DoorDash가 외부 AI Agent의 접근을 허용했지만 지금까지 확보한 주문은 수백 건에 그쳤다. AI Agent를 막아둔 것은 모델 성능이 아니라 거래 진입점, 권한 설계, 수익 배분일 가능성이 크다.
수백 건의 주문, 데모보다 멀어진 간극
AI Agent가 소비하는 모습을 데모로 보여주는 것은 어렵지 않다.
사용자가 “덜 맵고 단백질이 좀 많고 20분 안에 도착하는 점심으로 주문해 달라”고 말했다. Agent는 메뉴를 검색하고, 식당을 비교하고, 주문을 제출한다. 전체 과정은 대략 30초면 끝난다.
실제 환경에는 훨씬 많은 마찰이 생긴다.
- 사용자는 ‘점심’이라고 말하지만 Agent는 지금이 점심시간인지 저녁 식사를 준비할 시간인지 판단해야 한다.
- ‘덜 맵게’가 전혀 맵지 않기를 원하는 것인지, 아주 약하게 매운 것인지 모호하다.
- 배달 시간은 주소, 식당, 그때의 배차 상황에 따라 달라진다.
- 쿠폰, 회원 할인, 음식 값, 서비스료를 함께 계산해야 한다.
- 결제 화면에 표시되는 최종 금액이 Agent가 제시한 예산과 다를 수 있다.
따라서 ‘수백 건의 주문’은 데모 성공보다 더 유용한 지표다. 데모는 모델이 한 가지 작업을 수행할 수 있음을 보여준다. 반면 주문량은 사용자가 실제 업무에서 진입점, 맥락, 결제 통제권을 Agent에 맡길 의사가 있는지를 검증한다.
여기에 중요한 분모가 빠져 있다.
현재 테스트에 참여한 팀이 몇 개뿐이라면 수백 건의 주문은 실패로 볼 수 없다. 이미 수천 개의 Agent가 권한을 얻었다면 수백 건의 주문은 제품 형태 자체에 문제가 있다는 뜻이다. Ars Technica의 보도는 어느 쪽인지 판단할 만큼 충분한 데이터를 제공하지 않는다. 존재하지 않는 결론을 DoorDash에 대신 내리려 하지는 않겠다.
다만 한 가지는 확인할 수 있다. 접근 기능은 아직 대규모 주문으로 연결되지 않았다.
기술 연동은 전체 흐름의 절반에 불과하다
AI Agent를 DoorDash에 연결했다고 해서 Agent가 실제로 소비를 마친 것은 아니다.
전체 과정을 다섯 단계로 나눌 수 있다.
- 의도 파악: Agent가 사용자가 무엇을 먹을지, 예산·시간·인원 등 어떤 제약을 두는지 이해한다.
- 상품 검색: 실시간 메뉴, 재고, 배달 가능 범위에서 후보 식당을 찾는다.
- 선호도 확인: ‘덜 맵게’, ‘늘 먹던 것’, ‘소금 조금만’ 같은 모호한 요청을 처리한다.
- 결제 승인: 금액을 명확히 표시해 사용자의 승인을 받고, 쿠폰·환불·취소를 처리한다.
- 배달 문제 해결: 주소 오류, 누락된 음식, 잘못된 주문, 지연 배달에 책임질 주가 필요하다.
앞의 네 단계는 주로 모델과 소프트웨어로 수행할 수 있다. 다섯 번째 단계를 Agent만으로 해결하기는 어렵다.
음식이 빠졌다면 모델이 요청을 잘못 이해한 것일까, 식당이 만들다漏친 것일까. 식사로 인한 손실은 누가 부담해야 하는가. Agent가 직접 환불할 수 있는가, 아니면 증거를 고객센터에 전달해야 하는가. 사용자가 단가 68달러인 세트를 주문했는데 Agent가 임의로 구매했다면 한 번의 조작으로 취소할 수 있는가?
이런 문제는 API에 confirm() 하나를 더하는 것으로 해결되지 않는다. 더 정확히는 Agent의 권한 설계를 다룬 문제에 가깝다.
- Agent는 무엇을 추천할 수 있는가?
- Agent는 무엇을 장바구니에 담을 수 있는가?
- Agent는 얼마 이하의 주문을 제출할 수 있는가?
- 어떤 행동은 반드시 사용자가 승인해야 하는가?
- 문제가 생겼을 때 Agent는 어떤补救 조치를 취할 수 있는가?
좋은 소비 Agent는 ‘답변이 더 똑똑해진 검색 엔진’이 아니다. 제한된 권한을 부여받은 운영자에 가깝다.
소비자는 Agent를 하나 더 설치할 이유가 없다
어떤 Agent가 사용자가 땅콩을 먹지 않고, 태국 식당을 선호하며, 매주 수요일 점심에는 같은 식당에서만 주문한다는 사실을 기억하고 DoorDash에서 조건에 맞는 세트를 찾아줄 수 있다고 하자.
그러면 사용자는 왜 굳이 DoorDash를 직접 열어야 할까?
빈도가 높은 사용자에게는 DoorDash App을 여는 것 자체가 이미 가장 짧은 경로다. 주소, 결제 수단, 자주 찾는 장소가 모두 저장돼 있고 검색 결과도 충분히 빠르다. Agent가 클릭을 10초 줄일 수 있더라도 사용자는 또 다른 전환 비용을 감당해야 한다.
- 진입점을 새로 바꾼다.
- Agent에 소비 기록 접근 권한을 허용한다.
- 결제 수단을 제3자에게 맡긴다.
- 새로운 추천 방식과 개인정보 처리 범위를 수용한다.
- Agent가 실제로 자신의 선호도를 이해했는지 확인한다.
Agent가 주는 이득은 ‘클릭을 조금 덜 해야 한다’는 것이다. 반면 부담하는 비용은 ‘돈을 쓰는 방식 자체를 바꾸는 일’이다.
택시, 여행, 예약과 같은 서비스에서 Agent가 더 쉽게 성립할 수 있는 이유도 여기에 있다. 이런 업무는 빈도가 낮고 단계가 많아 여러 사이트에서 티켓을 예약하거나 차량을 부르는 대신하면 시간을 뚜렷하게 절약할 수 있다. 배달 음식 주문은 다르다. DoorDash를 열고 식당 하나를 선택해 주문 버튼을 누르는 과정은 이미 사용자가 익숙한 짧은 흐름이다.
더 까다로운 부분은 신뢰의 비대칭이다.
Agent가 잘못 주문하면 사용자는 그 손실을 오래 기억한다. Agent가 몇십 초를 절약했다고专门히 감사할 필요는 없는 경우가 많다.
플랫폼과 Agent의 이해관계는 일치하지 않는다
DoorDash가 외부 Agent의 접근을 허용하는 것은 이들이 새로운 유입 경로가 될 수 있다는 뜻이다. 동시에 여러 의문이 생긴다. DoorDash는 어느 Agent에서 온 트래픽인지 어떻게 식별하는가. 주문은 누구에게 귀속되는가. Agent 개발사는 사용자 유입에 대해 비용을 지불해야 하는가. 플랫폼 수수료를 제외하면 Agent 개발사에는 얼마가 남는가?
어떤 Agent가 사용자의 주문 100건을 처리했는데 60건은 DoorDash에서, 40건은 다른 플랫폼에서 발생했다고 하자. 사용자가 다음 주에도 DoorDash를 직접 연다면, 그 Agent는 정말 가치를创造了 것일까, 아니면 원래부터 발생할 주문의 일부를 대신 처리했을 뿐일까?
자주 쓰이는 귀속 방식에는 다음 사항들이 포함된다.
- 클릭을 유입한 Agent에게 귀속한다.
- 최종 결제를 완료한 Agent에게 귀속한다.
- 첫 구매를 성사시킨 Agent가 일부 수수료를 받는다.
- 사용자가 Agent 안에서 주문 전체를 마치면 Agent가 고정 금액을 받는다.
어떤 규칙을 선택하느냐에 따라 Agent의 사업 모델이 달라진다.
귀속 권한이 지나치게 플랫폼에 유리하면 Agent 개발사는 제품 개발에 투자하기 어렵다. 반대로 Agent에 너무 유리하면 플랫폼은 사용자 관계와 거래 통제권을 잃을 수 있다.
따라서 API 개방은 진입점에 불과하다. 더 어려운 문제는 수익 배분 방식이다.
상업적 순환이 만들어지지 않으면 접근 기능은 실험 기능에 가깝다. 개발자는 API를 호출하고 플랫폼은 이용 현황을 관찰할 수 있지만, 양쪽 모두 권한·정산·판매 후 문제를 해결할 충분한 유인이 없다.
범용 쇼핑보다 좁은 장면부터 시작해야 한다
더 현실적인 길은 모든 상품을 주문할 수 있는 범용 Agent를 바로 만드는 것이 아니다.
우선 절차가 많고 빈도가 낮으며 오류를 감수할 범위가 명확한 좁은 장면부터 찾는 편이 낫다. 예를 들면 다음과 같다.
- 여러 명이 모인 회의를 위한 점심 주문
- 명확한 예산에 맞춰 평일 저녁 식사 주문
- 알레르기 사용자를 위한 식당 선별과商家의 재료 확인 요청
- 배달이 지연될 때 가격 상한을 설정한 자동 재주문
- 정기 주문 추적과 메뉴 변경 시 사용자의 확인 요청
이 장면들에는 두 가지 공통점이 있다.
- Agent가 절약한 시간이 사용자에게 분명하게 감지된다.
- 주문 규칙을 사전에 정의하기 쉽다.
평가 지표도 데모 횟수나 가입자 수에서 상업적 결과로 옮겨야 한다.
- 7일 및 30일 재구매율
- 활성 사용자 한 명당 주문 수
- 객단가와 플랫폼 수익
- 취소율, 환불율, 식사 손실률
- 사용자가 Agent 주문을 수정하는 비율
- 이상 발생 시 사람 고객센터가 개입하는 비율
- 귀속 주문 비중과 Agent의 고객 획득 비용
특히 ‘사용자가 주문을 수정하는 비율’은 중요하다.
이 지표는 주문량보다 Agent의 신뢰성을 더 직접적으로 보여준다. 사용자가 Agent가 장바구니에 담은 음식을 다시 삭제하고, 다른 식당으로 바꾸고, 주소를 수정했다면 추천 정확도가 아직 충분하지 않거나 승인 단계에서 기대와 실제 사이의 간극을 좁히지 못했다는 뜻이다.
기술적으로 이 접근은 복잡하지 않다. Agent는 MCP 같은 프로토콜을 통해 도구와 연결할 수 있지만, 프로토콜이 해결하는 것은 ‘어떻게 호출하는가’뿐이지 ‘호출해야 하는가’, ‘오류가 나면 누가 책임지는가’다. 후자는 여전히 제품 규칙과 계약에 명시해야 한다.
편집자 관점
DoorDash의 수백 건 주문은 AI Agent의 미래를 결정하는 판결과는 아니다. 모델은 콘텐츠 생성에 능하지만 소비 Agent는 진입점, 권한, 책임, 수익 배분을 처리해야 한다는 점을 일러주는 reminds일 뿐이다. 기술 서사가 놓치기 쉬운 교훈에 가깝다.
제 예측으로는 Agent는 빈도가 낮고 마찰이 큰 쇼핑 장면에서 먼저 자리를 잡을 가능성이 크다. 여러 명이 함께 식사하거나 출장 중 식사 주문을 하는 상황 같은 곳이다. 일상적인 배달 음식 주문은 여전히 App이 직접 처리할 것이다. 플랫폼도 Agent를 유일한 진입점으로 만들지 않고, 결제 전 추천 계층에 배치해 사용자가 계속 주문 내용을 확인하고 결제를 하도록 둘 수 있다.
이번 사례는 과거의 Agent 데모와 달랐다. 당시 많은 시연은 ‘작업을 완료할 수 있다’는 단계에 머물렀다. 이번에는 실제 거래에 진입하면서 사용자가 옮겨 올 이유가 부족한 점과 양측 사이에 귀속 프로토콜이 없다는 점이 드러났다. 수백 건의 주문이 정확히 몇 명의 활성 사용자와 연결되는지, 접근이 열린 지 얼마나 됐는지는 현재的资料만으로 여전히 파악하기 어렵다. 이 분모들이 없으면 방향성은 읽을 수 있지만 DoorDash의 성패를 판정할 수는 없다.
참고 자료
- Ars Technica: Basically no one is using AI agents for their DoorDash orders
- Hacker News: 관련 토론