AI 에이전트가 대신 구매하는 시대, 브랜드 충성도는 어떻게 바뀔까

들어가며

브랜드 충성도는 오랫동안 사람의 감정, 만족도, 습관, 가격 민감도, 반복 구매를 중심으로 설명되어 왔다. 하지만 AI 에이전트가 상품을 비교하고 조건을 평가하며 사용자를 대신해 거래까지 실행할 수 있다면 상황은 달라진다. 구매 버튼을 누르는 주체가 사람이 아니라 목표와 제약을 가진 에이전트일 수 있기 때문이다.

arXiv에 올라온 이 논문은 이러한 변화를 설명하기 위해 DVM-HALL, 즉 Dynamic Verifiable Multi-Agent Human Agentic Loyalty Loop 모델을 제안한다. 함께 제시된 NHAS, Net Human-Agent Score는 에이전트의 행동이 인간의 의도와 얼마나 맞는지를 측정하려는 지표다.

핵심 내용

• 기존 충성도 모델의 한계: 논문은 전통적인 고객 충성도 이론이 AI 에이전트를 능동적인 구매 참여자로 충분히 반영하지 못한다고 지적한다. 에이전트는 단순한 추천 알고리즘이 아니라, 위임된 권한과 알고리즘적 한계, 구성된 자율성을 가진 의사결정 주체에 가깝다.

• 브랜드 선택의 재정식화: DVM-HALL은 브랜드 선택 확률을 softmax 형태로 모델링한다. 여기에는 인간의 감정적 브랜드 자산, 에이전트 관점의 기계적 경험 효용, 보정된 신뢰, 위임 권한, 그리고 실행의 검증 가능성이 함께 들어간다.

• 신뢰와 위임은 반복적으로 조정된다: 모델의 중요한 특징은 상호작용 이후 신뢰와 위임 수준이 계속 업데이트된다는 점이다. 에이전트가 좋은 결과를 만들면 사용자는 더 많은 권한을 줄 수 있고, 반대로 실패하면 다음 선택에서 신뢰와 권한이 줄어들 수 있다.

• DeFi와 토큰화 충성도 환경을 고려: 논문은 특히 탈중앙화 금융과 토큰화된 로열티 프로그램에서 실행 리스크가 중요해진다고 본다. gas 비용, 슬리피지, MEV 노출, 스마트컨트랙트 취약점 같은 요소가 에이전트의 브랜드 선호를 좌우할 수 있다는 것이다.

• NHAS로 인간-에이전트 정렬을 측정: NHAS는 인간 피드백, 실행 로그, 벤치마크 비교, 검증 가능한 영수증을 활용해 에이전트의 행동이 사용자 의도와 얼마나 일치하는지 평가하는 감사 가능한 위험 가중 지표로 제시된다.

의미와 영향

이 논문의 의미는 완성된 산업 표준을 제시한다기보다, AI 에이전트가 “기계 고객”으로 등장하는 상황을 이해할 수 있는 개념적 틀을 제공한다는 데 있다. 앞으로 브랜드는 사람에게 매력적인 메시지를 전달하는 것뿐 아니라, 에이전트가 조건을 읽고 위험을 비교하며 안전하게 실행할 수 있는 환경을 제공해야 할 수 있다.

기업 입장에서는 고객관계관리의 범위가 인간 사용자에서 에이전트 인터페이스와 검증 가능한 거래 경로까지 확장될 수 있다. 사용자 입장에서는 편리함만큼이나 정렬 문제가 중요하다. 에이전트가 빠르고 효율적이더라도 사용자의 실제 의도를 벗어난다면 신뢰하기 어렵다.

논문은 통제된 쇼핑 실험, 다중 에이전트 시장 시뮬레이션, DeFi 테스트베드로 이어지는 3단계 검증 계획을 제안하지만, 제공된 자료에는 아직 실험 결과가 포함되어 있지 않다. 따라서 DVM-HALL은 현재로서는 자율 커머스 시대를 해석하기 위한 초기 이론 모델로 보는 것이 적절하다.

출처: arXiv