🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

[特別対談] Payments Summit 2026를 중심으로, LLM의 기반 기술은 2020년 이전부터 축적됐지만, AI의 실제 지능과 발전 속도는 예상을 넘어섰으므로 커머스 변화도 선형이 아를 핵심 판단 포인트로 압축 정리한다.

📌 핵심 요점

1. LLM의 기반 기술은 2020년 이전부터 축적됐지만, AI의 실제 지능과 발전 속도는 예상을 넘어섰으므로 커머스 변화도 선형이 아닌 성장 곡선으로 봐야 한다.
2. 일본 기업의 약 60%가 에이전틱 커머스를 준비하고 있지만, 고객사 중 실제 도입을 결정한 비율은 약 10%에 그쳐 경영진의 실행 의지가 기업 간 격차를 만들고 있다.
3. 보안 대책 정비가 40.7%로 주요 장애 요인에 올랐으며, AI가 대신 구매하는 상황에 대한 불안과 통제권 상실 우려도 기술 성숙도 못지않은 병목이다.
4. 소비 방식은 직접 검색에서 AI의 탐색·추천을 거쳐 구매 전 과정의 위임으로 이동할 수 있지만, 초기에는 소비자가 최종 결정권을 유지하며 위임 범위를 단계적으로 넓힐 가능성이 크다.
5. 기업은 상품 데이터·결제 시스템·거래 프로토콜을 준비해야 하며, 규제 변화와 맞물려 에이전트가 인간의 하루치 업무에 가까운 작업을 맡게 될 가능성에도 대비해야 한다.

🧩 배경과 문제 정의

LLM의 기반 기술은 2020년 이전부터 축적됐지만 실제 AI의 지능과 발전 속도는 초기 예상을 크게 넘어섰다. 에이전틱 커머스가 확산되려면 기업은 상품 데이터와 결제 시스템을 정비해야 하고, 소비자는 구매 결정권을 AI에 어디까지 맡길지 선택해야 한다. 이 과정에서는 기술 자체보다 보안 우려와 심리적 저항, 소비자·기업·규제 체계 사이의 전환 속도 차이가 중요한 문제가 된다.

🕒 시간순 섹션별 상세정리

1. 예상을 넘어선 AI의 발전 속도

• LLM의 기반 기술과 주요 학습 기법은 2020년 이전에 상당 부분 완성됐지만, AI가 현재 수준까지 지능을 높일 가능성은 당시 예측하기 어려웠다. [00:54]
• 2020년 무렵에도 변화의 방향은 보였으나 이후 발전 속도는 예상을 크게 넘어섰으며, 접객과 커머스의 변화 역시 선형이 아닌 성장 곡선으로 판단해야 한다. [01:23]

2. 일본 기업 사이에서 벌어지는 도입 격차

• 일본 기업의 약 60%가 에이전틱 커머스 도입을 준비하고 있어 전체적인 움직임은 느리지 않지만, 비슷한 규모의 기업 사이에서도 실행 속도 차이가 나타나고 있다. [01:52]
• 최고경영자나 디지털 역량이 강한 임원이 실질적으로 주도하는 기업은 빠르게 움직이며, 선도 기업의 사례를 다른 기업이 뒤따르는 형태로 확산될 가능성이 크다. [02:41]
• 고객사 중 약 10%는 이미 도입을 결정해 과감하게 실행하는 반면, 다수의 중간 집단은 검토를 계속하면서도 자원 투입을 확정하지 못하고 있다. [03:13]

3. 기술보다 큰 보안 우려와 심리적 장벽

• 도입 장애 요인 중 보안 대책 정비가 40.7%로 두드러졌으며, 실행을 결정한 기업은 데이터와 거래 안전성을 실제 운영 수준에서 해결해야 한다. [03:42]
• 인간이 아닌 에이전트의 구매에 대한 불안과 통제권 상실 우려 때문에 기술 성숙도보다 인간의 심리적 수용 속도가 더 큰 병목이 될 수 있다. [04:02]
• 초기 도입 기업의 매출 증가나 수익성 개선이 확인되고 해외 경쟁사가 앞서가면, 뒤처질 위험을 의식한 후발 기업의 의사결정도 빨라질 수 있다. [04:43]

4. 검색 중심 소비에서 AI 구매 위임으로의 전환

• 인터넷은 소비자가 접할 수 있는 정보와 구매 범위를 넓혀 오프라인과 온라인을 함께 활용하도록 소비 방식을 변화시켰다. [05:56]
• AI 에이전트는 소비자가 직접 발견하지 못한 상품까지 탐색하고 선택지를 개인별로 최적화할 수 있지만, 초기에는 소비자가 최종 구매 결정을 유지할 가능성이 크다. [06:24]
• 장기적으로 에이전트가 구매 전 과정을 대신할 수 있어도 심리적 간극은 한동안 남으며, 위임 범위를 점진적으로 넓히는 방식이 소비자 편익을 키울 수 있다. [06:53]

5. 거래 프로토콜과 기업 측 준비의 필요성

• 인터넷 이용과 온라인 거래, 대화형 AI가 연속적인 S자 곡선으로 수용됐듯이 AI 구매도 작은 성공 경험과 새로운 활용 사례를 통해 사회적 수용 범위를 넓혀야 한다. [07:16]
• 에이전트의 임의 구매를 막으려면 사용자가 정하는 규칙과 거래 주체 간 프로토콜을 함께 마련해야 하며, 이러한 통제 장치가 신뢰 형성의 기반이 된다. [08:04]
• 소비자는 대화형 AI를 빠르게 받아들이지만 기업은 상품 데이터·결제·프로토콜을 자체 주기에 맞춰 준비하므로, 양측의 속도 차이가 서비스 확산을 제한할 수 있다. [08:49]

6. 인간에게 남는 업무와 하루 단위 에이전트의 등장

• 법률상 인간만 판매하거나 처리할 수 있는 서비스가 많기 때문에 규제 변화 속도가 자동화 범위를 좌우하며, 일부 업무는 상당 기간 인간에게 남을 수 있다. [09:04]
• 무형 상품을 포함한 일부 영역에서는 AI가 인간보다 높은 정확도를 낼 가능성이 있어, 현재 인간이 담당하는 역할도 장기적으로 AI에 넘어갈 수 있다. [09:41]
• 에이전트가 처리할 수 있는 작업 길이는 빠르게 늘고 있으며, 연말에는 인간의 하루치에 가까운 업무를 맡을 수 있다는 전망 속에서 변화의 방향을 기회로 활용하는 대응이 중요하다. [10:43]

🧾 결론

• 에이전틱 커머스의 확산 여부는 AI의 성능만이 아니라 보안, 통제 장치, 심리적 수용성이 함께 결정한다.
• 초기 성공 기업의 매출·수익성 개선이 확인되면 검토에 머물던 기업도 뒤처질 위험을 의식해 도입을 서두를 수 있다.
• 소비자는 최종 승인부터 시작해 작은 성공 경험을 쌓으며 AI에 맡기는 구매 범위를 넓혀갈 가능성이 크다.
• 기업과 소비자, 규제 체계의 전환 속도가 서로 다르기 때문에 이를 연결할 거래 규칙과 프로토콜이 시장 확산의 핵심 기반이 된다.

📈 투자·시사 포인트

• 에이전틱 커머스 관련 기업을 볼 때 AI 모델 성능뿐 아니라 상품 데이터, 결제, 보안, 프로토콜을 실제 운영 수준으로 연결할 준비도를 함께 점검해야 한다.
• 최고경영자나 디지털 역량이 강한 임원이 직접 주도하는 기업과 검토만 지속하는 기업 사이의 실행 격차가 경쟁력 차이로 이어질 수 있다.
• 초기 도입 기업에서 매출 증가나 수익성 개선이 확인되는지는 후발 기업의 투자 결정을 가속할 핵심 신호다.
• 인간만 처리할 수 있는 업무의 범위와 규제 변화 속도는 자동화 가능한 시장의 크기와 전환 시점을 판단하는 주요 변수다.

⚠️ 불확실하거나 확인이 필요한 부분

• 일본 기업의 약 60%가 도입을 준비한다는 수치와 보안 대책 정비 40.7%의 조사 기관, 표본, 질문 방식은 제공되지 않았다.
• 고객사 약 10%가 도입을 결정했다는 수치가 어떤 산업과 기업 규모를 포괄하는지 확인할 자료가 없다.
• 연말에 에이전트가 인간의 하루치에 가까운 업무를 맡을 수 있다는 전망은 측정 기준과 적용 업무가 제시되지 않아 실제 진척을 별도로 검증해야 한다.
• 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

• 기업의 상품 데이터가 AI 에이전트가 탐색·비교할 수 있는 형태로 정비돼 있는지 점검한다.
• 결제 권한, 금액 한도, 최종 승인, 예외 처리 등 에이전트 구매에 필요한 통제 규칙을 정의한다.
• 데이터와 거래 안전성을 실제 운영 수준에서 검증할 보안 대책과 거래 프로토콜을 준비한다.
• 초기 도입 기업의 매출·수익성 변화와 해외 경쟁사의 실행 속도를 지속적으로 관찰한다.

❓ 열린 질문

• 소비자는 어떤 상품군에서 최종 승인권을 가장 먼저 AI에 넘기기 시작할까?
• 에이전트의 오구매와 임의 결제를 막으면서 편익을 유지하려면 어떤 사용자 규칙과 거래 프로토콜이 필요한가?
• 소비자의 빠른 수용과 기업의 느린 시스템 정비 사이의 간극을 누가, 어떤 방식으로 줄일 수 있을까?