서론

세 개의 대형 기업이 단 4개월이라는 짧은 기간 안에 서로 경쟁하는 시스템을 잇달아 내놓는 일은 흔치 않습니다. 그런데 2025년 9월부터 2026년 1월 사이, 바로 그런 일이 일어났습니다. OpenAI와 Stripe는 에이전틱 커머스 프로토콜(ACP)을 출시했습니다. Google은 에이전트 결제 프로토콜(AP2)로 이에 맞서고, 이어서 Shopify, Target, Walmart, Etsy와 함께 유니버설 커머스 프로토콜(UCP)을 내놓았습니다. 

세 프로토콜 모두 AI 쇼핑 에이전트가 소비자를 대신해 상품을 검색하고, 가격을 비교하고, 구매까지 완료할 수 있도록 하는 것을 목표로 합니다. 소매 및 이커머스 업계에 종사하고 있다면, 이제 질문은 더 이상 이커머스 AI 에이전트의 등장 여부가 아닙니다. Adobe, Deloitte, McKinsey의 데이터가 보여주듯, 그 흐름은 이미 시작되었습니다. 진짜 질문은 어떤 프로토콜, 혹은 어떤 프로토콜의 조합에 가장 먼저 투자해야 하느냐입니다. 

이번 글에서는 지금부터 UCP, ACP, AP2가 실제로 어떤 역할을 하는지, 왜 그토록 많은 AI 투자가 기대만큼의 성과를 내지 못하고 있는지, 그리고 잘못된 표준에 모든 것을 걸지 않으면서도 소매업체가 어떻게 전략을 세울 수 있는지 살펴보겠습니다.

왜 세 개의 서로 다른 시스템이 동시에 등장했을까

에이전틱 커머스는 한 기업의 단일한 계획에서 시작된 것이 아닙니다. 결제라는 결정적인 순간을 선점하기 위한 세 기업 간의 치열한 경쟁 속에서 자연스럽게 형성된 결과입니다. OpenAI와 Stripe는 2025년 9월 29일 ACP를 출시했습니다. Apache 2.0 라이선스에 따라 누구나 무료로 사용할 수 있으며, ChatGPT 내 새로운 "Instant Checkout" 기능과 함께 공개되었고, 첫 파트너는 Etsy와 일부 Shopify 입점 브랜드였습니다. 이보다 18일 앞서 Google은 이미 AP2를 출시한 바 있습니다. 

AP2는 Mastercard, American Express, PayPal, Coinbase를 포함한 60개 이상의 파트너와 함께 구축된 시스템으로, 결제가 실제로 승인된 것인지 증명하는 데에만 집중합니다. 2026년 1월 11일, Sundar Pichai가 UCP를 발표하면서 Google은 라인업을 완성했습니다. 발표는 주요 소매업 컨퍼런스에서 이루어졌으며, 같은 날 상세한 기술 내용도 공개되었습니다. UCP는 Shopify, Etsy, Wayfair, Target, Walmart와 함께 개발되었고, 20개가 넘는 소매업체 및 결제 기업이 추가로 지지를 표명했습니다.

세 시스템이 어떻게 서로 맞물려 작동하는지 이해하는 가장 간단한 방법은 다음과 같습니다. ACP는 체크아웃의 각 단계를 처리합니다: 장바구니 구성, 결제 방식 합의, 그리고 결제 토큰(실제 카드 번호를 대신하는 대체 코드) 전달을, ACP 공식 사양에 따라 담당합니다. AP2는 이 ACP와 UCP 양쪽 아래에서, "맨데이트(mandate)"라 불리는 디지털 서명 기록으로 실제 사람이 구매를 승인했음을 증명합니다. 

UCP는 세 가지 프로토콜 중 범위가 가장 넓어 상품 탐색부터 구매, 구매 이후 지원까지 쇼핑 여정 전체를 아우르며, 에이전틱 결제를 위해 AP2와 함께 작동하도록 설계되었을 뿐 아니라, AI 프로그램 간 소통을 돕는 Model Context Protocol, Agent2Agent Protocol과도 호환됩니다. Meta 역시 ACP의 운영 체계에 합류했으며, OpenAI, Stripe와 함께하고 있습니다. 이는 이 경쟁이 단순히 하나의 승자가 정해지는 구도가 아니라, 여러 주요 기업이 함께 참여하는 본격적인 표준 경쟁으로 확대되고 있음을 보여줍니다.

세 시스템 비교

UCP와 ACP는 체크아웃이라는 동일한 영역을 두고 직접 경쟁합니다. AP2는 양쪽 모두가 활용할 수 있는 배관 설비처럼 작동하며 이 경쟁에서 비켜서 있습니다. 특정 기업에 종속되지 않는다는 점에서, AP2는 대부분의 기업에게 가장 안전한 선택지입니다. UCP와 ACP 중 하나를 선택하는 것은 더 큰 리스크를 동반합니다. UCP는 소매업체를 Google의 검색 및 Gemini 도구에 더 가깝게 묶어두는 반면, ACP는 ChatGPT의 쇼핑 경험과 Stripe의 결제 시스템에 더 가깝게 묶어둡니다.

막대한 AI 투자가 성과를 내지 못하는 이유

새로운 시스템을 또 하나 도입하기 전에, 지금까지 AI 투자의 성과가 얼마나 미미했는지 짚어볼 필요가 있습니다. McKinsey의 2026년 설문조사는 97개국 1,719명의 리더를 대상으로 진행되었으며, 응답자의 80%가 AI 덕분에 개인적인 생산성이 향상되었다고 답했습니다. 하지만 회사의 수익성 향상에 AI가 기여했다고 답한 비율은 37%에 불과했으며, 지난해와 거의 동일한 수준입니다. McKinsey가 정의하는 "AI 성과 우수 기업" 기준(AI로 인한 이익 기여도 5% 이상, 효과가 유의미)을 충족한 곳은 단 6%뿐이었습니다.

이러한 패턴은 AI 에이전트 영역에서도 뚜렷하게 나타납니다. Gartner의 2025년 6월 보고서는 2027년 말까지 AI 에이전트 프로젝트의 40% 이상이 중단될 것으로 전망했습니다. 그 이유는 비용 급증, 불분명한 사업적 가치, 그리고 미흡한 리스크 관리 때문이지, 기술 자체의 한계 때문이 아닙니다. Gartner는 또한 스스로를 "AI 에이전트"라고 소개하는 수천 개의 기업 중 실제로 진정한 에이전트 기능을 갖춘 곳은 약 130개에 불과하다고 밝혔습니다. Gartner는 나머지 대다수를 "에이전트 워싱(agent washing)"이라고 표현하는데, 기존 챗봇에 AI라는 이름표만 새로 붙인 경우를 의미합니다. 이커머스 분야의 생성형 AI 도구를 검토하는 소매업체라면, 진짜와 재포장된 챗봇을 구별하는 일이 이제 필수적입니다.

성공하는 기업과 그렇지 못한 기업의 차이

AI 투자와 실제 성과 사이의 이 격차는 대부분 기술이 아니라 사람과 조직의 문제에서 비롯됩니다. McKinsey는 최고 성과 기업들이 단순히 더 좋은 모델을 고른 것이 아니라고 분석합니다. 이들은 AI를 중심으로 업무 방식 자체를 재설계하고, 더 폭넓은 리스크 관리 체계를 마련하며, 하나의 소규모 시범 프로젝트에 그치지 않고 여러 사업 부문에 걸쳐 AI를 활용합니다. MIT Sloan의 연구도 이를 뒷받침합니다. Vanguard Group은 AI를 통해 약 5억 달러에 달하는 가치를 창출했다고 밝혔는데, 이는 하나의 대형 프로젝트가 아니라 여러 작은 성공 사례가 함께 쌓여 만들어진 결과입니다: 콜센터 상담 지원, 투자 자문가용 요약 자동 생성, 프로그래밍 생산성 약 25% 향상 등입니다. 여기서 얻을 수 있는 교훈은, 실질적인 성과는 하나의 거대한 시범 프로젝트가 아니라 여러 작은 변화가 꾸준히 누적되면서 만들어진다는 것입니다.

• 어떤 AI 모델을 쓰느냐보다 리스크 관리가 더 중요합니다. Deloitte의 2026년 기업 AI 보고서는 3,235명의 리더를 대상으로 설문을 진행했으며, AI 에이전트 관리를 위한 체계적인 규칙을 갖춘 기업은 5곳 중 1곳에 불과하다는 결과를 내놓았습니다.
• 투자를 신중하게 집행하는 기업이 더 좋은 성과를 냅니다. Deloitte의 소매업 설문조사에 따르면, 응답 기업의 약 절반이 AI를 핵심 우선순위로 꼽으면서도 실제 매출의 0.5% 미만만을 AI에 투자하고 있습니다. 그럼에도 불구하고 82%는 향후 1년간 투자를 늘릴 계획이라고 답했습니다.
• 하나의 소규모 테스트보다 여러 부문에 걸친 도입이 더 효과적입니다. McKinsey가 정의한 성과 우수 기업들은 더 많은 팀과 업무 영역에 걸쳐 AI를 활용하고 있습니다.
• 진짜 문제는 취약한 AI가 아니라 정돈되지 않은 데이터입니다. 여러 조사에서 기업 리더들은 AI 에이전트를 확장하는 데 있어 가장 큰 걸림돌로 데이터 품질과 정리 부족을 꼽고 있습니다.

리스크 관리 부족, 투자에 대한 신중함 결여, 정돈되지 않은 데이터라는 이 세 가지 문제는 어떤 시스템을 선택하든 상관없이, 결국 어떤 소매업체가 커머스 AI 에이전트로부터 실질적이고 지속적인 가치를 얻을 수 있을지를 결정짓게 됩니다.

소비자는 이미 준비되었지만, 소매업체는 아직입니다

소매업계 리더들은 이러한 변화가 다가오고 있음을 이미 인지하고 있지만, 기업 차원의 준비는 아직 충분하지 않습니다. Deloitte의 2026 Retail Industry Global Outlook에 따르면, 소매업 리더 10명 중 9명은 2026년에 사람들이 기존 검색엔진보다 AI를 더 많이 사용할 것으로 예상합니다. 또한 절반은 2027년까지 검색, 비교, 구매로 이어지던 기존의 다단계 쇼핑 과정이 하나의 AI 대화로 압축될 것이라고 내다보았습니다. Adobe의 조사에 따르면 2025년 11~12월 홀리데이 시즌 동안 미국 소매 웹사이트로 유입된 AI 기반 트래픽이 전년 대비 693% 급증했으며, 11월 한 달간은 769% 급증했습니다. Deloitte는 별도로, 일부 소매업체의 경우 전체 트래픽의 15%에서 20%가 이미 AI를 통해 유입되고 있다고 밝혔습니다.

하지만 전략 수립은 이처럼 빠르게 변화하는 소비자 행동을 따라잡지 못하고 있습니다. Deloitte의 소매업·소비재 기업 리더 200명 대상 설문조사에 따르면, 소매업체의 29%와 소비재 기업의 40%가 에이전틱 커머스에 대한 구체적인 전략을 전혀 세우지 못하고 있으며, 그럼에도 50%에서 60%는 이미 일부 기능을 시범 도입하고 있습니다. Deloitte는 이러한 현상을 두고 실행이 전략보다 한발 앞서가고 있다고 설명합니다. 설문에 응한 소매업 리더의 81%는 2027년까지 생성형 AI가 브랜드 충성도를 약화시킬 것이라 답했습니다. 이는 AI라는 중개자가 소매업체와 고객 사이에 끼어들기 때문입니다. AI 플랫폼이 가져다주는 트래픽은 반기면서도 그로 인한 탈중개화는 두려워하는 이 이중적 태도가 바로 UCP, ACP, AP2 선택을 둘러싼 근본적인 배경입니다.

하나의 시스템에 모든 것을 걸지 않고 전략 세우기

아직 어떤 시스템도 확실한 승자로 자리 잡지 못했고, 각 시스템마다 서로 다른 대형 기술 기업이 자사의 이해관계를 안고 뒤에서 지원하고 있는 상황에서, 하나의 시스템에만 베팅하는 것 자체가 또 다른 형태의 리스크입니다. 보다 안전한 접근법은 이를 이분법적 선택이 아니라 단계별로 쌓아가는 전략으로 바라보는 것입니다.

• AP2 도입은 거의 필수에 가깝습니다. 결제 승인이라는 역할만 담당하기 때문에 체크아웃 경험 전체를 두고 경쟁하는 시스템이 아니며, AP2를 도입해도 특정 기업에 종속되지 않습니다. 이미 Mastercard, American Express, PayPal 등 주요 카드사 및 결제망을 폭넓게 지원하고 있습니다.
• ChatGPT에서 이미 유의미한 트래픽이 유입되고 있다면 ACP를 시범 도입해 보세요. OpenAI 생태계로부터 이미 방문자를 확보하고 있는 소매업체라면, 특히 Stripe의 기존 결제 인프라와 곧바로 연동된다는 점에서 ACP 도입 효과를 가장 빠르게 체감할 수 있을 것입니다.
• Google 검색과 쇼핑에서 이미 트래픽을 확보하고 있다면 UCP를 검토해 보세요. UCP는 AI Mode와 Gemini에 연결되어 있기 때문에 이미 Google 의존도가 높은 매장에 가장 적합하며, 다루는 범위가 넓은 만큼 앞으로 장기적으로 더 안정적인 선택지가 될 가능성도 있습니다.
• 어떤 시스템을 선택할지 고민하기 전에 상품 데이터부터 정비하세요. 세 시스템 모두 정돈된 상품 목록, 정확한 재고 정보, 명확한 가격 정보를 필요로 합니다. 이 데이터가 정돈되지 않으면 어떤 시스템을 선택하든 발목을 잡을 수밖에 없습니다.
• 확장에 앞서 관리 체계부터 갖추세요. Gartner가 지적했듯 AI 에이전트 프로젝트가 중단되는 주된 이유는 기술 결함이 아니라 미흡한 리스크 관리입니다. 소매업체는 AI 에이전트가 처리하는 체크아웃 규모를 늘리기 전에 승인 절차와 모니터링 체계부터 마련해야 합니다.

결론

전체적인 흐름에서 보면 UCP, ACP, AP2를 둘러싼 논쟁은 사소한 기술적 문제처럼 보일 수 있습니다. 하지만 AI 기반 커머스는 시범 단계를 넘어 소매업의 기본 인프라로 자리 잡아가고 있으며, 그 속도는 대부분의 소매업체가 갖춘 관리 체계, 데이터, 측정 도구를 앞질러 가고 있습니다. 세 시스템은 앞으로 2~3년 안에 서로 통합되거나 더욱 긴밀하게 연동될 가능성이 높습니다. AP2가 다른 시스템에 손쉽게 추가되도록 설계된 점만 봐도 이러한 방향성을 엿볼 수 있습니다. 다만 소비자의 행동 변화는 이러한 통합을 마냥 기다려주지 않습니다. AI 기반 트래픽은 해마다 세 자릿수 비율로 늘어나고 있으며, McKinsey는 상품을 찾고 구매하는 방식 전체에서 수조 달러 규모의 전환을 전망합니다. 이 프로토콜 대응을 2027년의 문제로 미뤄두는 소매업체는 전략적으로 선택할 기회를 잃고 뒤처진 상태에서 협상을 시작하게 될 것입니다. 결국 승리하는 기업은 어떤 시스템이 최종 승자가 될지 정확히 맞춘 곳이 아니라, 정돈된 데이터와 탄탄한 관리 체계, 그리고 어떤 표준이 최종적으로 우세하든 유연하게 대응할 수 있는 능력을 갖춘 것일 것입니다.

AI 쇼핑의 전환은 이미 시작되었습니다. 귀사의 커머스 인프라는 준비되어 있습니까?

지난 홀리데이 시즌 한 달 만에 소매 사이트의 AI 기반 트래픽이 693% 급증했습니다. MagicSuite는 이 수요를 포착하고, 모든 상호작용을 개인화하며, 어떤 프로토콜이 최종 승자가 되든 앞서갈 수 있는 AI 기반 커머스 인프라를 제공합니다.