TL;DR: 알리바바가 Qwen AI를 타오바오에 통합하여 전체 400억 개의 상품 카탈로그를 대화식으로 탐색, 비교, 구매할 수 있게 되었습니다. 이것은 새로운 기능 출시가 아닙니다 — 쇼핑의 근저 로직의 변화입니다. AI 에이전트의 이커머스 침투는 이 더 큰 추세의 한 물결에 불과합니다.
키워드로 검색해서 물건을 산 것이 언제였나요?
이커머스 플랫폼에서 무언가를 마지막으로 검색했던 상황을 생각해 보세요.
무엇을 입력했나요? “파란색 스포츠 재킷”? “방수 라이트웨이트”? 아니면 그냥 필터를 열어서 색상, 소재, 가격대를 하나씩 체크했나요?
그리고 얼마나 많은 페이지를 스크롤했나요? 얼마나 많은 상품을 비교했나요? 그리고 결국 원래 사려고던 것을 샀나요?
본질적으로는 당신이 플랫폼을 대신하여 검색 작업을 하는 것입니다. 본질적으로, 이 과정은 당신에게 검색 작업을 수행하게 합니다. 키워드를 입력하면, 플랫폼은 목록을 제공하고, 나머지는 전부 당신의 일——가격 비교, 리뷰 연구, 스펙 확인, 진위 파악.
이 모드는 20년 이상 지속되어 왔습니다. 알리바바는 이제 이것을 바꾸려고 합니다.
Qwen이 타오바오에 도입: 구체적으로 무엇을 하는가
2025년 5월, 알리바바는 Qwen AI 모델을 타오바오와 티멜 플랫폼에 통합한다고 발표했습니다. 이 일의 규모는 일반적인 “기능 출시"보다 훨씬 큽니다.
통합 완료 후, 사용자는 Qwen App을 통해 대화 방식으로 직접 타오바오와 티멜의 합계 40억 개 이상의 상품 카탈로그에 접근할 수 있습니다. 키워드 검색이 아니라 실제로 대화하는 것입니다: “일본 여행을 일주일 하는데 15도 낮은 온도에도 대응하면서 너무 야하지 않은 외투가 필요하고, 예산은 3천 위안 이하요.” 그러면 AI가 대신 찾아주고, 비교해주고, 구매를 도와줍니다.
기능 목록이 꽤 길습니다:
- 대화형 쇼핑 인터페이스: 전통적인 키워드 검색을 완전히 대체하고, 대화를 주고받으며 수요를 이해합니다
- 개인화 추천: 주문 기록과 취향에 따라, 실제로 원할 것 같은 상품을 추천합니다
- 버추얼 트라이온: 구매 전에 상품이 자신에게서 어떻게 보이는지 볼 수 있습니다
- 30일 가격 추적: 지난 한 달 동안의 가격 변동을 모니터링해줍니다
- 기술 라이브러리(Skill Library): 물류 조회, 교환·반품 신청, 애프터서비스 등 단계를 통합 관리합니다
마지막으로 이 “기술 라이브러리"는 좀 더 설명할 가치가 있습니다. 장식적인 기능이 아니라, AI를 실제로 쇼핑 에이전트로 만드는 핵심입니다. 전통적인 AI 어시스턴트는 “환불을 신청할 수 있습니다"라고 말한 후, 프로세스가 끊어집니다. 기술 라이브러리는 AI가 대신 이러한 작업을 직접 실행할 수 있게 합니다——단지 컨설턴트가 아니라, 실제로 일을 수행할 수 있는 에이전트입니다.
알리바바 CEO 우옹ming은 2025년 3월에 AI 사업 통합을 직접 주도했으며, Token Hub 계획을 통해 모델 능력 구축을 “핵심 시나리오 검증"으로 전환했습니다. 이번 Qwen의 타오바오 도입은 이 전환의 첫 번째 대규모 실현입니다.
왜 “대화형 이커머스"가 생각보다 더 중요한가
여기서 핵심 개념의 차이점을 말하지 않으면, 이 일을 작게 보기 쉽습니다.
키워드 검색은 당신이 원하는 것이 무엇인지 알고 있다고 가정합니다. 좋은 결과를 검색하려면, 수요를 정확하게 설명할 수 있다는 전제가 필요합니다. 이 가정은 많은 쇼핑 시나리오에서 전혀 성립하지 않습니다.
“장시간 걸어도 너무 운동 느낌이 없는 신발"을 원한다는 것은 알지만, 타오바오에서 어떤 키워드로 검색해야 하는지 모릅니다. “엄마한테 주는 선물인데 너무 화려하지도 너무 소박한 것도 싫어한다"라는 것은 검색 엔진에 거의 도움이 안 됩니다.
대화형 이커머스가 해결하는 것은 바로 “모호한 수요"에서 “구체적인 구매"까지의 격차입니다.
AI가 당신에게 물어볼 것입니다: “주로 어떤 장소에 입나요? 어떤 바지와 함께 코디하세요? 특별히 좋아하거나 싫어하는 브랜드가 있나요?” 그러면 당신의 답변에 따라, 옵션이 40억 개에서 실제로 고려할 몇 개까지 달라집니다.
이 과정은 과거에 점원이 하던 일입니다. 지금은 AI가 합니다. 그리고 AI는 예산에 눈살을 찌푸리지도 않고, 필요 없는 추가 판매를 강요하지도, 망설일 때 사라지지도 않습니다.
이 경쟁, 다른 사람들은 어디에 있나
알리바바가 첫 번째로 이 일을 생각한 사람은 아닙니다. 그러나 그들의 접근 방식은 다른 플레이어들과 근본적으로 다릅니다.
Amazon Rufus: 검색에 오버레이된 대화 레이어
Amazon Rufus는 2024년 2월에 출시되었고, 현재 모든 미국 사용자에게 공개되었습니다. Amazon의 상품 목록과 웹 데이터에 대해 교육되어, “초보자에게 어떤 등산화가 적합한가"와 같은 상황형 질문에 답하거나, 다른 상품의 스펙을 비교하고, 심지어 목표 가격을 설정하여 자동 알림을 받을 수도 있습니다.
Rufus의 포지션은 명확합니다: 기존의 Amazon 검색 경험에 오버레이된 AI 대화 레이어입니다. 당신은 여전히 Amazon 인터페이스 안에 있지만, 질문할 수 있는 입구가 하나 더 생긴 것입니다. 이를 통해 Rufus의 침투 장벽은 낮지만, 역할이 “똑똑한 검색 도우미"이지 “쇼핑 에이전트"가 아닌 한계가 있습니다.
Google Shopping AI: 시각을 우선시하는 AI 쇼핑 경험
Google의 경로는 시각에서 시작합니다. Google Shopping의 버추얼 트라이온 기능을 사용하면 자신의 사진을 업로드하고, 옷이 자신에게 어떻게 보이는지 직접 확인할 수 있습니다. Search Generative Experience(SGE)도 쇼핑 검색 결과에 AI 요약을 통합하여 비교점을 정리해줍니다.
그러나 Google의 문제는: 자사 이커머스 생태계가 없다는 것입니다. 가장 적합한 상품을 찾아줄 수는 있지만, 결국 구매를 완료하려면 다른 플랫폼으로 안내해야 합니다. 이 중개 역할은 대화형 커머스 능력에 선천적인 한계를줍니다.
알리바바의 차이점은 어디에 있나
알리바바의 우위는 완전한 폐쇄형 루프를 보유하고 있다는 것입니다. Qwen은 단순히 “상품을 찾아주는” AI가 아니라, 기술 라이브러리를 통해 이후의 모든 작업을 직접 실행할 수 있습니다: 주문, 물류 조회, 애프터서비스 신청까지. 40억 개의 자체 상품 목록을 보유하고 있어 외부 이커머스 플랫폼에 의존할 필요 없이, 전체 쇼핑 프로세스가 발견부터 완료까지 같은 시스템 안에서 이루어집니다.
이를 통해 알리바바의 접근 방식은 “AI 쇼핑 에이전트"에 더 가깝지 “AI 쇼핑 컨설턴트"가 아닙니다. 그 차이는 단순히 의미상의 것이 아니며, 기능적인 깊이에 본질적인 차이가 있습니다.
이것이 판매자에게 무엇을 의미하는지
이 문제에 대해 많은 시간을 생각했습니다. 왜냐하면 이것이 이 글의 가장 중요한 부분입니다.
사용자가 키워드 검색에서 대화형 쇼핑으로 전환됨에 따라, 판매자의 경쟁 로직도 따라서 뒤집힙니다.
과거의 로직은: 트래픽을 사서, 제목 키워드로 순위를 선점합니다. 가장 중요한 단어를 상품 제목에 넣고, 트래픽 광고를 구매한 후, 사용자가 들어와서 스스로 판단하기를 기다립니다.
미래의 로직은: AI가 당신의 상품을 이해하게 하고, 당신을 추천하고 싶게 만듭니다. 사용자가 스스로 키워드를 검색하지 않고, AI가 대신 찾아줍니다. AI가 당신을 추천하는지 여부는 당신의 상품 정보가 완전한지, 정확한지, 상황화된지——광고 예산이 얼마나 높은지가 아닙니다.
이 전환은 중소 판매자에게 위협이자 기회입니다.
위협: 과거에 광고로 구매한 순위 노출은 AI 추천 로직에서 효력을 잃을 수 있습니다. 상품 정보가 충분히 완전하지 않으면, AI는 적절한 때에 당신을 추천할 수 없습니다.
기회: 상품 정보를 대형 브랜드보다 더 정확하고 상황에 맞게 만들면, AI가 과거보다 더 쉽게 당신을 발견합니다. 이는 품질이 말하게 하는 기회입니다.
판매자 실전 프레임워크: AI 이커머스 시대에 대응하기 위해 지금 해야 할 일
“지켜보자"가 아닙니다. 다음은 지금 바로 시작하길 권하는 것들입니다.
1단계: 상품 정보를 “검색 지향"에서 “대화 지향"으로 업그레이드
전통적인 상품 설명의 로직은 키워드를 채우는 것입니다. AI 쇼핑 시대에는 AI가 고객의 질문에 답할 수 있는 완전한 정보가 필요합니다.
구체적으로, 각 상품의 정보에는 다음이 포함되어야 합니다:
- 사용 시나리오 설명: 이 의상은 어떤 장소에 적합합니까? 이 도구는 어떤 구체적인 문제를 해결합니까?
- 적용 대상 설명: 초보자인가 전문 사용자인가? 어떤 연령층? 어떤 생활 스타일?
- 경쟁 상품과의 명확한 차이: 왜 이것 대신 당신을 선택하는지? 구체적으로 비교 가능한 각도로 설명
- 자주 묻는 질문에 대한 사전 답변: 고객이 가장 많이 묻는 열 가지 질문을 직접 상품 페이지에 작성
AI가 당신의 상품을 추천할 때, 정보가 부족하기 때문에 다른 더 이해하기 쉬운 경쟁 상품을 선택하지 않도록 하세요.
2단계: 고객 선호도 데이터베이스 구축
개인화 추천의 전제는 “사용할 자료가 있다"입니다. AI 쇼핑 어시스턴트의 추천 품질은 사용자에 대한 이해도에 직접적으로 제한됩니다.
판매자라면, 지금부터 체계적으로 고객의 선호도 정보를 수집하세요:
- 구매 후 사용 피드백 (실제로 어떤 용도로 사용하는지?)
- 재구매 행동 패턴（어떤 고객이 무엇을 사고 다시 왔는가?)
- 부정평의 근본 분석（어떤 기대 차이가 가장 자주 나타나는가?)
이 자료는 단순히 서비스 개선을 위한 것이 아니라, AI 추천 생태계에서 경쟁 우위를 구축하는 원료입니다.
3단계: AI 도구로 자신의 가시성 테스트
지금 바로 Rufus, 또는 접근할 수 있는 AI 쇼핑 어시스턴트를 열고, 상품 카테고리를 검색하여, AI가 이 카테고리의 선택 기준을 어떻게 설명하는지 확인한 다음, 자신의 상품과 비교——몇 가지 기준에 부합하나요?
이 연습은 AI의 눈에서, 자신의 상품에 어떤 격차가 있는지 알려줄 것입니다.
4단계: 광고 투자 로직을 다시 생각
광고가 중요하지 않다는 것이 아니라, 목표를 조정해야 합니다.
검색 순위 구매에 대대한 돈을 쓰기보다는, 상품 정보 품질 향상, 진정한 평가 생태계 구축, 그리고 고객이 사용 후 상황에 맞는 피드백을 남기려는 의향에 예산을 배분하는 것이 더 좋습니다. 이러한 투자는 AI 추천 로직에서 단순히 트래픽을 사는 것보다 더 오래가는 보상을 제공합니다.
5단계: 플랫폼이 완전히 전환될 때까지 기다리지 마세요
타오바오의 AI 통합은 현재 진행 중이고, Amazon Rufus는 이미 모든 미국 사용자에게 공개되었습니다. 이것은 3년 후의 일이 아니라 올해 발생하는 일입니다.
AI 시대의 상품 정보 기반을 더 일찍 구축할수록, 추천 로직이 성숙했을 때 유리한 위치를 차지할 수 있는 기회가 더 많아집니다.
조기 채택자의 이점은 이커머스 영역에서 항상 실제로 존재해왔습니다.
이것은 AI 에이전트의 큰 추세와 동일한 하나의 일
이 Blog에서 많은 AI 에이전트 관련 글을 작성했지만, 매번 말하는 것은 동일한 근본 주제입니다: AI는 사람이 직접 조작해야 하는 작업 흐름을 에이전트 작업으로 자동화될 수 있도록 바꾸고 있습니다.
쇼핑은 이 추세가 침투해 온 최신 영역입니다.
옛날에 옷을 사려면, 전체 processo는: 수요 발견 → 키워드 검색 → 목록 필터링 → 상품 비교 → 리뷰 연구 → 진위 파악 → 구매 결정 → 물류 추적 → 애프터서비스 처리. 모든 단계는 당신이 수동으로 실행하는 작업이었습니다.
지금 알리바바가 하고 있는 일은 이 processo를 “수요 발견"부터 “애프터서비스 완료"까지 모두 AI 에이전트에게 위탁할 수 있게 하는 것입니다. 당신은 무엇을 원하는지 말하기만 하면, 나머지는 AI가 합니다.
동일한 로직을 다른 영역에서 이미 보고 있습니다: AI가 여행 계획을 관리하고, AI가 재무 문서를 처리하고, AI가 계약서를 작성하고 검토합니다. 이커머스는 이 로직이 침투해 오는 다음 큰 시장이며, 시장 규모가 충분히 크고 인프라가 충분히 완비되어 있어, 이번의 전환 속도는 다른 영역보다 더 빠를 수 있습니다.
알리바바의 Qwen + 타오바오는 단순한 이커머스 기능 업데이트가 아닙니다. 그것은 하나의 신호입니다: AI 에이전트가 개발자 도구에서 일반 사람의 일상생활 시나리오로 들어왔습니다.
마지막 한마디
쇼핑이라는 일이 많이 달라질 것입니다.
전통적인 검색이 내일 사라지는 것은 아니지만, 경계가 이동하고 있으며, 이동 속도는 대부분의 예상보다 빠릅니다.
판매자에게 가장 위험한 자세는 “잘못했다"가 아니라 “지켜보자"입니다. 추천 로직이 한 번 성숙되면, 그때 상품 정보를 보완하기 시작하면 몇몇 먼저 시작한 사람들에게 이미 딸려있을 수 있습니다.
먼저 움직인 사람은 단순히 초기 채택자 이점을 얻는 것이 아니라——오류를 되고 수정할 시간도 얻습니다. 기회를 기다리는 사람은, 방향이 확정되었을 때 이미 기회가 사라져 있을 수 있습니다.
본인도 생각해 보고 있습니다. 본인의 제품은 AI 추천 로직에서 발견될 확률이 얼마나 될까요? 이 문제는 이커머스 생태계의 모든 사람이 한번은 serius하게 생각할 가치가 있습니다.