AI가 대신 장을 볼 때 «순위»는 아직 힘이 있나 — 5,000세션 무작위 배치 실험

검색 결과에서 위에 놓이는 것은 값이 나갑니다. 광고비도 거기서 나옵니다.

이유는 단순합니다. 사람의 주의는 한정돼 있고, 위에서부터 순서대로 봅니다. 아래로 갈수록 눈에 덜 띄고 덜 팔립니다.

그런데 그 전제가 흔들리고 있습니다. 소비자가 검색을 AI 에이전트에게 넘기기 시작했기 때문입니다. 에이전트는 결과 페이지를 한 번에 통째로 읽습니다.

⚠️아래는 동료심사 전 프리프린트의 초록에 적힌 내용입니다.

어떻게 쟀나

• 호텔 목록 100개의 순서를 무작위로 바꿉니다.
• AI 에이전트 세션 5,000회를 돌립니다.
• 대규모 언어모델 4종을 비교합니다.
• 그리고 사람의 현장 데이터와 대조합니다.

순서를 무작위로 섞는 것이 핵심입니다. 그래야 「좋아서 위에 있는 것」과 「위에 있어서 선택된 것」을 가를 수 있습니다.

무엇이 나왔나

초록이 보고한 것을 그대로 옮깁니다.

첫째, 에이전트는 사람보다 «깊이» 탐색했습니다. 그리고 구매를 거절하는 일이 없었습니다.

둘째, 위치는 여전히 어떤 항목이 검토되는지를 예측합니다. 다만 약하게, 그리고 «단조롭지 않게» 예측합니다.

★여기서 가장 눈에 띄는 대목이 나옵니다. 검토될 확률이 가장 낮은 곳은 «맨 아래»가 아니라 «가운데»였습니다.

셋째, 위치가 «선택» 단계까지 영향을 미치는 모델이 있고 아닌 모델이 있었습니다. 그리고 초록은 이 이질성이 제공사나 성능을 따라가지 않는다고 적었습니다.

넷째, 그럼에도 모든 모델이 «같은» 압도적 우위 항목으로 수렴했습니다.

「가운데가 가장 안 보인다」가 뜻하는 것

사람의 목록 읽기에서는 대개 위와 아래가 유리하고 가운데가 불리합니다. 처음 본 것과 마지막에 본 것이 기억에 남기 때문입니다.

이번 결과는 그 형태를 에이전트에서도 보여 줍니다. 다만 원인이 사람과 같은지는 이 연구가 답하지 않습니다. 초록은 패턴을 보고했을 뿐입니다.

⇒ 실무적으로 뒤집히는 것은 이것입니다. 「아래로 밀리면 안 보인다」가 더는 성립하지 않을 수 있습니다. 목록이 길어질수록 «중간»이 가장 불리한 자리가 됩니다.

저자들의 결론 한 줄

초록은 이렇게 맺습니다. 에이전트 검색에서는 결과 페이지에 «표시되는 속성»이 그 안의 «배치»보다 더 중요하다.

읽는 방식이 바뀌면 값어치의 자리도 옮겨 간다는 뜻입니다.

• 사람이 보던 시절 — 어디에 놓이는가가 컸습니다. 아래는 안 보였으니까요.
• 에이전트가 보는 시절 — 무엇이 적혀 있는가가 큽니다. 전부 읽히므로 «읽힐 기회»는 균등해지고, 비교되는 값이 승부를 가릅니다.

「같은 답으로 수렴했다」가 더 무거울 수 있습니다

초록의 네 번째 결과가 실은 가장 파급이 큽니다. 모델 4종이 서로 다르게 탐색했는데도 결국 «같은» 압도적 우위 항목을 골랐다.

사람이 고를 때는 결과가 흩어집니다. 취향이 다르고, 본 만큼만 알고, 중간에 지쳐서 아무거나 고르기도 합니다. 그 흩어짐이 곧 여러 판매자에게 기회가 되어 왔습니다.

에이전트가 고르면 그 흩어짐이 줄어들 수 있습니다. 조건이 같으면 같은 답이 나오기 때문입니다.

⇒ 그러면 시장의 모양이 이렇게 바뀔 수 있습니다.

• 승자독식이 심해질 수 있습니다. 「누가 봐도 나은 항목」이 있으면 그쪽으로 몰립니다.
• ★애매한 차별화가 안 통할 수 있습니다. 사람에게는 「분위기가 좋아 보여서」가 통했지만, 비교되는 값이 뒤지면 에이전트는 안 고릅니다.
• 반대로 «작지만 조건이 명확한» 쪽에는 기회가 됩니다. 브랜드 인지도가 낮아도 목록에서 값이 우수하면 읽힙니다.

⚠️단서를 답니다. 이건 초록의 결과에서 제가 이어 붙인 함의이지 저자들이 주장한 바가 아닙니다. 그리고 실험은 호텔 한 품목입니다. ⇒ 「시장이 이렇게 바뀐다」로 읽지 마시고 「이런 질문이 생긴다」로 읽어 주십시오.

조심해서 읽을 것

• ⚠️동료심사 전입니다.
• 모델 이름이 초록에 없습니다. 「어느 모델이 낫다」는 이 자료로 말할 수 없고, 초록이 이질성이 제공사·성능을 따라가지 않는다고 명시한 만큼 특히 조심해야 합니다.
• 한 품목(호텔)의 결과입니다. 다른 상품군으로 일반화되는지는 답하지 않습니다.
• 「구매를 거절하지 않았다」는 실험 설정의 성격일 수 있습니다. 실제 소비자 대리 상황에서 그대로일지는 별개 문제입니다.
• ★수치는 초록에 없습니다. 이 글에서 퍼센트를 적지 않은 이유입니다.

그래서 무엇을 볼 것인가

• 목록에 «표시되는 속성»을 정비하십시오. 가격·조건·평점처럼 비교되는 값입니다. 배치보다 그쪽이 중요해질 수 있습니다.
• 「상위 노출」 지표의 의미가 바뀔 수 있습니다. 사람 트래픽과 에이전트 트래픽을 나눠 보지 않으면 원인을 못 읽습니다.
• 가운데를 조심하십시오. 목록이 길다면 중간 구간이 가장 불리할 수 있습니다.
• ⚠️다만 지금 당장 예산을 옮길 근거로 쓰기에는 이릅니다. 프리프린트 한 편이고 한 품목입니다.

정리하면

• 호텔 100개의 순서를 무작위로 바꿔 에이전트 5,000세션을 돌리고 사람 데이터와 비교했습니다.
• 에이전트는 사람보다 깊이 탐색했고 구매를 거절하지 않았습니다.
• 위치는 여전히 «검토 여부»를 예측하지만 약하고 단조롭지 않습니다.
• ★가장 안 보이는 자리는 «맨 아래»가 아니라 «가운데»였습니다.
• 위치가 «선택»까지 가는지는 모델마다 달랐고, 그 차이는 제공사나 성능을 따라가지 않았습니다.
• 그럼에도 모든 모델이 같은 우위 항목으로 수렴했습니다.
• ★저자들의 결론 — 에이전트 검색에서는 «표시되는 속성»이 «배치»보다 중요하다.
• ★「모델이 달라도 같은 답으로 수렴했다」는 결과는 선택의 «흩어짐»이 줄 수 있음을 시사합니다. ⚠️단 이 함의는 저자 주장이 아니라 이 글의 해석입니다.

본 콘텐츠는 arXiv:2608.22697v1(2026-08-24)의 초록에 기재된 내용에 한해 정리한 해설입니다. ⚠️동료심사를 거치지 않은 프리프린트이며, 모델 이름과 구체 수치는 초록에 없어 본문에 적지 않았습니다. 최종 확인일: 2026-08-28.

작성: Inkmoat 편집팀 — 「순위가 값이 나가는 이유」의 전제가 바뀌면 무엇이 따라 바뀌는지를 축으로 잡았습니다.

참고

• arXiv:2608.22697v1, Does Rank Still Matter? Position Bias When AI Agents Shop on Our Behalf (2026-08-24)
• 순차 탐색과 주의 배분이 만드는 순위의 값어치
• 무작위 배치 설계로 «위치 효과»를 분리하는 방법
• 표시 속성과 배치의 상대적 비중