인공지능 에이전트 쇼핑 대전환 검색광고 무너진다

September 28, 2025

[티타임즈TV]
“AI는 쇼핑의 어디를 파고 들어 돈을 벌까? (허진호 한리버파트너스 제네럴파트너)“

*출처: [ 티타임즈TV ]

– AI는 쇼핑의 어디를 파고 들어 돈을 벌까? (허진호 한리버파트너스 제네럴파트너)

AI는 쇼핑의 어디를 파고들어 돈을 벌까? 컨슈머 AI 에이전트가 뒤집을 전자상거래의 새 질서

이번 글에는 B2B에서 B2C로 이동하는 AI 자본 흐름, ‘검색 건너뛰기’로 인한 광고시장 재편, 쇼핑 에이전트 5대 수익 모델, 개인화 데이터 레이어 전쟁, 그리고 국내 플레이어가 바로 실행할 투자 전략까지 담겨 있다.
특히 다른 뉴스나 유튜브가 잘 안 짚는 결제·정산 레일, SKU 그래프 표준, 에이전트 최적화(AO)와 측정 체계, 환불·책임 이슈 같은 디테일까지 현실적인 로드맵으로 풀었다.
글로벌 경제의 수요·가격·마케팅 동학이 AI로 재배선되는 순간을 시간순으로 정리했으니, 끝까지 보면 바로 사업과 실험에 적용할 수 있다.

2023–2025 타임라인: B2B에서 컨슈머 AI로 자금과 모수가 이동

2023년은 생성형 AI가 생산성 혁신을 이끈 B2B의 해였고, 광고·문서·코딩 등 기업용 워크플로우에서 디지털 전환이 급가속했다.
2024년부터는 모수가 생겼다. 월 구독으로 ChatGPT·Claude·Perplexity를 쓰는 일반 사용자가 늘며 컨슈머에서 지불 의사가 실제로 확인됐다.
2025년은 쇼핑·게임·구인구직이 가장 먼저 돈이 도는 컨슈머 AI 1막이다. 이 세 영역은 전자상거래 매출, 유저 결제, 전환 수수료가 이미 크기 때문에 에이전트가 들어오면 곧장 P&L에 찍힌다.

쇼핑에서 AI 에이전트가 돈 버는 5가지 경로

AI 에이전트는 구매 의사결정의 난이도·위험도에 따라 서로 다른 수익모델로 침투한다.

1) 충동구매: 콘텐츠 내 순간 결제

릴스·쇼츠·SNS 피드에서 맥락형 제안이 뜨고, 원클릭 결제로 끝낸다.
수익모델은 인리드(in-read) 제휴수수료와 즉시 결제 커미션, 크리에이터 리베이트다.
핵심은 ‘검색 없이 발견’이며, 에이전트가 영상·텍스트를 실시간 이해해 SKU와 재고·배송 ETA를 붙인다.

2) 일상 소모품: 재구매 자동화와 변덕 관리

샴푸·세제·물티슈처럼 브랜드 충성도는 낮고 빈도는 높은 품목에 ‘소모율 추정→리마인드→가변 정기구독’을 건다.
완전 자동화가 아닌 ‘변덕 버튼(Change-of-mind)’을 기본으로 넣어 반품·브랜드 전환을 손쉽게 해 이탈 스트레스를 낮춘다.
수익은 구독 수수료+제조사 리베이트+구매 빈도 증대 효과로 난다.

3) 라이프스타일·패션·여행: 대화형 큐레이션

정답이 하나가 아닌 취향영역에서 에이전트는 대화로 취향을 학습하고, 캡슐 추천을 묶어 객단가를 올린다.
여행은 동행자·예산·일정·날씨·혼잡도를 반영한 일정 생성과 예약까지 연결되며, 번들 마진으로 수익을 극대화한다.
‘브라우징형 구매’를 ‘동반자 상담형 구매’로 바꾸는 구간이라 LTV 상승 폭이 크다.

4) 협상형 구매: 가구·인테리어·보험

사양 비교·사진 채집·업체 커뮤니케이션·견적 협상 같은 번거로운 과정을 에이전트가 대행한다.
초기에는 Human-in-the-Loop로 사용자가 갈림길에서 승인하며, 견적 비교와 조건 협상에서 절감액의 일정 비율을 수수료로 받는다.
대화 히스토리·계약 항목 정규화가 핵심 데이터 자산이 된다.

5) 고관여·고액 구매: 자동차·주택·유학(+파이낸싱)

리스크가 큰 결정을 위해 신뢰 가능한 출처·보증·사후 책임이 중요하다.
에이전트는 사양 선택→시승 일정→중고 감가·보험료 시뮬레이션→대출 사전승인까지 ‘풀스택 파이프라인’을 제공하고, 금융 수수료와 리퍼럴로 수익화한다.
여기서 신뢰를 얻은 에이전트가 사용자 ‘메인 컨시어지’가 된다.

플랫폼 판도: ‘검색 건너뛰기’와 광고·SEO의 재편

사용자는 “이 예산으로 3박4일 도쿄 일정 예약해줘”라고 말하고, 에이전트는 곧장 장바구니·결제로 직행한다.
이때 구글 검색과 제품 상세페이지 탐색의 두 단계가 사라지며, 검색광고와 제휴트래픽에 의존한 매출이 직접 타격을 받는다.
시장 추정으론 글로벌 검색·마켓플레이스 내 쇼핑 광고 매출 수백조 원이 ‘AO(Agent Optimization)’로 이관된다.
AO는 에이전트가 읽을 피드·스펙·정책·재고·배송·평판 신뢰도를 최적화해 에이전트 랭킹을 올리는 기술·운영의 합이다.
결론적으로 SEO/ASO→AO로 최적화의 무게중심이 이동하고, 퍼포먼스 측정도 ‘픽셀 기반’에서 ‘에이전트 보고 기반’으로 바뀐다.

데이터·기술 인프라: 개인화 레이어 전쟁의 실체

개인화의 승부처는 1) 데이터 수집 동의, 2) 맥락 결합, 3) 장기 기억이다.
핵심 구성요소는 다음 네 가지다.

퍼소나 그래프: 취향·체형·알레르기·가격 민감도를 구조화해 장기 기억으로 쌓는다.
컨센트 지갑: 어떤 앱에 어떤 항목을 언제까지 공유하는지 사용자 주권으로 관리한다.
Agent-Ready SKU 피드: 이미지·치수·재고·반품·A/S·친환경성까지 표준 스키마로 제공한다.
신뢰 점수: 출처·리뷰 위변조 탐지·반품율·CS 응답속도로 제품·셀러 신뢰도를 수치화한다.

결제·정산 레일: 카트 없는 결제와 책임

에이전트는 가상카드로 ‘카트 없이’ 결제하고, 브랜드/마켓플레이스는 소매상(Seller of Record) 책임과 환불 정책을 에이전트용 약관으로 분리해야 한다.
할루시네이션으로 오구매가 발생하면 누구 책임인가가 새 이슈다. 에이전트 인증구간에 ‘사용자 확인 체크포인트’와 보험형 보호 플랜이 붙는다.
국내에선 간편결제·BNPL·실시간 이체를 에이전트 API로 개방하면 전환율이 즉시 오른다.

유닛 이코노믹스: 추론비용 vs 전환율 상승

에이전트의 LLM 추론비용은 세 가지로 깎는다. 1) 온디바이스 소형 모델로 선필터링, 2) 캐시·템플릿 재사용, 3) 고정형 태스크는 툴 호출로 우회.
전환율은 대화형 캡슐 추천·번들·신뢰표시로 상승한다. 의미 있는 기준은 CAC/Payback 개선과 반품율 하락폭이다.
패션·여행은 반품/여정 변경 감축이 P&L 레버리지다. 일상 소모품은 재구매 주기 안정화가 핵심이다.

규제·신뢰: 프라이버시와 미성년자 보호

개인화 지갑은 목적 제한·보존기간·철회 버튼을 제공해야 한다.
미성년자 결제는 한도·카테고리 차단·보호자 승인으로 강화한다.
광고·추천 표시는 ‘스폰서드/유료 제휴’ 레이블을 의무화하고, 설명가능성 로그를 6개월 이상 보관한다.

국내 플레이어별 실행 체크리스트

리테일·브랜드 직매입

0–6개월: Agent-Ready 상품피드, 반품/AS 스키마 정비, 고객동의 UI 도입.
6–18개월: 대화형 쇼핑봇 베타, 에이전트 전용 쿠폰·번들 출시, AO 전담 셀 운영.
18–36개월: 개인화 지갑 통합, 온디바이스 모델로 스토어 내 추천 실시간화.
마켓플레이스·슈퍼앱
외부 에이전트용 카탈로그·결제 API 공개, 수익배분 정책 마련, 에이전트 인증 프로그램 운영.
결제·핀테크
가상카드/토큰화·실시간 한도 조정 API, 에이전트 책임보험 번들, BNPL의 에이전트 적합 심사 모델 구축.
물류·3PL
ETA 신뢰도 점수 API, 반품 자동 분류·재판매 파이프라인, 에이전트 SLA 패키지화.

측정과 실험설계: AO 시대의 KPI

엔드투엔드 전환율, 반품율, NPS/신뢰도, 첫 구매까지 대화턴 수, CAC/Payback, 에이전트 채널 믹스 비중.
테스트는 A/B가 아니라 정책·피드·설명가능성 가이드라인을 번들로 바꿔 멀티암 밴딧으로 최적화한다.

리스크와 함정

과도한 자동화로 사용자 통제감 상실. ‘변경·취소·사유화’ 버튼을 항상 보이게 두자.
데이터 과수집. 동의 맥락과 이점(혜택)을 명시하고 최소 수집 원칙을 지키자.
모델 과적합과 유행 편향. 에이전트가 한 브랜드만 미는 것처럼 보이면 신뢰가 무너진다.

왜 지금인가: 거시와 밸류체인 관점

글로벌 경제가 고금리·저성장의 길목에선 마케팅 낭비를 줄이고 실구매 전환을 올리는 기술이 이긴다.
AI 에이전트는 ‘검색 트래픽’이라는 상류를 우회해 ‘결제 직전’ 하류로 내려앉으며 수익 창출 지대를 재정의한다.
지금 AO 역량을 쌓는 기업이 전자상거래의 다음 사이클에서 승자 배당을 독식한다.

실행 로드맵: 0–6–18–36개월

0–6개월: AO 태스크포스 구성, SKU 피드 표준화, 대화봇·여행·패션 파일럿, KPI 설계, 개인정보 동의 리뉴얼.
6–18개월: 외부 에이전트 채널 오픈, 결제·물류 API 패키지화, 반품·책임 정책 개편, 온디바이스 모델 실험.
18–36개월: 개인화 지갑 상용화, 풀스택 파이낸싱 번들, 보험·보증 연계, AO 자동입찰·동적 가격 연동.

핵심 정리 포인트

돈이 먼저 흐르는 곳: 충동구매, 소모품 재구매, 패션·여행 큐레이션, 협상형 구매, 고관여+파이낸싱.
권력이 옮겨간다: SEO/검색광고→AO/에이전트 피드, 픽셀 측정→에이전트 보고 기반 측정.
승부는 개인화 데이터 레이어와 신뢰에서 난다. 동의 지갑, 설명가능성, 반품·책임 설계가 실전의 차이를 만든다.
지금은 파일럿보다 ‘표준과 지표’를 먼저 잡을 타이밍이다. 그래야 스케일할 때 유닛 이코노믹스가 선다.
국내 강점은 결제·물류 인프라다. API로 개방하면 전환율과 고객 경험이 동시에 오른다.

< Summary >

컨슈머 AI의 1막은 쇼핑·게임·구인구직이며, 쇼핑에서 에이전트 수익모델은 5가지로 분화된다.
검색 건너뛰기가 본격화되면 SEO·검색광고 대신 AO가 핵심 역량이 된다.
개인화 데이터 레이어, 컨센트 지갑, Agent-Ready 상품피드, 신뢰 점수가 승부처다.
결제·정산·반품·책임 설계를 에이전트 기준으로 재작성해야 한다.
0–6–18–36개월 로드맵으로 표준화→파일럿→채널화→스케일을 밟는 기업이 승자다.

[AI Revolution]
“OpenAI Just Dropped PULSE: A Major Upgrade to ChatGPT“

*출처: [ AI Revolution ]

– OpenAI Just Dropped PULSE: A Major Upgrade to ChatGPT

OpenAI Pulse, Google DeepMind 로보틱스, Meta Vibes: 수동형에서 능동형으로 넘어가는 AI 전환의 경제학과 12개월 실행전략

내 글에 포함된 핵심은 세 가지다.
첫째, Pulse가 매일 밤 돌아가는 ‘백그라운드 에이전트’로 바뀌면 개인·기업 단위경제학이 어떻게 재편되는지 숫자 감각으로 풀었다.
둘째, DeepMind의 멀티로봇 전이학습이 실제 공장·물류·서비스업의 생산성을 어떻게 끌어올리고, 글로벌 경제 전망과 인플레이션·금리에 어떤 파급을 주는지 시나리오로 정리했다.
셋째, Meta의 AI 비디오 피드가 광고·크리에이터 경제의 분배 구조를 어떻게 바꾸는지, 그리고 내 브랜드가 취할 배분 전략을 제시했다.
이 글을 끝까지 보면 내 팀이 이번 주에 뭘 바꿔야 하는지 실행 체크리스트까지 바로 적용할 수 있다.

[0~3개월] OpenAI Pulse: ‘잠자는 사이’에 생각하는 비동기 에이전트의 실체

Pulse는 밤사이 내 채팅 맥락과 피드백, 사용자가 허용한 Gmail·Google Calendar 같은 앱을 기반으로 비동기 리서치를 돌린다.
아침에 카드 형태의 요약을 제공하고, 사용자가 ‘내일 보고 싶은 것’을 큐레이션하게 해서 점점 맞춤화한다.
프리뷰 단계에서 모바일 Pro 사용자부터 시작해, Plus와 전체 공개로 확장될 예정이다.
프라이버시는 기본적으로 내 결과 개선에만 쓰이고, 글로벌 모델 학습에는 들어가지 않는다고 밝히고 있다.
중요한 건 소비 시간을 늘리려는 피드가 아니라 ‘끝나는 업데이트’라는 철학이다.
핵심 변화는 입력 대신 의도 추론과 선제 제안이 기본값이 된다는 점이다.

다른 곳에서 잘 안 짚는 포인트 1: 백그라운드 추론의 단위경제학과 성능 한계다.
매일 밤 개인별 요약을 생성하려면 추론(LLM+도구호출) 비용이 누적된다.
회사 입장에선 요약 길이·도구 호출 횟수·리프레시 빈도를 제한하는 ‘에이전트 예산’ 정책을 둘 수밖에 없다.
즉, 카드 수·깊이·갱신주기를 개인 설정처럼 보이게 하되, 시스템은 비용 상한선에 맞춰 조정할 가능성이 높다.
사용자에게는 보이지 않지만 ‘에이전트 런타임’과 ‘라운드트립 수’가 경험 품질을 좌우한다.

포인트 2: 프라이버시-유용성 균형의 실제 운영이다.
Pulse가 제안의 질을 끌어올리려면 개인 데이터 결합·정규화가 필수다.
현실적으로는 계정 단위 암호화·앱별 스코프·민감도 태깅·보존 기간 정책으로 레이어드 가드레일이 적용될 것이다.
현 시점에선 ‘내 데이터는 내 결과만 개선’이라는 원칙이지만, 팀/가족 플랜이 도입되면 공유 범위와 책임 소재가 뜨거운 쟁점이 된다.

포인트 3: 제품 설계 상의 KPI를 사용자가 이해하면 쓰기 질이 좋아진다.
좋아요/싫어요 외에 ‘내일은 더 짧게/길게’, ‘업무/개인 분리’, ‘도구 호출 허용 범위’ 같은 스위치를 적극적으로 조정하자.
결국 Pulse는 사용자가 설계자다.

[3~12개월] 에이전트화 가속: ‘지시 후 실행’에서 ‘목표-지속 달성’으로

올해 초 공개된 ChatGPT 에이전트가 지시 기반 실행을 보여줬다면, Pulse는 목표 상태를 추적하는 지속형 보조로 한 발 더 간다.
다음 단계는 ‘허용된 범위 내 자동행동’이다.
예를 들어 여행 준비 목표에 맞춰 숙소 옵션을 수집하고, 캘린더 충돌을 피해서 후보 일정을 제시하며, 승인 시 예약 링크까지 연결하는 구조다.
경쟁사도 같은 방향이다.
Google은 Gemini 에이전트 스택을, Apple은 온디바이스 개인화(Apple Intelligence)로 데이터 경계를 강화하는 전략을 취하고 있다.
기업 관점에서 ‘디지털 전환’의 다음 물결은 채팅창이 아니라 ‘자동 실행 파이프라인’으로 들어온다.

비즈니스 인사이트:

업무 표준운영절차(SOP)를 프롬프트에서 ‘승인 워크플로우’로 승격하자.
에이전트에게 허용된 데이터·도구·행동 범위를 정책으로 명시하고, 변경 이력을 남겨야 컴플라이언스가 산다.
에이전트 SLA는 응답 속도보다 결과 적합성·오류비용·인적 승인율로 재정의된다.

[동일 시기] Google DeepMind: 멀티스텝 계획과 로봇 간 전이학습의 산업 충격

업데이트 포인트는 두 갈래다.
Embodied Reasoner(ER) 1.5가 환경을 이해하고 필요할 때 웹검색 등 디지털 툴을 호출해 언어형 계획을 만든다.
Gemini Robotics 1.5가 그 계획을 실행한다.
즉, 하나는 계획, 다른 하나는 수행으로 역할을 분리했다.
또 다른 도약은 전이학습이다.
Aloha 2에서 배운 스킬이 Franka, Aptronic Apollo 같은 완전히 다른 로봇으로 이식됐다.
이는 로봇별 ‘제로부터 재학습’의 낭비를 줄여 학습 자본을 공유 가능한 자산으로 만든다.

경제적 파장:

생산성: 다단계 작업 수행과 전이학습은 도입 초기부터 시간당 처리량을 끌어올린다.
글로벌 경제 전망: 제조·물류·리테일 자동화 속도가 빨라지면, 중기적으로 단가 하락과 납기 변동성 축소가 기대된다.
인플레이션: 공급 측 효율이 개선되면 구조적 디스인플레이션 압력이 생기지만, 초기에는 로봇·AI 서버 투자로 자본재 수요가 급증한다.
금리: 투자 사이클이 강할수록 중앙은행은 성장-물가 균형을 보며 속도 조절에 나선다.
고용: 위험·반복 업무는 빠르게 자동화되고, 현장 운영자 역할은 ‘로봇 오케스트레이션’과 품질관리로 이동한다. 재교육 수요가 폭증한다.

실무 팁:

공정 중 다단계·규정참조·체크리스트 기반 업무부터 PoC를 하자.
로봇 타입이 달라도 동일 스킬을 재사용할 로드맵을 먼저 그려야 ROI가 빨라진다.
품질지표는 성공률만 보지 말고, 회복 가능 오류와 회복 비용을 분리해 추적하자.

[동일 시기] Meta Vibes: AI 비디오 피드가 여는 분배 구조의 재편

Vibes는 Meta AI 앱 내 AI 생성·리믹스 비디오 전용 피드다.
클립을 보고 즉시 스타일 변경·요소 교체·음악 추가 같은 편집을 하고, Vibes·DM·Instagram·Facebook으로 바로 배포할 수 있다.
핵심은 소셜 그래프와 분배 엔진을 AI 네이티브 제작 도구와 붙였다는 점이다.
이건 ‘보는 사람’을 ‘만드는 사람’으로 끌어올리며, 생성 비용을 사실상 제로에 수렴시킨다.

비즈니스 인사이트:

광고와 크리에이터 경제는 ‘창작물 희소성’이 아닌 ‘유통·신뢰·정체성’이 차별화 지점이 된다.
브랜드는 템플릿·프리셋·IP 가이드를 공개해 팬이 합법적으로 리믹스하도록 장려하고, 원본-파생 체인을 추적하는 레퍼런스 시스템을 운영해야 한다.
측정은 조회수보다 ‘참여 기반 재창작률’과 ‘세이프티 플래그율’이 더 유효한 KPI가 된다.

[교차 분석] 능동형 AI의 경제학: 비용, 거버넌스, 신뢰

비용 측면에서 가장 큰 변수는 상시 추론과 도구 호출 빈도다.
기업은 사용자·팀·프로세스별 ‘에이전트 예산’을 두고, 야간 배치·온디바이스 추론·캐시·요약 압축으로 비용을 관리해야 한다.
거버넌스는 ‘무엇을 할 수 있는가’보다 ‘무엇을 해서는 안 되는가’를 정책화해야 안정적이다.
신뢰는 투명성에서 온다.
Pulse든 Vibes든 ‘왜 이 추천/생성이 나왔는지’ 출처 경로를 보여주면 반발이 줄고 채택이 빨라진다.

[매크로 시나리오 2025~2026] 생산성-물가-금리의 3중주

단기(6~12개월): 클라우드·반도체·로봇 설비 투자로 설비투자와 수출이 견조하고, 서비스 가격은 상방 요인이 존재한다.
중기(12~24개월): 프로세스 자동화가 본격 반영되며 단위 노동시간당 산출이 증가해 기업 마진이 개선된다.
생산성 향상은 인플레이션 압력을 낮추지만, 데이터·안전·컴플라이언스 비용이 상쇄 요인이 된다.
글로벌 경제 전망 측면에서 미국·유럽은 에이전트·로보틱스 도입 속도가 빠르고, 아시아 제조 허브는 전이학습으로 도입 비용을 낮추며 추격한다.
금리는 성장-물가 균형을 보며 점진 조정이 유력하고, 에이전트 확산 속도에 따라 경로가 변동될 수 있다.
디지털 전환이 이제 ‘자동 실행 전환’으로 바뀌면서, AI CapEx가 새로운 경기 사이클의 핵심 변수가 된다.

[이번 주 실행 체크리스트] 팀·개인·투자자

팀 리더: SOP 3건을 골라 ‘Pulse 스타일’ 아침 브리핑으로 변환하고, 승인·거부 로그를 남겨 다음 주에 규칙을 개선하자.
데이터 오너: Gmail·Calendar·Drive 등 연결 범위, 보존 기간, 민감 데이터 필터링 규칙을 문서화하고 구성원 재동의를 받자.
마케팅: Vibes용 리믹스 가능 템플릿 5종과 브랜드 세이프티 가드라인을 만들고, UGC 리믹스율을 목표로 설정하자.
현장 운영: 다단계 작업 2건을 선정해 로봇-인간 혼합 공정으로 PoC하고, 실패 유형과 회복 절차를 표준화하자.
개인 사용자: Pulse 큐레이션에 ‘내일 아침 보고 싶은 5가지’(일정 충돌, 우선순위 3개, 건강·학습 추천, 금전 알림)를 고정하자.
투자자: 에이전트 인프라(관찰·승인·로깅), 온디바이스 추론, 로봇 전이학습 툴체인, 생성미디어 신뢰 레이어를 주목하자.

[측정 지표] 성공과 리스크를 가르는 KPI

에이전트 적합성: 유효 카드 비율, 사용자 편집/승인률, 중복 이슈 감소율.
비용: 사용자당 야간 추론 코스트, 도구 호출당 평균 비용, 캐시 적중률.
생산성: 작업 리드타임 단축, 품질 편차 축소, 재작업률.
리스크: 민감 정보 노출 이벤트, 모델 환각 발생률, 세이프티 필터 차단률.
브랜드/미디어: 재창작률, 출처 표시 준수율, 플랫폼별 전환율.

[리스크와 가드레일] 안전하게 빠르게

데이터 최소권한과 명시적 동의가 기본이다.
승인 없는 자동행동은 ‘읽기 전용’ 모드로 제한하자.
생성물에는 눈에 띄는 출처 표식과 편집 이력 요약을 붙이자.
현장 자동화는 ‘휴먼 인 더 루프’와 비상 중지권을 필수로 두자.
규정·법률은 국가별로 다르니 배포 범위를 세분화하자.

[왜 지금 중요한가] 수요가 아닌 ‘의도’를 선점하는 싸움

검색은 수요 표출 이후를 잡지만, 에이전트는 의도 형성 이전을 잡는다.
Pulse·Gemini Robotics·Vibes는 의도-계획-실행-분배까지 파이프라인을 통째로 재편한다.
이 파이프라인을 먼저 설계한 조직이 생산성과 신뢰, 두 마리 토끼를 잡는다.

< Summary >Pulse는 ‘야간 비동기 에이전트’로 개인 맥락을 읽고 아침에 끝나는 요약을 준다.
핵심은 비용 관리, 데이터 경계, 승인 워크플로우다.
DeepMind는 멀티스텝 계획과 로봇 전이학습으로 산업 생산성을 끌어올린다.
Meta Vibes는 생성·리믹스·배포를 소셜 그래프에 붙여 미디어 분배를 재편한다.
매크로로는 생산성 상승이 장기적 인플레이션 완화 요인이지만 초기 CapEx로 금리 경로 변동성이 커진다.
이번 주엔 SOP의 에이전트화, 데이터 정책 문서화, 리믹스 템플릿, 로봇 혼합공정 PoC부터 시작하자.

[티타임즈TV] “AI는 쇼핑의 어디를 파고 들어 돈을 벌까? (허진호 한리버파트너스 제네럴파트너)“ *출처: [ 티타임즈TV ] – AI는 쇼핑의 어디를 파고 들어 돈을 벌까? (허진호 한리버파트너스 제네럴파트너) AI는 쇼핑의 어디를 파고들어 돈을 벌까? 컨슈머 AI 에이전트가 뒤집을 전자상거래의 새 질서 이번 글에는 B2B에서 B2C로 이동하는 AI 자본 흐름, ‘검색 건너뛰기’로 인한 광고시장 재편, 쇼핑 에이전트 5대…