AI 검색 최적화, 가짜 권위의 새 공급망

AI 추천의 근거도 조작 가능한 시장이 됐다

Trellner Research는 380개 소프트웨어 구매 카테고리를 Perplexity의 sonar와 sonar-pro 모델에 물었다. 총 760회 호출에서 상위 5개 제품 추천과 검색 근거 URL을 수집했고, 3,800개 추천 슬롯과 7,534개 citation을 분석했다. 결과는 AI 검색의 취약점을 꽤 선명하게 보여준다.

보고서에 따르면 citation의 59.8%는 Tranco 상위 100,000위 밖 도메인으로 향했고, 23.4%는 상위 100만 목록에도 없었다. 더 흥미로운 것은 세 사이트가 215,128개의 "best software" 페이지를 만들었고, 이 중 일부가 AI 추천 근거로 쓰였다는 점이다. 사람 독자보다 검색과 grounding 시스템을 겨냥한 페이지가 구매 추천의 재료가 된 셈이다.

Kagi 유료벽 필터, 검색 신뢰의 새 기준는 사용자가 검색 결과의 품질 신호를 직접 관리하려는 흐름을 다뤘다. 이번 조사는 그 문제가 AI 답변형 검색에서 더 커질 수 있음을 보여준다.

SEO에서 AEO로, 공격면이 바뀌었다

전통적 SEO는 검색 결과 페이지의 순위를 노렸다. 이제는 AI answer engine optimization, 즉 AEO나 GEO라는 이름으로 모델의 retrieval 단계와 citation 선택을 겨냥한다. 사용자가 링크 목록을 훑지 않고 답변을 바로 읽을수록, citation 하나의 권위는 더 커진다. 그래서 웹 페이지는 사람에게 설득력 있는 글이 아니라 기계가 인용하기 쉬운 구조로 바뀐다.

Trellner가 지적한 "Facts & Grounding Page"라는 HTML title은 상징적이다. grounding은 구매자가 쓰는 말이 아니라 검색 증강 모델의 내부 과정에 가까운 말이다. OpenRouter를 통해 Perplexity 계열 모델을 측정했다는 방법론도 중요하다. 이 보고서는 모든 AI 검색 엔진을 일반화하지 않는다고 선을 긋지만, 적어도 web-grounded 추천 시스템이 어떤 문서를 근거로 삼는지 감사를 해야 한다는 사실은 충분히 보여준다.

B2B 구매자는 AI 답변을 견적서처럼 다뤄야 한다

소프트웨어 구매 추천은 단순 지식 질문보다 위험하다. CRM, 문서관리, 보안, 회계, 헬프데스크처럼 카테고리 하나가 수천만 원에서 수억 원의 도입 결정으로 이어질 수 있다. AI가 잘못된 근거를 바탕으로 특정 벤더를 상위에 올리면, 검색 품질 문제가 곧 조달 리스크가 된다.

한국 기업도 이미 "AI에게 좋은 솔루션을 물어보고 shortlist를 만든다"는 식의 업무를 시작하고 있다. 이때 출처가 Wayback Machine에서 언제 처음 등장했는지, 사이트가 특정 벤더와 이해관계가 있는지, citation이 독립 매체인지 마케팅 블로그인지 확인해야 한다. AI 블라인드니스, 문서 신뢰의 피로 신호가 말한 문서 신뢰 피로가 구매 업무로 옮겨오는 장면이다.

모델 회사에는 citation 감사가 제품 기능이 된다

Perplexity 같은 답변형 검색 서비스는 빠른 요약이 강점이다. 그러나 빠른 요약이 구매 추천으로 쓰이는 순간 책임도 커진다. citation 다양성, 이해상충 표시, 신규 도메인 경고, 생성형 대량 페이지 탐지, 원문 링크의 명확한 노출이 제품 품질의 일부가 된다. Perplexity가 어떤 출처를 어떻게 선택하는지는 더 이상 백엔드 세부사항이 아니다.

Accept: text/markdown, 에이전트 웹의 작은 계약은 웹이 에이전트 독자를 위해 새 형식을 제공하기 시작했다고 봤다. 그 변화는 생산적일 수 있지만, 동시에 기계 독자를 속이거나 유인하는 표면도 만든다. 웹의 신뢰 문제는 인간 독자에서 AI 독자로 확장됐다.

한국 스타트업의 기회와 경고

이 조사는 한국 SaaS 스타트업에도 양면의 메시지를 준다. 하나는 기회다. AI 검색이 구매 경로가 되면 제품 문서, 비교 페이지, 가격 페이지, 보안 문서의 구조화 품질이 실제 리드에 영향을 준다. 다른 하나는 경고다. 대량 생성 비교 페이지로 단기 citation을 얻는 전략은 브랜드 신뢰를 잃을 수 있다.

장기적으로 좋은 AEO는 모델을 속이는 기술이 아니라, 사람이 봐도 검증 가능한 근거를 기계가 잘 읽게 만드는 일이어야 한다. 독립 리뷰, 고객 사례, 보안 인증, 가격 투명성, 변경 이력 같은 신호가 함께 제공될 때 AI 추천은 덜 위험해진다.

자주 묻는 질문

Q1: 이 보고서는 Perplexity가 의도적으로 조작됐다는 뜻인가요?

A: 그런 결론은 아닙니다. 보고서는 특정 모델의 citation이 어떤 웹 문서에 기대는지 측정했고, 대량 생성 페이지가 근거로 쓰일 수 있음을 보여줍니다.

Q2: 왜 215,128개 페이지 숫자가 중요한가요?

A: 사람이 읽을 자연스러운 카테고리 규모를 넘어선 대량 생성 구조이기 때문입니다. AI 검색의 근거 공급망이 양으로 밀릴 수 있다는 신호입니다.

Q3: 한국 기업은 AI 추천을 쓰면 안 되나요?

A: 쓸 수 있지만 1차 자료, 고객 레퍼런스, 보안 문서, 가격 조건으로 다시 검증해야 합니다. AI 답변은 shortlist 초안으로 보는 편이 안전합니다.

Q4: AEO와 SEO는 무엇이 다른가요?

A: SEO는 검색 순위 노출을 주로 겨냥하고, AEO는 답변형 AI가 인용하고 요약하기 쉬운 근거가 되는 것을 겨냥합니다.

Q5: 모델 회사의 개선 방향은 무엇인가요?

A: 출처 다양성, 이해상충 표시, 새 도메인 경고, 대량 생성 페이지 탐지, citation 감사 로그가 핵심 기능이 될 가능성이 큽니다.