고객이 리테일 챗봇 대신 외부 AI 챗봇을 찾는 이유와 리테일러의 대응 전략
미국 소비자 6,100만 명이 AI로 쇼핑 리서치를 시작한다. 리테일 챗봇 사용률이 2022년 이후 정체된 이유를 분석한다.


핵심 요약
- 첫 질문은 외부 AI가 가져가고 있습니다. 서비스 문의에서 외부 생성형 AI 이용은 1년 새 거의 두 배로 늘었지만, 기업 챗봇 이용은 2022년 이후 제자리걸음입니다.
- 정보 탐색은 AI로, 구매는 익숙한 곳에서 합니다. 미국 소비자의 23%가 AI로 쇼핑 정보 탐색을 시작하지만, 최근 AI 활용 구매의 약 60%는 Amazon에서 이루어졌습니다.
- 자사 결제의 전환율이 여전히 더 높습니다. Walmart는 ChatGPT 안에서 완료된 구매의 전환율이 자사 사이트로 이동한 경우의 3분의 1 수준이었다고 밝혔습니다.
- AI가 제대로 읽지 못하는 쇼핑몰 페이지가 많습니다. AI가 읽을 수 있는 콘텐츠 비율을 측정한 Adobe의 평가에서 리테일 상품 페이지는 평균 66%를 기록했습니다. 콘텐츠의 약 3분의 1은 AI가 읽지 못한다는 뜻입니다.
- 둘 다 필요합니다. 리테일러는 외부 어시스턴트를 위한 정돈된 상품 데이터와 함께, 실시간 상품·재고·주문 시스템에 연결된 자체 AI 챗봇을 갖춰야 합니다.
지난 몇 년간 많은 리테일러가 이커머스 사이트에 챗봇을 도입했지만, 소비자들은 대체로 다른 곳에서 답을 찾았습니다. Gartner 조사에 따르면 사람들은 고객 서비스 문제를 해결할 때 기업이 제공하는 챗봇보다 외부 생성형 AI 도구를 이용할 가능성이 약 3배 높은 것으로 나타났습니다. 여기서 '외부(third-party)' 도구란 ChatGPT, Gemini, Copilot처럼 다른 기업이 만든 AI 챗봇을 말합니다.
PYMNTS Intelligence에 따르면 미국 소비자 약 6,100만 명이 온라인 쇼핑 정보를 찾을 때 AI를 주된 출발점으로 꼽았습니다. 이제 AI 쇼핑 어시스턴트는 웹사이트의 작은 기능이 아니라 중요한 경영 판단의 대상이 된 셈입니다.

고객은 왜 리테일 챗봇보다 외부 AI를 더 선호합니까?
고객이 외부 AI를 선호하는 이유는 여러 브랜드를 비교해 주고, 더 중립적으로 느껴질 수 있기 때문입니다.
리테일 챗봇은 해당 쇼핑몰의 상품만 알고 있으며, 대개 정해진 시나리오를 따릅니다. 반면 외부 AI 챗봇은 여러 브랜드와 매장을 비교하고 자유로운 질문에 답하며, 밀어줄 재고도 없습니다. "발볼이 넓은 사람에게 맞는 150달러 이하 러닝화는 무엇인가요?" 같은 질문은 애초에 매장 하나에 국한되지 않기 때문에 이 차이가 중요합니다.
습관도 큰 몫을 합니다. Pew Research Center 조사에 따르면 2026년 2월 기준 미국 성인의 49%가 AI 챗봇을 사용한다고 답했으며, 이는 2024년 여름의 33%보다 크게 늘어난 수치입니다. 많은 소비자가 거의 열어 보지 않는 리테일 챗봇 대신, 이미 신뢰하는 AI 쇼핑 어시스턴트에 쇼핑 관련 질문을 던집니다.
그렇다고 소비자가 리테일러를 외면하는 것은 아닙니다. Accenture가 미국 연말 쇼핑객 4,048명을 조사한 결과, 5명 중 3명은 공개 플랫폼보다 리테일러나 브랜드 전용 AI 도구를 선호한다고 답했습니다. 소비자는 신뢰하는 매장의 정확한 정보를 이미 쓰고 있는 어시스턴트 안에서 얻고 싶어 하는 것으로 보입니다. 이 간극을 메우는 일이 리테일 CX (고객 경험) 분야의 핵심 과제입니다.
리테일 챗봇의 주요 약점은 무엇입니까?
리테일 챗봇의 주요 약점은 경직된 시나리오, 복잡한 질문에 대한 대응력 부족, 그리고 실행 능력의 부재입니다.
많은 리테일 챗봇은 복잡한 질문에 제대로 대응하지 못하고, 실제로 무언가를 처리하지도 못합니다. Gartner의 Eric Keller는 고객은 점점 더 AI가 실제 작업까지 처리해 주기를 기대하는데도 기업이 제공하는 챗봇 상당수는 여전히 주로 질문에 답하는 용도로 설계되어 있다고 지적합니다.
게다가 소비자는 한 번 실망한 챗봇으로 쉽게 돌아오지 않습니다. Gartner에 따르면 부정적인 경험을 한 뒤 챗봇을 다시 이용하겠다는 고객은 27%에 불과합니다.
리테일 챗봇이 잘못된 답을 하면 어떻게 됩니까?
법적 문제로 번질 수 있습니다. Moffatt v. Air Canada(2024) 사건에서 Air Canada는 유족 할인 운임(가족상을 당한 승객을 위한 할인 요금)에 대한 챗봇의 잘못된 안내에 책임이 없다고 주장했습니다. 그러나 British Columbia Civil Resolution Tribunal(캐나다 브리티시컬럼비아주 민사분쟁해결재판소)은 Air Canada가 자사 웹사이트의 모든 정보에 책임이 있다고 판단하고, 손해배상금, 이자, 재판 비용을 합쳐 812.02캐나다달러(C$812.02)를 지급하라고 명령했습니다.

첫 AI 대화를 놓치면 판매도 놓치게 됩니까?
첫 AI 대화를 놓쳤다고 판매까지 놓치는 것은 아닙니다. 소비자는 여전히 신뢰하는 매장에서 구매합니다.
PYMNTS Intelligence가 2026년 8월 미국 소비자 2,191명을 대상으로 실시한 조사는 AI가 구매 장소보다 정보 탐색 방식을 더 빠르게 바꾸고 있음을 보여 줍니다.
- 정보 탐색은 이동했습니다: 23.2%가 온라인 쇼핑 정보 탐색의 주된 출발점으로 AI를 꼽았습니다.
- 구매는 그대로입니다: 최근 AI 활용 구매를 Amazon에서 완료한 비율은 59.7%였고, 브랜드 자체 사이트는 6.3%에 그쳤습니다.
- 링크보다 가격입니다: AI 도구가 제공한 링크를 주된 이유로 매장을 선택한 비율은 2.5%에 불과했지만, 가격이나 할인을 꼽은 비율은 27.5%였습니다.
AI를 거쳐 유입된 소비자는 가치도 높습니다. Adobe에 따르면 2026년 1분기 미국 리테일 사이트의 AI 유입 방문은 전년 대비 393% 증가했고, 2026년 3월에는 이 방문자들의 전환율이 AI 이외 경로로 유입된 트래픽보다 42% 높았습니다. 1년 전에는 오히려 38% 낮았던 것과 비교하면 완전히 역전된 결과입니다.
자사 어시스턴트도 성과를 낼 수 있습니다. Amazon CEO Andy Jassy는 2025년 한 해 동안 3억 명의 고객이 Rufus 어시스턴트를 이용했으며, 이용 고객은 구매를 완료할 가능성이 약 60% 더 높았다고 밝혔습니다. 다만 이는 Amazon이 자체 발표한 수치로, 인과관계를 증명하지는 않습니다.

ChatGPT 내 결제는 왜 리테일러를 실망시켰습니까?
ChatGPT 안에서 바로 구매하는 방식은 기대에 미치지 못했습니다. Walmart의 Daniel Danker는 WIRED에 ChatGPT 안에서 완료된 구매의 전환율이 Walmart 사이트로 이동한 경우의 3분의 1 수준이었다고 밝혔으며, 이 내용은 Axios를 통해 보도되었습니다. OpenAI는 Instant Checkout의 첫 버전이 목표했던 수준의 유연성을 갖추지 못했다고 인정했고, Walmart는 계정 연동, 멤버십 혜택, Walmart 결제를 지원하는 ChatGPT 내 앱으로 방향을 바꿨습니다. 상품 발견은 AI 어시스턴트 안에서 이루어지게 하되, 결제는 리테일러가 직접 관리해야 한다는 교훈입니다.
리테일러는 어떻게 이커머스 AI 챗봇을 더 유용하게 만들 수 있습니까?
리테일러는 이커머스 AI 챗봇을 실시간 상품·주문 데이터와 연결해 더 유용하게 만들 수 있습니다.
대표적인 방법으로 Retrieval-Augmented Generation (RAG) 기술이 있습니다. AI가 기억에 의존하지 않고, 답하기 전에 매장의 최신 정보를 먼저 찾아보는 방식입니다. 여기에 API(시스템끼리 데이터를 주고받고 작업을 지시할 수 있게 해 주는 연결 통로)를 더하면 재고 확인과 주문 변경까지 처리할 수 있습니다.
바로 이 지점에서 자사 이커머스 AI 챗봇은 강점을 가집니다. 고객의 주문 이력, 가까운 매장의 재고, 멤버십 포인트, 반품 가능 여부는 리테일러만 알고 있기 때문입니다. 실제 매장 데이터를 근거로 답하는 어시스턴트에는 다음 요소가 필요합니다.
- 최신 데이터: 실시간 상품·재고·가격·주문 정보를 연결해 LLM(답변을 생성하는 대규모 언어 모델)이 사실에 근거해 답하게 합니다.
- 실행 도구와 안전 규칙: 배송 조회, 주문 변경, 반품을 안전하게 처리하고, 모든 정책을 하나의 공식 출처로 관리합니다.
- 상담원 연결: 챗봇이 확신하지 못하면 쉽게 사람과 연결되도록 합니다.
Keller는 화면 하단 구석의 작은 팝업 챗봇은 점차 구식처럼 느껴지기 시작했다고 말합니다. 앞서가는 기업들은 웹사이트 전체를 하나의 대화형 '관문'으로 바꾸며, 채팅으로 대화하며 쇼핑하는 대화형 커머스를 사이트의 중심으로 옮기고 있습니다.
리테일러는 어떻게 ChatGPT 같은 AI 어시스턴트에 노출될 수 있습니까?
리테일러는 명확하고 구조화된 상품 데이터를 공개함으로써 ChatGPT 같은 AI 어시스턴트에 노출될 수 있습니다.
구조화된 데이터란 가격, 크기, 색상처럼 정해진 형식으로 정리되어 기계가 쉽게 읽을 수 있는 정보를 말합니다. 리테일러는 OpenAI의 Agentic Commerce Protocol과 Google Merchant Center를 통해 완전한 상품 피드를 제출해야 합니다. 이러한 작업을 GEO (생성형 엔진 최적화) 전략이라고 하며, 매장이 AI 검색 결과와 AI 어시스턴트의 추천 후보에 오를 수 있을지를 좌우하는 중요한 요소입니다.
아직 준비되지 않은 리테일러가 많습니다. AI가 읽을 수 있는 콘텐츠 비율을 측정한 Adobe의 평가에서 상품 페이지는 평균 66%에 그쳤으며, 상위 리테일러의 홈페이지는 평균 82.5%, 하위 리테일러의 홈페이지는 54.2%를 기록했습니다. Google도 AI Mode와 Gemini를 위한 수십 개의 새로운 Merchant Center 속성을 발표했습니다.
GEO라는 개념을 처음 제시한 KDD 2024 논문에 따르면 GEO 기법을 적용하면 AI가 생성한 답변에서 콘텐츠의 노출도를 최대 40%까지 높일 수 있습니다. 특히 출처 표기, 관련 자료 인용문, 통계를 추가하는 방법이 효과가 가장 큰 전략에 속했습니다.
에이전틱 커머스(Agentic Commerce)란 무엇이며, 왜 중요합니까?
에이전틱 커머스는 AI 에이전트가 고객을 대신해 여러 리테일러에서 상품을 검색하고 비교하고 구매하는 쇼핑 방식입니다.
에이전틱 커머스에서는 AI 에이전트가 사람을 대신해 쇼핑합니다. OpenAI와 Google은 AI 에이전트가 매장의 카탈로그를 읽고 결제 단계로 넘어갈 수 있게 해 주는 공통 규칙, 즉 개방형 프로토콜을 공개했습니다.
- Universal Commerce Protocol (UCP): Google이 2026년 1월 출시했으며, Shopify, Etsy, Wayfair, Target, Walmart와 공동 개발했습니다. Google은 UCP가 AI Mode와 Gemini의 결제 기능을 지원하고, 리테일러가 공식 판매자 역할을 유지한다고 밝혔습니다.
- Agentic Commerce Protocol (ACP): OpenAI가 Stripe와 함께 만든 개방형 표준으로, 2026년 3월 결제에서 상품 발견 영역까지 확장되었습니다.
브랜드 신뢰도 여전히 중요합니다. Accenture에 따르면 미국 쇼핑객의 약 4분의 3은 에이전트가 선호하거나 익숙한 브랜드와 리테일러에서만 구매하기를 원하며, 15%는 가격과 재고 상황에 따라 에이전트가 추천하는 곳이면 어디서든 구매할 의향이 있습니다.
리테일러가 외부 쇼핑 에이전트를 차단할 수는 없습니까?
차단은 법적으로 불확실하고 위험합니다. 2026년 3월 9일 미국 연방 지방법원은 Perplexity의 Comet 브라우저 에이전트에 대해 Amazon의 예비적 금지명령(preliminary injunction) 신청을 받아들였습니다. 예비적 금지명령은 소송이 끝나기 전까지 적용되는 임시 명령입니다. 그러나 2026년 8월 Ninth Circuit(미국 제9연방항소법원)은 이 명령을 취소하면서, 연방 및 캘리포니아주의 해킹 금지법상 Amazon의 컴퓨터에 접근한 주체는 Perplexity가 아니라 Comet 사용자라고 판단했습니다. 차단보다는 에이전트가 읽을 수 있는 피드를 공개하고, 에이전트가 자신의 정체를 밝히도록 요구하는 편이 낫습니다.
리테일러는 자체 챗봇을 외부 AI로 대체해야 합니까?
리테일러는 자체 챗봇을 외부 AI로 대체할 것이 아니라, 두 영역 모두에 최적화해야 합니다.
초기 탐색 단계에서는 외부 AI의 비중이 커지고 있지만, 자사 어시스턴트는 결제, 멤버십, 고객 데이터를 지키며 리테일 CX (고객 경험) 전반을 좌우합니다. 두 역할에는 서로 다른 투자가 필요합니다.
두 역할에는 서로 다른 투자가 필요합니다.
외부 AI 어시스턴트 내 노출의 핵심 역할은 소비자가 정보를 탐색하는 단계에서 추천 후보에 오르는 것입니다. 이를 위해 GEO (생성형 엔진 최적화), 상품 피드 품질 관리, ACP·UCP 연동이 주요 수단이 되며, 성과는 AI 유입 트래픽, 답변 정확도, AI 경유 매출로 측정합니다. 반면 자사 리테일 AI 챗봇의 역할은 방문을 구매와 재방문으로 연결하는 것입니다. RAG, 실행 기능, 상담원 연결이 주요 수단이며, 성과는 문제 해결률, 매출, 재이용률로 확인할 수 있습니다.
결론
소비자가 외부 AI를 선호하는 이유는 실제로 궁금한 질문, 즉 어느 브랜드의 어떤 상품을 어느 매장에서 사야 하는지에 답해 주기 때문입니다. 하지만 첫 대화를 놓친다고 판매까지 놓치는 것은 아닙니다. 첫째, 모든 AI 쇼핑 어시스턴트와 AI 검색 서비스가 카탈로그를 쉽게 읽을 수 있도록 구조화된 피드, 프로토콜 연동, GEO (생성형 엔진 최적화) 기반 콘텐츠를 갖춰야 합니다. 둘째, 실시간 상품·재고·주문 데이터를 바탕으로 실제 업무까지 처리할 수 있도록 자사 AI 챗봇을 재구축해야 합니다. AI 시대의 이커머스 경쟁에서는 이 두 가지를 모두 해내는 리테일러가 앞서 나갈 것입니다.
고객의 AI가 향하는 곳에서 만나세요
AI 쇼핑 어시스턴트가 소비자의 구매 여정 출발점을 바꾸고 있는 지금, 리테일러에게는 브랜드 노출을 유지하고 대화를 전환으로 이어줄 수 있는 도구가 필요합니다. 메이크봇(Makebot)은 고객이 이미 사용하는 채널에서 자연스럽게 브랜드와 연결될 수 있도록 설계된 기업용 AI 솔루션을 제공합니다.
메이크봇(Makebot)의 AI 전략 백서 Vol.01 「한계에서 가능성으로: 규칙 기반 자동화에서 LLM 기반 지능형 대화로의 전환」은 기존 리테일 챗봇이 외부 AI에 밀리는 이유를 설명합니다. 백서는 키워드 기반 챗봇이 어떻게 높은 실패율, 고객 불만, 브랜드 신뢰 하락으로 이어지는지 분석하고, LLM 기반 대화형 AI와 에이전틱 LLM이 챗봇을 '답변하는 도구'에서 '실행하는 엔진'으로 바꾸는 과정을 제시합니다.
자사 AI 쇼핑 어시스턴트를 다시 설계하려는 리테일러라면 백서를 무료로 다운로드해 대화형 AI를 비용 절감 수단이 아닌 전략 자산으로 만드는 방법을 확인해 보십시오.
About This Article
본 아티클은 메이크봇의 글로벌 리서치 조직이 영어로 초안을 작성한 후, 국내 엔터프라이즈 환경과 시장 맥락에 맞춰 한국어로 재구성·편집되었습니다. 메이크봇은 단순한 번역이나 요약이 아닌, 글로벌 AI 시장에서 논의되는 구조적 변화와 기술 흐름을 한국 기업이 실제로 적용 가능한 전략 언어로 전환하는 것을 콘텐츠의 핵심 원칙으로 삼고 있습니다. 본 아티클에 담긴 관점과 해석은 메이크봇이 수행해 온 다수의 엔터프라이즈 AI 프로젝트에서 축적된 실무 경험, 글로벌 리서치 조직의 지속적인 시장·기술 분석, 그리고 메이크봇 CEO의 기술적·전략적 검토를 거쳐 완성되었습니다.
This article is also available in English.





