# AI가 거래처를 고르면 작은 업체는 어떻게 선택될까?

_운송사 20곳을 놓고 AI 화주 50개를 실험한 결과, 처음에는 한 곳에 쏠렸지만 남은 운송 가능량을 보여 주자 쏠림이 줄었다._

> 첫날 한 업체가 요청의 최대 76%를 받았고, 30일 뒤 첫 선택 비율은 약 0.12로 떨어졌다. 남은 운송 가능량을 보여 주자 쏠림은 0.46에서 0.29로 낮아졌다.

- 종류: 칼럼
- 주소: https://aisitekorea.com/column/ai-shippers-crowd-one-carrier
- 발행: AI사이트코리아 (https://aisitekorea.com)
- 작성일: 2026-10-03

AI가 기업 고객의 거래처를 고르면 처음에는 몇 곳에 일이 몰릴 수 있다. 실제 실험에서 AI 화주 50개는 운송사 20곳 가운데 한 곳에 첫날 최대 76%의 요청을 보냈다. 하지만 가격이 오르고 다른 업체의 정보가 보이면서 선택은 여러 곳으로 퍼졌다.

AI가 작은 업체를 고르게 하려면 후기가 아니라 지금 받을 수 있는 물량과 가능한 조건을 보여 주는 것이 중요하다.

## 정말 처음에는 한 곳에 몰릴까?

도쿄대 연구진은 화주 역할을 하는 AI 50개와 운송사 20곳이 거래하는 가상 화물 매칭 시장을 만들었다. GPT, 클로드, 제미나이로 만든 AI가 30일 동안 매일 운송사 3곳의 순위를 정했고, 1순위 업체가 자리를 채우면 2순위와 3순위로 요청을 넘겼다.

운송사마다 하루에 실을 수 있는 양이 정해져 있었다. 요청이 몰린 업체는 다음 날 가격을 올렸고, 실제로 짐을 실은 업체에만 후기가 쌓였다.

| 실험 설정 | 값 |
|---|---|
| AI 화주 수 | 50개(GPT·클로드·제미나이) |
| 운송사 수 | 20곳 |
| 기간 | 30일, 화주마다 하루 1건 |
| 업체별 하루 운송 가능량 | 27~70톤 |
| 시장 전체 운송 여력 | 예상 하루 수요의 1.3배 |
| 화주 1곳이 내는 순위 | 3곳까지 |
| 짐을 못 보냈을 때 지연 비용 | 톤·거리당 0.30 |
| 실험 조건 수 / 개별 선택 수 | 226개 / 약 19만 번 |
| AI 설정 | 온도 0.7 |

첫날 기본 조건에서 1위 업체는 실행에 따라 50건 가운데 14~37건의 요청을 받았다. 상위 3곳의 몫은 62~96%였고, 평균 쏠림 지수는 0.79였다.

업체 구성을 고정한 실험에서는 GPT 화주가 같은 업체에 50건 가운데 34~38건을 보냈다. 클로드와 제미나이도 같은 업체를 가장 많이 골랐다.

## 그런데 작은 업체도 나중에는 선택됐나?

처음에 선택을 많이 받은 업체는 계속 같은 위치에 있지 않았다. 요청이 몰리면서 1위 업체의 가격이 13일 안에 상한까지 올랐고, 첫 선택 비율은 0.74에서 약 0.12로 떨어졌다.

가격에 민감한 AI는 후기 자체가 없거나 거의 없는 싼 업체도 시도했다. 후기 4건뿐이던 신규 업체는 한 달 동안 81건을 실었고, 별점은 0.84까지 올라왔다.

| 지표 | 첫날 | 30일 차 무렵 |
|---|---|---|
| 상위 3곳 몫(쏠림 지수) | 평균 0.79 | 0.42(실행별 0.35~0.45) |
| 무작위로 골랐을 때 | — | 0.18 |
| 무작위 대비 | — | 약 2.4배 |
| 첫날 1위 업체의 첫 선택 비율 | 0.74 | 약 0.12 |
| 1위 업체 단가 | — | 13일 안에 상한 도달 |
| 화주가 낸 평균 단가 | 0.53 | 0.96 |

이 결과에서 중요한 점은 작은 업체가 처음부터 높은 별점을 가져야만 선택된 것은 아니라는 점이다. 기존 업체에 요청이 몰려 가격이 올라가자 AI가 다른 업체를 선택할 이유가 생겼다.

다만 이 실험은 가상 시장이다. 실제 한국의 운송·납품 시장에서도 같은 결과가 나온다고 단정할 수는 없다.

## 후보 업체를 많이 보여 주면 더 유리할까?

오히려 반대 결과가 나왔다. 후보를 3곳, 5곳, 10곳, 15곳, 20곳으로 늘려 보니 일부 AI에서는 후보가 많아질수록 쏠림이 커졌다.

후보가 적으면 AI마다 보는 업체 목록이 달라진다. 후보가 많아지면 여러 AI가 같은 1위 업체를 함께 보게 된다.

| 보여 준 후보 수 | 3곳 | 5곳 | 10곳 | 15곳 | 20곳 |
|---|---|---|---|---|---|
| GPT 화주 | 0.26 | 0.28 | 0.31 | 0.40 | 0.43 |
| 제미나이 화주 | 0.29 | 0.31 | 0.34 | 0.45 | 0.51 |
| 클로드 화주 | 0.25~0.31(거의 변화 없음) | | | | |

연구진은 후보 목록이 서로 겹치는 정도가 쏠림 증가의 대부분을 설명한다고 봤다. 다만 클로드는 후보 수가 늘어나도 쏠림이 거의 변하지 않았다.

작은 업체 입장에서는 고객이 어떤 AI를 쓰는지, 그 AI가 후보를 몇 곳까지 보는지에 따라 결과가 달라질 수 있다는 뜻이다.

## 별점을 잘 보여 주면 선택받을까?

이 실험에서는 뚜렷한 차이가 없었다. 연구진은 같은 시장에서 실제 신뢰도를 보여 주는 경우, 첫 별점을 고정하는 경우, 후기에 따라 별점이 바뀌는 경우를 각각 시험했다.

30일 차 쏠림은 세 조건에서 크게 다르지 않았다. 따라서 이 실험만으로는 별점의 정확도를 높이면 작은 업체의 선택 기회가 늘어난다고 말하기 어렵다.

| 신뢰 신호 | 30일 차 쏠림 | 실행 간 표준편차 |
|---|---|---|
| 실제 신뢰도 공개 | 0.46 | 0.10 |
| 첫 별점 고정 | 0.43 | 0.10 |
| 후기에 따라 바뀌는 별점 | 0.46 | 0.08 |

특히 이 실험에서 품질은 실제 배송 실패 여부에 영향을 주지 않았다. 별점은 AI가 업체를 고르는 신호로만 사용됐다.

그래서 작은 업체가 별점만 관리하면 AI 후보에 들어간다는 결론도 낼 수 없다.

## 그럼 무엇을 보여 줘야 할까?

이번 실험에서 뚜렷한 효과가 확인된 정보는 업체별 남은 운송 가능량이었다. 이 정보를 실시간으로 보여 주자 쏠림은 0.46에서 0.29로 줄었고, 화주 이익은 0.19에서 0.41로 높아졌다.

첫날 선택도 더 흩어졌다. 남은 운송 가능량을 보여 주지 않았을 때 첫날 집중도는 0.31이었지만, 보여 주자 0.11로 낮아졌다.

| 조건 | 30일 차 쏠림 | 변화 | p값 |
|---|---|---|---|
| 기본(아무것도 안 함) | 0.46 | — | — |
| 남은 운송 가능량 공개 | 0.29 | −0.17 | 0.001 미만(보정 후 0.003) |
| 목록 순서 고정 | 0.42 | −0.04 | 0.44 |
| 인기도 표시 | 0.44 | −0.02 | 0.95 |
| GPT·클로드·제미나이 섞기 | 0.41 | −0.05 | 0.075 |

작은 운송·납품업체가 이 결과를 참고한다면 현재 받을 수 있는 물량을 AI가 읽을 수 있는 글과 표로 공개하는 방법을 생각할 수 있다. 가능한 날짜, 노선이나 품목, 가격 기준도 함께 정리할 수 있다.

다만 여기서 한 가지는 구분해야 한다. 실험에서는 플랫폼이 업체별 남은 운송 가능량을 보여 줬다. 업체가 자기 홈페이지에 같은 정보를 올렸을 때도 동일한 효과가 생기는지는 이 실험에서 확인하지 않았다.

## 한국에서도 AI가 거래처를 고를까?

화물 매칭 플랫폼은 이미 커지고 있다. CJ대한통운의 실시간 매칭 플랫폼 「더 운반」은 2026년 7월 기준 차주 7만여 명과 화주 7천여 개사가 사용하고 있다. 차주 수는 3년 사이 37배 이상 늘었고, 영업용 화물차 약 26만 대 가운데 30%에 해당한다.

2025년 12월에는 화물운송 플랫폼 등록제와 요금·약관 신고제를 담은 법안도 발의됐다.

AI가 운송사를 고르는 기술도 등장했다. 미국 물류 소프트웨어 회사 project44는 2026년 2월 운송사 선정과 단가 협상을 자동화하는 AI 에이전트를 내놓았고, 회사가 밝힌 초기 도입 결과는 운송비 4.1% 절감과 소싱 기간 최대 75% 단축이었다.

가트너는 2028년까지 기업 간 구매의 90%, 15조 달러 이상이 AI 에이전트를 거칠 것으로 예상했다. 다만 한국 중소 운송·납품업체가 AI 후보 목록에 실제로 얼마나 오르는지를 측정한 공개 조사는 아직 찾지 못했다.

| 한국·해외 맥락 | 숫자 | 출처 |
|---|---|---|
| 더 운반 차주 / 화주 | 7만여 명 / 7천여 개사 | SBS Biz, 2026.7 |
| 더 운반 차주 증가 | 3년 사이 37배 이상, 영업용 화물차 26만 대 중 30% | SBS Biz, 2026.7 |
| project44★ AI 운송 구매 에이전트 | 운송비 −4.1%, 소싱 기간 최대 −75%, 수작업 조율 −70% | FreightWaves, 2026.2 |
| 가트너 예상(2028) | 기업 간 구매 90%·15조 달러 이상이 AI 에이전트 경유 | Digital Commerce 360, 2025.11 |

## 이 결과를 작은 업체에 그대로 적용해도 될까?

그렇게 보기는 어렵다. 이번 실험은 화주 50곳과 운송사 20곳이 30일 동안 거래하는 단순한 시장이었고, 수요도 변하지 않았다.

운송사 쪽은 정해진 공식대로 가격을 바꿨고 AI처럼 전략을 세우지 않았다. 품질도 실제 배송 실패로 이어지지 않았다.

또 세 모델을 온도 0.7과 한 가지 질문 양식으로 돌렸고, 모든 화주가 같은 질문 틀을 사용했다. 실제 기업은 서로 다른 지시를 줄 수 있으므로 첫날 쏠림이 더 약할 가능성도 있다.

조건마다 반복 횟수도 5~10번뿐이다. 따라서 한국 시장이나 다른 업종, 사람과 AI가 함께 거래하는 시장에 결과를 그대로 옮길 수는 없다.

결국 작은 업체가 지금 준비할 수 있는 것은 AI에게 읽히는 정보를 갖추는 일이다. 특히 현재 받을 수 있는 물량처럼 실제 거래 가능 여부를 판단하는 정보가 이번 실험에서는 선택을 분산시키는 데 효과가 있었다.

요점 ① AI 화주 50개는 첫날 운송사 20곳 가운데 한 곳에 최대 76%의 요청을 보냈다. 요점 ② 첫날 1위 업체의 첫 선택 비율은 0.74에서 30일 차 무렵 약 0.12로 떨어졌다. 요점 ③ 후보가 10곳을 넘으면 일부 AI의 쏠림이 커졌고, GPT는 0.31에서 0.43으로 높아졌다. 요점 ④ 남은 운송 가능량을 공개하자 쏠림은 0.46에서 0.29로 줄고 화주 이익은 0.19에서 0.41로 높아졌다.

## 같이 읽을 글

 

- 새로 연 가게도 AI에게 추천될 수 있을까?

- 우리 글은 AI에게 어떻게 골라질까?

- AI가 가게 정보를 못 찾으면 어떻게 될까?

- 쇼핑 AI에 우리 상품이 한 번 나오면 된 걸까?
 

## 자료 출처

 

- When Shippers Become Algorithms: Candidate Exposure, Information Design, and the Concentration of LLM-Mediated Freight Markets(도쿄대 첨단과학기술연구센터·공학계, arXiv 2607.19967, 2026.7, AI 화주 50·운송사 20·30일·226개 조건·선택 약 19만 번)

- 같은 논문 HTML 본문(5.1~5.4절 결과표, 6.5절 한계)

- CJ대한통운 '더 운반' 차주 7만명 확보…3년만에 37배(SBS Biz, 2026.7, 차주 7만여 명·화주 7천여 개사)

- 맹성규 의원, '화물운송 플랫폼 제도화' 위한 개정안 대표발의(헤럴드경제, 2025.12)

- Gartner: AI agents to intermediate $15 trillion in B2B purchases by 2028(Digital Commerce 360, 2025.11, 가트너 IT 심포지엄 2025 예상치)