Agentic AI Tech Stack: Hilton이 에이전트 시대를 앞두고 기술 스택에 투자하는 방식

Hilton은 에이전틱 AI(사람 대신 여러 단계를 스스로 처리하는 AI)에 대비해 기술 스택에 투자하고 있습니다. 목표는 고객 경험 개선과 비용 절감이고 크고 작은 AI 에이전트 업체 모두와 함께 일합니다. 같은 길을 가려면 외부 에이전트와 자사 컨시어지가 함께 읽을 호텔 데이터를 먼저 정리하고 아직 작은 효과를 채널별로 따로 재는 장부를 만들어야 합니다.

요약

CIO Dive의 Bryan Wassel 기자는 Hilton의 2026년 3분기 실적 콜(10월 27일, 화요일)에서 Christopher Nassetta CEO가 한 AI 발언을 정리했습니다. Hilton은 에이전틱 AI가 고객 경험을 낫게 하고 비용을 줄일 것으로 보고 기술 스택에 투자하고 있습니다. 투숙 경험의 물리적인 면과 디지털 면을 잇는 솔루션도 시험 중입니다. Nassetta는 기술이 Hilton의 시장 진출 방식(go to market), 고객이 호텔을 경험하는 방식, 고객 서비스를 처리하는 방식을 크게 바꿀 것이라고 했습니다. 기술이 Hilton에 더 큰 전략적 무기가 된다고도 했습니다. 다만 경쟁상의 이유로 구체적인 내용은 밝히지 않았습니다.

지금까지의 성과를 두고 Nassetta는 “a small down payment on what’s to come”이라고 표현했습니다. 앞으로 올 것에 비하면 작은 계약금이라는 뜻입니다. 재무 효과는 아직 미미하지만 점점 커질 것으로 보고 AI 에이전트의 영향이 인터넷만큼 클 것이라고 했습니다. 경영진은 AI가 고객 경험을 통째로 맡는 단계로는 아직 보지 않습니다. Hilton은 3월에 생성형 AI 디지털 컨시어지를 베타로 냈고 전 Uber 임원 Jeff Moore를 CTO로 선임했습니다. 선임 발표 때 회사는 이 자리가 AI와 차세대 기술 도입을 앞당기는 역할이라고 설명했습니다. 3분기 comparable RevPAR(기존 호텔 기준 객실당 매출)은 전년보다 5.8% 늘었고 순이익은 5억 3,600만 달러였습니다. 아래에서는 기사에 나온 세 가지 움직임을 풀고 같은 방식을 국내 서비스 기업에 옮길 때 필요한 데이터와 일정을 덧붙였습니다.

핵심 메커니즘

Agentic Tech Stack: 고객 경험과 원가를 함께 겨냥한 기술 투자

Hilton이 말한 기술 스택 투자는 에이전틱 AI를 받아들일 준비입니다. 회사가 밝힌 목표는 두 가지, 고객 경험 개선과 비용 절감입니다. 바뀔 곳으로는 시장 진출, 호텔 경험, 고객 서비스 세 영역을 들었습니다. 지금 시험하는 것은 투숙 경험의 물리적인 면과 디지털 면을 잇는 솔루션입니다. 어떤 시스템을 어떻게 바꾸는지는 경쟁상의 이유로 공개하지 않았습니다. 이 투자는 고객 접점이 여러 곳으로 흩어진 회사에 맞습니다. 예약 채널, 현장 응대, 콜센터가 각자 다른 시스템을 쓰면 에이전트가 하나의 고객 기록을 볼 수 없기 때문입니다. 접점이 하나뿐이고 업무가 단순한 회사라면 스택 전체보다 한 업무의 자동화부터 보는 편이 낫습니다. 가상 예시로, 고객이 앱에서 늦은 체크인을 알리면 그 정보가 프런트와 고객 서비스 화면에 같이 뜨는 구조가 물리·디지털 연결의 한 형태입니다.

Digital Concierge: 대화로 여행을 짜 주는 생성형 AI

Hilton은 2026년 3월 생성형 AI 기반 디지털 컨시어지를 베타로 냈습니다. 고객이 평소 쓰는 말로 물으면 Hilton 호텔에서의 여행 계획을 돕습니다. 검색 조건을 하나씩 고르는 대신 대화로 원하는 바를 풀어 놓는 방식입니다. 기사는 이용 규모나 성과 수치를 싣지 않았습니다. 이런 컨시어지는 고객이 아직 목적지나 날짜를 정하지 못한 탐색 단계에서 쓸모가 큽니다. 이미 호텔과 날짜를 정한 고객에게는 기존 예약 화면이 더 빠릅니다. 가상 예시로, “아이 둘과 3박, 수영장 있는 바닷가”라는 질문에 조건에 맞는 호텔 두세 곳과 일정 초안을 보여 주고 예약은 기존 예약 화면으로 넘기는 흐름을 생각할 수 있습니다.

Agent Partnerships: 크고 작은 AI 에이전트 업체 모두와 일하기

기사는 AI 에이전트의 예로 Muse Instinct를 들며 아직 아주 초기 단계라고 적었습니다. Nassetta는 작은 업체를 포함해 에이전트 업체 하나하나와 모두 일하고 있다고 보면 된다고 말했습니다. 협업 조건은 기사에 나오지 않습니다. 이 방식은 고객이 어느 에이전트를 쓸지 아직 정해지지 않은 시기에 맞습니다. 한 곳만 고르면 다른 에이전트를 쓰는 고객에게 보이지 않을 수 있기 때문입니다. 반대로 에이전트마다 따로 연동을 만들면 비용이 업체 수만큼 늘어납니다. 그래서 공통 데이터와 접속 규칙을 한 번 만들어 여러 업체에 같이 내주는 구조가 함께 필요합니다. 재무 효과는 지금 작고 Hilton은 이를 점점 커질 투자로 봅니다.

통념과 다른 주장

기사에 나온 사례

사례	상황	한 일	결과	연결
디지털 컨시어지	고객의 여행 계획 지원	2026년 3월 생성형 AI 컨시어지 베타 출시, 대화형으로 Hilton 호텔 여행 계획 지원	원문에서 밝히지 않음	Digital Concierge
AI 에이전트 협업	에이전틱 AI가 고객 경험과 시장 진출을 바꿀 것으로 봄	Muse Instinct 같은 초기 에이전트를 포함해 작은 업체까지 모두와 협업	재무 효과는 현재 미미, 확대 기대. 조건은 원문에서 밝히지 않음	Agent Partnerships
CTO 선임	AI와 차세대 기술 도입을 앞당길 필요	전 Uber 임원 Jeff Moore를 CTO로 선임	기사 게재 다음 주 월요일(11월 2일) 취임	Agentic Tech Stack

기술 디테일: 에이전트를 받아들일 스택을 직접 만든다면

아래 데이터 구조, 필드, 설정값은 실제로 돌릴 때 필요한 것을 정리한 가상 예시이며 Hilton이 밝힌 구현이 아닙니다.

여러 에이전트 업체와 일하려면(Agent Partnerships) 업체마다 연동을 따로 만들지 말고 호텔 사실 데이터를 한 벌로 정리해 함께 내줍니다. 시설, 위치, 객실 유형, 반려동물·주차 정책, 체크인 시각처럼 잘 바뀌지 않는 정보를 호텔 단위 JSON으로 두고 항목마다 마지막 확인 날짜를 붙입니다. 요금과 남은 객실은 이 문서에 넣지 않고 실시간 조회 API로 따로 냅니다. 외부 에이전트에는 조회 권한만 주고 예약 확정은 기존 예약 시스템을 거치게 합니다. 업체마다 별도 인증 키를 발급하고 분당 호출 한도(예: 600회)를 둬서 한 업체의 과도한 조회가 예약 시스템을 느리게 하지 않게 합니다. 접속 기록에는 agent_id를 남겨 어느 에이전트에서 문의와 예약이 왔는지 나중에 나눠 볼 수 있게 합니다.

{
  "property_id": "HTL-A-021",
  "name_ko": "가상 호텔 A",
  "facts": {
    "pool": {"value": true, "hours": "06:00-22:00", "verified_at": "2026-10-15"},
    "parking": {"value": "유료", "verified_at": "2026-09-30"},
    "pet_policy": {"value": "소형견 1마리", "verified_at": "2026-10-01"}
  },
  "rates_endpoint": "/v1/properties/HTL-A-021/availability",
  "booking_handoff": "official_booking_flow",
  "schema_version": "1.2"
}

대화형 컨시어지를 돌리려면(Digital Concierge) LLM이 답을 지어내지 않도록 위의 호텔 사실 데이터만 검색해 근거로 씁니다. 고객 질문에서 인원, 기간, 지역, 필수 조건을 먼저 뽑아 구조화하고 조건에 맞는 호텔을 검색한 뒤 답을 만듭니다. 조건 추출은 작고 빠른 모델에 JSON 스키마를 강제해 한 번 호출하고 답변 생성은 그보다 큰 모델로 한 번 호출하는 두 단계로 나누면 비용과 오류를 따로 잡을 수 있습니다. 답에는 근거로 쓴 property_id와 항목, 확인 날짜를 함께 남깁니다. 근거가 없는 질문(예: 데이터에 없는 주변 행사)은 모른다고 답하거나 직원에게 넘깁니다. 요금은 답변 시점에 API로 다시 조회하고 생성 설정은 temperature 0.2 안팎으로 낮게 둡니다. 출시 전에는 실제 문의 200건 정도로 정답 여부를 사람이 채점하고 같은 질문을 3회씩 돌려 추천 호텔이 바뀌는 비율도 봅니다.

{
  "query_id": "CQ-20261103-0412",
  "parsed": {"party": {"adults": 2, "children": 2}, "nights": 3, "region": "해변 도시 A", "must_have": ["pool", "beach"]},
  "candidates": ["HTL-B-004", "HTL-B-011"],
  "evidence": [{"property_id": "HTL-B-004", "fact": "pool", "verified_at": "2026-10-20"}],
  "rate_checked_at": "2026-11-03T10:12:00+09:00",
  "handoff": "booking_page",
  "fallback_to_agent": false
}

물리·디지털 연결을 시험하려면(Agentic Tech Stack) 현장에서 생기는 상태 변화를 이벤트로 남겨 고객 서비스 쪽 시스템과 에이전트가 같은 정보를 보게 합니다. 체크인 완료, 객실 준비 완료, 요청 접수·처리 같은 이벤트를 한 고객 ID로 묶습니다. 처음에는 이벤트 3~5종만 정해 한 호텔에서 시험합니다. 현장 직원이 기록을 빠뜨리면 연결이 끊기므로 기존 업무 화면에서 버튼 하나로 남게 하는 편이 안전합니다.

작은 효과를 놓치지 않고 재려면(재무 효과) 채널별 장부를 따로 둡니다. 에이전트 경유 문의 수, 예약 수, 예약 1건당 수수료·연동 비용, 컨시어지 대화 중 예약으로 이어진 비율, 고객 서비스로 넘어간 비율을 월 단위로 적습니다. 전체 매출 안에서는 아직 작아 보이지 않으므로 이 장부가 확대 판단의 근거가 됩니다.

막히는 경우	증상	대응
호텔 정보가 호텔마다 다른 양식	에이전트가 잘못된 시설 정보를 안내	필수 항목 20~30개로 공통 양식을 정하고 확인 날짜 없는 항목은 내보내지 않음
요금이 답변과 예약 화면에서 다름	고객 불만, 예약 이탈	요금은 문서에 넣지 않고 답변 시점에 API로 다시 조회
에이전트 업체마다 연동 요구가 다름	연동 비용이 업체 수만큼 늘어남	공통 API와 접속 규칙을 한 벌로 두고 예외는 분기별로 묶어 검토
현장 이벤트 누락	고객 서비스가 상황을 모름	이벤트 종류를 줄이고 기존 화면에서 한 번에 기록
효과가 전체 매출에 묻힘	투자 지속 판단 근거가 없음	agent_id·채널별 장부를 월 단위로 따로 관리

현업 실행 디테일: 누가, 언제, 무엇을

역할	맡는 일
CEO	투자 범위와 공개 수준 결정, 분기 보고에서 진척 확인
CTO·CIO	기술 스택 설계, 외부 에이전트 접속 규칙과 권한 승인
마케팅·유통 책임자	에이전트 업체 선정과 협업 조건, 채널별 장부 관리
고객 서비스 책임자	컨시어지가 넘기는 문의 처리 기준, 품질 채점
호텔(현장) 운영 책임자	시설 정보 확인, 현장 이벤트 기록 방식 정리
데이터 엔지니어	호텔 사실 데이터 정리, API·이벤트 연결, 월간 리포트

준비물. 호텔별 시설·정책 정보와 담당자, 요금·재고 시스템의 조회 API 문서, 최근 3개월 고객 문의 기록(채널별), 현재 예약 채널별 수수료표, 현장에서 쓰는 업무 화면 목록이 필요합니다.

기간	할 일	산출물
1~4주	시범 호텔 3~5곳의 사실 데이터 정리, 공통 양식 확정	호텔 사실 JSON, 확인 날짜 기록
5~8주	컨시어지 내부 시범(문의 200건 채점), 에이전트 업체 1~2곳과 조회 API 연결	채점표, 접속 규칙, agent_id 기록
9~12주	채널별 장부 작성, 현장 이벤트 3~5종 시험, 확대 여부 판정	월간 리포트, 확대 판정 메모

현업에 물을 것.

1. 고객이 가장 자주 묻는 시설·정책 질문 20개는 무엇이고 그 답은 어디에 누가 관리하나요?
2. 호텔 정보가 바뀌면 지금 누가 언제 어느 채널에 반영하나요?
3. 외부 채널에 요금과 재고를 지금 어떤 방식으로 내보내나요?
4. 고객이 앱에서 남긴 요청이 프런트와 고객 서비스에 동시에 보이나요?
5. 채널별 예약 1건당 비용을 지금 따로 계산하고 있나요?

진행 판정 기준(예시). 12주 뒤 다음을 채우면 시범 호텔을 넓힙니다. 컨시어지 답변 채점에서 사실 오류가 5% 이하이고 같은 질문 3회 반복 때 추천 호텔이 바뀌는 비율이 10% 이하여야 합니다. 연결한 에이전트 경유 문의가 agent_id로 빠짐없이 기록되고 채널별 예약 1건당 비용이 계산돼 있어야 합니다. 하나라도 못 채우면 원인을 고친 뒤 4주를 더 봅니다.

AX 적용 제언. 호텔, 항공, 여행, 리테일처럼 고객이 검색하고 비교한 뒤 사는 업종이라면 Hilton처럼 특정 에이전트 하나에 걸기보다 여러 에이전트가 같이 읽을 자사 데이터부터 정리하는 편이 낫습니다. 순서는 호텔(매장·상품) 사실 데이터, 요금·재고 조회 API, 채널별 장부입니다. 자사 컨시어지와 외부 에이전트가 같은 데이터를 쓰면 정리 비용을 한 번만 치릅니다. 경영 보고에서는 재무 효과가 작은 초기에도 채널별 숫자를 따로 보고해야 투자를 이어 갈 근거가 남습니다. Hilton이 AI 도입을 앞당길 CTO를 따로 세운 것처럼 이 일을 책임질 임원을 한 명 정해 두는 것도 시작 조건입니다.

원문 사례

항목	내용
기사	CIO Dive, Bryan Wassel, 2026.10.30
발언자	Christopher Nassetta(Hilton 사장 겸 CEO), 3분기 실적 콜(10월 27일, 화요일)
투자	에이전틱 AI에 대비해 기술 스택에 투자, 목표는 고객 경험 개선과 비용 절감
시험	투숙 경험의 물리적인 면과 디지털 면을 잇는 솔루션(구체 내용은 경쟁상 이유로 비공개)
바뀔 곳	시장 진출 방식, 호텔 경험, 고객 서비스
에이전트 협업	Muse Instinct를 초기 에이전트의 예로 언급, 작은 업체 포함 모두와 협업(조건 비공개)
재무 효과	현재 미미, 점차 확대 기대, 영향은 인터넷만큼 클 것으로 전망
디지털 컨시어지	2026년 3월 생성형 AI 기반 베타, 대화형 여행 계획 지원
조직	전 Uber 임원 Jeff Moore CTO 선임, 11월 2일 취임
실적	3분기 comparable RevPAR 전년 대비 5.8% 증가, 순이익 5억 3,600만 달러

핵심 개념

agentic AI

사람이 단계마다 지시하지 않아도 목표를 받아 여러 단계를 스스로 처리하는 AI입니다.

go to market

상품을 어떤 채널로 어떤 고객에게 알리고 파는지 정하는 시장 진출 방식입니다.

comparable RevPAR

비교 가능한 기존 호텔만 놓고 본 판매 가능 객실 1개당 매출(Revenue Per Available Room)입니다.

베타

정식 출시 전에 일부 기능이나 고객을 대상으로 먼저 내놓고 다듬는 단계입니다.

CTO

Chief Technology Officer. 회사의 기술 전략과 시스템을 책임지는 임원입니다.

내 메모

TODO: 내 생각 추가

원문은 CIO Dive에 실린 Bryan Wassel 기자의 「Hilton expects agentic AI to simplify the hotel customer experience」(2026.10.30)입니다. 요약, 핵심 메커니즘의 원문 내용, 통념과 다른 주장, 사례, 원문 사례 표는 기사에 실린 Hilton 경영진의 발언과 사실을 AX Review가 다시 정리했으며 효과와 전망은 회사 측 설명입니다. 실적 콜 날짜와 CTO 취임일은 기사의 요일 표기를 날짜로 바꾼 것입니다. 기술·현업 실행 디테일, JSON 예시, 막히는 경우 표, 일정과 판정 기준, 인포그래픽은 원문에 없는 내용으로 새로 작성했고 그 안의 필드명, 호텔 이름, 숫자는 가상 예시입니다. 전체 기사는 원문 페이지에서 볼 수 있습니다.