Agent-Ready Commerce, Part 2: From Product Pages to Commercial

개요

AI 에이전트가 커머스 시스템과 상호작용할 때, 기존 상품 페이지는 인간의 해석에 의존하지만 에이전트에게는 부족하며, 플랫폼은 상품의 "상업적 진실(commercial truth)"을 제공해야 한다.

주요 내용

* 상품 페이지의 한계: 상품 페이지는 시각적 표현에 중점을 두어 상품 ID, 가격, 재고, 설명 등 다양한 정보를 압축하지만, 이 과정에서 시스템 관점에서 정보 손실이 발생한다. "재고 있음"과 같은 정보도 최신이 아닐 수 있으며, 정책 적용 범위나 가격의 신뢰도 등도 불명확할 수 있다. 인간은 이러한 모호성을 감내할 수 있지만, AI 에이전트는 명확한 정보를 요구한다.
* 상품 데이터 vs. 상업적 진실: 상품 데이터는 상품 자체를 설명하지만, 상업적 진실은 상품에 대해 플랫폼이 현재 신뢰할 수 있는 정보의 상태를 설명한다. 상품 데이터는 단순히 상품의 속성을 나열하는 반면, 상업적 진실은 각 속성에 대한 신뢰도, 출처, 최신성 등을 포함한다.
* 출처 참조(Source References): 가격, 재고, 정책 등의 상업적 사실은 추적 가능해야 한다. 출처 참조는 해당 정보가 어디에서 왔는지(예: 가격 시스템, 창고 동기화, 정책 문서) 명시하여 신뢰성과 디버깅을 돕는다.
* 사실별 신선도 모델링: 상품 전체에 대한 신선도 플래그는 불충분하다. 가격, 재고, 정책 등 사실(fact) 그룹별로 신선도를 개별적으로 추적해야 한다. 예를 들어, 재고가 오래되었더라도 상품 이미지는 최신일 수 있으며, 이는 각기 다른 비즈니스 의사결정에 영향을 미친다.
* 진실과 자격(Eligibility)의 분리: 상업적 진실 레이어는 무엇이 알려져 있는지, 어디에서 왔는지, 얼마나 최신인지 등을 설명하는 역할을 한다. 자격 레이어는 이러한 사실들을 바탕으로 어떤 행동이 허용되는지 결정한다. 이 두 레이어를 분리함으로써 진실 레이어가 비즈니스 로직의 일부가 되는 것을 방지한다.
* 행동별 임계값 차이: 상품을 발견하는 것, 비교하는 것, 체크아웃을 준비하는 것 등 각 행동은 요구하는 정보의 품질이 다르다. 발견은 상품 ID와 이미지 정보만으로도 가능할 수 있지만, 체크아웃 준비는 신선한 가격과 재고 정보가 필수적이다.
* 파생 사실(Derived Facts)의 출처 보존: 상품 가시성(agentVisible)과 같이 규칙에 의해 파생되는 사실은 어떤 규칙과 입력 사실로부터 계산되었는지 명시해야 한다. 이는 디버깅을 용이하게 한다.
* 진실 버전 및 해시: 상업적 진실의 변경 사항을 감지하기 위해 진실 버전과 해시를 사용한다. 해시는 변경 사실을 감지하며, 도메인 로직은 그 변경이 어떤 영향을 미치는지 결정한다.
* AI 생성 콘텐츠의 검토: AI가 생성한 상품 설명, 정책 요약 등은 자동으로 상업적 진실이 될 수 없다. 검증된 출처에 기반하거나 승인된 워크플로우를 통해 검토되어야 한다.
* 상업적 진실의 테스트: 상업적 진실 레이어는 단순히 필드 유효성 검사를 넘어, 다양한 시나리오(신선한 가격/오래된 재고, 정책 누락 등)를 기반으로 테스트되어야 한다.
* 주요 실패 모드: 원시 카탈로그 데이터가 에이전트 피드에 노출되는 것, 여러 표면에서 진실이 다르게 계산되는 것, 오래된 사실로 인해 너무 많이 또는 너무 적게 차단되는 것, 파생 사실이 설명 없이 플래그가 되는 것, 상품 삭제가 모호해지는 것, AI 생성 콘텐츠가 권위가 되는 것, 운영자 작업이 비즈니스 영향과 분리되는 것 등이 일반적인 실패 모드이다.
* 복잡성 vs. 필요성: 상업적 진실 레이어는 복잡성을 증가시키지만, AI 에이전트와의 상호작용이 증가할수록 상품 데이터만으로는 충분하지 않으며, 플랫폼은 "소프트웨어가 무엇을 믿고 행동하게 할 것인가?"에 대한 더 강력한 답변이 필요하다.

시사점

상품 페이지는 인간에게 유용하지만 AI 에이전트에게는 부족하며, 플랫폼은 출처가 명확하고 신선도가 관리되는 "상업적 진실"을 제공함으로써 에이전트가 안전하고 효과적으로 상업적 거래를 수행할 수 있도록 지원해야 한다.