편의점 냉장고 앞에서 우리는 계산하지 않는다. 음료 하나를 사러 들어갔다가 ‘2+1’ 스티커를 보고 세 개를 들고 나온다. 정말 세 개가 필요한지, 개당 가격이 옆 가게보다 싼지는 계산대에 서기 전까지 떠올리지 않는다. 애초에 떠올릴 필요가 없도록 설계된 문구이기 때문이다.

하지만 그 냉장고 앞에 사람이 아니라 에이전트가 선다면 상황은 달라진다. “이번 주 생수랑 샴푸 좀 채워줘”라는 요청을 받은 AI는 스티커를 보지 않는다. 필요한 수량, 개당 가격, 배송비, 경쟁 판매자의 가격, 최근 몇 주의 가격 이력을 읽고 다시 계산한다.

이 글은 ‘AI 에이전트가 구매자가 될 때’ 여섯 편 시리즈의 첫 글이다. 출발점은 단순하다. 수십 년 동안 다듬어 온 심리 가격 기법은 사람이 아닌 구매자 앞에서도 작동하는가.

가격이 아니라 뇌를 설계했던 기법

가격 끝자리, 앵커, 미끼, 손실회피, 공짜. 이 기법들은 수십 년의 실험에서 효과가 확인됐다. 그러나 모두 하나의 조건 위에 서 있었다. 계산을 귀찮아하는 인간이다.

고전 실험의 대표 결과이며, 효과 크기는 실험 조건과 대상, 후속 재현 연구에 따라 달라질 수 있다. 다만 공통점은 분명하다. 앵커링은 처음 본 숫자에 판단이 끌리는 현상이고, 미끼 효과는 비교하기 쉬운 쌍이 생길 때 특정 선택지로 기우는 현상이다. 가격 끝자리는 왼쪽 자릿수만 읽는 습관을 이용한다.

‘2+1’은 0원이라는 특별한 숫자에 대한 과잉반응을 이용한다. 가격 차이는 그대로인데 한쪽을 무료로 만들자 선택이 뒤집힌 실험은 그 힘을 보여준다. 이 모든 기법이 노리는 자원은 주의력과 계산 의지다. 사람은 매번 단가를 나눠 볼 여유가 없었고, 심리 가격은 그 현실을 설계에 활용했다.

사람의 눈에 9,900원은 9천 원대다. 에이전트의 눈에는 10,000원과 100원, 즉 1% 차이일 뿐이다.

같은 진열대, 두 가지 시선

같은 진열대를 사람과 에이전트의 눈으로 각각 보면, 필요한 수량에 따라 ‘2+1’이 진짜 이득인지 비싼 선택인지 드러난다. 가상의 샴푸 사례에서 판매자 A는 9,900원짜리 2+1 행사를 내세운다. 세 개를 사면 개당 6,600원꼴이고 오늘 자정에 끝난다고 말한다. 판매자 B는 행사 없이 7,900원에 판다.

사람의 눈은 ‘공짜’와 ‘6,600원’에 먼저 반응한다. 필요한 수량은 화면에 등장하지 않는다. 수량을 1개부터 6개까지 움직이면, 필요량이 1~2개일 때 2+1은 확실히 진다. 3·4·6개일 때는 이기고, 5개일 때는 100원 차이로 다시 진다. 이는 예시 수치이며 실제 상품·판매자와 무관하다. 잉여분의 보관 가능성과 유통기한은 계산에서 제외했다.

‘2+1’이 AI에게 안 통하는 것이 아니다. ‘2+1’이라는 문구가 안 통하는 것이다.

문구 아래에 실제 단위가격의 이득이 있으면 에이전트는 번들을 고른다. 없으면 스티커가 아무리 크고 빨개도 조용히 탈락한다. 에이전트에게 번들은 메시지가 아니라 수식이다. 수식이 맞으면 이기고, 틀리면 사라진다.

기법별 판결

모든 기법이 같은 운명을 맞지는 않는다. 어떤 것은 효력을 잃고, 어떤 것은 약해지며, 어떤 것은 오히려 판매자에게 불리한 증거가 된다. 실제 가치에 기반한 것은 살아남는다.

이 판결은 에이전트가 가격 정보에 접근할 수 있고 사용자의 기준대로 행동한다는 전제 아래의 분석적 판단이다. 실제 결과는 에이전트의 설계와 권한에 따라 달라질 수 있다.

속임수가 증거가 될 때

가장 위험한 것은 죽는 기법이 아니라 역이용되는 기법이다. 9,900원이 효력을 잃는 것은 판매자에게 단지 중립적이다. 반면 사람에게 통하던 장치가 기계 앞에서 불리한 증거가 되면 상황은 달라진다.

부풀린 정가와 취소선이 대표적이다. 사람은 가격 이력을 기억하지 못하지만 에이전트는 기억하거나 조회한다. 할인 직전에만 잠시 올린 정가는 이력에 남고, 할인율은 사실상 0%가 된다. 한 번 허구의 할인을 발견한 에이전트는 그 판매자의 다른 할인 표시도 의심할 수 있다.

재방문하면 초기화되는 ‘오늘 자정 종료’ 타이머, 검증할 수 없는 ‘3개 남음’, 결제 직전에 붙는 수수료도 같은 운명이다. 사람에게는 서두르게 만드는 장치였지만, 에이전트에게는 판매자를 분류하는 데이터가 된다.

규제도 같은 방향을 가리킨다. EU 옴니버스 지침(2019/2161, 2022년 시행)은 가격 인하를 알릴 때 직전 30일 내 최저가를 기준 가격으로 삼도록 한다. 한국의 2025년 전자상거래법 개정은 숨은 갱신, 순차공개 가격책정, 특정 옵션 사전선택 등 온라인 다크패턴을 금지 행위로 규정했다. EU와 한국의 단위가격 표시 제도 역시 일정 품목의 단위가격 표시를 요구한다.

가격은 설득에서 증명으로 옮겨간다.

아직 사라지지 않는 이유

심리 가격이 내일 사라지는 것은 아니다. 이 분석은 에이전트가 가격 정보를 볼 수 있고, 사용자의 기준대로 움직이며, 구매가 실제로 위임된다는 전제에 기대고 있다. 이 세 조건은 아직 부분적으로만 성립한다.

반복 구매되는 생수·세제·프린터 토너는 위임되기 쉽지만, 선물·옷·여행처럼 취향이 중요한 소비는 오래 사람의 손에 남을 것이다. 에이전트가 후보를 세 개로 좁히고 사람이 승인한다면, 마지막 화면에서는 9,900원과 취소선이 여전히 힘을 가질 수 있다. 전장은 후보에 드는 단계와 승인하는 단계로 나뉜다.

위임에는 선호도 함께 실린다. “늘 사던 걸로”, “이 브랜드만”, “조금 비싸도 빠른 배송”은 계산기만이 아니라 취향과 습관을 넘기는 말이다. 에이전트는 가장 싼 것을 사는 존재가 아니라 사용자의 기준을 가장 충실히 따르는 존재다.

에이전트 역시 편향이 있거나 중립적이지 않을 수 있다. 초기 연구(Allouah et al., 2025, preprint)는 AI 쇼핑 에이전트의 선택이 목록 위치와 ‘추천’ 배지에 따라 달라지며, 그 경향도 모델마다 다르다고 보고했다. 플랫폼 소유 에이전트라면 사용자와 플랫폼의 이해가 항상 일치하지도 않는다.

착각 대신 기준을 설계하라

판매자가 심리 가격을 완전히 버릴 필요는 없다. 사람을 위한 화면은 남겨 두되, 그 아래에는 계산을 견디는 가격 구조를 깔아야 한다.

첫째, 용량·수량·단가·배송비·세금 포함 총액을 구조화된 데이터로 공개해야 한다. 에이전트가 계산하지 못하는 가격은 싼 가격이 아니라 비교 불가로 분류되며, 비교 불가는 대개 탈락한다. 둘째, 할인은 실제로 팔던 가격을 기준으로만 표시해 가격 이력을 깨끗하게 유지해야 한다.

셋째, 번들은 수량 강요가 아니라 단가 인하로 설계해야 한다. 하나만 사도 비례 할인을 주고, 많이 사면 더 할인하는 방식이 기계의 계산에서 유리하다. 대용량과 정기배송을 함께 두면 필요량이 다른 사용자에게도 대응할 수 있다.

넷째, 긴급성은 사실일 때만 쓰고 재고와 마감 시각을 검증 가능하게 공개해야 한다. 다섯째, 반품 기간·보증·배송 속도·호환성·교체 주기처럼 가격 외 조건으로 경쟁해야 한다. 사람에게 작은 글씨였던 정보가 에이전트에게는 효용 계산의 핵심 변수가 된다.

여섯째, 브랜드 선호·멤버십·재구매 경험처럼 사람의 선호가 위임되는 지점을 설계해야 한다. 일곱째, 사람용 화면과 기계용 데이터에 서로 다른 숫자를 보여주는 이중 운영은 피해야 한다. 둘이 어긋나는 순간, 그것은 마케팅이 아니라 기만이 된다.

‘2+1’은 죽지 않는다. 문구로서의 ‘2+1’은 죽고, 수식으로서의 ‘2+1’만 살아남는다.

사람의 착각에 기대던 가격은 힘을 잃고, 사실을 견디는 가격은 더 멀리 간다. 에이전트는 정직한 판매자에게 불리한 구매자가 아니다. 어쩌면 처음으로 정직함이 계산으로 보상받는 구매자다.

구매 버튼을 누르는 것이 사람이 아니라 AI 에이전트일 때, 감성 카피와 예쁜 패키지, ‘오늘만’ 배지는 힘을 잃는다. 새로운 진열대는 기계가 읽고, 대조하고, 믿을 수 있는 신호로 만들어진다.

“다음 주 캠핑에 쓸 보온 텀블러, 5만 원 이하로, 반품 쉬운 곳에서 하나 사 줘.” 이런 요청을 받은 에이전트는 상세페이지의 노을 사진을 감상하지 않는다. 후보를 모아 용량과 보온 성능을 단위로 비교하고, 배송일이 캠핑 전에 맞는지, 반품 비용은 누가 내는지, 리뷰가 실제 구매자에게서 왔는지를 확인한다. 그리고 가장 위험이 낮고 조건에 맞는 하나를 고른다.

지난 100년의 마케팅은 구매자가 사람이며, 사람이 감정으로 결정한 뒤 이성으로 정당화한다는 전제 위에 서 있었다. 그래서 스토리를 쓰고, 패키지를 다듬고, 희소성과 긴박감을 연출했다. 그러나 결정의 마지막 몇 걸음을 기계가 대신 걷기 시작하면서 이 전제는 흔들린다. 이 글의 답은 한 문장이다. 감정이 아니라, 읽을 수 있는 신호.

에이전트는 광고를 보지 않는다. 읽는다.

발견에서 결정으로

고객이 검색창 대신 AI에게 묻기 시작하면서 기업의 과제는 ‘검색 결과 1페이지’에서 ‘AI의 답변 안에 인용되는 것’으로 바뀌었다. GEO·AEO의 질문은 “AI가 우리를 찾아내는가”였다. 에이전트 커머스는 그 다음 단계다. AI가 후보를 추천하는 데서 멈추지 않고 비교하고, 고르고, 결제까지 한다.

질문은 “AI가 우리를 찾아내는가”에서 “AI가 우리를 골라도 된다고 판단하는가”로 바뀐다. 발견은 노출의 문제였지만 결정은 신뢰의 문제다. 사람은 브랜드의 분위기와 익숙함, 친구의 한마디에서 신뢰를 얻지만, 기계는 대조 가능한 데이터, 일관성, 외부 검증에서 신뢰를 계산한다.

같은 상품, 두 개의 페이지

아래는 가상의 텀블러 한 개를 두고 사람이 보는 페이지와 에이전트가 읽어 내는 페이지를 나란히 놓은 예시다. 수치와 문구는 모두 설명을 위해 지어낸 것이다. 사람의 눈과 마음을 겨냥한 설계는 기계가 읽는 환경에서 식별자, 단위, 조건, 출처로 바뀐다.

사진은 보이지 않고, 배지는 대조의 대상이 된다. 남는 것은 식별자, 단위, 조건, 그리고 출처다. 에이전트는 사진을 이해할 수 있지만 사진이 주는 ‘느낌’을 구매 근거로 삼지는 않는다. 사용자가 맡긴 과제는 ‘좋은 느낌의 텀블러’가 아니라 ‘조건에 맞는 텀블러’이기 때문이다.

사람에게 형용사는 설득이지만, 기계에게 형용사는 소음이다. 기계를 설득하는 것은 단위와 조건과 출처다.

기계가 읽는 네 개의 신호

감성 카피·패키지·FOMO가 사람의 진열대였다면, 에이전트의 진열대는 네 가지 신호로 짜인다. 이 신호들은 새로 발명된 것이 아니다. schema.org의 Product, Offer, MerchantReturnPolicy 같은 어휘는 오래전부터 검색엔진의 리치 결과를 위해 쓰였고, 쇼핑 플랫폼의 상품 피드 역시 가격·재고·배송 조건을 구조화된 형태로 받아 왔다. 달라진 것은 데이터를 읽는 쪽이다.

검색 결과에 별점을 띄우던 데이터가 이제 구매 결정의 입력값이 된다. 화려하지 않은 몇십 줄의 JSON-LD가 에이전트에게는 상세페이지 전체보다 더 많은 것을 말할 수 있다.

숫자로 보는 현실

에이전트 커머스는 아직 초기다. 전망치는 기관마다 크게 다르고 실제 거래 규모는 이제 막 측정되기 시작했다. 따라서 아래 수치는 확정된 시장 규모가 아니라 방향을 보여주는 확인된 지점이다.

수치는 조사 기관·기준 연도·정의에 따라 달라질 수 있으며, McKinsey의 추정치는 시나리오 기반 전망이지 확정된 시장 규모가 아니다. 다만 트래픽은 이미 움직이고 거래를 위한 레일도 깔리기 시작했다. 2025년 OpenAI와 Stripe는 ChatGPT 안에서의 즉시 결제와 함께 ACP를 공개했고, 구글은 사용자를 대신한 결제에서 누가 무엇을 승인했는지를 서명된 위임(mandate)으로 남기는 AP2를 발표했다. 카드 네트워크들도 에이전트 결제 프로그램을 잇달아 내놓았다.

구체적인 규격은 바뀔 수 있다. 그러나 결제까지 기계가 수행하려면 상품과 조건은 먼저 기계가 해석할 수 있는 형태로 존재해야 한다. 프로토콜은 파이프일 뿐이고, 그 파이프를 흐르는 것은 판매자가 준비한 데이터다.

일관성이 새로운 카피다

사람은 페이지 한 장을 보고 판단하지만, 에이전트는 상세페이지의 문장, 구조화 데이터, 상품 피드, 외부 리뷰, 실제 결제 단계의 최종 금액을 겹쳐 본다. 이들이 서로 맞아떨어질 때 신뢰가 쌓이고, 어긋날 때 신뢰가 빠져나간다.

‘무료배송’이라고 써 놓고 결제 단계에서 배송비를 붙이는 순간, 판매자는 과장한 판매자가 아니라 데이터를 믿을 수 없는 판매자로 분류된다. 에이전트 시대의 카피라이팅은 역설적으로 덜 말하기에 가깝다. 확인할 수 없는 최상급 표현은 줄이고 확인 가능한 사실은 늘린다. 긴박감 연출은 재고 데이터가 받쳐 줄 때만 쓴다.

사람을 상대로는 한 번의 인상이 중요했다. 기계를 상대로는 모든 접점의 일관성이 곧 브랜드다.

작은 판매자를 위한 신호 체크리스트

이것은 대기업만의 이야기가 아니다. 광고 예산으로 감성을 살 수 없는 1인 판매자와 소상공인에게 기계가 읽는 신호는 공평한 경쟁의 장이 될 수 있다. 다음은 개인·소상공인 판매자를 위한 출발점이다.

감정은 사라지지 않는다, 자리를 옮길 뿐

브랜드와 스토리가 끝났다고 결론 내린다면 절반만 맞다. 에이전트는 진공 속에서 결정하지 않는다. 누군가는 과제를 맡기고 예산을 정하며, “이 브랜드는 빼 줘” 또는 “가능하면 친환경 제품으로”라고 선호를 설정한다. 그 누군가는 여전히 사람이고, 사람은 여전히 감정으로 움직인다.

달라지는 것은 감정이 작동하는 위치다. 예전에는 매장 진열대 앞, 구매의 마지막 순간에 작동했다. 이제는 사람이 에이전트에게 무엇을 원하는지 말하는 훨씬 앞선 순간에 작동한다. 브랜드는 결제 직전의 충동이 아니라 선호 목록에 이름이 오르는 기억이 되어야 한다.

전략은 둘 중 하나를 고르는 일이 아니라 두 층을 함께 설계하는 일이다. 사람을 위한 층에서는 이야기와 경험으로 선호를 얻고, 기계를 위한 층에서는 검증 가능한 신호로 그 선호가 실제 선택으로 이어지게 한다. 사람의 마음이 ‘이 브랜드면 좋겠다’고 말할 때, 기계의 계산이 ‘이 브랜드여도 된다’고 답해야 거래가 성사된다.

사람에게는 이야기를, 기계에게는 증거를. GEO가 ‘찾아지는 법’을 물었다면, 에이전트 커머스는 ‘골라지는 법’을 묻는다. 그 답은 더 큰 목소리가 아니라 더 정확한 데이터에 있다.

충성은 기억이다. 에이전트에게는 기억 대신 매번의 평가가 있다.

10년째 같은 세제를 쓰는 사람이 있다고 하자. 마트에 가면 손이 먼저 그 주황색 통으로 가고, 가격표를 보거나 비교하지 않는다. 그 세제는 일상이 되었고, 어쩌면 어머니가 쓰던 제품이기도 하다. 마케터들이 말하는 충성 고객의 모습이다.

하지만 이 사람이 “세제가 떨어지면 알아서 주문해 줘”라고 AI 에이전트에게 맡기면 상황은 달라진다. 에이전트는 주황색 통을 기억하지 않는다. 이 용량과 성분이라면 세탁 1회당 얼마인지, 같은 성분의 다른 제품은 무엇인지, 이번 주 어디가 가장 빨리 배송하는지를 묻는다. 10년의 습관은 데이터 한 줄이거나, 아예 없는 정보다.

지난 수십 년간 브랜드가 쌓아 온 감정, 친숙함, 습관, 적립 포인트의 해자는 대체로 인간 두뇌의 지름길 위에 지어졌다. 이 글은 그 지름길을 쓰지 않는 구매자가 등장할 때 무엇이 무너지고, 변형되고, 더 단단해지는지를 가른다.

브랜드가 팔아 온 것

브랜드의 경제적 기능은 탐색 비용을 줄이는 데 있다. 수십 개의 선택지를 하나하나 비교할 시간도 의지도 없는 사람에게 브랜드는 “이것을 고르면 크게 틀리지 않는다”는 약속이 된다. 행동경제학의 언어로는 빠르고 직관적인 판단, 즉 시스템 1을 위한 인지적 지름길이다.

그 위에 광고가 만든 이미지, 제품이 대변하는 정체성, 반복 구매가 만든 습관, 떠나기 아깝게 만드는 포인트와 등급이 쌓인다. 이 층들은 경쟁자가 가격을 조금 낮춰도 고객이 움직이지 않는 상태를 만든다. 유지율이 이익을 크게 좌우한다는 오래된 분석은 이 ‘움직이지 않음’의 가치를 보여 준다.

해자는 제품의 성벽이 아니라 구매자 머릿속의 성벽이었다. 그리고 에이전트에게는 그 머리가 없다.

매번 원점에서 하는 재평가

탐색 비용이 거의 0이 되면, 탐색 비용을 줄여 주던 브랜드의 역할도 줄어든다. 일상 소비재 재구매를 단순화해 비교하면 다음과 같다. 실제 에이전트의 동작은 설계와 사용자의 지시에 따라 다르다.

핵심은 마지막 줄이다. 사람에게 두 번째 구매는 첫 번째보다 쉽지만, 에이전트에게 두 번째 구매도 첫 번째와 똑같이 비교 대상이다. 에이전트는 단위가격, 실제 적립률, 반품 조건, 배송 약속 이행률처럼 사람이 귀찮아서 보지 않던 조건까지 기꺼이 본다. 드러나는 것은 더 싼 곳만이 아니라 숨겨져 있던 조건 전체다.

사람의 충성은 재평가를 생략하는 능력이다. 에이전트의 기본값은 재평가를 생략하지 않는 것이다.

숫자로 보는 현실

세 숫자가 이 글의 긴장을 요약한다. 충성은 여전히 이익의 원천이고, 신뢰는 여전히 구매의 조건이며, 구매의 입구는 빠르게 AI 쪽으로 옮겨가고 있다.

수치는 조사 대상·방법·연도에 따라 달라질 수 있다. Reichheld의 수치는 업종별 분석에서 나온 범위이며, Adobe의 증가율은 낮은 기저에서의 성장률이라는 점을 함께 읽어야 한다.

약해지고, 변형되고, 강해지는 해자

모든 해자가 같은 속도로 무너지지는 않는다. 기준은 그 해자가 구매자의 머릿속에 있는지, 아니면 제품과 관계 자체에 있는지다. 전자는 약해지고 후자는 오히려 가치가 커진다. 아래의 평가는 측정값이 아니라, 에이전트가 구매를 매개할 때 각 해자가 유지할 방어력에 대한 정성적 판단이다.

약해지는 해자들은 공통적으로 비교를 생략하게 만드는 장치였다. 포인트는 특히 그렇다. 사람에게는 모으는 즐거움과 버리기 아까움이라는 심리적 가치가 있었지만, 에이전트는 이를 걷어내고 실제 현금가치만 남긴다. 반대로 검증 가능한 품질, 오랜 이행 기록, 데이터와 연동은 계산할수록 유리해진다.

사전으로서의 브랜드, 증거로서의 브랜드

에이전트 시대에 브랜드가 무의미해진다는 결론은 성급하다. 에이전트도 모든 것을 검증할 수는 없다. 처음 보는 판매자, 리뷰가 적은 신제품, 사전에 품질을 확인하기 어려운 서비스 앞에서 브랜드는 오랫동안 약속을 지켜 온 이름, 실패했을 때 잃을 것이 많은 주체라는 압축된 신뢰 신호가 된다.

브랜드는 결론이 아니라 가설이 된다. 에이전트는 그 가설을 매번 검증한다.

기억에서 지시문으로 옮겨가는 충성

에이전트는 주인을 대신해 사는 존재다. 주인이 “커피 원두는 꼭 그 동네 로스터리에서”라고 말하면 에이전트는 이를 지킨다. 인간의 충성은 사라지지 않고, 기억에서 지시문으로 거처를 옮긴다.

명시된 선호는 어떤 습관보다 강할 수 있다. 한번 적히면 에이전트는 경쟁사의 할인 광고에 흔들리지 않는다. 그러나 그것은 더 이상 무의식이 아니다. 사람이 의식적으로 적어야 존재하며, 에이전트가 “같은 성분 제품이 훨씬 저렴한데 바꿀까요?”라고 물을 때마다 다시 시험대에 오른다. 묻지 않았다면 평생 유지됐을 충성이 한 번의 질문으로 재협상될 수 있다.

지시문에 이름을 올리는 브랜드는 가격으로만 비교되지 않는 브랜드다. 구매 자체가 자기표현인 옷과 시계, 좋아하는 가게를 응원하는 관계, 오래 써 본 끝에 “이것 말고는 불안하다”가 된 경험의 영역에서는 에이전트가 선택하지 않고 실행한다. 선택은 여전히 사람의 것이다.

에이전트 시대의 가장 강한 해자는, 사람이 에이전트에게 직접 적어 주는 이름이다.

해자는 에이전트의 주인에게로

지금까지의 논의는 에이전트가 중립적인 비교 기계라는 전제 위에 있었다. 그러나 에이전트에게도 주인이 있다. 에이전트를 만들고 운영하는 플랫폼, 결제를 연결하는 네트워크, 상품 데이터를 공급하는 마켓플레이스다. 2025년에는 주요 결제 네트워크와 AI 기업들이 에이전트 결제와 체크아웃을 위한 프로토콜과 프로그램을 잇달아 내놓았다.

검색엔진이 첫 페이지를 정하고 앱스토어가 설치 경로를 쥐었을 때처럼, 해자의 상당 부분은 개별 브랜드에서 게이트키퍼에게 옮겨갈 수 있다. 검색 결과는 적어도 열 개를 보여 주지만 에이전트는 하나를 골라 결제까지 끝낸다. 기본값, 순위, 제휴, 수수료처럼 그 하나를 정하는 기준을 누가 설계하는지가 새로운 해자다.

따라서 에이전트의 신뢰는 누구의 이익을 대변하는가의 문제다. 사용자의 이익을 대변하는 에이전트와 플랫폼의 이익을 대변하는 에이전트는 겉으로는 같아 보일 수 있다.

지금 쌓아야 할 것

원칙은 하나다. 머릿속의 성벽 대신 계산해도 남는 성벽을 쌓고, 그 성벽의 열쇠를 남에게 맡기지 않는 것이다.

소상공인에게 이 변화는 위협만이 아니다. 광고비로 인지도를 사던 게임에서는 작은 가게가 늘 불리했지만, 조건의 명확성과 이행 기록으로 평가받는 게임에서는 출발선이 조금 더 가까워진다.

기억에서 증거로

기억에 기댄 해자는 흔들리고, 증거로 쌓은 해자는 남는다. 에이전트는 브랜드를 죽이지 않는다. 브랜드가 무엇이었는지를 드러낼 뿐이다.

이름 뒤에 실제 품질과 지켜진 약속이 있었다면 그 이름은 계산 속에서도 살아남는다. 이름뿐이었다면 계산이 그것을 지운다. 그리고 그 계산의 규칙을 누가 쥐는지 지켜보는 일은 브랜드와 사용자 모두에게 남은 과제다.

사회적 증거, 희소성, 권위. 반세기 동안 사람을 움직인 원리는 구매자가 AI 에이전트로 바뀌는 순간 다른 언어로 번역되어야 한다. 에이전트가 실제로 반응하는 네 가지 변수는 검증 가능한 주장, 총소유비용, 기계가 확인 가능한 평판, 반품 리스크다.

설득은 사라지지 않는다. 번역될 뿐이다.

“남은 수량 3개”라는 문구를 본 사람의 심장은 조금 빨라진다. 같은 문구를 읽은 에이전트는 재고 API를 호출한다. 숫자가 맞으면 정확한 정보가 되고, 틀리면 판매자에 대한 감점이 된다. 어느 쪽이든 조급함은 생기지 않는다.

그렇다고 설득이 끝난 것은 아니다. 에이전트도 무언가에는 반응한다. 다만 반응의 대상이 감정에서 검증으로, 인상에서 계산으로 옮겨갔을 뿐이다. 질문은 ‘에이전트를 어떻게 속일까’가 아니라 ‘에이전트가 믿을 수 있는 근거를 얼마나 갖췄는가’여야 한다. 이 글은 마케팅의 4P와 치알디니의 설득 원칙을 에이전트의 언어로 옮기고, 그 결과를 새로운 4P로 묶는다.

4P와 6원칙은 모두 ‘사람’을 전제했다

제롬 매카시가 1960년에 정리한 마케팅 4P—Product, Price, Place, Promotion—는 판매자가 조절할 수 있는 손잡이의 목록이었다. 로버트 치알디니가 1984년 『설득의 심리학』에서 정리한 사회적 증거, 희소성, 권위, 호감, 상호성, 일관성은 사람의 판단이 어디서 지름길을 타는지 보여주는 지도였다.

두 틀은 구매자가 시간이 부족하고 모든 정보를 확인할 수 없어 신호에 의존하는 사람이라는 전제에서 잘 작동했다. 에이전트는 이 전제를 흔든다. 확인할 시간과 도구가 있으며, 검증하지 않은 신호에 기댈 이유가 없다.

치알디니의 원칙을 에이전트의 언어로

원칙 자체가 틀린 것은 아니다. 사회적 증거는 여전히 중요하지만, ‘많은 사람이 샀다는 느낌’이 아니라 확인 가능한 구매 기록이어야 한다. 치알디니는 2016년 일곱 번째 원칙으로 동질성(Unity)을 추가했지만, 여기서는 널리 쓰이는 여섯 가지를 다룬다.

숫자로 보는 새 설득의 무게

반품은 이미 거대한 비용이고, 근거를 갖춘 콘텐츠는 이미 AI에게 더 잘 인용되며, 에이전트가 매개할 거래의 규모는 이미 조 단위로 전망되고 있다. 미국 FTC는 2024년 가짜 후기와 특정 평가를 조건으로 한 대가성 후기를 금지하는 규칙을 확정했다. ‘확인 가능한 평판’은 규제의 방향이기도 하다.

에이전트를 위한 4P

고전 4P를 폐기하자는 뜻은 아니다. 같은 알파벳을 빌려, 구매자가 기계일 때 판매자가 조절해야 할 손잡이를 다시 적은 재해석이다. 각 P는 에이전트가 판매자에게 던지는 하나의 질문에 대응한다.

Proof는 Promotion을 대체한다. 질문은 “이 주장은 제3자가 확인할 수 있는가?”다. ‘가장 부드러운’, ‘최고급’ 같은 표현은 측정 단위, 시험 조건, 확인 경로가 함께 있어야 정보가 된다. 증명할 수 없는 주장은 무시되는 데서 끝나지 않고, 교차 확인에서 어긋나면 판매자 전체의 신뢰도를 깎는다. 핵심 스펙은 단위와 함께 구조화 데이터로 게시하고, 인증과 시험성적은 발급 기관에서 조회 가능한 번호나 링크로 제공해야 한다.

Price-in-total은 Price를 확장한다. 질문은 “쓰는 기간 전체로 보면 얼마인가?”다. 에이전트는 표시가가 아니라 배송비, 소모품, 구독 갱신가, 예상 수명, 반품 비용을 더한 뒤 사용 기간으로 나눈다. 배송·설치·소모품·갱신가를 기계가 읽을 수 있게 명시하고, 가격 유효기간과 변동 규칙을 투명하게 밝혀야 한다.

Provenance는 Place를 재정의한다. 질문은 “이 판매자의 이력은 어디서나 같은 이야기를 하는가?”다. 별점 평균보다 후기의 분포와 최근성, 구매 인증 여부, 여러 플랫폼 간 일관성이 중요하다. 자사몰에서만 빛나는 평판은 할인된다. 구매 인증 후기와 부정 후기를 응답 이력과 함께 공개하고, 납기 준수율·응답 시간·분쟁 처리 결과를 정량적으로 보여줘야 한다.

Protection은 Product의 일부가 된다. 질문은 “잘못 샀을 때 손실은 얼마이고, 누가 지는가?”다. 위임받은 에이전트는 틀렸을 때의 비용을 두려워한다. 주인의 신뢰를 잃는 일이 곧 실패이기 때문이다. 반품 기한, 비용 부담 주체, 환불 소요 시간은 약관 구석이 아니라 상품 사양으로 읽힌다. 이를 구조화 데이터로 게시하고, 보증 범위와 제외 조건을 분리해 명시해야 한다.

비싼 쪽이 이기는 계산

가상의 필터형 가전 두 제품을 비교해 보자. 사람의 눈에는 5,000원 싼 A가 먼저 들어온다. 에이전트는 1년 총비용을 계산한다. 아래 수치는 설명을 위해 만든 가상 예시다.

완벽한 이성이라는 신화를 경계하며

새 4P를 ‘에이전트는 오직 사실만 본다’는 신화로 읽어서는 안 된다. 실험 연구들은 AI 쇼핑 에이전트가 목록에서의 위치, 배지, 문구 같은 요소에 흔들릴 수 있음을 보여준다. 에이전트에게도 편향이 있고, 모델과 버전에 따라 달라진다.

편향은 모델마다 바뀐다. 검증 가능한 사실은 모델이 바뀌어도 남는다.

편향을 역이용해 에이전트를 조작하려는 유혹과, 사람을 설득하는 일을 통째로 버리려는 유혹은 모두 오래가지 못한다. 편향을 노린 장치는 모델이 갱신될 때마다 무너지고, 구매를 맡기는 주체는 여전히 사람이다. 오래가는 설득은 검증 가능한 사실에 투자한다.

에이전트 설득 감사 — 16개 항목 자가 점검

대표 상품 하나를 정하고, 지금 사실인 항목만 체크한다. ‘곧 할 예정’은 체크하지 않는다. 에이전트는 계획이 아니라 현재 게시된 데이터를 읽는다.

시작할 곳, 그리고 약속보다 증명

새 광고비가 드는 일은 하나도 없다. 대부분은 이미 가진 정보를 기계가 읽을 수 있는 자리로 옮기는 일이다. 먼저 상세페이지의 모든 문장을 ‘검증 가능/불가능’으로 나누고, 불가능한 주장은 근거를 붙이거나 삭제한다. 에이전트에게는 덜 말하는 것이 틀리게 말하는 것보다 낫다.

표시가 옆에 1년·3년 총비용을 계산해 두고, 채널마다 다른 사업자 정보, 지워진 부정 후기, 응답 없는 문의를 정리한다. 반품·보증 조항은 약관 속 문장에서 상품 데이터의 필드로 옮긴다. 기한, 비용, 환불 기간, 예외처럼 리스크를 떠안는 조건은 이제 가장 강력한 설득 문장이 된다.

사람은 느낌에 설득되고, 에이전트는 근거에 설득된다.

좋은 소식은 이것이 새로운 속임수의 경쟁이 아니라는 점이다. 증명할 수 있는 품질, 정직한 총비용, 어디서나 같은 평판, 떠안을 수 있는 리스크. 원래 좋은 판매자가 갖춰야 했던 것들이 이제 가장 강력한 설득이 된다. 에이전트 시대의 설득은 결국 신뢰를 기계가 읽을 수 있게 만드는 일이다.

구매 담당자가 아침에 남긴다. “노트북 20대, 다음 주까지, 대당 145만 원 넘지 않게.” 그가 회의에 들어간 사이 구매 에이전트는 여러 판매자의 에이전트와 동시에 조건을 협상한다. 수량 할인 규칙을 읽고, 선결제 조건을 제시하고, 다른 판매자의 오퍼를 지렛대로 삼는다. 한 판매자와의 대화는 1초도 걸리지 않는다. 회의가 끝날 때면 발주는 이미 나가 있다.

판매자도 마찬가지다. 가격표 하나를 붙이는 대신, 판매자는 에이전트에게 규칙과 재량을 부여한다. 가격은 더 이상 붙어 있는 숫자가 아니라 두 기계가 합의한 결과가 된다. 아직 일상은 아니지만, 이를 구성하는 부품은 대부분 이미 존재한다.

가격표의 시대에 판매자는 숫자 하나를 정했다. 협상의 시대에 판매자는 숫자가 움직이는 규칙을 정한다.

양면 에이전트 시장의 현재와 가설

‘에이전트끼리 흥정하는 시장’은 오늘의 현실이라기보다, 이미 존재하는 두 흐름이 만나는 지점에 대한 전망이다. 한쪽은 알고리즘 동적 가격이고, 다른 한쪽은 한쪽 당사자만 기계인 자동 협상이다. 무엇이 현실이고 무엇이 가설인지 구분해야 대비도 정확해진다.

협상의 최소 이론

에이전트가 협상한다고 해서 원리가 바뀌지는 않는다. 오히려 기계는 협상 교과서의 개념을 문자 그대로 실행한다. 피셔와 유리의 BATNA, 라이파의 합의가능영역은 그대로 에이전트 설계의 변수가 된다.

BATNA는 협상이 결렬됐을 때의 최선의 대안이다. 다른 판매자의 오퍼, 다음 달로의 연기, 자체 생산 등이 될 수 있으며, 대안이 좋을수록 협상력은 세진다. 유보가격은 구매자에게는 넘지 않을 상한, 판매자에게는 밑돌지 않을 바닥가다. 대개 BATNA에서 도출되며, 협상에서 가장 비싼 정보다. 이 정보가 새는 순간 상대는 그 선에 붙는다.

합의가능영역(ZOPA)은 판매자의 바닥가와 구매자의 상한 사이 구간이다. 이 구간이 있으면 거래가 가능하며, 협상은 그 안의 잉여를 누가 더 가져갈지를 겨룬다. 구간이 없으면 아무리 흥정해도 거래는 성립하지 않는다.

이 단순 모델에서 거래는 가능하다. 반씩 나눈다면 체결가는 143만5천 원 부근이지만, 실제 가격은 누가 먼저 무엇을 얼마나 드러냈는지에 따라 달라진다. 실제 협상에서는 가격뿐 아니라 납기·결제·수량도 함께 움직이며, 합의가능영역은 다차원으로 넓어지거나 좁아진다.

에이전트 시대의 협상력은 ‘잘 말하기’보다 ‘새지 않기’에서 나온다.

850밀리초의 흥정

다음은 가상의 거래 로그다. 실제 제품이나 거래가 아니며 숫자는 설명을 위한 예시다. 핵심은 두 에이전트가 무엇을 공개하고 무엇을 끝까지 감추는지에 있다.

사후적으로 보면 합의가능영역은 142만~145만 원, 폭 3만 원이었다. 체결가는 구매자 상한 바로 아래였고, 잉여의 대부분은 판매자에게 돌아갔다. 판매 에이전트가 더 영리해서라기보다 구매 에이전트의 양보 폭이 상한을 드러냈기 때문이다. 판매자가 이긴 이유는 흥정 기술이 아니라, 규칙은 드러내고 재량은 아낀 설계였다.

속도·규모·증거

기계 대 기계 협상에 관한 대규모 데이터는 아직 없다. 그러나 한쪽이 기계인 자동 협상과 알고리즘끼리 맞붙는 가격 경쟁에는 이미 의미 있는 증거가 축적됐다.

첫 두 수치는 효율을 말한다. 사람이 일일이 상대하기에는 너무 작은 거래, 그래서 표준 조건으로 방치되던 수많은 공급 계약이 자동 협상으로 처음 협상되기 시작했다. 마지막 수치는 경고다. 알고리즘이 알고리즘을 상대할 때 경쟁이 반드시 가격을 낮추지는 않는다.

사람의 협상은 비용이 높아 드물었지만, 에이전트의 협상은 거의 공짜여서 모든 거래가 협상 대상이 될 수 있다. 커피 한 잔, 택배 한 건, 광고 한 칸까지. 협상이 예외가 아닌 기본값이 되는 순간 정가라는 개념 자체가 흔들린다.

드러낼 것과 감출 것

판매자와 마케터의 새 질문은 ‘얼마로 팔까’가 아니라 ‘무엇을 기계에게 보여 줄까’다. 상대 에이전트가 빠르고 정확하게 조건을 맞추도록 돕는 정보는 드러내고, 상대가 내 선에 바짝 붙게 만드는 정보는 감춘다.

규칙이 명확할수록 재량을 쓸 일이 줄고, 재량을 덜 쓸수록 바닥가가 샐 틈도 줄어든다. 다만 협상 정보를 지키는 것과 상대 기계를 속이는 것은 다르다. 허위 재고, 가짜 경쟁 오퍼, 에이전트에게만 보이는 숨은 조건은 별개의 문제다.

빠른 협상의 네 가지 그림자

자동 협상은 효율을 약속하지만, 효율이 언제나 공정이나 경쟁과 같은 방향을 가리키는 것은 아니다. 일부 위험에는 실증 연구와 실제 법 집행이 있고, 일부는 초기 실험에서 관찰된 징후다.

첫째, 알고리즘 담합이다. 경쟁 가격 알고리즘은 서로 명시적으로 소통하지 않아도 높은 가격에 머무는 법을 학습할 수 있다. 강화학습 가격 에이전트는 시뮬레이션에서 경쟁가보다 높은 가격을 유지하고 가격 인하에 보복하는 패턴을 보였다. 미국 법무부는 2015년 알고리즘으로 가격을 맞춘 온라인 판매자를 기소했고, 2024년에는 임대료 산정 소프트웨어가 집주인 간 담합을 매개했다며 제소했다. 명시적 합의 없는 암묵적 담합을 현행법으로 어떻게 다룰지는 아직 정리되지 않았다.

둘째는 가격 차별과 공정성이다. 판매 에이전트가 구매 에이전트의 행동에서 지불 의향을 추정할수록 같은 물건의 가격은 사람마다 달라진다. 수량과 결제 조건에 따른 차등은 정당할 수 있지만, 협상 에이전트가 없거나 약한 사람이 체계적으로 더 비싸게 산다면 새로운 불평등이 된다.

셋째는 바닥을 향한 경주다. 모든 구매 에이전트가 최저가만 좇고 모든 판매 에이전트가 즉시 맞대응하면 가격은 한계비용 쪽으로 빠르게 밀린다. 소비자에게 이득처럼 보여도 품질·서비스·재투자 여력은 함께 깎인다. 가격 이외의 가치를 기계가 읽을 수 있게 만들지 않으면 협상은 가격 한 줄의 싸움이 된다.

넷째는 조작과 정보 유출이다. 언어 모델 기반 에이전트는 말로 설득당하고 말로 새어 나갈 수 있다. 초기 실험에서는 AI 점원이 그럴듯한 요청에 쉽게 할인했고, 구매·판매 에이전트 시뮬레이션에서는 성급한 첫 제안 수락과 조작 취약성이 관찰됐다.

기계가 담합을 ‘의도’하지 않아도 결과는 담합처럼 보일 수 있다. 그래서 책임은 결과를 설계한 사람에게 남는다.

흥정하지 말고, 위임하라

850밀리초짜리 협상에 사람이 끼어들 자리는 없다. 사람이 협상 중간에 들어오는 순간 속도와 규모의 이점은 사라진다. 대신 사람의 역할은 협상 전과 후로 옮겨 간다. 무엇을 위해, 어디까지 양보하고, 무엇은 절대 하지 않으며, 언제 사람을 부를지를 정하는 일이다. 그것이 위임과 가드레일이다.

위임장에서 가장 중요한 줄은 가격이 아니라 ‘금지’와 ‘기록’이다. 알고리즘 담합 위험은 경쟁사 가격 정보를 어떻게 다루는가에서 시작되며, 가격 차별의 공정성은 사후 로그를 살펴야만 검증할 수 있다. 에이전트의 행동을 설명할 수 없다면 그 거래의 책임도 설명할 수 없다.

구매자도 자신의 에이전트에 상한을 알려 주되, 그 상한이 상대에게 흘러가지 않도록 설계됐는지 확인해야 한다. ‘최저가를 찾아 줘’라는 한 줄의 위임은 품질·납기·반품을 가격 한 줄로 납작하게 만든다. 무엇을 위해 사는지 적는 것이 새 시대의 구매 역량이다.

에이전트가 도착하기 전에

지금의 할인 관행을 규칙으로 적어야 한다. 영업 담당자 머릿속에만 있는 할인은 기계가 읽을 수도, 재현할 수도 없다. 납기 보장, 연장 보증, 우선 출고처럼 가격 이외의 가치도 에이전트가 비교할 수 있는 조건으로 만들어야 바닥을 향한 경주에서 벗어날 수 있다.

바닥가는 시스템 밖에 두어야 한다. 협상 에이전트가 직접 볼 필요가 없는 숫자는 처음부터 주지 않는 것이 가장 확실한 비밀 유지다. 경쟁사 가격을 참고하는 방식은 법무와 함께 점검해야 한다. 공개 가격을 보는 일과 같은 도구·같은 데이터를 공유하며 가격을 맞추는 일은 다르다. 또한 합의가능영역이 없는 협상을 빨리 끝내는 것은 실패가 아니라 에이전트가 제 일을 한 것이다.

흥정은 기계에게, 선은 사람에게.

내 에이전트와 상대 에이전트가 마주 앉는 날, 협상의 승패는 1초 안에 갈릴 수 있다. 그러나 그 1초를 결정하는 것은 몇 주 전 사람이 적어 둔 몇 줄이다. 무엇을 드러낼지, 무엇을 감출지, 어디서 멈출지, 무엇은 절대 하지 않을지. 기계가 빨라질수록 사람이 쓰는 그 몇 줄의 무게는 더 무거워진다.

사람을 속이던 기술이 이제 사람 대신 사는 AI 에이전트를 겨냥한다. 숨긴 지시문, 가짜 희소성 데이터, 봇에게만 보이는 페이지. 기계를 속이는 일은 결국 그 기계에 일을 맡긴 사람을 속이는 일이다.

조작의 표적이 바뀌었다. 조작 자체는 사라지지 않았다. 구매자가 AI 에이전트가 되면 2+1 같은 심리 장치는 힘을 잃고, 구조화된 스펙·검증 가능한 클레임·일관된 가격 같은 ‘읽을 수 있는 신호’가 설득의 중심이 된다. 기계는 조바심을 내지 않고, 숫자를 꼼꼼히 비교하며, 감정에 흔들리지 않는다.

그러나 조작하려는 사람은 늘 새 틈을 찾는다. 사람의 조바심을 공략하던 자리에서 이제 기계의 입력을 공략한다. 에이전트는 감정이 없지만, 읽은 것을 너무 쉽게 믿고 데이터와 명령을 잘 구분하지 못하며 사람이 볼 수 없는 층까지 전부 읽는다는 다른 약점이 있다. 필요한 것은 더 똑똑한 에이전트만이 아니라 신뢰를 검증할 수 있는 인프라다.

사람에서 기계로

‘다크패턴’이라는 말은 2010년 UX 디자이너 해리 브링널이 붙인 이름이다. 해지 버튼을 미로 속에 숨기고, 원치 않는 옵션을 미리 체크해 두고, 존재하지 않는 마감 시간을 띄우는 설계가 여기에 속한다. 공통점은 사람이 빠르게, 덜 생각하고 결정하는 지점을 정확히 노린다는 데 있다.

십여 년이 지나 규제가 뒤따랐다. 미국 연방거래위원회는 2022년 보고서 「Bringing Dark Patterns to Light」에서 기만적 설계를 체계적으로 정리했고, EU 디지털서비스법 25조는 온라인 플랫폼이 이용자의 자유롭고 정보에 입각한 결정을 왜곡하는 인터페이스를 설계하는 것을 금지했다. 한국도 전자상거래법 개정을 통해 숨은 갱신, 순차 공개 가격, 취소·탈퇴 방해 등의 온라인 다크패턴을 규율하기 시작했다.

하지만 이 법과 보고서들은 모두 화면을 보는 것이 사람이라는 전제를 둔다. 에이전트가 화면 대신 데이터를 읽고 사람 대신 결정하기 시작하면, 가장 약한 판단 지점은 사람의 눈이 아니라 기계의 입력 파이프라인이 된다. 다크패턴은 사람의 약점에 붙어사는 것이 아니라 판단이 가장 허술한 곳에 붙어산다.

판단의 자리가 옮겨가면, 다크패턴도 따라 옮겨간다.

사람용 다크패턴의 기계용 번역

새로운 속임수는 대개 낡은 속임수의 번역이다. 가짜 마감 시계는 가짜 재고 필드가 되고, 숨은 수수료는 피드와 결제 화면의 불일치가 된다. 이 분류는 무엇을 경계해야 하는지, 어떤 신호로 알아챌 수 있는지를 보여주는 방어의 지도다.

읽는 것과 따르는 것 사이

가장 새롭고 가장 기계다운 다크패턴은 숨긴 지시문이다. 언어 모델은 사용자의 요청과 웹에서 읽어온 텍스트를 같은 언어로, 같은 창 안에서 처리한다. 외부 콘텐츠 안에 명령처럼 쓰인 문장이 있으면 모델은 이를 정보가 아니라 지시로 받아들일 위험이 있다.

그레셰이크 등의 2023년 연구는 이를 ‘간접 프롬프트 인젝션’이라 부르며, LLM이 통합된 실제 애플리케이션이 읽는 문서와 웹페이지에 심어진 지시로 조종될 수 있음을 보였다. OWASP는 프롬프트 인젝션을 LLM 애플리케이션 10대 위험의 첫 번째, LLM01로 올렸다. 판매자가 작성한 텍스트를 읽는 것이 업무인 쇼핑 에이전트는 특히 이상적인 표적이 된다.

이 공격이 교묘한 이유는 흔적이 없다는 데 있다. 사람용 다크패턴은 적어도 스크린샷으로 남지만, 숨긴 지시문은 사람이 보는 화면에 나타나지 않고 에이전트의 추천은 그럴듯해 보인다. 중요한 것은 공격의 레시피가 아니라, 이것이 존재하는 공격 범주라는 인식이다.

에이전트에게 모든 텍스트는 잠재적 명령이다. 그래서 좋은 에이전트의 첫 번째 덕목은 똑똑함이 아니라 의심이다.

왜 더 나쁜가

“기계를 속이는 게 뭐가 문제냐, 기계는 상처받지 않는다”는 반문이 있을 수 있다. 맞다. 기계는 상처받지 않는다. 문제는 기계 뒤에 서 있는 사람이다.

최적화와 조작 사이

판매자에게 에이전트를 위한 최적화는 정당하고 필요하다. 정확한 스펙과 투명한 조건을 기계가 읽기 쉽게 정리하는 것은 좋은 판매의 새로운 형태다. 다만 같은 구조화 데이터라도 사실을 정리하면 최적화이고, 사실을 비틀면 조작이다.

기계는 속아도 억울해하지 않는다. 그러나 기계에게 일을 맡긴 사람은 억울하다.

네 겹의 방어선

에이전트를 더 똑똑하게 만드는 것만으로는 부족하다. 공격자도 같은 모델로 공격을 시험할 수 있기 때문이다. NIST의 적대적 머신러닝 분류 체계가 정리하듯, 이런 공격에는 완벽한 방어가 아직 없다. 답은 한 겹의 벽이 아니라 한 겹이 뚫려도 다음 겹이 잡는 여러 겹의 그물이다.

공통 기반은 다섯 가지다. 서명된 데이터는 ‘누가 이 말을 했는가’, 출처 증명은 ‘이 말이 어디서 왔고 중간에 바뀌지 않았는가’, 제3자 검증은 ‘이 말이 사실인가’, 의심 기본값은 ‘이 말을 따라야 하는가’, 감사 로그는 ‘잘못되었을 때 무엇을 근거로 되짚을 수 있는가’에 답한다.

DSA 25조와 각국의 다크패턴 규정은 사람 이용자를 전제로 쓰였기에, 에이전트를 향한 조작에 어떻게 적용될지는 아직 열린 질문이다. 그러나 조작의 표적이 기계였더라도 손해를 본 것이 사람이라면 기존 법리의 정신은 적용되어야 한다. 에이전트끼리 가격을 주고받는 협상에서도 상대의 모든 메시지는 잠재적 인젝션이 된다.

신뢰는 선언되는 것이 아니라 검증되는 것이다. 에이전트 커머스의 진짜 인프라는 결제망이 아니라 검증망이다.

판매자의 서약

규제보다 먼저 필요한 것은 스스로 긋는 선이다. 이는 할 수 있는 일의 목록이 아니라, 할 수 있어도 하지 않는 일의 목록이다.

이 서약은 손해가 아니다. 에이전트는 기억한다. 한 번 불일치가 적발된 판매자의 데이터는 이후 더 엄격한 검증을 거치거나 후보에서 빠진다. 사람 고객은 속은 일을 잊을 수도 있지만, 에이전트 생태계의 평판 레지스트리는 잊지 않는다. 기계 시대의 정직은 윤리이면서 동시에 가장 확실한 전략이다.

기계를 속이는 순간, 사람을 배신한다

에이전트 커머스는 더 공정한 시장을 약속한다. 감정을 흔드는 대신 사실을 비교하는 시장이다. 그러나 그 약속은 기계가 읽는 사실이 진짜일 때만 지켜진다.

서명된 데이터, 출처 증명, 제3자 검증, 의심하는 에이전트, 되짚을 수 있는 기록이 새 시장의 신뢰를 떠받치는 기둥이다. 그리고 첫 번째 기둥은 기술이 아니라, 속일 수 있어도 속이지 않겠다는 판매자의 선택이다.