국내 포털 환경과 AI 답변 소외 문제
생성형 AI 검색이 확산되면서 웹 검색창 대신 대형언어모델(LLM)에 직접 해답을 구하는 사용자가 늘고 있습니다. 포털 검색 결과가 수십 개의 링크 목록을 펼쳐 보이던 방식과 달리, 대화형 AI는 소수의 출처만을 선별해 단일 답변 안에 요약 배치합니다.
판교 스타트업존에 입주한 GEO 스타트업 빌리언(Villion)의 박기범 대표는 매일경제와의 인터뷰에서 국내 웹 환경의 구조적 한계를 짚었습니다. 박 대표는 글로벌 생성형 AI가 주로 개방형 웹에서 정보를 수집하지만, 많은 한국 기업은 외부 수집이 제한된 국내 포털 내부에 정보를 축적해 왔다고 설명했습니다. 이러한 환경이 이어질 경우 글로벌 AI 응답에서 한국 기업과 한국어 정보의 노출 비중이 줄어들 수 있다는 지적입니다.
진단부터 재전략까지 5단계 자동화 제시
빌리언은 AI 답변 노출을 측정하고 시뮬레이션하는 기술을 대안으로 내세웠습니다. 이들이 제시한 작업 흐름은 진단, 기획, 실행, 측정, 재전략의 5단계 순환 구조입니다.
- 진단: 고객사 웹사이트가 AI에 잘 읽히는 구조인지 220개 항목으로 점검한다고 밝혔습니다.
- 기획: 네이버 지식iN 데이터 등을 활용해 소비자가 AI에게 던질 질문을 추론하고 표적을 정합니다.
- 실행: 표와 명확한 문장 등 AI가 이해하기 쉬운 구조로 한국어 콘텐츠를 작성해 발행합니다.
- 측정: 실제 사용자와 같은 조건에서 반복 질의를 실행해 브랜드 언급과 인용 빈도, AI 봇 방문을 집계합니다.
- 재전략: 측정 결과를 자체 시뮬레이터에 다시 반영해 다음 전략을 조정합니다.
박 대표는 AI 생성 콘텐츠가 급증하면서 모델의 품질이 저하되는 현상에 대응해 빅테크 기업들이 원천 근거 중심의 필터링을 강화하고 있다고 평가했습니다. 이에 따라 사람이 작성한 실제 근거와 원자료를 구조화하는 작업의 중요성이 커질 것이라고 덧붙였습니다.
측정 자동화와 남은 과제
해외에서는 AI 응답 내 브랜드 노출을 분석하는 미국 스타트업 프로파운드가 기업가치 10억 달러 이상을 평가받고, 어도비가 검색 엔진 최적화(SEO) 기업 세무러시를 약 19억 달러에 인수하는 등 AI 가시성 측정 시장에 자본이 몰리고 있습니다.
국내에서도 AI 인용 측정을 자동화하려는 시도가 이어지고 있지만, 방법론의 투명성은 계속해서 과제로 꼽힙니다. 치앙라이타임스가 AI 인용·브랜드 언급·유입을 분리해 측정해야 한다고 보도했듯, 단순 노출 횟수 집계와 실제 답변 추천 간의 간극을 좁히는 기준이 요구됩니다. 빌리언이 내세운 220개 진단 항목과 시뮬레이터 알고리즘의 구체적인 평가 기준 및 표본 규모는 이번 인터뷰에서 공개되지 않았습니다.
이 사이트가 보는 지점
국내 에이전시가 자체 시뮬레이터와 220개 점검 항목을 내세워 진단-측정 순환 루프를 상용화하려는 움직임은 AI 노출을 정량화하려는 시도의 일환입니다. 다만 시뮬레이터가 실제 LLM의 동적 생성 및 검색 증강 생성(RAG) 흐름을 어느 정도의 정확도로 재현하는지, 220개 점검 기준의 구체적 가중치는 아직 공개되지 않았습니다. 병목을 찾는 GEO 에이전시 인트릭스가 질문 유형과 근거 등급을 나눠 공개했던 사례처럼, 측정 횟수 자체보다 측정 환경과 표본의 통제 조건을 밝히는 것이 신뢰성 확보의 분기점이 됩니다.




