← 블로그로 돌아가기
Founder ColumnGEOAI VisibilityAnalyticsAIAA
프로토콜 전쟁과 증거 공백: AI Commerce에 빠진 측정 계층
게시일 2026년 5월 31일11분 읽기Global Gravity
AI commerce 인프라는 빠르게 프로토콜화되고 있습니다. Google, Shopify, OpenAI, Stripe 등이 각자의 방식으로 agentic commerce 표준을 만들고 있습니다. 이 흐름은 중요합니다. AI가 상품을 찾고, 카트를 만들고, 결제를 보조하고, 구매를 진행하려면 공통 접점이 필요하기 때문입니다.
하지만 프로토콜이 정리되면 측정 문제가 자동으로 해결된다고 보면 안 됩니다. UCP, ACP, AP2는 각각 중요한 역할을 하지만 “AI가 무엇을 추천했는가”, “그 추천이 몇 명의 방문자를 만들었는가”, “방문자는 무엇을 했는가”, “주문은 어떤 증거로 AI에 귀속되는가”를 완전히 답하지는 않습니다.
UCP는 merchant discovery와 capability declaration에 가깝습니다. 상점이 어떤 기능을 제공하는지, 카트나 checkout에서 무엇을 지원하는지 AI가 발견할 수 있게 합니다.
ACP는 checkout 실행과 거래 데이터 표준화에 더 가깝습니다. AI 경험 안에서 구매가 진행될 때 어떤 정보가 merchant나 payment layer와 연결되는지가 핵심입니다.
AP2는 승인과 결제 신뢰의 층입니다. 사용자가 무엇을 허용했는지, agent가 어떤 범위에서 행동할 수 있는지 증명하는 구조입니다.
세 가지 모두 필요합니다. 그러나 어느 것도 AI 추천에서 매출까지의 전체 증거 체인을 단독으로 제공하지 않습니다.
단계 | 프로토콜/프레임워크 | 관측 가능한 내용 |
|---|---|---|
AI 발견(카탈로그 조회) | UCP | Agent가 어떤 상품과 조건을 조회했는지 |
AI 추천(답변) | AIAA Answer 계층 | AI가 브랜드를 언급했는지, 어떻게 설명했고 추천했는지 |
Agent 수집(정보 fetch) | AIAA Request 계층 | Agent가 어떤 페이지를 얼마나 자주, 얼마나 깊게 읽었는지 |
사용자 도착(AI referral) | AIAA Visit 계층 | 어떤 AI에서 왔고, 어디에 도착했고, 무엇을 했는지 |
상업적 의도 행동 | AIAA Commerce 계층 | 장바구니, 비교, checkout start |
AI checkout(거래 실행) | ACP | checkout 세부 정보와 payment status |
AI 승인(payment 검증) | AP2 | authorization signature와 audit chain |
매출 attribution | AIAA Attribution 계층 | 매출이 AI 소스와 연결되는지 |
이 표가 말하는 것은 프로토콜과 증거 계층이 같지 않다는 점입니다. UCP가 상품과 기능을 발견하기 쉽게 만들어도 AI 답변 안에서 어떤 브랜드가 어떤 맥락으로 추천됐는지는 별도 문제입니다. ACP가 checkout을 표준화해도 그 구매자가 어떤 AI 추천을 보고 들어왔는지는 자동으로 알 수 없습니다. AP2가 승인과 결제 신뢰를 다뤄도 발견, 비교, 방문, 구매 의도까지의 중간 경로를 모두 보존하지는 않습니다.
브랜드가 지금 준비해야 할 것은 프로토콜 승자 예측이 아니라 어떤 프로토콜이 오더라도 작동하는 증거 기반입니다. 상품 데이터를 AI가 읽을 수 있게 만들고, AI 답변에서 브랜드 표현을 관측하고, Agent request를 로그로 포착하고, AI referrer와 사람 방문을 구분하고, 상품 조회, 장바구니, 문의, 주문을 session과 CRM에 연결해야 합니다. 이 준비는 UCP, ACP, AP2 중 무엇이 주류가 되더라도 가치가 있습니다.
프로토콜이 보급되면 측정 필요성이 줄어드는 것이 아니라 늘어납니다. AI가 실제 cart와 payment에 가까워질수록 누가 어떤 결정에 영향을 줬는지, 사용자가 어디서 무엇을 허용했는지, 어떤 revenue를 AI contribution이라고 부를 수 있는지 설명해야 하기 때문입니다. 표준화된 파이프는 편리하지만, 파이프를 통과한 사건을 비즈니스 가치로 설명하려면 별도의 evidence ledger가 필요합니다.
따라서 AIAA는 기술 표준 밖에 있는 단순 growth 지표가 아닙니다. 프로토콜 위를 흐르는 상업 행동을 Answer, Request, Visit, Commerce, Attribution의 증거 수준으로 읽는 운영 언어입니다. AI commerce가 발전할수록 이 언어는 마케팅뿐 아니라 product, legal, payment, CRM, finance에도 필요해집니다.
한국 기업에게 이 차이는 실무적으로 큽니다. 새로운 프로토콜이 나오면 논의는 쉽게 “무엇을 지원해야 하나”, “어떤 결제 방식이 표준이 될까”로 흐릅니다. 그러나 브랜드가 지금 잃고 있는 기회는 프로토콜 미지원만이 아닙니다. AI가 상품 정보를 정확히 읽지 못하거나, 비교 문맥에서 후보에 들어가지 않거나, Agent가 중요한 페이지에 도달하지 못하거나, AI 유입이 주문과 CRM에 연결되지 않는 문제가 이미 있습니다. 이것들은 프로토콜을 기다리지 않고 개선할 수 있습니다.
UCP와 유사한 세계가 확산되면 상품 카탈로그와 capability declaration은 더 기계가 읽기 쉬워질 것입니다. 그때 중요한 질문은 AI가 읽은 뒤 어떤 답변에서 브랜드를 보여 줬는가입니다. ACP와 유사한 세계가 확산되면 checkout은 AI 경험 안으로 가까워질 것입니다. 그때 중요한 질문은 그 구매가 어떤 discovery 경로에서 왔는가입니다. AP2와 유사한 세계가 확산되면 payment authorization은 감사하기 쉬워집니다. 그때 중요한 질문은 authorization 이전의 추천, 비교, 방문, 상업 행동 증거입니다.
즉 프로토콜이 성숙해도 AIAA의 역할은 사라지지 않고 더 명확해집니다. 표준화된 접점이 늘수록 접점 전후에 무엇이 일어났는지 설명해야 합니다. AI가 브랜드를 추천했는지, 사용자가 그것을 봤는지, Agent가 어떤 정보를 가져갔는지, 어떤 행동이 구매 의도를 보여 줬는지, 어떤 주문이 그 흐름에 연결되는지 기록해야 합니다. 그렇지 않으면 거래는 생겨도 학습 가능한 성장 데이터는 남지 않습니다.
브랜드의 우선순위는 세 가지입니다. 첫째, AI가 읽을 수 있는 상품, FAQ, 가격, 배송, 반품, 사례 데이터를 정리합니다. 둘째, AI 답변, Agent request, AI referrer, 사람 방문을 분리해 관측합니다. 셋째, Commerce 이벤트와 주문, CRM, 광고 접촉을 연결합니다. 이 세 가지를 해 두면 어떤 프로토콜이 주류가 되더라도 AI commerce의 증거를 잃지 않습니다.
더 중요한 점은 프로토콜 대응을 기술팀만의 일로 두지 않는 것입니다. UCP식 데이터를 정리하려면 상품, e-commerce, SEO, 콘텐츠가 함께 움직여야 합니다. ACP식 checkout을 생각하려면 e-commerce, payment, legal, CS가 필요합니다. AP2식 authorization을 다루려면 security, legal, payment, audit 관점이 필요합니다. AIAA는 이 여러 팀에게 어느 단계에서 어떤 증거가 필요한지 보여 주는 공통 언어입니다.
예를 들어 AI가 상품을 추천했지만 주문으로 이어지지 않았다면 문제가 프로토콜이 아닐 수 있습니다. AI가 인용한 정보가 오래됐거나, 가격과 배송 조건이 불분명하거나, 비교 페이지가 약하거나, landing page의 신뢰 요소가 부족하거나, CRM과 주문 연결이 끊겼을 수 있습니다. 이런 문제는 checkout 표준만으로 해결되지 않습니다. Answer에서 Attribution까지 봐야 어디를 고칠지 알 수 있습니다.
반대로 프로토콜이 정리돼 구매가 쉬워져도 브랜드가 AI 답변의 후보에 들어가지 않으면 기회는 생기지 않습니다. 후보에 들어가도 사용자가 방문하지 않으면 상업 행동은 없습니다. 방문해도 주문이나 CRM과 연결되지 않으면 경영 보고에 쓰기 어렵습니다. 이 연결을 보이게 하는 것이 AIAA를 evidence layer라고 부르는 이유입니다.
상류에는 GEO가 있습니다. AI 답변에서 브랜드가 보이는지, 인용되는지, 정확히 설명되는지를 봅니다. 하류에는 기존 attribution이 있습니다. 광고, 검색, CRM, 앱 데이터로 매출을 설명합니다.
비어 있는 부분은 중간입니다. AI가 브랜드를 발견한 뒤 어떤 페이지를 읽었고, 어떤 사용자를 데려왔고, 그 사용자가 어떤 행동을 했으며, 어디까지 매출에 가까워졌는가. AI 플랫폼은 상점의 주문 데이터를 갖고 있지 않습니다. 커머스 플랫폼은 AI 답변의 문맥을 갖고 있지 않습니다. 결제 프로토콜은 발견 경로 전체를 알지 못합니다.
AIAA는 UCP, ACP, AP2와 경쟁하지 않습니다. 오히려 그 사이에 필요한 측정 언어입니다. Answer, Request, Visit, Commerce, Attribution을 나누고 AI 발견에서 매출까지를 증거 수준으로 연결합니다.
브랜드가 해야 할 일은 프로토콜 승자를 기다리는 것이 아닙니다. 프로토콜이 완전히 성숙하기 전에도 AI는 이미 상품을 읽고, 비교하고, 추천합니다. 지금 필요한 것은 웹사이트 증거 레이어, 로그, 광고, CRM, 주문 데이터를 AI commerce에 맞게 연결하는 것입니다.
Gravity의 관점에서 AI commerce 경쟁은 checkout UI만으로 결정되지 않습니다. AI가 읽는 사실을 누가 정리하고, AI 행동을 누가 측정하며, 매출까지의 증거를 누가 설명할 수 있는지가 중요합니다. 프로토콜은 길을 만듭니다. AIAA는 그 길에서 실제로 무슨 일이 일어났는지 기록합니다.
A: UCP는 발견과 기능 선언, ACP는 checkout과 거래 데이터, AP2는 승인과 결제 신뢰에 가깝습니다.
A: 아닙니다. 프로토콜은 연결과 실행을 돕지만 추천에서 매출까지의 증거 체인은 별도로 필요합니다.
A: 충분하지 않습니다. GEO는 상류 가시성을 보지만 상업 행동과 매출 귀속은 다른 데이터가 필요합니다.
A: 사이트 증거, 로그, AI referrer, 주문, CRM을 분리해 기록하고 AIAA로 연결해야 합니다.
A: AI 검색, 사이트 증거, 로그, attribution을 연결해 AI commerce 증거 체인을 만드는 것입니다.