AI 기반 사양 결정이 B2B 구매를 어떻게 바꿨나

실제로 바뀐 것은 무엇인가

달라진 것은 구매자가 AI를 쓴다는 사실이 아니다. 구매의 흐름에서 '어느 단계'에 쓰느냐다.

지난 30년 동안 산업재 구매 여정은 검색에서, 혹은 대리점 사이트나 카탈로그, 영업 담당자에서 시작해 후보 목록으로 끝났다. 공급업체의 과제는 그 출발점에 존재하는 것이었다 — SEO로, 정식 대리점 유통망으로, 설계자 옆에 앉는 필드 애플리케이션 엔지니어(FAE)로. 초반의 존재감이 후반의 검토로 이어졌다.

그 순서가 뒤집혔다. 구매자는 이제 어시스턴트에서 출발해 후보 목록에 도달하고, 그다음에야 공급업체의 접점을 건드린다 — 대개는 이미 좁혀진 결정을 확인하기 위해서다. Forrester의 2026년 1월 분석에 따르면 구매 프로세스 어딘가에서 AI를 쓰는 기업 구매자는 94%로, 1년 전 89%에서 늘었다. 그리고 헤드라인보다 더 중요한 대목은 따로 있다. 생성형 AI나 대화형 검색을 더 의미 있거나 더 중요한 정보원으로 꼽은 구매자가 다른 어떤 정보원을 꼽은 층보다 두 배 많았다는 것이다. 공급업체 웹사이트도, 제품 전문가도, 영업 담당자도 그 아래였다.

이 문장은 천천히 읽을 필요가 있다. AI가 여러 채널 가운데 하나가 되었다는 이야기가 아니다. 업계가 수십 년에 걸쳐 쌓아 올린 채널을 AI가 밀어냈다는 이야기다.

평가는 이제 어디에서 이루어지는가

세 건의 데이터가 서로 다른 각도에서 같은 변화를 가리킨다.

Adobe의 수치는 소매 데이터이고, 산업재 구매는 소매가 아니다. 그러나 그 수치가 드러내는 메커니즘은 채널을 가리지 않는다. 걸러내는 일을 어시스턴트가 대신했다면, 그 뒤에 이어지는 방문은 둘러보기가 아니라 의사결정이다. Adobe는 그런 방문자가 사이트에 48% 더 오래 머물고 13% 더 많은 페이지를 봤다는 사실도 확인했다. 수는 줄고, 시점은 늦어지고, 질은 높아진다 — 그리고 그 전부가 어시스턴트가 당신을 골랐는지 여부에 전적으로 달려 있다.

그 밑에 깔린 규모는 결코 미미하지 않다. OpenAI는 2026년 2월 ChatGPT의 주간 활성 사용자가 9억 명을 넘었다고 발표했다. 그중 부품 번호를 확인하는 엔지니어의 비중이 얼마가 되든, 어떤 대리점의 영업 조직도 지금껏 닿아본 적 없는 모집단이다.

왜 이 변화는 마케팅보다 사양 결정을 더 세게 때리는가

산업재의 마진이 실제로 만들어지는 지점이 사양 결정이고, 사양 결정은 기계가 유난히 개입하기 쉬운 영역이기 때문이다.

마케팅 퍼널은 채널 하나가 약해져도 완만하게 나빠질 뿐이다. 사양 결정은 나빠지지 않는다 — 결판이 난다. 부품은 자재명세서(BOM)에 올라 있거나 올라 있지 않거나 둘 중 하나이고, 한번 올라가면 빼는 데 큰 비용이 든다. 12~36개월에 이르는 디자인인 사이클은 결정과 매출이 몇 년씩 벌어진다는 뜻이다.

그 가치를 회수해온 전통적 장치가 디자인 레지스트레이션(설계 등록)이다. 자사 부품을 고객 제품에 설계 채택시킨 필드 엔지니어를 보유한 대리점에, 공급업체가 추가 마진이나 가격 보호, 혹은 해당 프로그램에서의 단독 공급권으로 보상하는 방식이다. 프랜차이즈 계약, 수요 창출 목표, FAE 인원수 — 이 장치 일체는 단 하나의 질문에 답하기 위해 존재한다. 이 디자인인을 일으킨 것은 누구인가?

어시스턴트 주도의 사양 결정은 그 질문의 답이 아니라 질문 자체를 깨뜨린다. 설계 엔지니어가 요구사항을 어시스턴트에 설명하고, 파라메트릭 정보가 붙은 후보 부품 세 개를 받아, 그중 하나로 설계 등록을 신청했다면, 그 수요를 창출한 필드 엔지니어는 없다. 창출한 것은 데이터다. 그리고 데이터에 어떻게 공을 돌릴지는 아직 아무도 합의하지 못했다.

원래도 무리가 걸려 있던 장치였다. 고객이 생산을 수탁 제조사에 위탁하는 경우, 디자인 레지스트레이션은 오랫동안 제대로 작동하지 못했다. 설계가 이루어지는 곳과 발주서가 나오는 곳이 완전히 다르기 때문이다 — 등록은 서류상으로 살아남지만 그 상업적 논리는 해진다. 기계가 조립한 후보 목록은 같은 부하를 프로세스의 끝단이 아니라 앞단에 건다. 데이터에 투자한 대리점이 반드시 관계를 쥐고 있는 대리점은 아니며, 파라메트릭 정보가 기계에 잘 읽힌 제조사는 애초에 한 번도 연락을 받지 않았을 수 있다.

자사 부품이 답변에 등장할지는 무엇이 결정하는가

이 메커니즘은 구체적으로 짚어둘 가치가 있다. 대부분의 영업·마케팅 조직이 이것을 검색 순위 문제인 양 다루고 있기 때문이다.

사양에 관한 질문에 답할 때 어시스턴트는 대략 네 가지 일을 한다. 요구사항을 제약 조건으로 해석하고, 후보 레코드를 불러오고, 제약 조건에 비추어 걸러내고, 살아남은 것들의 근거를 제시한다. 부품은 이 네 단계 어디에서든 탈락할 수 있는데, 마케팅 조직이 지금까지 최적화해온 대상과 닮은 것은 마지막 하나뿐이다.

두 번째 행이 조용한 살인자다. AEC-Q100 Grade 1 부품을 요청받은 어시스턴트는 인증 상태를 검증할 수 없는 부품을 후보에 넣지 않는다. 제외했다고 알리지도 않고, 여지를 남기지도 않는다. 데이터가 없다는 것은 그 속성이 없다는 것으로 취급된다 — 신중한 도구로서는 옳은 동작이지만, 실제로는 요건을 충족하는 부품을 가진 공급업체에는 파국적인 결과다.

후보 목록을 기계가 짤 때, 가치는 누가 가져가는가

패턴은 일관된다. 우위의 원천이 누구를 아느냐에서 자사 부품에 대해 기계가 무엇을 검증할 수 있느냐로 옮겨간다. 영업 조직을 경쟁의 해자로 삼아온 조직에는 불편한 결론이고, 좋은 데이터를 가졌으나 영업 조직은 전혀 없는 쪽에는 진짜 기회다.

이것은 단절인가, 아니면 새로운 채널일 뿐인가

정직하게 답하자면, 디스커버리의 변화에는 충분한 근거가 있고 거래의 변화에는 없다.

Gartner는 에이전틱 AI 프로젝트의 40% 이상이 2027년 말까지 취소될 것으로 예측하며, 그 이유로 비용 급증, 불분명한 사업 가치, 미흡한 리스크 통제를 든다. 이 예측은 잘 버텨왔다. OpenAI는 Shopify 판매자 열두어 곳이 가동된 뒤인 2026년 3월 자사 Instant Checkout을 철회했고, Deloitte에 따르면 에이전틱 AI 기술을 조금이라도 쓰는 B2B 공급업체는 4분의 1에도 못 미친다.

산업재 구매에는 소매에 없는 마찰이 더 있다. 계약 가격은 협상으로 정해지고 대외비다. 승인에는 Forrester가 집계한 사내 관계자 13명과 사외 영향자 9명이 관여하며, 구매 부서는 전체 건의 53%에서 의사결정자로 움직인다. 적합성 문서 — RoHS, REACH, 분쟁 광물, UKCA 및 CE 선언서 — 는 결정에 관해 주장되는 것이 아니라 결정에 첨부되어야 한다.

그중 어느 것도 어시스턴트가 후보 목록을 작성하는 일을 막지는 못한다. 막는 것은 어시스턴트가 발주하는 일이다. 이 둘은 전혀 다른 주장이고, 둘을 뒤섞는 것이 이 시장에서 가장 흔한 오류다.

제조사와 유통사는 무엇을 해야 하는가

1. 01어시스턴트가 지금 자사 부품에 대해 뭐라고 말하는지 확인하라. 실제 부품 번호 다섯 개를 골라, 답을 이미 아는 사실 질문 다섯 개를 어시스턴트 세 곳에 던져보라. 대부분의 팀은 20분 안에 구체적이고 수정 가능한 오류를 찾아낸다.
2. 02자사 카탈로그 페이지를 브라우저가 아닌 평범한 클라이언트로 직접 받아보라. Partsgraph가 2026년 8월 전 세계 984개 유통사·제조사 도메인을 감사했을 때, 38%는 표준적인 비브라우저 클라이언트에 읽을 수 있는 카탈로그 페이지를 전혀 제공하지 못했고, AI 가시성 점수의 중앙값은 100점 만점에 50점이었다. 가장 흔한 원인은 단연 클라이언트 사이드 렌더링이다.
3. 03정본 레코드를 하나로 정하라. PIM, PDF 데이터시트, ERP에 흩어진 파라메트릭 정보는 서로 다른 세 개의 답을 만들어낸다. 어시스턴트는 자기가 찾아낸 것을 인용할 뿐, 그것이 어느 쪽이었는지는 누구에게도 알려주지 않는다.
4. 04적합성과 수명주기 상태를 문서가 아니라 데이터로 공개하라. 단종, 라스트 타임 바이 기한, 지역별 인증은 어시스턴트의 답변에서 가장 틀리기 쉬운 항목이자, 틀렸을 때 상업적으로 가장 치명적인 항목이다.
5. 05에이전트에 직통 경로를 열어주라. Microchip은 2025년 11월 검증된 제품 사양, 데이터시트, 재고, 가격, 리드타임을 AI 클라이언트에 노출하는 공식 Model Context Protocol 서버를 공개했다. 그 명단은 여전히 눈에 띄게 짧다 — 같은 2026년 8월 감사에서 984개 도메인 가운데 MCP 엔드포인트를 내건 곳은 단 하나도 없었다.
6. 06채널이 먼저 손대기 전에 수요 창출 규칙을 다시 써라. 디자인 레지스트레이션이 기계에서 비롯된 사양 결정에 공을 돌리지 못한다면, 대리점은 그 결정을 만들어내는 데이터에 투자하기를 멈출 것이고, 그 문제는 제조사가 떠안게 된다.

복리로 쌓이는 부분

구매자가 다시 탭 열두 개를 열어젖히는 미래는 현실적으로 없다. 어시스턴트가 사양에 관한 질문에 한 번 제대로 답하고 나면 그 유형의 질문에 대해서는 기본 출처가 되고, 기본값은 스스로를 강화한다. 인용되는 답변은 더 강화되고, 기계에 잘 읽히는 공급업체가 인용된다.

시차는 이 문제를 완화하는 게 아니라 악화시킨다. 2026년에 따낸 사양은 2028년에 매출로 도착한다. 즉 2028년에 자사 디자인인 성공률이 소리 없이 떨어졌음을 발견하는 기업들은, 2년 전에 딱히 누구랄 것도 없는 사람들이, 아무도 소유하지 않은 체계 안에서 내린 데이터 품질 결정을 들여다보게 된다는 뜻이다.

어시스턴트가 지금 당신의 카탈로그에 대해 무엇을 말하는지 알고 싶다면, [/audit](/audit)의 무료 진단 도구가 기계는 실제로 그것을 어떻게 읽는지 확인해 준다.