“best CRM for small teams” 같은 프롬프트를 넣고 내 브랜드가 나오는지 확인해본 적 있는가? 나도 그랬다. 그리고 이 글을 쓰고 있는 지금도, 그 체크는 오늘의 랭킹 한 장면만 보여줄 뿐이라는 걸 안다. AI 검색이 시작된 뒤로 우리는 “카테고리 키워드에 인용되나”에 집착하다가, 정작 기계가 나를 어떻게 인식하는지는 묻지 않았다.

AI 검색이 새롭게 보이는 사람과 그렇지 않은 사람은 어디서 갈라졌나

이 글의 주장을 먼저 밝힌다. AI 검색은 얕은 SEO를 해온 사람에게만 새로운 스포츠다. 그리고 “GEO, AEO, SEO 중 뭐라고 부를까”라는 논쟁은, 그 사실을 인정하는 대신 이름표에 쏟는 에너지다. 근거는 두 종류다. 하베스터가 수집한 Search Engine Journal 기사(외부 정보)와, 내가 운영하는 블로그 파이프라인에서 이 방식으로 순위 체크를 버리고 ‘믿음의 지도’를 뽑기 시작하면서 얻은 경험(상호작용). 둘을 섞지 않고 구분해서 쓴다.

외부 근거: 두 경주는 다르지만, 훈련은 10년째 똑같다

Search Engine Journal 칼럼에서 Slobodan Manic은 이렇게 쓴다. AI 검색과 구글 검색은 “서로 다른 경주지만 훈련은 거의 같다”. 100m 스프린터와 60m 스프린터는 다른 종목이고 우승자가 달라질 수 있지만, 제대로 된 훈련 방법은 거의 같다는 비유다. 그가 말하는 훈련은 무엇인가. 명확하라. 건강한 웹사이트를 만들어라. 건강한 오프사이트 존재감을 가져라. 사업이 SEO를 움직이게 하라.

어느 것도 AI를 위해 새로 쓰인 조언이 아니다. 구글이 10년 넘게, 직접적으로든 암시적으로든 강조해온 평범하고 재미없는 상식이다. 그런데 정확히 그래서 대부분의 업계가 지나쳤다. 이 조언은 강좌를 팔지 못하고 새 약어도 만들어주지 못하니까. 사람들은 그때그때 랭킹이 잘 나오던 전술을 좇았다.

여기서 핵심은 이러하다. 모델이 당신 제품에 대한 질문에 답하는 행위는, 검색엔진이 항상 해온 것과 같은 일이다. “당신이 누구인지, 무엇을 파는지에 대한 가장 명확하고 일관되고 신뢰할 수 있는 설명”을 찾아 반복하는 것. 명확한 웹사이트와 일관된 오프사이트 존재감은 그 일을 구글에게 쉽게 만들었고, 이제 언어모델에게도 쉽게 만든다. 트릭으로 만들어진 사이트는 구글에게도 어려웠고 모델에게도 어렵다. 메커니즘은 바뀌었다. 보상받는 것은 바뀌지 않았다.

이 주장을 혼자 하는 게 아니다. 기술 SEO 컨설턴트 Jono Alderson은 “SEO vs GEO는 잘못된 질문”이라고 했고, Mordy Oberstein은 “SEO가 죽은 게 아니라 전략이 죽었다”고 했으며, Ross Hudgens은 “SEO/GEO 라이터라고 자신을 소개하지 말라”고 경고했다. 서로 다른 세 사람이 며칠 간격으로 세 방향에서 같은 지점에 도달했다. 이름표 싸움은 솔직한 대화를 피하는 도구가 됐다는 것이다.

외부 근거: 진짜 새로운 것은 ‘카테고리 순위’가 아니라 ‘오프사이트 일관성’

솔직하게, 전부가 옛말은 아니다. 기사는 진짜로 새로운 것이 하나 있다고 짚는다. 오프사이트에 대한 강조다. 다만 “백링크를 더 만들자”는 뜻이 아니다. 백링크가 아니라, 당신 브랜드가 나타나는 모든 곳에서의 엔티티 최적화와 일관성이 이전보다 훨씬 중요해졌다. 모델은 홈페이지 하나만 읽지 않는다. 읽을 수 있는 모든 곳에서 당신의 그림을 조립한다.

그리고 이게 낯설게 느껴지느냐는 전적으로 당신의 SEO가 무엇이었는가에 달려 있다. 임시 순위를 위해 얕은 콘텐츠를 쏟아내던 SEO라면, 이 모든 게 새롭고 앞으로도 계속 어려울 것이다. 임시 순위를 만드는 전술은 모델이 의지할 만한 일관된 엔티티를 만들지 못하기 때문이다. 기본기에 집중해온 팀이라면, 이건 새것이 아니다. 그동안 그저 아무도 그렇게 부르지 않았을 뿐.

상호작용: 나는 ‘카테고리 순위 체크’를 버리고 ‘믿음의 지도’로 바꿨다

기사가 제시하는 실행은 단 하나의 움직임으로 압축된다. 모델이 당신에 대해 무엇을 믿고, 그 믿음을 어디서 얻는지 역설계하라. 카테고리 프롬프트로 순위를 확인하는 대신, LLM에 당신의 브랜드와 제품을 직접 물어보라는 것이다. 하나는 “오늘 내가 어디에 서 있는가”라는 랭킹 체크고, 다른 하나는 고쳐야 할 정확한 페이지와 프로필의 지도다. 지도가 더 가치 있다.

나는 이 구분이 이론이 아니라는 걸 내 파이프라인에서 확인했다. 내 블로그(Drewgent 파이프라인)는 SEO 기사 하베스터가 외부 기사를 수집하고, 에이전트가 초안을 쓰고, cron이 발행하는 구조다. AI 검색 대응을 위해 처음엔 자연스럽게 “이 카테고리에서 인용되나”를 반복해서 확인했다. 결과는 늘 반쪽이었다. 인용 여부는 오늘의 산출물일 뿐, 무엇을 고쳐야 할지 알려주지 않았다.

그래서 확인 방식을 바꿨다. ChatGPT, Perplexity, Gemini에 이렇게 물어본다.

“humanerd.kr이 무엇을 하는 사이트인지 아는가? 이 블로그는 어떤 주제를 다루나? 그 정보를 어디서 얻었나?”

놀라운 건 모델들이 환각을 비롯해 꽤 구체적으로, 그리고 어딘가 다른 곳에서 얻은 정보를 반복한다는 것이었다. 브랜드 이름은 제대로인데, 블로그가 다루는 주제를 다른 사이트의 설명으로 뒤섞거나, 몇 달 전의 오래된 기사만 소스로 집는 경우가 잦았다. 그 답변에 나오는 출처 목록이 곧 내가 고쳐야 할 페이지와 프로필의 목록이었다. 사이트 안의 설명이 모델에게 전달되지 않는 페이지가 무엇인지, 오프사이트에서 어떤 상충 정보가 흘러들어오는지가 드러났다.

이 변화의 실익은 단순했다. 순위 체크는 “확인만 하고 끝”이었고, 믿음의 지도는 “수정할 페이지가 정해지는” 작업이었다. 매주 한 번 모델에게 스스로를 물어보고, 그 답변에 등장한 오정보가 있는 페이지부터 고친다. 랭킹이 아니라 신뢰의 빈틈을 관리하는 셈이다. 아직 통계적 검증 단계는 아니지만, 카테고리 체크를 할 때마다 그 지도가 먼저 머리에 떠오르는 순간부터 이 방식이 작업의 중심이 됐다.

해법: 믿음의 지도를 뽑는 3단계 워크플로우

외부 근거와 내 경험을 종합하면, 실행은 세 단계로 나눌 수 있다.

  1. 할루시네이션 유발 요소 점검. 웹사이트의 모든 핵심 페이지와 오프사이트 존재가, 모델이 헛소리를 하거나 사용자에게 잘못된 정보를 전달하게 만들 만한 모순·모호함·낡은 설명이 없는지 본다.
  2. 브랜드 직접 질문. “나에 대해 무엇을 아는가”, “그 정보를 어디서 얻었나”를 LLM에 묻는다. 카테고리 프롬프트가 아니라, 스스로를 소개하는 질문이다.
  3. 출처 역설계. 답변에 등장하는 출처와 오정보를 기록하고, 그 페이지와 프로필부터 수정한다. 지도가 작업 순서를 결정하게 한다.

그리고 이건 가시성보다 더 큰 것과 연결된다. 당신의 웹사이트를 읽고 답하는 바로 그 기계가, 점점 더 그 위에서 행동하고 구매하게 될 것이다. AI 에이전트가 상품을 사고 서비스를 예약하는 시대에서, 모델이 당신에 대해 정확한 기록을 갖고 있는지는 다른 모든 것의 기반이 된다. 인용은 그 기반의 가장 작은 파생물이다. 인용 하나에 매달리다가 뒤에 있을 전체 그림을 놓치지 말라는 게 기사의 마지막 경고다.

오늘, 모델에게 나를 물어보라

이름이 뭐든 상관없다. GEO든 AEO든 SEO든, 훈련은 같다. 명확하게. 일관되게. 신뢰할 수 있게. 그리고 그 훈련을 시작하는 가장 빠른 방법은 비용도 없고 세팅도 필요 없다. 지금 모델 하나를 열고, “이 회사가 무엇을 하는 곳인지 아는가? 그걸 어디서 들었나?”라고 물어보는 것. 그 답변을 펼쳐보면, “best X for Y” 체크로는 절대 보지 못했던 당신의 신뢰 빈틈이 지도로 보일 것이다. 이 글을 다 읽었다면, 확인이 아니라 수정의 대상이 되는 그 한 페이지를 오늘 고쳐보라.

근거 출처

외부 정보 (하베스터 수집) — Search Engine Journal 기사 “AI Search Only Feels New If Your SEO Was Shallow”(Slobodan Manic, 2026년 8월 7일, 원문은 No Hacks). “AI 검색과 구글은 서로 다른 경주지만 훈련은 거의 같다”는 비유, 기본기(명확성·건강한 사이트·오프사이트 존재감·사업 주도 SEO) 강조, 진짜로 새로운 것은 오프사이트 엔티티 일관성이라는 지적, “best X for Y” 카테고리 체크 대신 LLM에 브랜드를 직접 물어 출처를 역설계하라는 실행 조언, 그리고 인용이 에이전트 커머스로 이어지는 기반의 작은 파생물이라는 주장이 모두 이 출처에서 비롯됐다. 함께 인용한 실무자 견해(Jono Alderson, Mordy Oberstein, Ross Hudgens)와 에이전트 커머스 관련 링크 역시 같은 기사에서 가져왔다.

상호작용 (에이전트-드루 대화·작업) — Drewgent 콘텐츠 파이프라인 운영 중 카테고리 순위 체크를 버리고 브랜드 직접 질문 방식으로 전환하면서 얻은 경험. 모델 답변에서 블로그 주제가 다른 설명과 뒤섞이거나 오래된 기사만 출처로 등장하는 현상, 그리고 그 출처 목록이 수정할 페이지 지도가 된다는 관찰은 정량적 검증이 아닌 1인칭 운영 경험 기준의 기술이다.

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

원문: Slobodan Manic, “AI Search Only Feels New If Your SEO Was Shallow”, Search Engine Journal (2026) / No Hacks.