Deloitte 미국 AI 총괄 Jim Rowan 인터뷰 시리즈

Jim Rowan은 Deloitte의 미국 AI 총괄이자 Deloitte Consulting LLP의 프린시펄로, 조직이 AI에 대한 포부를 비즈니스 성과로 이어 가도록 돕고 있습니다. 그의 경력은 엔터프라이즈 기술, 분석, 데이터, 디지털 전환 분야에 걸쳐 있으며, 생명과학, 보건의료, 통신 분야에서 경험을 쌓았습니다. Deloitte의 Strategy & Analytics 및 AI & Data 부문에서 리더십 역할을 맡았으며, 조직이 AI를 도입하는 데 필요한 인재와 역량을 개발하는 일도 하고 있습니다.

Deloitte는 컨설팅, 회계감사 및 인증, 세무, 자문 서비스를 제공하는 전문 서비스 조직입니다. Deloitte의 AI 업무는 전략, 데이터, 기술, 인재, 거버넌스를 결합해 기업이 운영 전반에 AI를 도입하고 확장하도록 지원합니다. 디지털 커머스 분야에서는 AI 에이전트에 맞춰 제품 정보와 엔터프라이즈 시스템을 준비하고, 여러 채널에 걸친 고객 경험을 연결하며, 자동화된 상호작용과 거래에 필요한 신원 확인, 권한 부여, 신뢰 관리 체계를 마련하는 일도 포함됩니다.

Deloitte에서 20년 넘게 엔터프라이즈 기술, 분석, 데이터, 그리고 이제는 AI 분야에서 일해 오셨습니다. 그동안의 경험에 비춰 볼 때, AI 에이전트가 기업의 내부 운영 방식만 바꾸는 데 그치지 않고 기업과 고객 사이의 중개자 역할도 하게 되리라는 점을 언제부터 분명히 알게 되셨나요?

지난 몇 년간 조직이 한때는 상상조차 하기 어려웠던 비즈니스 목표를 측정 가능한 성과로 이어 가도록 돕는 과정에서 AI의 발전을 직접 목격했습니다. 데이터, 프로세스, 기술 분야에서 쌓은 배경은 AI를 이해하는 데 든든한 토대가 되었습니다. AI 분야에서 성공하는 데 필요한 인재 역량을 키우기 위해 Deloitte의 역량 개발에 나섰습니다. 직원과 고객 모두를 위한 교육과정을 만드는 AI Academy가 그 한 예입니다.

현재 조직들은 여러 방식으로 AI 에이전트를 활용해 디지털 커머스 전략을 혁신하고 있습니다. 브랜드 가시성을 높이고, 개인화 엔진으로 대화를 풍부하게 하며, 오프라인·디지털·소셜 접점 전반에서 일관된 옴니채널 경험을 조율합니다. 이러한 전환점은 브랜드들이 변동성이 큰 시장에 대응하는 시기에 찾아왔으며, 에이전트 기반 커머스는 고객에게 더 빠르고 적절하며 일관된 방식으로 대응할 기회를 제공합니다.

기업이 ‘에이전트 기반 검색 최적화(Agentic Search Optimization)’에 대비해야 한다고 말씀하셨습니다. 이 개념을 어떻게 정의하시나요? AI 에이전트에 맞춰 최적화하는 일은 기존 SEO나 AI 답변 엔진에 맞춰 콘텐츠를 최적화하는 새로운 접근법과 근본적으로 어떻게 다른가요?

전통적으로 온라인에서 소비자의 관심을 얻기 위한 경쟁은 검색 엔진 최적화(Search Engine Optimization, SEO)를 중심으로 이루어졌으며, 검색어를 입력한 뒤에는 사람이 결과를 읽고 평가해 구매를 결정한다고 전제했습니다. 소비자들이 조사에 AI 기반 도구를 활용하기 시작하면서 생성형 엔진 최적화(Generative Engine Optimization, GEO)가 등장했습니다. 에이전트 기반 검색 최적화는 GEO를 한 단계 발전시킨 접근법으로, AI가 더는 제품이나 서비스를 추천하는 데 그치지 않고 구매 결정에도 관여한다는 점을 고려합니다. 이러한 변화에 따라 브랜드는 최종 사용자에게 주로 추천을 제공하는 생성형 AI뿐 아니라, 실행을 위해 설계되어 시스템을 조율하고 워크플로를 실행하며 거래를 시작할 수 있는 에이전트형 AI에도 최적화해야 합니다.

AI 에이전트가 제품이나 서비스를 조사하고 비교해 최종 후보를 추릴 때 어떤 신호를 가장 중요하게 평가할 것으로 예상하시나요? 구조화된 제품 데이터, 가격, 리뷰, 제3자 보도, 브랜드 권위가 더 중요해질까요, 아니면 완전히 새로운 신호들이 중요해질까요?

AI 에이전트가 고려할 대상군은 가시성과 관련성을 바탕으로 형성되며, 제품, 서비스, 가격, 데이터에 접근할 수 있고 이를 기계가 읽을 수 있으며 즉시 검증할 수 있는 브랜드를 선호합니다. 플랫폼 간 일관성, 평점과 리뷰, 브랜드 권위도 여전히 중요하지만, 이러한 신호 역시 에이전트가 파악할 수 있는 데이터로 변환되어야 합니다. 개인적 맥락도 중요합니다. 고객을 대신해 움직이는 에이전트가 가장 적절한 추천을 제공하려면 해당 고객의 선호도, 권한, 이전 상호작용 정보에 안정적으로 접근할 수 있어야 하기 때문입니다. 신호 자체뿐 아니라 데이터를 에이전트가 비교할 수 있는 기준에 따라 읽기 쉽고, 이해하기 쉽고, 신뢰할 수 있으며, 정량화할 수 있는 상태로 만드는 데 조직이 얼마나 빠르게 대응하느냐도 브랜드를 차별화하는 요소가 될 것입니다.

한 가지 과제는 서로 다른 모델을 기반으로 하고 서로 다른 데이터 소스에 연결된 소비자용·엔터프라이즈용 에이전트가 결국 수천 개에 이를 수 있다는 점입니다. 개별 에이전트마다 최적화를 시도하지 않으면서도, 기업이 이렇게 파편화된 생태계 전반에서 정확하게 소개되고 쉽게 발견되도록 하려면 어떻게 해야 할까요?

조직은 개별 에이전트에 맞춰 최적화하기보다 모든 에이전트가 접근하고 해석할 수 있는 신뢰성 높은 기계 판독형 기반을 구축하는 데 집중해야 합니다. 이를 위해 공신력 있는 출처를 통해 제품, 가격, 정책에 관한 검증 가능하고 신뢰할 수 있는 최신 정보를 공개해야 합니다. 에이전트가 소비자를 대신해 행동하기 시작하면 검색 가능성만으로는 충분하지 않을 수 있습니다. 이에 따라 신원 확인, 자격 요건 확인, 안전한 거래를 지원하는 시스템의 필요성도 커집니다. 현재처럼 에이전트 생태계가 분절된 상황에서는 정보를 가장 쉽게 이해하고 얻을 수 있도록 제공하는 브랜드가 검색 결과에서 우위를 차지할 것입니다. 다만 프로토콜은 아직 발전 중이고 어떤 프로토콜이 주도권을 잡을지도 분명하지 않으므로, 기업은 하나의 프로토콜에만 의존하는 구축 방식을 피해야 합니다. 따라서 생태계의 변화에 따라 프로토콜을 신속하게 도입하거나 전환할 수 있도록 상호운용성을 고려해 설계하는 것이 중요합니다.

상거래가 기업 대 소비자(B2C)에서 기업 대 에이전트 대 기업(B2A2B)으로 발전한다면 기술적 측면에서는 무엇이 달라질까요? 에이전트가 기업과 직접 상호작용할 수 있도록 기업은 웹사이트, API, 제품 카탈로그, 신원 시스템 또는 기타 인프라를 재검토해야 할까요?

그렇습니다. 조직은 B2B 에이전트 상거래를 실현할 수 있는 적절한 기술 아키텍처를 구축하기 위해 현재 시스템을 재검토하고 새롭게 구상해야 합니다. 필요한 작업의 규모와 변화의 정도를 고려하면 하루아침에 이뤄지지는 않을 것이며 시간이 걸릴 것입니다. 현재 검색과 결제 기능은 기업이 정해진 안전장치 안에서 에이전트가 선택하도록 허용할 자신감을 아직 쌓아가는 의사결정 단계보다 빠르게 발전하고 있습니다. CIO, CTO, CISO는 강력한 기술 파트너 및 통합업체와 협력해 확장 가능하고 지연 시간이 짧은 통합 플랫폼을 제공하는 데 주력해야 합니다. 시스템을 전면 교체하기보다는 어떤 시스템을 에이전트에 연결할 수 있는지 판단하고, 연결이 막힌 시스템을 찾아내며, 통제된 환경에서 간단한 작업을 시험하는 데 시간을 들여야 합니다. 거래에 대한 사람의 통제권을 유지하는 것도 중요합니다. 따라서 기업은 자동화를 추구하느라 사람 중심의 경험을 약화시키지 말고, 고객이 에이전트 주도 상호작용과 사람 주도 상호작용 사이를 쉽게 오갈 수 있는 유연한 경로를 마련해야 합니다. 시간이 지나면 조직은 여러 에이전트를 관리하는 플랫폼을 구축하고, 에이전트가 접근할 수 있도록 레거시 시스템을 업그레이드하거나 연결하며, 실시간 모니터링을 갖춘 고도화된 보안을 도입할 수 있습니다.

전통적인 디지털 마케팅은 순위, 노출 수, 클릭 수, 웹사이트 트래픽을 중심으로 최적화되어 왔습니다. 사람이 웹사이트를 방문하기 전에 에이전트가 점점 더 많은 조사를 수행한다면, 기업은 에이전트 기반 구매 여정에서 자사가 실제로 얼마나 잘 노출되고 경쟁력을 갖추고 있는지 파악하기 위해 어떤 새로운 지표를 사용해야 할까요?

과거에는 소비자의 관심을 끌고 궁극적으로 신뢰를 얻었는지를 중심으로 성공을 측정했습니다. 에이전트가 구매 여정에서 더 큰 역할을 맡게 되면 조직은 자사 브랜드가 눈에 띄고 관련성이 있으며 최종적으로 선택되는지를 측정할 새로운 방법이 필요합니다. 여기에는 브랜드 에이전트 개발을 성과 측정과 연계하고, 에이전트가 브랜드를 제시하는지, 자격 요건을 충족하는 혜택을 인식하는지, 거래를 성공적으로 완료하는지를 평가하는 일이 포함됩니다. 브랜드는 투자나 고객 경험의 변화를 결정하기 위해 경쟁업체가 아니라 자사 구매자에 초점을 맞춰야 합니다. 고객이 제품을 어떻게 발견하는지, 어느 지점에서 이탈하거나 계속 이용하는지도 추적해야 합니다. 이러한 지표는 브랜드가 가치 제안을 차별화하는 데 도움이 될 뿐 아니라, 고객 충성도와 운영 우수성을 강화하는 정량적 성과를 통해 투자수익률(ROI)을 입증하는 데도 도움이 됩니다.

AI 에이전트는 기업을 요약하고 경쟁업체와 비교하며, 기업이 자사 정보가 어떻게 표현되는지 직접 통제하지 못하는 상황에서도 추천을 제시할 수 있습니다. 브랜드는 부정확하거나 오래된 정보를 어떻게 모니터링하고, 에이전트가 신뢰하고 활용할 수 있는 권위 있는 단일 정보 출처를 어떻게 마련해야 할까요?

다른 업계와 마찬가지로 제품 데이터를 점검하는 일은 여러 채널에서 에이전트 기반 검색 가능성을 유지하는 데 매우 중요합니다. 브랜드는 핵심 지원 수단으로 Model Context Protocol (MCP)도 고려해야 합니다. 이 프로토콜은 외부 쇼핑 에이전트 및 플랫폼과 데이터, 도구, 맥락을 안전하게 공유할 수 있는 통제된 환경을 조성합니다. 구조화된 데이터와 MCP를 결합하면 에이전트 간 상호작용을 지원하고 상호운용성을 개선하며, 브랜드 정보를 정확하게 전달하고 적절한 우선순위로 노출하는 데 도움이 됩니다. 프로토콜은 여전히 발전 중이며 어떤 프로토콜이 가장 널리 쓰일지 아직 불분명하므로, 기업은 생태계가 변화함에 따라 새로운 표준을 신속하게 연결하고 전환하거나 도입할 수 있도록 유연성을 갖춰야 합니다.

에이전트가 단순한 제품 추천을 넘어 견적 요청, 조건 협상, 구매와 같은 행동을 수행하게 되면 신원 확인, 권한 부여, 신뢰를 뒷받침하는 인프라는 얼마나 중요해질까요? 기업은 신뢰할 수 있는 고객 에이전트와 신뢰해서는 안 되는 자동화 시스템을 어떻게 구별할 수 있을까요?

에이전트 간 상거래에서는 사람의 개입 없이 거래가 빠르게 이뤄질 수 있어 새로운 위험이 발생합니다. 따라서 프로세스 전반에 걸쳐 사람의 개입과 전환을 가능하게 하는 것이 중요합니다. 에이전트 기반 상거래 거래에는 기계가 시작하는 활동에 맞춰 설계된 새로운 유형의 사기 방지 조치, 전략적인 금융 통제, 표적화된 보고 체계가 필요합니다.

단기적으로 조직은 AI 에이전트를 직원처럼 대우하고, 명확한 책임과 관리되는 접근 권한을 부여하며 책임 소재를 분명히 해야 합니다. 또한 정당한 에이전트인지 확인하고, 결제를 승인하며, 거래 한도와 API 권한 및 기타 운영상 안전장치를 시행하기 위한 프로토콜도 마련해야 합니다.

광고와 유료 노출이 소비자를 따라 에이전트 기반 생태계로 들어올 가능성도 있습니다. AI 에이전트가 누군가를 대신해 제품을 추천할 때 상업적 인센티브는 어떻게 변화할 것으로 보시나요? 사람들이 그런 추천을 신뢰하려면 어떤 투명성이 필요할까요?

에이전트 커머스로 자본이 재배치되는 모습이 이미 나타나고 있습니다. 미국 광고주들은 2029년까지 AI 검색 광고에 약 260억 달러를 지출할 것으로 예상됩니다. 기업들이 자체 채널을 통해 제공한 프로모션과 가격을 에이전트 기반 환경에서도 적용할지 결정함에 따라 상업적 인센티브도 진화할 수밖에 없습니다. 이러한 변화의 일부로 에이전트가 가격 및 프로모션과 상호작용하는 방식에 대한 명시적인 규칙이 필요합니다. 안전장치가 마련되어 있지 않으면 에이전트는 거래 시점에 적용되는 가격을 기준으로 구매를 실행할 수 있으며, 이로 인해 의도치 않은 프로모션 및 가격 등급이 적용되고 마진 손실이 발생할 수 있습니다. 기업은 글로벌 개인정보 보호 및 데이터 표준에 부합하는 정책을 시행하고, 각 고객에 대해 사람이 통제하고 사전 승인한 매개변수에 맞춰야 합니다.

자동화가 확대되고 있지만, 구매 결정에서는 사람의 판단이 여전히 핵심이라고 강조하셨습니다. 소비자가 에이전트에게 기꺼이 맡길 결정과 직접 조사하고 비교한 뒤 최종 결정을 내리려는 사안 사이의 경계는 어디에서 형성될 것으로 보시나요?

그 경계는 결정의 중요도와 소비자가 에이전트를 얼마나 신뢰하는지에 따라 달라집니다. 선호가 명확하고 잘못된 선택의 결과가 크지 않다면, 소비자는 일상적이고 비용이 적게 드는 구매를 에이전트에게 맡기는 데 거부감이 없을 수 있습니다. 상당한 지출이나 민감한 정보 또는 계약상 약속이 걸린 결정이라면, 소비자는 더 높은 수준의 가시성을 기대하고 최종 승인 권한을 유지할 가능성이 큽니다. 불편한 절차가 줄어들면 소비자는 브랜드를 더 편하게 느끼게 됩니다. 따라서 어떤 일이 진행 중인지 쉽게 이해하고, 거래가 의도한 대로 안전하게 완료될 것이라고 신뢰할 수 있도록 해야 합니다. 그러므로 브랜드는 에이전트가 독자적으로 할 수 있는 일과 허가를 요청해야 하는 시점을 소비자가 명확히 통제할 수 있게 해야 하며, 에이전트의 행동을 얼마나 쉽게 검토하거나 되돌릴 수 있는지도 보장해야 합니다.

좋은 인터뷰 감사합니다. 에이전트 커머스와 AI 기반 검색 노출, 자동 구매를 뒷받침하는 신뢰 인프라에 대해 더 알아보고 싶은 독자라면 Deloitte를 방문해 보시기 바랍니다.