AI Agents Are Starting To Buy. Stripe Is Building How They Pay.

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

AI 에이전트가 구매자로 움직이기 시작하자, Stripe는 지갑·지출 승인·사기 방지·과금 규격을 연결해 에이전트의 결제 인프라를 구축하고 있다.

📌 핵심 요점

1. 구매 위임은 제한된 예산에서 시작한다. 커피처럼 범위가 명확한 구매부터 맡기고, 건별 승인이나 누적 지출 한도를 설정하는 접근이다. 평가와 통제 수단이 갖춰질수록 자율 범위를 넓힐 수 있다.
2. 지갑과 거래 규격이 구매자와 판매자를 연결한다. Link는 사용자 신원과 연결된 에이전트 지갑으로 확장되고 있다. Machine Payments Protocol은 상품·가격·결제 방법을 기계가 읽도록 전달하며, 판매자는 신뢰·위험 정보를 바탕으로 거래 수락 여부를 판단한다.
3. AI 서비스의 손실 관리는 결제 이전부터 필요하다. 무료 크레딧 반복 소진과 사용 후 미납은 추론 비용을 발생시킨다. Stripe는 계정 생성·무료 체험·초과 사용 단계로 위험 판단을 앞당기고, 서비스 간 악용 패턴을 활용하려 한다.
4. 과금과 모델 선택이 함께 수익성을 좌우한다. 사용량 과금은 추론 원가 회수에 대응하고, 성과 과금은 고객 가치와 가격의 정렬을 지향한다. 모델 선택에서도 품질·비용·지연 시간·신뢰성을 함께 고려해야 하지만, 고객마다 다른 성과를 평가하고 가격으로 연결하는 문제는 남아 있다.
5. 에이전트가 접근하기 쉬운 판매 방식의 중요성이 커진다. 셀프서비스와 질의당 소액결제는 에이전트 구매에 적합한 방식으로 제시된다. Stripe CLI 사용량 급증과 실물 카드 구매 사례는 에이전트가 도구 이용부터 물리적 소비까지 수요를 바꿀 수 있음을 보여준다.

🧩 배경과 문제 정의

• AI 에이전트가 업무 보조를 넘어 구매와 결제를 수행하면서, 사용자의 지출 통제와 판매자의 구매자 신뢰를 함께 확보해야 한다.
• AI 서비스는 추론 비용이 높아 무료 체험 악용과 사용 후 미납이 직접적인 손실로 이어진다. 결제 시점의 사기 탐지만으로는 거래 이전의 악용을 막기 어렵다.
• 구독에서 사용량·성과 기반 과금으로 전환하려면 원가 회수와 고객 가치의 정렬이 필요하다. 고객마다 원하는 성과와 지불 의사가 달라 공통 가격 체계를 만들기 어렵다.
• Stripe는 결제·과금·사기 방지와 에이전트 지갑, 기계가 읽을 수 있는 거래 규격을 연결해 이러한 문제를 해결하려 한다.

🕒 시간순 섹션별 상세정리

1. 구매 위임의 출발점은 제한된 예산과 구체적인 작업이다

• 에이전트에 대한 신뢰가 빠르게 높아지고 있지만 완전한 신뢰에 도달한 것은 아니다. 진행자가 받아들일 수 있는 위임 범위는 정해진 예산 안에서 커피를 사는 정도이며, 소파 구매나 구독 가입까지 맡길 단계는 아니다 [02:36]
• 구매 위임이 안정적으로 작동하면 반복적인 구매 판단에 쓰는 시간을 줄이고 비용을 절약해, 사용자가 더 중요하게 여기는 일에 집중할 수 있다 [02:57]

2. AI 경제의 성장이 창업과 실제 수익화 지표에 나타난다

• Stripe가 구축하려는 AI 경제 인프라는 AI 기업의 과금·사기 방지, AI 개발 플랫폼을 통한 창업, 에이전트의 구매와 판매자 접근을 포괄한다 [04:49]
• Stripe의 집계에서는 Atlas를 통한 법인 설립이 전년 대비 두 배로 늘고, Stripe에 새로 합류한 사업체 수가 50% 증가했다. 2026년 신규 사업체 집단의 수익화 규모도 중앙값 기준으로 이전 집단보다 약 50% 높았다 [06:08]

3. 에이전트의 도구 선택이 기존 제품의 사용량을 바꾼다

• 약 7년 동안 일부 개발자가 사용하던 Stripe CLI는 별도의 투자나 제품 변경 없이 사용량이 급증했다. 에이전트가 CLI를 발견해 사용하기 시작한 것이 원인이었다 [06:35]
• 에이전트는 사업체 설립을 돕는 Stripe 사용자에서 인터넷의 구매자로 역할을 넓히고 있다. AI 기업의 요구와 사업 모델도 기존 SaaS와 달라 인프라를 함께 조정해야 한다 [07:32]

4. Link는 구매자 신원과 판매자의 위험 판단을 연결한다

• 약 3억 명이 사용하는 소비자 지갑 Link는 에이전트 지갑으로 확장되고 있다. 에이전트가 Link로 대신 결제하면 연결된 사용자 신원을 통해 판매자가 실제 구매자를 어느 정도 파악할 수 있다 [08:42]
• 사용자와 사업자에게 통제·보호 수단을 제공하는 동시에, 판매자에게 에이전트의 사기·악용·신뢰·안전 관련 점수를 전달해 거래 수락 여부를 판단하도록 한다 [09:12]

5. AI 서비스의 핵심 손실은 결제 전에 발생할 수 있다

• 거래 단위로 설계된 Radar만으로는 Cursor의 주요 악용 문제를 해결하기 어려웠다. AI 기업은 돈뿐 아니라 가치 있는 추론 토큰을 거래 이전 단계에서 도난당하는 문제에 직면한다 [10:20]
• 계정을 반복 생성해 무료 크레딧을 소진하거나 사용 후 청구액을 내지 않는 행위는 높은 추론 비용 때문에 큰 손실을 만든다. 무료 제공이 정상 고객 확보로 이어지지 않으면 비용만 남는다 [11:01]

6. 거래 점수에서 고객의 조기 위험 식별로 전환한다

• Stripe는 연간 약 2조 규모의 결제를 처리하며 이를 세계 GDP의 약 2%에 해당하는 규모로 보여준다. Forbes AI50 기업의 88%와 여러 AI 개발 플랫폼이 Stripe를 사용해, 서비스 간 악용 패턴을 파악할 수 있는 기반이 된다 [12:06]
• 위험 판단 시점을 결제에서 계정 생성·무료 체험 시작·초과 사용 누적 단계로 앞당긴다. 사기 행위자가 여러 서비스를 이용하는 특성을 활용해 Cursor가 호출할 수 있는 API와 데이터 파이프라인을 며칠 만에 가동했다 [12:43]

7. 지속 가능한 과금과 사기 방지는 시장 신뢰의 조건이다

• 사용량 기반 과금은 추론 원가를 회수하는 수단이며, Stripe의 Metronome 인수도 이 문제와 연결된다. 일부 기업은 고객이 GPU나 인프라 비용보다 실제 사업 성과에 돈을 내도록 성과 기반 과금까지 모색하고 있다 [15:07]
• 악용으로 발생한 비용을 제품 가격의 큰 할증으로 떠넘겨야 한다면 시장이 제대로 작동하기 어렵다. 사기 방지는 기업의 손실뿐 아니라 정상 고객이 부담하는 가격에도 영향을 준다 [15:24]

8. 에이전트 판매에는 셀프서비스와 소액결제 규격이 필요하다

• 무료 체험 악용을 막지 못하면 기업은 체험을 없애고 영업 조직 중심의 판매로 돌아갈 수 있다. 이는 영업 담당자와 대화하지 않는 에이전트의 접근을 막으므로, 제품을 직접 사용하며 구매하는 제품 주도 성장 방식이 중요하다 [16:16]
• 에이전트에는 연간 계약보다 질의당 소액을 지불하는 사용량 기반 모델이 적합하다는 관점이다. 스테이블코인은 소액결제의 중요한 수단으로 거론되지만, 예치 잔액 등 다른 방식도 가능하다 [16:49]

9. 지출 승인과 모델 선택을 함께 통제해야 한다

• 에이전트가 목표 수행 중 부적절한 행동을 하더라도 사용자 돈을 쓰기 전에는 승인 절차가 필요하다. 매번 5달러를 승인하거나 최초 100달러까지 허용하는 식의 기준은 사용자가 정할 수 있는 통제 방식의 예시다 [18:31]
• OpenRouter 인수 발표는 품질·비용·지연 시간·신뢰성을 고려해 모델을 선택하는 지능 인프라와 연결된다. 에이전트가 추가 추론을 소비할수록 작업 비용, 출력 품질, 후속 매출을 함께 이해하는 일이 중요해진다 [19:36]

10. 검증 수단이 쌓일수록 에이전트의 자율 범위를 넓힌다

• 비용을 발생시키거나 최종 고객에게 영향을 주는 작업은 엄격한 제한에서 시작하는 편이 합리적이다. 성과 평가, 성과 기반 과금, 고객 요구와 제공 원가를 반영하는 라우팅이 발전하면 위임 범위를 점진적으로 넓힐 수 있다 [21:07]
• 실제 금융·사업 활용에서는 비교적 제한적이고 합리적인 접근이 나타나고 있다. Link 이용자는 지출 통제를, 판매자는 방문 에이전트의 품질과 신뢰성을 판단할 정보를 요구한다 [21:53]

11. 기존 금융 위험 기준에 에이전트의 행동 신호를 결합한다

• 에이전트의 구매 탐색 방식은 사람이 클릭하는 방식과 달라, 기존의 의심 행동 신호를 그대로 적용하기 어렵다. 다만 규제기관·은행·카드 발급사와 논의하는 탐지 모델의 정밀도와 재현율 같은 목표는 상당 부분 유사하다 [22:56]
• 기존 업계의 위험 관리 목표가 에이전트 거래에서도 작동하도록 조정하고, 거래 이전의 고객 악용처럼 근본적으로 다른 공격 방식이 확인되면 별도 해결책을 구축한다 [23:25]

12. 성과 기반 가격에는 공통된 성과 정의가 부족하다

• AI 제품의 성격은 기존 제품과 달라졌지만 소비자는 여전히 구독 가격에 익숙하다. 기업은 이 기대와 새로운 비용 구조를 함께 만족시키는 가격 체계를 찾고 있다 [24:21]
• 같은 성과의 가치도 고객마다 다르며, 고객에게는 자신이 느끼는 가치를 판매자에게 전부 공개할 유인이 없다. 원가를 알아도 제품 자체가 계속 변하므로 일관된 성과 기반 가격 구조를 정하기 어렵다 [24:58]

13. 토큰 원가와 평가를 연결한 과금도 적용 조건이 있다

• 성과를 토큰 소비와 직접 연결할 수 있다면, 기반 LLM 원가를 실시간 추적하고 평가 결과에 따라 품질·비용 조건을 만족하는 모델을 선택한 뒤 토큰 비용에 마진을 더하는 방식이 가능하다 [26:24]
• 이 구조는 좋은 평가 체계가 있다는 전제에 의존한다. 고객이 중요하게 여기는 성과가 매우 다양할 때 이를 어떻게 처리할지는 아직 해결되지 않았다 [26:34]

14. 변화하는 모델 조합이 고정 상품과 가격표를 흔든다

• 일부 월 구독 상품은 남을 수 있지만, AI 제품은 계속 바뀌는 기반 모델과 기능의 복합체가 되므로 고정된 SKU 중심 체계에서 벗어날 가능성이 있다 [27:05]
• 이러한 변화는 가격표, 청구 모델, 고객에게 제품을 설명하는 방식뿐 아니라 고객별 가격 차등에도 영향을 줄 수 있다 [27:22]

15. 에이전트 간 협상은 지불 의사와 소비자 잉여를 바꿀 수 있다

• 고객은 원하는 결과를 얻기 위해 목표 성과를 알려주려 하지만, 그 결과에 얼마나 높은 가치를 두는지는 숨기려 한다. 시장은 이 간극에서 실제 지불 의사를 계속 시험하게 될 수 있다 [27:54]
• 에이전트끼리 조달을 협상하면 반복적이고 끈질긴 협상이 가능해져 시장 효율이 높아질 수 있다. 동시에 소비자 잉여가 빠르게 줄어들 가능성도 있으며, 이는 확정된 결과가 아닌 전망이다 [28:20]

16. 에이전트 구매는 소프트웨어에서 물리적 소비로 확장된다

• 에이전트가 소프트웨어 자원을 마련하는 일을 넘어, 어머니의 날에 실물 카드가 도착하도록 직접 구매하는 사례가 나타났다 [28:55]
• 디지털 활동이 에이전트 중심으로 바뀌더라도 물리적 세계는 별개일 것이라는 예상과 달리, 에이전트가 현실의 소비와 관계를 위한 행동까지 대신하고 있다. 이는 B2B SaaS 중심의 상거래 구상보다 넓은 활용 범위를 보여준다 [29:46]

17. 예상 밖의 변화는 다른 수용층의 에이전트 이용에서 나올 수 있다

• 기술 수용 곡선의 다른 지점에 있는 사람들이 관심의 중심이다. 실리콘밸리에서 여러 최상위 요금제를 쓰는 이용자들의 행동은 더 이상 크게 놀랍지 않다는 인식이 깔려 있다. [30:01]
• 향후 1~2년의 경제와 AI 변화에서 사람들이 에이전트와 상호작용하는 방식은 상당한 의외성을 보일 잠재력이 있다. [30:17]

18. 수개월 안에도 달라질 수 있다는 전망

• 앞으로 더 많은 예상 밖의 변화가 생길 것이라는 기대를 바탕으로, 6개월 뒤 상황을 다시 확인할 필요성이 제기된다. [30:30]
• 6개월 뒤에는 세상이 매우 달라져 있을 수 있으며, 어쩌면 3개월이면 충분할 수 있다는 전망도 나온다. 변화 속도를 확정하지는 않지만, 다시 대화할 시점은 3개월 뒤로 앞당긴다. [30:36]

🧾 결론

• Stripe가 제시하는 방향은 결제·과금·신원·위험 정보·지출 권한을 연결해 에이전트 거래를 지원하는 것이다.
• 구매자에게는 지출 통제가, 판매자에게는 구매 주체와 악용 위험을 판단할 정보가 필요하다. 양쪽의 신뢰 조건을 함께 충족해야 위임을 확대할 수 있다.
• 사용량 과금은 원가 회수 수단으로 제시되지만, 성과 기반 가격의 표준화는 평가 체계와 고객별 가치 차이라는 난제를 안고 있다.

📈 투자·시사 포인트

• 거래량과 함께 수익의 질을 살펴볼 필요가 있다. AI 기업의 성장 평가에는 추론 원가, 무료 체험 악용 손실, 미납, 고객별 매출을 함께 반영해야 한다.
• 결제와 운영 데이터의 연결이 경쟁력의 관찰 지점이다. Stripe의 서비스 간 위험 정보와 실시간 과금 데이터가 실제 손실 감소와 운영 개선으로 이어지는지 확인필요가 있다.
• 에이전트의 접근성이 제품 수요를 바꿀 수 있다. CLI, 기계가 읽는 거래 조건, 셀프서비스 구매를 지원하는 제품은 에이전트의 도구 선택과 구매 과정에서 어떤 변화를 얻는지 관찰할 만하다.
• 자동 협상의 편익이 누구에게 돌아가는지는 열려 있다. 에이전트 간 협상이 시장 효율을 높일 가능성과 함께, 소비자 잉여를 줄일 가능성도 제시된다.

⚠️ 불확실하거나 확인이 필요한 부분

• Atlas 법인 설립 증가, 신규 사업체 증가, 수익화 규모 개선은 Stripe 집계다. 집계 대상·기간·수익화 지표의 정의를 확인해야 하며, 전체 AI 경제의 성장률로 바로 확대 해석하기 어렵다.
• 연간 약 2조 규모의 결제와 세계 GDP 약 2%라는 설명에는 제공 자료상 통화 단위와 비교 기준이 명시되지 않았다. Link 이용자 수와 Forbes AI50 이용 비중도 기준 시점 확인이 필요하다.
• Metronome 인수와 OpenRouter 인수 발표가 언급되지만, 제공 자료만으로 거래 완료 여부나 제품 통합 범위·일정을 판단할 수 없다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 에이전트 구매를 도입할 때 허용 작업, 건별 승인 금액, 누적 지출 한도를 먼저 정의한다.
• 계정 생성부터 무료 체험·초과 사용·청구까지 추론 비용과 악용 손실이 발생하는 구간을 점검한다.
• 사용량 과금이나 성과 과금을 검토할 때 고객별 가치, 실제 모델 원가, 품질 평가 결과를 함께 비교한다.
• 판매 제품의 상품·가격·결제 조건을 기계가 읽을 수 있는지, 에이전트가 셀프서비스로 구매할 수 있는지 확인한다.

❓ 열린 질문

• 고객마다 원하는 결과와 지불 의사가 다른 상황에서, 성과 기반 가격에 쓸 공통 평가 기준을 어떻게 만들 수 있을까?
• 에이전트의 구매 행동을 반영하면서 정상 거래를 과도하게 차단하지 않는 위험 판단 기준은 무엇일까?
• 에이전트 간 협상이 반복될수록 절감된 비용과 늘어난 거래 효율은 소비자와 판매자에게 어떻게 배분될까?