우리 쇼핑몰, AI가 가격·재고·반품을 확인할 수 있게 돼 있을까?

AI가 고객 대신 쇼핑몰을 돌아다니며 상품을 비교하는 시대가 오고 있다. 이번 실험에서는 AI가 읽고 누르고 확인하기 쉽게 손본 쇼핑몰의 완전 성공률이 49.3%에서 89.3%로 올랐다. 특히 상품 정보를 뽑고 비교하는 일에서는 차이가 크게 나타났다.

AI가 우리 쇼핑몰에서 상품을 제대로 고를 수 있을까?

캐나다·프랑스 연구진은 상품과 가격, 재고가 같은 쇼핑몰을 두 벌 만들었다. 한쪽은 일반적인 쇼핑몰이고, 다른 한쪽은 AI가 읽고 누르고 확인하기 쉽게 손봤다.

GPT-4.1, 제미나이 2.5 플래시, 그록 4 패스트를 붙인 브라우저 에이전트에게 다섯 가지 과제를 맡겼다. 상품 정보 뽑기, 상품 비교, 재고와 장바구니가 걸린 과제, 여러 조건을 동시에 맞추는 과제, 매장 정책 확인이다.

사람 두 명이 AI의 실행 기록을 보고 완전 성공, 절반 성공, 실패로 나눴다. 전체 300번의 실행에서 쇼핑몰의 준비 상태에 따라 결과가 크게 달라졌다.

그럼 쇼핑몰에서 무엇부터 고쳐야 할까?

연구진의 실험을 보면 세 가지로 정리할 수 있다. 읽을 수 있는가, 누를 수 있는가, 믿을 수 있는가다.

상품 정보가 화면에만 있고 AI가 읽기 어려우면 문제가 생긴다. 버튼이 무엇을 하는지 코드에서 확인하기 어려워도 문제가 생긴다. 가격이나 재고가 언제 기준인지 모르거나 정책의 근거를 확인할 수 없으면 마지막 판단에서도 문제가 생긴다.

이 가운데 특히 중요한 부분이 「믿을 수 있는 정보」다. AI가 상품을 찾았다고 해서 고객에게 필요한 답을 모두 확인한 것은 아니기 때문이다.

가격과 재고는 보이기만 하면 충분할까?

가격과 재고는 고객이 구매를 결정할 때 바로 확인하는 정보다. AI 에이전트도 이 정보를 이용해 상품을 비교하고 선택한다.

따라서 가격과 재고가 화면 어딘가에 있다는 것만으로는 부족할 수 있다. AI가 어떤 값이 현재 가격인지, 상품이 실제로 구매 가능한지 확인할 수 있어야 한다.

실험에서도 정보가 잘 정리된 쇼핑몰에서 결과가 크게 좋아졌다. 전체 완전 성공은 원래 쇼핑몰의 74번에서 손본 쇼핑몰의 134번으로 늘었다.

원래 쇼핑몰에서는 완전 성공하지 못한 76번 가운데 43번이 절반 성공이었다. 상품을 찾는 데는 성공했지만 필요한 정보를 모두 뽑지 못했거나 근거를 확인하지 못한 경우다.

상품 비교에서는 왜 차이가 컸을까?

상품 정보를 뽑는 과제는 원래 쇼핑몰에서 23.3%만 성공했지만, 손본 쇼핑몰에서는 100%였다. 상품 비교 과제도 16.7%에서 93.3%로 올라갔다.

반면 여러 조건을 동시에 맞추는 과제와 매장 정책 확인은 차이가 상대적으로 작았다. 정책 확인은 원래 쇼핑몰에서도 73.3%가 성공했고, 손본 쇼핑몰에서는 80.0%였다.

이 결과는 쇼핑몰을 AI가 읽기 좋게 만드는 것만으로 모든 문제가 사라진다는 뜻은 아니다. AI 자체의 판단 실수는 여전히 남을 수 있다.

AI가 가격·재고·반품을 확인하게 하려면 어떻게 적어야 할까?

이번 실험은 읽기·누르기·믿기를 한꺼번에 바꿨기 때문에 가격이나 재고 같은 정보 하나만 바꿨을 때 효과가 얼마나 되는지는 따로 측정하지 않았다.

다만 AI가 상품 정보를 이용할 수 있도록 만드는 규격에서는 구체적인 정보 형식을 요구한다. 재고는 재고 있음, 품절, 예약 판매, 입고 대기, 모름처럼 정해진 값으로 표시하고, 예약 판매나 입고 대기는 날짜도 적는다.

가격은 정가와 할인가를 구분해 적고, 반품은 가능 여부와 기간, 정책 페이지를 확인할 수 있게 하는 방식이다. 반품 정책은 적용 국가, 기간, 반품비, 반품 방법처럼 세부 정보도 구조화할 수 있다.

여기에 중요한 정보가 하나 더 있다. 언제 기준의 정보인지다.

가격과 재고, 정책은 시간이 지나면 바뀔 수 있다. 그래서 정보마다 갱신 시점을 적어 두는 것이 이번 실험에서 말하는 「믿기」에 해당한다.

AI가 헤매는 시간도 줄었을까?

AI가 쇼핑몰에서 헤매는 시간이 줄어드는 것도 확인됐다. 손본 쇼핑몰에서 평균 실행 단계는 9.31단계에서 6.49단계로 30.4% 줄었다.

모델별로도 입력 토큰이 줄었다. 같은 상품을 찾고 비교하는 일을 더 적은 단계와 적은 입력으로 처리했다는 뜻이다.

동네 쇼핑몰 입장에서는 복잡한 기술보다 고객이 자주 확인하는 정보를 먼저 정리하는 것이 현실적인 시작점이다. 상품 페이지에 가격, 재고 상태, 반품 기간을 분명하게 적고, 구조화 데이터에도 같은 내용을 넣는 방식이다(예상).

국내에서도 AI가 재고와 배송 시간을 보기 시작했다

국내에서도 AI가 쇼핑 정보를 단순히 검색하는 수준을 넘어 시간에 민감한 정보를 다루기 시작했다. 네이버 쇼핑 AI 에이전트는 2026년 9월 17일부터 주소지를 기준으로 실제 도착 가능한 상품을 추리고 주문 마감 시간까지 안내한다.

이 에이전트의 거래액은 6월보다 82% 늘었고, 같은 기간 대화 수도 약 60% 늘었다. AI가 고객의 쇼핑 과정에 실제로 들어오면서 쇼핑몰이 제공하는 정보의 형태도 중요해지고 있다.

다만 외부 AI가 모든 쇼핑몰 정보를 직접 확인할 수 있는 것은 아니다. 2026년 9월 16일부터 20일까지 확인한 결과 네이버 스마트스토어는 AI 봇 9종을 모두 막고 있었고, 쿠팡은 403 오류를 돌려줬다.

따라서 입점 플랫폼에 정보가 올라가 있다는 사실만으로 외부 AI가 그 정보를 자유롭게 확인할 수 있다고 볼 수는 없다. 자사몰이 있다면 상품 페이지에 필요한 정보를 사람이 읽기 쉽게 쓰는 것과 함께 AI가 확인할 수 있는 구조도 함께 준비할 필요가 있다.

작은 쇼핑몰은 무엇부터 하면 될까?

처음부터 쇼핑몰 전체를 바꿀 필요는 없다. 상품 페이지에서 고객이 구매 전에 확인하는 가격, 재고, 반품 정보를 명확하게 적고, 같은 정보를 구조화 데이터로도 제공하는 것부터 시작할 수 있다.

그리고 정보가 바뀔 때 갱신 시점을 함께 관리해야 한다. AI가 오래된 가격이나 재고를 현재 정보로 착각하지 않게 하는 것이 중요하기 때문이다.

이번 실험에서 차이가 컸던 것은 화려한 기능이 아니었다. AI가 상품 정보를 읽고, 필요한 버튼을 찾고, 가격·재고·정책을 확인할 수 있도록 정보를 분명하게 만든 것이었다.

같이 읽을 글

• AI가 고객 대신 예약 버튼을 누르려면 홈페이지에 무엇이 있어야 할까?
• 우리 쇼핑몰 상품도 챗GPT에 나오게 할 수 있나?
• 스키마를 넣었는데 왜 AI 검색에 안 나올까?
• AI가 대신 사는 시대, 가게는 어디까지 맡겨야 할까?

자료 출처

• Designing Agent-Ready Websites for AI Web Agents: A Framework for Machine Readability, Actionability, and Decision Reliability(Elnaffar·Rashidi(파리시테대)·ICEME 2026 발표·arXiv 2026년 7월 제출·실행 300번·모델 3종)
• browser-use 오픈소스 브라우저 에이전트 도구(실험에 쓴 도구·깃허브)
• OpenAI Commerce 상품 피드 규격(재고 5가지 값·가격·반품 칸)
• 구글 검색 센터 「판매자 반품 정책 구조화 데이터」 안내
• 구글 검색 센터 「판매자 등록정보(Merchant listing) 구조화 데이터」 안내
• schema.org MerchantReturnPolicy 정의
• 뉴스핌 「네이버, 쇼핑앱 AI 에이전트 배송 특화 기능 고도화」(2026년 9월 17일·도착 가능 상품·주문 마감 시간·거래액 82%)
• PYMNTS 인텔리전스·비자 「2026 Global Digital Shopping Index: The Agentic Commerce Deep Dive」(가맹점 1,185곳·구조화 데이터 준비 15%·AI 방문 구분 23%)