핵심 요약

• 2026년 9월, Anthropic은 Claude 모델을 기반으로 완성형 AI 쇼핑 및 매장 관리 에이전트를 제공하는 블루프린트를 공개했으며, Accenture, Mastercard, Visa가 출시 파트너로 이름을 올렸습니다.
• 기업들의 AI 투자는 그 어느 때보다 늘고 있지만, 성과는 이를 따라가지 못하고 있습니다. McKinsey의 2026년 State of AI 설문조사에 따르면 실질적인 수익 효과를 보고한 기업은 37%에 불과했으며, 진정한 "고성과 기업"으로 꼽힌 곳은 단 6%에 그쳤습니다.
• MIT의 연구는 문제가 훨씬 더 심각할 수 있음을 보여줍니다. 기업 AI 테스트 프로젝트의 약 95%가 측정 가능한 재무적 성과를 내지 못했다는 것인데, 이는 AI 도구 자체의 한계보다는 기업들이 이를 활용하는 방식에서 비롯된 문제라는 분석입니다.
• 분석가들은 사람을 대신해 AI 에이전트가 쇼핑하거나 거래를 협상하는 에이전틱 커머스(agentic commerce)가 2030년까지 전 세계 소매 지출 중 3조~5조 달러를 좌우할 수 있다고 전망하며, Gartner는 2028년까지 AI 에이전트가 15조 달러 규모의 기업 간 거래를 처리하게 될 것이라고 예측했습니다.
• 승자를 가르는 진짜 요인은 AI 모델이 아닙니다. 시스템과의 깊은 연결, 자체 인력과 외부 전문가의 결합, 그리고 결제·신원 확인 같은 기본기이며, Anthropic의 블루프린트가 정확히 이 지점에 베팅하고 있습니다.

Anthropic이 지금 이 블루프린트를 공개한 이유

Anthropic은 2026년 9월 2일, 새로운 AI 모델이 아니라 Claude 기반의 쇼핑 및 매장 관리 에이전트를 구축하기 위한 즉시 사용 가능한 프레임워크를 내놓았습니다. 개발자가 몇 달에 걸쳐 만드는 대신 며칠 안에 작동하는 에이전트를 구축할 수 있는 스타터 키트인 셈입니다. 이 시점은 연말 쇼핑 시즌, 그리고 사람들이 상품을 찾고 비교하는 방식을 바꾸고 있는 AI 쇼핑 에이전트의 물결과 맞물립니다. 명시된 파트너사인 Accenture, Mastercard, Visa는 이를 고객사에 도입하는 데 협력하고 있으며, Shopify는 이미 Claude 기반 기술 위에서 쇼핑 에이전트를 실제로 운영하고 있습니다. 이 조합은 Anthropic이 무엇을 중요하게 보는지 보여줍니다. 바로 상품 카탈로그, 결제, 신원 확인입니다.

블루프린트 안에는 실제로 무엇이 담겨 있을까

이번 공개는 두 개의 독립적인 Anthropic 커머스 에이전트를 중심으로 구성됩니다. 하나의 범용 챗봇이 모든 것을 처리하는 대신, 각 에이전트가 서로 다른 문제를 해결합니다.

• 쇼퍼 에이전트(Shopper Agent). 소매업체 자체 앱이나 웹사이트 안에서 작동합니다. 상품 카탈로그를 검색하고 장바구니를 구성한 뒤, 구매 자체를 완료하지 않고 매장의 일반 결제 시스템으로 안내합니다.
• 머천트 에이전트(Merchant Agent). 고객이 아니라 매장 직원을 위해 만들어졌습니다. 가격이나 마케팅 방안을 제안하지만, 실제 변경은 반드시 사람의 승인을 거쳐야 합니다.
• 실제 적용 사례, 자유로운 복제. Anthropic은 리테일, 여행, 통신, 엔터테인먼트 네 개 업종에 맞춰 두 에이전트를 선보였으며, Claude API, Amazon Bedrock, Microsoft Foundry, Google Cloud Vertex AI를 통해 실행할 수 있습니다. 해당 코드는 Apache 2.0 라이선스로 공개되어, 어떤 기업이든 무료로 자유롭게 복사, 수정, 재사용할 수 있습니다.

Anthropic은 또한 자사 에이전트를 사용한 매장에서 장바구니 규모가 최대 35% 커지고, 구매 완료율이 60% 더 높아졌다는 수치를 공개했지만, 이 수치는 이름이 공개되지 않은 단일 소매 파트너사에서 나온 것이며 외부 검증은 없습니다. 커머스 AI 에이전트의 하나의 사례일 뿐, 보장된 결과가 아닙니다.

더 큰 문제: AI에 쏟는 투자보다 돌려받는 성과가 적은 기업들

Anthropic의 블루프린트는 갑자기 등장한 것이 아닙니다. 기업들이 AI에 계속 더 많은 돈을 쏟아붓고 있지만 기대만큼 빠르게 수익으로 이어지지 않는다는 문제 한복판에서 나온 것입니다. McKinsey의 2026년 State of AI 설문조사는 AI에 대한 신뢰가 실제 수익을 앞서가고 있음을 보여줍니다.

• 거의 열 곳 중 아홉 개 기업이 최소 한 개 이상의 업무 영역에서 AI를 정기적으로 활용하고 있으며, 44%는 AI가 회사 전체로 확산되었다고 답했습니다. 전년 38%에서 늘어난 수치입니다.
• 실제로 수익에 뚜렷한 변화를 가져왔다고 답한 기업은 37%에 불과했고, "고성과 기업"은 단 6%로, 이는 수익이 5% 이상 늘었다고 답한 기업을 뜻합니다.
• 전체 기술 예산의 10% 이상을 AI에 투입하는 기업은 28%였으며, 60%는 내년에 투자를 더 늘릴 계획이라고 답했습니다.

MIT Project NANDA의 연구는 더 냉정합니다. 기업들이 생성형 AI에 이미 300억~400억 달러를 투자했음에도 해당 파일럿 프로젝트의 약 95%가 실질적인 재무 성과를 내지 못했다는 것이며, 연구진은 이를 AI 모델의 한계가 아니라 기업의 도입·활용 방식 탓으로 봅니다. 이 수치는 동료 심사를 거친 정식 연구가 아니라 초기 연구 노트에서 나온 것이며, 일부 분석가들은 그 정밀성에 의문을 제기했습니다.

왜 어떤 기업은 AI에서 훨씬 더 많은 성과를 얻을까

AI가 약속하는 것과 실제 성과 사이의 격차는 모든 기업에 균등하지 않습니다. McKinsey와 MIT 모두 승자와 그렇지 못한 기업을 가르는 몇 가지 공통된 습관을 지목하며, 이는 기본적인 이커머스 분야의 생성형 AI부터 전문화된 쇼핑 에이전트까지 동일하게 나타납니다.

기술적으로는 어떤 모델을 쓰느냐가 아니라 도구가 비즈니스와 얼마나 깊이 연결되어 있는지가 관건입니다. 메모리가 없는 도구는 데모 단계를 벗어나면 실패하는 경향이 있으며, 자체 인력과 외부 전문가를 함께 활용하는 기업은 홀로 구축하는 기업보다 성공률이 약 두 배 높습니다. 결제 시스템, 신원 확인, 상품 카탈로그 같은 기본 요소가 에이전트의 실제 전환율을 좌우합니다.

조직적인 격차는 더 큽니다. "고성과 기업"은 3년 내 전면적인 비즈니스 전환을 계획할 가능성이 3.3배 더 높고, 명확한 성과 측정 체계를 갖췄을 가능성도 약 두 배 높으며, 단순한 비용 절감을 넘어 성장을 함께 추구할 가능성도 훨씬 높습니다. 이들은 AI 관련 위험 요소를 더 적극적으로 관리하는데, 이는 Anthropic의 머천트 에이전트가 사람의 승인을 반드시 거치도록 함으로써 막으려는 바로 그런 위험입니다.

에이전틱 커머스는 실제로 얼마나 커질 수 있을까

정확한 규모는 전망마다 다르지만, 방향성만큼은 모두 일치합니다. AI 기반 커머스는 실험 단계를 벗어나 실질적인 인프라로 자리 잡아가고 있습니다.

• McKinsey는 에이전틱 커머스가 2030년까지 미국 소매 시장에서만 최대 1조 달러, 전 세계적으로는 3조~5조 달러에 이를 수 있다고 추산합니다.
• Gartner는 2028년까지 B2B 구매의 90%가 AI 에이전트를 통해 이뤄지며, 15조 달러 이상이 오갈 것이라고 전망합니다.
• Morgan Stanley Research는 2030년까지 미국 온라인 쇼핑 시장에서 1,900억~3,850억 달러 규모를 창출할 수 있다고 전망하며, 이는 전체 시장의 약 10~20%에 해당합니다. Gartner는 또한 최상의 시나리오에서 AI 에이전트가 2035년까지 전체 기업용 소프트웨어 매출의 약 30%를 차지할 수 있다고 전망합니다. 이는 2025년 약 2%에서 크게 늘어난 수치입니다.

이러한 수치들은 Anthropic을 비롯한 주요 AI 기업들이 왜 시장이 완전히 성숙하기 전에 AI 기반 상품 탐색을 뒷받침하는 인프라를 선점하려 하는지 설명해줍니다.

아직 아무도 완전히 해결하지 못한 문제들

기대감은 훨씬 더 어수선한 현실과 부딪힙니다. 여러 구조적인 문제가 연구에서 반복적으로 드러납니다.

• 결제 및 신원 확인 시스템은 애초에 에이전트를 염두에 두고 만들어지지 않았습니다. 대화형 채팅을 통한 구매는 일반적인 추천 링크와는 다른 방식으로 전환될 가능성이 높습니다.
• 쇼핑객들은 아직 완전히 신뢰하지 않을 수 있습니다. 일부 소비자들은 AI 에이전트에게 구매를 맡기는 것을 아직 편하게 여기지 않으며, 이는 단기적으로 거래 규모를 제한할 수 있습니다.
• 비용과 관리·감독 체계가 뒤처져 있습니다. 다섯 개 기업 중 한 곳은 AI 운영 비용이 이미 사용을 제한하는 요인이라고 답했으며, 자율 AI 에이전트에 대한 성숙한 거버넌스 체계를 갖춘 기업은 다섯 곳 중 한 곳뿐입니다. 이는 가격이나 재고 변경을 제안하는 머천트 에이전트와 직접 관련이 있습니다.

고성과 기업과 부진한 기업 비교

두 그룹은 거의 모든 주요 지표에서 다른 모습을 보입니다. 업무 방식 재구축을 보면, 고성과 기업의 약 74%가 AI 중심으로 업무 방식을 재구축한 반면 부진한 기업은 약 25%에 그칩니다. 추구하는 목표에서도 고성과 기업은 효율성뿐 아니라 성장과 새로운 아이디어를 함께 좇지만, 부진한 기업은 대부분 비용 절감에 머뭅니다. 구축 방식에서는 고성과 기업이 자체 인력과 외부 전문가를 함께 활용해 모든 것을 자체적으로 구축하는 기업보다 성공률이 약 두 배 높습니다. 위험 관리 역시 고성과 기업은 AI 중심으로 더 적극적으로 관리하는 반면, 부진한 기업은 미흡하거나 비공식적인 수준에 머무릅니다. 투자 규모에서는 고성과 기업이 기술 예산의 15% 이상을 AI에 투입하고 절반 이상이 투자를 더 늘릴 계획인 반면, 부진한 기업은 15% 기준을 넘는 경우가 드물고 36%만 확대 계획을 갖고 있습니다. 이러한 패턴은 Anthropic이 자사 블루프린트에 이미 반영한 선택들과 일치하며, 데이터에 따르면 바로 이러한 설계 선택이 AI 투자를 실질적인 성과로 전환하는 기업과 그렇지 못한 기업을 가르는 요인입니다.

의사결정권자라면 이것이 의미하는 바

AI 쇼핑 어시스턴트나 매장 직원용 도구 도입을 검토하고 있다면, 이번 연구는 전면적인 전략 개편보다는 몇 가지 실질적인 단계를 시사합니다.

• 쇼핑 에이전트를 모델 선택 경쟁이 아니라 시스템 연결 프로젝트로 접근하십시오. 깔끔한 상품 데이터와 제대로 작동하는 결제 시스템이 더 중요합니다.
• 이미 이러한 에이전트를 구축해본 외부 파트너와 자사 엔지니어를 함께 투입하십시오. MIT가 발견한 격차를 고려하면, 출시 전에 수익 효과를 어떻게 측정할지부터 정해야 합니다.
• Anthropic의 장바구니 규모 관련 주장을 포함해, 벤더가 공개하는 수치는 보장이 아니라 하나의 사례로 받아들이십시오.

결론

Anthropic의 커머스 블루프린트는 일반적인 제품 출시라기보다, 회사가 앞으로의 방향을 어떻게 보는지 보여주는 하나의 선언에 가깝습니다. Anthropic은 자사 도구가 다른 기업이 그 위에 쌓아 올릴 토대가 되기를 바라고 있으며, 이 베팅은 시의적절하지만 위험이 없지는 않습니다. 거의 모든 기업이 이제 AI를 사용하지만, 그 활용을 실질적인 수익으로 전환한 기업의 비중은 지난 1년간 거의 달라지지 않았습니다. 앞서 나가는 기업들은 단순히 AI 에이전트를 더 많이 쓰는 곳이 아니라, 그 에이전트를 중심으로 업무 방식을 재구축하는 기업들입니다. Claude의 새로운 블루프린트 위에 리테일 AI 에이전트를 구축할지 고민하는 기업이라면, 기술 자체는 문제의 더 쉬운 절반일 뿐입니다. 실제로 성과를 좌우하는 더 어려운 절반은, 그 기업이 스스로를 어떻게 조직하느냐에 달려 있습니다.

파일럿 단계를 넘어설 준비가 되셨습니까? Makebot은 리테일, 헬스케어, 고객 경험 전반에서 기업이 프로덕션 수준의 AI 에이전트를 설계하고, 구축하고, 확장할 수 있도록 지원합니다. 자세한 내용은 Makebot에서 확인하실 수 있습니다.