AI는 당신의 글을 읽지 않는다. 추출한다. 이 한 문장이 내가 최근 읽은 콘텐츠 전략 글 중 가장 충격적이었던 Search Engine Land의 기사(“How to create answer-first content that AI models actually cite”)를 관통하는 핵심이다. ChatGPT든 Perplexity든 Gemini든, 모델이 웹에서 하는 일은 페이지를 “이해”하는 게 아니라 답변을 조립하기 좋은 조각을 찾아내는 것이다. 그리고 이 차이는 단순한 뉘앙스가 아니라, 글쓰기의 목적 자체를 바꾼다.

순위 경쟁은 끝났고, ‘인용’이 새로운 KPI다

이미 Z세대와 밀레니얼 사용자의 53%가 검색 결과를 스크롤하는 대신 AI의 직접 답변을 선호한다. 사람들은 더 이상 링크를 클릭하지 않는다. 답을 받는다. 그런데 흥미로운 역전이 여기서 발생한다 — AI 답변 안에 인용되는 콘텐츠가, 구글 SERP 1위와 더 이상 일치하지 않는다는 것. AI 검색 모델은 순위를 모른다. 다만 검색하기 쉽고, 명확하고, 해석해서 인용하기 쉬운 콘텐츠를 고른다.

즉 당신의 글이 구글에서 1위를 해도 AI 답변에는 안 나올 수 있고, 반대로 5위인 글이 AI 답변의 “출처”가 될 수 있다. 옛 지표가 새 지표를 예측하지 못하는 순간, 우리가 최적화하던 대상이 바뀐 것이다. 노출(impression)이 아니라 포함(inclusion)이 성공의 척도가 됐다.

AI가 인용하는 글의 공통점은 ‘똑똑함’이 아니라 ‘추출 용이성’이다

기사의 원문은 10단계 가이드지만, 나는 그 안에서 하나의 원리로 압축할 수 있다고 본다. AI는 떼어내서 재사용하기 쉬운 문장을 찾는다. 작가의 문장력이나 스토리텔링에 감동하지 않는다. 그래서 AI가 인용하기 좋은 글은 다음 조건을 갖춘다.

  • 첫 두 문장 안에 답이 있다 — 인텐트를 즉시 해소하는 오프닝
  • 사실이 먼저, 의견은 나중 — 검증 가능한 데이터가 내러티브보다 앞선다
  • 헤딩이 질문 형태 — Q&A 구조가 모델의 인텐트 매핑을 돕는다
  • 문단이 120단어 이하 — 크롤러가 요약을 뽑기 쉽다
  • 엔티티 이름이 일관 — “Google SGE”와 “Google Search Generative Experience”를 오가면 모델은 별개로 본다

익숙한가? 그렇다. 이것은 사실 신문의 역피라미드 구조다. 가장 중요한 사실을 맨 앞에 두는 1940년대 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 사고 실험이 글쓰기를 깨끗하게 만든다

이 관점의 강점은 여기 있다. “AI를 위한 최적화”라고 하면 비열한 트릭처럼 들리지만, 첫 독자를 로봇으로 상정하는 것은 인간 독자에게도 그대로 유효하다. 스크롤을 포기한 사람, Ctrl+F로 답만 찾는 사람, 바쁜 엔지니어 — 모두 첫 두 문장에 답이 있는 글을 좋아한다. 사람과 기계의 선호가 한 방향으로 수렴하고 있는 것이다.

그런데 여기 속지 말아야 할 함정이 하나 있다. AI를 위해 너무 깎아내면 글에서 사람 냄새가 사라진다. 반대로 인간 취향에만 맞추면 모델이 추출할 문장이 없다. 이 균형이 핵심이다. 기사가 강조하는 대로, 전문가의 인사이트는 기반(foundation)이 아니라 해석(interpretation)으로 쓰라. 데이터가 먼저 말하고, 사람이 그 의미를 설명하는 구조. 그러면 글은 기계적이지도, AI가 못 읽지도 않는다.

숫자로 보는 ‘포함’의 역학

기사가 인용하는 데이터 중 나를 가장 오래 붙잡은 것은 이것이다. 구글 SGE 미리보기의 70%가 3~5개의 직접-답변 리소스만 스포트라이트한다. 인용될 자리는 몇 개 없다. 그 말은 즉, “AI 답변 안에 내 글이 포함될 확률”은 구조에 따라 결정된다는 뜻이다. 그리고 구조는 우리가 통제할 수 있는 변수다.

상단에 문단 길이의 요약이 있는 페이지는 AI 생성 스니펫 포함률이 35% 더 높다.

또 하나. 2025년 7월, AI 검색 트래픽은 73억 방문을 넘어섰다(Crystal Carter, 2025). 사람들이 검색하는 자체가 AI 답변으로 옮겨가고 있다는 직접적인 증거다. 이 흐름에서 “순위를 위해 글을 쓰겠다”는 것은, 옛 지도를 들고 새 도시를 탐험하겠다는 것과 같다. 지도가 바뀌었다.

실제로 해보면 이렇게 달라진다

이 규칙들을 내 글쓰기에 적용하면서 가장 크게 바뀐 것은 제목을 정하는 순서다. 예전에는 제목을 정하고 본문을 썼다. 지금은 가장 명확한 답 문장을 먼저 쓰고, 그걸 자연스럽게 떠받치는 구조로 글을 만든다. 제목은 마지막에 붙인다. 그리고 모든 문단에 이 테스트를 적용한다.

이 문장을 복사해서 다른 곳에 붙여넣어도, 그 자체로 답이 되는가?

이 한 문장의 테스트가 실용적이면서도 엄격하다. “오늘날 진화하는 디지털 환경에서 AI 가시성은 중요한 개념이다”는 실패한다 — 답을 준 게 아니라 서문을 쓴 것이다. “AI 가시성은 브랜드가 AI 생성 답변에 등장하는 빈도를 측정하는 지표다”는 통과한다. 이 문장 하나가 독자와 모델 모두에게 가치를 즉시 내준다. 기사는 이를 “풀 인용구(pull quote)”라고 부른다. 컨텍스트 없이 떼어도 서는 문장.

내가 이 글에서 얻은 실천 항목

기사의 10단계를 모두 적어두기보다, 내 파이프라인에 실제로 박아 넣을 것을 세 가지만 정리했다.

  1. 헤딩을 질문으로 다시 쓴다 — “AI 가시성이 뭔가요?”처럼 실제 사용자가 소리 내어 묻는 형태. 모델이 인텐트를 즉시 매핑한다.
  2. 핵심 통계를 이미지 캡션에서 본문으로 옮긴다 — 그래픽 안에 숨은 문장은 크롤러가 못 본다. 같은 사실이라도 평문으로, 각 섹션 상단에.
  3. 엔티티 이름을 통일한다 — 같은 도구를 글마다 다르게 부르면 AI는 서로 다른 대상으로 본다. “이 불일치가 쌓이면 권위 신호가 약해진다.”

세 번째가 특히 재밌다. 한 페이지는 “Google Workspace에 연결”이라 쓰고 다른 페이지는 “G Suite와 통합”이라 쓰면, 사람은 같은 것으로 보지만 크롤러는 두 개의 엔티티로 본다. 글쓰기의 일관성이 이제는 추적 가능성(traceability)의 문제가 된 것이다.

결국 남는 것은 ‘명확성이 미덕’이라는 낡은 진리

내 입장은 좀 특이하다. 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. 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.

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