현재 배포된 주요 생성형 AI (Generative AI) 광고 시스템들은 상업적 콘텐츠와 AI 생성 응답 사이에 가시적인 경계를 유지하고 있습니다. 그러나 실증 연구에 따르면, 대규모 언어 모델 (LLM) 출력물에 직접 통합된 광고는 사용자들이 감지하지 못하는 경우가 많습니다. 우리는 생성형 AI가 광고의 본질을 근본적으로 변화시킨다고 주장합니다. 즉, 제품을 별도의 슬롯에 배치하는 대신, 생성 과정 자체에 개입(Intervention)함으로써 관찰하기 어려운 채널을 통해 상업적 영향력을 유도합니다. 이는 생성형 AI 광고를 단순한 콘텐츠 배치 (Content placement)가 아닌, 신뢰할 수 있는 개입 (Trustworthy intervention)의 문제로 재정의합니다. 우리는 점진적으로 더 잠재적인 변수(Latent variables)에 대한 개입에 대응하여 영향력 계층 (Influence tier)별로 구성된 분류 체계를 도입합니다: 제품 언급 (Product mentions), 정보 프레이밍 (Information framing), 행동 재지정 (Behavioral redirection), 그리고 장기적 선호도 형성 (Long-term preference shaping)이 이에 해당합니다. 또한, 검색 증강 생성 (Retrieval-augmented generation, RAG) 및 상위 단계의 결정이 하위 단계의 결과를 급격히 제한할 수 있는 에이전트 파이프라인 (Agentic pipelines)을 포함하여, 이러한 계층들이 다양한 모달리티 (Modalities)와 시스템 아키텍처 (System architectures)에서 어떻게 구체화되는지 보여줍니다. 현재 배포된 주요 시스템과 설계된 메커니즘들은 모두 가장 관찰하기 쉽고 통제하기 용이한 계층에 집중되어 있는 반면, 사용자의 자율성에 가장 중대한 영향을 미치는 상업적 영향력의 형태는 여전히 제대로 이해되지 않고 있으며 탐지, 측정 또는 공개를 위한 프레임워크도 부족한 실정입니다. 핵심 과제는 생성형 시스템에서의 상업적 영향력을 신뢰할 수 있게, 즉 귀속 가능하고 (Attributable), 측정 가능하며 (Measurable), 이의 제기가 가능하고 (Contestable), 사용자의 복지 (User welfare)와 일치하도록 (Aligned) 만들 수 있는지 여부입니다.