핵심 요약
이 논문은 대형 크로스보더 온라인 리테일 플랫폼에서 생성형 AI 도입이 매출 성과에 미치는 단기 효과를 대규모 무작위 현장실험으로 측정한다. 2023년부터 2024년에 걸쳐 해당 플랫폼은 고객 서비스, 소비자-상품 매칭, 광고, 판매자 서비스 등 일곱 개 업무 워크플로에 생성형 AI를 통합했고, 연구진은 수백만 명의 이용자와 수백만 개 상품을 대상으로 한 무작위 배정 실험들을 분석했다.
핵심 결과는 효과의 이질성이다. 매출 증가 효과는 워크플로에 따라 탐지 가능한 효과가 없는 경우부터 최대 16.3%까지 분포했다. 생성형 AI의 한계 기여가 기존 업무 관행 대비 큰 워크플로에서 효과가 컸다는 것이다. 도입 자체가 아니라 기존 프로세스 대비 개선폭이 효과 크기를 결정했다.
매출 증가가 확인된 네 가지 응용을 합산하면 소비자 한 명당 연간 약 5달러의 증분 가치가 추정된다. 소비자당 금액은 작아 보이지만 플랫폼의 규모와 생성형 AI 도입이 아직 초기 단계라는 점을 고려하면 경제적으로 의미 있는 크기다.
매출 증가의 통로는 전환율이었다. 장바구니 금액(객단가)은 늘지 않았고 구매 전환이 높아졌다. 이는 생성형 AI가 검색, 정보, 소통, 개인화에서의 마찰을 줄여 쇼핑 경험을 개선한다는 해석과 일관한다.
사후 구매 지표의 악화는 없었다. 반품률과 고객 평점이 나빠지지 않았으므로 매출 증가가 소비자 후생의 비용으로 이루어지지 않았다. 경험이 적은 소비자에게 이득이 더 크게 나타난 점도 주목할 결과다.
배경 및 이론적 맥락
생성형 AI의 생산성 효과에 대한 증거는 빠르게 쌓이고 있지만 대부분은 글쓰기, 코딩, 고객 지원 같은 개별 과업에 대한 미시 실험이었다. 실제 기업이 여러 워크플로에 걸쳐 생성형 AI를 배포했을 때 그것이 매출이라는 기업 수준 성과로 이어지는지에 대한 인과적 증거는 드물었다. 거시 통계에서 효과가 보이지 않는다는 이른바 생산성 패러독스 논쟁과 맞물려, 기업 내부에서 무슨 일이 일어나는지를 보여주는 증거가 필요한 상황이었다.
저자들은 생성형 AI의 가치가 마찰의 감소에서 발생한다는 틀을 세운다. 소비자는 원하는 상품을 찾는 검색 비용, 상품 정보를 해석하는 비용, 판매자와 소통하는 비용, 자신의 맥락에 맞는 추천을 얻는 비용을 지불한다. 생성형 AI가 이 네 가지 마찰을 낮추면 같은 트래픽에서 더 많은 구매가 발생한다. 동시에 기술의 한계 기여는 기존 업무 관행의 수준에 따라 달라진다는 보완성 논리가 효과의 이질성을 설명하는 축이다.
연구 방법론
연구 설계는 일련의 대규모 무작위 현장실험이다. 2023~2024년 동안 크로스보더 이커머스 플랫폼의 일곱 개 워크플로에 생성형 AI 기능이 단계적으로 도입되었고, 각 워크플로에서 이용자 또는 상품이 무작위로 처리 집단과 통제 집단에 배정되었다. 실험 단위는 수백만 명의 이용자와 수백만 개의 상품에 이른다.
각 워크플로별로 매출과 그 구성 요소(전환율, 장바구니 금액)를 추정하고, 반품률과 고객 평점 같은 사후 구매 지표로 부작용을 점검했다. 이용자 경험 수준에 따른 이질성 분석도 수행했다. 실제 운영 중인 플랫폼의 실험이므로 외부 타당성이 실험실 연구보다 높다는 장점이 있다.
연구 결과
일곱 개 워크플로 대부분에서 매출이 증가했지만 그 크기는 0%에서 16.3%까지 크게 달랐다. 효과가 없는 응용도 있었고 두 자릿수 증가를 보인 응용도 있었다. 기준 업무 관행이 이미 잘 작동하던 곳에서는 생성형 AI의 추가 기여가 작았다.
양의 매출 효과가 나온 네 가지 응용의 연간 증분 가치는 소비자당 약 5달러로 추산되었다. 매출 증가는 전환율 상승에서 비롯되었고 장바구니 금액의 변화는 없었다. 반품률과 고객 평점은 악화되지 않았다.
수요 측 이질성이 뚜렷했다. 플랫폼 경험이 적은 소비자일수록 생성형 AI의 이득이 컸다. 정보와 탐색 능력의 격차를 AI가 일부 메워준다는 해석이 가능하다.
결론 및 의의
이 연구의 첫 번째 의의는 기업 수준의 인과 증거를 제공한다는 점이다. 개인의 과업 수행 실험을 넘어 실제 매출로 이어지는 효과를 수백만 단위의 현장실험으로 보여준 초기 증거다. 생성형 AI의 가치가 개인의 시간 절약에 머무는 것이 아니라 기업의 상업적 성과로 환산될 수 있음을 확인한다.
두 번째 의의는 효과의 조건성이다. 도입만 하면 생산성이 오르는 것이 아니라, 기존 프로세스가 남긴 개선 여지가 있는 곳에서만 효과가 나타났다. 기업의 도입 의사결정은 도입 여부의 문제가 아니라 어디에 도입하는가의 문제라는 것이다. 기준 관행을 먼저 평가하고 한계 기여가 큰 워크플로를 고르는 순서가 중요하다.
세 번째 의의는 가치 창출의 메커니즘에 관한 것이다. 효과가 객단가가 아니라 전환율에서 나왔다는 것은 생성형 AI가 더 많이 파는 기술이 아니라 놓치는 수요를 되찾는 기술이라는 뜻이다. 검색, 정보, 소통, 개인화의 마찰을 줄이는 방향으로 설계된 응용에서 가치가 발생하므로 추천과 검색 인터페이스의 재설계가 핵심 투자 영역이 된다.
네 번째 의의는 분배적이다. 경험 적은 소비자에게 이득이 컸다는 것은 생성형 AI가 정보 격차를 완화하는 방향으로 작동할 수 있음을 보여준다. 숙련 사용자를 위한 최적화에 치우쳤던 기존 개인화와 다른 설계 원칙을 시사한다.
한계도 있다. 단일 플랫폼, 그것도 크로스보더 리테일이라는 특수한 맥락의 결과이며 단기 효과다. 소비자당 연 5달러라는 규모는 이 플랫폼의 매출 구조 안에서 해석해야 하고 경제 전체의 생산성으로 일반화할 수는 없다. 동료심사 전 워킹페이퍼이므로 수치는 수정될 수 있다.
참고문헌
Fang, L., Yuan, Z., Zhang, K., Donati, D., & Sarvary, M. (2026). Generative AI and firm productivity: Field experiments in online retail. SSRN Working Paper. https://doi.org/10.2139/ssrn.5637573
SSRN 워킹페이퍼(2026년 10월 게재)로 동료심사를 거치지 않았다. 단일 플랫폼의 단기 실험 결과다. 본문은 해당 논문의 연구와 그로부터 도출한 해석만을 다룬다.
AI 활용 내역
이 글은 AI(Instinct AI 어시스턴트)를 활용하여 논문의 핵심 내용을 분석·요약하고, 한국어 리뷰 원고를 작성하였습니다. 최종 검토 및 발행은 블로그 운영자가 수행합니다.