Agencytimes

[MadTech 101] 에이전틱 커머스의 핵심은 AI가 상품을 추천한다는 데 있지 않습니다. 상품 데이터, 구매 권한, 결제 승인, 책임 기록을 기계가 읽고 실행할 수 있는 구조로 바꾸는 데 있습니다. 검색보다 넓은 구매 운영체계의 변화. Image generated with OpenAI. 에이전틱 커머스(Agentic Commerce)는 인공지능(Artificial Intelligence, AI) 에이전트가 소비자나 기업을 대신해 상품을 조사하고, 조건을 비교하며, 승인된 범위 안에서 구매까지 수행하는 거래 방식입니다. 기존 추천 시스템이 선택지를 보여줬다면, 에이전트는 목표를 해석하고 외부 시스템을 호출해 실제 행동으로 이어갑니다. 2026년에는 이 개념이 발표 자료에만 머물지 않았습니다. Mastercard는 한국에서 인천공항과 서울 도심 사이의 차량 예약을 AI 에이전트가 검색·예약·결제한 인증 거래를 발표했고, 호주와 중남미에서도 영화표, 숙박, 식료품, 서적과 디지털 상품을 포함한 거래 사례를 공개했습니다. 그렇다고 사람이 운영하는 쇼핑몰이 곧 사라진다는 뜻은 아닙니다. 현재 확인된 사례에는 통제된 시험과 초기 상용 거래가 섞여 있습니다. 더 중요한 변화는 소비자가 반드시 특정 사이트를 먼저 방문하지 않아도 상품을 발견하고 구매를 시작할 수 있게 됐다는 점입니다. 확인 범위 현재 공개된 거래 사례는 에이전틱 결제가 기술적으로 작동할 수 있다는 증거입니다. 소비자 거래의 상당 부분이 이미 에이전트로 전환됐다는 증거는 아닙니다. 기업 발표와 시장의 실제 이용 규모는 구분해 봐야 합니다. 에이전틱 커머스란 무엇인가 일반적인 온라인 쇼핑에서는 사람이 검색어를 입력하고, 여러 상세페이...

[AI Frontier] 스스로 판단하는 AI Jev, 정말 새로운 지능인가? 기능·성능·사용자 평가 분석

[AI Frontier] TypeSafe AI가 내놓은 Jev는 문장을 만들지 않고 소프트웨어가 다음에 무엇을 할지만 정해준다. 개발자들의 관심은 더 똑똑한 챗봇보다, AI 에이전트 안에 빠르고 저렴한 판단 계층을 따로 둘 수 있느냐에 쏠려 있다. 문장 없이 판단한다: Jev가 AI 에이전트의 결정 비용을 줄이는 방식 2026년 9월 15일 TypeSafe AI가 Jev를 공개한 뒤 개발자 커뮤니티의 반응이 빠르게 번졌다. 이름만 보면 스스로 판단하는 새로운 AI처럼 읽힌다. 제품 구조를 들여다보면 이야기가 조금 달라진다. Jev는 질문에 긴 답을 쓰지도, 코드를 만들지도 않는다. 주어진 상태를 읽고 미리 정해둔 선택지 안에서 결정을 내릴 뿐이다. 이 차이는 실제 AI 시스템을 설계할 때 크게 다가온다. 지금까지 인공지능 에이전트(Artificial Intelligence Agent, AI Agent)는 다음 도구를 고르거나, 작업을 계속할지 멈출지 정하거나, 결과를 다시 검토할 때도 대규모 언어 모델(Large Language Model, LLM)을 반복해서 불러왔다. Jev는 이런 작은 판단들을 따로 떼어내 더 빠르고 싸게 처리하겠다는 제품이다. 그래서 평가 기준도 옮겨야 한다. ChatGPT나 Claude보다 더 많은 일을 해내는지 묻기보다, 제한된 선택지 안에서 같은 판단을 얼마나 빠르고 싸게, 흔들림 없이 반복하는지를 보는 쪽이 제품 성격에 맞는다. SYSTEM SUMMARY 상태 입력 → Jev가 여러 판단을 병렬 평가 → 선택·점수·확률 반환 → 코드가 임계값 확인 → 자동 실행·LLM 호출·사람 검토 중 하나로 분기 Jev AI란 무엇인가: 출력 형태가 곧 성격이다 TypeSafe AI는 Jev를 첫 번째 시스템 원 모델(S...

[AI Frontier] AI 에이전트도 토큰 비용을 감시하기 시작했다. AI FinOps가 필요한 이유!

[AI Frontier] 9월 15일, Cisco/Splunk와 WitnessAI는 서로 다른 출발점에서 AI 비용관리 기능을 동시에 공개했다. 기업이 묻는 질문도 “토큰이 얼마인가”에서 “어떤 에이전트가 왜 비용을 썼고, 그 결과가 사업가치로 이어졌는가”로 옮겨가고 있다. 토큰 가격보다 중요한 숫자: AI 에이전트의 업무당 비용 AI 모델 가격표만 보면 인공지능 비용은 계속 낮아지는 듯하다. 하지만 기업이 에이전트를 실제 업무에 붙이기 시작하면 계산 방식은 달라진다. 하나의 요청이 여러 차례의 추론, 도구 호출, 검색, 재시도, 하위 에이전트 실행으로 이어질 수 있기 때문이다. 이 때문에 금융운영(Financial Operations, FinOps)의 관리 범위도 클라우드 청구서에서 AI 사용량과 가치로 넓어지고 있다. FinOps Foundation의 2026년 조사에서는 응답 실무자의 98%가 이미 AI 지출을 관리한다고 답했다. 2024년 31%, 2025년 63%에서 빠르게 늘어난 수치다. 최근에는 이 변화가 제품 기능으로 드러났다. 2026년 9월 15일 Cisco/Splunk는 Splunk Agent Observability에 Tokenomics 기능을 추가했고, 같은 날 WitnessAI는 새로운 AI FinOps 기능과 Unified AI ROI Dashboard를 발표했다. 같은 비용 문제를 다루지만 제품이 겨냥하는 지점은 다르다. AGENCYTIMES VIEW 이번 신호를 토큰 대시보드 하나가 더 생긴 일로만 보면 변화의 폭을 놓치기 쉽다. 기업 AI의 비용관리 단위가 모델 → 사용자 → 에이전트 → 워크플로 → 사업 결과 로 확장되고 있다는 점을 봐야 한다. 같은 날, 두 회사가 AI 비용 문제를 제품 기능으로 옮겼다 Cisco가 공개한 Splu...

신고하기

AgencyTimesOperated by MVINO

개인정보처리방침 · 이용약관 · 사이트 소개

Powered by Blogger