나빠집니다.

이것은 기술 문제가 아니라 사용자 행동 문제입니다. 그리고 ChatGPT에만 국한되지 않습니다. 모든 새로운 체크아웃 플로우의 근본적인 과제입니다.

에이전틱 커머스는 이미 작동 중입니다. 두 가지 다른 방식으로

다음은 대부분의 보도가 놓치는 것입니다: 에이전틱 커머스는 완벽한 프로토콜을 기다리지 않습니다. 시장은 각각 다른 문제를 해결하는 두 가지 상호 보완적 레이어로 분기되었습니다.

레이어 1: 프로토콜 기반 체크아웃(ACP 및 UCP)

프로토콜 기반 접근 방식은 에이전트가 호출할 수 있는 표준 인터페이스를 정의합니다. OpenAI/Stripe가 ACP를 구축했습니다. Google/Shopify가 UCP(범용 커머스 프로토콜)를 구축했습니다. 둘 다 2026년 초에 출시되었으며 둘 다 작동합니다. 하지만 특정 맥락에서입니다.

Shopify의 에이전틱 스토어프론트가 작동하는 방식

Shopify는 완벽한 프로토콜 채택을 기다리지 않았습니다. 대신 에이전트와 판매자 사이에 앉아 통합 작업을 처리하는 에이전틱 스토어프론트 레이어를 구축했습니다.

아키텍처는 다음과 같습니다: 고객이 ChatGPT를 사용하여 제품을 검색할 때 Shopify의 카탈로그 API를 쿼리합니다. 구매하려면 ChatGPT의 체크아웃이 아닌 Shopify의 체크아웃으로 리디렉션됩니다. Shopify는 재고 동기화, 세금 계산 및 사기 탐지를 처리합니다. 판매자는 아무것도 할 필요가 없습니다.

2026년 3월 현재 수백만 개의 Shopify 판매자가 에이전틱 스토어프론트에 적합합니다. ACP에 직접 선택 참여할 필요가 없습니다. Shopify가 처리합니다.

Google의 UCP 아키텍처(ACP보다 더 나은 설계)

Google의 범용 커머스 프로토콜은 ACP보다 더 정교합니다. 단일 체크아웃 플로우 대신 UCP는 계층화된 기능을 정의합니다:

• 쇼핑 서비스 — 에이전트 발견 및 기능 협상 처리
• 기능 — 체크아웃, 카탈로그, 주문, 이행, 결제, 신원 연결(2026년 3월의 새로운 기능), 장바구니 관리(2026년 4월의 새로운 기능)
• 확장 — 중앙 승인 없이 사용자 정의 통합

주요 아키텍처 차이: UCP의 “우아한 핸드오프” 메커니즘. 에이전트가 기능 격차(예: 쿠폰 코드를 적용할 수 없음)에 도달하면 판매자가 continue_url로 응답합니다. 에이전트는 내장된 체크아웃을 렌더링하고 사용자는 나머지 단계를 완료하며 거래는 중단되지 않습니다. 마찰점에서 인간으로 에스컬레이션됩니다.

이것은 격차에 도달할 때 완전히 실패하는 경향이 있는 ACP의 접근 방식보다 낫습니다.

ChatGPT 체크아웃에서 12개의 Shopify 판매자만 실행된 이유

프로토콜이 작동합니다. 하지만 판매자가 적극적으로 통합해야 하기 때문에 채택이 제한됩니다. Shopify 에이전틱 스토어프론트는 자동으로 만들어 이를 해결하지만 직접 ACP 통합에는 여전히 판매자 작업이 필요합니다.

실행된 약 12명의 판매자는 초기 채택자였습니다. 대부분의 판매자는 다음을 기다리고 있습니다:

1. 에이전트 기반 트래픽이 가치 있다는 증거(규모에서 아직 증명되지 않음)
2. 플랫폼 통합이 자동이 됨(Shopify가 이를 해결했으며 다른 것은 해결하지 못했음)
3. 사기 및 데이터 품질 문제가 해결됨

프로토콜 기반 체크아웃이 실제로 작동하는 곳

실제 승리는 대규모 통합 소매업체입니다:

• Instacart — 앱 기반, Instacart가 에이전트와 판매자 경험을 모두 제어하기 때문에 잘 작동합니다
• Target — 앱 기반, Target이 전용 앱을 구축했기 때문에 작동합니다
• Expedia — 앱 기반, Expedia가 전체 플로우를 제어하기 때문에 작동합니다
• Booking.com — 앱 기반, 예약 시스템이 소매 체크아웃보다 간단하기 때문에 작동합니다

패턴: 프로토콜 기반 체크아웃은 단일 회사가 거래의 양쪽을 제어할 때 작동합니다. 독립적인 당사자 간의 조정이 필요할 때는 어려움을 겪습니다.

레이어 2: 범용 체크아웃 인프라

한편 완전히 다른 접근 방식이 승리하고 있습니다: 판매자 통합을 요구하지 않는 범용 체크아웃 인프라입니다.

Rye가 판매자 채택 병목 현상을 해결하는 방법

Rye(및 유사한 플랫폼)는 다른 아키텍처를 사용합니다: 에이전틱 브라우저 자동화. 판매자에게 프로토콜을 통합하도록 요청하는 대신 Rye의 에이전트는 인간처럼 실시간 체크아웃 플로우를 탐색합니다.

이것이 중요한 이유:

1. 판매자 통합 필요 없음 — 체크아웃이 있는 모든 사이트에서 작동합니다
2. 실시간 데이터 — 오래된 카탈로그가 아닌 실시간 체크아웃 페이지를 읽습니다
3. 내장된 사기 완화 — 주거용 프록시, 지리적 근접 매칭 및 인간과 유사한 상호 작용 프로필을 사용합니다

Rye는 판매자에게 선택 참여를 요청하지 않습니다. 프로토콜 지원이 필요하지 않습니다. 기존 인프라와 함께 작동합니다.

통합 없이 15,000개 이상의 판매자가 실행 중입니다

2026년 3월 현재 Rye는 15,000개 이상의 판매자를 실행 중입니다. 이들 판매자가 통합했기 때문이 아닙니다. 그들은 하지 않았습니다. Rye의 에이전트가 기존 체크아웃 플로우를 탐색할 수 있기 때문입니다.

지표: 99.9% 주문 완료율, Shopify/Amazon에서 5초 미만의 체크아웃. 실제 사용이 입증됩니다. OpenClaw 사용자는 실시간으로 구매하고 있습니다(Retailgentic 팟캐스트 참조).

이 접근 방식이 프로토콜이 실패하는 곳에서 작동하는 이유

Rye는 OpenAI의 인스턴트 체크아웃을 죽인 세 가지 차단을 해결합니다:

1. 판매자 채택 병목 현상 없음 — 통합 없이 기존 체크아웃 플로우와 함께 작동합니다
2. 실시간 데이터 — 구매 시점에 실시간 체크아웃 페이지를 읽어 실제 재고 상태를 포착합니다
3. 내장된 사기 완화 — 판매자 선택 참여에 의존하지 않습니다. 프록시 네트워크 및 행동 분석을 사용합니다

또한 ACP가 도달할 수 없는 Amazon도 포함합니다. Amazon은 명시적으로 약관에서 외부 에이전트를 차단합니다. Rye는 인간 체크아웃 동작을 시뮬레이션하여 이를 해결합니다.

비즈니스 성장 준비가 되셨나요?

오늘 무료 평가판을 시작하고 며칠 내로 결과를 확인하세요.

데모 요청 로그인

에이전틱 커머스의 실제 차단(스포일러: 기술이 아님)

기술이 작동하고 판매자가 준비되어 있다면 실제로 채택을 막는 것은 무엇입니까? 인프라 격차입니다.

재고 동기화 실패: $11,000 할인 재앙

실제 예는 다음과 같습니다: 판매자가 고객이 AI 에이전트를 설득하여 $11,000 주문에 대한 할인을 25%에서 80%로 에스컬레이션한 사례를 보고했습니다. 에이전트가 거래를 실행했습니다. 판매자는 수만 달러를 잃었습니다.

이것은 기술 실패가 아닙니다. 데이터 품질 실패입니다. 에이전트는 할인 코드에 액세스했지만 의도된 범위에 대한 컨텍스트가 없었습니다. 판매자의 시스템은 유효성 검사 없이 에스컬레이션을 허용했습니다. 에이전트는 비즈니스 로직을 이해하지 않고 실행했습니다.

이것은 프로덕션의 많은 재고 관련 실패 모드 중 하나입니다:

판매세 수집 격차

이것은 여전히 많은 플랫폼에서 해결되지 않은 문제입니다. 미국에는 10,000개 이상의 세금 관할권이 있습니다. 요금은 다음에 따라 다릅니다:

• 제품 범주(디지털 대 물리적, 의류 대 기타)
• 위치(주, 카운티, 도시)
• 구매자 상태(재판매자, 비영리 등)

대부분의 플랫폼은 이제 TaxJar 또는 Avalara API를 사용하여 에이전트가 카트를 구축하기 전에 세금을 사전 계산합니다. 하지만 이것은 200-500ms 지연을 추가하고 판매자 설정이 필요합니다. 모든 판매자가 이 서비스를 통합한 것은 아닙니다.

제품 데이터 품질(42%의 고객이 불량 정보로 인해 포기)

이것은 가장 크고 가장 해결 가능한 차단입니다. 제품 데이터가 불완전하거나 일관성이 없을 때 에이전트는 좋은 추천을 할 수 없습니다. 에이전트가 추천할 수 없으면 변환이 떨어집니다.

“불량한 제품 데이터"의 모습:

• 누락된 속성(크기, 색상, 재료, 무게)
• 채널 간 설명의 불일치
• 오래된 이미지
• 유령 재고(시스템에는 재고가 표시되지만 존재하지 않음)
• 과잉 판매(반품 후 음수 재고)

영향: 42%의 고객이 불충분한 제품 정보로 인해 구매를 포기합니다. 이것은 에이전트 특정이 아닙니다. 에이전트가 증폭시키는 일반적인 전자상거래 문제입니다.

인간 행동이 아닌 에이전트에 대해 훈련된 사기 탐지 시스템

판매자 사기 탐지 시스템은 인간 패턴에 대해 훈련됩니다: 일반적인 구매 금액, 지리적 일관성, 기기 지문 등. 에이전트는 이 패턴을 따르지 않습니다.

에이전트 트리거 거짓 긍정의 예:

• 비정상적인 지역에서 구매(데이터 센터의 에이전트; 다른 위치의 사용자)
• 비정상적인 구매 패턴(동일한 항목 10개 구매)
• 빠른 순차 구매(에이전트가 다양한 옵션 테스트)
• 비정상적인 결제 방법(예상치 못한 위치에서 저장된 카드를 사용하는 에이전트)

판매자의 시스템이 이를 사기로 표시합니다. 거래가 거부됩니다. 에이전트와 사용자 모두 실패를 봅니다.

솔루션(Rye에서 사용): 인간 IP 패턴을 시뮬레이션하는 주거용 프록시 네트워크, 지리적 근접 매칭, 행동 분석. 하지만 이것은 판매자 선택 참여 또는 판매자 사기 시스템을 해결하는 인프라가 필요합니다.

측정 맹점(판매자가 에이전트 기반 검색을 볼 수 없음)

중요한 문제가 있습니다: 판매자가 에이전트 기반 트래픽을 측정할 수 없습니다.

고객이 ChatGPT를 통해 구매할 때 판매자는 참조자가 없는 주문을 봅니다. 그들은 고객이 에이전트에 의해 참조되었는지 알 수 없습니다. ChatGPT 내에서 발생했기 때문에 발견 여정을 추적할 수 없습니다.

이것은 측정 문제를 만듭니다:

• 판매자는 에이전트 기반 트래픽의 ROI를 평가할 수 없습니다
• 판매자는 에이전트 발견을 위해 최적화할 수 없습니다
• 판매자는 에이전트에 수익을 속할 수 없습니다

UCP의 카탈로그 API가 도움이 됩니다. 에이전트가 제품을 쿼리하는 표준화된 방법을 제공하며 판매자는 이 쿼리를 볼 수 있습니다. 하지만 대부분의 판매자는 아직 이를 사용하지 않습니다.

판매자가 실제로 프로덕션에서 이 문제를 해결하는 방법

인프라 격차는 실제이지만 해결 가능합니다. 판매자가 실제로 하고 있는 일은 다음과 같습니다.

실시간 재고 동기화

금본위: 웹훅 기반 업데이트. 주문이 배치되면 재고가 즉시 감소됩니다. 에이전트는 실시간 재고 상태를 쿼리합니다.

구현:

• 주문 배치에 웹훅 트리거
• 30초 TTL의 캐시 레이어
• 캐시 미스 시 API 호출로 폴백
• 조정 작업이 매일 밤 실행됩니다

프로덕션에서 사용되는 도구:

• Sumtracker — Shopify, Amazon, Etsy, eBay 간 실시간 동기화
• Shopify 재고 API — 네이티브 Shopify 솔루션
• 사용자 정의 웹훅 핸들러 — 사용자 정의 시스템이 있는 판매자의 경우

지표: 과잉 판매를 95% 감소시키지만 안정화하는 데 60일 이상 필요합니다.

세금 계산 사전 비행

에이전트가 카트를 구축하기 전에 제3자 API를 사용하여 세금을 계산합니다.

구현:

• 에이전트가 항목 및 배달 주소를 지정합니다
• TaxJar 또는 Avalara API 호출
• 해당 관할권에 대한 세금 금액 받기
• 최종 가격 견적에 세금 포함
• 체크아웃에서 검증

도구:

• TaxJar — 대부분의 판매자가 이를 사용합니다
• Avalara — 엔터프라이즈 옵션
• 주별 API — 특수한 경우의 경우

지표: 놀라운 세금을 제거하고 200-500ms 지연을 추가합니다.

사기 완화 프록시

Rye의 접근 방식: 주거용 프록시 네트워크를 사용하여 인간 체크아웃 동작을 시뮬레이션합니다.

구현:

• 주거용 프록시 네트워크(데이터 센터 IP 아님)
• 지리적 근접 매칭(주문 위치 대 IP 위치)
• 인간과 유사한 상호 작용 패턴(마우스 이동, 입력 속도, 동작 간 지연)
• 기기 지문
• 행동 분석

결과: 주문이 사기로 표시되지 않습니다. 99.9% 성공률입니다.

이것은 들리는 것보다 더 정교합니다. 판매자의 사기 시스템은 에이전트 패턴을 탐지할 수 있습니다(너무 빠르고, 너무 일관되고, 비정상적인 지역). Rye의 솔루션은 에이전트를 인간처럼 보이게 만듭니다.

우아한 에스컬레이션(UCP 표준)

차단에 도달할 때 실패하는 대신 우아하게 에스컬레이션합니다.

UCP의 임베디드 체크아웃 프로토콜(ECP):

1. 에이전트가 자율 체크아웃을 시도합니다
2. 기능 격차가 감지되면 → requires_escalation 상태
3. 판매자가 continue_url을 반환합니다
4. 에이전트가 임베디드 체크아웃을 렌더링합니다
5. 사용자가 나머지 단계를 완료합니다
6. 거래가 중단되지 않습니다

도구:

• UCP 임베디드 체크아웃 프로토콜 — 표준
• Shopify 체크아웃 키트 — Shopify 구현
• 사용자 정의 구현 — 다른 플랫폼의 경우

이것은 실패하는 경향이 있는 ACP의 접근 방식보다 낫습니다. 에스컬레이션됩니다. 거래가 완료되고 마찰점에서 인간 관여를 합니다.

데이터 품질 투자(경쟁 우위로서의 구조화된 제품 데이터)

에이전틱 커머스에서 승리하는 판매자는 데이터 품질에 투자합니다. 완전하고 구조화된 제품 데이터:

• 에이전트의 추천을 개선합니다
• 장바구니 포기를 줄입니다
• 검색 순위를 개선합니다
• 개인화를 활성화합니다

도구:

• Shopify Sidekick — AI 기반 제품 설명 생성
• Hypotenuse AI — 콘텐츠 생성(Volcom은 콘텐츠 생성을 5-6개월에서 4-6주로 단축했습니다)
• Amazon 자동 생성 속성 — 70% 이상의 제품 속성이 이제 자동 생성됩니다
• 사용자 정의 데이터 파이프라인 — 대규모 카탈로그가 있는 판매자의 경우

투자 보상: 더 나은 에이전트 추천, 더 높은 변환, 더 많은 에이전트 기반 트래픽.

뉴스레터 가입

최신 팁, 트렌드 및 특가 정보를 무료로 받아보세요.

이메일 주소

구독

규제 환경: EU 대 US

에이전틱 커머스는 진공 상태에서 존재하지 않습니다. 규제가 따라잡고 있으며 대서양의 양쪽에서 매우 다릅니다.

PSD3의 개방형 뱅킹 위임(EU의 게임 체인저)

EU의 결제 서비스 지침 3(PSD3)은 2026년 4월 28일에 시행되었습니다. 에이전틱 커머스의 게임 체인저입니다.

PSD2에서 PSD3로의 주요 변경:

게임 체인저: 개방형 뱅킹 쓰기 액세스. 에이전트는 이제 저장된 카드가 아닌 당좌 계좌에서 직접 결제를 개시할 수 있습니다. 이것은 다음에 큽니다:

• 에이전트 간 커머스(에이전트 A가 에이전트 B의 스토어에서 구매)
• 실시간 결제 개시
• 국경 간 거래

하지만 마찰도 만듭니다: PSD3은 강화된 인증(SCA + 생체 인식/행동)을 요구합니다. 에이전트는 안면 인식, 지문 요구사항을 처리해야 합니다. 이것은 해결 가능하지만 복잡성을 추가합니다.

US 단편화(FTC + 주 수준 + 플랫폼 규칙)

미국에는 통합 프레임워크가 없습니다. 대신 다음이 있습니다:

FTC 수준:

• 불공정/기만적 관행에 대한 관할권
• 최근 집행: “AI 기반 전자상거래 제국"을 거짓으로 주장하는 비즈니스 기회 계획 혐의
• 정책 기한: Trump 행정 명령을 위한 2026년 3월 11일 AI 정책 성명
• 집행 추세: 커머스의 AI에 대한 집행 강화

FTC의 초점 영역:

• AI 의사 결정의 투명성
• 자동화된 거래에서의 사기 방지
• 에이전트 중개 커머스의 데이터 개인정보 보호
• AI 챗봇 성명에 대한 책임(Air Canada 선례: 회사는 챗봇이 말하는 것에 법적으로 책임이 있습니다)

주 수준:

• 캘리포니아: AI 투명성 요구사항(GDPR과 유사)
• 콜로라도, 코네티컷, 버지니아: AI 함의가 있는 주 개인정보 보호 법
• 통합 표준 없음. 국가 판매자에게 규정 준수 복잡성을 만듭니다

플랫폼별 규칙(규제보다 더 제한적):

역설: Etsy는 가장 제한적인 플랫폼이지만 OpenAI의 ACP와 Google의 UCP 모두의 출시 파트너입니다. 그들은 헤징하고 있습니다. 프로토콜을 지원하면서 “상거래를 인간으로 유지” 브랜드 위치를 유지합니다.

책임 질문(에이전트가 사기를 저질렀을 때 누가 책임인가?)

이것은 여전히 미국에서 정의되지 않았습니다. 에이전트가 사기를 저질렀을 때(예: 판매자를 속여 무단 환불) 누가 책임인가?

• 판매자(주문을 수락한 사람)?
• 에이전트 플랫폼(에이전트를 구축한 사람)?
• 결제 처리자(거래를 처리한 사람)?
• 은행(결제를 승인한 사람)?

EU의 PSD3은 더 명확한 공유 책임 모델을 가지고 있습니다. US는 여전히 이를 파악하고 있습니다. 모범 사례: 책임을 정의하는 명확한 서비스 약관.

시장 현실: 채택률 및 성과 격차

숫자는 혼동스럽습니다. 두 가지 다른 이야기를 말하기 때문입니다.

소비자 채택은 실제입니다

• 39% 소비자가 제품 발견을 위해 AI를 사용합니다(Salesforce)
• 84% Gen Z가 구매를 위해 AI를 사용할 가능성이 있습니다(Shopify)
• 23% 미국인이 지난 달 AI를 통해 무언가를 구매했습니다(Morgan Stanley)
• 805% 2025년 블랙 프라이데이 US 소매 사이트에 AI 트래픽의 연간 증가(Adobe)
• 20% 2025년 사이버 주간 동안 AI 에이전트의 영향을 받은 글로벌 주문(Salesforce)

이 숫자들은 큽니다. 소비자 수요는 실제입니다.

하지만 변환이 극적으로 뒤떨어집니다

• 0.2% ChatGPT의 전자상거래 세션(Kaiser & Schulze)
• 86% 제휴 링크보다 더 나쁜 변환(Kaiser & Schulze)
• 4.4배 AI 추천 대 기존 검색의 더 높은 변환(McKinsey)

여기 퍼즐이 있습니다: 소비자가 발견을 위해 AI를 사용하지만 규모에서 변환하지 않습니다. 그리고 아직도 AI 추천은 기존 검색보다 4.4배 더 높은 변환을 합니다.

차이점은 무엇입니까? 발견 대 추천. 소비자가 ChatGPT에서 제품을 발견할 때 포기합니다. 판매자의 자신의 추천 엔진이 AI를 사용할 때 변환이 높습니다.

이것은 인프라 격차를 다시 지적합니다: 문제는 에이전트 기능이나 소비자 수요가 아닙니다. 측정, 데이터 품질 및 체크아웃 경험입니다.

인프라 격차, 수요 격차 아님

시장은 준비되었습니다. 소비자는 준비되었습니다. 판매자는 준비되었습니다. 누락된 것:

1. 측정 — 판매자가 에이전트 기반 트래픽을 볼 수 없습니다
2. 데이터 품질 — 제품 데이터가 일관성이 없고 오래되었습니다
3. 체크아웃 경험 — 새로운 체크아웃 플로우는 포기율이 더 높습니다
4. 사기 보안 조치 — 시스템이 에이전트 동작을 위해 조정되지 않았습니다

이를 수정하면 변환이 따라올 것입니다.

이것이 귀사의 비즈니스를 의미하는 바

인프라 격차는 3-5년의 이점 윈도우를 만듭니다. 지금 투자하는 판매자는 인프라가 표준화되기 전에 에이전트 기반 트래픽을 과도하게 포착할 것입니다.

판매자인 경우: 데이터 품질이 경쟁 우위입니다

구조화된 제품 데이터에 투자하세요. 완전하고 일관되고 실시간 재고입니다. 이것은 기술 문제가 아닙니다. 데이터 문제입니다.

깨끗한 데이터가 있는 판매자:

• 더 나은 에이전트 추천을 받습니다
• 더 낮은 장바구니 포기를 봅니다
• 에이전트 발견에서 더 높은 순위입니다
• 더 많은 에이전트 기반 트래픽을 포착합니다

투자: 카탈로그 크기에 따라 $10-100K입니다. 보상: 경쟁자가 따라잡기 전에 3-5년의 이점입니다.

플랫폼인 경우: 인프라 투자가 프로토콜 전도를 이깁니다

더 나은 인프라(실시간 재고, 사기 탐지, 데이터 품질 도구) 구축은 프로토콜 전도보다 더 많은 가치를 만듭니다. Shopify는 이를 이해했습니다. 판매자 ACP 채택을 기다리는 대신 에이전틱 스토어프론트를 구축했습니다.

스타트업인 경우: 전자상거래의 긴 꼬리가 미흡합니다

Rye의 범용 체크아웃에 15,000개 이상의 판매자입니다. 수백만 개가 Shopify 에이전틱 스토어프론트에 적합합니다. 하지만 대부분의 판매자는 에이전트 기반 트래픽을 위해 적극적으로 최적화하지 않습니다. 긴 꼬리는 미흡합니다.

기회:

• 에이전트 준비를 위한 데이터 품질 도구
• 에이전트 행동을 위해 조정된 사기 탐지
• 에이전트 기반 트래픽에 대한 측정 및 속성
• 재고 동기화 및 실시간 데이터 인프라

3-5년의 이점 윈도우

인프라는 결국 표준화될 것입니다. 프로토콜은 수렴할 것입니다. 데이터 품질 도구는 상품이 될 것입니다. 하지만 그것은 3-5년 떨어져 있습니다. 이 문제를 먼저 해결하는 판매자는 에이전트 기반 트래픽을 과도하게 포착할 것입니다.

이것은 타이밍 이점이지 영구적인 해자가 아닙니다. 하지만 전자상거래에서 3-5년은 중요합니다.

자주 묻는 질문

FAQ 섹션은 프론트매터 항목에서 자동 렌더링됩니다. 모든 Q&A는 위를 참조하세요.

{{ cta-dark-panel heading=“에이전틱 커머스 워크플로우 자동화” description=“FlowHunt는 실시간 재고 동기화, 사기 탐지 튜닝 및 데이터 품질 자동화를 통해 에이전트 준비 인프라를 구축할 수 있도록 도와줍니다.” ctaPrimaryText=“지금 시도해보세요” ctaPrimaryURL=“https://app.flowhunt.io/sign-in" ctaSecondaryText=“데모 예약” ctaSecondaryURL=“https://www.flowhunt.io/demo/" gradientStartColor="#3b82f6” gradientEndColor="#8b5cf6” gradientId=“agentic-commerce-gradient” }}

실제 기회

에이전틱 커머스는 실제이며 프로덕션에서 운영 중입니다. OpenAI의 실패는 에이전틱 커머스의 실패가 아니었습니다. 선택 참여 조정이 필요한 프로토콜 의존 접근 방식의 실패였습니다.

시장은 두 가지 상호 보완적 레이어로 분기되었습니다:

1. 프로토콜 기반 체크아웃(ACP/UCP) — 대규모 통합 소매업체에서 잘 작동합니다
2. 범용 체크아웃 인프라 — 전자상거래의 긴 꼬리에서 잘 작동합니다

병목 현상은 기술이 아닙니다. 인프라입니다: 데이터 품질, 실시간 재고, 측정 및 책임 명확성입니다.

지금 데이터 품질에 투자하는 판매자는 다음 3-5년 동안 에이전트 기반 트래픽을 과도하게 포착할 것입니다. 2030년 인프라가 표준화되면 이 이점은 사라집니다. 하지만 지금은 인프라 격차를 해결하려는 사람이라면 누구나 사용할 수 있습니다.

시장이 움직이고 있습니다. 2025년 $5.71억 → 2033년 $65.47억 35.7% CAGR(Grand View Research). 소비자 채택은 실제입니다: 39%는 발견을 위해 AI를 사용하고, 23%는 지난 달 AI를 통해 구매했습니다. 에이전틱 커머스가 오는지 여부는 문제가 아닙니다. 이미 여기입니다.

문제는 당신이 준비되어 있는지입니다.