Stripe

How agents, digital wallets, and trust are rewriting checkout (새 탭에서 열림)

글로벌 이커머스 시장은 모바일 결제 비중의 급격한 확대와 디지털 지갑의 보편화, 그리고 AI 기반 구매 대행이라는 거대한 전환점을 맞이하고 있습니다. 소비자들은 이제 고액 결제마저 모바일에서 처리하며 지역적·세대별 특성에 맞춘 정교한 결제 환경을 기대하고 있으며, 기업들은 이에 대응해 결제 단계를 단순한 지불 수단이 아닌 정체성 확인과 전환 최적화의 핵심 거점으로 재설계해야 합니다. **고단가 상품으로 확장되는 모바일 결제** * 모바일은 이미 소액 결제를 지배하고 있으며, 과거 데스크톱에서 주로 이루어지던 500달러 이상의 고액 결제 또한 모바일로 빠르게 이동하는 추세입니다. * APAC 및 EMEA 지역에서 이러한 경향이 가장 두드러지게 나타나며, 미국에서도 지난 2년간 모든 가격대에서 모바일 결제 점유율이 지속적으로 상승했습니다. * 다만 캐나다의 경우 100~249달러 구간에서 결제 기기를 데스크톱으로 전환하는 경향이 남아 있는 독특한 시장 특성을 보입니다. **지역과 세대에 따라 분화되는 디지털 지갑 선호도** * 디지털 지갑은 전 세계 오프라인 결제액의 약 30%를 차지하며, 모바일 결제 시간을 절반으로 단축시켜 전환율을 높이는 핵심 동력이 되었습니다. * 18~29세 젊은 층은 25달러 이하 소액부터 250달러 이상의 고액까지 모든 구간에서 디지털 지갑을 선호하는 '월렛 퍼스트' 경향을 보입니다. * 하지만 포르투갈의 MB WAY, 덴마크의 MobilePay처럼 국가별로 지배적인 지갑 서비스가 다르므로, 단순히 기능을 추가하는 것을 넘어 해당 시장에 특화된 결제 믹스를 구성하는 것이 중요합니다. **전환율을 결정짓는 정교한 현지화 전략** * 전 세계 소비자의 45%가 해외 온라인 쇼핑을 이용하고 있지만, 지리적으로 부적절한 결제 수단을 하나만 노출해도 전환율이 최대 15%까지 하락할 수 있습니다. * 인도네시아와 베트남처럼 결제 수단이 파편화된 시장에서는 다양한 지불 옵션을 노출하는 경험 전체의 현지화가 필요합니다. * 반면 폴란드의 BLIK(전환율 46% 상승)이나 브라질의 Pix(31% 상승)처럼 특정 수단이 지배적인 시장에서는 해당 핵심 수단을 전면에 배치하는 것만으로도 막대한 성과 개선이 가능합니다. **AI 에이전트와 보안 기술이 재정의하는 결제 여정** * 소비자들이 구매 결정을 내릴 때 AI 에이전트의 도움을 받는 것에 개방적으로 변하면서, 결제 단계는 이제 구매 주체(사람 또는 AI)를 인식하고 권한을 즉시 승인하는 지능형 관문으로 진화하고 있습니다. * 백엔드에서는 AI가 실시간 신호를 평가하여 자동화된 카드 테스팅 공격을 차단하는 동시에, 정당한 고객이 거절되는 '오탐(False declines)'을 줄여 사기 피해를 30% 낮추고 승인율을 높입니다. * 구글 제미나이나 오픈AI의 시각적 쇼핑 도구 등 AI 인터페이스 내에서 직접 구매가 일어나는 흐름에 맞춰, 기업은 더욱 유연하고 인증 중심적인 결제 구조를 갖춰야 합니다. 성공적인 이커머스 운영을 위해서는 고객의 국가와 연령대별 결제 습관을 데이터 기반으로 분석하고, 해당 지역의 지배적인 결제 수단을 우선적으로 도입하는 맞춤형 전략이 필수적입니다. 또한, AI 기술을 결제 시스템에 통합하여 보안을 강화함과 동시에 고객에게는 마찰 없는 결제 경험을 제공함으로써 글로벌 시장에서의 경쟁력을 확보해야 합니다.

Shoptalk 2026 인사이트: 에이전트가 리테일을 변화시키는 방식 (새 탭에서 열림)

Shoptalk 2026에서 확인된 에이전틱 커머스(Agentic Commerce)는 이제 미래의 비전이 아닌, 대화형 어시스턴트와 인앱 결제 등을 통해 실제 매출을 일으키는 현실로 자리 잡았습니다. 리테일 리더들은 단순 검색을 넘어 맥락 중심의 AI 발견 시스템으로 전환되는 시장 구조에 대응하기 위해 제품 데이터의 표준화와 체계적인 공급 전략을 고민하고 있습니다. 기술이 상거래의 전 과정을 자동화할수록 소비자의 선택을 받기 위한 브랜드의 신뢰도와 차별화된 고객 경험의 가치는 그 어느 때보다 중요해질 전망입니다. **에이전틱 커머스의 확산과 데이터 전략의 변화** - AI 에이전트가 새로운 '스토어프론트' 역할을 수행함에 따라, 에이전트에게 노출되지 않는 브랜드는 시장에서 소외될 위험이 커지고 있습니다. - 소비자 검색 패턴이 키워드 중심에서 맥락 중심(예: 여행 계획, 특정 상황에 맞는 가전 비교)으로 변화하고 있으며, OpenAI에 따르면 검색의 70%가 이러한 제약 조건을 포함합니다. - 웹 크롤링에만 의존하기보다 에이전트에게 직접 구조화된 데이터를 제공하는 '다이렉트 제품 피드'의 중요성이 강조되고 있습니다. - 세포라(Sephora)처럼 로열티 데이터를 AI와 결합해 맞춤형 샘플이나 혜택을 제안하는 실질적인 활용 사례가 늘고 있습니다. **채팅창을 넘어선 임베디드 커머스로의 확장** - 에이전틱 커머스는 단순한 채팅 기능을 넘어 광고 클릭부터 결제까지 앱을 이탈하지 않고 완료하는 '임베디드 커머스' 형태로 진화하고 있습니다. - 메타(Meta)는 에이전틱 커머스 프로토콜(ACP)을 활용해 광고 내에서 제품 상세 확인, AI 리뷰 요약, 결제까지 한 번에 이뤄지는 흐름을 구현했습니다. - 미래의 브랜드들은 자사 웹사이트보다 에이전틱 인프라 위에서 네이티브하게 구축되어 고객 획득 비용을 낮추는 전략을 취할 것으로 예측됩니다. - 패션, 뷰티 등 카테고리에 특화된 AI 앱들이 등장함에 따라 리테일러는 1방향 채널과 3자 에이전트 경험 사이의 투자 균형을 결정해야 합니다. **AI 환경에서 더욱 강조되는 브랜드 정체성과 신뢰** - AI가 제품 비교와 발견을 쉽고 빠르게 만들수록, 고객이 특정 브랜드를 선택하게 만드는 힘은 결국 브랜드에 대한 신뢰와 애착에서 나옵니다. - 뉴발란스(New Balance)의 매장 내 전문성 강화나 스티치 픽(Stitch Fix)의 AI 기반 개인화 시각화 도구처럼 고유한 고객 데이터를 활용한 차별화가 필수적입니다. - 에이전트가 주도하는 여정에서도 브랜드의 일관성을 유지하기 위해 고객 데이터와 정체성을 모든 채널에서 통합 관리하는 시스템이 요구됩니다. - '위안을 주는 경제(Soothing Economy)' 개념처럼 오프라인 매장에서의 정서적 경험과 온라인의 효율성을 결합하려는 시도가 이어지고 있습니다. **실무적인 결론 및 제언** 에이전틱 커머스 시대에는 고객이 결제 단계에 도달했을 때의 마찰을 최소화하는 것이 핵심입니다. Stripe의 '최적화된 결제 수트(Optimized Checkout Suite)'나 '에이전틱 커머스 수트(Agentic Commerce Suite)'와 같은 도구를 활용하면, 복잡한 개별 통합 과정 없이도 다양한 AI 에이전트와 플랫폼에 제품 카탈로그 정보를 신속하게 배포하고 전환율을 높일 수 있습니다. 기술적 인프라를 탄탄히 구축하는 동시에, AI가 대체할 수 없는 브랜드만의 고유한 가치를 정립하는 투트랙 전략이 필요합니다.

Stripe Radar가 무료 체험 악용을 방지하는 방법 (새 탭에서 열림)

최근 Stripe의 데이터 분석에 따르면 AI 기업을 중심으로 무료 체험 남용(Free trial abuse) 사례가 6배 이상 급증하며 기업에 막대한 컴퓨팅 비용 손실을 초래하고 있습니다. 이에 Stripe는 방대한 결제 네트워크 데이터를 학습한 AI 모델을 기반으로, 클릭 한 번으로 악성 체험 가입을 90%의 정확도로 차단하는 기능을 Radar에 도입했습니다. 이 솔루션은 부정 가입을 사전에 식별함으로써 비즈니스의 수익성을 보호하고 인프라 자원의 낭비를 막는 데 핵심적인 역할을 합니다. ### AI 기업을 위협하는 무료 체험 남용의 급증 * 2025년 11월부터 2026년 2월 사이 Stripe 네트워크 내에서 탐지된 무료 체험 남용 사례는 6.2배 증가했습니다. * 특히 고가의 컴퓨팅 자원을 소모하는 AI 스타트업이 주요 표적이며, API 직접 액세스를 제공하는 셀프 서비스형 AI 기업은 엔터프라이즈급 기업보다 10배 더 많은 공격 시도를 받고 있습니다. * 공격자들은 유효하지 않은 결제 수단을 사용하거나 여러 계정으로 체험판을 반복 가입하는 수법을 통해 유료 전환 없이 자원만 소모하며, 이는 기업에 수십만 달러의 손실을 입힙니다. ### Stripe Radar의 AI 기반 탐지 기술 * 새로운 AI 모델은 Stripe 에코시스템 전반의 카드 정보, 기기 데이터, 결제 이력을 종합적으로 분석하여 체험판 약관 위반 여부를 90% 정확도로 예측합니다. * 은행 식별 번호(BIN) 범위를 정밀하게 분석하여 가상 카드 브랜드를 식별하고, 신규 또는 임시 이메일 도메인 사용 여부를 파악합니다. * 의심스러운 세션 타이밍과 결제 실패 가능성이 높은 카드 특성을 실시간으로 대조하여 고위험 결제 시도를 즉각 차단합니다. * 관리 콘솔 내의 분석 페이지를 통해 차단된 고위험 결제 내역과 기능 활성화 시 차단 가능한 잠재적 위협을 시각화하여 제공합니다. ### 실제 도입 효과와 비즈니스 영향 * 코딩 AI 도구인 Cursor를 비롯한 주요 비즈니스들이 이미 Radar를 도입하여 가입 시점에 악성 사용자를 차단하고 컴퓨팅 비용 상승을 방지하고 있습니다. * 실제 4개의 고성장 AI 기업을 대상으로 한 초기 2개월간의 운영 결과, 55만 건 이상의 고위험 체험 가입을 차단하여 약 440만 달러(약 60억 원)의 잠재적 손실을 예방했습니다. * 이 기능은 AI 산업에 국한되지 않고 SaaS, 마켓플레이스 등 무료 체험을 마케팅 수단으로 활용하는 모든 산업군에서 동일하게 적용 가능합니다. 무료 체험을 통해 신규 고객을 확보하려는 비즈니스는 고도화되는 부정 가입을 수동으로 관리하기에는 한계가 있습니다. Stripe Radar와 같이 방대한 글로벌 결제 데이터를 학습한 AI 도구를 활용하여 인프라 비용 낭비를 선제적으로 차단하고, 실제 유료 전환 가능성이 높은 고객에게 자원을 집중하는 전략이 필요합니다.

MRC Vegas 2026의 3가지 주요 사기 트렌드 (새 탭에서 열림)

MRC Vegas 2024 컨퍼런스에서 논의된 바에 따르면, 최근 사기(Fraud) 패턴은 더욱 자동화되고 정교해져 전통적인 규칙 기반 도구로는 탐지하기가 점점 어려워지고 있습니다. 이에 선도적인 기업들은 모든 사용자에게 동일한 보안 척도를 적용하는 대신, 사용자 의도를 파악해 신뢰를 기반으로 마찰을 줄이는 동적 인증 전략으로 선회하고 있습니다. 결론적으로 현대의 보안은 결제 인프라 내에 실시간 AI 탐지 기능을 내장하고, 생성형 AI를 활용한 딥페이크 위협에 대응하기 위해 다층적인 신원 검증 체계를 구축하는 방향으로 진화해야 합니다. **사용자 의도에 기반한 동적 인증 도입** * 모든 사용자에게 일괄적인 인증 절차를 요구하는 방식은 정상적인 고객의 결제 이탈을 초래하고 고객 생애 가치(LTV)를 훼손하는 부작용이 큽니다. * '높은 신뢰 속도(High-trust velocity)' 개념을 도입해 사용자의 과거 행동 패턴을 분석하고, 신뢰도가 높은 대다수 사용자에게는 결제 마찰을 완전히 제거해야 합니다. * Stripe Radar의 '적응형 3DS'와 같이 AI가 리스크를 실시간으로 평가하여 비정상적인 1%의 트래픽에만 인증을 요구하는 방식을 통해 사기를 30% 이상 줄일 수 있습니다. **에이전트 커머스에 최적화된 결제 인프라** * AI 에이전트가 인간을 대신해 구매를 수행하는 에이전트 커머스 시대에는 사후 분석이 아닌, 결제 흐름(Payment Fabric) 자체에 보안이 내장되어야 합니다. * 정적인 규칙 기반 시스템은 AI 에이전트의 복잡한 구매 패턴을 감당할 수 없으므로, 실시간으로 변화하는 데이터 신호에 반응하는 시스템이 필요합니다. * '공유 결제 토큰(Shared Payment Tokens)' 기술을 사용하면 결제 정보를 노출하지 않으면서도, 카드 테스팅이나 도난 카드 사용 여부 등의 리스크 신호를 실시간으로 전달하여 신뢰할 수 있는 에이전트와 악성 봇을 구분할 수 있습니다. **딥페이크 및 합성 신원 위협 대응** * 생성형 AI의 발전으로 가짜 신분증 제작이나 음성·영상 복제가 매우 쉬워졌으며, 이는 단순한 신원 확인 절차를 무력화하고 있습니다. * 단일 검구만으로는 정교한 위조를 막을 수 없으므로, 서명의 미세한 차이나 사진의 반전 여부, 만료일 데이터 불일치 등 아주 구체적인 이상 징후를 찾는 다층적 검증이 필수입니다. * 신분증 사진과 실시간 셀카 대조, 글로벌 데이터베이스를 활용한 주소 및 신원 정보 교차 검증 등 AI 기반의 프로그래밍 방식 신원 확인 솔루션을 도입해야 합니다. 자동화된 사기 위협으로부터 비즈니스를 보호하기 위해서는 고정된 보안 규칙에서 벗어나 AI가 통합된 유연한 결제 시스템을 채택해야 합니다. 동적 인증과 다층 검증 체계를 결합함으로써 보안 수준은 높이되, 선량한 고객에게는 매끄러운 결제 경험을 제공하는 것이 현대 이커머스 전략의 핵심입니다.

150만 건의 구독 결제 세션을 통한 적응형 가격 책정의 영향 테스트 (새 탭에서 열림)

구독 비즈니스의 글로벌 확장에서 현지 통화 결제는 고객 전환율과 유지율을 결정짓는 핵심 요소입니다. Stripe의 '어댑티브 프라이싱(Adaptive Pricing)'은 환율 변동 리스크를 관리하면서도 고객에게 일관된 가격 경험을 제공하여 구독 전환율을 4.7%, 고객 생애 가치(LTV)를 5.4% 향상시키는 실질적인 성과를 입증했습니다. 이를 통해 기업은 복잡한 외환 인프라 구축 없이도 전 세계 고객에게 최적화된 결제 환경을 제공하고 매출을 극대화할 수 있습니다. ### 구독 비즈니스의 통화 현지화 난제 * **가격 예측 불가능성:** 구독은 일회성 구매와 달리 결제 주기마다 환율에 따라 청구 금액이 달라질 경우 고객이 불만을 느끼고 해지할 확률이 높습니다. * **낮은 결제 승인율:** 해외 통화(비즈니스의 기본 통화)로 결제가 진행될 경우, 현지 통화 결제보다 카드사에서 거래를 거절할 확률이 높아져 갱신 실패로 이어집니다. * **운영 및 재무적 부담:** 기업이 직접 현지화를 구현하려면 외환(FX) 리스크 감수, 환전 수수료 지불, 통화별 가격 리스트 관리 및 회계 조정 등의 복잡한 업무를 감당해야 합니다. ### 어댑티브 프라이싱의 기술적 해결책 * **자동 통화 전환 및 표시:** 고객의 위치에 맞춰 현지 통화로 가격을 자동 제시하며, Stripe가 배후에서 외환 전환과 관련된 모든 운영 작업을 처리합니다. * **가격 안정성 버퍼(Stability Buffer):** 환율이 미세하게 변동하더라도 고객이 매달 동일한 현지 통화 금액(예: 브라질 고객에게 매달 49.60 헤알 유지)을 결제할 수 있도록 보정하여 일관된 경험을 제공합니다. * **유연한 환율 반영:** 환율이 급격하게 변동할 경우에만 최신율을 반영하여 결제 금액을 조정함으로써 비즈니스의 리스크를 방어합니다. ### 데이터로 증명된 비즈니스 임팩트 * **신규 가입 퍼포먼스 향상:** 150만 건의 세션을 분석한 결과, 어댑티브 프라이싱 도입 시 전환율은 평균 4.7%, 결제 승인율은 1.9% 상승했습니다. * **LTV 및 수익성 개선:** 세션당 평균 LTV가 5.4% 증가했으며, Runway와 같은 기업은 세션당 LTV 14%, 구독당 LTV 17.7% 상승이라는 높은 성과를 기록했습니다. * **고객 리텐션 강화:** 익숙한 통화로 결제하는 고객은 심리적 장벽이 낮아 구매 결정이 빠를 뿐만 아니라, 기본 통화 결제 고객보다 일관되게 높은 유지율을 보였습니다. ### 글로벌 확장을 위한 실용적 제언 글로벌 시장을 공략하는 구독 기반 AI 및 테크 기업은 직접 외환 시스템을 구축하는 데 리소스를 낭비하기보다, 검증된 자동화 도구를 활용해 결제 경험을 즉시 개선해야 합니다. 현지화된 가격 정책은 단순한 편의 제공을 넘어 매출 지표를 실질적으로 개선하는 필수 전략이며, 이미 16,000개 이상의 구독 기업이 이를 통해 전 세계 시장에서 수익을 최적화하고 있습니다.

머신 결제 프로토콜 소개 (새 탭에서 열림)

AI 에이전트가 단순한 챗봇을 넘어 스스로 계획하고 실행하는 자율적 존재로 진화함에 따라, 이들이 비즈니스 및 상호 간에 원활하게 거래할 수 있는 금융 시스템의 필요성이 커지고 있습니다. 기존의 결제 시스템은 계정 생성이나 복잡한 UI 조작 등 인간의 개입을 전제로 설계되어 에이전트가 활용하기 어려웠으나, 스트라이프(Stripe)는 이를 해결하기 위해 기계 간 결제를 위한 오픈 표준인 '기계 결제 프로토콜(Machine Payments Protocol, MPP)'을 출시했습니다. MPP는 에이전트가 프로그래밍 방식으로 결제를 수행할 수 있게 함으로써 자율적인 에이전트 경제의 기반을 마련하며, 기업들이 기계를 새로운 고객층으로 맞이할 수 있도록 지원합니다. ### 기존 금융 시스템과 에이전트의 충돌 * 오늘날의 결제 프로세스는 계정 생성, 요금제 선택, 카드 정보 입력 등 인간의 판단과 수동 입력이 필요한 단계들로 구성되어 있어 자율 에이전트의 접근이 제한적입니다. * 에이전트가 독립적으로 서비스를 구매하고 가치를 교환하기 위해서는 인간 중심의 인터페이스를 넘어선 인터넷 네이티브(Internet-native) 방식의 결제 수단이 필요합니다. * 스트라이프와 템포(Tempo)가 공동 저술한 MPP는 에이전트가 사람의 도움 없이도 소액 결제, 정기 구독 등을 처리할 수 있는 사양을 제공합니다. ### 기계 결제 프로토콜(MPP)의 작동 원리와 이점 * 에이전트가 서비스나 API(또는 MCP 엔드포인트)에 자원을 요청하면, 서비스는 MPP를 통해 결제 요청을 응답하고 에이전트가 이를 승인하는 방식으로 거래가 이루어집니다. * 기업은 스트라이프의 'PaymentIntents API'를 활용해 단 몇 줄의 코드만으로 MPP 결제를 수락할 수 있습니다. * '공유 결제 토큰(Shared Payment Tokens, SPTs)'을 통해 법정 화폐뿐만 아니라 스테이블 코인, BNPL(선구매 후결제) 등 다양한 결제 수단을 지원합니다. * MPP를 통한 거래는 기존 스트라이프 대시보드에 통합되므로, 기업은 기존 인프라를 그대로 사용하여 세금 계산, 사기 방지, 회계 보고 및 환불 처리를 관리할 수 있습니다. ### 에이전트 경제를 위한 실제 활용 사례 * **Browserbase:** 에이전트가 헤드리스 브라우저를 구동할 때 세션당 비용을 실시간으로 결제합니다. * **PostalForm:** 에이전트가 실제 우편물을 인쇄하고 발송하는 비용을 프로그래밍 방식으로 지불합니다. * **실물 경제 연결:** 뉴욕시 내에서 에이전트가 직접 샌드위치를 주문하여 배달시키거나, 'Stripe Climate'에 자발적으로 기여하는 등의 활동이 가능해졌습니다. * **Parallel Web Systems:** 에이전트를 주요 사용자로 상정하고, 에이전트가 웹 접속을 위한 API 호출 시마다 자율적으로 비용을 지불하는 모델을 구축했습니다. ### 에이전트 커머스 생태계 구축을 위한 비전 * 스트라이프는 MPP 외에도 '에이전트 커머스 스위트(Agentic Commerce Suite)', '에이전트 커머스 프로토콜(ACP)', '모델 컨텍스트 프로토콜(MCP)' 통합 등 광범위한 인프라를 구축 중입니다. * 또한 HTTP 402(Payment Required) 오류 코드를 활용한 결제 지원 등 에이전트 중심의 새로운 경제 패턴을 지원하기 위한 기술적 표준을 확장하고 있습니다. 비즈니스는 이제 에이전트를 새로운 고객 카테고리로 인식하고 이들에게 서비스를 판매할 준비를 해야 합니다. 스트라이프의 MPP를 도입하면 기존의 비즈니스 로직과 회계 시스템을 유지하면서도 전 세계의 에이전트 개발자들을 대상으로 수익 모델을 확장할 수 있으며, 이를 위해 제공되는 공식 문서와 얼리 액세스 프로그램을 활용해 선제적으로 대응할 것을 권장합니다.

1세대 에이전틱 커머스를 구축하며 배운 10가지 (새 탭에서 열림)

AI 에이전트를 통한 커머스 시대가 도래함에 따라, 판매자는 실시간 인벤토리 관리, 복잡한 결제 보안, 그리고 파편화된 에이전트 프로토콜 통합이라는 실무적 과제에 직면해 있습니다. Stripe는 Agentic Commerce Protocol(ACP)과 Suite를 통해 판매자가 단 한 번의 연동으로 다양한 AI 에이전트 환경에서 상품을 판매하고 결제를 처리할 수 있는 표준화된 인프라를 제공합니다. 이를 통해 기업은 기술적 복잡성을 Stripe에 맡기고 에이전트 중심의 새로운 소비 환경에 전략적으로 대응할 수 있습니다. ### 카탈로그 파편화와 통합 효율화 * AI 에이전트마다 요구하는 데이터 형식(SFTP, 전용 API, 맞춤형 피드 등)이 다르기 때문에 발생하는 중복 작업과 유지보수 비용이 초기 도입의 큰 장벽입니다. * Stripe의 Agentic Commerce Suite를 사용하면 상품 데이터를 한 번만 업로드해도 지원되는 모든 에이전트에 자동으로 배포(Syndication)되어 데이터 일관성을 유지할 수 있습니다. * 단순히 데이터를 나열하는 것을 넘어, 상품 탐색부터 체크아웃까지의 전체 트랜잭션 수명 주기를 통합 관리합니다. ### 실시간 데이터 동기화와 변종 관리 * 에이전트 환경에서는 데이터 지연이 치명적이며, 밀리초 단위의 실시간 재고 확인이 고객 신뢰와 브랜드 평판을 결정짓는 핵심 요소입니다. * 색상, 사이즈, 커스텀 옵션 등 복잡한 상품 변종(Variant)을 에이전트가 정확히 이해하고 사용자에게 제안할 수 있도록 실시간 체크 기능을 지원합니다. * 체크아웃 API 호출 시점에 가용성을 즉시 공유함으로써 품절된 상품이 결제 단계까지 넘어가는 오류를 방지합니다. ### 프로토콜의 불확실성 대응과 보안 결제 * ACP, Google UCP 등 기술 표준이 급변하는 상황에서 판매자가 매번 시스템을 재구축하지 않도록 프로토콜 불가지론적(Agnostic) 계층을 제공합니다. * 공유 결제 토큰(Shared Payment Tokens, SPTs)을 도입하여, 구매자의 민감한 자격 증명을 노출하지 않고도 에이전트가 승인된 범위 내에서 안전하게 결제를 수행합니다. * 결제뿐만 아니라 배송 상태 관리, 환불, 취소 등 사후 서비스까지 아우르는 비즈니스 로직을 표준화된 방식으로 처리합니다. ### AI 환경에 최적화된 부정 거래 탐지 * 마우스 움직임이나 브라우저 지문 등 인간 사용자 기반의 전통적인 사기 탐지 신호가 없는 에이전트 환경에 맞춰 보안 모델을 재설계했습니다. * Stripe 네트워크의 방대한 데이터를 활용하여, 특정 판매자에게는 첫 구매인 에이전트 거래라도 고객의 결제 이력과 위험 문맥을 대조해 즉각적으로 분석합니다. * SPTs와 Stripe Radar를 결합하여 에이전트 기반 거래에서도 기업 수준의 보안을 유지하며 사기 발생률을 거의 제로에 가깝게 관리합니다. ### 성공적인 도입을 위한 권장 전략 처음부터 전체 카탈로그를 에이전트에 개방하기보다는 전환율이 높고 배송 및 풀필먼트 과정이 단순한 특정 상품군(SKU)부터 시작하는 것이 좋습니다. 예를 들어 의류 브랜드 URBN은 인기 품목인 원피스와 데님 상품에 집중하여 초기 데이터를 확보했습니다. 이러한 단계적 접근을 통해 에이전트 채널의 동작 방식을 학습하고, 향후 여러 서비스가 결합된 복합적인 구매 시나리오로 확장해 나가는 것이 효과적입니다.

제1자 사기 트렌드 (새 탭에서 열림)

최근 정당한 사용자가 서비스 정책을 악용하는 '1차 당사자 사기(First-party fraud)'가 급증하며 기업의 운영 비용 부담이 가중되고 있습니다. Stripe는 수억 건의 트랜잭션을 분석하여 계정 생성, 무료 체험, 환불 단계에서 발생하는 세 가지 주요 남용 패턴을 식별하고, 이를 방지하기 위한 AI 기반의 Radar 기능을 강화하고 있습니다. 특히 고비용 컴퓨팅 자원을 사용하는 AI 기업들이 이러한 악성 활동에 가장 취약하며, 이를 해결하기 위해 결제 데이터와 AI 예측 모델을 결합한 정밀한 탐지 기술이 도입되고 있습니다. ### 컴퓨팅 자원을 잠식하는 계정 남용(Multi-account Abuse) - AI 기업 가입자의 약 7.4%가 멀티 어카운트 남용 의심군으로 분류될 만큼 피해가 심각하며, 이는 신규 가입 시 제공되는 무료 토큰이나 혜택을 반복적으로 수취하려는 목적이 강합니다. - 사기 패턴은 단일 결제 수단 식별자가 수십, 수백 개의 이메일, IP 주소, 이름과 연결되는 거대한 그물망 형태를 띱니다. - 한 명의 악성 사용자가 여러 계정을 생성할 경우 정상 대비 몇 배의 컴퓨팅 리소스를 소모하게 되어 기업의 수익성에 직접적인 타격을 줍니다. - Stripe Radar는 가입 및 로그인 이벤트 시점에서 잠재적 남용자를 평가하여, 실제 유료 구독으로 전환될 가능성이 높은 우량 고객을 식별하는 기능을 제공합니다. ### 무료 체험 남용의 가속화와 방어 한계 - AI 스타트업은 셀프 서비스 가입과 직접적인 API 접근 방식을 제공하는 경우가 많아, 기업용 솔루션보다 약 10배 높은 무료 체험 남용 시도에 직면해 있습니다. - 과거에는 가상 카드를 일괄 차단하는 방식을 썼으나, 최근에는 일반 고객도 보안 목적으로 가상 카드를 많이 사용하므로 일괄 차단 시 결제 전환율에 부정적인 영향을 미칩니다. - Stripe는 약 90%의 정확도로 무료 체험 약관 남용을 예측하는 신규 솔루션을 출시하여, 정당한 가상 카드 사용자와 반복적인 체험판 이용자를 구분합니다. - 새로운 분석 페이지를 통해 차단된 고위험 결제 내역을 시각화하고, 제어 기능을 활성화했을 때의 예상 차단 효과를 미리 확인할 수 있습니다. ### 연간 1,000억 달러 규모의 환불 사기(Refund Abuse) - 제품을 구매해 사용한 뒤 반품하는 '워드로빙(Wardrobing)'이나 제품 미수령을 허위로 주장하는 행위로 인해 전 세계적으로 매년 막대한 손실이 발생하고 있습니다. - 특히 MZ세대 사이에서 소셜 미디어 콘텐츠 제작을 위해 대량 구매 후 반품하는 행위가 확산되면서 판매자는 배송비, 재고 처리비, 수수료 등의 비용을 떠안게 됩니다. - 숙련된 공격자들은 100개 이상의 이메일 변형과 여러 장의 카드를 사용하여 환불 한도 제한 정책을 우회합니다. - 환불 사기는 정당한 결제 수단을 가진 실제 고객에 의해 발생하므로 결제 시점에는 탐지가 매우 어렵지만, Stripe는 전체 네트워크의 환불 패턴을 학습하여 이를 식별하는 전용 솔루션을 구축 중입니다. 기업들은 Stripe Radar의 확장된 기능을 활용해 가입 단계부터 잠재적인 남용자를 필터링하고, 가상 카드 일괄 차단 대신 AI 기반의 정밀 탐지 모델을 도입해야 합니다. 단순한 규칙 기반의 차단을 넘어 Stripe의 거대한 글로벌 네트워크 데이터를 활용함으로써, 고객 경험(UX)을 해치지 않으면서도 1차 당사자 사기로부터 수익성을 보호하는 전략이 필요합니다.

에이전틱 커머스를 위한 (새 탭에서 열림)

Stripe은 AI 에이전트가 고객의 실제 결제 정보를 노출하지 않고 안전하게 결제를 수행할 수 있도록 지원하는 '공유 결제 토큰(Shared Payment Tokens, SPTs)'의 지원 범위를 대폭 확장했습니다. 이번 업데이트를 통해 마스터카드와 비자의 에이전트 네트워크 토큰뿐만 아니라 Affirm, Klarna와 같은 선구매 후결제(BNPL) 수단까지 단일 인터페이스로 통합 지원하게 되었습니다. 이를 통해 판매자는 복잡한 구현 과정 없이도 에이전트 기반 경제(Agentic Commerce)에서 보안성을 강화하고 결제 전환율을 높일 수 있습니다. **마스터카드 및 비자 기반의 에이전트 네트워크 토큰 도입** - 마스터카드와 비자가 발행하고 Stripe가 배포하는 '에이전트 네트워크 토큰'은 AI 에이전트가 고객을 대신해 실제 카드 번호를 노출하지 않고 결제를 시작할 수 있는 보안 디지털 인증서입니다. - 고객이 에이전트에게 구매 권한을 부여하면 Stripe는 고객의 구매 의도에 최적화된 토큰을 생성하여 에이전트에게 전달하며, 에이전트는 이를 해당 네트워크를 지원하는 모든 판매처에서 범용적으로 사용할 수 있습니다. - 이 토큰은 기존의 '카드 저장(card-on-file)' 네트워크 토큰과 유사하게 작동하며, 승인 요청 시 네트워크 단에서 최신 카드 번호(FPAN)로 자동 매핑되어 보안과 승인율을 동시에 확보합니다. - 승인 메시지에는 카드 발급사가 에이전트 결제 여부를 식별할 수 있는 추가 정보가 포함되어, 사기 방지 및 분쟁 관리를 보다 효율적으로 수행할 수 있도록 돕습니다. **Affirm 및 Klarna를 통한 선구매 후결제(BNPL) 지원 확대** - 전 세계적으로 급성장 중인 BNPL 시장에 발맞추어 SPT 지원 대상에 Affirm과 Klarna를 추가함으로써, 에이전트 거래 시에도 고객에게 분할 납부와 같은 유연한 결제 옵션을 제공할 수 있게 되었습니다. - Stripe를 이용 중인 판매자는 기존 시스템을 유지하면서도 에이전트 흐름에서 BNPL 결제를 자동으로 지원할 수 있으며, 이는 결제 전환율 및 평균 주문 금액(AOV) 상승으로 이어집니다. - 결제 과정에서 Stripe는 에이전트 UI 상에 BNPL 확인 페이지를 노출하고 백엔드에서 판매자 인증 정보를 BNPL 제공업체에 전달하는 등 모든 복잡한 과정을 대신 처리합니다. Stripe는 이번 확장을 통해 에이전트 네트워크 토큰과 BNPL 토큰을 단일 프리미티브 내에서 동시에 제공하는 최초이자 유일한 서비스가 되었습니다. AI 에이전트를 통한 커머스를 준비하는 기업은 Stripe의 SPT를 활용하여 기술적 부채 없이 최신 결제 생태계에 즉시 합류할 수 있으며, 향후 더 다양한 결제 수단으로의 확장도 기대할 수 있습니다.

AI 에이전트가 실제 Stripe (새 탭에서 열림)

최근 LLM은 코드 스니펫 작성을 넘어 파일 단위의 리팩토링까지 수행할 정도로 발전했으나, 실제 소프트웨어 프로젝트를 자율적으로 관리하는 능력은 여전히 검증이 필요한 영역입니다. Stripe는 에이전트가 100%의 정확도를 요구하는 결제 통합 작업을 완수할 수 있는지 확인하기 위해, 실제 운영 환경과 유사한 11개의 벤치마크 환경을 구축하여 성능을 측정했습니다. 연구 결과, 최신 모델들은 UI 탐색 및 복잡한 API 구성에서 기대 이상의 성과를 보였으나, 모호한 상황에서의 의사결정이나 완벽한 엔드 투 엔드 검증에서는 여전히 한계를 드러냈습니다. **Stripe 통합 벤치마크의 설계와 구조** * **다층적 환경 구축**: 실제 비즈니스 시나리오를 반영하여 백엔드 전용 작업, 풀스택 작업, 그리고 특정 기능(Checkout, Billing 등)을 깊게 파고드는 'Gym' 문제 세트로 구성된 11개의 환경을 설계했습니다. * **에이전트 실행 도구**: 모든 모델에 일관된 환경을 제공하기 위해 'goose' 기반의 하네스를 사용했으며, MCP(Model Context Protocol) 서버를 통해 터미널, 브라우저, Stripe 전용 검색 도구에 대한 접근 권한을 부여했습니다. * **결과 검증 시스템(Graders)**: 단순히 코드의 형태를 보는 것이 아니라, API 호출 및 자동화된 UI 테스트를 통해 소프트웨어의 동작을 결정론적으로 검증하며, 생성된 Stripe API 객체의 상태까지 직접 확인하여 정확도를 측정합니다. **에이전트의 뛰어난 실전 적응력과 성과** * **기대 이상의 풀스택 수행 능력**: 모델들은 단순히 코드를 작성하는 데 그치지 않고 브라우저를 직접 조작하며 실시간 이슈를 디버깅하는 능력을 보여주었으며, Claude 4.5와 GPT-5.2 같은 모델들은 특정 영역에서 70~90% 이상의 높은 평균 점수를 기록했습니다. * **복잡한 UI 역공학**: 'Checkout Gym' 과제에서 에이전트들은 기존 UI를 분석하여 제품 ID, 수량, 세금 설정 등 20개 이상의 매개변수를 역으로 추출해 API 호출로 변환하는 복잡한 추론 과정을 성공적으로 수행했습니다. * **자율적인 자기 검증**: 레거시 UI를 새로운 시스템으로 교체하는 작업에서, 에이전트는 명시적인 지시 없이도 브라우저에서 테스트 결제를 진행하고 Link(Stripe의 디지털 지갑)와 같은 실제 결제 수단을 활용해 동작 여부를 스스로 확인했습니다. **한계점과 향후 과제** * **모호성 처리의 부재**: SDK 업그레이드와 같이 모호한 상황이 주어졌을 때, 에이전트들은 존재하지 않는 데이터를 입력하거나 API 오류(400 Error)가 발생해도 이를 논리적으로 해결하지 못하고 정체되는 현상을 보였습니다. * **엔드 투 엔드 검증의 어려움**: 코드를 생성하는 능력과 사람이 수행하는 수준의 엄격한 검증 및 테스트 사이에는 여전히 간극이 존재하며, 특히 장기적인 프로젝트 관리 능력에서는 추가적인 개선이 필요합니다. **실용적인 제언** 에이전트를 실제 개발 워크플로우에 도입하려는 조직은 단순히 코드 생성 엔진으로서의 성능뿐만 아니라, 에이전트가 터미널과 브라우저를 사용하여 자신의 작업을 스스로 검증할 수 있는 환경을 제공하는 데 집중해야 합니다. 또한, API 문서의 명확성과 모호하지 않은 에러 메시지 제공은 에이전트의 자율적 문제 해결 능력을 극대화하는 핵심 요소가 될 것입니다.

Metronome + Stripe: (새 탭에서 열림)

스트라이프(Stripe)는 사용량 기반 과금(Usage-based billing) 분야의 선두 주자인 메트로놈(Metronome) 인수를 완료하며, AI 기업을 포함한 전 세계 기업들을 위한 가장 유연하고 완전한 결제 솔루션을 구축하겠다고 밝혔습니다. 이번 인수를 통해 스트라이프는 수천 개의 SKU를 포함하는 복잡한 제품 카탈로그와 영업 주도형(Sales-led) 비즈니스 모델까지 지원 범위를 대폭 확장할 계획입니다. 이를 통해 초기 스타트업부터 글로벌 상장 기업에 이르기까지 모든 규모의 기업이 복잡한 수익 모델을 손쉽게 운영할 수 있는 통합 수익화 플랫폼을 제공하는 것이 핵심입니다. **수익 모델의 다양화와 기술적 확장** * 메트로놈의 기술력을 결합하여 AI 인프라 기업에 필수적인 다차원 미터링(Multidimensional metering)과 대규모 제품 카탈로그 관리를 지원합니다. * 기존의 크레딧 소진(Credit burndown), 성과 기반 과금(Outcome-based), 구독 모델을 넘어, 사용량 기반 가격 책정과 영업 주도형 성장 모델이 결합된 맞춤형 계약 기능을 강화합니다. * 수천 개의 SKU를 처리할 수 있는 성능과 강력한 수익 분석 기능을 제공하여 복잡한 비즈니스 구조를 가진 기업들의 요구사항을 충족합니다. **제품 개발의 핵심으로서의 수익화 혁신** * 현대적인 기업들은 가격 정책 혁신을 제품 개발의 정적인 후방 업무가 아닌, 제품 전략의 역동적인 일부로 취급하고 있습니다. * 대규모 전담 엔지니어링 팀을 별도로 구축하지 않고도 기업이 상업적 실험을 빠르게 진행하고 시장에 대응할 수 있는 현대적인 수익화 인프라를 제공합니다. * 비즈니스 모델을 구상하는 소규모 팀부터 글로벌 규모로 수익을 창출하는 상장사까지, 모든 단계의 기업이 유연하게 가격 정책을 테스트할 수 있는 환경을 조성합니다. **통합 워크플로우를 통한 운영 효율성** * 셀프 서비스 기반의 PLG(Product-Led Growth) 흐름부터 고도의 영업 활동, 클라우드 마켓플레이스를 통한 직접 구매까지 모든 구매 경로를 단일 로드맵 내의 통합 플랫폼으로 구축합니다. * 결제, 데이터 분석, 수익 인식(Revenue recognition), 세금 계산 기능을 하나로 통합하여 운영 복잡성을 줄이고 수익 성장을 가속화합니다. * 기존 메트로놈 고객들은 스트라이프의 글로벌 도달 범위와 업계 최고 수준의 시스템 안정성을 즉각적으로 활용할 수 있게 됩니다. 비즈니스 모델의 유연성이 기업의 경쟁력과 직결되는 시기에 스트라이프와 메트로놈의 결합은 과금 체계의 복잡성을 해결하고 상업적 실험의 속도를 높이는 강력한 도구가 될 것입니다. 다양한 과금 모델 도입을 고민하는 기업이라면 스트라이프가 제공하는 통합 수익화 플랫폼의 업데이트된 로드맵을 검토해 보는 것을 추천합니다.

NRF 202 (새 탭에서 열림)

이번 NRF(미국 소매 협회) 컨퍼런스에서는 AI 에이전트가 쇼핑의 주체가 되는 '에이전틱 커머스(Agentic Commerce)'가 핵심 화두로 떠올랐으며, 유통 기업들은 이제 도입 여부를 넘어 구체적인 실행 단계로 진입하고 있습니다. 소매업체들은 스트라이프(Stripe)와 구글 등이 제시하는 새로운 표준 프로토콜을 통해 브랜드 제어권을 유지하면서도 AI 환경에서 결제까지 이어지는 심리스한 경험을 구축하기 시작했습니다. 결과적으로 에이전틱 커머스는 단순한 유행을 넘어 소매업의 실질적인 운영 모델로 빠르게 안착하고 있습니다. ### 에이전틱 커머스 도입의 가속화와 표준화 * NRF 참석자의 약 75%가 이미 도입 중이거나 계획 중일 정도로 에이전틱 커머스는 소매업의 필수 전략이 되었습니다. * 마이크로소프트는 스트라이프의 기술을 활용해 코파일럿(Copilot) 채팅창 내에서 이탈 없이 바로 구매가 가능한 '코파일럿 체크아웃' 기능을 선보였습니다. * 구글의 'UCP(Universal Commerce Protocol)'와 스트라이프의 'ACP(Agentic Commerce Protocol)' 같은 개방형 표준의 등장은 소매업체가 단일 통합만으로도 다양한 AI 에이전트 생태계에 대응할 수 있게 합니다. ### 단계적인 상품 카탈로그 최적화 전략 * AI 에이전트가 사용자 의도를 정확히 파악하려면 깨끗하고 최신화된 가격, 설명, 재고 정보를 포함한 '구조화된 제품 피드'가 필수적입니다. * 방대한 카탈로그를 한꺼번에 변환하는 대신, URBN(어반 아웃피터스 등)의 사례처럼 인기 카테고리(예: 데님, 드레스 등)부터 우선적으로 언어와 속성을 표준화하는 상향식 접근법이 권장됩니다. * 초기에는 고가치의 유즈케이스에 집중하여 데이터의 품질을 높이는 것이 전체 시스템의 신뢰도를 확보하는 지름길입니다. ### 자체 에이전트 개발을 통한 고객 충성도 강화 * 제3자 AI 에이전트(ChatGPT 등)를 통한 제품 노출과 더불어, 브랜드 고유의 가치를 전달하는 자체 AI 쇼핑 도구를 병행 구축하는 추세입니다. * 홈디포의 '매직 에이프런(Magic Apron)'이나 랄프 로렌의 '애스크 랄프(Ask Ralph)'는 고객의 구매 이력과 브랜드 전문 지식을 결합해 고도로 개인화된 스타일링과 상담을 제공합니다. * 외부 플랫폼은 고객 발굴(Discovery)의 장으로, 자체 플랫폼은 깊은 브랜드 교감과 충성도 제고의 장으로 활용하는 하이브리드 전략이 유효합니다. 소매업체는 스트라이프의 '에이전틱 커머스 스위트'와 같은 인프라를 활용해 기존 커머스 스택을 유지하면서도 AI 기반 결제 및 사기 방지 시스템을 통합할 수 있습니다. 지금 바로 인기 제품군부터 데이터 구조화를 시작하고, 외부 에이전트 노출과 자체 AI 경험 구축을 병행하는 단계적 로드맵을 수립하는 것이 필요합니다.

2025년 Stripe Atlas (새 탭에서 열림)

2025년 초기 단계 스타트업들은 과거 어느 때보다 빠른 속도로 창업하고 매출을 발생시키며 폭발적인 성장세를 기록하고 있습니다. 특히 창업 30일 이내에 첫 매출을 올리는 기업 비율이 2020년 대비 두 배 이상 증가했으며, 외부 투자 유치 여부와 관계없이 실질적인 비즈니스 성과를 내는 속도가 비약적으로 향상되었습니다. **국경을 초월한 글로벌 창업 생태계의 확산** - 2025년 Stripe Atlas를 통한 창업 국가는 169개국으로 역대 최고치를 기록했으며, 특히 영국·프랑스·독일을 중심으로 한 유럽 창업자 비중이 전년 대비 48% 급증했습니다. - 원격 근무의 보편화로 공동 창업자가 서로 다른 국가에 거주하는 '다국적 창업 팀'의 비중이 2017년 대비 79% 증가하여 전체의 24%를 차지합니다. - 과거에는 내수 시장 안착 후 해외 진출을 고려했으나, 현재는 창업 초기부터 평균 2개국 이상에서 매출을 발생시키는 '본 글로벌(Born Global)' 전략이 기본값이 되었습니다. - 결제 인프라와 클라우드 기술의 발전으로 물리적 거리나 로컬 서버에 대한 의존도가 낮아지면서 글로벌 네트워크를 즉시 활용하는 환경이 조성되었습니다. **수익 창출 및 성장의 가속화** - 창업 후 30일 이내에 첫 매출을 기록하는 기업 비중이 20%에 달하며, 첫 결제까지 걸리는 시간 중앙값은 34일로 전년 대비 11% 단축되었습니다. - 창업 6개월 내에 매출 10만 달러(약 1.3억 원)를 달성하는 기업은 전년 대비 56% 증가했으며, 해당 금액 도달 기간도 121일에서 108일로 짧아졌습니다. - 상위 10% 기업의 매출 성장 폭(52%)이 하위 기업보다 훨씬 크게 나타나며 성장의 양극화가 심화되고 있지만, 시장 전체의 수익 창출 시점은 상향 평준화되는 추세입니다. - 미국 세무 식별 번호(EIN) 없이도 즉시 결제를 수락할 수 있는 인프라 개선과 고도화된 개발 도구들이 이러한 속도 향상을 뒷받침하고 있습니다. **AI 중심의 비즈니스 모델 재편** - 전체 창업 기업 중 AI 스타트업이 차지하는 비중이 2023년 15%에서 2025년 42%로 급격히 상승했습니다. - 외부 투자를 받지 않는 소규모 팀이나 LLC(유한책임회사) 형태의 창업에서도 AI 기업 비중이 22%에 달하며 AI 기술이 비즈니스 전반에 보편화되었음을 보여줍니다. - 창업자들은 초기 단계의 AI 인프라 구축보다는 실제 사용자와 맞닿아 있는 'AI 에이전트' 서비스 개발에 더 많은 역량을 집중하고 있습니다. 현대의 창업자들은 더 이상 완벽한 제품이 나올 때까지 출시를 미루지 않으며, 결제 및 규제 준수 인프라를 활용해 첫날부터 전 세계 고객을 대상으로 수익화에 나설 것을 추천합니다. 이제 글로벌 시장은 선택이 아닌 생존을 위한 필수적인 초기 전략이 되었습니다.

Stripe Capital을 통해 자 (새 탭에서 열림)

Stripe Capital은 중소상공인(SMB)의 자금 조달 문제를 해결함으로써 비즈니스 성장을 가속화하며, 실제 실험 결과 금융 지원을 받은 기업은 대조군보다 평균 27%p 더 높은 매출 성장률을 기록했습니다. 특히 소규모 기업이나 성장 중심의 프로젝트에 자금을 투입한 경우 그 효과가 극대화되었으며, 이는 전통적 금융권의 높은 문턱을 넘지 못하는 기업들에게 대안 금융이 실질적인 비즈니스 확장의 기회를 제공함을 입증합니다. ### 무작위 대조 실험(RCT)을 통한 성장의 인과관계 증명 * 단순한 상관관계를 넘어 금융 지원이 성장에 미치는 직접적인 영향을 확인하기 위해 2020~2021년과 2023~2025년 두 차례에 걸쳐 대규모 무작위 대조 실험을 실시했습니다. * 신용도, 매출액, 업력 등이 유사한 기업들을 대조군으로 설정하여 분석한 결과, 거시경제 환경과 관계없이 지속적인 성장 촉진 효과가 나타남을 확인했습니다. * 최근 조사(2023~2025년)에서는 금융 지원을 받은 기업이 평균 27%p 더 높은 성장률을 보였으며, 성과가 가장 좋은 상위 10% 기업은 평균 211%p라는 폭발적인 성장을 달성했습니다. ### 금융 사각지대 해소와 소규모 기업의 성장 * 연 매출 3,000달러에서 76,000달러 사이의 소규모 기업에서 33~43%p의 높은 성장률 향상이 관찰되었으며, 우수한 신용 점수를 가진 연 매출 52,000달러 미만 기업은 최대 106%p의 성장을 기록했습니다. * 전통적인 은행은 대출 심사에 14~40일이 소요되고 거절률이 약 50%에 달하지만, Stripe Capital은 결제 데이터를 기반으로 평균 1~2일 내에 신속하게 자금을 제공합니다. * 신용 점수가 낮거나 정보가 부족한 기업들조차 자금 지원을 통해 대조군 대비 평균 11~18%p 더 빠르게 성장하며 금융 접근성의 중요성을 보여주었습니다. ### 성장 중심 프로젝트와 자금 활용의 시너지 * 신규 제품 출시, 사업 확장, 인프라 구축 등 '성장 지향적 목적'으로 자금을 활용한 기업은 70~95%p의 비약적인 성장률 보너스를 얻었습니다. * 데이터 기반의 선제적 제안(Proactive offers)은 사업자가 주저하던 리스크를 감수하고 새로운 시장(예: 해외 서버 확충, 기기 도입 등)에 과감히 도전하게 만드는 촉매제 역할을 합니다. * 실제로 자금을 지원받은 기업들은 이를 통해 즉각적인 매출을 창출하거나 글로벌 시장으로 서비스를 확장하는 등 실질적인 사업 지표를 개선했습니다. 전 세계 SMB의 자금 조달 격차는 약 5.7조 달러에 달하며, Stripe Capital과 같은 비전통적 금융 서비스는 이를 메워 글로벌 GDP 성장에 기여할 잠재력이 큽니다. 비즈니스 운영 도구에 통합된 금융 서비스는 단순한 자금 제공을 넘어, SMB가 성장 기회를 포착하고 적기에 과감한 투자를 결정할 수 있도록 돕는 핵심적인 파트너가 될 것입니다.

에이전틱 커머스 스위트 소개: AI 에이전트를 통한 판매를 위한 완벽한 솔루션 (새 탭에서 열림)

Stripe는 AI 에이전트와 기업 간의 프로그래밍 방식 상거래를 지원하는 '에이전틱 커머스 스위트(Agentic Commerce Suite)'를 출시했습니다. 기존에는 기업이 각 AI 에이전트마다 별도의 API와 카탈로그 규격을 맞추는 데 최대 6개월이 소요되었으나, 이 솔루션을 통해 단일 통합만으로 상품 노출부터 결제까지의 전 과정을 간소화할 수 있습니다. 결과적으로 기업은 복잡한 인프라 구축 없이도 AI 에이전트라는 새로운 판매 채널에 즉시 진입할 수 있게 되었습니다. ### AI 에이전트를 통한 상품 노출 최적화 * **전용 ACP 엔드포인트 제공:** 기업이 개별 에이전트별로 커스텀 API를 구축하거나 수십 개의 카탈로그를 관리할 필요 없이, Stripe가 제공하는 호스팅된 ACP(Agentic Commerce Protocol) 엔드포인트를 통해 상품 정보를 공유합니다. * **실시간 데이터 동기화:** 제품 정보, 가격, 재고 현황을 AI 에이전트에게 실시간에 가깝게 전달하며, 기존 시스템의 변경을 최소화하면서 Stripe 대시보드에서 클릭 한 번으로 에이전트 채널을 활성화할 수 있습니다. * **카탈로그 신디케이션:** Stripe에 직접 카탈로그를 업로드하거나 기존 제품 신디케이터를 연결하여 지원되는 모든 AI 에이전트 네트워크에 상품 정보를 자동으로 배포합니다. ### 체크아웃 프로세스 간소화 및 제어권 유지 * **모듈형 API 활용:** Stripe의 'Checkout Sessions API'를 기반으로 에이전트 환경에서도 세금 계산, 배송료 산정, 주문 관리가 원활하게 이루어지도록 지원합니다. * **유연한 스택 통합:** Stripe Tax 같은 내장 도구를 사용하거나, 기업이 기존에 사용하던 세금 코드 및 실시간 재고 확인 로직을 그대로 연결할 수 있는 유연성을 제공합니다. * **판매자 권한 유지:** 거래 완료 후에도 기업이 판매 기록 주체(Merchant of Record)로서 환불, 분쟁 관리 및 고객 관계에 대한 모든 제어권을 유지하며 기존의 주문 처리 및 배송 프로세스를 그대로 사용할 수 있습니다. ### 에이전트 전용 결제 방식 및 사기 방지 * **공유 결제 토큰(SPT) 도입:** 결제 정보를 직접 노출하지 않고도 AI 에이전트가 구매자의 저장된 결제 수단으로 결제를 시작할 수 있게 하는 새로운 결제 기본 단위인 SPT를 처리합니다. * **토큰 범위 제한:** 각 토큰은 특정 판매자, 특정 시간, 특정 금액 범위 내로 사용 권한이 제한되어 AI 에이전트의 무단 작업을 방지하고 분쟁 발생 가능성을 낮춥니다. * **에이전트 특화 보안:** Stripe Radar를 활용해 일반적인 자동화 봇과 구매 의도가 명확한 AI 에이전트를 구분하며, 에이전틱 커머스에서 나타날 수 있는 새로운 사기 패턴(에이전트 조작 등)에 대응합니다. AI 에이전트가 쇼핑의 새로운 주체로 떠오르는 환경에서 기업은 자체적인 인터페이스 구축에 리소스를 낭비하기보다, Stripe와 같은 통합 솔루션을 통해 표준화된 방식으로 시장에 진입하는 것이 유리합니다. 현재 Etsy, URBN 등 주요 브랜드들이 이미 도입을 시작했으며, 커머스 플랫폼(Wix, WooCommerce 등)을 통해서도 순차적으로 배포될 예정이므로 조기에 웨이트리스트를 통해 기술 문서와 통합 가이드를 확인해 보는 것을 추천합니다.