AI는 중고상품을 대신 사고파는 것이 아니라 여러 시장의 가격정보를 분석해 사람이 놓치기 쉬운 가격의 틈을 발견하는 데 활용할 수 있습니다.
중고거래를 하는 두 사람이 있다고 해보겠습니다.
한 사람은 집에 있는 물건을 팝니다. 사용하지 않는 카메라를 30만원에 팔고, 오래된 태블릿을 15만원에 내놓습니다. 우리가 흔히 생각하는 중고거래입니다.
그런데 다른 사람은 조금 다르게 움직입니다.
이 사람은 팔 물건이 생기기를 기다리지 않습니다.
먼저 시장을 봅니다.
어떤 카메라가 20만원에 올라왔는데 비슷한 상태의 같은 모델이 다른 곳에서는 27만~30만원에 거래되고 있다면 관심을 갖습니다.
그리고 계산합니다.
“이걸 사서 다시 팔면 얼마가 남을까?”
이 사람이 찾는 것은 중고상품이 아닙니다.
가격의 틈입니다.
중고상품을 싸게 사서 비싸게 파는 일은 AI가 등장하기 훨씬 전부터 있었습니다. 그런데 AI가 들어오면서 달라질 수 있는 것이 있습니다.
한 사람이 조사하고 비교할 수 있는 상품의 양입니다.
다만 여기서 아주 중요한 질문이 생깁니다.
AI는 도대체 그 물건을 어디에서 찾을까요?
이 질문부터 풀어야 AI로 돈을 번다는 이야기가 현실이 됩니다.
AI가 알아서 당근에 들어가 싼 물건을 찾아오는 걸까?
결론부터 말하면 일반적인 AI에게 단순히
“당근에 들어가서 오늘 싸게 나온 카메라 찾아줘.”
라고 말한다고 모든 매물을 마음대로 돌아다니며 찾아오는 것은 아닙니다.
AI가 모든 중고거래 플랫폼의 내부 데이터에 자유롭게 접근할 수 있는 것이 아니기 때문입니다.
이 부분을 이해해야 합니다.
상품이 존재하는 시장과 AI가 분석하는 공간은 다를 수 있습니다.
중고거래 플랫폼 = 물건이 있는 시장
AI = 시장에서 가져온 정보를 비교하는 분석실
처음 시작하는 사람이라면 오히려 아주 단순하게 접근할 수 있습니다.
당근이나 중고거래 플랫폼 등에서 자신이 관심 있는 상품을 찾아봅니다.
상품명, 가격, 연식, 상태, 구성품 등의 정보를 몇십 개 모읍니다. 필요한 경우 화면이나 판매정보를 직접 확인해서 AI에게 제공합니다.
그러면 AI에게 이런 질문을 할 수 있습니다.
“같은 모델끼리 묶고 연식·상태·구성품을 고려해 일반적인 중고가격 범위를 찾아줘. 정상적인 가격대보다 유난히 낮은 상품은 별도로 분류하고 왜 가격이 낮을 가능성이 있는지도 확인할 항목을 만들어줘.”
이때부터 AI의 역할이 시작됩니다.
AI가 물건을 가져오는 것이 아니라 사람이 가져온 시장정보에서 가격의 이상점을 찾는 것입니다.
그렇다면 사람이 매일 수백 개를 캡처해야 할까?
여기서 다음 질문이 생깁니다.
“그럼 결국 사람이 계속 찾아서 AI에게 넣어줘야 하는 것 아닌가?”
처음에는 그렇습니다.
하지만 사업이 커지면 이 부분을 자동화할 수 있는지가 굉장히 중요해집니다.
그리고 여기에서 API라는 것이 등장합니다.
쉽게 말하면 API는 서로 다른 프로그램이 데이터를 주고받을 수 있게 만든 공식적인 연결통로라고 생각하면 됩니다.
예를 들어 어떤 플랫폼이 공식적으로 상품 데이터를 외부 프로그램에 제공한다면,
플랫폼 → 프로그램 → AI
로 정보를 전달할 수 있습니다.
사람이 매번 화면을 캡처해서 AI에게 보여줄 필요가 줄어드는 것입니다.
하지만 모든 플랫폼이 시장 전체의 상품 데이터를 자유롭게 가져갈 수 있도록 API를 제공하는 것은 아닙니다.
따라서 “AI로 자동 상품발굴 시스템을 만든다”고 할 때 가장 먼저 확인해야 할 것은 AI 성능이 아닙니다.
그 시장의 데이터를 합법적이고 안정적으로 가져올 방법이 있는가?
바로 이것입니다.
쿠팡이나 스마트스토어도 AI와 연결할 수 있을까?
가능한 부분이 있습니다.
쿠팡에는 판매자를 위한 공식 Open API가 있고, 네이버 스마트스토어 역시 커머스API를 제공합니다.
이를 이용하면 허용된 범위 안에서 자신의 상품·주문·재고·판매업무 등을 외부 시스템과 연결할 수 있습니다.
즉,
AI가 판매자의 업무를 도와주는 자동화
는 상당히 현실적인 영역입니다.
하지만 이것과
AI가 쿠팡이나 스마트스토어의 모든 판매상품을 마음대로 뒤져 가격차가 큰 물건을 찾아주는 것
은 다른 이야기입니다.
공식 API가 있다고 해서 시장 전체 데이터를 원하는 방식으로 자유롭게 가져갈 수 있다는 의미는 아니기 때문입니다.
특히 네이버의 경우 과거에는 쇼핑 검색 API를 통해 상품 검색 데이터를 활용할 수 있었지만, 해당 쇼핑 검색 API는 2026년 7월 31일 종료됐습니다.
따라서 자동화 사업을 만들 때는 단순히
“이 사이트에 API가 있대.”
에서 끝내면 안 됩니다.
그 API가 정확히 어떤 데이터를 허용하는가까지 확인해야 합니다.
이것은 앞으로 AI 사업을 생각할 때 굉장히 중요한 기준이 됩니다.
중고 되팔이를 AI로 한다면 현실적으로 3단계가 있다
이제 전체 그림이 보입니다.
1단계｜사람이 찾고 AI가 분석한다
가장 쉽게 시작할 수 있습니다.
사람이 중고상품 검색
→ 후보상품 수집
→ AI에게 정보 제공
→ 가격·상태 비교
→ 저평가 후보 발견
→ 사람이 최종 확인
처음 사업 가능성을 시험하기에는 이 방법이면 충분합니다.
비용도 거의 들지 않습니다.
2단계｜데이터를 모아 AI가 한꺼번에 분석한다
거래가 늘어나면 엑셀이나 데이터베이스 등에 정보를 쌓을 수 있습니다.
상품명 / 모델명 / 매입가격 / 판매가격 / 상태 / 판매기간 / 비용 / 실제 순이익
이런 정보가 10건, 100건, 1,000건 쌓이면 AI가 단순히 한 상품의 가격을 비교하는 것을 넘어 패턴을 찾기 시작할 수 있습니다.
예를 들어,
“마진은 크지만 판매가 느린 상품”
과
“마진은 작지만 3일 안에 잘 팔리는 상품”
을 구분할 수 있습니다.
이때부터 중고거래가 조금씩 데이터 사업으로 변합니다.
3단계｜허용된 데이터와 API를 연결해 자동화한다
가장 흥미로운 단계입니다.
플랫폼의 공식 API나 제휴 데이터, 합법적으로 이용할 수 있는 상품정보가 확보된다면 프로그램과 AI를 연결할 수 있습니다.
그렇게 되면 우리가 상상하는 시스템에 가까워집니다.
상품 데이터 자동 수집
↓
AI가 동일·유사상품 분류
↓
정상가격 범위 계산
↓
비정상적으로 싼 상품 탐지
↓
배송비·수수료·기타 비용 계산
↓
예상 순이익 계산
↓
기준을 넘는 상품만 알림
↓
사람이 최종 검증·매입
오우, 여기까지 오면 완전히 다른 사업이 됩니다.
사람이 하루 종일 중고거래 사이트를 들여다보는 것이 아니라 컴퓨터가 먼저 수많은 후보를 걸러주고 사람은 마지막 판단만 하는 구조가 되기 때문입니다.
단, 전제는 분명합니다.
플랫폼이 허용하지 않은 데이터를 무단으로 대량 수집하는 방식에 사업 전체를 의존해서는 안 됩니다.
사업으로 만들 생각이라면 데이터 확보 방법부터 합법적이고 지속 가능해야 합니다.
AI 자동화에서 가장 중요한 것은 AI가 아닐 수도 있다
여기서 《AI로 돈 버는 사람들》 첫 번째 중요한 발견이 나옵니다.
처음에는 좋은 AI만 있으면 사업을 자동화할 수 있을 것 같습니다.
그런데 실제 구조를 뜯어보면 그렇지 않습니다.
데이터 → AI → 판단 → 행동 → 돈
AI는 이 가운데 한 부분입니다.
데이터가 들어오지 않으면 AI도 분석할 것이 없습니다.
그래서 AI 사업을 볼 때 앞으로 이런 질문을 던져볼 필요가 있습니다.
① 데이터는 어디에서 오는가?
② 그 데이터를 사용할 수 있는가?
③ AI는 그 데이터에서 무엇을 발견하는가?
④ 발견한 결과를 누가 행동으로 옮기는가?
⑤ 마지막으로 누가 돈을 지불하는가?
이 다섯 질문에 답할 수 있어야 아이디어가 사업으로 바뀝니다.
그렇다면 중고시장에서는 왜 가격 차이가 생길까?
자동화 구조를 이해했다면 이제 다시 돈으로 돌아가 봅시다.
똑같은 물건인데 왜 가격이 다를까요?
중고시장에는 여러 이유가 있습니다.
누군가는 이사를 앞두고 빨리 처분해야 합니다. 누군가는 시세를 잘 모릅니다. 사진을 잘못 찍어 좋은 물건인데도 관심을 받지 못할 수 있습니다.
상품명을 제대로 적지 않은 경우도 있습니다.
정확한 모델명이
ABC 무선청소기 Pro 2025
인데 판매자가
무선청소기 팝니다
라고만 올렸다고 생각해봅시다.
검색에서 제대로 발견되지 않을 가능성이 있습니다.
가격 차이는 결국 여러 곳에서 만들어집니다.
급매 / 시세정보 부족 / 잘못된 상품명 / 부족한 설명 / 좋지 않은 사진 / 지역 차이 / 플랫폼 차이 / 판매자의 시간 부족
이런 작은 비효율이 모여 가격 차이를 만듭니다.
AI가 찾는 것은 바로 이런 시장의 비효율입니다.
20만원에 사서 27만원에 팔면 7만원을 버는 것일까?
아닙니다.
여기서 장사와 단순 가격비교가 갈립니다.
아래는 실제 수익을 보장하는 사례가 아니라 머니포트 사업모델 시뮬레이션입니다.
| 항목 | 가상 금액 |
|---|---|
| 중고상품 매입 | 200,000원 |
| 예상 판매가격 | 270,000원 |
| 이동·배송·포장 | -10,000원 |
| 결제·플랫폼 관련 비용 가정 | -8,000원 |
| 청소·상품화 비용 | -5,000원 |
| 예상 잔여금액 | 47,000원 |
여기에 구매자가 1만원을 깎아달라고 하면 37,000원이 됩니다.
예상하지 못했던 하자가 발견되면 수익은 사라질 수도 있습니다.
따라서 AI가 찾아야 할 것은 단순히
“싼 물건”
이 아닙니다.
예상 순이익 = 예상 판매가격 – 매입가격 – 모든 비용 – 예상 손실
이 계산을 통과하는 상품입니다.
그래서 좋은 시스템이라면 단순한 가격 차이보다 실제로 남을 가능성이 있는 돈을 보여줘야 합니다.
AI에게 ‘돈 되는 상품’을 물어보는 것보다 좋은 방법
여기서 많은 사람이 이렇게 질문할 겁니다.
“AI야, 중고로 되팔아서 돈 벌기 좋은 물건 10개 알려줘.”
하지만 이런 질문은 별로 좋은 질문이 아닐 수 있습니다.
오히려 AI에게 돈이 남기 쉬운 상품의 조건을 찾게 하는 편이 낫습니다.
예를 들어,
중고 재판매를 검토하고 있다. 신제품과 중고제품의 가격 차이가 충분하고, 모델별 가격비교가 쉬우며, 중고 수요가 꾸준하고, 보관과 배송이 어렵지 않고, 고장 여부를 비교적 확인하기 쉬운 상품군의 특징을 찾아줘. 특정 상품을 무조건 추천하지 말고 각각의 조건이 왜 수익성에 영향을 미치는지 설명해줘.
이렇게 질문하면 AI가 황금상품 하나를 찍어주는 것이 아니라 앞으로 수백 개의 상품을 볼 때 사용할 필터를 만드는 데 도움을 줄 수 있습니다.
이 차이가 중요합니다.
AI를 점쟁이처럼 쓰는 것이 아니라 분석가처럼 사용하는 것입니다.
가장 싼 물건이 가장 위험한 물건일 수도 있다
시세 50만원인 상품이 25만원에 올라왔다고 해봅시다.
이때 첫 질문은
“대박이다!”
가 아닙니다.
“왜 이렇게 싸지?”
여야 합니다.
고장일 수도 있고 구성품이 없을 수도 있습니다. 제품 상태가 나쁠 수도 있으며 거래 자체의 신뢰성을 확인해야 할 수도 있습니다.
AI가 가격 차이를 발견하더라도 현물을 완벽하게 검증해주지는 못합니다.
그래서 중고상품 재판매에서 상당히 강력한 조합은 의외로 이것일 수 있습니다.
내가 잘 아는 상품 + AI
카메라를 10년 다룬 사람이라면 카메라부터 보는 겁니다.
공구를 잘 아는 사람은 공구를 보고, 악기를 잘 아는 사람은 악기를 보는 것입니다.
AI가 전문성을 없애는 것이 아닙니다.
내 전문성이 닿을 수 있는 시장의 크기를 넓혀주는 것에 가깝습니다.
싸게 샀다면 이제 잘 팔아야 한다
매입에 성공했다고 아직 돈을 번 것은 아닙니다.
팔려야 돈이 됩니다.
이때 AI가 다시 등장할 수 있습니다.
정확한 모델명, 구입시기, 구성품, 흠집, 사용상태 등을 정리해 구매자가 판단하기 쉬운 판매글을 만드는 데 활용할 수 있습니다.
사진에서 실제 결함을 숨기거나 존재하지 않는 성능을 만들어내는 것이 아니라 있는 정보를 정확하고 이해하기 쉽게 전달하는 것입니다.
결국 AI는 매입 전에도 사용되고 판매 과정에서도 사용될 수 있습니다.
발견 → 분석 → 매입 → 판매 → 기록
전체 과정에 조금씩 들어가는 것입니다.
한 번의 차익을 반복 가능한 사업으로 바꾸려면
한 번 5만원을 벌었다고 사업이 되는 것은 아닙니다.
10번, 100번 반복했을 때도 돈이 남아야 합니다.
그래서 거래할 때마다 데이터를 남깁니다.
매입가격 / 판매가격 / 판매기간 / 비용 / 문의 수 / 가격조정 / 하자 / 실제 순이익
그러면 AI가 다음 질문에 답할 수 있게 됩니다.
“내가 지금까지 거래한 상품 중 어떤 종류가 가장 빨리 팔리면서 실제 순이익도 좋았는가?”
바로 이 순간부터 중요한 변화가 일어납니다.
남의 데이터를 분석하던 사람이 자기만의 데이터를 갖기 시작한 것입니다.
그리고 그 데이터는 다른 사람이 쉽게 가질 수 없습니다.
상품을 사고팔아 얻은 돈뿐 아니라 거래하면서 축적한 정보 자체가 자산이 되는 것입니다.
💡 머니포트 사업모델 한눈에 보기
무엇을 발견하는가?
중고시장에 존재하는 가격 차이를 발견합니다.
데이터는 어디에서 오는가?
초기에는 사람이 중고거래 플랫폼과 시장에서 직접 수집합니다. 자동화하려면 공식 API·제휴 데이터 등 허용된 데이터 접근방법이 필요합니다.
AI는 무엇을 하는가?
모델 분류, 가격 비교, 이상가격 발견, 비용·마진 계산, 판매정보 정리 등을 돕습니다.
사람은 무엇을 하는가?
실제 상품과 판매자 확인, 하자·사기 위험 판단, 매입과 판매의 최종 결정을 합니다.
돈은 어디에서 생기는가?
정상적인 재판매가격과 실제 총매입비용 사이에 남는 차이에서 발생합니다.
가장 큰 위험은 무엇인가?
잘못된 시세 판단, 하자, 사기, 장기재고, 가격 하락 그리고 불안정하거나 허용되지 않은 데이터 수집 방식입니다.
어떻게 시작하는가?
내가 잘 아는 상품 하나를 골라 30~50개의 가격정보를 직접 모으고 AI로 분석한 뒤 작은 금액으로 1건을 검증합니다.
어디까지 확장할 수 있는가?
재판매 → 전문상품 거래 → 자체 거래데이터 → 가격분석 → 시세정보 → B2B 가격정보 서비스로 발전 가능성을 생각해볼 수 있습니다.
📌 이번 편에서 발견한 ‘돈의 틈’
이번 001편에서 우리가 발견한 것은 가격의 틈입니다.
하지만 글을 시작할 때 생각했던 것보다 중요한 것을 하나 더 발견했습니다.
처음에는 이렇게 생각하기 쉽습니다.
AI → 싼 상품 발견 → 돈
실제 사업은 그렇게 간단하지 않았습니다.
더 정확하게 표현하면 이렇습니다.
데이터 → AI 분석 → 가격의 틈 발견 → 사람의 검증 → 거래 → 이익 → 데이터 축적 → 자동화
이 흐름에서 하나라도 끊어지면 사업은 돌아가지 않습니다.
특히 AI 시대의 사업을 생각할 때 앞으로 가장 먼저 물어봐야 할 질문이 있습니다.
“AI는 그 정보를 어디에서 가져오는가?”
데이터가 없다면 AI는 아무것도 분석할 수 없습니다.
반대로 합법적이고 지속적으로 들어오는 데이터가 있고, AI가 그 안에서 사람이 놓치는 차이를 찾아내고, 그것을 실제 거래로 연결할 수 있다면 이야기가 달라집니다.
그때 AI는 단순히 글을 써주는 도구가 아니라 사업의 일부가 됩니다.
그리고 거래가 쌓이면 또 하나가 남습니다.
나만의 데이터입니다.
처음에는 중고상품 하나를 싸게 사서 3만원, 5만원을 남기는 일이었을지 모릅니다.
하지만 수백 번의 거래 끝에 어떤 상품이 언제, 얼마에 사서, 얼마 만에 팔리는지를 알고 있다면 그 사람이 가진 가장 중요한 자산은 창고에 있는 중고상품이 아닐 수도 있습니다.
시장을 읽는 데이터와 그것을 해석하는 방법.
어쩌면 AI 시대에 돈을 버는 사람은 AI를 가장 잘 설명하는 사람이 아니라,
데이터가 어디에서 들어오고, 그 안의 어떤 작은 차이를 돈으로 바꿀 수 있는지를 먼저 발견하는 사람일지도 모릅니다.
