AI추천이 내 취향과 다른 상품을 띄우는 데는 이유가 있습니다. 기존 추천 시스템은 일시적 행동도 고객의 취향으로 받아들이는 경우가 많아 실제 취향과 다른 추천이 생기기도 했습니다. 그래서 추천은 참고용으로 쓰고 사기 전에는 가격·광고 여부·후기를 직접 확인하는 편이 안전합니다.
한눈에 보기
- 한두 번 클릭한 기록이 취향으로 읽히면 추천이 엉뚱해질 수 있습니다.
- AI 상품추천의 장점으로 '평소 몰랐던 상품 발견'이, 단점으로 '광고 상품과 구분 어려움'이 꼽혔습니다.
- 온라인쇼핑 피해가 생기면 서울시 전자상거래센터에서 도움받을 수 있습니다.
AI추천이 엉뚱하게 나오는 원리: 한 번 클릭도 취향으로 읽힌다
로맨스 영화를 즐기는 고객이 액션 영화를 한 번 보면 이후 추천이 그 장르로 치우칠 수 있다고 SK텔레콤은 설명합니다.
SK텔레콤은 고객이 오랜 기간 반복해 보인 행동 패턴을 분석해 꾸준한 취향을 '일관된 선호'로 정의합니다. 한두 번 클릭했거나 우연히 조회한 것은 '표면적 선호'로 구분됩니다. 두 선호가 일치하면 학습 가중치를 높이고 충돌하면 노이즈로 보고 낮추도록 설계됐습니다.
SK텔레콤은 이 내용을 AI 분야 국제학회 ICLR 2026 논문으로 발표했다고 2026년 4월 28일 밝혔습니다. 핵심 기술은 독자 개발한 '충돌 선호 최적화(C-APO)'입니다. 서로 부딪히는 선호를 걸러내 고객이 진짜 원하는 상품을 더 정확히 추천하는 데 쓰입니다.
다만 이는 SK텔레콤 연구가 쓰는 방식이며, 모든 쇼핑 앱이 같은 기준으로 움직인다는 뜻은 아닙니다. 한 번 눌러 본 상품과 비슷한 것이 계속 보일 때는 일시적 행동이 취향으로 읽혔을 가능성을 떠올려 볼 수 있습니다. 추천 기록을 지우거나 설정을 바꾸는 방법은 서비스마다 다르므로, 해당 서비스의 설정 메뉴나 고객센터에서 관리 방법을 확인하면 됩니다.
AI추천 믿어도 될까: 소비자가 꼽은 장점과 단점 비교
AI 상품추천은 '몰랐던 상품 발견'이 장점 1위, '필요치 않은 구매 유도'가 단점 1위로 꼽혔습니다.
서울시는 온라인쇼핑 이용 소비자 1,000명('25.10.2.~10.14.)을 대상으로 인식조사를 실시해 2026년 2월 결과를 발표했습니다. 아래 표는 서울시가 발표한 장점과 단점을 나란히 놓은 것입니다.
순위장점응답단점응답
| 1 | 평소 몰랐던 상품 발견 | 39.5% | 필요치 않은 상품 구매 유도 | 31.2% |
| 2 | 본인 취향에 맞는 상품 선택 | 28.6% | 광고 상품과 구분 어려움 | 24.0% |
| 3 | 거래비용 감소 | 13.0% | 개인정보의 과도한 수집 | 20.8% |
| 4 | 상품 선택의 다양성 증가 | 12.1% | 편향된 제품 추천 | 12.4% |
| 5 | 보다 저렴한 가격에 구매 | 5.7% | 직접 검색보다 비싼 구매 | 11.3% |
장점은 '발견'에 몰리고 단점은 '구매 판단'에 몰려 있습니다. 가격 면에서도 '저렴한 구매'를 장점으로 꼽은 응답보다 '직접 검색보다 비싼 구매'를 단점으로 꼽은 응답이 많았습니다. 그래서 추천은 새 상품을 찾는 창구로 쓰고 추천 상품의 값은 추천 화면 밖에서 직접 견주는 편이 맞습니다.
자주 막히는 곳: AI대화 챗봇 상담의 한계와 도움받을 곳
2026년 2월 서울시 발표 기준, 피해 발생 시 고객센터 연결이 안 되거나 자동응답 등으로 연락이 원활하지 않았다는 응답이 가장 많았습니다.
추천이나 상담이 틀렸을 때 바로잡을 길이 막히는 문제와 이어집니다. 고객센터 연결이 안 되거나 자동응답 등으로 연락이 원활하지 않았다는 응답이 41.1%였습니다.
AI 챗봇 상담의 불편으로는 질문과 관련 없는 획일적 답변이 39.4%였습니다. 복잡·어려운 문의 시 대응력 부재는 23.4%, 문의 내용에 대한 낮은 이해도는 21.7%였습니다. 문의 내용 입력의 불편함은 12.9%였습니다.
소비자가 바란 개선은 챗봇과 직원 1:1 상담 동시 운영(40.4%)이 가장 많았습니다. 복잡한 문의 시 상담원 즉시 연결(27.0%), 유선(전화) 고객센터 운영 의무화(23.6%)가 뒤를 이었습니다.
서울시는 2026년 2월, 온라인쇼핑 피해를 입은 소비자는 서울시 전자상거래센터 누리집(ecc.seoul.go.kr)이나 전화상담(02-2133-4891~6)으로 도움받을 수 있다고 안내했습니다. 현재 운영 여부는 센터에 확인하시기 바랍니다.
AI종류별 추천 사례: 증권 검색과 지원사업 맞춤 추천
증권 앱의 AI추천검색은 기존 검색 기능에 자연어 처리와 인공지능 기술을 결합한 서비스입니다.
미래에셋증권 AI추천검색
미래에셋증권은 모바일 트레이딩 시스템 M-STOCK에 'AI추천검색' 베타 서비스를 열었다고 2025년 6월 2일 밝혔습니다. 오타나 모호한 표현까지 이해하는 것이 특징입니다. 종목명을 '엔디비아'로 잘못 입력해도 '엔비디아'로 자동 교정해 정보를 보여 줍니다.
2025년 6월 발표 당시에는 베타 단계였고 검색 데이터로 응답 품질을 개선한 뒤 정식 출시할 예정이었습니다. 현재 운영 상태는 앱에서 확인하시기 바랍니다. 미래에셋증권은 2025년 6월, 같은 회사의 'AI투자정보'가 추천 알고리즘으로 개인화된 투자 정보를 보내고 위험 요소를 감지해 알림을 보낸다고 밝혔습니다.
중소벤처기업부 지원사업 맞춤 추천
중소벤처기업부는 2026년 4월 16일 「중기부 공공 AX 전환계획」을 발표했습니다. 계획 속 전용 AI 에이전트는 관심 공고·상담 기록 같은 개별 데이터를 학습해 지원사업 맞춤 추천을 제공합니다. 2026년 4월 발표 당시 이를 담을 '중소기업 통합플랫폼'은 다음 달 시범 오픈 예정이었습니다.
실제 운영 여부는 중소벤처기업부 안내로 확인하시기 바랍니다. 맞춤 추천만 보지 말고 전체 공고 목록도 함께 살피면 놓치는 사업을 줄일 수 있습니다.
추천을 따르기 전 확인 목록: 단점별 점검 기준
광고인지, 근거가 있는지, 다른 곳과 견줘 봤는지를 먼저 봅니다. 쇼핑뿐 아니라 금융·지원사업 추천, 구직 서비스의 추천을 볼 때도 같은 질문을 던질 수 있습니다. 구직 서비스의 추천 사례는 이 글에서 따로 다루지 않았으므로, 아래 기준을 공통 질문으로 활용하면 됩니다.
- 광고 여부
추천 칸에 광고 표시가 붙어 있는지 확인합니다. - 필요 여부
담기 전에 원래 사려던 물건인지 따져 봅니다. - 가격 비교
추천 화면 밖에서 같은 상품을 직접 검색해 값을 견줍니다. - 근거와 다른 출처
금융·지원사업·구직 추천은 왜 추천됐는지 살피고 공식 공고나 다른 출처와 대조합니다.
후기는 여전히 쓸 만한 판단 근거입니다. 서울시가 2026년 2월 발표한 조사에서 구매후기가 구매 결정에 도움이 된다는 응답은 69.7%였습니다. 높은 평점·장점 위주 후기의 우선 노출(25.0%)도 지적됐습니다.
그래서 비판적 후기를 일부러 찾아 읽는 편이 좋습니다.
자주 묻는 질문
Q. 인플루언서가 광고하는 상품 추천은 어떤 점을 조심해야 하나요?
A. 서울시가 2026년 2월 발표한 조사에서 외형·성능·품질에 대한 허위·과장광고 피해를 우려한다는 응답이 40.9%였습니다. 품질보다 개인 인지도·인기를 통한 판매를 우려한 응답도 24.0%였습니다.
Q. AI추천 때문에 개인정보가 걱정되면 무엇이 가장 필요하다고 보나요?
A. 서울시가 2026년 2월 발표한 조사에서 응답자의 40.8%가 온라인쇼핑몰 보안 강화가 가장 필요하다고 답했습니다.
마무리
AI추천은 일시적 행동을 취향으로 오해할 수 있고, 광고와 섞여 보이기도 합니다. 새로운 상품을 발견하는 데는 쓰되 구매·투자 결정 전에는 가격·광고 여부·후기를 직접 확인하시기 바랍니다.
참고한 자료
- opengov.seoul.go.kr — 석간 온라인쇼핑소비자AI추천·챗봇상담유용하지만충동구매·피해대응어려워 (2026.2.26)
- 중소벤처기업부
AI+로그인 한 번에, AI 에이전트가 지원사업 추천부터 서류작성 보조까지 (2026.4.16) - shop.or.kr — SKT, 대표적 국제 AI 학회 ICLR에서 ‘진짜 선호’ 찾아내는 AI 추론 모델 논문 발표 (2026.4.28)
- newscatch.or.kr — 미래에셋증권, ‘AI추천검색’ 서비스 오픈… 부정확한 검색어도 AI가 이해한다 (2025.6.2)
함께 보면 좋은 글
'IT' 카테고리의 다른 글
| 개인정보보호법 개정 2026년 9월 11일 시행｜유출 신고 범위·과징금·CPO 의무, 실무에서 바뀌는 지점 (0) | 2026.10.10 |
|---|---|
| 보안 취약점 점검 연 1회로 충분할까｜금융권 점검 개편 방향과 AI 망분리 완화 테스트 정리 (0) | 2026.10.10 |
| AI에이전트 구조 정리｜공공기관 3종 사례로 본 작동 방식과 도입 전 검증 포인트 (1) | 2026.10.09 |
| 생성형AI 처음 쓰는 법｜검색과 다른 원리부터 프롬프트·답변 검증까지 (0) | 2026.10.08 |
| AX 뜻부터 적용 순서까지｜제조·민원 현장 사례로 본 AI 전환과 막히는 지점 (0) | 2026.10.08 |