가격을 AI에게 맡겨도 가게는 더 벌까?
비자 연구진의 AI 가격 경쟁 실험에서 가장 잘한 AI도 최적 이익의 32.1%만 벌었다.
가격을 AI에게 통째로 맡긴다고 해서 가게 이익이 자동으로 늘지는 않는다. 비자 연구진의 실험에서 가장 잘한 AI도 사후에 계산한 최적 이익의 32.1%만 벌었다. 같은 AI도 설정과 버전에 따라 결과가 크게 달라졌다.
AI 가격 담당의 성적은 몇 건을 팔았는지가 아니라 한 건에 얼마를 남겼는지에서 갈렸다.
가격을 AI에게 맡기면 왜 문제가 생기나
비자 연구진은 AI가 경쟁 상인 사이에서 가격을 정하는 상황을 만들었다. AI 상인 1곳이 규칙대로 가격을 조정하는 경쟁 상인 3곳, 고객 24명과 약 79라운드 동안 겨루는 방식이다.
AI는 고객의 취향을 미리 알 수 없었다. 이긴 상인은 자기 이익을 알 수 있지만, 진 상인은 경쟁자가 제시한 상품 구성과 가격만 볼 수 있었다. 고객은 여러 제안 가운데 자기에게 가장 이득인 하나를 골랐다.
상품은 속성 3개를 각각 5단계로 정해 모두 125가지 구성이 가능했다. 같은 실험을 조건을 바꿔 10번씩 반복했고, 31~40라운드 사이에는 고객 12명의 취향도 예고 없이 바뀌었다.
| 항목 | 내용 |
|---|---|
| 시험한 AI | 11종(4개 회사), 생각 단계 설정까지 21가지 |
| 경쟁 상대 | 규칙대로 가격만 조정하는 상인 3곳(각자 한 속성 원가 0.4배) |
| AI 상인 원가 | 모든 속성 0.75배, 기본 원가 70달러 |
| 고객 | 24명(취향은 숨김) |
| 상품 구성 | 속성 3개 × 5단계 = 125가지 |
| 기간 | 약 79라운드, 무작위 조건 10번 반복 |
| 취향 변화 | 31~40라운드 사이 고객 12명, 예고 없음 |
많이 팔면 더 많이 버는 것 아닌가
실험 결과를 보면 그렇지 않았다. 총이익과 이긴 건당 이익의 상관은 0.99였고, 이긴 비율과의 상관은 0.88이었다.
예를 들어 제미나이 3.1 프로는 77.9%의 제안에서 이겼다. 오퍼스 4.6은 67.8%만 이겼지만, 이긴 건당 이익이 더 높아 총이익은 오퍼스가 더 컸다.
오퍼스 4.6의 총이익은 2,976달러였고 제미나이 3.1 프로는 2,614달러였다. 단순 통계 규칙인 톰슨 샘플링도 1,426달러를 벌어 기본 설정 AI 11종 가운데 6종보다 많았다.
| AI(설정) | 총이익 | 이긴 비율 | 이긴 건당 이익 |
|---|---|---|---|
| 클로드 오퍼스 4.6(생각 최고) | 2,976달러 | 67.8% | 2.39달러 |
| 클로드 오퍼스 4.6(생각 끔) | 2,769달러 | 67.8% | 2.22달러 |
| GPT-5.5(생각 최고, 3번만 반복) | 2,693달러 | 77.4% | 1.91달러 |
| 제미나이 3.1 프로 | 2,614달러 | 77.9% | 1.83달러 |
| GPT-5.4(생각 높음) | 1,936달러 | 76.0% | 1.38달러 |
| 단순 통계 규칙(톰슨 샘플링) | 1,426달러 | 66.4% | 1.17달러 |
| GPT-5.4(생각 없음) | 266달러 | 36.2% | 0.40달러 |
AI가 놓친 돈은 어디서 생겼나
연구진은 고객 취향과 경쟁자의 제안을 모두 알고 있다고 가정해 라운드마다 벌 수 있는 최대 이익을 계산했다. 실제 AI가 그 최적 이익의 얼마를 벌었는지 비교하니 가장 높은 오퍼스 4.6도 32.1%에 그쳤다.
돈을 놓치는 방식은 두 가지였다. 이긴 고객에게 너무 싸게 팔거나, 이길 수 있었던 고객에게 지는 경우다.
제미나이 3.1 프로와 GPT-5.4 생각 높음은 주로 이기고도 싸게 파는 쪽의 손실이 컸다. 반대로 GPT-5.4 생각 없음과 오퍼스 4.7 등은 이길 수 있던 고객을 놓치는 손실이 컸다.
| AI(설정) | 최적 이익 대비 | 싸게 팔아 놓친 돈 | 져서 놓친 돈 |
|---|---|---|---|
| 클로드 오퍼스 4.6(생각 최고) | 32.1% | 3,628달러 | 2,678달러 |
| 제미나이 3.1 프로 | 31.0% | 4,264달러 | 1,565달러 |
| 클로드 오퍼스 4.6(생각 끔) | 29.5% | 3,769달러 | 2,861달러 |
| GPT-5.4(생각 높음) | 22.5% | 5,058달러 | 1,570달러 |
| 클로드 오퍼스 4.5(생각 끔) | 18.1% | 4,332달러 | 3,297달러 |
| 클로드 오퍼스 4.7(생각 끔) | 10.0% | 3,945달러 | 5,197달러 |
| GPT-5.4(생각 없음) | 2.5% | 3,054달러 | 7,703달러 |
같은 AI인데도 설정에 따라 달라지나
그렇다. GPT-5.4는 생각 없음 설정에서 총이익 266달러였지만 생각 높음에서는 1,936달러였다. 7.3배 차이다.
그런데 생각을 더 하게 했다고 모든 문제가 줄어든 것은 아니다. GPT-5.4는 생각을 늘리면서 져서 놓친 돈을 줄였지만, 싸게 팔아 놓친 돈은 오히려 늘었다.
새 버전이라고 결과가 항상 좋아진 것도 아니었다. 네 회사 가운데 세 곳에서는 가장 새 기본 모델이 이전 모델보다 뒤졌고, AI마다 비용 차이도 컸다.
| 비교 | 결과 |
|---|---|
| GPT-5.4 생각 없음 → 높음 | 266달러 → 1,936달러(7.3배) |
| GPT-5.5 기본(중간) → 높음 | 941달러 → 1,705달러 |
| 최적 이익 대비(기본 설정) 오퍼스 4.5 · | 18.1% · |
| 최적 이익 대비(기본 설정) GPT-5.3 · | 16.3% · |
| 한 번 돌리는 API 비용 | 제미나이 3.1 프로 186달러 · |
고객 취향이 갑자기 바뀌면 괜찮을까
이 실험에서는 고객 12명의 취향이 예고 없이 바뀌었다. 변화 전에 빠르게 이긴 비율을 높인 GPT-5.3과 오퍼스 4.5는 변화 뒤 평균 19.2%포인트 떨어진 상태에서 회복하지 못했다.
반대로 제미나이 3.1 프로는 변화 뒤 이긴 비율이 평균 3.3%포인트 높아졌다. 가장 나은 AI는 10~15라운드 안에 회복했고, 단순 통계 규칙은 30라운드가 지나서야 원래 이긴 비율인 78%로 돌아왔다.
연구진이 AI가 남긴 메모를 살펴보니, AI들은 취향이 바뀐 뒤 몇 라운드 만에 문제가 생겼다는 사실을 알아챘다. 문제는 그다음이었다. 회복하지 못한 AI는 고친 가설 하나에 매달려 그 안에서만 맴돌았다.
| AI | 취향 변화 전 상승(1~30라운드) | 변화 뒤 평균 변화(이긴 비율) |
|---|---|---|
| GPT-5.3 | +46%포인트 | −19.2%포인트 |
| 클로드 오퍼스 4.5 | +40%포인트 | −19.2%포인트 |
| 클로드 소넷 4.6 | — | −13.4%포인트 |
| 클로드 오퍼스 4.6 | — | −11.9%포인트 |
| 제미나이 3.1 프로 | — | +3.3%포인트 |
그럼 작은 가게는 어떻게 써야 하나
국내 소상공인은 아직 가격을 AI에게 많이 맡기지 않는다. 중소기업중앙회가 2026년 6월 발표한 500곳 조사에서 디지털·AI 기술을 쓰는 곳은 80.0%였지만, AI 가격 최적화는 2.2%, AI 재고관리·자동발주는 3.3%였다.
해외 가맹점 조사에서도 가격은 쉽게 넘기지 않는 업무였다. 미국·브라질·아랍에미리트 가맹점 1,185곳 가운데 46%가 AI에게 가장 넘기기 싫은 일로 가격과 최종 결제 금액을 꼽았다.
| 가게 쪽 숫자 | 내용 |
|---|---|
| 소상공인 디지털· | 80.0% |
| 세부 항목 중 AI 가격 최적화 | 2.2% |
| AI 재고관리· | 3.3% |
| 가격을 AI에 가장 넘기기 싫다는 가맹점(1,185곳) | 46% |
AI에게 맡기더라도 어디까지 맡길까
이번 실험의 고객은 가상이고 경쟁자도 정해진 규칙으로 움직였다. 연구진도 이 숫자를 실제 시장의 가격이나 이익을 예측하는 자료가 아니라 AI끼리의 상대적인 차이를 보는 실험으로 읽어야 한다고 했다.
작은 가게에서 가격 일을 AI에게 맡기더라도 최저 마진 선은 사람이 정해 두는 방식이 안전해 보인다. 판매 건수만 보지 말고 한 건에 얼마를 남겼는지도 함께 봐야 한다.
계절이나 유행처럼 고객의 수요가 바뀌는 시기에는 사람이 가격을 다시 들여다볼 필요가 있다. AI 모델이나 설정을 바꿀 때도 바로 전체 가격에 적용하기보다 작은 범위에서 먼저 결과를 확인하는 편이 낫다.
① 가장 잘한 오퍼스 4.6도 최적 이익의 32.1%만 벌었고, 총이익은 2,976달러였다 ② 제미나이 3.1 프로는 77.9%를 이겼지만, 오퍼스 4.6은 67.8%를 이기고도 더 많은 총이익을 냈다 ③ GPT-5.4는 생각 없음 266달러에서 생각 높음 1,936달러로 7.3배 달라졌다 ④ 취향 변화 전 빠르게 배운 GPT-5.3과 오퍼스 4.5는 변화 뒤 이긴 비율이 평균 19.2%포인트 떨어졌다
같이 읽을 글
자료 출처
- Can LLM Agents Price Competitively? A Dynamic Multi-Attribute Auction Benchmark for Agentic Commerce(Ahmed·Cai·Minaei·Rachuri·비자 리서치·2026년 7월 arXiv 제출·AI 11종·고객 24명)
- 같은 연구 전체 본문(HTML, 표 3~5 수록)
- Magentic Marketplace: An Open-Source Environment for Studying Agentic Markets(마이크로소프트·2025년 10월, AI 상인이 거래하는 시장 실험 환경)
- 앤트로픽 「Project Vend」(AI에게 사무실 매점 운영을 맡긴 실험)
- PYMNTS 「Merchants Hand AI the Demand and Keep the Price」(2026년 9월, 가맹점 1,185곳 중 46%가 가격을 가장 넘기기 싫은 일로 꼽음)
- 테크42 「소상공인 AI 활용률 80% 착시, 고도화 활용은 2~3%대」(중소기업중앙회 2026년 6월 발표, 소상공인 500곳)
작성일
← 칼럼 목록