구글 1위를 먹어도, AI 답변 안에는 없다. 이 문장은 요즘 내가 만나는 콘텐츠 전략가들 사이에서 “그래서 어쩌라고”보다는 “정말?”로 받아들여지는 문장이다. 그리고 그 질문에 대한 답이 최근 쌓인 데이터로 명확해졌다. AI 답변에 인용되는 콘텐츠는, 검색 순위가 아니라 “추출 가능성”으로 결정된다. ChatGPT든 Perplexity든 Gemini든, 모델은 웹페이지를 읽는 게 아니라 답변을 조립하기 좋은 조각을 골라낸다. 이 차이가 글쓰기의 목적 자체를 바꾼다.

인용은 순위의 하위 개념이 아니라, 별개의 게임이다

Search Engine Land에 실린 Tanatswa Chingwe의 “How to create answer-first content that AI models actually cite”는 이 전환을 10단계로 정리했다. 하지만 그 전에 짚고 갈 더 충격적인 데이터가 있다. 챗GPT와 Perplexity 양쪽에서 인용되는 사이트는 단 11%다(The Digital Bloom, 2025 AI Citation Report). 둘 중 한 곳에서만 인용되는 사이트는 그보다 훨씬 많다. 즉 AI 인용은 하나의 경쟁이 아니라, 플랫폼마다 따로 판이 벌어지는 경쟁이다.

이미 Z세대와 밀레니얼 사용자의 53%가 검색 결과를 스크롤하는 대신 AI의 직접 답변을 선호한다. 사람들은 클릭을 하지 않는다. 답을 받는다. 그런데 검색엔진은 여전히 순위를 보여주고, 순위는 여전히 백링크와 도메인 권위에 좌우된다. 그 결과 생긴 괴리가 이거다 — AI 답변 안에 등장하는 출처가, 구글 SERP의 1위와 더 이상 일치하지 않는다.

2026년 5월 아카이브에 올라온 연구 “What Gets Cited: Competitive GEO in AI Answer Engines”는 이걸 통제된 실험으로 확인했다. 두 문서를 검색된 페이지에 함께 넣고 어떤 쪽을 먼저 인용하는지 봤더니, 답변 엔진은 조회된 페이지 중 극소수만 인용하고, 그 선택은 순위가 아니라 구조적 특성에 좌우됐다. 다시 말해 “잘 랭크되는 글”과 “잘 인용되는 글”은 다른 종류의 글이다.

AI가 인용하는 글은 ‘똑똑해서’가 아니라 ‘떼어내기 쉬워서’다

이제 내가 글을 쓸 때 적용하는 기준 하나를 소개한다. 모든 문단에 이 테스트를 건다.

이 문장을 복사해서 다른 곳에 붙여넣어도, 컨텍스트 없이 그 자체로 답이 되는가?

이 테스트를 통과하는 글은 대체로 다음과 같은 조건을 갖춘다. 기사가 제시한 10단계를 관통하는 핵심이기도 하다.

  • 첫 두 문장 안에 답이 있다 — 인텐트를 즉시 해소하는 오프닝. 모델이 “풀 인용구”로 떠올릴 수 있는 문장.
  • 사실이 먼저, 해석은 나중 — 검증 가능한 데이터가 스토리텔링보다 앞선다. “2025년 7월 AI 검색 트래픽은 73억 방문을 넘어섰다”가 서문보다 먼저다.
  • 헤딩이 질문 형태 — “AI 가시성이 뭔가요?” 같은 헤딩은 모델의 인텐트 매핑을 즉시 돕는다.
  • 문단이 짧고 구조적 — 120단어 이하 문단, 불릿, 미니 테이블. 크롤러가 요약을 뽑기 쉽다.
  • 엔티티 이름이 일관 — “Google SGE”와 “Google Search Generative Experience”를 오가면 모델은 서로 다른 대상으로 본다.

익숙한가. 그렇다. 이것은 사실 1940년대 신문이 완성한 역피라미드 구조다. 가장 중요한 사실을 맨 앞에 두는 저널리즘의 문법. AI가 인용하기 좋은 글을 요구한 결과, 우리는 한 바퀴 돌아 가장 기본적인 좋은 글쓰기로 회귀했다. 기술이 새로운 걸 요구한 게 아니라, 낡은 미덕의 가치를 재평가하게 만든 것이다.

“첫 독자가 로봇”이라는 가정은 인간 독자에게도 유효하다

“AI를 위한 최적화”라는 말은 트릭처럼 들린다. 그래서 나는 이렇게 다시 읽는다. 첫 독자를 로봇으로 상정하는 것은, 스크롤을 포기한 인간 독자에게도 그대로 잘 맞는다. Ctrl+F로 답만 찾는 사람, 바쁜 엔지니어, 검색에서 첫 단락만 읽고 판단하는 대부분의 사람. 이들은 모두 첫 두 문장에 답이 있는 글을 좋아한다. 사람과 기계의 선호가 같은 방향으로 수렴하는 것이다.

그런데 여기 함정이 하나 있다. AI를 위해 너무 깎아내면 글에서 사람 냄새가 사라진다. 반대로 인간 취향에만 맞추면 모델이 추출할 문장이 없다. 기사가 내린 결론이 정확하다 — 전문가의 인사이트는 기반(foundation)이 아니라 해석(interpretation)으로 써라. 데이터가 먼저 말하고, 사람이 그 의미를 설명하는 구조. 그러면 기계적이지도 않고 AI가 못 읽지도 않는다.

이 “사실→해석→시사점”의 순서는 숫자 하나에 잘 드러난다. 상단에 문단 길이의 요약이 있는 페이지는 AI 생성 스니펫 포함률이 35% 더 높다. 같은 정보라도 “어디에 두느냐”가 인용 여부를 가른다. 그리고 이건 우리가 통제할 수 있는 변수다.

순위가 죽는 게 아니라, 지표가 바뀌는 것이다

SEO 업계가 이 전환을 “검색의 종말”로 읽는 걸 볼 때마다 나는 조심스럽다. 전통 SEO가 죽는 게 아니다. 성공의 정의가 바뀌는 것이다. 기사는 그 새로운 기준을 한 단어로 압축한다 — 포함(inclusion). “내 콘텐츠가 AI 답변 안에서 인용·인용·참조되는 빈도”가 노출(impression)을 대체하는 KPI가 됐다.

구글 SGE 미리보기의 70%가 3~5개의 직접-답변 리소스만 스포트라이트한다는 수치는 이 전환의 압축이다. 인용될 자리는 몇 개 없다. 그 좁은 자리에 들어가는 콘텐츠의 조건은 순위가 아니라 구조다. 그리고 구조는 전략으로 통제할 수 있다. 이건 희소식이다. 백링크를 샀던 시대와 달리, 글을 쓰는 방식이 직접 경쟁력이 된 것이다.

내 파이프라인에 실제로 박은 세 가지

이 글들을 그냥 읽고 끝내기엔 너무 실행적이어서, 나는 Drewgent 콘텐츠 파이프라인에 세 가지만 골라 적용했다. 10개를 한 번에 하려면 아무것도 안 하게 되더라.

  1. 헤딩을 질문으로 다시 쓴다. “AI 가시성이 뭔가요?”, “인용률은 어떻게 측정하나요?”처럼 사용자가 실제로 소리 내어 묻는 형태. 모델이 헤딩만 읽고도 인텐트를 매핑한다.
  2. 핵심 통계를 이미지 캡션에서 본문으로 옮긴다. 그래픽 안에 숨은 문장은 크롤러가 못 본다. 같은 사실이라도 평문으로, 각 섹션 상단에. 기사에 따르면 이 한 가지 조정만으로도 측정 가능한 차이가 났다.
  3. 엔티티 이름을 사이트 전역에서 통일한다. 한 페이지는 “Google Workspace에 연결”, 다른 페이지는 “G Suite와 통합”이라 쓰면 사람은 같은 것으로 보지만 크롤러는 두 개의 엔티티로 본다. 이 불일치가 쌓이면 권위 신호가 약해진다. 글쓰기 일관성이 이제는 추적 가능성(traceability)의 문제가 됐다.

세 번째가 특히 재밌다. “글을 잘 쓴다”는 능력이 “AI가 나를 믿고 인용할지”를 결정하는 인프라 문제로 확장된 셈이다. 스키마, sameAs 링크, 일관된 엔티티 네이밍 — 이들은 전부 한 문장으로 요약된다: “AI가 나를 정확히 식별할 수 있는가.”

테스트는 끝났고, 이제 측정이 남았다

기사가 마지막으로 강조하는 것은 발행 후의 루프다. 콘텐츠를 만들기 전에 GPTBot·PerplexityBot 시뮬레이션으로 미리보기를 돌려보고, 발행 후에는 AI 답변 안에서 내가 실제로 인용되는 위치를 추적하라는 것. 핵심 문장이 이미지 안에 숨어 있는지, 헤딩이 깨져 있는지, 사실이 긴 문단에 묻혀 있는지 — 발행 전에 확인할 수 있다.

측정의 기준도 세 가지로 압축된다.

  • AI 인용 점유율 — 내 콘텐츠가 얼마나 자주 참조되는가
  • 감정 — 언급이 긍정적, 중립, 비판적인가
  • 권위 맥락 — 나와 함께 인용되는 다른 출처가 누구인가

이 세 신호는 “AI 답변 안의 순위”라고 할 수 있다. 그리고 이건 엔진마다 다르다. Perplexity는 출처 다양성을, ChatGPT는 구조와 신선도를, Gemini는 스키마와 신뢰 신호를 상대적으로 더 본다. 그렇기에 11%의 벽은 “어느 한 엔진만 겨냥해서”는 넘지 못한다. 각 엔진의 판에서 각각 인용되는 게 현실적인 목표다.

결국 남는 것은 ‘명확성이 미덕’이라는 낡은 진리

나는 에이전트가 쓴 초안을 인간이 편집하는 파이프라인을 운영한다. 그래서 매일 “AI가 쓴 글을 AI가 읽는” 실험을 반복한다. 그 실험에서 배운 것은 하나다. 좋은 프롬프트도, 좋은 스키마도, 좋은 문장력도 결국 같은 방향을 향한다 — 명확성.

answer-first는 특별한 전략이 아니다. AI라는 새로운 독자가 생겼다는 사실을 정직하게 받아들인 글쓰기다. 그리고 그 글쓰기는 결국 사람이 수십 년 동안 좋다고 여겨온 방식으로 돌아간다. 가장 중요한 것을 먼저, 명확하게, 검증 가능하게. 검색 엔진의 알고리즘을 겨냥하던 시대는 끝났고, 이제는 사람과 기계가 함께 읽어도 납득하는 글이 살아남는다.

당신의 다음 글, 첫 두 문장부터 답을 줘보라. 그리고 발행 전에 이 질문을 던져보라 — “내가 이 문장을 복사해서 AI에게 던져도, 내가 출처로 남겠는가?” 그 사소한 습관 하나가 AI 답변 안에 당신의 이름을 올리는 첫 단추다.

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

참고 자료: Tanatswa Chingwe, “How to create answer-first content that AI models actually cite”, Search Engine Land / Semrush (2025); The Digital Bloom, 2025 AI Citation & LLM Visibility Report; “What Gets Cited: Competitive GEO in AI Answer Engines” (arXiv, 2026).