12월입니다. 멜버른의 한 고객이 매우 구체적인 불만을 가지고 저에게 전화를 걸었습니다.

6개월 전, 그는 콘텐츠 팀을 완전히 AI 생성 기사(AI-generated articles) 체제로 전환했습니다. 가벼운 교정(proofread) 외에는 실질적인 편집을 거의 하지 않았습니다. 순위는 11월까지 안정적으로 유지되었습니다. 그러다 코어 업데이트(core update)가 발생했고, 그의 상위 5개 페이지 중 3개가 2주 만에 12위에서 20위 사이로 떨어졌습니다.

그는 Google의 유용한 콘텐츠 업데이트(helpful content update)가 AI 기사를 대하는 상황이 사람들이 말하는 것만큼 나쁜 것인지 알고 싶어 했습니다. 저는 이미 몇 달 동안 다른 고객들을 통해 이 상황을 추적해 왔기에, 추측이 아닌 실제 수치를 제공할 수 있다고 말했습니다.

제가 발견한 내용은 다음과 같습니다.

제가 무엇을 왜 추적했는가

6개의 고객 사이트입니다. 호주 2개, 영국 2개, 캐나다 1개, 미국 1개입니다. 니치(Niches): 법률 서비스, SaaS, 주택 개량(home improvement) 등 몇 가지가 더 있습니다. 페이지 수는 사이트당 약 80개에서 400개 사이였습니다. 트래픽은 Google Search Console과 독립적인 순위 추적기(rank tracker)를 통해 추적했으며, 양쪽을 교차 검증했습니다.

각 사이트는 서로 다른 콘텐츠 모델로 운영되었습니다:

1. 사이트 A와 B: 순수 AI 출력물(Pure AI output). 최소한의 편집, 가벼운 서식 수정, 대부분 있는 그대로 게시됨.
2. 사이트 C와 D: 심도 있는 인간 편집이 포함된 AI 초안(AI drafts). 게시 전 실제 고객 사례, 케이스 데이터, 독창적인 분석이 레이어링됨.
3. 사이트 E와 F: 하이브리드(Hybrid). 일부 페이지는 완전히 인간이 작성했고, 일부는 AI의 도움을 받아 적절히 편집되었으며, 일부는 거의 손대지 않은 가공되지 않은 AI 콘텐츠임.

제 목표는 AI 콘텐츠가 페널티를 받는지 여부를 증명하거나 반증하는 것이 아니었습니다. 충분한 시간 동안 서로 다른 접근 방식 전반에 걸쳐 일관되게 유지되는 패턴이 있는지 확인하고 싶었습니다.

첫 90일: 데이터가 보여준 것

첫 3개월이 가장 명확한 그림을 보여주었지만, 제가 예상했던 것과는 달랐습니다.

최소한의 편집만 거친 AI 사이트인 사이트 A와 B가 가장 큰 변동성(volatility)을 보였습니다. 그렇긴 하지만, 여기서 적절한 단어는 "하락(decline)"이 아니라 "변동성(volatility)"입니다. 사이트 A는 첫 번째와 두 번째 달에 트래픽이 증가했습니다. 하락은 3개월 차에 시작되었으며, 그마저도 특정 페이지 클러스터(page clusters)에 국한되었습니다.

이로 인해 해석이 더 어려워졌습니다. 만약 'AI 콘텐츠 = 페널티'라는 명확한 이야기가 있었다면, 첫날부터 직선적인 하락세를 보였을 것입니다. 하지만 제가 본 것은 선택적이었습니다. 일부 AI 페이지들은 순위를 완전히 유지했습니다. 다른 페이지들은 떨어졌습니다. 그리고 많은 경우에, 떨어진 페이지들이 제가 수동으로 검토했을 때 약하다고 표시했을 만한 페이지가 아니었습니다.

3개월 차에 나타난 현상은 이렇습니다. 이미 확립되고 권위 있는 출처들로부터 충분히 다루어지고 있던 주제를 다룬 페이지들이 더 자주 하락했습니다. 반면, 운영상의 세부 사항이나 실제 시나리오와 연결된 구체적인 내용이 담긴 페이지들은 AI가 작성했더라도 더 안정적이었습니다.

Site B의 감소세는 더 꾸준했으며 2개월 차경에 시작되었습니다. 해당 사이트는 비교적 좁은 니치(niche) 분야에 매월 25개에서 30개의 아티클을 발행하고 있었습니다. 3개월 차에는 아티클 간 주제 중복이 명확해졌고, Google의 통합(consolidation) 행동이 시작되었습니다. 더 강력한 페이지들이 같은 사이트 내부의 약한 페이지들을 잠식하기 시작했습니다.

3개월 차부터 6개월 차: 흥미로워진 부분들

가장 명확한 긍정적 신호는 Site C와 Site D에서 나왔습니다.

Site A와 B가 하락세를 보이는 동안, 두 사이트는 3개월 차부터 5개월 차 사이에 순위가 개선되었습니다. Site C는 이전 달에 약간 떨어졌던 페이지들을 회복했습니다. 형식과 구조는 다른 사이트들과 크게 다르지 않았지만, 모든 아티클에 실제 고객 사례 세부 정보(client case details), 영국 시장 특화 예시(UK-market-specific examples), 그리고 독창적인 분석이 포함되어 있었습니다. 일반적인 내용 채우기식 글은 없었습니다.

Site D는 여섯 사이트 중 가장 흥미로웠습니다. 이미 많은 AI 콘텐츠가 색인된 경쟁적인 SaaS 니치에서 운영되고 있습니다. 저는 이곳이 어려움을 겪을 것이라고 예상했습니다. 하지만 실제로는 4개월 차부터 6개월 차까지 유기적 성장률(organic growth percentage) 면에서 다른 모든 사이트를 능가했습니다.

그 콘텐츠를 자세히 살펴보니, 차이는 오직 구체성뿐이었습니다. 모든 아티클은 일반적인

Site E는 두 개의 뚜렷한 단계로 나뉘었습니다. 1개월에서 3개월 차까지는: 사람이 작성한 페이지는 안정적이거나 개선되었고, AI 보조 (AI-assisted) 페이지는 혼조세를 보였으며, 최소 편집 AI (minimal-edit AI) 페이지는 대부분 유지되었습니다. 그러다 4개월 차에 접어들면서, 최소 편집 AI 페이지는 지속적으로 하락하기 시작한 반면, 나머지 두 카테고리는 대부분 자리를 지켰습니다.

4개월 차에 이르러, Site E에는 기본적으로 세 가지 계층이 나타났습니다:

1. 사람이 작성한 페이지, 안정적 또는 개선 중
2. 대폭 편집을 거친 AI 보조 페이지, 혼조세이나 대부분 안정적
3. 최소 편집 AI 페이지, 하락 중

Google의 유용한 콘텐츠 업데이트(Helpful Content Update)가 AI 기사들에 대해 반복적으로 보여준 양상

6개월이 지난 시점에서, 니치(niche)나 지리적 위치와 관계없이 몇 가지 현상이 일관되게 나타났습니다.

구체성(Specificity)이 그 무엇보다도 좋은 콘텐츠와 나쁜 콘텐츠를 갈라놓았습니다. 일반적인 주제를 다룬 콘텐츠는 특정 시나리오, 실제 데이터, 또는 시장 특화적 맥락(market-specific context)을 참조하는 아티클보다 성과가 저조했습니다. 이는 두 유형의 구조와 단어 수가 유사할 때도 마찬가지였습니다. 많은 경우, 동일한 주제에 대한 두 아티클이 오직 이 요소 하나만으로 매우 다르게 성과를 냈습니다.

발행 빈도는 사람들이 생각했던 만큼 문제가 되지 않았습니다. 높은 발행량(publishing volume) 그 자체는 문제를 일으키지 않았습니다. 문제는 좁은 니치 내에서 중복되는 주제에 대해 높은 발행량을 유지하는 것이 문제였습니다. 이슈는 얼마나 많은 콘텐츠가 나가는가가 아니라, 그 콘텐츠가 자기 자신과 경쟁하고 있느냐 하는 것이었습니다.

E-E-A-T 신호는 안정성과 상관관계가 있었습니다. 강력한 저자 페이지(author pages), 적절한 인용(citations), 구조화된 독창적 데이터(structured original data)를 갖춘 사이트들이 더 잘 버텼습니다. 그 자체로 놀라운 발견은 아니지만, 데이터 전반에 걸쳐 상관관계가 명시적으로 언급할 수 있을 만큼 일관적이었습니다. 이는 특정 사이트만의 예외적인 현상이 아니었습니다.

회복은 가능했으며, 한 사이트가 이를 증명했습니다. Site A는 4개월 차에 콘텐츠 감사(content audit)를 실시하여 주제 중복도가 높고 참여 지표(engagement metrics)가 낮은 약 30개의 페이지를 삭제했습니다. 6개월 차에 이르러 남은 페이지들은 부분적으로 반등했습니다. 완전한 회복은 아니었습니다. 기본적으로 빈약한 콘텐츠(thin content)가 삭제된 후 Google이 사이트를 재평가할 때 기대할 수 있는 수준이었습니다.

타격을 입은 것 vs 살아남은 것

제 경험상, Google의 유용한 콘텐츠 업데이트(helpful content update)로 인해 가장 큰 타격을 입은 AI 기사들은 다음과 같은 특징을 공유했습니다:

• 독창적인 관점이나 데이터의 부재. 아무것도 추가되지 않은 채 AI 형식으로 재구성된 일반적인 정보.
• 빈약한 내용(Thin coverage). 실제적인 깊이 없이 경쟁력 있는 키워드만을 쫓는 600단어 미만의 기사.
• 내부 자기 경쟁(Internal self-competition). 동일 사이트 내에서 거의 동일한 의도(intent)를 타겟팅하는 여러 페이지.
• 현실 세계의 구체성 결여. 맥락 없이 어떤 시장이나 상황에도 적용될 수 있는 조언.

반면 살아남은 것들은 달랐습니다. 참조된 데이터, 진정한 1인칭 관점, AI의 도움을 받았더라도 상당한 깊이, 그리고 검색 엔진 결과 페이지(SERPs)에 이미 존재하는 것들과의 명확한 차별화 지점을 가진 기사들이었습니다.

제가 파악한 바로는 제작 방식이 결정적인 요인은 아니었습니다. 유용하고, 구체적이며, 신뢰할 수 있는 콘텐츠가 살아남았습니다. 그러한 자질이 없는 콘텐츠는 어떻게 작성되었는지와 상관없이 순위가 하락했습니다.

Google은 AI 콘텐츠를 처벌하는가, 아니면 단지 나쁜 콘텐츠를 처벌하는가?

이 질문을 가장 많이 받습니다. 실제 사이트들을 6개월간 지켜본 후 제가 내린 결론은 다음과 같습니다.

Google의 유용한 콘텐츠 시스템(helpful content system)은 AI 탐지 도구가 아닙니다. 이는 정보 이득(information gain)이 낮고, 구체성이 떨어지며, 참여 신호(engagement signals)가 약한 콘텐츠를 식별하는 능력이 향상된 품질 분류 시스템입니다. 이것들은 출처 신호(origin signals)가 아니라 품질 신호(quality signals)입니다.

편집 통제 없이 대규모로 생산된 AI 콘텐츠는 이 세 가지 모두에서 실패하는 경향이 있습니다. 이것이 가공되지 않은 AI 콘텐츠와 유용한 콘텐츠 시스템의 페널티 사이의 상관관계가 발생하는 원인입니다. 하지만 그 원인은 출처가 아니라 품질입니다.

콘텐츠 프로그램을 어떻게 관리할지 결정할 때 이 차이는 매우 중요합니다. 콘텐츠가 AI로 생성되었다는 사실을 숨기려고 노력하는 데 에너지를 쓰는 것은 잘못된 문제를 해결하려는 것입니다. 그 에너지를 콘텐츠를 구체적이고, 유용하며, 진정으로 차별화되게 만드는 데 쓰는 것, 그것이 바로 순위를 움직이는 방법입니다.

저는 Google이 AI로 작성된 콘텐츠에 불이익을 주는지에 관한 글에서 SEO 커뮤니티의 더 광범위한 데이터를 바탕으로 이 질문에 대해 더 자세히 다룬 바 있습니다. 이는 제 고객사 사례를 넘어 다른 실무자들이 추적해 온 내용까지 포함합니다.

제가 현재 다르게 하고 있는 것들

대량의 AI 콘텐츠를 운영하는 고객들을 위한 감사(Audit) 프로세스가 바뀌었습니다. 3개월마다 저희는 콘텐츠 통합 점검(Content consolidation check)을 수행합니다. 주제 클러스터(Topic clusters)를 식별하고, 의도가 중복되면서 기준치 미만의 성과를 보이는 페이지를 찾아낸 다음, 이를 개선하거나 제거합니다. 단순하지만, 이전에는 충분히 정기적으로 이루어지지 않았던 작업입니다.

새로운 AI 콘텐츠를 위한 브리핑(Briefing) 프로세스도 바뀌었습니다. 이제 모든 초안은 정의된 관점(Angle)에서 시작합니다. 고객 비즈니스의 실제 사례, 시장 특화적 관찰, 또는 산업 데이터 포인트 등이 그것입니다. 차별화 계획(Differentiation plan)이 첨부되지 않은 일반적인 개요 위주의 기사는 의뢰되지 않습니다. 이 규칙 하나만으로도 작성되는 콘텐츠의 품질이 바뀌었습니다.

사이트 수준에서는 주제 권위(Topical authority) 신호에 더 많은 주의를 기울이고 있습니다. 특히 경쟁이 치열한 니치(Niche) 시장에서는 광범위한 주제에 대해 적당한 리소스가 되는 것보다, 좁은 범위의 주제에 대해 가장 포괄적인 리소스가 되는 것이 더 나은 성과를 냅니다. 제 경험상, 이러한 격차는 HCU(Helpful Content Update)가 배포되기 시작한 이후로 점점 더 벌어지고 있습니다.

이 중 어느 것도 극적인 변화는 아닙니다. 유능한 SEO 전문가들이 수년간 권장해 온 품질 표준을 적용하는 것이지만, AI의 도움을 받은 콘텐츠가 해당 표준을 충족한다고 가정하는 대신, 실제로 충족하는지 확인하는 데 더 엄격한 규율을 적용하는 것입니다.

데이터가 다시 한번 확인시켜 준 한 가지는, 백링크(Backlinks)가 여전히 중요한 방식으로 콘텐츠 품질 신호와 상호작용한다는 점입니다. 만약 페이지가 이를 뒷받침할 품질 신호를 갖추지 못했다면, 강력한 백링크도 예전만큼 순위를 움직이지 못합니다. 저는 2026년에도 여전히 순위를 움직이는 백링크는 무엇인지에 대해 더 자세히 다루었습니다.

게스트 포스트 (Guest posts)를 위해 AI 콘텐츠를 사용하는 사람이라면, 알고리즘뿐만 아니라 편집자 (Editor)에 의해서도 평가를 받기 때문에 추가적인 고려 사항이 존재합니다. 제가 목격한 거절 패턴은 2026년에 편집자들이 거절하고 있는 것들에 관한 이 글에서 다루었습니다.

그리고 더 넓은 범위의 AI 콘텐츠 워크플로우 (Workflow)에 대해서는, 제가 정착한 프로세스가 저의 현재 AI SEO 콘텐츠 워크플로우에 대한 이 개요에 상세히 설명되어 있습니다.

6개월간의 데이터가 모든 것에 대한 확정적인 답을 주지는 않을 것입니다. 하지만 데이터는 패턴을 보여줍니다. 콘텐츠의 품질 (Quality)이 콘텐츠의 출처 (Origin)를 이깁니다. 구체성 (Specificity)이 커버리지 양 (Coverage volume)을 이깁니다. 이는 AI 콘텐츠와 인간이 작성한 콘텐츠 모두에 동일하게 적용됩니다.