[작성자:] neovis

AI 시대에는 좋은 전략을 세우는 것만으로는 충분하지 않습니다. 실제 실행 속도와 학습 속도를 높이는 조직이 더 빠르게 격차를 벌립니다. 이 글에서는 AI 시대에 왜 조직의 속도가 중요한지와 그 의미를 정리합니다.

흥미로운 지점은, 이 논의가 단순히 “AI를 도입하자” 수준에서 끝나지 않는다는 데 있습니다. 인터뷰 속 메시지는 훨씬 노골적입니다. 기존 기업(레거시)은 “변혁하거나 죽거나(transform or die)”의 기로에 서 있으며, 그 변혁을 현실로 만드는 핵심 변수는 ‘기술 자체’가 아니라 조직이 움직이는 속도와 재배치 능력이라는 것입니다.

CES 2026이 보여준 것: AI는 더 이상 ‘아이디어’가 아니라 ‘움직이는 지능’이다

인터뷰에서는 CES 2026을 “전 세계 혁신가들이 모이는 가장 강력한 기술 행사”로 이야기합니다. 특히 코로나19 이후 침체기를 지나, 15만 명 이상이 참석하며 대규모로 부활했다는 언급이 등장하는데, 이 장면은 단순한 행사 규모 이상의 의미를 갖습니다. 지금의 CES는 특정 산업의 전시회가 아니라, “기술이 모든 산업의 중심이 되었다”는 현실을 확인하는 무대에 가깝기 때문입니다.

무엇보다 AI의 위상이 결정적으로 달라졌다고 강조합니다. AI는 더 이상 “가능성 있는 아이디어”가 아니라, 이미 산업과 콘텐츠, 창의성, 문화의 지형을 재정의하는 ‘움직이는 지능(intelligence in motion)’으로 묘사됩니다. 기술은 계산을 넘어 협력하고, 양자·사이버보안·핀테크·로보틱스 등 각 분야의 리더들이 기업 운영의 규칙 자체를 다시 쓰고 있다는 설명이 이어집니다.

이때 General Catalyst 측은 지금을 ‘최고의 모호성(peak ambiguity)’ 시대라고 규정합니다. 지정학적 변화, 국가 단위의 전략적 자율성 강화, 그리고 기술 변화의 속도가 한꺼번에 겹치면서 기업이 ‘영속적인 가치’를 만들어내기 어려워졌다는 것입니다. 요약하면, 시장은 더 커졌지만 예측 가능성은 더 낮아졌고, 그 틈에서 AI가 산업의 권력 구조를 바꾸고 있다는 진단입니다.

“BC와 AD처럼 바뀌었다”: ChatGPT 이후 기업의 과제는 ‘전략’이 아니라 ‘조직 속도’

McKinsey 측 인사는 ChatGPT 출시 이후 지난 2~3년의 변화 속도를, 이전 30년과 비교해도 문자 그대로 ‘워프 속도’라고 표현합니다. 심지어 BC(Before ChatGPT)와 AD(After Deployment)처럼 시대가 갈라질 정도의 단절이라고까지 진단합니다.

이 진단이 중요한 이유는, 변화의 속도가 빨라졌다는 사실 자체보다도 기업이 그 속도에 대응하는 방식이 바뀌어야 하기 때문입니다. 인터뷰의 메시지는 분명합니다.

• 과거에는 좋은 전략을 세우고 실행하면 됐지만
• 지금은 전략을 세우는 속도, 실행을 반복하는 속도, 조직을 재배치하는 속도가 경쟁력을 결정한다

즉, 생존은 ‘전략의 품질’만으로 설명되지 않고, 조직적 속도(organizational speed)로 설명되는 국면에 진입했다는 것입니다. 그래서 모든 CEO가 “어떻게 조직을 더 빠르게 움직일 것인가”를 고민할 수밖에 없다는 결론으로 이어집니다.

AI 스타트업의 가치 창출이 ‘압축’되는 이유: 성장 속도가 달라졌다

인터뷰는 AI 기업의 성장 속도가 과거의 기술 기업과는 차원이 다르다고 말합니다. 예컨대 과거 Stripe가 1,000억 달러급 기업이 되기까지 12~13년이 걸렸다면, Anthropic 같은 AI 기업은 훨씬 짧은 기간에 수백억 달러에서 수천억 달러 수준으로 점프할 수 있는 환경이 만들어졌다고 설명합니다.

여기서 포인트는 “기대감으로 밸류가 뛴다”는 단순한 설명이 아닙니다. 인터뷰에서는 이러한 성장이 실제 비즈니스 성장에 기반하고 있으며, 그 배경에는 두 가지 변화가 있다고 봅니다.

1. 코드 자체의 생산·개발 방식이 근본적으로 변했다
2. 유통 접근성(distribution access)이 달라져 가치 창출이 압축되었다

Anthropic 사례 언급에서는, 언어 모델과 엔터프라이즈 엔지니어링을 혁신하는 킬러 애플리케이션(인터뷰에서는 ‘클라우드’로 표현)을 제공하며, 투자 당시에도 전년 대비 10배 성장한 매출 규모가 관측되었다는 식의 설명이 뒤따릅니다. 그리고 “해당 밸류에이션의 투자가 오히려 저렴한 거래로 평가될 수 있다”는 인식까지 공유합니다.

이 대목이 던지는 메시지는 명확합니다. 이제 AI 산업에서는 ‘데카콘(기업가치 100억 달러)’이 종착점이 아니라, 조(兆) 달러(Trillion-dollar)급 기업까지 현실적인 논의 대상이 될 수 있다는 것입니다. 그리고 그 가능성은 “AI가 대단해서”라기보다, 시스템 차원에서 가치가 만들어지는 속도가 바뀌었기 때문이라고 해석합니다.

기업 내부의 AI 갈등: CFO vs CIO, 그리고 ‘파일럿 지옥’에서 탈출하는 법

흥미롭게도 인터뷰는 AI 전환의 병목을 “기술 부족”보다 “기업 내부 구조”에서 찾습니다. AI 기업이 10배 성장할 수 있었던 배경에는 대기업들이 해당 기술을 대규모로 채택하며 IT 지출을 늘린 영향이 있지만, 정작 비기술 기업에서 AI로 ‘대규모 엔터프라이즈 가치’를 실현하는 것은 예상보다 훨씬 어렵다는 사실이 널리 알려져 있다는 것입니다.

여기서 전형적인 갈등 구도로 CFO와 CIO의 충돌이 등장합니다.

• CFO는 “막대한 지출 대비 ROI가 아직 보이지 않는다. 잠시 멈추자”고 말하고
• CIO는 “지금 멈추면 파괴된다. 멈추는 건 미친 짓”이라고 말한다는 식입니다.

이 갈등이 장기화되면 기업은 파일럿만 무한 반복하는 ‘파일럿 지옥(pilot purgatory)’에 빠집니다. 인터뷰가 제시하는 해법은 의외로 단순한데, 결국 두 리더를 ‘대립’이 아니라 동맹으로 묶고, 파일럿이 아니라 조직 개편과 운영모델 변화를 통해 AI를 도입하는 경로를 만들어야 한다는 것입니다.

즉, AI는 PoC가 아니라 조직 설계 문제로 다뤄야 한다는 결론입니다.

General Catalyst의 “새로운 자산 클래스” 전략: 스타트업이 아니라 ‘현장을 산다’

이 지점에서 인터뷰는 General Catalyst가 취하는 비정형 전략을 “새로운 자산 클래스”로 해석합니다. 전통적인 시드 펀드 모델에서 벗어나 대규모 자본을 모금하고, 기업을 직접 인수하는 방식으로 전환하고 있다는 설명입니다.

General Catalyst는 스스로를 “미국 기업을 위한 벤처 캐피털”로 정의하며, 창업자들이 모호성을 헤쳐나가고 복잡한 시장에서 확장하도록 돕는 것을 목표로 둔다고 말합니다. 이를 위해 단순 투자금을 넘어 유연한 자본, 정책 역량, 시장 접근성 등을 제공한다는 관점이 강조됩니다.

특히 핵심은 “시장 접근성”입니다. 헬스케어처럼 규제·복잡성이 큰 산업에서는 스타트업이 기술을 만들더라도 대규모 시스템에 배포하는 데 실패하기 쉽습니다. 그래서 아예 의료 시스템을 인수해 AI 혁신을 실제 현장에서 구현하고, 그 성공 모델을 확장 가능한 레퍼런스로 만들겠다는 구상을 제시합니다.

또 하나의 흥미로운 축은 AI로 인해 가치가 하락하는 자산(예: 콜센터 등)을 인수하는 전략입니다. 이는 사모펀드(PE)처럼 기존 자산을 최적화하는 접근이 아니라, “쇠퇴하는 가치를 가진 비즈니스를 AI로 전환시키고, 스타트업이 고객 기반에 더 빠르게 접근하도록 돕는” 플레이북으로 설명됩니다.

McKinsey 측은 이 전략을 단순 투자 방식이 아니라 ‘변혁(transformation)’ 자체를 자산화하는 접근으로 읽어냅니다. 그래서 다시 “transform or die”가 반복됩니다. 기존 기업은 변혁하지 않으면 도태되며, 사적 자본(private capital)이 그 변혁을 가속할 수 있다는 관점입니다.

McKinsey 내부에서 벌어지는 변화: “성장 = 인원 증가” 공식이 깨졌다

인터뷰는 조직 변화의 구체 사례로 McKinsey 내부 변화를 들며, AI가 어떤 방식으로 업무 구조를 재배열하는지 설명합니다.

AI는 컨설팅에서 보고서 작성·분석처럼 초기 커리어 5년 동안 수행하던 많은 과정을 대체할 수 있습니다. 그 결과 McKinsey는 흥미로운 ‘동시적 변화’를 겪고 있다고 말합니다.

• 고객 대면 인력(client-facing)은 다음 해 25% 성장을 목표로 한다
• 반면 비고객 대면 인력(non-client-facing)은 25% 축소되는데도, 산출량은 10% 증가했다
• AI 도입으로 검색·통합 작업에서 100만 시간이 절약되었다는 언급도 등장한다

이 조합이 의미하는 바는 명확합니다. 과거에는 성장이 곧 인력 증가였지만, AI 시대에는 어떤 역할은 늘고, 어떤 역할은 줄어도, 전체 성장이 가능해졌다는 것입니다. 즉, 인력 구조는 “감축 vs 고용”의 단순 구도가 아니라, 가치 창출이 일어나는 접점에 인력을 재배치하는 문제가 됩니다.

AI 시대의 인재 전략: ‘스펙’보다 본질, 그리고 AI가 못하는 3가지

인터뷰는 채용과 인재 육성에서도 패러다임이 바뀐다고 봅니다. 과거에는 투자금으로 대규모 팀과 데이터센터를 구축해야 했지만, 이제는 훨씬 적은 인력으로 더 많은 일을 할 수 있는 환경이 되었습니다. 문제는 기업이 “한쪽에서는 25%를 더 고용하고, 다른 쪽에서는 25%를 줄이는” 변화를 사회와 구성원에게 어떻게 설명하고 수용시키느냐입니다.

이때 강조되는 것이 “AI가 대체할 수 없는 인간의 핵심 역량”입니다. 인터뷰(및 McKinsey 연구로 소개된 프레임)에서는 다음 세 가지를 반복적으로 강조합니다.

1. 열망/비전 설정(Aspire): 무엇을 목표로 할지(예: ‘화성에 갈 것인가’)를 정하고, 사람들이 그 목표를 믿게 만드는 능력
2. 인간적 판단(Human judgment): AI 모델에는 옳고 그름이 없기 때문에, 기업의 가치·사회 규범에 맞는 매개변수와 아키텍처를 선택하는 능력
3. 진정한 창의성(True creativity): 모델이 ‘가장 가능성 높은 다음 단계’를 추론하는 존재라면, 인간은 직교적인(orthogonal) 사고로 전혀 다른 길을 여는 능력이 필요하다는 관점

또한 채용 기준도 변합니다. 어느 대학을 나왔는지가 덜 중요해지고, 원초적인 본질(raw intrinsics)을 찾기 위해 채용 기반을 넓혀야 한다는 메시지가 나옵니다. 기술 분야에서는 학위보다 GitHub 프로필 같은 실제 산출물에 주목해야 한다는 말도 이어집니다.

교육의 목표는 “정답 맞히기”에서 “질문 던지기”로 이동한다

교육 시스템에 대한 비판도 날카롭습니다. 인터뷰는 기존 교육이 “7학년 때 다항식을 인수분해하는 능력” 같은 정답형 문제 해결에 최적화되어 있지만, AI 시대에는 그보다 올바른 질문을 던지는 능력이 중요해진다고 봅니다.

더 근본적인 문제로는 ‘시간 구조’가 지목됩니다. 22년 배우고 40년 일하는 모델은 기술 변화 속도에 비추어 깨진 아이디어라는 것입니다. 그래서 4년제 대학 중심의 모델이 아니라, 평생 대학(lifelong college)로 전환해 학습과 재교육이 일생의 기본 경험이 되어야 한다는 주장으로 연결됩니다.

또한 기업이 직원에게 제공하는 스킬 투자 ROI가 지난 30년간 절반 수준으로 감소해, 투자 회수 기간이 과거 7년에서 현재 3.6년으로 단축되었다는 언급도 나옵니다. 이 논리는 명확합니다. 특정 기술을 ‘숙달’하는 것보다, 새로운 것을 계속 학습하는 능력이 더 중요해진다는 것입니다.

“이력서 들고 정문으로 들어가지 말라”: 개인에게 요구되는 자세는 ‘회복탄력성’과 ‘증명’

개인의 커리어 조언은 다소 직설적입니다. 젊은 세대는 스스로 훈련 프로그램을 만들고, 이력서를 제출하는 대신 CEO에게 직접 이메일을 보내 “랜딩 페이지를 이렇게 바꾸겠다” 같은 구체적인 스펙 작업(spec work)으로 역량을 증명하라는 식의 메시지가 제시됩니다.

배경에는 기업의 인식 변화가 있습니다. 많은 조직이 “신입을 뽑아 훈련시키는 것”보다 “에이전트를 구축하는 것”이 더 빠르다고 느끼기 시작했고, 그 결과 개인은 배짱, 추진력, 열정 같은 태도 요인을 더 강하게 증명해야 한다는 것입니다.

그리고 이 모든 변화의 바닥에 놓인 핵심 역량으로 회복탄력성(resilience)이 강조됩니다. 넘어져도 다시 일어나는 능력, 변화 속에서 다시 학습하고 재정렬하는 능력이 AI 시대의 생존 역량이라는 메시지입니다.

AI 에이전트가 바꾸는 조직: 모두가 ‘에이전트 오케스트라의 지휘자’가 된다

인터뷰는 AI 에이전트를 단순 자동화 도구가 아니라, 조직 운영의 단위를 바꾸는 요소로 봅니다. 에이전트는 가치가 창출될 수 있는 특정 도메인(구조화된 문제 해결, 검색·통합, 커뮤니케이션 등)에서 특히 잘 작동하며, 인간은 에이전트를 활용해 초인간(superhuman)이 되는 기술을 익혀야 한다고 말합니다.

그 결과 사람들은 오케스트라의 단원이 아니라, 각자 자신의 에이전트 오케스트라를 지휘하는 지휘자가 되어야 한다는 비유가 등장합니다.

스타트업 사례로는, 채용에서 HR 담당자 대신 LLM으로 직무기술서를 만들고, AI 에이전트를 구축해 이력서를 분류·랭킹하는 방식이 언급됩니다. 이는 과거 타자실·우편실·사진실이 압축되던 것처럼, HR·법무 등 다양한 간접 기능이 압축될 수 있음을 시사합니다.

또한 “AI 동료(AI teammates)” 개념이 강조됩니다. 모든 부서가 AI 동료를 두어야 하며, 이들이 코파일럿(co-pilot) 역할을 할지, 혹은 권한을 위임받은 파일럿(pilot) 역할을 할지는 기술 신뢰도와 문제 복잡성에 달려 있다는 관점입니다.

여기서 중요한 경고도 나옵니다. AI 도입을 ‘단기 효율’로만 접근하는 정적 사고(static thinking)는 조직을 얇게 만들 수는 있어도, 5년 뒤 리더십 파이프라인을 무너뜨릴 수 있습니다. 신규 채용을 멈추는 것은 비용 절감처럼 보이지만, 인터뷰의 비유대로라면 “사다리 아래 네 단을 제거하는 것”과 같아 미래의 CEO로 가는 경로 자체가 단절될 수 있다는 것입니다.

그래서 인터뷰는 메시지를 이렇게 전환합니다. AI 도입의 첫 2년이 감원에 집중했다면, 이제는 효율을 넘어 기회(opportunity)에 집중해야 한다는 것입니다.

물리적 AI의 전장: 자율주행과 로봇 공학은 ‘제조’와 결합될 때 결정적 우위가 된다

CES 2026의 주요 테마로 인터뷰에서 강하게 언급되는 것 중 하나가 자율주행(self-driving)과 로봇 공학입니다. Waymo, Zoox, Tesla의 로보택시 구상 등 미국 기업들뿐 아니라, Baidu, Alibaba, WeRide, Pony.ai 등 중국 기업들과 함께 글로벌 경쟁 구도가 형성되고 있다는 관점입니다.

자동차 산업의 역학도 직설적으로 다뤄집니다. BYD를 비롯한 중국 기업들이 낮은 비용으로 기능을 갖춘 차량을 빠르게 확산시키며, 유럽 OEM은 뚜렷한 대응책을 찾지 못해 낙담하고 있다는 식의 인식이 공유됩니다. 미국은 혁신 역량은 있지만 중국과 같은 비용 효율을 갖춘 제조 역량이 부족하다는 지적도 이어집니다.

이때 제시되는 해법은 “AI로 중국의 비용 우위를 모방하는 방식으로 설계·제조 역량을 강화해야 한다”는 방향성입니다. 즉, 소프트웨어 혁신만으로는 부족하고, AI를 제조 시스템까지 침투시키는 것이 글로벌 리더십의 조건이 된다는 메시지입니다.

로봇 공학은 이 논리를 더 강하게 밀어붙입니다. 서구(특히 미국, 독일, 일본)는 인구 구조 문제로 제조 일자리를 채우기 어렵고, 회복탄력적인 공급망과 비용 효율성을 확보하는 유일한 방법이 로봇 공학이라는 것입니다. 근로자당 로봇 수 기준의 국가 비교(한국이 매우 높은 밀도라는 언급 등)도 등장하며, 로봇 확산 속도가 LLM처럼 빠르지 않을 수 있는 이유로 “하드웨어 API 인프라의 부족”이 지적됩니다.

결론은 분명합니다. 로봇 공학은 단순 자동화가 아니라, 제조업과 자동차 같은 산업에서 핵심 우위를 결정하는 전략 자산이라는 것입니다.

과거 CES 혁신 제품이 주는 힌트: 지금의 AI도 ‘과도기’이고, 결국 유용성이 승리한다

인터뷰 후반은 과거 CES의 상징적 제품들을 회고하면서, 지금의 AI 국면과 닮은 점을 끌어냅니다.

• Tesla Optimus 3에 대해서는 “LLM을 통해 세상을 이해하고 인간이 원하지 않는 일을 수행하게 되면, 자동차 회사라는 사실을 잊게 만들 정도로 혁신적일 수 있다”는 식의 매우 강한 기대가 언급됩니다.
• 1980년대 ‘모바일 폰’ 회고에서는 통화료·배터리 등 초기 제품의 제약이 등장하고, McKinsey가 당시 휴대폰의 성공을 부정적으로 예측했던 실수를 반성적으로 언급하는 대목이 나옵니다. 이 회고는 “지금 우리가 당연하게 보는 기술도 초기에는 비웃음과 제약 속에 있었다”는 메시지를 줍니다.
• Google Glass는 “AR 이전의 시대를 앞서간 제품”으로 평가되며, 지금의 스마트 안경도 폼팩터는 좋아졌지만 아직 유용성이 부족해 비슷한 과도기를 겪고 있다는 비교가 이어집니다.
• Theranos는 사기 논란과 별개로 “소량 혈액으로 많은 데이터를 얻는다”는 비전 자체는 사람들의 상상력을 자극한 제품 아이디어였다고 언급되며, 나노 제조 기술이 발전하면 AI와 결합해 실시간 진단 및 선제적 건강 관리가 가능해질 수 있다는 미래 예측으로 연결됩니다. 또한 Function Health, Superpower 같은 소비자 주도형 헬스케어 혁신 흐름이 함께 언급됩니다.

휴대용 기기의 역사도 흥미로운 대비를 제공합니다. BlackBerry의 전성기와 사회적 인식 변화, Palm Pilot의 불편한 학습 곡선, Sony Discman의 버퍼 기능 같은 디테일은 “기술은 늘 과도기를 지나며, 사용성(utility)이 본게임을 결정한다”는 메시지를 강화합니다. 특히 LLM의 환각(hallucinations)을 Discman의 음악 끊김에 비유하는 부분은, 현재의 AI가 강력하지만 아직 ‘신뢰’ 측면에서 과도기적 기술이라는 점을 상징적으로 보여줍니다.

마지막으로 삐삐(pager)가 “항상 켜져 있는 업무 문화(always on)”를 만들었던 것처럼, 기술은 편의뿐 아니라 사회적 행동까지 바꾼다는 관점이 등장합니다. 그리고 최근 밀레니얼 세대에서 디지털카메라·플립폰 등으로 ‘언번들링(unbundling)’이 나타나는 현상을, 다시 인간적 연결과 오프라인 충족을 향한 반전으로 해석합니다.

결론: CES 2026 인터뷰가 남긴 3가지 실행 포인트

이 인터뷰를 “AI 트렌드 요약”으로만 읽으면 핵심을 놓치게 됩니다. 본질은 트렌드가 아니라, 기업 운영 원리의 변화입니다. 실행 관점에서 정리하면 다음 세 가지로 수렴합니다.

1. 조직의 속도를 KPI로 삼아야 한다
   전략 문서의 완성도보다, 실행-학습-재배치의 사이클 타임을 줄이는 것이 경쟁력이다.
2. AI 도입은 PoC가 아니라 운영모델 재설계다
   CFO와 CIO의 갈등을 ‘투자 vs 절감’으로만 두면 파일럿 지옥에서 못 나온다. 조직 구조, 책임, 성과 체계를 함께 바꿔야 한다.
3. 인재는 ‘AI를 쓰는 사람’이 아니라 ‘AI와 함께 성과를 설계하는 사람’이 된다
   Aspire(비전), Judgment(판단), True Creativity(창의성), 그리고 Resilience(회복탄력성)이 핵심 역량으로 부상한다. 교육과 채용, 커리어 전략은 이 축으로 재정렬될 수밖에 없다.

AX 100배의 법칙 – 나와 조직의 능력을 100배 높이는 AI 경영의 실제 도서 구매

함께 읽으면 좋은 글:

디지털 트랜스포메이션: 조직의 습관을 바꾸는 일, 도서 구매

. .

구글 AI 여행 도구 확장은 검색, 일정, 예약이 하나의 흐름으로 연결되는 방향을 보여줍니다. 이 글에서는 항공권 예약부터 여행 계획까지 AI가 어떻게 개입하는지와 사용자 경험 변화 포인트를 정리합니다.

구글 AI ‘Flight Deals’: 전 세계 어디서나 최적의 항공권을 찾는다

AI 기반 항공권 검색 도구 Flight Deals는 기존에는 미국, 캐나다, 인도 등 일부 국가에서만 제공되었지만, 이제 한국을 포함한 200개 이상의 국가와 지역으로 확대되었습니다. 이를 통해 사용자는 단순히 가격을 비교하는 데 그치지 않고, AI의 알고리즘이 분석한 ‘가성비 최고의 일정’을 바로 확인할 수 있게 되었습니다.

예를 들어, “다음 달 중순 파리 5일 여행, 직항 우선, 예산은 100만 원대”라고 입력하면, AI가 조건을 분석해 여러 항공사 중 최적의 조합을 제시합니다. 이때 실시간 좌석 현황, 가격 추세, 환율, 할인 정보까지 모두 고려됩니다.
기존의 단순 비교 사이트와 달리, AI는 사용자의 선호도를 파악해 ‘직항과 경유’, ‘비행 시간과 가격’, ‘항공사 평판’ 등을 종합적으로 계산합니다. 사용자는 복잡한 선택 과정 없이 곧바로 예약 단계로 이동할 수 있습니다.

여행 검색의 진화: 이제는 ‘검색(Search)’이 아니라 ‘대화(Conversation)’

과거에는 ‘서울에서 뉴욕까지 저렴한 비행기표’를 검색창에 입력하는 식이었다면, 이제는 “다음 여름 뉴욕이나 보스턴 중 어디가 좋을까? 항공권과 호텔 포함해서 추천해줘”처럼 AI와 대화하듯 여행을 설계할 수 있게 되었습니다.

이 기능은 구글의 AI Mode에서 구현됩니다. AI Mode는 사용자의 목적과 예산, 여행 스타일을 이해하고, 수많은 데이터를 조합해 현실적인 여행 계획을 제시합니다. 마치 여행 컨설턴트와 상담하듯 대화로 일정을 만들어 가는 것입니다.
구글은 앞으로 이 AI Mode를 통해 사용자가 대화 중 바로 항공권과 호텔을 예약할 수 있도록 기능을 확대할 예정이라고 밝혔습니다.

Canvas(캔버스): AI가 직접 그려주는 맞춤형 여행 일정표

AI Mode의 핵심 기능 중 하나는 ‘Canvas(캔버스)’입니다. 캔버스는 흩어져 있는 여행 정보를 정리해 AI가 시각적인 여행 일정표로 구성해주는 기능입니다. “캔버스로 여행 계획 만들기(Create with Canvas)”를 선택하면, AI가 구글 지도, 리뷰, 항공 정보, 호텔 예약 데이터를 실시간으로 결합하여 개인 맞춤형 일정을 제안합니다.

예를 들어 ‘도쿄 주말 여행’을 요청하면 AI는 금요일 저녁 출국 항공편과 난바 지역의 추천 호텔, 토요일 주요 관광 코스, 맛집 루트, 귀국 일정까지 시간을 고려해 자동으로 구성합니다.
지도 기반 UI를 통해 각 장소 간 이동 거리와 동선도 한눈에 확인할 수 있어 사용성이 크게 향상되었습니다.

AI Mode의 ‘에이전트 기능’: 예약도 AI가 대신 처리한다

AI Mode는 이제 단순한 검색 보조 도구를 넘어 사용자의 의도를 이해하고 행동까지 수행하는 Agentic AI(에이전트형 인공지능)으로 발전하고 있습니다. 미국 일부 지역에서는 이미 AI가 레스토랑, 공연, 웰니스 서비스 예약을 자동으로 처리할 수 있습니다. “토요일 저녁, 4명, 이탈리안 레스토랑, 센트럴파크 근처”라고 말하면 AI가 예약 가능한 식당을 실시간으로 확인하고, 사용자의 선택에 따라 바로 예약 완료까지 진행합니다.

앞으로 항공권과 호텔 예약까지 이 기능이 확장될 예정입니다. “3월 말 런던 가족 여행, 경유 없는 항공편, 5성급 호텔 3박 예약해줘”라고 말하면, AI가 조건에 맞는 옵션을 찾아 결제 단계까지 안내합니다. AI는 이제 단순히 정보를 제공하는 도우미가 아니라, 사용자를 대신해 행동하는 실질적 조력자로 진화하고 있습니다.

AI 여행의 시대, 이것이 바꿔놓을 여행의 풍경

AI 여행 서비스는 여행 산업의 구조를 빠르게 변화시킬 수 있을 것 같습니다. 무엇보다 플랫폼 중심에서 사용자 중심으로의 이동이 가장 큰 변화입니다. 트립어드바이저나 익스피디아 같은 플랫폼이 정보를 모았다면, 이제는 AI가 개인의 취향을 이해하고 제안하는 방식으로 바뀌고 있습니다. “조용한 휴양지, 음식이 좋은 곳”처럼 추상적인 요청에도 AI는 날씨, 리뷰, 접근성을 고려해 현실적인 선택지를 제시합니다.

또한 데이터 통합 경험이 강화되어, 항공권·호텔·맛집·관광지 일정을 하나의 화면에서 관리할 수 있습니다. 앱을 오가며 비교할 필요가 없습니다. 그리고 AI는 점차 지속 가능한 여행 추천으로 영역을 확장하고 있습니다. 탄소 배출이 적은 항공편이나 친환경 숙소를 제안해, 편의성을 넘어 지속가능한 여행 문화를 이끌어갈 것입니다.

여행 계획의 미래: ‘검색’이 사라지는 날

머지않아 여행 계획은 더 이상 사용자가 ‘검색’하는 행위가 아닐 것입니다. AI가 먼저 사용자의 일정과 취향을 인식한 뒤, “이번 주 남은 휴가를 활용해 이런 여행은 어떠세요?”라며 선제적으로 제안하는 시대가 다가오고 있습니다.

이러한 변화 속에서 AI 여행 큐레이터나 데이터 기반 여정 디자이너와 같은 새로운 직업도 생겨날 것입니다. 인간의 감성과 AI의 분석력이 만나 여행 경험의 질을 한층 높여줄 것입니다.

마무리: AI가 만드는 새로운 여행 경험, 준비되셨나요?

구글의 AI ‘Flight Deals’와 ‘Canvas’는 단순한 기능이 아니라 ‘여행 계획의 AI화’를 상징합니다. 누구나 전문가처럼 AI와 함께 여행을 설계할 수 있게 된 것입니다. 앞으로 AI와 함께하는 여행은 더 이상 복잡하거나 번거로운 일이 아닙니다. 말로 목적과 예산만 전달하면 AI가 시간과 비용, 동선까지 자동으로 최적화된 일정을 만들어 줍니다. 기술이 여행의 효율성을 높이는 동시에, 사람마다 다른 여행의 감성을 더 풍요롭게 채워주는 시대로 나아가고 있습니다.

참고: Google rolls out its AI ‘Flight Deals’ tool globally, adds new travel features in Search

AX 100배의 법칙 – 나와 조직의 능력을 100배 높이는 AI 경영의 실제 도서 구매

함께 읽으면 좋은 글:

디지털 트랜스포메이션: 조직의 습관을 바꾸는 일, 도서 구매

. .

에이전틱 커머스는 AI가 검색을 돕는 수준을 넘어, 구매 과정 자체를 더 깊게 개입하는 흐름으로 볼 수 있습니다. 이 글에서는 페이팔 전략을 중심으로 AI 기반 상거래가 어떻게 바뀌는지 정리합니다.

에이전틱 커머스란 무엇인가

에이전틱 커머스란 한마디로 AI 에이전트가 인간을 대신해 구매 의사결정을 내리고 실행하는 상거래 방식을 말합니다. 예를 들어, 누군가 “다음 출장에 가장 합리적인 렌터카를 예약해줘”라고 요청하면 AI가 여러 플랫폼을 조사해 최적의 조건을 찾아 결제까지 완료하는 것입니다.

이 개념은 단순히 음성 명령으로 쇼핑을 하는 수준을 넘어섭니다. AI가 사용자의 취향과 소비 습관, 일정, 예산을 종합적으로 분석해 스스로 결정을 내리는 ‘디지털 대리인’ 역할을 수행하기 때문입니다.

기존 온라인 쇼핑이 소비자가 직접 검색하고 비교하는 ‘수동형’ 구조였다면, 이제는 AI가 대신 판단하고 사용자는 승인만 하는 ‘능동 대행 구조’로 전환되고 있습니다. 결국 브랜드와 소비자 관계의 중심에 AI가 들어서는 전환점이라 할 수 있습니다.

페이팔이 에이전틱 커머스에 주목한 이유

페이팔은 전자결제 시장의 대표 기업이지만, 최근에는 애플페이와 스트라이프, 애드옌(Adyen) 등 다양한 경쟁자가 등장하면서 시장 구도가 변화했습니다. 이 가운데 페이팔이 택한 길은 표준화보다 유연성을 중시하는 AI 생태계 구축이었습니다.

기존의 결제 인프라는 정해진 표준을 따라야만 연동이 가능했습니다. 그러나 AI 기반 상거래에서는 각 상황에 실시간으로 적응하는 능력이 더 중요합니다. 페이팔은 이를 위해 AI가 자유롭게 연결할 수 있는 개방형 API 인프라를 구축하고, AI가 개별 고객의 구매 경험을 스스로 최적화하도록 하는 환경을 만들어가고 있습니다.

예를 들어, AI가 사용자의 주간 예산을 분석해 특정 시점에 가장 효율적인 구매 시점을 추천하거나 자동 결제를 예약할 수 있습니다. 이러한 변화는 단순히 결제를 편하게 만드는 수준을 넘어, 소비자의 시간과 비용을 절감하고 심리적 부담까지 덜어주는 새로운 서비스 형태라 할 수 있습니다.

AI 유연성이 상거래 생태계에 미칠 영향

AI가 상거래를 대신 수행하는 시대가 되면, ‘표준화’보다는 ‘유연성’이 핵심 가치로 떠오르게 됩니다. 과거에는 소비자가 웹사이트나 앱을 통해 직접 거래를 진행했지만, AI 에이전트는 특정 플랫폼보다는 연결성과 적응력을 중시합니다.

기업 입장에서는 이제 AI가 고객의 구매 결정을 대신 내리는 ‘실질적 고객 대리인’이 되는 셈입니다. 따라서 기업은 AI가 이해할 수 있는 명확한 데이터 구조와 신뢰 지표를 제공해야 합니다. 예를 들어, 여행 플랫폼이라면 가격 정보뿐 아니라 환불 정책, 고객 지원, 서비스 신뢰도까지 구조화된 데이터로 제공해야 AI의 선택을 받을 수 있습니다.

소비자에게는 이 변화가 더욱 큰 편의를 제공합니다. 일일이 검색할 필요 없이, AI가 개인 비서처럼 최적의 결정을 내리기 때문입니다. 그러나 이와 동시에 개인정보의 사용과 AI 의사결정의 투명성에 대한 새로운 윤리적 논의도 필요합니다.

표준화 vs. 유연성, 누가 승자가 될까

AI 상거래가 확산되면서 업계에서는 표준 규약 필요성과 AI 자율 적응성 강화를 둘러싼 논쟁이 이어지고 있습니다. 표준화를 주장하는 쪽은 보안과 규제, 투명성 확보를 이유로 들고, 반대 측은 표준이 혁신을 제약할 수 있다고 주장합니다.

페이팔은 후자의 입장입니다. AI가 표준에 묶이면 시장 변화에 즉각 대응하기 어렵다는 판단 때문입니다. 새로운 결제 방식이나 인증 프로토콜이 등장할 때 바로 적응할 수 있는 유연한 시스템만이 미래 경쟁력을 가질 것이라는 판단입니다.

기술적 기반 – 개방형 API와 AI 결제 플랫폼

페이팔의 에이전틱 커머스는 기술적으로 세 가지 축에 기반합니다.

첫째, 개방형 API 인프라 확대입니다. AI가 결제 데이터를 읽고 분석할 수 있도록, 기존 API 구조를 메타데이터 기반으로 재설계했습니다.
둘째, 자동 리스크 평가를 위한 AI 보안 시스템입니다. 결제 승인 정책이 실시간으로 판단될 수 있도록 알고리듬 수준을 한 단계 높였습니다.
셋째, 프록시 없는 결제 토큰 기술입니다. AI가 사람처럼 직접 결제를 수행할 수 있도록, 거래마다 동적으로 생성되는 일회성 보안 토큰을 도입하고 있습니다.

이러한 기술들은 결국 AI가 인간만큼 자연스럽게 결제 프로세스를 처리하면서도, 보안은 더 강화된 환경을 만드는 데 목적이 있습니다.

에이전틱 커머스가 여는 새로운 시장 기회

AI 에이전트가 상거래의 주체가 되는 순간, 전혀 새로운 시장이 열립니다. 기업들은 이제 소비자가 아닌 AI에게 선택받는 방법을 고민해야 합니다. 이에 따라 ‘AI 의사결정 최적화(AIO, Agentic Interaction Optimization)’라는 새로운 분야가 부상할 전망입니다. 이는 과거 검색엔진 최적화(SEO)처럼, 브랜드가 AI 알고리즘의 판단 구조 속에서 유리하게 노출되도록 설계하는 전략입니다. 또한 AI 결제 보안, AI 데이터 최적화 솔루션 등도 새로운 비즈니스 시장으로 성장할 가능성이 큽니다.

결론 – 유연성이 주도하는 AI 상거래의 미래

페이팔의 에이전틱 커머스 전략은 단순한 기술 혁신을 넘어 상거래 구조 자체를 변화시키려는 시도입니다. 앞으로의 상거래는 표준화보다 유연성, 일률성보다 개인화, 통제보다 자율성이 중심이 될 것입니다. AI가 스스로 상품을 선택하고 결제를 수행하며 브랜드를 평가하는 시대가 도래할 때, 그 중심에는 페이팔이 개척한 에이전틱 커머스의 개념이 자리하고 있을 것입니다.

참고: PayPal Launches Agentic Commerce Services to Power AI-Driven Shopping

AX 100배의 법칙 – 나와 조직의 능력을 100배 높이는 AI 경영의 실제 도서 구매

함께 읽으면 좋은 글:

디지털 트랜스포메이션: 조직의 습관을 바꾸는 일, 도서 구매

. .