서론

검색창은 오늘날 우리가 아는 이커머스 산업을 만든 근간이었습니다. 키워드를 입력하고, 결과 목록을 훑어보고, 가격으로 필터링하는 방식 - 지난 20년간 거의 변하지 않은 모델입니다. 그러나 이 모델은 이제 무너지고 있습니다. 소비자들은 점점 더 자연스러운 언어로 원하는 바를 설명하고, 비교와 필터링, 추천을 AI 도우미에게 맡기고 있습니다. 이는 더 이상 소수의 특이한 행동이 아니라, 트래픽 데이터와 유통업체의 예산 배분, 그리고 기업의 AI 투자 규모를 통해 명확히 측정되는 흐름입니다. 다만 이러한 전환은 기업마다 속도가 다릅니다. 일부 조직은 이 변화를 실제 매출로 전환하고 있는 반면, 대다수는 프로덕션 단계에 도달하지 못한 파일럿 프로젝트에 머물러 있습니다. 이 글에서는 이러한 격차를 뒷받침하는 검증된 데이터를 살펴봅니다 - 무엇이 키워드 검색으로부터의 이탈을 이끌고 있는지, 왜 일부 기업은 확실한 성과를 내고 있는지, 그리고 과장된 기대를 걷어냈을 때 이커머스 분야의 생성형 AI가 실제로 만들어내는 비즈니스 가치는 무엇인지 짚어보겠습니다.

2026년 AI ROI를 이끄는 7가지 검증된 요인 - 1,000명 이상의 임원 대상 설문 결과. 여기에서 최신 인사이트를 확인해 보세요! 

키워드 기반 상품 검색의 조용한 붕괴

기존 이커머스 검색은 소비자가 이미 무엇을 입력해야 할지 알고 있다는 전제 위에 설계되었습니다. 그러나 이 전제는 더 이상 유효하지 않습니다. 오늘날 소비자들은 모호하거나, 비교 중심적이거나, 대화체의 의도를 가지고 검색에 나섭니다 - 예를 들어 "습한 기후에서 하이킹할 때 입을 150달러 이하의 방수 재킷"과 같은 질의는 키워드 색인 방식으로는 제대로 처리하기 어렵지만, 대형 언어 모델은 이를 자연스럽게 이해하고 처리할 수 있습니다.

데이터는 이러한 변화를 명확하게 보여줍니다:

• Capital One Shopping의 2026년 소비자 조사에 따르면, 소비자의 58%가 상품 추천을 받기 위해 기존 검색 대신 생성형 AI를 이용하고 있습니다.
• 유통업체의 절반(50%)은 AI 쇼핑 도구가 결국 자사 카테고리 내 상품 검색에서 검색엔진을 완전히 대체할 것이라고 전망하고 있습니다.
• McKinsey의 AI 기반 검색 관련 자체 연구에 따르면, 소비자의 약 절반이 이제 의도적으로 AI 기반 검색엔진을 찾고 있으며, 이를 구매 결정을 위한 최우선 디지털 정보원으로 꼽고 있습니다. 또한 약 4,000명의 미국 소비자를 대상으로 한 McKinsey의 별도 설문에서는 응답자의 68%가 지난 3개월 내 AI 도구를 사용한 경험이 있다고 답했으며, 그 주된 목적은 구매 의사결정 지원이었습니다.

이는 단순한 사용자 경험(UX) 선호의 문제가 아닙니다. 이는 키워드 검색이 가진 구조적 한계를 반영합니다: 키워드 검색은 '일치하는 결과'를 찾아줄 뿐, '의미를 이해'하지는 못합니다. AI 기반 상품 탐색 도구는 소비자의 의도와 맥락, 제약 조건을 동시에 해석합니다 - 이는 기존 키워드 색인 방식이 애초에 수행하도록 설계되지 않은 기능입니다.

APAC AI Outlook 2026: AI가 새로운 수익 동력으로 부상하는 결정적 전환점. 여기에서 전문가 분석을 읽어보세요! 

검색창에서 대화로: AI 쇼핑 도우미의 작동 원리

현대의 AI 쇼핑 도우미는 검색 색인 위에 단순히 얹어놓은 챗봇이 아닙니다. 프로덕션 수준의 시스템 대부분은 다음 두 가지 핵심 요소를 결합하여 작동합니다:

• 대형 언어 모델(LLM) - 자연어로 표현된 질의를 해석하고, 대화 전반의 맥락을 유지하며, 비교 기반의 추론을 생성합니다(예: "이 제품은 내구성 리뷰가 더 좋지만, 저 제품은 배송이 더 빠릅니다").
• 검색 증강 생성(RAG) - LLM의 출력 결과를 유통업체의 실시간 상품 카탈로그, 재고, 가격 데이터에 기반하도록 만들어, 모델이 품절되었거나 단종되었거나 실제로 존재하지 않는 상품을 추천하는 것을 방지합니다.

바로 이 아키텍처가 진정한 의미의 AI 쇼핑 에이전트를 스크립트 기반 챗봇과 구별짓는 요소입니다. RAG가 없다면 LLM은 유통업체가 실제로 무엇을 판매하고 있는지 신뢰성 있게 파악할 방법이 없습니다. 반면 RAG를 갖추면 AI 도우미는 정적인 대화형 레이어가 아니라 카탈로그와 실시간으로 연동되는 인터페이스로 기능하게 됩니다. 초기의 대화형 커머스 파일럿 프로젝트 상당수가 저조한 성과를 낸 이유도 바로 여기에 있습니다 - 응답 정확도를 대규모로 유지하는 데 필요한 검색 인프라 없이 언어 모델만 도입했기 때문입니다.

유통업체들의 실제 도입 현황을 살펴보면 이러한 시스템이 어디에 집중되어 있는지 알 수 있습니다: NVIDIA의 2025년 유통 및 소비재(CPG) 산업 AI 현황 조사에 따르면, 유통업계에서 생성형 AI가 가장 많이 활용되는 분야는 마케팅 콘텐츠 생성(60%)이었으며, 예측 분석(44%), 개인 맞춤형 마케팅 및 광고(42%), 고객 분석 및 세그멘테이션(41%), 디지털 쇼핑 도우미 또는 코파일럿(40%)이 그 뒤를 이었습니다.

OpenAI, ChatGPT의 새로운 기본 모델 GPT-5.5 Instant 출시. 여기에서 향후 동향을 확인해 보세요! 

도입 속도: 기업과 소비자가 얼마나 빠르게 움직이고 있는가

시장의 양측 - 기업의 공급과 소비자의 수요 - 이 동시에 같은 방향으로 움직이고 있다는 점은 신기술 도입 주기에서 매우 이례적인 현상입니다.

기업 측면에서:

• McKinsey의 The State of AI: Global Survey 2025(2025년 11월 5일 발표, 105개국 1,993명 응답)에 따르면, 조직의 88%가 최소 한 개 이상의 비즈니스 기능에서 정기적으로 AI를 활용하고 있으며, 이는 1년 전의 78%에서 증가한 수치입니다.
• 유통업체의 97%가 이미 AI를 도입했거나 관련 프로그램을 적극적으로 개발 중이라고 답했습니다.
• 그러나 이러한 높은 도입률에도 불구하고, McKinsey는 조직의 3분의 2에 가까운 기업이 아직 전사적으로 AI를 확장하는 단계에 이르지 못했다고 밝혔습니다. AI 프로그램의 확장을 시작한 기업은 3분의 1 수준에 그쳐, '도입'과 '프로덕션 수준의 배포'가 완전히 다른 단계임을 보여줍니다.

소비자 측면에서:

• 소비자의 76%는 쇼핑 시 AI 쇼핑 도우미를 이용하고 싶다고 답했습니다.
• 미국 온라인 소비자의 43%가 지난 90일 이내 상품 조사를 위해 AI 도우미를 사용한 경험이 있으며, 이 중 5명 중 1명은 50달러 이상의 구매 결정에도 AI를 활용했습니다(Product.ai, MarTech 경유, 2026년).
• Adobe의 조사(MarTech 경유)에 따르면, 소비자 4명 중 1명 꼴로 AI 챗봇 플랫폼을 구매 결정을 위한 주요 정보원으로 삼고 있으며, 이는 브랜드 웹사이트나 온라인 리뷰보다도 앞선 수치입니다.

이러한 패턴은 조사 기관을 막론하고 일관되게 나타납니다: AI 도입은 더 이상 실험 단계가 아닙니다. 다만 조직마다 크게 차이 나는 것은 그 '깊이'입니다 - 파일럿 단계에서 실제 매출을 창출하는 내재화된 인프라로 얼마나 진전했는지가 진짜 비즈니스 스토리의 핵심입니다.

에이전틱 AI vs 생성형 AI: 2026년 엔터프라이즈 전략을 결정짓는 핵심 차이. 여기에서 AI의 미래를 살펴보세요! 

성과 측정: AI 기반 검색이 만들어내는 비즈니스 성과

도입률 관련 헤드라인은 이야기의 절반에 불과합니다. 의사결정자에게 더 중요한 질문은 AI 기반 상품 탐색이 실제로 어떤 성과를 가져다주는가입니다.

측정 가능한 성과를 보여주는 데이터는 다음과 같습니다:

• 미국 유통업체 웹사이트로 유입되는 AI발(發) 트래픽은 2026년 1분기 기준 전년 동기 대비 393% 증가했습니다. 이는 Adobe Digital Insights의 자체 2026년 2분기 분기별 AI 트래픽 보고서에 근거한 수치입니다. 같은 보고서에 따르면 AI발 유통 트래픽은 2025년 12월 홀리데이 시즌 동안 전년 대비 1,151%로 더 높은 정점을 기록했는데, 이는 1분기의 393%라는 수치가 일시적인 계절적 급증이 아니라 지속적이고 구조적인 변화임을 뒷받침합니다.
• 온라인 쇼핑에 AI를 활용하는 소비자 중 85%는 AI 도우미가 자신의 쇼핑 경험을 개선했다고 답했으며, 66%는 생성형 AI 도구가 정확한 결과를 제공한다고 신뢰한다고 답했습니다. 이는 Adobe가 2026년 3월 미국 소비자 5,000명 이상을 대상으로 실시한 설문 결과입니다.
• 이커머스 AI 도구는 소비자가 유통업체 사이트에 도달하기 이전 단계에서부터 구매 결정에 점점 더 큰 영향을 미치고 있습니다: L.E.K. Consulting에 따르면 AI 이용자의 31%가 이미 사이트 도달 이전에 구매 결정을 대부분 내렸다고 답했으며, 이는 2년 전의 26%에서 증가한 수치입니다. 같은 기간 동안 검색엔진이 아닌 독립형 AI 플랫폼에서 상품 조사를 시작하는 AI 이용자의 비중도 25%에서 46%로 늘었습니다.

한편, 기업 차원의 재무적 성과 입증은 도입률에 비해 훨씬 더 어려운 과제로 남아 있습니다. McKinsey의 State of AI 2025 설문조사에 따르면 기업 차원에서 AI로 인한 EBIT(세전영업이익) 효과를 보고한 조직은 39%에 불과했으며, EBIT의 5% 이상을 AI 효과로 귀속시킬 수 있는 '고성과 기업'은 약 6%에 그쳤습니다. 이것이 바로 모든 이커머스 리더가 마주해야 할 핵심 딜레마입니다: 소비자 접점에서의 트래픽 및 참여도 증가는 명확하고 잘 입증된 사실이지만, 이러한 참여도를 검증 가능한 수익 성과로 전환하는 단계에서 대다수 조직이 여전히 정체되어 있습니다.

Microsoft CEO 사티아 나델라가 말하는 AI의 조직·팀·리더십 혁신. 여기에서 기업들이 어떻게 변화하고 있는지 확인해 보세요! 

왜 일부 유통업체는 성공하고 일부는 실패하는가: ROI 격차

이는 현재 연구 지형에서 가장 중요한 시사점입니다. MIT의 Project NANDA는 2025년 7월 발표한 보고서 The GenAI Divide: State of AI in Business 2025에서, 공개된 AI 도입 사례 300건 이상에 대한 체계적 검토와, 52개 조직 관계자를 대상으로 한 구조화 인터뷰, 그리고 153명의 고위 리더를 대상으로 한 설문조사를 결합하여 분석을 수행했습니다. 그 결과, 조직의 약 95%가 생성형 AI 파일럿에서 측정 가능한 수익을 전혀 얻지 못하고 있는 반면, 통합된 파일럿 중 단 5%만이 수백만 달러 규모의 가치를 창출하고 있는 것으로 나타났습니다.

이 보고서는 이러한 격차가 기술적 문제가 아니라는 점을 명확히 밝히고 있습니다. 결정적인 요인은 조직 운영 방식에 있습니다:

성공 기업과 후발 기업을 가르는 기술적 요인:

• 상호작용 전반에 걸쳐 맥락과 기억을 유지하는 시스템은 정적이고 단발성인 도구보다 훨씬 우수한 성과를 보입니다.
• 실시간 재고와 동기화된 상태를 유지하는 RAG(검색 증강 생성) 기반 도우미는 일반적인 챗봇이 프로덕션 환경에서 곧바로 부딪히는 '취약성' 문제를 피할 수 있습니다.
• 결제, 고객 서비스, 상품 관리 시스템에 직접 통합된 워크플로 기반 배포는 일상 운영과 분리된 독립형 파일럿 도구보다 우수한 성과를 냅니다.

성공 기업과 후발 기업을 가르는 조직적 요인:

• 대다수 리더가 예상하는 것보다 '자체 구축이냐 외부 도입이냐'의 판단이 훨씬 더 중요합니다: MIT NANDA의 연구에 따르면 전략적 벤더 파트너십을 통해 구축된 파일럿은 약 67%의 확률로 완전한 배포 단계에 도달한 반면, 전적으로 사내에서 자체 구축한 도구는 그 확률이 약 33%에 그쳤습니다 - 즉, 외부 파트너십을 통해 구축된 파일럿이 성공할 확률이 약 두 배 더 높았다는 의미입니다.
• 리더십의 후원과 명확한 내부 소유권은 성공적인 확장을 예측하는 핵심 지표로 꾸준히 확인되고 있습니다. McKinsey의 State of Organizations 연구는 사용 용이성, 리더십의 주도적 지원, 전담팀 구성을 기업의 AI 도입을 이끄는 핵심 요인으로 꼽고 있습니다.
• 성공적으로 AI를 도입한 기업들은 파일럿 종료 이후가 아니라 구축 이전 단계에서 측정 가능한 비즈니스 성과를 명확히 정의합니다 - 이는 대다수 프로젝트가 정체되는 원인이 되는 순서를 뒤집는 접근 방식입니다.

실제로 이는 두 유통업체가 거의 동일한 기반 AI 모델을 라이선스로 사용하더라도, 전혀 다른 결과를 낼 수 있다는 것을 의미합니다. 그 차이를 결정짓는 것은 해당 배포가 명확한 소유권을 갖춘 프로덕션 인프라로 설계되었는지, 아니면 기존 운영 모델 위에 얹어진 독립적인 실험으로 남아 있는지입니다.

생성형 AI 프로젝트는 왜 실패하는가, 그리고 어떻게 확장 가능한 AI 성공을 만들 것인가. 여기에서 업계 리더들이 어떻게 적응하고 있는지 알아보세요! 

AI 쇼핑 도우미 확장 과정에서 기업이 마주하는 주요 과제

자원이 충분한 기업조차도 파일럿에서 프로덕션 단계로 전환하는 과정에서 일관되게 다음과 같은 장애물에 부딪 합니다:

• 데이터 준비 상태의 격차 - 상품 카탈로그, 재고 피드, 가격 시스템이 지나치게 분산되어 있거나 일관성이 부족하여, 별도의 정비 작업 없이는 RAG 파이프라인이 신뢰할 수 있는 데이터로 활용하기 어려운 경우가 많습니다.
• 신뢰 및 인프라 준비 상태의 격차 - Adobe의 조사(MarTech 경유, 2026년)에 따르면 에이전틱 AI를 지원할 수 있는 클라우드 인프라를 갖춘 조직은 51%에 불과한 반면, 생성형 AI 전반을 지원하는 조직은 89%에 달했습니다. 또한 소비자의 40%는 개인용 AI 쇼핑 에이전트를 만드는 것조차 고려해본 적이 없다고 답했습니다 - 이는 자율 구매를 위한 기술적 기반과 소비자 신뢰 기반이 모두 아직 구축 초기 단계에 있음을 보여줍니다.
• 전환율 인프라의 지연 - 에이전트 기반 트래픽은 빠르게 증가하고 있지만, 결제, 상품 피드, 어트리뷰션 시스템 등 판매자 측 인프라는 대부분 사람 방문자를 기준으로 설계되어 있어 AI 에이전트에는 최적화되어 있지 않으며, 이로 인해 급증하는 AI 유입 트래픽과 실제 전환 사이에 마찰이 발생하고 있습니다.
• 거버넌스 및 성과 측정 체계의 미성숙 - McKinsey의 자체 연구에 따르면 높은 파일럿 활동 수준에도 불구하고 조직의 3분의 2에 가까운 기업이 아직 전사적으로 AI를 확장하지 못했으며, MIT NANDA는 격차를 넘어선 조직들이 모델 벤치마크가 아닌 실제 운영 성과를 기준으로 AI 도구를 배포 전에 평가한다는 점을 발견했습니다 - 대다수 조직이 아직 갖추지 못한 원칙입니다.

이러한 과제들은 결코 영구적인 한계가 아닙니다. 이는 기술 자체의 한계라기보다 인프라와 거버넌스가 아직 뒤따라가지 못하고 있는 상태를 보여줄 뿐이며, 이를 먼저 해결하는 기업이 빠르게 앞서 나가고 있는 이유이기도 합니다.

한국의 AI 혁신을 세계에 알리다: 이탈리아 SIGIR 2025에서 공개된 메이크봇의 HybridRAG 프레임워크. 여기서 더 읽어보세요!

이커머스 검색의 미래에 주는 시사점

기존 키워드 검색이 하루아침에 사라지지는 않을 것입니다. 소비자가 정확히 무엇을 원하는지 이미 알고 있는 구체적이고 확신에 찬 질의에 대해서는 여전히 유용하게 남을 가능성이 높습니다. 그러나 상품 탐색의 '기본' 진입점으로서의 역할은 꾸준히 약화되고 있으며, 단순히 색인화하는 방식이 아니라 카탈로그 전반에 걸쳐 추론하는 대화형·맥락 인식형 인터페이스로 대체되고 있습니다.

기업 리더들에게 주는 전략적 시사점은 명확합니다: AI 기반 검색과 AI 쇼핑 에이전트는 더 이상 차별화 요소가 아니라, 10년 전 모바일 반응형 디자인이 그러했듯 이제는 협상의 여지가 없는 기본 인프라가 되어가고 있습니다. 압도적인 가치를 창출하는 기업은 반드시 가장 진보된 모델에 접근할 수 있는 기업이 아니라, 대화형 커머스를 핵심 운영 인프라로 취급하며 명확한 소유권, 깨끗한 데이터 기반, 그리고 배포 이전에 정의된 성과 목표를 갖춘 기업입니다. 그렇지 않은 기업들에게 있어 MIT가 기록한 95%의 실패율은 AI를 피하라는 경고가 아니라, 투자가 통합 역량을 앞지를 때 벌어지는 결과를 보여주는 사례일 뿐입니다.

‍