오프라인 매장에서 AI는 주로 직원의 고객 응대를 돕거나 소비자에게 직접 상품을 안내하고 추천하는 접객 도구로 활용되고 있습니다. 
특히 상품 종류가 많고 전문적인 설명이 필요한 전문 매장에서는 고객의 요구를 정확히 파악해 개인별 니즈에 맞는 상품을 추천하는 것이 중요한데요. 최근 외국인 고객이 급증한 CJ올리브영은 올해 7월부터 외국인 고객의 쇼핑을 돕기 위한 키오스크 ‘AI 쇼핑 어시스턴트’를 도입했습니다. 명동점 등 외국인 방문객이 많은 매장에 설치된 ‘AI 쇼핑 어시스턴트’는 모두 8개국 언어가 지원됩니다. 고객은 AI 아바타와 실시간으로 대화하면서 상품 정보와 재고, 매장 내 위치를 확인할 수 있고, 피부 특성이나 선호도에 맞는 상품도 추천받을 수 있습니다. 
올리브영은 이미 2024년부터 일부 매장에 AI 피부 분석 서비스 ‘스킨스캔(SKIN SCAN)’도 운영하고 있습니다. 매장 내 전용기기로 피부 진단을 받고 맞춤형 상품과 관리 방법을 제안하는 서비스인데요. 지난해부터는 올리브영 앱과 연동해 고객이 스마트폰을 통해서 진단 결과와 맞춤형 루틴을 제공받을 수 있도록 한 데 이어 올해 9월부터는 개인의 모바일 기기를 이용해서 진단도 받을 수 있도록 구현했습니다.

개인화 상품추천은 이커머스 업계에서 AI가 가장 먼저 활용된 분야 중 하나입니다. 취급 품목이 수만 개에 이르는 이커머스 채널에서는 획일적인 상품 노출보다는 개인별 관심사와 구매이력에 맞는 상품을 추천하는 것이 구매 전환율을 높이는 데 효과적이기 때문인데요. 
이미 머신러닝 기반으로 상품추천 기술을 적극 활용해온 쿠팡은 최근 상품 탐색부터 비교·추천, 구매 판단에 이르는 과정에 생성형 AI를 도입했습니다. AI가 고객의 탐색 기록과 상품정보를 분석해 관련성이 높은 상품을 추천하고, 제품 간 차이점을 비교해 보여주는데요. 예를 들면 노트북을 검색하는 고객에게 화면 크기나 저장 용량이 다른 제품을 함께 제시하고, 용도와 성능에 따른 차이를 설명하는 방식입니다. 상품 상세 페이지에도 다양한 기능을 적용했습니다. ‘상품 한눈에 보기’ 메뉴는 AI가 상품 특징을 요약해 보여주는 기능이고, 가전 및 디지털 카테고리에 적용된 'AI 상품 비교'는 상품 속성이 복잡한 상품들을 고객이 이해하기 쉽게 핵심만 비교해주는 기능입니다.

2024년 10월부터 생성형 AI 기반의 상품 추천 서비스 ‘Ai 피드’를 운영해 온 11번가는 올해 7월 AI가 검색 키워드를 세분화하고 구매 조건에 맞는 상품을 추천하는 ‘AI 검색’ 서비스를 도입했습니다. 11번가에 따르면 서비스를 처음 선보인 지난 7월 한 달간 AI 검색의 구매전환율은 기존 통합검색보다 2배 이상 높았습니다.
이 외에도 SSG닷컴이 2024년부터 AI 기반의 개인화 상품추천 시스템 'AI픽(AI PICK)'을 도입해 운영 중입니다.

2025년 3월 네이버플러스 스토어 독립 앱을 출시하며 커머스 사업에 더욱 드라이브를 걸고 있는 네이버는 올해 2월 '쇼핑 AI 에이전트 1.0'을 출시하고 국내 업체 가운데 가장 선제적으로 에이전틱 커머스 시장 공략에 나섰습니다. 
네이버가 오랜 기간 축적해온 방대한 데이터와 AI 기술은 에이전틱 커머스 구현의 기틀이 됐습니다. 네이버가 쇼핑 서비스에 AI를 본격 도입한 것은 2017년 AI 기반의 상품추천 기술인 'AiTEMS(에이아이템즈)'를 도입한 시점부터입니다. 이후 2023년 하이퍼클로바를 결합한 'AI 맞춤형·추천형 블록'을 선보이며 추천 기능을 고도화했고, 2025년 3월에는 네이버 앱과 별도로 쇼핑 전용 앱인 '네이버플러스 스토어'를 출시하면서 AI 기반 쇼핑 서비스를 확대할 수 있는 독립적인 플랫폼을 마련했습니다. 
이러한 과정을 거쳐 선보인 것이 바로 지난 2월 론칭한 '쇼핑 AI 에이전트 1.0'입니다.

역할별로 전문 AI가 협업하는 
멀티 에이전트 구조 

네이버 쇼핑 AI 에이전트의 특징은 하나의 AI가 모든 작업을 처리하는 것이 아니라, 여러 개의 전문 AI가 역할을 나눠 협업하는 '멀티 에이전트' 구조로 설계됐다는 점입니다. 비유하면 총괄 매니저가 고객의 요청을 받아 분야별 전문 직원에게 업무를 배분하는 방식이라고 할 수 있죠. 상품정보를 탐색하는 에이전트, 요약하는 에이전트, 추천하는 에이전트가 각각 수집하고 분석한 정보를 종합하고, 필요한 경우 소비자에게 추가 질문을 던져 구매 조건을 구체화하기도 합니다. 이처럼 전문 AI들이 협업함으로써 복잡한 쇼핑 요구에도 보다 정교하고 정확한 추천 결과를 제공하는 것이 핵심입니다. 
네이버가 내세우는 또 다른 차별점은 다양한 콘텐츠와 쇼핑과정의 완결성에 있습니다. 챗GPT나 구글 제미나이 같은 범용 AI는 다양한 정보를 바탕으로 상품 탐색과 비교를 지원하지만, 실제 구매 단계에서는 외부 쇼핑몰로 이동해야 하는 경우가 많죠. 그런가 하면, 아마존 같은 이커머스 플랫폼은 상품 탐색부터 결제까지 자사 서비스 안에서 연결할 수 있지만, AI가 활용하는 데이터는 주로 자체 쇼핑 생태계에 집중돼 있습니다. 
네이버는 이 두 가지 유형의 장점이 결합됐다고 할 수 있습니다. 쇼핑·구매 이력뿐 아니라 검색 이력과 블로그·카페 등 다양한 서비스에서 축적한 정보를 활용해 개인별 관심사와 구매 의도를 보다 정교하게 파악할 수 있고, 네이버페이 등 자체 결제 인프라를 갖추고 있어 상품 탐색과 비교·추천부터 실제 구매까지 하나의 플랫폼에서 해결되기 때문이죠.

멤버십부터 배송까지
네이버 쇼핑 생태계가 만드는 경쟁력 

그렇다면 네이버가 에이전틱 커머스 경쟁에서 유리한 고지를 선점할 수 있는 핵심 경쟁력은 무엇일까요? 
첫 번째 경쟁력은 방대한 양의 실사용 후기(UGC ; User-Generated Content)입니다. 네이버 블로그와 카페, 쇼핑 리뷰 등에는 제품의 실제 사용기, 사용자입장의 비교, 다양한 경험정보가 축적돼 있습니다. 네이버는 이러한 데이터를 활용해 제품의 객관적인 사양 정보에 소비자의 생생한 경험을 결합함으로써 추천의 구체성과 신뢰도를 높일 수 있습니다. 
두 번째는 쇼핑관련 구매 및 행동 데이터를 기반으로 한 개인화 역량입니다. 네이버에는 소비자들이 평소 어떤 상품을 검색하고 클릭했는지, 무엇을 장바구니에 담거나 구매했는지에 대한 데이터가 축적돼 있습니다. 네이버플러스 스토어의 '쇼핑 AI 에이전트'는 이러한 쇼핑 이력과 현재의 관심사를 분석해 소비자의 구매 목적에 맞는 상품을 추천합니다. 예를 들어 최근 밀키트를 자주 검색한 1인 가구에게는 혼자 먹기 좋은 상품을 먼저 찾아볼지 제안하고, 장바구니에 수분크림을 담아둔 고객에게는 함께 사용할 만한 스킨케어 제품을 추천하기도 합니다. 단순히 과거 구매 이력을 토대로 비슷한 상품을 보여주는 것이 아니라 소비자의 현재 상황과 쇼핑 맥락을 이해해 다음 구매 행동까지 제안한다는 점에서 차별화됩니다.

온라인 그로서리 물류센터에서 상품을 빠르고 정확하게 처리하는 것만큼 중요한 것이 신선식품의 품질관리입니다. 
식료품은 일반 공산품과 달리 품질 보존을 위해 요구되는 보관 조건이 상품마다 다르기 때문인데요. 상온 상품뿐 아니라 냉장·냉동 상품을 동시에 취급해야 하고, 배송 과정에서도 적정 온도를 유지해야 합니다. 게다가 상품의 크기와 무게, 형태도 제각각이죠. 
롯데가 이번 제타 스마트센터 구축에서 특히 공을 들인 부분도 신선식품 처리입니다. 제타 스마트센터가 취급하는 최대 3만 5,000개 상품 가운데 냉장·냉동 상품이 약 1만 개에 달하는 만큼, 저온 상품을 효율적으로 보관하고 처리할 수 있는 시스템을 갖추는 것이 중요했는데요. 
대표적인 설비가 냉동 구역에 도입한 자동화 시스템 ‘오토 프리저(Auto Freezer)’입니다. 영하 25도의 냉동 환경에서도 봇이 상품이 담긴 토트를 자동으로 운반하도록 설계돼 작업자의 개입을 최소화했습니다. 또한 상품 입고부터 배송까지 적정 온도를 유지하는 엔드 투 엔드(End-to-End) 콜드체인을 구축해 센터 내부의 보관·처리 과정은 물론 고객에게 상품이 도착할 때까지 냉장·냉동 상품의 품질을 관리합니다.

제타 스마트센터 부산에서 시선을 끄는 것은 거대한 격자형 레일과 그 위를 바쁘게 움직이는 봇, 상품을 정교하게 집어 올리는 로봇팔이지만, 센터를 움직이는 중심에는 오카도 스마트 플랫폼(OSP)이 있습니다. 센터의 두뇌 역할을 하는 OSP는 상품 수요 예측부터 재고 관리, 상품 배치, 주문 처리, 피킹·포장, 배송까지 온라인 식료품 유통의 전 과정을 통합적으로 관리하는 플랫폼입니다. 
먼저 AI와 머신러닝을 활용해 과거 판매량과 계절, 날씨 등 다양한 데이터를 분석하고 상품별 수요를 예측해 적정 재고와 발주량을 산출합니다. 센터 내부에서는 상품의 출고 빈도와 주문 상황 등을 고려해 보관 위치와 출고 우선순위를 조정하고, 주문이 들어오면 로봇의 이동 경로와 작업 순서를 최적화합니다. 
센터 밖 배송 과정에도 AI가 활용됩니다. AI 기반 배차 알고리즘이 주문량과 배송지, 차량 운행 정보, 실시간 도로 상황 등을 분석해 차량별 배송 물량을 배분하고 효율적인 배송 순서와 경로를 산출하죠. 이처럼 OSP는 상품이 센터에 입고되기 전 수요를 예측하는 단계부터 고객에게 배송되는 마지막 단계까지 물류 운영 전반을 통합적으로 관리합니다. 

롯데 제타 스마트센터의 궁극적 목표는 고객경험 향상입니다. 
앞서 살펴본 자동화 설비와 AI 기반 물류 시스템 역시 상품의 선도와 품절, 배송 편의성 등 그동안 온라인 장보기에서 고객이 겪었던 불편을 줄이는 데 초점이 맞춰져 있습니다. 엔드 투 엔드 콜드체인으로 상품이 고객에게 도착할 때까지 적정 온도를 유지해 신선도를 관리하고, AI 기반 수요 예측과 재고 관리를 통해 품절 등으로 주문 상품이 대체되는 상황을 최소화합니다. 
배송은 새벽부터 저녁까지 하루 최대 13개 시간대로 운영해 고객이 원하는 시간을 선택할 수 있도록 했으며, 제타 앱에서는 상품별 소비기한을 확인할 수 있는 기능을 제공합니다. 
이처럼 롯데가 추구하는 신선식품 물류 혁신은 단순히 배송 속도를 높이는 것보다 고객이 원하는 상품을 안정적으로 확보해 품절을 방지하고, 최대한 상품의 선도를 유지한 상태로 고객과 약속한 시간에 정확히 전달하는 것에 초점이 맞춰져 있습니다(중략....)

기업 경영진 대부분 AI에 많은 관심을 갖고 있습니다. 유통기업의 경우 에이전틱 커머스, 소비재 기업이나 제조현장에서는 마케팅이나 생산·운영 효율화 등 각자의 사업 영역에 따라 적용 분야는 다르지만 최근 모든 논의에 AI가 빠지지 않고 등장합니다. 특히 AI의 활용 범위가 기업 운영에서 소비자 접점으로 확대되면서 유통산업 전반에도 큰 변화가 예상됩니다. 
커머스 영역에서는 모바일 혁명 이후 가장 큰 파급력을 가져올 것으로 예상되며, 기존 산업의 경쟁 질서에도 상당한 영향을 미칠 것으로 전망합니다. 유통산업이 역사적으로 중요한 전환점을 맞고 있는 시기라고 할 수 있습니다.

AI 도입 수준은 소비자와 기업 측면으로 나눠서 볼 필요가 있습니다. 
먼저 소비자들의 AI 수용은 ‘폭발적’이라고 말할 수 있을 정도로 빠르게 증가하고 있습니다. 미국에서는 지난해 이미 AI 사용률이 70%를 넘었고, 소비자의 60%가 쇼핑 과정에서 AI를 활용하는 것으로 조사됐습니다. 앞으로 상품 탐색부터 구매까지 쇼핑의 전 과정을 AI에 위임할 의향이 있다는 응답도 60%에 이릅니다. 최종 구매로 이어지는 비율은 아직 낮지만, AI를 통해 유입된 고객들의 체류 시간이나 페이지뷰 등을 고려하면 이제 AI를 '새로운 쇼핑 채널'로 인식해야 할 시점이라고 봅니다. 
이처럼 소비자들의 AI 수용 속도가 워낙 빠르다 보니 유통 및 소비재 기업의 경영진들도 AI가 앞으로 산업 전반에 큰 변화를 가져올 것이라는 데 공감하고 있습니다. 하지만 아직은 기업들의 AI 도입 수준이 소비자의 빠른 수용 속도를 따라가지 못하고 있는 상황인데요. BCG가 글로벌 산업별 AI 성숙도를 분석한 결과 소매업은 통신, 결제·핀테크, 금융업 등에 비해 성숙도가 낮았고, 전체 산업 평균에도 미치지 못하는 것으로 나타났습니다. 소매기업의 약 60%가 투자와 기술 역량에서 뒤처진 ‘AI 후발기업(Laggards)’으로 분류되고 있죠. 
하지만, 최근 변화의 조짐이 뚜렷합니다. AI 투자를 확대하려는 기업들이 늘고 있고, 포춘 500대 기업에 포함된 소매기업의 64%가 실적 발표에서 AI를 언급했으며, 약 40%는 AI 관련 리더십 직책을 신설한 것으로 나타났습니다. 소매기업들의 관심과 투자가 본격화되고 있는 만큼 앞으로 AI 도입과 적용에도 한층 속도가 붙을 것으로 봅니다.

소매업뿐 아니라 아직 산업 전체에서 AI가 충분히 수익화된 단계는 아니기 때문에 투자 규모에 비해 성과가 불확실하다는 이야기가 나올 수 있는데 영역별로 보면 의미있는 성과들이 조금씩 축적되고 있습니다. 
AI의 도입 효과는 크게 속도향상 , 품질개선, 비용절감 세 가지 측면에서 확인되는데, 특히 운영 측면에서 머천다이징과 공급망 분야의 성과가 두드러집니다. BCG가 월마트, 테스코, 까르푸 등 AI를 기업 운영 전반에 적극 도입하고 있는 선도 유통기업들을 조사한 결과, 상품구색 계획에 소요되는 시간은 기존보다 약 10배 단축된 것으로 나타났습니다. 공급망 관리 측면에서도 시뮬레이션 시간이 약 60% 단축됐고, 품절률은 2~5%, 재고관리 비용은 5~10% 감소한 것으로 조사됐습니다. 소비재 기업의 경우 마케팅 영역에서 성과가 나타나고 있습니다. AI를 활용하면서 콘텐츠 제작 속도가 약 40% 빨라지고, 마케팅 캠페인의 투자수익률(ROI)도 개선된 것으로 나타났죠. 
영역별 성과를 모두 종합했을 때, AI를 효과적으로 활용하는 기업은 EBITDA(이자·세금·감가상각비 차감 전 이익)를 15% 이상 개선할 수 있는 잠재력이 있는 것으로 분석됐습니다. 
고객 접점에서도 에이전틱 커머스를 중심으로 가시적인 성과가 나타나고 있습니다. 월마트 경우 앱 이용자의 약 절반이 AI 쇼핑 어시스턴트인 ‘스파키(Sparky)’를 이용한 경험이 있으며, 스파키 이용 고객의 평균 객단가는 비이용 고객보다 약 35% 높은 것으로 나타났습니다. 로레알의 AI 뷰티 어시스턴트 ‘뷰티 지니어스(Beauty Genius)’도 기존 방식에 비해 약 5% 수준의 비용으로 개인화 상담을 제공하고 있죠. 
이처럼 고객 접점에서는 객단가와 구매전환율을 높이는 동시에 고객 획득과 서비스 제공 비용을 낮추는 효과가 나타나고 있습니다. 현재 일부 기업들이 제시하는 이러한 성과가 향후 얼마나 폭넓게 확산되고 지속적인 수익 개선으로 연결되느냐가 중요해질 것으로 봅니다.