글로벌 플랫폼 기업의 DIFM 사례

○ (서비스 개요) 북미 최대 식료품 배달 플랫폼인 인스타카트(Instacart)는 2025년 12월, 챗GPT 앱에서 ‘식단 계획→식재료 선택→결제’까지 한 번에 완료할 수 있는 챗GPT 인앱결제 서비스를 출시

• 고객은 챗 GPT 의 외부 애플리케이션 연동 기능을 통해 인스타카트 계정에 한번만 로그인하면, 이후 계속해서 챗 GPT 안에서 인스타카트 서비스를 이용할 수 있음
• 본 서비스는 기존 AI 쇼핑의 분절된 흐름(AI 추천→외부 사이트 이동→결제)을 극복하고 챗 GPT 앱에 서의 대화를 통해 모든 구매 여정을 처리함으로써 고객 경험을 획기적으로 개선
  - 예를 들어 고객은 챗GPT에 ① “70달러 한도에서 2주간 먹을 저지방·저탄수·고단백 식단을 짜서 장바구니에 식재료를 담아줘”라고 요청. AI가 ② 레시피를 제안하고 고객의 위치 정보를 기반으로 ③ 인근 매장의 식재료를 장바구니에 추가. 고객은 ④ 이를 확인한 뒤 신용카드나 간편결제(구글·애플)로 결제하면 물건이 배송됨
• 이는 단순한 채널 확장을 넘어, 고객의 ‘의도’를 ‘수요’로 실시간 전환하는 커머스 패러다임의 변화를 의미
  

○ (출시 배경) 인스타카트는 AI를 활용해 고객의 복잡한 구매 의사결정 과정의 단순화를, 오픈AI는 챗GPT 내 직접 결제 기능을 도입해 수수료 기반 새로운 수익 모델 확보를 추진

• 인스타카트는 개인의 취향과 영양, 예산, 재고 상황 등을 고려해야 하는 번거로운 과정을 AI가 대신 처리하게 함으로써 고객의 의사결정 비용을 획기적으로 낮추고자 함
• 오픈AI는 2025년 9월, 챗GPT 안에서 상품을 결제할 수 있는 ‘즉시결제(Instant Checkout)’서비스를 출시해 거래 수수료를 수취함으로써 수익 구조 다변화를 시도

○ (구현방법) 인스타카트는 쇼핑부터 결제 및 배송까지 챗GPT 앱에서 통합 서비스를 제공하는 최초의 플랫폼으로 자사의 데이터를 결합해 차별화된 쇼핑 경험을 구현

• [ACP 기반 연결] 인스타카트는 오픈AI와 스트라이프의 ‘에이전틱 커머스 프로토콜(ACP)⁶ ’을 통해 챗GPT와 자사 데이터를 연결, ACP 기반에서 다품목 결제를 적용한 초기 사례로 식료품 특성에 맞는 묶음 결제를 가능하게 함
• [실시간 재고·가격 데이터] 인스타카트가 보유한 북미 약 1천8백 개 소매점 및 10만 개 매장의 실시간 재고와 가격 데이터를 활용해 실제 진열된 상품을 정확히 추천함으로써 고객의 과거 주문 내역, 선호 브랜드, 쇼핑 습관을 기반으로 개인화된 쇼핑 경험을 제공
  

○ (평가 및 전망) 인스타카트는 에이전틱 커머스의 선도사례로 자리매김했으나 출시 직후 챗GPT의 인앱 결제 방식의 한계가 드러남에 따라 챗GPT 인앱결제의 효과성을 재검토해야 하는 상황에 처함

• [물류 데이터 정합성] 브랜드 이미지를 중시하는 인간과 달리, AI는 상품 선택 시 가격·사용자 평점·실시간 재고 등을 최우선으로 고려. 만약 데이터가 부정확할 경우 AI 에이전트의 선택에서 배제되거나, 구매 실패로 이어져 브랜드 신뢰도에 치명적인 타격을 입게 됨
  - 인스타카트 최고기술책임자(CTO)인 아니르반 쿤두(Anirban Kundu)는 “끊임없이 변화하는 지역별 재고 상황을 파악하고, 이를 정확한 의사결정으로 전환할 수 있는 기술이 필수적”이라고 강조
• [한계점] 최근 챗GPT 인앱결제 방식의 효과성에 의문이 제기됨에 따라 챗GPT 인앱결제 서비스의 지속가능성을 재검토해야 함
  - 월마트는 챗GPT 즉시결제 서비스의 구매 전환율이 자사 웹사이트로 연결하는 방식보다 3배 낮다는 사실을 발견한 이후 자사 챗봇 스파키(Sparky)를 챗 GPT에 통합해 자사 앱/웹에서 결제를 처리하는 방식으로 전환
  - 오픈AI가 지난 3월 ‘즉시결제’서비스의 단계적 종료를 발표함에 따라 인스타카트 역시 챗GPT 인앱결제의 효과성을 검토하고 대응 방향 모색이 요구

○ (기업 소개) 미국의 기업 출장 및 경비 관리 플랫폼(T&E, Travel and Expense Management)인 나반(Navan)은 출장 예약과 경비 처리, 법인카드 관리 등을 단일 플랫폼에서 통합적으로 관리할 수 있는 서비스를 제공

○ (서비스 개요) 기존 기업 간 거래(B2B) 중심 사업 모델에서 벗어나 개인 고객에게 고위 임원급 비서 서비스 제공을 목표로 지난 3월, 대화형 AI 비서가 출장 계획부터 예약, 결제, 경비 정산까지 전 과정을 처리해 주는 AI 에이전트 서비스인 ‘나반 엣지(Navan Edge)’를 출시

• [초개인화 큐레이션] 단순히 검색 결과를 제시하는 데 그치지 않고, 고객의 호텔·항공 로열티 프로그램 연동과 실시간 일정 확인은 물론 세부 기호(암막 블라인드 여부, 고성능 헤어드라이어 등)까지 고려한 초개인화된 예약 서비스를 제공
• [자율적 문제 해결] 기상 악화로 항공편이 결항될 경우, AI가 자동으로 ‘항공기 좌석 재예약 → 호텔에 일정 지연 통보 → 식당 예약 변경’으로 이어지는 일련의 조치를 제안하고 고객이 승인하면 실행(현재는 호텔 예약 기능을 제공 중이며, 항공편 및 레스토랑 예약 기능은 순차 확대할 예정)
• [정산 자동화] 기존의 경비 보고서를 대체해 결제, 예약, 인보이스 데이터를 실시간으로 대조해 월 마감을 자동화

○ (구현 방법) 자체 AI 프레임워크인 ‘나반 코그니션(Navan Cognition)’과 인벤토리 인프라인 ‘나반 클라우드(Navan Cloud)’를 결합. 복잡한 작업을 처리하는 전문 AI 에이전트가 10년간 축적된 나반의 데이터 및 실시간 공급망 데이터와 연동되어 대화부터 예약, 결제, 정산에 이르는 전 과정을 자율적으로 처리

• [나반 코그니션] 자체 훈련 모델과 외부 모델(오픈AI의 API, 오픈소스 모델)을 혼용하는 AI 프레임워크로, 여행 관리의 전 단계에서 복잡한 작업을 처리하는 전문 가상 에이전트들로 구성됨. 사용자 요청 시 고객 지원 에이전트[아바(Ava)], 출장 정책 에이전트, 보고 및 정산 에이전트 등이 역할을 분담하여 협업
• [나반 클라우드] AI 프레임워크가 원활하게 작동할 수 있도록 지원하는 글로벌 실시간 인벤토리 네트워크. 거대언어모델(LLM)을 활용해 글로벌 여행상품 유통망(GDS)과 온라인 여행사(OTA) 등 여러 공급망에 분산된 객실 정보 및 요금 데이터의 정합성을 확보
• [7분 이내 예약 완료] 나반 코그니션과 나반 클라우드를 활용해 항공편, 호텔, 렌터카 등 전체 출장 예약을 평균 7분 이내 완료. 이는 업계 평균 예약 시간인 45분과 비교해 압도적인 속도

○ (전망 및 평가) 나반을 비롯한 기업 출장 및 경비 관리 플랫폼은 예약, 결제, 정산 업무를 한 번에 처리하는 AI 에이전트 서비스로 진화 중임. 그 과정에서 공급자 데이터의 실시간 정합성 확보가 서비스 성패를 가르는 핵심 요소로 부상. 향후 기업·소비자 간 거래(B2C) 영역으로 서비스가 확대될 경우, 전통적 여행 예약 플랫폼에 위협 요인이 될 것으로 예상

• [출장 예약 과정의 소멸과 압축] 개인이 직접 정보를 탐색하고 판단하는 과정이 사라지고, 목적(“파리 출장 예약해 줘” 등)을 입력하면 AI 에이전트가 최적의 대안을 설계해 예약부터 정산까지 완료. 항공편 결항, 지연, 일정 변경 등 돌발 상황에서도 AI 에이전트가 맥락을 파악해 대안을 추론하고 연쇄적으로 자율 실행하며, 사용자는 최종 승인만 담당
• [전통 강자에 위협] 향후 B2C 영역이 확대될 경우, 디지털 접점의 중심이 AI 에이전트로 이동. 탐색·비교·검증 기능이 자동화되면서 기존의 여행 예약 플랫폼들은 고객 접점을 잃고 에이전트의 호출을 기다리는 ‘백엔드 인프라’로 전락할 가능성이 존재

○ (서비스 개요) 아마존은 자사 음성 인식 AI 비서인 알렉사(Alexa)를 고도화하여, 여러 앱과 서비스를 오가며 예약·호출·구매 등 일상 업무를 대신 처리해 주는 ‘알렉사 플러스(Alexa+)’를 공개하고 2026년 2월 미 전역에 배포

• [자율 실행] 사용자가 일일이 승인하거나 개입할 필요 없이, AI 에이전트가 스스로 인터넷을 탐색하고 외부 서비스와 상호작용하며 업무를 완수. 예를 들어 오븐 수리가 필요하다고 말하면, AI 에이전트가 전문가 중개 플랫폼 등에서 서비스 업체를 찾아 사용자가 원하는 일정에 예약을 진행
• [복잡한 과업 처리] 식당 예약과 동시에 친구에게 예약 정보를 문자로 보내는 등 여러 단계의 API 호출이 필요한 복잡한 요청을 한 번에 처리
• [초개인화] 사용자의 구매 이력과 식이 요법(예: 채식주의), 배송 주소 등을 기억하여 저녁 메뉴 추천부터 식재료 주문까지 맥락에 맞게 알아서 처리
• [플랫폼 연결] 익스피디아(Expedia, 여행), 앤지(Angi, 홈 서비스), 스퀘어(Square, 미용·웰빙) 등의 외부 플랫폼과 제휴하여 여행 계획, 티켓 검색, 교통편 예매, 미용실 및 레스토랑 예약 등을 처리

○ (출시 배경) 아마존은 생성형 AI 경쟁에서 뒤처진 알렉사를 전면 재설계함으로써, 장기간 추구해온 비전인 ‘세계 최고 개인 비서’를 실현하기 위한 본격적인 행보에 나섬

• [생성형 AI 경쟁 대응] 알렉사가 유창한 대화가 가능한 챗GPT 음성 모드와 비교해 ‘상대적으로 지능이 낮다’는 평가*를 받자, 아마존은 비상 상황에 돌입해 서비스 고도화를 추진하는 과정에서 알렉사를 하나의 플랫폼으로 전환하기로 결정
  * 마이크로소프트 최고경영자(CEO) 사티아 나델라는 챗GPT가 급부상하던 2023년 3월, 알렉사를 “바위처럼 멍청하다”고 언급한 바 있음
• [기술적 한계 극복] 알렉사는 수많은 소규모 머신러닝 모델과 수천 개의 수작업 하드코딩 8 규칙들로 구성되어 간단한 명령은 매끄럽게 수행하지만 자연스러운 대화나 복잡한 맥락 파악은 불가능. 이 같은 단점을 보완하기 위해 아마존은 기존의 낡은 시스템을 LLM 기반의 새로운 AI 시스템으로 교체하는 ‘두뇌 이식 프로젝트(Brain Transplant)’를 추진
• [디바이스 생태계 수익화] 유료 회원(프라임)에게는 무료 제공하고 비회원에게는 월 19.99달러의 구독료를 받는 모델을 도입하여 알렉사를 독립적인 수익형 서비스로 전환. 외부 파트너사와 연동하여 호텔 및 식당 예약 등을 처리하는 ‘AI 컨시어지’로 서비스 영역을 확장 중임

○ (구현 방법) 아마존의 클라우드 AI 인프라를 기반으로 수만 개의 외부 서비스와 디바이스를 동시에 조율하는 다층 구조로 작동

• [다중 AI 모델] 특정 AI 모델에 종속되지 않고 70개 이상 AI 모델을 지원하는 ‘아마존 베드락(Amazon Bedrock)’을 기반으로 구동. 고객의 요청이 접수되면 오케스트레이션 시스템이 해당 업무에 가장 적합한 모델을 호출(예: 창의적인 답변이 필요할 때와 가전 기기를 제어할 때 각기 다른 최적화 모델이 작동)
• [순차적 실행] LLM이 단순히 텍스트를 생성하는 수준을 넘어 여러 개의 API를 순차적으로 호출해, ‘레스토랑 예약 후 친구에게 문자 보내기’와 같은 복합적인 다단계 업무를 차례대로 실행

○ (평가 및 전망) 아마존은 전 세계 6억 대의 알렉사 기기를 기반으로, AI 비서 중심의 일상 업무 생태계 구축에 나섬. 하지만 알렉사 플러스가 부정적 평가를 받으며 고객의 기대와 실제 품질 사이 큰 격차를 드러내, DIFM 서비스를 성공적으로 구현하는 데 어려움을 겪고 있음

• [실망스러운 평가] 지난 2월 미국 정식 출시 이후 알람 취소 명령을 무시하거나, 존재하지 않는 날짜에 예약을 시도하는 등 불완전한 실행으로 인한 신뢰성 문제가 발생하며 실망스럽다는 평가가 이어짐
• [DIFM 서비스 구현의 어려움] 우수한 AI 모델과 디바이스, 생태계를 모두 보유한 빅테크 기업조차 서비스 품질 확보에 애먹고 있다는 사실은, DIFM 서비스가 얼마나 까다로운 신뢰성 과제를 안고 있는지를 보여줌
• [전망] 알렉사 플러스의 고질적 문제점들이 해결된다면, 아마존은 수억 명의 유료 회원과 강력한 자체 결제·물류·콘텐츠 인프라를 결합해 독보적인 시장 지배자로 부상할 수 있음