작품에 대해 |디미트리스 라도풀로스는 정보 시각화 기법인 트리맵treemapping에서 영감을 받아 시각 정보의 밀도를 기준으로 회화를 디지털 방식으로 분할하는 알고리즘을 만들었다.
에이전트형 AI 시대를 준비하는 브랜드 전략 LLM과 에이전트 덕분에 소비자가 제품을 탐색하고 구매하는 방식이 달라지고 있다. 대다수 기업은 아직 준비되지 않았다
내용 요약
위험 AI 에이전트는 소비자가 제품을 탐색하고 선택하며 구매하는 방식을 바꿔놓았다. 이 현실에 맞춰 최적화하지 않은 브랜드는 가시성이 떨어지고, 에이전트에 의해 부정확하게 왜곡될 위험이 있다.
과제 브랜드는 모든 주요 AI 도구에서 스스로 어떻게 묘사되고 있는지 모니터링하고 조정해야 한다. 그러나 각 에이전트의 작동 방식이 다르고 소비자들이 업무마다 서로 다른 도구를 사용하기 때문에 이 작업은 결코 쉽지 않다.
해결책 브랜드는 자체 에이전트를 구축하거나 도입해야 한다. 동시에 타사의 에이전트와 AI 시스템을 연동해 모든 플랫폼에서 정확하고 개인화된 쇼핑 경험을 제공해야 한다. 또한 여러 플랫폼에 걸친 정보를 지속적으로 모니터링하고, 필요할 때마다 적절히 수정·조정하는 시스템을 갖춰야 한다.
2024년 페르노리카Pernord Ricard의 디지털 및 디자인 책임자인 괵젠 카라자Gokcen Karaca는 Z세대의 약 3분의 2와 밀레니얼 세대의 절반 이상이 제품을 탐색할 때 대규모 언어 모델(LLM)을 사용한다는 사실에 놀랐다. 그는 LLM이 자사의 주류 브랜드에 대해 뭐라고 말하고 있는지를 공식적으로 연구할 때가 왔다고 판단했다. 이에 디지털 마케팅 서비스 에이전시인 젤리피시와 협력해 주요 인공지능(AI) 모델들이 자사 브랜드를 어떻게 표현하는지 분석했다. 결과는 실망스러웠다. LLM이 제공하는 정보는 종종 불완전하거나 부정확했다. 예를 들어 한 인기 AI 모델은 대중적인 가격대의 스카치 위스키인 발렌타인을 프리미엄급 명품 제품으로 잘못 분류했다.
이 문제를 해결하기 위해 카라자와 그의 팀은 이른바 ‘모델 점유율share of model’을 모니터링하고 재구성하는 계획을 시작했다. 이는 자사 브랜드가 AI 결과에 경쟁사 대비 얼마나 자주, 얼마나 긍정적으로 노출되는지를 측정하는 지표다. 브랜드의 모델 점유율을 높이기 위해 카라자 팀은 모든 주요 AI 모델에 정기적으로 페르노리카 제품에 관한 질문을 던지고 모델의 응답을 기록했다. 그런 다음 웹사이트와 광고 문구를 업데이트해 LLM이 자사의 메시지를 반영하도록 유도했다. 꼼꼼한 반복과 조정을 통해 그들은 AI 모델이 회사 브랜드 포트폴리오를 인식하는 방식을 미세 조정할 수 있었다. 이제 LLM들은 발렌타인을 더 저렴한 스카치 위스키로 정확히 식별한다.
페르노리카의 사례는 모든 브랜드가 직면한 근본적인 변화를 보여준다. 지난 20년간 브랜드들은 검색 엔진의 결과 상위에 노출되도록 키워드 전략을 최적화했다. 하지만 이제 새로운 과제가 등장했다. 바로 AI 최적화다. 카라자와 그의 팀이 발견했듯이 이미 많은 소비자들이 제품 조사나 가격 비교를 위해 LLM을 사용하고 있다. 글로벌 경영컨설팅 기업 커니Kearney가 2025년 7월 미국 소비자 750명을 대상으로 실시한 설문조사에 따르면 쇼핑객의 60%가 향후 12개월 내 에이전트형 AI를 활용한 구매를 할 것으로 기대하고 있다. 주요 AI 기업들은 모두 이런 대중적 확산을 염두에 두고 에이전트 개발에 나서고 있다. 예를 들어 오픈AI는 스트라이프, 페이팔 같은 결제 처리업체와 월마트, 쇼핑 플랫폼 쇼피파이 같은 소매업체와 협력해 챗GPT 내에서 제품 구매를 가능하게 하고 있다. 이는 자동화되고 완전한 고객 여정을 위한 기반을 마련하기 위함이다. 즉, 이제 기업들은 곧 LLM 기반의 에이전트형 AI가 고객을 대신해 인간 도움 없이 거래를 완료하는 시대에 브랜드를 관리해야 한다.
아티클을 끝까지 보시려면 유료 멤버십에 가입하세요. 첫 달은 무료입니다!
Copyright Ⓒ 하버드비즈니스리뷰 코리아. All rights reserved. 무단 전재, 재배포 및 AI학습 이용 금지
