[KtN 임우경기자]소비자가 온라인몰 검색창에 “검은 재킷”을 입력하던 방식은 빠르게 낡아지고 있다. 대화형 AI에 출근 일정과 저녁 모임, 체형과 예산, 이미 갖고 있는 바지와 신발을 말하면, AI는 후보 상품을 골라주고 착장 조합을 설명하며 구매 가능한 경로까지 제시한다. 패션 유통의 경쟁은 매장 위치에서 검색 노출로 이동했고, 이제 AI 대화창 안에서 선택받는 경쟁으로 넘어가고 있다.

맥킨지의 2026년 패션산업 대담은 소비자가 대형언어모델과 대화하며 “무엇을 입을지” 묻고, 사진을 바탕으로 가상 착장을 해보고, 신발과 액세서리 조합까지 제안받는 흐름을 짚었다. 더 큰 변화는 구매 접점이다. 고객 관계와 거래가 범용 AI 에이전트로 이동할 경우, 브랜드와 리테일러는 소비자와 직접 만나는 통로에서 밀려날 수 있다. 맥킨지는 이런 변화를 온라인 커머스 등장에 맞먹는 구조적 전환으로 봤다.

패션 소비는 원래 추천에 의존하는 산업이었다. 백화점 판매원, 편집숍 바이어, 잡지 화보, 인플루언서, 온라인몰 알고리즘이 소비자의 선택을 대신 정리해왔다. AI 에이전트는 추천의 위치를 한 단계 앞당긴다. 소비자가 브랜드몰에 들어간 뒤 상품을 비교하는 것이 아니라, 브랜드몰에 도착하기 전에 AI가 후보를 걸러낸다. 소비자의 첫 접점이 검색 결과나 쇼핑몰 메인 화면이 아니라 대화창이 되는 구조다.

오픈AI는 2026년 3월 챗GPT 안에서 더 풍부한 상품 발견 경험을 제공하겠다고 발표하며, 에이전틱 커머스 프로토콜(Agentic Commerce Protocol)을 기반으로 시각적 쇼핑과 상품 비교 기능을 강화한다고 밝혔다. 챗GPT 판매자 페이지도 ACP를 AI 네이티브 커머스를 위한 개방형 인프라로 설명하고, 현재 상품 발견과 더 정확한 쇼핑 경험을 지원한다고 안내한다.

구글도 같은 방향으로 움직이고 있다. 구글은 2026년 1월 리테일러와 플랫폼이 AI 쇼핑 환경에서 소비자와 연결될 수 있도록 에이전틱 커머스를 위한 개방형 표준과 AI 도구를 발표했다. 쇼핑 검색이 단순한 키워드 결과에서 고의도 소비자와 브랜드를 연결하는 AI 접점으로 이동하고 있다는 판단이 깔려 있다.

쇼피파이는 수백만 판매자가 주요 AI 채널에서 판매할 수 있도록 에이전틱 커머스 인프라를 구축했다고 밝혔다. 회사는 구글과 함께 개방형 표준을 공동 개발했다고 설명했고, 별도 안내에서는 쇼피파이 판매자가 챗GPT, 구글 검색의 AI 모드, 코파일럿 같은 채널을 통해 소비자와 만나는 방식을 소개했다. 플랫폼 사업자에게 AI 대화창은 외부 트래픽을 잃는 위협이면서 동시에 새로운 판매 채널이다.

패션 브랜드가 가장 두려워해야 할 변화는 결제 버튼의 위치가 아니다. 고객 판단의 순서가 바뀌는 점이다. 지금까지 브랜드는 광고와 매장, 온라인몰, SNS 계정, 멤버십을 통해 고객을 자기 공간으로 끌어들였다. AI 에이전트 쇼핑에서는 소비자가 먼저 AI에게 조건을 말하고, AI가 여러 브랜드를 비교한 뒤 일부만 보여준다. 브랜드가 아무리 훌륭한 룩북과 캠페인을 만들어도 AI가 후보군에 넣지 않으면 소비자는 브랜드를 만나기 어렵다.

패션 상품은 AI 추천이 어려운 품목이기도 하다. 옷은 사이즈, 핏, 소재감, 색감, 계절, 착용 상황, 체형, 기존 옷장, 세탁 편의성, 반품 가능성까지 함께 봐야 한다. 같은 흰 셔츠라도 출근용인지, 여행용인지, 재킷 안에 입을지, 단독으로 입을지에 따라 추천 기준이 달라진다. AI가 패션에서 제대로 작동하려면 상품명과 가격뿐 아니라 핏, 소재, 실측, 착용 이미지, 리뷰, 반품 사유, 재고 위치 같은 데이터가 촘촘해야 한다.

학계에서도 한계는 지적된다. 2026년 공개된 ‘AgenticShop’ 연구는 개인화된 오픈웹 쇼핑 환경에서 에이전트형 시스템의 상품 큐레이션을 평가하며, 현재 시스템이 현실적인 개인화 쇼핑 요구를 충분히 충족하기에는 부족하다고 분석했다. 또 다른 패션 추천 연구는 빠른 트렌드 변화, 섬세한 취향, 상품 간 조합, 소비자·브랜드·플랫폼·인플루언서의 복잡한 관계 때문에 패션 추천이 일반 상품 검색보다 어렵다고 설명했다.

그럼에도 패션기업은 AI 에이전트 쇼핑을 외면하기 어렵다. 소비자가 “다음 주 결혼식에 입을 검정 원피스, 30만원 이하, 너무 튀지 않고 오래 입을 수 있는 것”이라고 말하면, AI는 브랜드가 미리 정해놓은 카테고리보다 소비자의 상황을 먼저 읽는다. 검색어는 짧지만 대화는 길다. 대화가 길어질수록 AI는 취향과 예산, 불편했던 경험, 선호하는 소재까지 더 많이 알게 된다. 고객 데이터의 중심이 브랜드에서 AI 플랫폼으로 이동할 수 있다.

브랜드몰의 역할도 달라진다. 예전에는 브랜드몰이 상품 발견, 브랜드 경험, 구매, 멤버십, 고객 데이터 수집을 모두 담당했다. AI 에이전트가 앞단에서 상품을 추천하면 브랜드몰은 결제와 재고 확인, 상세 정보 제공, 사후관리의 비중이 커질 수 있다. 브랜드가 고객을 설득하는 시간은 줄고, AI가 읽을 수 있는 상품 정보와 구매 조건의 정확성이 더 중요해진다.

럭셔리 브랜드에는 충격이 더 복잡하다. 명품은 지금까지 매장 경험, 판매원과의 관계, 브랜드 세계관, 희소한 접근성을 통해 가격을 정당화해왔다. 범용 AI 에이전트가 여러 명품 브랜드를 한 화면에서 비교하고 가격과 재판매 가치, 착용 가능성, 비슷한 대체 상품을 제시하면 브랜드가 관리해온 거리감은 약해질 수 있다. 맥킨지도 범용 AI 비서와 쇼핑 에이전트가 고객이 브랜드에 도착하기 전 비교와 해석이 이뤄지는 환경이 되고 있다고 분석했다.

브랜드가 선택할 수 있는 방향은 둘로 갈린다. 하나는 범용 AI 에이전트와 협력해 노출을 확보하는 방식이다. 다른 하나는 자체 AI 스타일리스트를 만들어 고객 관계를 브랜드 안에 붙잡는 방식이다. 맥킨지 대담은 브랜드나 리테일러가 고객의 일정과 옷장 정보를 바탕으로 미술 행사에 맞는 착장을 제안하는 에이전트를 만들 수 있다고 설명했다. 이런 방식은 범용 에이전트보다 더 깊은 브랜드 경험을 만들 수 있다.

자체 AI 스타일리스트는 단순한 챗봇과 다르다. 고객이 이미 산 옷, 선호하는 사이즈, 반품했던 이유, 자주 가는 행사, 계절별 구매 패턴, 보유 액세서리를 이해해야 한다. “새 원피스를 사라”는 추천보다 “지난해 산 네이비 재킷에 이번 시즌 스커트를 맞춰 입으라”는 제안이 더 강하다. 패션 소비가 소유한 옷장의 맥락 안에서 이뤄질수록 브랜드 충성도는 깊어질 수 있다.

데이터 신뢰는 이 시장의 핵심 인프라다. AI가 잘못된 재고, 부정확한 사이즈, 과장된 소재 설명, 실제와 다른 색감을 바탕으로 추천하면 반품과 불만이 늘어난다. 패션기업이 AI 쇼핑 환경에 들어가려면 상품 데이터 정비가 먼저다. 실측 기준, 모델 착용 정보, 소재 혼용률, 세탁 방법, 재고 위치, 배송 가능일, 반품 조건이 기계가 읽을 수 있는 형태로 정리돼야 한다. AI 시대의 상품 페이지는 사람을 설득하는 광고 문안인 동시에 기계가 판단하는 데이터 문서가 된다.

가상 착장도 빠르게 확산될 수 있다. 소비자는 자신의 사진이나 신체 정보를 바탕으로 옷이 어떻게 보일지 확인하고, 색상과 사이즈를 바꾸며, 신발과 가방까지 조합해볼 수 있다. 다만 AI 생성 착장 이미지는 실제 착용감과 다를 수 있다. 2026년 공개된 VTONGuard 연구는 가상 착장 콘텐츠가 정교해질수록 진위와 책임 있는 사용 문제가 커진다고 보고, 실제 이미지와 합성 이미지를 구별하는 벤치마크를 제안했다.

반품 문제는 AI 에이전트 쇼핑의 성패를 가를 수 있다. 소비자는 추천이 편리하더라도 실제 상품이 맞지 않으면 바로 반품한다. AI 추천이 사이즈와 핏을 더 정확히 맞추면 반품률을 낮출 수 있지만, 부정확한 이미지와 과장된 추천은 반품을 늘릴 수 있다. 패션기업 입장에서는 AI가 판매를 늘리는 도구이면서 동시에 반품 비용을 키울 수 있는 양날의 도구다.

광고 시장도 흔들린다. 지금까지 브랜드는 검색 광고와 SNS 광고, 인플루언서 마케팅으로 소비자를 끌어왔다. AI 에이전트가 소비자의 질문에 몇 가지 상품만 추천하면 기존 광고 노출 방식은 힘을 잃을 수 있다. 브랜드는 키워드 광고보다 AI가 신뢰할 수 있는 상품 데이터, 리뷰, 가격 경쟁력, 배송 안정성, 반품 조건을 관리해야 한다. 검색엔진 최적화가 AI 추천 최적화로 바뀌는 흐름이다.

중소 패션 브랜드에는 기회도 있다. 기존 온라인몰에서는 광고비가 큰 브랜드가 검색 상단과 SNS 피드를 점령하기 쉬웠다. AI 에이전트가 소비자의 조건과 상품 적합성을 더 정교하게 따진다면 작은 브랜드도 소재, 핏, 가격, 리뷰, 재고 정보가 정확할 때 추천될 수 있다. 다만 데이터가 부실하면 기회는 열리지 않는다. 브랜드 규모가 작을수록 상품 정보 표준화와 고객 리뷰 관리가 더 중요해진다.

K패션에는 이 변화가 더 민감하다. 해외 소비자는 한국 브랜드 이름을 정확히 모를 수 있지만, “서울 감성의 출근복”, “K드라마 스타일의 미니멀 재킷”, “여행에 입기 좋은 한국 디자이너 브랜드”처럼 상황과 이미지를 말할 수 있다. AI 에이전트가 이런 요청을 상품으로 연결하면 K패션의 발견 가능성은 넓어진다. 반대로 상품 데이터가 영어와 현지 언어로 충분히 정리돼 있지 않고, 해외 배송·반품 조건이 불명확하면 추천에서 밀릴 수 있다.

국내 플랫폼도 영향을 피하기 어렵다. 패션 플랫폼은 지금까지 사용자 행동 데이터를 바탕으로 추천 알고리즘을 고도화해왔다. 범용 AI 에이전트가 플랫폼 밖에서 상품을 비교하고 결정을 유도하면 플랫폼의 체류시간과 광고 수익, 추천 주도권이 흔들릴 수 있다. 플랫폼은 자체 AI 쇼핑 비서를 강화하거나, 외부 AI 에이전트가 읽을 수 있는 상품 데이터와 결제 인프라를 열어야 하는 선택에 놓인다.

개인정보 문제도 커진다. AI 스타일리스트가 정확해질수록 더 민감한 정보를 요구한다. 체형, 사진, 구매 이력, 반품 사유, 일정, 위치, 옷장 데이터, 건강 관련 웨어러블 정보까지 연결될 수 있다. 패션 추천이 정교해지는 만큼 데이터 보호와 동의 절차, 삭제 권리, 추천 결과의 투명성이 브랜드 신뢰에 들어온다. 소비자는 편리함을 원하지만, 자기 몸과 생활 리듬이 어디까지 기록되는지도 함께 따질 수밖에 없다.

AI 에이전트 쇼핑이 모든 오프라인 매장을 대체하지는 않는다. 패션은 촉감과 착용감, 피팅 경험이 중요한 산업이다. 고가 의류와 주얼리, 맞춤형 상품, 럭셔리 제품은 여전히 매장에서 확인하려는 수요가 남는다. 다만 매장의 역할은 바뀐다. 상품을 처음 발견하는 장소보다 AI가 추천한 상품을 입어보고 확신을 얻는 장소, 브랜드 경험을 깊게 만드는 장소로 이동할 가능성이 크다.

2026년 패션 유통의 가장 큰 변화는 소비자가 어디에서 결제하느냐보다 누가 소비자의 선택을 먼저 정리하느냐에 있다. 브랜드몰, 플랫폼, 백화점, 편집숍이 쌓아온 고객 접점 앞에 AI 에이전트가 들어서고 있다. 패션기업은 더 많은 광고를 집행하는 것만으로는 부족하다. AI가 읽을 수 있는 상품 데이터, 신뢰할 수 있는 재고와 배송, 반품을 줄이는 설명, 고객 취향을 오래 기억하는 관계가 필요해졌다. 패션의 다음 경쟁은 소비자의 옷장 앞이 아니라 소비자의 질문 앞에서 시작된다.