AI는 물건을 고를 때 무엇을 볼까?

AI가 사람 대신 물건을 고르는 시대가 오고 있다. 실험에서는 AI가 몇 개 상품에 선택을 몰아주는 모습이 나타났고, 진열 위치에 따라서도 선택이 크게 달라졌다. 판매자가 상품 설명을 한 번 손본 것만으로도 점유율이 14.89%포인트 오른 경우가 있었다.

AI는 대체 무엇을 보고 고를까?

AI에게 「무선 청소기 하나 골라 줘」라고 맡기면 사람처럼 상품을 하나씩 비교할 것 같지만, 실제 선택은 그렇지 않았다.

컬럼비아 경영대 연구진은 2025년 8월과 12월에 AI 쇼핑 에이전트 6종에게 같은 상품 진열대를 보여 주고 선택 결과를 비교했다.

실험에는 아이폰 케이스, 마우스패드, 사무실 램프, 휴지, 치약, 세탁기 등 8개 품목이 들어갔다. 실험은 500회, 진열은 4,000장으로 구성됐다.

실험에 사용된 AI와 방식은 다음과 같다.

가장 먼저 눈에 띄는 것은 AI의 선택이 사람처럼 넓게 흩어지지 않았다는 점이다.

스마트워치 진열에서 클로드 소넷 4는 한 제품을 45% 골랐다. 그런데 다음 세대 모델인 클로드 오퍼스 4.5에서는 같은 제품의 선택 비율이 77%로 달라졌다.

아이폰 케이스에서는 변화가 더 컸다. GPT-4.1에서는 마이케케가 62.6%를 차지했지만 GPT-5.1에서는 ESR이 95%를 차지했다.

AI가 고르는 상품은 고정된 1등 상품이 아니었다. 모델이 바뀌면 선택 자체가 크게 달라졌다.

진열 위치도 그렇게 중요한가?

중요했다.

실험에서는 상품을 어디에 놓았는지가 선택에 영향을 줬다. 맨 아래 오른쪽에 있을 때 선택률이 4.5%였던 상품을 맨 윗줄로 옮기자 선택률이 5배가 됐다.

가격이 같아도 위치가 달라지면 선택이 달라질 수 있다는 뜻이다.

별점과 후기 수도 영향을 줬다. 별점이 0.1 올라가면 기본 선택률 10%가 클로드에서는 15.4%, GPT에서는 20.3%, 제미나이에서는 16.0%까지 올라갔다.

후기 수를 두 배로 늘렸을 때도 선택에 변화가 있었다.

반면 「스폰서」 표시는 일관되게 감점 요인이 됐다. 「플랫폼 추천」 표시는 반대였다.

이 결과를 사장님 입장에서 보면 단순하다. AI가 읽는 상품 정보에서 별점, 후기, 위치, 추천 표시가 모두 선택에 영향을 줄 수 있다.

특히 별점 0.1의 변화가 가격과 비교해도 큰 효과를 보였다는 점을 볼 필요가 있다.

결국 상품 설명도 고쳐야 하나?

고쳐야 한다.

이 실험에서 판매자 쪽 AI가 상품 설명을 질문에 맞게 한 번 손봤을 때 점유율이 얼마나 달라지는지도 확인했다.

결과는 AI마다 달랐지만, 6개 모델 가운데 5개에서는 점유율이 올라갔다.

클로드 소넷 4에서는 3.66%포인트, GPT-4.1에서는 8.37%포인트, 제미나이 2.5 플래시에서는 14.79%포인트가 올랐다.

다음 세대 모델에서도 클로드 오퍼스 4.5는 7.38%포인트, GPT-5.1은 14.89%포인트 상승했다. 제미나이 3.0 프로는 0.32%포인트로 유의한 상승이 아니었다.

여기서 중요한 것은 설명의 양보다 질문과의 연결이다.

고객이 어떤 용도로 쓰는지, 어떤 조건을 원하는지, 어떤 경우에는 맞지 않는지를 상품 설명에 담아야 한다.

앞서 살펴본 실험 결과처럼 AI는 상품을 단순히 보는 것이 아니라 질문의 조건과 상품 설명을 연결해 선택한다.

따라서 사장님이 손댈 수 있는 부분은 분명하다. 상품 설명을 고객의 질문에 맞춰 다시 쓰고, 별점과 후기를 관리하고, AI가 읽는 목록과 비교 글에서 상품 정보를 확인할 수 있게 만드는 것이다.

우리 가게도 AI에 나오는지 어떻게 알까?

AI사이트코리아가 2026년 9월 20일 챗GPT에 「한국에서 살 수 있는 무선 청소기 3개 추천」을 물었을 때도 비슷한 모습을 확인했다.

근거로 인용된 곳은 비교·설명 글 3곳이었다. 구매 링크는 삼성·LG·다이슨 공식몰만 붙었다. 쿠팡·네이버 링크는 0이었다.

이 결과에서 확인할 수 있는 것은 AI가 상품을 선택할 때 읽을 수 있는 설명과 정보를 중요하게 다룬다는 점이다.

그래서 홈페이지를 만들어 놓는 것만으로 끝나지 않는다. AI가 읽을 수 있는 상품 설명이 있어야 한다.

사장님이 확인할 일도 복잡하지 않다. 고객이 실제로 물어볼 만한 질문을 기준으로 상품 설명을 다시 보고, 용도와 조건, 맞지 않는 경우를 분명하게 적는 것부터 시작하면 된다.

그리고 한 번 고쳤다고 끝나는 것도 아니다. 실험에서 모델이 바뀌자 같은 상품의 선택 비율이 크게 달라졌다.

오늘 AI가 우리 상품을 고른다고 해서 다음에도 같은 결과가 나온다는 보장은 없다. 같은 질문을 다시 던져 보고 결과를 확인해야 한다.

같이 읽을 글

• AI가 고객에게 먼저 물어보면, 우리 가게는 무엇을 보여줘야 할까?
• 왜 우리 가게가 AI 답에 안 나올까?
• 네이버 블로그 글은 왜 챗GPT 답에 안 나올까?
• 고객은 이제 비교하지 않는다

자료 출처

• Allouah·Besbes·Figueroa·Kanoria·Kumar 「What Is Your AI Agent Buying? Evaluation, Biases, Model Dependence, & Emerging Implications for Agentic E-Commerce」 arXiv 2508.02630(v3 2025년 12월 17일, WWW 2026)
• 같은 논문 본문(HTML) — 표 2 위치·별점·후기·가격 효과
• Chu·Hou 「Incumbent Advantage」 arXiv 2606.17443(2026년 6월) — 동일 사양 시 유명 브랜드 100%, 별점 +0.1이면 깨짐
• 맥킨지 「에이전틱 커머스의 자동화 곡선」 — 2030년 3~5조 달러
• 베인 「2030 Forecast: How Agentic AI Will Reshape US Retail」(2025년 12월) — 미국 3,000~5,000억 달러
• 오픈AI 에이전틱 커머스 프로토콜(상품 피드)