언어적 사각지대: 쿼리 언어와 브랜드 인지 계층이 12개 유럽 언어에 걸쳐 AI가 구축한 브랜드 평판에 미치는 영향

대규모 언어 모델 (LLMs)은 사람들이 조직에 대한 인상을 형성하는 방식에 점점 더 매개 역할을 하고 있지만, 대부분의 모니터링은 영어 쿼리가 대표적인 그림을 반환한다는 가정하에 영어로 수행됩니다. 우리는 이 가정이 얼마나 유효한지 측정합니다. 우리는 세 가지 근거 기반 LLM (GPT-5.4, Gemini 3.1 Pro, Perplexity Sonar Pro)을 사용하여 11개의 북유럽, 발트해, 중앙유럽 시장의 66개 브랜드에 대해 4개 어족 (게르만어파, 우랄어파, 발트어파, 슬라브어파)에 걸친 12개 언어로 질문을 던졌으며, 35,640개의 응답을 생성했습니다. 다국어 임베딩 (BGE-M3)을 통해 번역 없이도 언어 간 비교가 가능했습니다. 세 가지 결과가 도출되었습니다. 첫째, AI가 구축한 평판은 언어에 종속됩니다: 평균 언어 간 코사인 유사도 (cosine similarity)는 0.825이며, 동일 어족 내의 응답이 어족 간 응답보다 더 유사합니다 (0.844 대 0.820; d = 0.31). 또한 감성 (sentiment)은 언어에 따라 달라지며 (F = 268.5, eta^2 = 0.077), 우랄어파와 발트어파가 가장 긍정적이었고 영어를 포함한 게르만어파가 가장 비판적이었습니다 (클러스터링을 통해 슬라브어파와 발트어파를 복원함, cophenetic 0.915). 둘째, 쿼리 언어는 브랜드가 어떻게 묘사되는지보다 어떤 브랜드가 추천되는지에 훨씬 더 큰 영향을 미칩니다: 영어 쿼리에서 브랜드의 모국어로 전환할 경우, 현지 챔피언 브랜드의 추천 점유율은 0.80 상승하는 반면 글로벌 다국적 기업은 0.15 상승에 그칩니다 (t = -8.84, p < 0.001). 감성 측면에서는 이와 유사한 역전 현상이 나타나지 않았습니다. 따라서 영어 전용 감사 (audit)는 현지 챔피언 브랜드의 AI 가시성을 과소평가하게 됩니다. 셋째, 응답 안정성은 언어보다 모델 선택에 따라 더 크게 변합니다 (20개 브랜드 하위 집합에 대해 5회 반복 재현 시, eta^2_model = 0.32 대 eta^2_language = 0.01). 이러한 결과는 영어 전용 AI 평판 모니터링이 측정 가능한 언어적 사각지대를 남기며, 이는 현지에 본사를 둔 브랜드의 가시성에 집중되어 있음을 나타냅니다.