AI 쇼핑 비서도 「9,900원」과 「할인」 문구에 넘어갈까?

끝자리를 깎은 가격이나 할인 문구가 AI를 사람처럼 쉽게 움직인다고 보기는 어렵다. 모든 정보를 보여 주면 8종 중 7종은 끝자리 센트를 앞자리와 같은 무게로 계산했고, 6종은 할인액도 정가에서 빠지는 금액과 똑같이 계산했다. 문제는 AI가 상품 정보를 하나씩 열어 봐야 하고 그때마다 비용이 들 때 생겼다.

9,900원처럼 끝자리를 바꾸면 AI도 싸다고 느낄까?

맥길대 연구진은 구글·오픈AI·앤트로픽의 상용 AI 8종에게 고객 대신 인스턴트커피를 고르게 했다. 커피 A는 10온스에 4.99달러이고, 커피 B는 11온스에 5.00달러다. 앞자리 가격만 보면 A가 싸지만, 온스당 가격은 B가 더 싸다.

모든 상품 정보를 한꺼번에 보여 주면 AI는 대부분 이 차이를 계산했다. 끝자리 가격 실험에서 8종 중 7종은 4.99달러와 5.00달러의 센트를 앞자리 달러와 같은 무게로 셌다.

할인도 비슷했다. 할인율을 5~40%로 바꾼 선택지를 보여 줬을 때 8종 중 6종은 할인으로 아낀 금액을 정가에서 빠지는 금액과 똑같이 계산했다. 오퍼스 5는 할인을 조금 더 크게 쳤고, 제미나이 3.5 플래시 라이트는 조금 덜 쳤다.

그런데 AI가 상품 정보를 안 보면 어떨까?

실험에서는 상품 정보를 칸마다 가렸다. AI가 칸 하나를 열 때마다 고객 돈이 10달러씩 빠지는 조건을 붙였다. 고객은 커피 5봉을 사므로, 제대로 비교하면 정보를 확인하는 비용을 감당할 수 있게 했다.

고객의 요청도 두 가지로 나눴다. 「온스당 가격이 가장 싼 커피를 찾아라」처럼 기준을 정한 요청과 「가장 좋은 거래를 찾아라」처럼 기준이 막연한 요청이다.

결과는 크게 달랐다. 구체적인 요청에서는 정보 확인 비용이 붙어도 올바른 선택 비율이 94%에서 83%로 줄어드는 데 그쳤다. 막연한 요청에서는 89%에서 29%로 떨어졌다.

왜 이런 차이가 났을까. AI가 계산을 못해서가 아니었다. 막연한 요청에 비용이 붙자 앞자리 달러는 거의 확인했지만 센트와 중량을 덜 확인했다. 결국 앞자리 4달러만 보고 커피 A를 고르는 상황이 생겼다.

할인도 결국 정보를 봐야 제대로 비교한다

할인 실험에서도 같은 흐름이 나타났다. 이번에는 정보를 여는 비용을 50달러까지 높였다. 구체적으로 무엇을 비교할지 정하면 비용이 생겨도 필요한 정보를 대부분 확인했다.

반대로 「가장 좋은 거래」처럼 기준이 막연하면 할인율과 중량을 덜 확인했다. 정가처럼 눈앞에 있는 숫자는 비교했지만, 실제 거래의 가치를 판단하는 데 필요한 정보는 건너뛰었다.

가게 입장에서는 여기서 중요한 점이 있다. 할인율을 크게 쓰는 것만으로 AI에게 상품의 장점이 제대로 전달되는 것은 아니다. 할인 전 가격, 할인 후 가격, 중량처럼 비교에 필요한 숫자가 함께 보여야 한다.

많이 사면 AI가 더 꼼꼼하게 비교할까?

구매량이 늘어나면 절약할 금액도 커진다. 그래서 더 많은 정보를 확인할 것처럼 보이지만 실험에서는 반대 결과가 나왔다.

제미나이 3.1 프로에게 막연한 요청을 주고 정보 확인 비용을 0달러로 둔 상태에서 구매량을 1봉에서 250봉으로 늘렸다. 그런데 250봉을 살 때는 총액이 싼 것을 목표로 잡는 비율이 84%까지 늘었고, 필요한 정보를 열어 본 칸은 5.55칸에서 4.22칸으로 줄었다.

올바른 선택 비율도 80%에서 35%로 낮아졌다. 많이 사는 상황에서도 AI가 반드시 더 꼼꼼하게 비교하는 것은 아니라는 뜻이다.

AI가 계산을 틀린 건 아닐까?

검증 실험에서는 단가 계산 실수가 8종 모두 0.0%였다. 정보를 보지 않은 값은 대부분 모른다고 적었고, 안 본 값을 지어낸 비율도 0.0~8.5%였다.

필요한 정보를 모두 주면 7종은 끝자리 가격 실험에서 99.7%, 할인 실험에서 98.6%의 올바른 선택을 했다. 일부 정보만 줬을 때도 7종의 선택은 자신이 가진 정보만으로 판단하면 합리적인 선택과 99.3% 일치했다.

즉 틀린 선택의 대부분은 계산 과정에서 생긴 것이 아니라 보지 않은 정보에서 나왔다. 예외적으로 제미나이 3.5 플래시 라이트는 정보를 모두 줘도 끝자리 가격과 할인 실험에서 각각 4.0%, 0.0%만 올바르게 선택했다.

그럼 가게는 가격을 어떻게 보여 줘야 할까?

핵심은 AI가 비교할 숫자를 쉽게 찾게 만드는 것이다. 상품명 가까이에 중량, 개수, 100g당 가격, 할인 전후 가격을 글자로 적어 두는 방식이 그 예다.

상세 이미지 속에만 중량이나 가격을 넣어 두는 것보다 필요한 숫자를 글자로 드러내는 편이 AI가 상품을 비교할 때 확인하기 쉽다. 이는 실험 결과를 한국 가게에 적용한 예상이다.

한국에서도 이런 비교가 점점 중요해질 수 있다. 오픈서베이 조사에서는 전국 15~69세 2,100명 가운데 온라인 쇼핑 때 AI를 써 본 사람이 10명 중 6명이었다. AI를 쓸모 있게 느낀 일로는 제품별 장단점 비교가 54.4%, 쇼핑몰별 최저가·혜택 비교가 46.2%였다.

정부도 사람이 보는 단위가격 정보를 넓히고 있다. 산업통상자원부는 2024년 10월 행정예고한 개정안에서 단위가격 표시 의무 대상을 연간 거래금액 10조 원 이상 대규모 온라인쇼핑몰로 넓히고, 표시 품목을 84개에서 114개로 늘렸다.

다만 이 규칙은 사람이 보는 화면을 다룬다. 연구진은 지금의 단위가격 규칙이 AI가 가져가는 정보까지 다루지는 않는다고 짚었다.

결국 가게가 신경 쓸 곳은 「9,900원」이나 「20% 할인」이라는 문구 자체가 아니다. 고객과 AI가 상품을 비교할 때 필요한 가격과 단위를 한눈에 확인할 수 있게 만드는 것이 중요하다.

같이 읽을 글

• AI는 물건을 고를 때 무엇을 볼까?
• 홈페이지에 가격을 적어야 하나?
• AI가 광고주 상품을 더 권하면 작은 가게는 불리할까?
• 한국 고객은 온라인 쇼핑 때 AI에게 무엇을 물어볼까?

자료 출처

• Shopping by algorithm: How agentic AI deploys human heuristics as a surrogate consumer(Wadi·Ma·맥길대·2026년 9월 arXiv 제출·AI 8종·대화 1만 6,400회)
• 같은 연구 전체 본문(HTML, 실험 조건·표 수록)
• Whom Do AI Agents Work For? Role Assignment Induces Sponsorship Bias in LLM Recommenders(Wadi·맥길대·2026년 9월, 같은 연구진의 광고 추천 실험)
• What Is Your AI Agent Buying? Evaluation, Biases, Model Dependence(Allouah 외·2025년 8월 제출, AI 쇼핑 에이전트 선택 편향)
• 오픈서베이 「온라인 쇼핑 트렌드 리포트 2026」(전국 15~69세 2,100명, AI 쇼핑 이용 10명 중 6명·장단점 비교 54.4%·최저가·혜택 비교 46.2%)
• 대한민국 정책브리핑 「단위가격표시제, 대규모 온라인쇼핑몰로 확대」(산업통상자원부 2024년 10월, 연간 거래금액 10조 원 이상·84→114개 품목·1년 유예)