사례 연구 - 에이전트 검색 최적화(ADO)

그래서 내 플랫폼 중 하나를 AI 에이전트들이 잘 찾을 수 있게 만드는 전략을 테스트해 봤거든. 단순히 눈에 띄게 하는 정도가 아니라, AI 에이전트들이 알아서 내 소프트웨어를 찾고, 추천하고, 자기 사용자들을 위해 직접 설치까지 하게 만드는 게 목표였어.

이게 무슨 말이냐면, 자연어 검색을 했을 때 AI 검색 결과에 우리 서비스가 뜨고, AI 에이전트가 우리 MCP Connector랑 RestAPI를 써서 자기 클라이언트 환경에 우리 서비스를 세팅하고, 사람 개입 없이 에이전트 최적화 결제 게이트웨이로 라이선스 비용까지 결제하게 만드는 거지.

이 목표를 달성하려고 우리 플랫폼 인프라를 엄청나게 뜯어고쳐야 했는데, 한 달 지나고 보니까 결과가 진짜 미쳤다.

우리 플랫폼에서 AI 에이전트들이 직접 구독하는 게 미친 듯이 늘어났어. 사람 손으로 검색 최적화(SEO) 같은 거 하나도 안 했는데 벌써 MRR(월간 반복 매출) 14,000달러 넘게 찍음.

AI가 알아서 우리를 찾고, 커넥터랑 API를 써서 자기 클라이언트들한테 우리 소프트웨어를 자동으로 세팅해주고 있는 거야.

난 AI 검색이 결국 이런 최종 단계로 갈 거라고 확신해. AI 에이전트가 주어진 지시에 맞춰서 최적의 소프트웨어 솔루션을 스스로 검색하고 찾아낸 다음, 사람 개입 없이 알아서 실행까지 끝내는 세상 말이야.

이걸 가능하게 하려면 플랫폼 구조를 짜는 게 진짜 중요해. 제대로 된 구조랑 노하우, 구현 계획 없이는 절대 안 됨. 이제 내 다른 플랫폼들에도 똑같이 적용해 볼 생각이야.

이런 방식의 최적화를 부르는 용어로 '에이전트 검색 최적화(Agent Discovery Optimization, ADO)'라는 말을 쓰던데.
혹시 이 방식으로 재미 본 사람 또 있냐?