AI 쇼핑 에이전트가 와도 사람들은 무신사 스크롤을 멈추지 않을 거다

오픈클로 같은 범용 AI 에이전트가 등장할 때마다 가장 먼저 소환되는 영역이 있어요. 커머스예요. "AI한테 원하는 거 말하면 알아서 찾아서 결제까지 해준다"는 그림. 솔직히 매력적이잖아요.

근데 진짜 그렇게 되면 우리는 쇼핑 앱을 안 열게 될까요? 얼핏 보면 기술의 미래를 예측하는 단순한 질문 같지만, 사실 이건 우리가 당연하게 여겨왔던 UX 자체가 쪼개지고 있다는 신호예요. 에이전트가 화두에 오를 때면 가장 먼저 시도되는 영역이 커머스인 데는 이유가 있어요. 사람이 무언가를 선택하는 행위 중 AI 도입이 가장 빠르게 일어나는 곳이거든요.

기존 커머스 UX는 사용자가 더 많은 선택지를 편하게 비교하도록 돕는 탐색의 UX였어요. 과거에는 인간이 직접 물건을 둘러보고 선택했잖아요. 지금은 AI에게 판단을 맡기는 위임의 UX로 패러다임이 이동하고 있고요. 사용자가 원하는 의도만 입력하면 AI가 그에 맞는 제품을 직접 찾아 눈앞에 대령하는 세상. 이 흐름만 보면 커머스의 미래는 꽤 명확하게 그려져요. AI에게 원하는 물건을 말하면 알아서 찾고 결제까지 해주는 세상. 머지않아 올 것 같아요.

근데요. 커머스의 세계는 그렇게 깔끔하지 않아요. 모든 효율이 극대화되는 시점에도 인간은 여전히 손가락을 움직여 스크롤을 내리고 물건을 골라요. 도대체 왜?

세제는 AI가 사다 주면 되지만, 옷은 직접 고르고 싶다

우리가 상상하기에 AI는 모든 걸 다 해줄 수 있을 것 같아요. 정보의 홍수, 제품의 바다에서 내 니즈에 가장 적합한 아이템을 찾아주는 건 AI가 특화된 부분이라고 하니까요. 그리고 AI가 쇼핑을 완전히 대신하는 게 자연스러운 영역이 분명 존재해요. 샴푸, 세제, 화장지. 매번 새로 고를 필요 없이 반복 구매하는 생필품이 딱 그런 영역이에요.

사람들은 더 좋은 선택지를 찾는 것보다 반복 구매의 귀찮음을 덜어내고 싶어 하거든요. 그렇다면 한 걸음 더 나가볼까요? AI가 구매 주기를 알아서 예측하고, 재고가 떨어지기 전에 채워준다면?

Amazon Subscribe & Save가 이 방향의 초기 형태예요. 할인과 더불어 자동 재구매 서비스를 묶어서 제공하는 모델인데요. 인간의 개입이 줄어들수록 오히려 UX가 좋아지는 영역이에요. 귀찮음을 줄여주는 것 자체가 가치가 되는 거죠. AI 에이전트가 고도화될수록 사용자 대신 AI가 직접 구매까지 해주는 날이 올 수도 있겠어요.

그런데요. 반복 구매가 아닌 쇼핑은 어떨까요? AI가 다 대체할 수 있을까요?

소비자 행동 연구에서는 목적 없이 물건들을 둘러보는 탐색 행위를 헤도닉 브라우징(hedonic browsing)이라고 불러요. 원하는 물건을 손에 넣는 것과는 별개로, 찾고 발견하는 과정 자체가 독립적인 즐거움을 준다는 개념이에요.

마음에 드는 옷을 발견했을 때의 설렘. 여러 선택지를 비교하며 이거 저거 고르는 과정의 만족감. 이건 단순히 원하는 물건을 손에 넣었을 때의 기쁨과는 완전히 다른 차원의 경험이잖아요. 사람들이 이 즐거움을 AI에게 쉽게 내어줄까요? 안 내어줄 거예요.

헤도닉 브라우징은 발견에 대한 기대감으로 계속 손가락을 움직이게 만들어요. AI 에이전트가 아무리 고도화되어도, 즐거움을 기반으로 작동하는 쇼핑 영역은 인간의 손을 쉽게 떠나지 않아요. 무신사 스크롤이 멈추지 않는 이유가 여기 있어요.

Alex는 추천이 필요하고, Bella는 설득이 필요하다

사람들이 직접 탐색하고 고르는 쇼핑이라 해도, 그 안에서 모두가 같은 방식으로 경험하지는 않아요. 취향의 예측 가능성에 따라 소비자를 두 유형으로 나눌 수 있는데요. AI가 쇼핑 UX에 침투하는 방식이 유형마다 근본적으로 달라져요.

취향 안정형 소비자 — Alex라는 사람을 상상해 보세요. 옷을 고를 때 특정 브랜드를 먼저 찾고, 선호하는 핏이 명확하고, 추구미가 뚜렷해서 비슷한 스타일을 반복적으로 선택해요. 취향이 확고한 안정형 소비자의 전형이죠. 뭘 살지 예측하는 게 비교적 쉬운 사람이에요.

3040 혹은 남성 소비자에게 빈번하게 나타나는 이 유형에게, 쇼핑은 설레는 탐색보다 합리적인 선택에 가까워요. 취향에 맞는 상품을 잘 고르고 싶지만, 고르는 데 드는 에너지는 최소화하고 싶은 거예요. 효율적인 쇼핑이 이들에게는 좋은 쇼핑이에요.

이 경우 데이터를 적극 활용한 AI 추천이 강력하게 작동해요. 과거 구매 이력, 열람한 상품, 재구매 패턴 등 이미 쌓인 데이터가 미래 취향을 높은 확률로 반영하거든요. 이 데이터를 기반으로 딱 맞는 제품을 추천할 수 있어요.

"지난번에 산 바지와 어울리는 셔츠", "당신이 자주 찾는 핏의 새 시즌 상품" — 이런 식으로 후보군을 좁혀주면, 사용자는 짧은 탐색 안에서도 "내가 골랐다"는 만족감을 얻을 수 있어요. AI의 역할은 탐색의 수고를 줄이되, 선택권은 사용자에게 남겨두는 거예요. 답을 주는 게 아니라 선택지를 줄여주는 것. 미묘한 차이지만 중요한 차이예요. AI가 "이거 사세요"라고 하면 거부감이 들지만, "이 세 개 중에 골라보세요"라고 하면 받아들이거든요.

트렌드형 소비자 — 그렇다면 Bella는 어떨까요? 완전히 다른 세계예요. Bella는 취향이 고정돼 있지 않거든요. 좋아하는 인플루언서가 뭔가를 착용하는 순간 트렌드를 감지하고, 뚜렷한 선호보다 새롭게 유행하는 걸 끊임없이 쫓아가는 데서 재미를 느껴요. 1020 혹은 여성 소비자를 중심으로 나타나는 이 유형에게, 쇼핑은 즐거운 탐색 그 자체예요.

문제는 AI 추천 시스템이 여기서 구조적 한계에 부딪힌다는 거예요. 추천의 핵심 전제인 "과거 데이터가 미래 취향을 반영한다"가 성립을 안 해요. 한 달 전의 구매 이력이 오늘의 취향과 전혀 무관할 수 있고, 데이터를 쌓을수록 오히려 이미 지나간 취향을 반영하는 낡은 정보가 돼요. "당신이 지난번에 산 것과 비슷한 상품"을 추천하는 건 트렌드에 뒤처진 제안을 하는 것과 같아요. 이미 질린 스타일을 또 보여주는 셈이니까요.

그래서 이들에게 AI는 제품 추천이 아니라 제품 구매를 설득하는 데 초점을 맞춰야 해요. 취향을 예측하려는 시도 자체가 틀린 접근이에요. 대신, 지금 이 순간의 구매 욕망을 증폭시키는 거예요.

예를 들어볼게요. "지금 가장 핫한 아이템", "이미 3,200명이 장바구니에 담았어요", "이 색상 단 2개밖에 남지 않았습니다" — FOMO(Fear Of Missing Out)를 정교하게 자극하는 언어와 구조가 핵심이에요. 뭘 보여줄 것인가가 아니라, 어떻게 하면 지금 사고 싶게 만들 것인가를 설계하는 영역.

여기서 AI 경쟁력은 추천의 정확도가 아니에요. 구매 욕망이 가장 고조되는 순간에 정확히 개입하는 타이밍과 심리적 설계 능력이 핵심이에요. 타이밍 하나 잘못 맞추면 "스팸"이 되고, 정확히 맞추면 "운명적 만남"이 되거든요. 종이 한 장 차이예요.

스타트업이 파고들 틈은 대형 플랫폼이 못 가는 '깊이'에 있다

그러면 스타트업은 이 변화 속에서 어디에서 기회를 잡아야 할까요?

재구매 자동화부터 치워야 해요. 매력적인 영역처럼 보이지만, 스타트업이 정면으로 도전하기 어려워요. 구매 주기 예측, 재고 관리, 정기 배송 실행까지 이어지는 구조는 방대한 물류 인프라와 수억 건의 거래 데이터를 필요로 해요. 아마존, 쿠팡 같은 대형 플랫폼이 압도적으로 유리한 게임이잖아요. 자본과 인프라로 정면 승부하겠다? 현실적이지 않아요. 이건 규모의 경제가 곧 경쟁력인 영역이에요.

AI 스타트업이 주목해야 할 영역은 오히려 AI가 고도화되어도 사람들이 여전히 직접 탐색하고 고르는 영역이에요. 대형 플랫폼은 취향 안정형과 트렌드형 소비자 모두를 커버하는 하나의 거대한 시스템을 만들려 해요. 근데 모두를 위한 시스템은 필연적으로 특정 유형의 소비자에게 충분히 깊이까지 들어가지 못하잖아요. 그게 빈틈이에요. 구조적인 빈틈. 빠르게 움직이는 스타트업이 채울 수 있는 빈틈.

취향 안정형을 위한 추천 UX — 의외로 적은 데이터로도 높은 정확도를 낼 수 있는 영역이에요. "나를 정말 잘 아는 쇼핑 경험"을 한 번 제공하면, 그 경험 자체가 플랫폼 락인으로 이어져요. 왜냐고요? 취향을 학습하는 데 들인 시간이 곧 전환 비용이 되거든요. 다른 앱으로 옮기면 처음부터 다시 가르쳐야 하니까요. 이건 돈이 아니라 시간으로 쌓는 해자예요.

트렌드형을 위한 설득 UX — 반면 이건 심리와 타이밍의 게임이에요. 여기서 필요한 건 데이터 인프라가 아니에요. 인간 심리에 대한 깊은 이해와 빠른 실험 역량이 무기예요. 어떤 맥락에서, 어떤 언어로, 어떤 심리적 자극을 줄 때 구매 욕망이 가장 고조되는지를 파악하는 게 핵심이거든요. 대형 플랫폼보다 빠르게 가설을 세우고 검증하는 팀이 이 영역에서 경쟁 우위를 가져갈 수 있어요.

소비자의 유형에 따라 UX는 분화되고, 그 간극은 점점 더 뚜렷해지고 있어요. "쇼핑 에이전트가 전부 자동화할 거다"라는 상상은 현실에서 온전히 통하지 않았어요. UX 문법이 바뀌고 있지만, 결국 본질적인 행위의 특성과 고객의 유형에 집중하면서 AI를 활용해 나가야 해요.

잠깐 딴 얘기인데, 이건 커머스만의 이야기가 아니에요. 커머스는 사람이 무언가를 선택하는 행위 중 AI 도입이 가장 빠르게 일어난 영역이에요. 그렇기에 여기서 얻은 교훈이 중요해요. 기술이 바뀌어도 행위의 본질과 사람의 유형을 먼저 이해해야 한다는 것. 이건 사람의 선택이 개입되는 모든 영역에 동일하게 적용돼요. 음악 추천이든, 콘텐츠 큐레이션이든, 채용이든, 교육이든.

결국 변화하는 기술 속에서도 그 본질을 끝없이 파고드는 팀이 진짜 기회를 잡을 거예요. AI가 무엇을 대체하느냐보다, 무엇을 대체하지 못하느냐를 먼저 그린 팀이요.