AI 검색이 가시성 격차를 넓힐 수 있는 이유

AI 검색은 정보를 더 쉽게 소비할 수 있게 만듭니다.

그것이 장점입니다.

사용자는 질문을 던지고, 많은 브라우징 과정을 건너뛰며, 구조화된 답변을 빠르게 받을 수 있습니다.

하지만 함정이 있습니다. 접근이 쉬워진다고 해서 반드시 평등한 노출(representation)을 의미하는 것은 아닙니다.

AI 검색 엔진은 어떤 소스(source)를 답변의 일부로 포함할지 선택합니다. 이러한 선택 과정은 강력한 브랜드, 대형 퍼블리셔, 영어 기반 소스, 그리고 잘 구조화된 페이지의 가시성은 높이는 반면, 규모가 작거나 구조가 복잡한 소스들은 시야에서 밀어낼 수 있습니다.

문제는 선택에 있습니다

전통적인 정보 불평등은 주로 접근성에 관한 것이었습니다:

누가 인터넷을 가지고 있는가
누가 기기를 가지고 있는가
누가 발행할 수 있는가
누가 검색할 수 있는가
누가 웹의 주도적인 언어를 읽을 수 있는가

AI 검색은 여기에 또 다른 층위를 추가합니다.

어떤 소스가 온라인에 있더라도 선택되지 않을 수 있습니다. 어떤 페이지가 정확하더라도 인용되지 않을 수 있습니다. 지역 전문가가 옳더라도, AI는 기계가 신뢰하기 더 쉬운 대형 소스를 사용하여 답변을 생성할 수 있습니다.

이것이 바로 선택의 불평등(selection inequality)입니다.

질문은 다음과 같이 변합니다:

“AI 답변이 이 소스를 선택할 것인가?”

답변 레이어의 공간은 제한적입니다

Google의 검색 내 AI 기능(AI features in Search) 문서에 따르면, AI Overviews와 AI Mode는 쿼리 팬아웃(query fan-out)을 사용할 수 있으며, 지원 링크와 함께 답변을 생성하기 전에 하위 주제 및 데이터 소스 전반에 걸쳐 여러 관련 검색을 수행할 수 있다고 합니다.

이는 광범위하게 들립니다.

하지만 눈에 보이는 답변은 여전히 작습니다.

사용자는 보통 짧은 응답과 몇 개의 인용문만을 보게 됩니다. 수많은 소스가 존재할 수 있지만, 오직 소수만이 가시화됩니다.

이는 주의력을 집중시킬 수 있습니다.

강력한 소스가 안전한 기본값(defaults)이 됩니다

AI 검색 시스템은 명백한 실수를 피해야 합니다. 따라서 이들은 정당화하기 더 쉬운 소스에 의존하는 경우가 많습니다:

공식 문서 (official docs)
정부 사이트
대학교
대형 퍼블리셔 (large publishers)
주요 플랫폼
잘 알려진 브랜드

이러한 소스들이 항상 더 나은 것은 아닙니다. 이들은 종종 기계가 읽기에 더 용이할(legible) 뿐입니다.

이들은 더 명확한 구조, 더 많은 링크, 더 강력한 엔티티 신호 (entity signals), 더 많은 언급, 그리고 검색 인덱스 (search indexes) 내에서의 더 긴 이력을 가지고 있습니다.

이는 다음과 같은 루프 (loop)를 생성합니다:

대형 소스들이 인용됨
인용이 권위 (authority)를 강화함
사용자들이 해당 이름들을 인식함
소규모 소스들은 방문 횟수가 줄어듦
방문 횟수가 줄어들면 향후 신호 (signals)도 줄어듦

전통적인 SEO (검색 엔진 최적화)에서도 이미 이 문제가 있었습니다. AI 검색은 답변 표면 (answer surfaces)에 노출되는 슬롯 (slots)이 더 적기 때문에 이 문제를 더욱 심화시킬 수 있습니다.

소규모 퍼블리셔가 두 번의 손실을 입을 수 있는 이유

Pew Research Center는 Google 사용자들이 AI 요약이 나타날 때 전통적인 결과 링크를 클릭하는 빈도가 더 낮아졌다는 사실을 발견했습니다.

이는 소규모 퍼블리셔들에게 중요한 문제입니다.

Axios 또한 Chartbeat의 데이터를 인용하여, AI 시대에 소규모 퍼블리셔들이 대형 퍼블리셔들보다 검색 유입 (search referral) 감소 폭이 더 가파르게 나타났음을 보고했습니다.

소규모 퍼블리셔들은 종종 지역 보도, 니치 전문 지식 (niche expertise), 그리고 독립적인 분석을 생산합니다. 만약 이들이 트래픽을 잃게 되면, 수익과 독자 관계를 모두 잃게 됩니다. 이를 잃게 되면 독창적인 작업물을 덜 생산하게 될 수도 있습니다.

그렇게 되면 AI 검색은 인용할 수 있는 독립적인 소스 자체가 줄어들게 됩니다.

언어와 지역 지식의 취약성

언어 또한 가시성 격차의 원인입니다.

Brookings는 인터넷 데이터가 소수의 고자원 언어 (high-resource languages)에 집중되어 있기 때문에, 생성형 AI (generative AI)가 디지털 언어 격차를 어떻게 넓힐 수 있는지에 대해 기술한 바 있습니다.

AI 검색의 관점에서 이는 자원이 부족한 언어들이 크롤링 가능한 (crawlable) 소스가 더 적고 커버리지 (coverage)가 더 약할 수 있음을 의미합니다.

지역 지식 (local knowledge)도 유사한 문제를 안고 있습니다. 이는 다음과 같은 곳에 존재할 수 있습니다:

지역 신문
PDF 파일
커뮤니티 포럼
학교 페이지
시 정부 문서
지역 미디어
소상공인 사이트

이러한 정보는 정확할 수 있지만, 검색 및 인용하기가 더 어려울 수 있습니다.

AI의 답변은 광범위하게는 타당할 수 있지만, 지역적으로는 틀릴 수 있습니다.

합의 압축 (Consensus Compression)의 또 다른 위험

AI 검색은 많은 소스가 반복하는 내용을 요약하는 데 능숙합니다.

합의 (consensus)가 안정적일 때는 이것이 도움이 됩니다. 하지만 주제에 신규 연구, 지역적 예외 사항, 또는 소수 의견이 포함되어 있을 때는 위험 요소가 됩니다.

why AI search rewards consensus over originality에 관한 AIvsRank의 기사는 이를 잘 설명합니다: 종합 (synthesis) 과정은 반복되고, 연결되며, 검증하기 쉬운 주장들을 선호하는 경향이 있습니다.

사용자들은 대개 최종 답변만을 보기 때문에 누락된 출처를 알아차리기 어렵습니다.

팀이 추적해야 할 사항

이것은 단순히 정책의 문제만이 아닙니다. 웹사이트 소유자는 자신이 AI 답변에서 제외되고 있는지 측정할 수 있습니다.

추적 항목:

브랜드 언급 (brand mentions)
인용된 URL (cited URLs)
경쟁사 인용 (competitor citations)
출처 집중도 (source concentration)
지역 출처 가시성 (local-source visibility)
비영어권 프롬프트 결과 (non-English prompt results)
답변 정확도 (answer accuracy)
위치 또는 프롬프트 문구에 따른 변화 (changes by location or prompt wording)

AIvsRank의 AI Search Visibility Checker를 통해 빠른 점검이 가능합니다. AI Search Visibility Leaderboard를 통해 다양한 카테고리에서 어떤 브랜드가 답변 가시성을 점유하고 있는지 확인할 수 있습니다.

중요한 질문은 단지 이것만이 아닙니다:

"우리가 노출되고 있는가?"

또한 다음과 같은 질문도 포함됩니다:

"누가 누락되었는가?"

FAQ

AI 검색은 항상 대형 브랜드를 선호하나요?

아니요. 일부 AI 검색 시스템은 다양한 도메인을 인용합니다. 문제는 출처가 답변 내에서 어떻게 선택되고, 인용되며, 프레임화(framed)되는가에 있습니다.

이것은 단순한 SEO 문제인가요?

아니요. SEO에 영향을 미치지만, 미디어, 언어, 지역 지식, 그리고 정보에 대한 대중의 접근성과도 관련이 있습니다.

퍼블리셔는 무엇을 가장 먼저 해야 하나요?

중요한 페이지를 크롤링 가능하게(crawlable) 만들고, 명확하고, 구조화가 잘 되어 있으며, 구체적으로 작성하십시오. 그런 다음 해당 페이지들이 실제로 AI 답변에 나타나는지 추적하십시오.

마지막 생각

AI 검색은 정보에 더 쉽게 접근할 수 있게 만들 수 있습니다.

하지만 답변 계층(answer layer)에 진입하는 것을 더 어렵게 만들 수도 있습니다.

미래의 질문은 단순히 AI가 답할 수 있느냐가 아닙니다. 누구의 지식이 답변이 되느냐입니다.