에이전트 퍼널은 지금 가장 매력적인 신규 채널입니다. 아모레퍼시픽이 ChatGPT 안에 ‘아모레몰 앱’을 열어 대화 중 상품 탐색·비교·추천을 원스톱으로 제공한다는 소식(마일드경제)은, 검색·광고 중심의 유입을 ‘대화형 입구’로 바꾸는 신호입니다. 문제는 여기서 끝나지 않습니다. 이 입구가 커질수록, 퍼널을 지탱하는 ‘신뢰’가 동시에 가장 약한 고리가 됩니다.
핵심 이슈는 단순합니다. 에이전트 채널로 CAC를 낮출 수 있는 만큼, 봇/가짜 콘텐츠/자동화된 조작이 Activation과 CVR을 깎고, 결과적으로 D7·D30 리텐션과 LTV까지 망가뜨릴 확률도 같이 커졌습니다. 채널을 여는 팀과 신뢰 레이어를 설계한 팀의 격차가, 앞으로는 ‘모객 능력’이 아니라 ‘전환의 지속가능성’에서 벌어질 겁니다.
맥락을 보면 더 명확합니다. 아모레몰의 ChatGPT 앱은 9억+ 사용자 기반의 대화 흐름 속에서 추천과 비교를 끝내는 구조를 제시합니다(마일드경제). 이건 광고 클릭 → 랜딩 → 검색 → 비교라는 전통 퍼널의 마찰을 줄여 CAC를 낮추는 방향입니다. 하지만 반대편에서, Digg 리부트가 AI 봇 네트워크에 의해 투표·댓글·랭킹 신호가 오염되며 붕괴했다는 사례(dev.to)는 “사람이 만든 신호”를 전제로 한 시스템이 얼마나 빨리 무너지는지 보여줍니다. 에이전트가 늘면 ‘신호 제조 비용’이 0에 수렴하고, 조작은 운영 이슈가 아니라 구조적 리스크가 됩니다.
여기에 기업 관점의 또 다른 구멍이 있습니다. 에이전트가 실제로 브라우저에서 클릭하고 제출하는 ‘Operator형 자동화’가 프로덕션으로 들어오는데, 컴플라이언스 팀이 묻는 질문—“정확히 무엇을 했나?”—에 답할 ‘증거’가 부족하다는 지적(dev.to)이 나옵니다. 로그는 의도를 보여주지만, 감사/분쟁/규제 대응에서 필요한 건 재구성 가능한 증거(스크린샷·리플레이·불변 저장)입니다. 즉, 에이전트 퍼널의 신뢰는 ‘유저 진짜임’과 ‘행동이 진짜였음’ 두 축에서 동시에 무너질 수 있습니다.
그로스 관점 시사점은 실행 체크리스트로 떨어집니다. 첫째, 에이전트 채널을 “유입”으로만 보지 말고 “신뢰가 포함된 퍼널”로 계측하세요. 추천 대화 진입률, 비교 이벤트, 장바구니, 결제 같은 표준 이벤트 외에 human-likelihood score(행동 규칙성/세션 패턴/속도), reputation(계정 연령·검증 단계), agent-origin flag(ChatGPT/에이전트/웹)를 같이 트래킹해야 CVR 하락의 원인을 분리할 수 있습니다.
둘째, 봇 방어는 ‘차단’만이 아니라 ‘영향력 제한’으로 설계해야 합니다. Digg가 무너진 지점은 봇이 “존재”해서가 아니라 “랭킹 신호를 지배”했기 때문입니다(dev.to). 마켓/커뮤니티/리뷰/랭킹이 있는 제품이라면 신규 계정의 영향력을 단계적으로 올리는 권한 설계(레퓨테이션), 레이트 리밋, 다양성 기반 랭킹(단일 패턴 집중 페널티) 같은 신호 하드닝이 곧 전환율 방어입니다.
셋째, 컴플라이언스 증거는 비용이 아니라 매출 방어 장치입니다. 에이전트가 결제·배송·CS까지 확장될수록(아모레퍼시픽이 단계적 확대를 언급), 분쟁/감사/규제 리스크는 곧 전환 마찰로 돌아옵니다. Operator류 자동화에 대해 단계별 스크린샷/리플레이를 사이드카로 남기자는 제안(dev.to)은, B2B에서는 계약 성사율을, B2C에서는 사고 대응 속도와 환불·CS 비용을 줄여 LTV를 지키는 레버가 됩니다.
전망은 분명합니다. 에이전트 퍼널이 커질수록 ‘신뢰 레이어’는 선택 기능이 아니라 기본 인프라가 됩니다. 앞으로의 경쟁은 “ChatGPT 안에 앱을 냈는가”가 아니라, (1) 대화형 유입의 저비용을 흡수하면서도 (2) 봇이 만든 가짜 신호를 영향력 단계에서 무력화하고 (3) 에이전트의 행동을 증거로 재현 가능한 형태로 남겨, CVR·리텐션을 안정적으로 유지하는가에 달립니다. 신규 채널의 문을 여는 건 오늘 할 수 있는 일이고, 그 문턱에 신뢰 레이어를 같이 까는 팀만이 내일의 성장을 ‘지속’으로 바꿉니다.