AI가 웹사이트를 직접 사용하는 시대, ‘Agent-Ready Website’가 뜨는 이유

같은 쇼핑몰, 같은 상품, 같은 가격이었습니다. 그런데 AI에게 상품을 찾고 비교하고 조건에 맞는 제품을 선택하게 하자 작업 성공률이 49.3%에서 89.3%로 뛰었습니다.

더 좋은 AI 모델로 바꾼 것도 아닙니다. 바뀐 것은 웹사이트였습니다.

2026년 7월 공개된 「Designing Agent-Ready Websites for AI Web Agents」 연구에서는 동일한 쇼핑몰을 일반적인 사람 중심 웹사이트와 AI가 이해하고 행동하기 쉽게 만든 웹사이트로 나누어 실험했습니다. GPT-4.1, Gemini 2.5 Flash, Grok-4 Fast를 이용해 총 300번의 작업을 수행한 결과, Agent-ready 버전에서 훨씬 높은 성공률이 나타났습니다.

이 결과가 흥미로운 이유는 단순히 AI 성능에 관한 연구가 아니기 때문입니다.

우리는 지금까지 웹사이트를 만들 때 당연히 ‘사람’을 사용자라고 생각했습니다. 메뉴를 쉽게 찾을 수 있는지, 버튼을 알아보기 쉬운지, 모바일에서도 잘 사용할 수 있는지 등을 고민해왔죠.

하지만 앞으로 웹사이트에 들어와 상품을 검색하고, 가격을 비교하고, 호텔을 예약하고, 사용자를 대신해 작업을 수행하는 주체가 사람이 아니라 AI Agent일 수도 있습니다.

그렇다면 앞으로 좋은 웹사이트의 기준 역시 조금 달라져야 하지 않을까요?

사람에게 쉬운 웹사이트가 AI에게도 쉬울까?

사람은 웹사이트에서 상당히 많은 것을 눈치껏 이해합니다.

쇼핑몰 상품 페이지에서 가격 아래 초록색으로 ‘재고 있음’이라고 적혀 있다면 우리는 별다른 설명 없이 현재 구매할 수 있는 상품이라는 것을 이해합니다. 상품 사진 옆에 검정색과 흰색 동그라미가 있다면 색상을 고르는 옵션이라는 것도 자연스럽게 알아차립니다.

버튼에 단순히 ‘다음’이라고 적혀 있어도 현재 화면의 내용과 위치를 보고 다음 단계로 넘어가는 버튼이라고 추측할 수 있습니다.

AI Agent는 조금 다릅니다.

AI도 화면과 텍스트를 해석할 수 있지만, 안정적으로 작업을 수행하려면 정보가 무엇을 의미하고 서로 어떤 관계인지 명확하게 알 수 있는 구조가 필요합니다.

예를 들어 사람이 화면을 보고 “이 운동화는 89,000원이고 검은색 제품은 현재 재고가 있네”라고 이해하는 상황을 생각해봅시다. AI가 같은 판단을 안정적으로 내리려면 이것이 어떤 상품의 가격인지, 검은색이 상품 옵션인지, 해당 옵션의 재고가 있는지, 가격의 통화는 무엇인지, 현재 주문할 수 있는 상태인지 등의 정보를 함께 파악해야 합니다.

사람에게는 하나의 화면으로 보이는 것이 AI에게는 상품, 가격, 옵션, 재고, 배송 상태처럼 서로 연결된 여러 데이터​인 셈입니다.

바로 여기에서 Agent-Ready Website라는 개념이 등장합니다.

Agent-Ready Website란 무엇일까?

2026년 7월 13일 공개된 「Designing Agent-Ready Websites for AI Web Agents」는 AI Agent가 웹사이트를 더 정확하게 이해하고 사용할 수 있도록 만드는 방법을 연구했습니다. 연구진은 이를 Agent-Ready Website, 즉 사람뿐 아니라 AI Agent도 정보를 읽고 이해하고 행동하기 쉬운 웹사이트로 설명합니다.

여기서 중요한 것은 단순히 HTML 코드를 깔끔하게 작성하자는 이야기가 아니라는 점입니다.

연구에서는 Agent가 웹사이트를 제대로 사용하기 위해 필요한 조건을 크게 Agent Interpretability, Agent Executability, Agent Decision Reliability​라는 세 영역으로 나눕니다. 어려워 보이지만 하나씩 풀어보면 생각보다 단순합니다.

AI가 웹사이트의 정보를 이해할 수 있어야 한다

첫 번째는 Agent Interpretability, 쉽게 말하면 AI가 “이 페이지에 무엇이 있고 각각 무엇을 의미하는지” 이해할 수 있어야 한다는 것입니다.

예를 들어 상품 페이지에 상품명, 가격, 평점, 재고, 색상, 배송 정보가 있다고 해봅시다. 사람에게는 시각적인 배치만 잘되어 있어도 충분히 이해하기 쉽지만, AI에게는 각 정보의 의미와 관계가 구조적으로 명확할수록 유리합니다.

Semantic HTML이나 명확한 제목 구조, JSON-LD, Schema.org와 같은 구조화된 데이터가 대표적인 예입니다. 상품 ID, 가격, 재고 상태처럼 중요한 데이터도 AI가 구분할 수 있는 형태로 제공할 수 있습니다. 연구는 이를 Machine Readability와 Semantic Clarity라는 요소로 설명합니다.

용어가 조금 어렵게 느껴질 수 있지만 핵심은 간단합니다.

사람의 눈에 잘 보이게 만드는 것과 컴퓨터가 그 정보의 의미를 정확하게 이해하게 만드는 것은 서로 다른 문제입니다.

AI가 이해하는 데서 끝나지 않고 실제 행동도 할 수 있어야 한다

두 번째는 Agent Executability입니다. 페이지에 어떤 정보가 있는지 이해하는 것뿐 아니라, 사용자의 요청을 완료하기 위해 실제 행동까지 수행할 수 있어야 한다는 의미입니다.

예를 들어 사용자가 AI에게 이렇게 요청했다고 생각해봅시다.

10만원 이하 검은색 운동화 중에서 이번 주 안에 받을 수 있는 제품을 찾아줘.

AI는 단순히 상품 목록을 읽고 끝낼 수 없습니다. 먼저 상품을 검색한 뒤 가격과 색상 조건을 확인해야 하고, 후보가 여러 개라면 상품을 비교해야 합니다. 원하는 옵션에 실제 재고가 있는지와 배송이 가능한지도 확인해야 합니다.

상황에 따라서는 사용자의 허가를 받아 장바구니에 제품을 담거나 이후 구매 과정으로 이동해야 할 수도 있습니다.

이 과정에서 버튼이 모두 ‘확인’, ‘다음’, ‘선택’처럼 문맥에 의존하는 표현으로 되어 있다면 Agent가 각 행동의 의미를 잘못 판단할 가능성이 커집니다. 반대로 ‘장바구니에 추가’, ‘배송 주소 확인’, ‘쿠폰 적용’처럼 어떤 행동이 일어나는지 분명한 표현은 사람이 이해하기도 쉽고 Agent가 행동을 판단하기도 쉽습니다.

즉 Agent UX라고 해서 완전히 새로운 디자인 원칙만 등장하는 것은 아닙니다. 행동과 결과를 분명하게 보여주는 기존의 좋은 UX 원칙이 AI 시대에는 더욱 중요해지는 것입니다.

AI가 믿을 수 있는 판단을 내릴 수 있어야 한다

세 번째는 Agent Decision Reliability입니다.

페이지를 이해하고 버튼을 누를 수 있더라도 AI가 사용자를 대신해 좋은 판단을 내리지 못한다면 Agent의 역할을 제대로 수행했다고 보기 어렵습니다.

예를 들어 “오늘 주문할 수 있고 평점이 높으면서 15만원 이하인 제품을 추천해줘”라는 요청이 있다고 해봅시다. 표시된 가격이 한 달 전 가격이거나 재고가 어제 기준이라면 AI가 잘못된 제품을 추천할 수도 있습니다.

따라서 가격이나 재고처럼 계속 변하는 정보는 현재도 유효한 정보인지 판단할 수 있어야 합니다. 연구에서도 정보의 근거와 함께 Temporal Validity, 즉 해당 정보가 어느 시점에 유효한 정보인지 알려주는 요소를 중요하게 다룹니다.

결국 Agent가 제대로 일하기 위해서는 단순히 “정보가 존재하는가?”를 넘어 “이 정보를 믿고 지금 의사결정에 사용해도 되는가?”​까지 판단할 수 있어야 합니다.

웹사이트를 바꿨을 뿐인데 성공률이 49.3%에서 89.3%로 올랐다

이 연구에서 가장 흥미로운 부분은 실제 실험 결과입니다.

연구진은 서로 다른 두 쇼핑몰을 비교하지 않았습니다. 동일한 상품 카탈로그, 가격, 재고, 쇼핑 흐름을 가진 두 개의 이커머스 프로토타입을 만들고 한쪽만 Agent가 사용하기 쉽도록 구조를 개선했습니다.

Agent가 읽기 쉬운 정보를 추가했다

일반적인 웹사이트에서는 상품 데이터가 웹페이지 내부에 존재하고 사용자는 화면을 통해 정보를 파악합니다.

Agent-ready 버전에서는 여기에 JSON과 JSON-LD 같은 구조화된 상품 정보를 제공하고, UI 요소에는 더 명확한 aria-label과 식별자를 추가했습니다. 상품 ID, 재고, 구매 가능 여부 등의 상태도 Agent가 알아보기 쉬운 형태로 보강했습니다.

쉽게 말하면 화면 디자인 자체를 완전히 뒤엎은 것이 아니라, 웹사이트가 가지고 있는 의미와 상태를 기계도 좀 더 명확하게 이해할 수 있도록 만든 것입니다.

연구진은 GPT-4.1, Gemini 2.5 Flash, Grok-4 Fast 세 모델을 사용해 다섯 종류의 쇼핑 관련 작업을 수행하도록 했고, 두 사이트에서 총 300번의 독립적인 테스트를 진행했습니다.

그 결과 일반적인 Human-oriented Website에서는 150번의 실행 중 74번이 완전히 성공했고, Agent-ready 버전에서는 134번이 완전히 성공했습니다. 이를 성공률로 계산하면 각각 49.3%와 89.3%입니다.

구분	일반 웹사이트	Agent-ready 웹사이트
완전 성공률	49.3%	89.3%
완전히 성공한 작업	74 / 150	134 / 150
일부만 성공한 작업	43	3
평균 작업 단계	9.31	6.49

성공률뿐 아니라 작업 과정도 짧아졌다

또 하나 눈여겨볼 점은 AI가 작업을 완료하기 위해 거쳐야 했던 평균 단계입니다.

일반 사이트에서는 평균 9.31단계가 필요했지만 Agent-ready 사이트에서는 6.49단계로 줄었습니다. 약 30%가 감소한 셈입니다.

이 결과는 꽤 직관적으로 이해할 수 있습니다. Agent가 정보를 제대로 찾지 못하면 같은 페이지를 다시 확인하거나 다른 메뉴로 이동하고, 잘못된 선택을 한 뒤 다시 돌아오는 과정이 반복됩니다.

반대로 현재 상태와 행동의 의미가 분명하면 필요한 정보를 더 빨리 찾고 다음 단계로 이동할 수 있습니다.

따라서 좋은 Agent UX는 단순히 “AI가 성공하느냐”의 문제를 넘어 AI가 일을 완료하는 데 필요한 시간과 단계, 컴퓨팅 비용을 줄이는 문제​와도 연결될 가능성이 있습니다.

다만 이 부분은 뒤에서 다시 설명하겠지만, 89.3%라는 숫자를 모든 웹사이트에 그대로 적용해서는 안 됩니다. 이번 연구는 통제된 이커머스 환경에서 진행된 초기 실험이기 때문입니다.

---

그런데 더 큰 변화는 웹사이트 바깥에서 시작되고 있다

여기까지만 보면 “그럼 기존 웹사이트를 AI가 읽기 좋게 조금 개선하면 되는 것 아닌가?”라는 생각이 들 수 있습니다.

그런데 2026년 3월 공개된 또 다른 연구 「From Human Interfaces to Agent Interfaces: Rethinking Software Design in the Age of AI-Native Systems」는 한 단계 더 큰 변화를 이야기합니다.

이 연구의 핵심 질문은 간단합니다.

AI Agent가 소프트웨어를 직접 사용한다면 반드시 사람이 사용하는 GUI를 거쳐야 할까?

연구진은 기존의 사람 중심 인터페이스에서 AI Agent가 직접 기능을 호출하는 Agent Interface로 소프트웨어 구조가 이동할 가능성을 제시합니다.

사람에게는 화면이 필요하지만 AI에게는 기능이 중요하다

지금까지 우리가 사용해온 대부분의 소프트웨어는 사람 → GUI → 기능이라는 구조로 만들어졌습니다.

쇼핑몰에서 물건을 하나 구매한다고 생각해봅시다. 사람은 홈 화면에서 상품을 검색하고, 목록에서 원하는 상품을 누른 뒤 상세 페이지로 이동합니다. 이후 장바구니에 담고 결제 화면으로 이동합니다.

즉 기능을 사용하기 위해 여러 개의 화면과 메뉴를 거칩니다.

하지만 AI Agent에게는 반드시 같은 과정이 필요하지 않을 수 있습니다.

AI에게 중요한 것은 ‘상품 상세 페이지를 열 수 있는가?’보다 ‘상품을 검색할 수 있는가?’, ‘가격을 비교할 수 있는가?’, ‘재고를 확인할 수 있는가?’, ‘구매 작업을 실행할 수 있는가?’​와 같은 실제 기능입니다.

두 번째 연구에서는 이렇게 AI가 직접 호출해 사용할 수 있는 기능을 Invocable Capability라는 개념으로 설명합니다. 소프트웨어를 페이지나 메뉴 중심으로 바라보는 대신, Agent가 발견하고 조합해 사용할 수 있는 기능 단위로도 바라봐야 한다는 것입니다.

예를 들어 기존 방식이 “상품 검색 페이지를 열고 검색창에 키워드를 입력한다”라면 Agent Interface에서는 “상품 검색”이라는 기능 자체를 직접 호출하는 방식이 될 수 있습니다.

이런 변화가 현실화된다면 UX에서 다뤄야 할 범위 역시 조금 달라질 수 있습니다.

IA도 화면 구조에서 기능 구조까지 확장될 수 있다

UX/UI 디자인을 공부했다면 IA(Information Architecture)​라는 말을 한 번쯤 들어봤을 것입니다.

쉽게 말하면 사용자가 원하는 정보를 찾고 목표를 달성할 수 있도록 페이지와 콘텐츠의 구조를 설계하는 일입니다.

일반적인 쇼핑몰의 IA를 단순화하면 다음과 같은 흐름을 생각할 수 있습니다.

Home → Category → Product List → Product Detail → Cart → Checkout

사람이 어떤 화면에서 어디로 이동해야 하는지를 기준으로 구조를 만드는 방식입니다.

Agent에게는 다른 종류의 구조가 필요할 수 있다

AI Agent의 관점에서는 화면 이동보다 실제로 수행할 수 있는 행동이 더 중요합니다.

같은 쇼핑 과정을 Agent의 관점으로 바꾸면 다음과 같이 생각할 수 있습니다.

상품 검색 → 조건 확인 → 상품 비교 → 재고 확인 → 배송 확인 → 구매

첫 번째 구조가 ‘사용자가 어떤 화면을 지나가는가’를 보여준다면 두 번째 구조는 ‘목표를 달성하기 위해 어떤 기능이 필요한가’​를 보여줍니다.

두 번째 연구는 AI 중심 시스템에서 기능이 기계가 이해할 수 있어야 하고, 여러 기능을 조합할 수 있어야 하며, 반복해서 호출해도 안정적으로 동작해야 한다고 설명합니다. 이를 각각 Machine Interpretability, Composability, Invocation Reliability와 같은 원칙으로 정리합니다.

따라서 앞으로의 IA가 기존 화면 구조를 버린다는 뜻은 아닙니다. 사람을 위한 화면 구조와 함께 Agent가 이용할 수 있는 기능의 구조도 함께 설계해야 할 가능성이 생겼다고 보는 편이 더 정확합니다.

MCP가 자주 언급되는 이유도 이 변화와 연결된다

최근 AI 관련 개발이나 디자인을 살펴보다 보면 MCP(Model Context Protocol)​라는 용어도 자주 등장합니다.

MCP는 AI 애플리케이션이 외부 데이터와 도구에 연결될 수 있도록 만든 오픈 표준입니다. 공식 문서에서는 AI 애플리케이션이 파일이나 데이터베이스 같은 데이터 소스뿐 아니라 검색, 계산, 일정 생성 같은 도구와 연결되는 방법을 제공한다고 설명합니다.

예를 들어 사람이 캘린더 앱을 직접 열어 빈 시간을 찾고 일정을 등록하는 대신, AI Agent가 사용자의 요청을 받아 ‘일정 검색’과 ‘일정 생성’ 기능을 호출하는 식입니다.

MCP 자체가 Agent-Ready Website와 같은 개념은 아닙니다. 다만 AI가 화면만 바라보는 것이 아니라 서비스가 제공하는 데이터와 기능에 직접 접근하는 방향으로 변화하고 있다는 점에서는 같은 흐름으로 이해할 수 있습니다.

앞으로 서비스 설계에서는 “사용자에게 어떤 화면을 보여줄 것인가?”와 함께 “AI Agent에게 어떤 기능을 어떤 형태로 제공할 것인가?”라는 질문도 점점 중요해질 수 있습니다.

그렇다면 UX/UI 디자이너는 무엇을 준비해야 할까?

여기까지 읽으면 “이제 UX/UI 디자이너도 API를 만들고 백엔드까지 알아야 하는 건가?”라는 생각이 들 수도 있습니다.

당장 그렇게 볼 필요는 없습니다.

중요한 것은 디자이너가 직접 API 코드를 작성하는 것이 아니라, 서비스의 정보와 상태, 행동을 지금보다 더 명확하게 정의하는 것​입니다.

기존에 잘하던 UX가 더 중요해질 수 있다

Agent UX의 흥미로운 점은 완전히 새로운 원칙만 요구하는 것이 아니라는 것입니다.

예를 들어 버튼에 ‘확인’이라고 적는 대신 ‘주문 내용 확인’이라고 적으면 사람도 더 쉽게 이해할 수 있습니다. 색상 하나로만 상태를 구분하지 않고 ‘재고 있음’이라는 텍스트를 함께 제공하면 접근성도 좋아집니다.

Semantic HTML을 올바르게 사용하고, 폼에 명확한 Label을 제공하며, Heading 구조를 논리적으로 만드는 것 역시 웹 접근성에서 이미 중요하게 다뤄온 원칙입니다.

Agent에게도 이런 명확한 구조는 도움이 될 수 있습니다.

즉 좋은 Accessibility, 좋은 UX Writing, 명확한 정보 구조가 Agent UX의 기반과 상당 부분 연결될 수 있습니다.

다만 Agent Readiness의 범위는 여기에서 더 넓어집니다. 구조화된 데이터, 현재 상태, 정보의 최신성, 실행 가능한 기능처럼 사람이 화면을 볼 때는 잘 드러나지 않는 부분까지 고려해야 하기 때문입니다.

앞으로 웹사이트 체크리스트가 하나 더 늘어날지도 모른다

지금까지 좋은 웹사이트를 판단하는 기준은 계속 늘어났습니다.

처음에는 화면이 보기 좋고 사용하기 편한지가 중요했습니다. 모바일 사용자가 늘면서 Responsive Design이 기본이 되었고, 다양한 사용자를 고려하기 위해 Accessibility가 중요해졌습니다. 검색이 중요한 유입 경로가 되면서 SEO 역시 웹사이트 제작 과정에서 빼놓을 수 없는 요소가 됐습니다.

앞으로는 여기에 하나의 질문이 추가될 수 있습니다.

“AI Agent도 이 웹사이트를 정확하게 이해하고 사용할 수 있는가?”

이를 단순하게 정리하면 다음과 같은 흐름입니다.

Usability → Accessibility → Responsive → Performance → SEO → Agent Readiness

Agent Readiness가 현재 WCAG처럼 공식적인 웹 표준이라는 의미는 아닙니다. 오히려 이제 막 연구되고 있는 새로운 설계 관점에 가깝습니다.

하지만 AI가 정보를 읽는 것에서 끝나지 않고 실제 서비스를 사용하기 시작한다면 충분히 중요해질 만한 질문입니다.

특히 쇼핑·예약·비교 서비스에서 먼저 중요해질 가능성이 크다

모든 웹사이트가 같은 속도로 Agent 중심 환경으로 바뀌지는 않을 것입니다.

회사 소개 페이지나 개인 포트폴리오처럼 주로 정보를 읽는 웹사이트보다 AI가 사용자를 대신해 여러 조건을 확인하고 실제 행동까지 수행할 수 있는 서비스에서 Agent Readiness가 먼저 중요해질 가능성이 큽니다.

쇼핑몰이 대표적입니다. 사용자가 “10만원 이하 제품 중 평점이 높고 내일까지 배송되는 상품을 골라줘”라고 요청하면 AI가 검색하고, 비교하고, 재고를 확인하고, 배송 조건까지 판단할 수 있기 때문입니다.

호텔이나 항공권 예약도 비슷합니다. 날짜와 가격, 위치, 취소 정책 같은 여러 조건을 동시에 비교해야 합니다. 음식 주문, 금융상품 비교, 보험 비교, 부동산 검색, 티켓 예약 등도 같은 흐름을 가지고 있습니다.

이 서비스들의 공통점은 단순합니다.

검색 → 비교 → 판단 → 행동

바로 AI Agent가 사용자를 대신해 수행하기 좋은 종류의 작업입니다.

하지만 89.3%라는 숫자를 모든 웹사이트에 적용하면 안 된다

앞서 소개한 49.3%에서 89.3%로의 성공률 향상은 상당히 인상적인 결과입니다.

하지만 이를 “Agent-ready로 만들기만 하면 모든 AI의 성능이 89.3%가 된다”는 의미로 받아들이면 안 됩니다.

이번 연구는 실제 인터넷 전체를 대상으로 한 대규모 실험이 아니라 연구진이 제작한 통제된 이커머스 프로토타입을 대상으로 진행되었습니다. 세 종류의 Agent 모델과 다섯 가지 작업을 이용한 proof-of-concept 성격의 연구로, 연구진 역시 더 다양한 실제 웹사이트와 환경에서 추가 검증이 필요하다고 설명합니다.

Agent-ready 사이트에서도 AI 모델 자체의 판단과 추론에서 발생하는 오류가 완전히 사라지는 것은 아닙니다.

두 번째 Agent Interface 연구 역시 현재 업계 전체가 따라야 하는 완성된 표준을 발표한 것이 아니라, AI Agent가 소프트웨어의 중요한 사용자가 될 경우 어떤 구조가 필요할지를 제안하는 개념적 프레임워크에 가깝습니다.

따라서 지금 당장 모든 웹사이트를 다시 만들어야 한다는 결론보다는 웹사이트의 사용자가 사람에서 AI Agent까지 넓어지고 있다는 변화에 주목할 필요가 있다고 보는 것이 적절합니다.

앞으로 ‘좋은 웹사이트’의 정의가 달라질지도 모른다

웹디자인과 UX는 항상 사용 환경의 변화에 따라 발전해왔습니다.

PC가 중심이던 시절에는 고정된 화면을 잘 만드는 것이 중요했습니다. 모바일 사용자가 늘어나자 Responsive Design이 기본이 되었고, 더 다양한 사용자를 고려하면서 Accessibility의 중요성이 커졌습니다. 검색이 핵심 유입 경로가 되면서 SEO 역시 디자인과 개발 과정에 깊숙이 들어왔습니다.

그리고 이제 새로운 사용자가 등장하고 있습니다.

AI Agent입니다.

AI가 단순히 질문에 답하는 챗봇에서 벗어나 상품을 검색하고, 여러 조건을 비교하고, 일정을 만들고, 사용자를 대신해 실제 행동을 수행하게 된다면 웹사이트 역시 사람에게 보여주는 화면으로만 존재하기는 어려워질 수 있습니다.

UX/UI 디자이너가 설계해야 하는 대상도 자연스럽게 넓어집니다.

레이아웃과 색상, 버튼의 위치뿐 아니라 정보가 어떤 의미를 가지는지, 현재 상태는 무엇인지, 어떤 행동을 할 수 있는지, 그 기능들이 서로 어떻게 연결되는지​까지 UX의 일부가 될 수 있습니다.

몇 년 뒤 웹사이트를 검수할 때 우리는 두 가지 질문을 자연스럽게 함께 하고 있을지도 모릅니다.

“사람이 사용하기 좋은가?”

그리고 하나 더,

“AI가 사용하기에도 좋은가?”

Agent-Ready Website라는 개념이 흥미로운 이유는 AI 기능 하나를 웹사이트에 추가하자는 이야기가 아니라, 웹사이트를 실제로 사용하는 새로운 사용자 유형이 등장하고 있다는 사실을 디자인의 문제로 바라보기 시작했다는 데 있습니다.

FAQ

Agent-Ready Website란 무엇인가요?

Agent-Ready Website는 사람뿐 아니라 AI Agent도 웹사이트의 콘텐츠와 상태, 기능을 명확하게 이해하고 사용할 수 있도록 설계된 웹사이트를 의미합니다. 연구에서는 Agent Interpretability, Agent Executability, Agent Decision Reliability의 세 영역을 중심으로 설명합니다.

Agent UX는 기존 UX와 무엇이 다른가요?

기존 UX가 주로 사람이 화면을 보고 정보를 이해하고 행동하는 과정을 설계한다면, Agent UX는 AI가 서비스의 데이터와 상태를 어떻게 이해하고 어떤 기능을 안정적으로 실행할 수 있는지까지 함께 고려하는 관점이라고 볼 수 있습니다.

Semantic HTML만 잘 사용하면 Agent-ready 웹사이트가 되나요?

Semantic HTML은 좋은 출발점이지만 그것만으로 충분하지는 않습니다. 구조화된 데이터, 명확한 상품과 상태 정보, 행동의 의미, 정보의 최신성, Agent가 호출할 수 있는 기능 등 더 넓은 요소가 관련됩니다.

SEO와 Agent Readiness는 무엇이 다른가요?

SEO는 검색엔진이 웹사이트를 발견하고 콘텐츠의 의미를 이해할 수 있도록 돕는 것이 핵심입니다. Agent Readiness는 여기에서 더 나아가 AI Agent가 해당 서비스를 실제로 이해하고 검색, 비교, 선택, 예약, 구매 같은 행동을 수행할 수 있는지까지 고려합니다.

GUI는 앞으로 사라지게 될까요?

현재 연구는 GUI가 사라질 것이라고 주장하지 않습니다. 사람에게는 여전히 이해하기 쉽고 사용하기 좋은 화면이 필요합니다. 다만 같은 서비스에서 사람을 위한 GUI와 AI Agent가 사용할 수 있는 구조화된 기능이 함께 제공되는 형태가 증가할 가능성이 있습니다.

참고 자료

• Said Elnaffar, Farzad Rashidi, 「Designing Agent-Ready Websites for AI Web Agents: A Framework for Machine Readability, Actionability, and Decision Reliability」, 2026년 7월 13일.
• Shaolin Wang, Yi Mei, Haoyang Che, He Jiang, Shui Yu, Ying Gu, 「From Human Interfaces to Agent Interfaces: Rethinking Software Design in the Age of AI-Native Systems」, 2026년 3월 19일.
• Model Context Protocol 공식 문서.