AI 에이전트의 임팩트는 ‘편해졌다’가 아니라 ‘퍼널이 움직였다’로 측정돼야 한다. 현대백화점 AI 쇼핑 어시스턴트 ‘헤이디’가 선물하기 기능에서 구매 전환율 28%를 기록했고(디지털데일리), KT는 견적 문의 1건 처리 시간을 4~5시간에서 40초로 줄였다(AI타임스). 이 둘은 같은 메시지를 준다. 에이전트는 비용 절감 도구가 아니라, 전환과 매출을 직접 끌어올리는 실행 레이어다.
맥락을 뜯어보면, 승부는 ‘모델 성능’보다 ‘퍼널 마찰 제거’에서 났다. 헤이디는 외국인 관광객 급증이라는 제약(언어/인력)을 번역·추천으로 흡수했고, 이후 선물 큐레이션·취향 파인더·AI 편지까지 이어지는 흐름을 만들었다. 즉 검색창→상품리스트→필터링→비교라는 전통적 UI 단계를 대화로 압축하고, “어떤 선물이 맞을까?”라는 불확실성을 에이전트가 단계적으로 좁혀준다. 퍼널 관점에선 ‘고민 구간(consideration)’의 체류 시간을 줄이고, 이탈 지점을 대화로 회수한 설계다.
기술 선택도 그로스에 직결된다. 현대퓨처넷이 SLM 학습 대신 RAG를 선택한 이유를 “골든타임”으로 설명한 대목(디지털데일리)은 실전적이다. 결국 전환을 만드는 팀은, 학습 대기열에 묶이는 대신 빠르게 배포→반응 수집→개선 루프를 돈다. 특히 검색 정밀도를 1~2%라도 올리면 신뢰가 올라가고, 신뢰는 곧 추천 수용률과 구매 전환으로 이어진다(‘정확도=매출 탄성’).
여기서 다음 레버리지가 MCP다. 에어브릿지는 AI 에이전트 ‘Pilot’과 MCP 연동으로, 마케터가 LLM 대화창에서 ROAS·리텐션·코호트 등을 바로 조회하고 리포트를 생성하게 만들었다(매거진한경). 이 변화의 핵심은 분석을 ‘대시보드 조회’에서 ‘실행 자동화’로 옮긴다는 점이다. 대시보드를 보는 순간 실험은 멈추고, 에이전트가 액션을 만들면 실험이 전진한다. 측정→가설→실험→재배포 사이클의 시간(lead time)이 짧아질수록 CAC/ROAS 최적화는 누적 복리로 쌓인다.
시사점은 명확하다. 첫째, 에이전트는 AARRR의 ‘Activation’을 강하게 민다. 헤이디의 선물하기처럼 사용자가 “첫 성공(좋은 선물 발견/전달)”을 빠르게 경험하면 D1 리텐션과 재방문 동기가 같이 올라간다. 둘째, 상담/견적 자동화는 단순 비용 절감이 아니라 리드 타임 단축으로 전환율을 올린다. KT 사례처럼 응답이 40초로 떨어지면, 경쟁사 비교 전에 결정을 선점할 확률이 커진다. 셋째, 데이터·툴 연동(MCP)은 그로스팀의 병목(리포팅, 세그먼트 추출, 실험 세팅)을 제거해 실험량을 늘리고, 결과적으로 채널 효율을 다시 쓰게 만든다.
전망은 ‘에이전트가 퍼널을 직접 실행하는 구조’로 수렴한다. 단기적으로는 추천/상담/리포팅처럼 ROI가 즉시 보이는 구간부터 침투한다. 중기에는 오프라인(키오스크·컨시어지)과 온라인 커머스가 하나의 대화 맥락으로 연결되며, “어디서 들어왔는지”보다 “대화를 어디까지 밀었는지”가 핵심 KPI가 된다. 장기적으로는 MCP 같은 표준이 확산되면서 에이전트가 캠페인 중단, 예산 재배분, 크리에이티브 교체까지 ‘권한을 가진 실행’으로 확장될 가능성이 크다. 그때의 경쟁력은 화려한 데모가 아니라, 전환 기여도를 추적 가능한 이벤트 설계와 안전한 자동화(가드레일)다—퍼널을 미는 힘은 결국 측정에서 나온다.