AI 검색의 인용은 ‘글’ 단위로 일어나지 않는다. ‘문장’ 단위로 일어난다. 이걸 깨닫기 전까지 나는 answer-first 콘텐츠 전략을 반쯤 잘못 읽고 있었다. 구조를 바꾸는 것도 중요하지만, 진짜 승부처는 우리가 만드는 문장 하나하나가 혼자 잘릴 수 있는가에 걸려 있다.

인용은 글 전체에서 시작되지 않는다, 한 문장에서 시작된다

Search Engine Land의 가이드 “How to create answer-first content that AI models actually cite”(Tanatswa Chingwe, 2025)는 이 전환을 정확히 짚는다. ChatGPT, Perplexity, Gemini — 이 도구들은 웹페이지를 보여주는 대신 웹을 크롤링해서 답을 조립해 보여준다. 사용자는 링크를 클릭하지 않고 답을 받는다. 이미 Z세대와 밀레니얼 사용자의 53%가 검색 결과를 스크롤하는 대신 AI의 직접 답변을 선호한다.

그리고 이 “답을 조립한다”는 표현이 핵심이다. 조립은 글 전체를 통째로 가져가서 하는 일이 아니라, 여기저기에서 추출 가능한 문장을 뽑아 붙이는 일이다. AI가 인용하는 최소 단위는 페이지가 아니라, 페이지 안의 단락보다도 작은 문장이다.

원문 가이드가 10단계로 풀어낸 노하우 — 첫 두 문장에 답을, 헤딩은 질문으로, 사실을 앞세우기 — 는 결국 하나의 원리를 위해 존재한다. “AI가 내 문장을 컨텍스트 없이 뽑아가도 답이 성립하게 하라.” 가이드가 오프닝 문장을 “페이지의 풀 인용구(pull quote)”로 생각하라고 말할 때, 나는 그걸 한 걸음 더 밀고 싶다. 오프닝만이 아니라, 모든 문장이 잠재적인 풀 인용구여야 한다.

‘문장 분리 테스트’ — 내가 지금부터 모든 초안에 적용할 것

문장이 인용될 수 있는지 검사하는 방법은 의외로 단순하다. 문장을 하나 잘라내서, 빈 문서에 붙여넣고, 세 가지를 묻는다.

  • 이 문장만 읽고 무슨 글인지 알 수 있는가?
  • 이 문장만으로 무엇이 답인지 알 수 있는가?
  • 앞뒤 문장을 빼도 오류 없이 해석되는가?

세 질문에 하나라도 ‘아니요’라면, 그 문장은 AI가 드롭하거나 — 더 나쁘게는 오용할 문장이다. AI는 모르는 referent를 추측해서 답을 만들기 때문이다. 인용이 아니라 오정보의 씨앗이 되는 문장을 우리가 직접 키우고 있는 셈이다.

혼자 서지 못하는 문장의 세 유형

내가 써온 글을 분리 테스트에 돌려보니, 실패하는 문장은 거의 세 가지 유형으로 나뉜다.

  • 대명사 의존문 — “이것이 중요한 이유는…”, “그들은 그것을…”. 앞 문장이 없으면 주어가 공중에 뜬다. AI는 가장 안전한 추측을 한다.
  • 헤지(hedge) 문장 — “반드시 이해해야 할 중요한 개념입니다”. 정보량이 0이다. 문법적으로는 완벽하지만, 뽑아갈 가치가 없다.
  • 접속사형 문장 — “또한”, “한편”, “그리고 무엇보다”. 이어주기만 하고 값이 없다. 글의 리듬은 살지만, 인용의 재료는 아니다.

이 문장들이 나쁜 이유는 ‘틀렸기 때문’이 아니다. 사람이 읽을 때는 완벽히 기능한다. 문제는 이들이 혼자 잘렸을 때 아무것도 전달하지 못한다는 것이다. 추출형 읽기에서, 기능하지 않는 문장은 존재하지 않는 것과 같다.

전후 비교 — 분리 테스트를 통과한 문장은 어떻게 다를까

나쁜 예: “오늘날 진화하는 디지털 환경에서 AI 가시성은 브랜드가 반드시 이해해야 할 중요한 개념입니다.”

좋은 예: “AI 가시성은 브랜드가 AI 생성 답변에 등장하는 빈도를 측정하는 지표입니다.”

첫 문장은 그럴듯해 보이지만, 잘라서 붙여놓으면 ‘오늘날 진화하는 디지털 환경’이라는 장식과 ‘중요한 개념’이라는 헤지만 남는다. 두 번째 문장은 혼자 서 있다. 정의, 대상, 측정 방법까지 한 문장에 다 들어간다. 이 문장은 앞뒤를 다 지워도 살아남는다.

실제로 상단에 문단 길이의 요약을 둔 페이지는 AI 생성 스니펫 포함률이 35% 더 높다는 데이터가 있다. 요약이 있는 것 자체도 좋지만, 내 관점에서 그 수치의 진짜 의미는 다르다. 요약을 만들려면 어차피 문장을 분리해서 정리하게 되고, 그 과정에서 나머지 글도 함께 깨끗해진다. 구조를 고치는 행위가 문장의 질을 끌어올린 것이다.

아이러니하게도, AI가 쓴 글은 이 테스트에 가장 약하다

여기서 이 글이 개인적으로 닿는 지점이 나온다. 나는 시스템(Drewgent)으로 매일 글을 쓴다. 그런데 LLM은 흐르는 문단을 만드는 데는 극도로 강하고, 문장을 격리해도 성립하게 쓰는 데는 약하다. 생성 모델은 앞뒤 맥락을 갖춘 문장을 만들도록 학습됐기 때문에, 대명사로 앞을 가리키고 “또한”, “이처럼”으로 이어가는 문장을 자연스럽게 뱉어낸다. 사람이 읽으면 매끄럽지만, AI가 인용하기에는 불량품이다.

그래서 answer-first 전략은 ‘작성 방식’이 아니라 ‘검사 방식‘으로 바뀌어야 한다고 본다. 초안을 처음부터 정돈해서 쓰려고 하지 말고, 흐름대로 쓰되 발행 전에 반드시 분리 패스를 돌리는 것. 내 파이프라인에 다음과 같이 박을 것이다.

  • 모든 문단의 모든 문장을 분리해서 위 세 질문에 검사한다
  • 대명사로 시작하는 문장은 referent를 명시하도록 고친다
  • 헤지와 접속사형 문장은 삭제하거나 사실로 교체한다
  • 첫 두 문장은 어차피 ‘혼자 서는 문장’이어야 한다 — 가장 엄격하게 검사한다
  • GPTBot/PerplexityBot 프리뷰로 실제 추출 결과를 확인한다

검사 단계를 자동화하면 형식은 반복 가능해진다. 중요한 건 검사 기준이 단 하나라는 것이다. 이 문장, 혼자 잘려도 살아남는가?

결국 다시 돌아온다 — ‘더 똑똑해 보이는 글’이 아니라 ‘더 인용 가능한 글’

분리 테스트를 몇 달 돌리다 보면 한 가지를 깨닫는다. 테스트를 통과하는 문장은 AI가 좋아해서가 아니라, 사람이 읽어도 좋은 문장이라서 통과한다. 맥락 없이도 의미가 서는 문장, 헤지 없이 사실을 말하는 문장, 지시어 없이 명확한 문장 — 이건 인용 최적화가 아니라 문장력의 기초다.

Search Engine Land 가이드가 인용한 Crystal Carter의 문장이 이 글을 관통한다.

“It’s not about sounding smarter — it’s about being more quotable.”

더 똑똑해 보이는 것보다 더 인용 가능한 것. 기술이 새 무기를 요구한 게 아니라, 낡은 미덕의 가치를 다시 매기게 만든 것이다. AI가 글을 읽는 주체가 되면서, 우리는 반 세기 전 저널리즘의 문법 — 가장 중요한 것을 맨 앞에, 그리고 한 문장이 혼자 설 수 있게 — 을 다시 꺼내야 한다.

당신의 다음 글을 발행하기 전에 해볼 일이 하나 있다. 문단을 통째로 지우고, 문장 하나만 남겨서 누군가에게 보여줘보라. 그 문장만으로 무슨 글인지 맞히는 사람이 있으면, 그 글은 인용될 준비가 된 것이다.

이 글은 Drewgent(개인 AI 에이전트 시스템)의 콘텐츠 파이프라인을 통해 작성되었다. 에이전트가 초안을 쓰고, 인간이 편집하고, cron이 발행한다.

원문: Tanatswa Chingwe, “How to create answer-first content that AI models actually cite”, Search Engine Land / Semrush (2025-11-25).