아이덴티티 레졸루션(Identity Resolution)은 수십 개의 시스템, 디바이스, 채널에 흩어진 고객 데이터를 매칭하고 병합하여 각 실제 인물에 대한 단일하고 정확한 프로필을 만들어내는 프로세스입니다. 이것이 바로 Customer Data Platform(CDP)이 “모바일 익명 방문자”, “이메일 구독자”, “매장 내 로열티 회원”을 하나의 통합된 고객으로 전환하는 방식입니다.

2026년 현재, 아이덴티티 레졸루션은 고객 데이터 스택에서 가장 중요한 레이어로 자리잡았습니다. 그 이유는 다음과 같습니다. AI 에이전트는 기계 속도로 개인화를 수행할 수 있지만, 오직 고객이 누구인지 알고 있을 때에만 가능합니다. 아이덴티티 레졸루션 없이는 AI 에이전트가 온전한 고객이 아닌 파편만을 보게 됩니다. 그 결과 잘못된 채널에서 잘못된 고객에게 잘못된 오퍼가 전달됩니다. 그것도 기계 속도로, 분당 수천 번씩 말입니다.

아이덴티티 레졸루션의 품질이 AI의 품질을 직접 결정합니다.

아이덴티티 레졸루션이 아닌 것

아이덴티티 레졸루션은 CRM 중복 제거가 아닙니다. CRM이 동일한 이메일 주소를 가진 두 레코드를 합치는 것은 기본적인 데이터 위생 작업일 뿐, 아이덴티티 레졸루션이 아닙니다.

쿠키 동기화도 아닙니다. DMP는 광고 플랫폼 전반에 걸쳐 익명 오디언스를 매칭하기 위해 쿠키 동기화를 활용했지만, 쿠키는 사라지고 있으며 쿠키 동기화는 영구적인 고객 프로필을 만들어내지 못했습니다.

또한 일회성 데이터 정리 프로젝트도 아닙니다. 아이덴티티 레졸루션은 지속적인 실시간 프로세스입니다. 웹사이트 방문, 이메일 오픈, 구매, 앱 설치 등 모든 새로운 상호작용이 즉시 올바른 프로필에 연결되어야 합니다.

아이덴티티 레졸루션이 AI의 병목인 이유

모든 AI 기반 고객 경험은 한 가지 사실에 달려 있습니다. 바로 지금 대화하는 상대가 누구인지 아는 것입니다.

AI 에이전트가 자율적으로 개인화된 오퍼 발송을 결정할 때, 행동·거래·인구통계 데이터가 통합되고 바로 지금 이 순간 기준으로 최신 상태인 고객의 전체 프로필이 필요합니다. 아이덴티티가 레졸루션되지 않으면 다음과 같은 문제가 발생합니다.

• 에이전트가 1명의 고객 대신 5개의 파편을 보고, 5명의 다른 사람으로 처리합니다
• 에이전트가 중복 메시지를 발송합니다 — 동일한 고객이 이메일, SMS, 푸시 알림으로 동일한 오퍼를 받게 됩니다
• 에이전트가 불완전한 데이터를 기반으로 개인화합니다 — 하나의 채널 이력만으로 제품을 추천하고 나머지 이력은 놓칩니다
• AI 의사결정 점수가 틀려집니다 — 모델이 파편화되고 불완전한 프로필로 학습되기 때문입니다

아이덴티티 레졸루션은 AI 에이전트에게 있어 인간의 시각과 같은 역할을 합니다. 없으면 에이전트는 강력하지만 맹목적인 상태로 어둠 속에서 대규모로 실행하게 됩니다.

아이덴티티 레졸루션의 작동 방식

1. 접점 전반에 걸친 데이터 수집

아이덴티티 레졸루션은 웹사이트 방문, 모바일 앱 세션, 이메일 참여, POS 거래, 콜센터 상호작용, IoT 디바이스, 소셜 미디어, 서드파티 데이터 파트너 등 모든 소스에서 고객 상호작용을 수집하는 것으로 시작됩니다. 각 상호작용은 아이덴티티 신호를 포함합니다. 이메일 주소, 전화번호, 로그인 ID 같은 명시적 신호와 디바이스 핑거프린트, IP 주소, 행동 패턴 같은 암묵적 신호가 있습니다.

2. 결정론적 매칭(Deterministic Matching)

결정론적 매칭은 이메일 주소, 전화번호, 고객 ID, 로열티 카드 번호 등 정확하고 확인된 식별자를 사용하여 레코드를 연결합니다. 두 레코드가 동일한 검증된 식별자를 공유하면 매칭이 확실하며 정확도는 99% 이상입니다.

이는 이메일 캠페인, SMS, 고객 서비스, AI 에이전트 실행 등 모든 고객 대면 작업의 황금 표준입니다. 매칭은 증명 가능하고 감사 가능하며 GDPR을 준수합니다.

3. 확률론적 및 ML 기반 매칭

확률론적 매칭은 통계 모델과 머신러닝을 사용하여 정확한 식별자를 공유하지 않는 레코드들을 디바이스 특성, 행동 패턴, 위치 데이터, 타이밍을 기반으로 연결합니다. 일부 아이덴티티 레졸루션 플랫폼에서 사용하는 ML 기반 접근 방식은 레코드의 커버리지를 20~30%에서 80~95%로 높일 수 있습니다.

이는 분석 및 광고에는 강력하지만, 직접적인 고객 행동에는 정확도 위험이 따릅니다. 이에 대한 자세한 내용은 아래 거버넌스 섹션에서 다룹니다.

4. 아이덴티티 그래프 구성

결정론적 매칭과 확률론적 매칭을 통해 해결된 모든 매칭은 아이덴티티 그래프로 조합됩니다. 이는 알려진 모든 식별자, 디바이스, 상호작용을 단일 고객 프로필에 매핑하는 영구적인 데이터 구조입니다. 각 프로필은 세션, 디바이스, 채널 전반에 걸쳐 유지되는 영구 ID를 받습니다.

아이덴티티 그래프는 CDP, 마케팅 도구, AI 에이전트가 “이 고객이 누구인가?”를 파악할 때 조회하는 구조입니다.

5. 실시간 프로필 업데이트

2026년에 아이덴티티 레졸루션은 야간 일괄 처리 작업이 아닙니다. 페이지 조회, 구매, 이메일 오픈 등 모든 새로운 상호작용은 실시간으로 올바른 프로필에 연결되어야 합니다. 고객이 오후 2시 14분에 웹사이트를 방문하면, 프로필은 자정 배치 실행 때가 아닌 오후 2시 14분에 업데이트되어야 합니다.

이 실시간 요건은 AI 에이전트에 의해 요구됩니다. 오후 2시 15분에 개인화 결정을 내리는 에이전트는 오후 2시 14분의 데이터가 필요합니다. 10시간 지연은 기계 속도로 10시간 된 의사결정을 의미합니다.

거버넌스 문제: 확률론적 매칭이 위험이 되는 순간

ML 기반 확률론적 매칭은 커버리지를 높이지만 위험도 수반합니다. 확인된 식별자가 아닌 통계적 확률에 기반하여 두 프로필이 병합되면, 같은 사람이 아닐 가능성이 존재합니다.

집계 분석이나 광고 타겟팅의 경우 이 위험은 관리 가능합니다. 90% 정확도의 유사 오디언스도 여전히 좋은 성과를 냅니다. 약간의 노이즈가 포함된 코호트 분석도 유효한 트렌드를 보여줍니다.

그러나 이메일, SMS, 푸시 알림, 서비스 상호작용 등 직접적인 고객 커뮤니케이션의 경우 위험은 관리할 수 없는 수준입니다. 잘못된 사람에게 개인화된 오퍼를 보내는 것은 단순히 당혹스러운 일이 아닙니다. GDPR 제5조 1항 (d)에 따르면 개인 데이터는 정확해야 합니다. 틀린 확률론적 병합은 부정확한 데이터 처리이자 규정 위반입니다.

AI 에이전트와 결합되면 이 문제는 기하급수적으로 위험해집니다. 사람 마케터가 캠페인을 발송할 때는 세그먼트를 검토하고, 목록을 점검하며, 이상 징후를 발견할 수 있습니다. 그러나 AI 에이전트가 확률론적 프로필을 기반으로 분당 수천 건의 개인화된 작업을 자율적으로 트리거할 경우, 5% 오류율은 매 분마다 수백 건의 잘못된 작업을 의미하며 중간에 사람의 검토가 없습니다.

기업 패턴: 행동에는 결정론적, 인사이트에는 확률론적

선도 기업들은 아이덴티티 레졸루션 거버넌스에 이중 접근 방식을 채택하고 있습니다.

사용 사례	아이덴티티 방법	이유
CRM / 이메일 / SMS 캠페인	결정론적만 사용	직접 PII 작업 — 잘못된 대상 = 동의 위반
고객 서비스	결정론적만 사용	잘못된 고객 데이터 표시 = 데이터 침해
AI 에이전트 자율 행동	결정론적만 사용	오류가 기계 속도로 증폭 — 루프 내 사람 검토 없음
광고 타겟팅 / 유사 오디언스	결정론적 + 확률론적	익명 오디언스 — 오류 비용이 낮음
분석 / 리포팅	결정론적 + 확률론적	집계 수준 — 개별 오류가 전체에서 희석됨

핵심 인사이트는 이것입니다. AI 에이전트가 더 많은 자율적 고객 대면 행동을 담당할수록, 아이덴티티 레졸루션 중 반드시 결정론적이어야 하는 부분이 증가합니다. 확률론적 매칭이 잘못된 것이 아닙니다. 올바른 사용 사례에서는 강력합니다. 그러나 직접 행동과 AI 에이전트 실행을 지원하는 결정론적 레이어와 명확하게 분리되어야 합니다.

결정론적 vs 확률론적 vs ML 기반: 비교표

기준	결정론적	확률론적	ML 기반 (예: Stitch 모델)
정확도	99% 이상	70~85%	85~95%
커버리지	레코드의 20~30%	60~80%	80~95%
규칙 설계	수동 규칙 필요	통계 모델 설계	자동 학습, 수동 규칙 불필요
투명성	완전히 설명 가능	모델 의존적	신뢰도 점수 제공
속도	실시간 가능	주로 배치	주로 배치
직접 행동에 대한 GDPR 위험	낮음 — 증명 가능한 매칭	높음 — 확률론적 병합이 부정확할 수 있음	중간~높음 — 확률론적보다 좋지만 여전히 통계적
AI 에이전트 적합성	✓ 자율 행동에 안전	⚠ 인사이트 전용	⚠ 인사이트 + 광고 전용
최적 결합 방식: 결정론적(실시간, 행동 레이어) + ML(배치, 보강 레이어)

배치 vs 실시간 아이덴티티 레졸루션

ML 기반 접근 방식을 포함한 대부분의 아이덴티티 레졸루션 플랫폼은 배치로 실행됩니다. 프로필이 몇 시간마다 또는 야간에 통합됩니다. 주간 캠페인을 구축하는 사람 마케터에게는 이것이 허용 가능했습니다.

그러나 밀리초 속도로 결정을 내리는 AI 에이전트에게는 허용되지 않습니다.

접근 방식	프로필 신선도	사용 사례 적합성	AI 에이전트 적합성
규칙 기반 배치	몇 시간~며칠 된 데이터	주간 캠페인, 분기별 보고서	❌ 오래된 프로필
ML 기반 배치	몇 시간 된 데이터	더 높은 커버리지, 여전히 지연	⚠ 개선됐지만 여전히 지연
실시간 결정론적	수 초 된 데이터	이메일, SMS, 서비스, AI 에이전트	✓ 에이전트 준비 완료
하이브리드: 실시간 결정론적 + ML 보강	수 초(핵심) + 몇 시간(보강)	모든 사용 사례	✓✓ 최적

최적 아키텍처는 사람 또는 AI 에이전트의 모든 고객 대면 결정을 위한 행동 레이어에서 실시간 결정론적 매칭을 사용하는 한편, ML 기반 보강은 분석 및 광고를 위한 커버리지를 개선하기 위해 배치로 실행됩니다. 이를 통해 AI 에이전트에게 필요한 속도와 분석팀이 원하는 커버리지를 모두 확보할 수 있습니다.

아이덴티티 레졸루션만으로는 절반의 이야기

일부 플랫폼은 고객 아이덴티티 스티칭에는 탁월하지만 거기서 멈춥니다. 통합된 프로필을 얻고 나서 다른 시스템으로 내보내어 실행해야 합니다. 이는 다음과 같은 격차를 만들어냅니다.

• 데이터 지연 — 프로필이 한 시스템에서 레졸루션되지만 활성화 플랫폼에 도달할 때쯤이면 이미 오래된 데이터가 됩니다
• 거버넌스 격차 — 아이덴티티 시스템에서 확인된 동의 상태가 활성화 시스템으로 실시간으로 전파되지 않을 수 있습니다
• 에이전트 단편화 — AI 에이전트가 아이덴티티 레졸루션을 위해 하나의 API를, 프로필 조회를 위해 다른 API를, 행동 트리거를 위해 또 다른 API를 호출해야 합니다. 세 개의 분리된 시스템에 걸쳐서요

완전한 CDP 접근 방식은 동일한 플랫폼에서 아이덴티티를 레졸루션하고 활성화합니다. 통합 프로필 → 세그먼테이션 → 캠페인 실행 → AI 에이전트 액세스가 모두 하나의 시스템 안에서 이루어집니다. 내보내기 지연도 없고 거버넌스 격차도 없습니다. 에이전트가 단일 API 호출 체인으로 아이덴티티를 레졸루션하고, 프로필을 조회하며, 행동을 트리거합니다.

아이덴티티 레졸루션을 평가하는 기업들에게 질문은 단순히 “매칭이 얼마나 정확한가?”가 아닙니다. “레졸루션된 아이덴티티에서 고객 행동까지 얼마나 빠르게 이동할 수 있으며, AI 에이전트가 한 번의 호출로 할 수 있는가?”입니다.

2026년의 전환: 에이전트 인프라로서의 아이덴티티 레졸루션

CDP를 사람 인터페이스에서 에이전트 인프라로 재편하는 것과 같은 변화가 아이덴티티 레졸루션을 재편하고 있습니다. AI 에이전트는 대시보드에서 고객을 조회하지 않습니다. API를 호출합니다.

2026년 아이덴티티 레졸루션은 다음 조건을 갖춰야 합니다.

• API 우선 — UI와 내보내기 버튼이 아닌 REST API 및 CLI 도구를 통한 레졸루션된 프로필에 대한 완전한 프로그래밍 방식 접근
• 실시간 — 몇 시간이 아닌 밀리초 안에 반영되는 프로필 업데이트. 에이전트는 어젯밤 배치가 아닌 현재 데이터가 필요합니다
• 기계 속도의 거버넌스 — 로그인 단위가 아닌 쿼리 단위로 작동하는 동의 확인, RBAC, 감사 추적. 모든 에이전트 쿼리는 로그되고, 권한이 부여되며, 감사 가능해야 합니다
• 행동에 대한 결정론적 — AI 에이전트가 사용하는 행동 레이어는 결정론적이어야 합니다. 확률론적 보강은 분석에 활용될 수 있지만, 자율적인 고객 대면 행동은 증명 가능한 아이덴티티를 요구합니다

아이덴티티 레졸루션 플랫폼의 기본 인터페이스가 UI이고 API가 부수적인 기능이라면, 그것은 AI 시대를 위해 만들어진 것이 아닙니다.

아이덴티티 레졸루션 평가 기준

규모

플랫폼이 수백 개의 데이터 소스에 걸쳐 수십억 개의 레코드를 처리할 수 있습니까? 엔터프라이즈 아이덴티티 레졸루션은 여러 지역, 여러 브랜드, 여러 데이터 레지던시 요구 사항을 아우르는 글로벌 규모에서 작동해야 합니다.

속도: 실시간 vs 배치

플랫폼이 실시간으로 아이덴티티를 레졸루션합니까, 아니면 배치로 합니까? AI 에이전트 사용 사례에서 실시간 결정론적 레졸루션은 협상 불가능한 조건입니다. 배치 ML 보강은 가치 있지만 유일한 방식이 될 수는 없습니다.

정확도: 결정론적 + ML 하이브리드

플랫폼이 결정론적 매칭(행동용)과 ML 기반 매칭(인사이트용)을 모두 지원합니까? 어떤 방법이 어떤 사용 사례에 적용되는지 제어할 수 있습니까? 확률론적 병합이 직접적인 고객 행동을 지원하지 못하도록 거버넌스 규칙을 설정할 수 있습니까?

활성화: 하나의 플랫폼에서 레졸루션 + 활성화

플랫폼이 동일한 시스템에서 아이덴티티를 레졸루션하고 고객 행동을 활성화합니까? 아니면 레졸루션된 프로필을 별도의 활성화 도구로 내보내야 합니까? 마케팅팀에게 이 격차는 느린 행동 시간과 단편화된 캠페인 실행을 의미합니다.

AI 에이전트 접근: API 우선 아키텍처

AI 에이전트가 밀리초 지연으로 API를 통해 레졸루션된 프로필을 조회할 수 있습니까? 프로그래밍 방식 접근을 위한 CLI가 있습니까? 에이전트가 단일 호출 체인으로 아이덴티티를 레졸루션하고, 프로필을 조회하며, 행동을 트리거할 수 있습니까?

개인정보 보호 및 거버넌스

플랫폼이 서로 다른 사용 사례에 대해 결정론적 레졸루션 레이어와 확률론적 레졸루션 레이어를 분리합니까? 동의 인식 아이덴티티 레졸루션을 지원합니까? 사람과 에이전트 모두의 접근에 대한 RBAC 컨트롤 및 감사 추적이 있습니까?

실제 성과 사례

아이덴티티 레졸루션은 통합된 고객 경험을 가능하게 하는 기반입니다.

• Subaru는 단편화된 데이터 소스 전반에 걸쳐 고객 프로필을 통합한 후 클릭률이 350% 증가했습니다. 이를 통해 부분적인 파편이 아닌 완전한 고객 아이덴티티를 기반으로 한 개인화 메시지가 가능해졌습니다.
• Anheuser-Busch InBev는 2,000개의 데이터 소스와 9,000만 개의 고객 레코드를 단일 아이덴티티 그래프로 통합하여 수십 개 브랜드와 수백 개 시장에 걸친 조율된 마케팅이 가능해졌습니다.
• 글로벌 게임 회사는 플랫폼 전반에 걸쳐 플레이어 아이덴티티를 레졸루션하여 광고 비용에서 1,500만 달러를 절약했습니다. 중복 타겟팅을 제거하고 정확한 어트리뷰션을 실현한 결과입니다.

자주 묻는 질문 (FAQ)

아이덴티티 레졸루션이란 무엇인가요?

아이덴티티 레졸루션은 수십 개의 시스템, 디바이스, 채널에서 파편화된 고객 데이터를 매칭하고 병합하여 각 실제 인물에 대한 단일하고 정확한 프로필을 만들어내는 프로세스입니다. CDP가 익명 방문자, 이메일 구독자, 매장 구매자를 하나의 통합된 고객으로 전환하는 방법으로, 개인화, 분석, AI 에이전트 실행을 가능하게 합니다.

결정론적 매칭과 확률론적 매칭의 차이는 무엇인가요?

결정론적 매칭은 이메일, 전화번호, 고객 ID 등 정확하고 확인된 식별자를 사용하여 99% 이상의 정확도로 레코드를 연결합니다. 확률론적 매칭은 정확한 식별자 없이 레코드를 연결하기 위해 통계 모델을 사용하며 커버리지는 높지만 정확도는 낮습니다. 직접적인 고객 행동과 AI 에이전트에는 결정론적이 필수입니다. 분석과 광고에서는 확률론적이 가치 있는 커버리지를 추가합니다.

아이덴티티 레졸루션이 AI 에이전트에게 왜 중요한가요?

AI 에이전트는 기계 속도로 개인화합니다. 분당 수천 건의 결정을 내립니다. 아이덴티티가 레졸루션되지 않으면 에이전트는 고객 대신 파편을 보고 대규모로 잘못된 결정을 내립니다. 이상 징후를 발견할 수 있는 사람 마케터와 달리, AI 에이전트에게는 검토 단계가 없으므로 에이전트가 행동하기 전에 아이덴티티 정확도가 보장되어야 합니다.

배치와 실시간 아이덴티티 레졸루션의 차이는 무엇인가요?

배치 아이덴티티 레졸루션은 주기적으로(시간별 또는 야간) 실행되어 프로필이 몇 시간 된 데이터일 수 있습니다. 실시간 아이덴티티 레졸루션은 새 데이터가 도착한 후 수 초 내에 프로필을 업데이트합니다. 밀리초 결정을 내리는 AI 에이전트에게 실시간은 협상 불가능한 조건입니다. 배치는 오늘의 결정을 어제의 아이덴티티 기반으로 내리는 것을 의미합니다.

별도의 아이덴티티 레졸루션 도구가 필요한가요, 아니면 CDP가 처리하나요?

대부분의 엔터프라이즈 CDP는 아이덴티티 레졸루션을 핵심 기능으로 포함합니다. 핵심 질문은 CDP가 동일한 플랫폼에서 아이덴티티를 레졸루션하고 활성화하는지, 아니면 레졸루션된 프로필을 별도의 도구로 내보내야 하는지입니다. AI 에이전트 사용 사례에서는 하나의 플랫폼에서 레졸루션과 활성화가 이루어지는 것이 중요합니다.

---

참고 원문: What Is Identity Resolution? From Unified Profiles to AI Agent Action [2026] — Treasure Data

이 글과 관련하여 궁금하신 사항이나 문의 사항이 있으시면 언제든지 편하게 연락 주시기 바랍니다.
📧 parkmg85@hanmail.net