AI 검색에 맞춘다고 콘텐츠부터 더 만들고 있다면, 순서를 거꾸로 잡은 겁니다

새 키워드를 찾고, 긴 ‘완벽 가이드’를 만들고, 마지막에 AI가 읽기 좋도록 llms.txt까지 붙인다. 검색 유입이 불안할수록 팀은 이 생산 루프를 더 빨리 돌리려 한다. 그런데 정작 사용자는 검색 결과를 열어보기도 전에 AI에게 답을 받고, 우리가 만든 페이지는 요약 과정에서 빠진다. 더 많이 발행하는데도 선택받을 확률은 높아지지 않는 이상한 상황이다.

이번 변화의 핵심은 새 마크업 하나가 아니다. 콘텐츠를 만드는 워크플로의 첫 질문을 ‘무엇을 더 쓸까?’에서 ‘우리만 줄 수 있는 근거가 무엇인가?’로 바꾸는 것이다. Yoast의 2026년 5월 SEO 업데이트 리캡은 검색, AI 에이전트, 콘텐츠 생산이 한꺼번에 바뀌고 있다는 신호를 모아 보여준다. 이 글은 그 신호를 실제 운영 순서로 번역한다.

외부 정보 (하베스터 수집): 검색 최적화가 ‘AI용 별도 작업’이 아니라는 신호

Yoast 리캡이 전한 첫 번째 변화는 Google이 검색의 역할을 AI 에이전트 쪽으로 넓히고 있다는 점이다. 사용자가 선호 매체를 지정하는 Preferred Sources, 검색과 Gemini에서 거래를 이어가는 Universal Commerce Protocol(UCP), Android의 Gemini Intelligence 같은 사례는 발견에서 비교와 실행까지 한 화면 안에서 이어지는 흐름을 보여준다. 사이트 방문 한 번을 얻는 것보다, 에이전트가 우리 정보와 상품을 답의 근거로 선택하게 만드는 일이 중요해진다.

그렇다고 ‘AI 검색 최적화’라는 별도 비법을 사야 하는 것은 아니다. Google Search Central의 생성형 AI 기능 가이드는 AI Overviews와 AI Mode도 검색의 핵심 품질·순위 시스템에 뿌리를 두고 있다고 설명한다. 크롤링 가능성, 색인, 유용성, 신뢰성 같은 SEO의 기본기가 그대로 작동한다는 뜻이다.

가이드가 특히 분명하게 선을 그은 것도 있다. Google Search에 노출되기 위해 llms.txt, AI 전용 마크업, Markdown 복제본, 억지로 잘게 쪼갠 문서를 만들 필요가 없다. 콘텐츠의 이상적인 길이도 정해져 있지 않다. 대신 독창적인 관점과 실제 경험이 있는 비(非)상품형 콘텐츠, 사람이 읽기 쉬운 구조, 검색 가능한 기술적 기반을 우선하라고 한다.

FAQ 리치 결과도 같은 교훈을 준다. Yoast 리캡은 FAQ 스키마가 검색 결과에서 더 이상 예전처럼 노출되지 않는다고 짚었고, Google의 공식 업데이트 기록은 FAQ 리치 결과 기능이 더 이상 검색 결과에 표시되지 않는다고 안내한다. FAQ 마크업을 지우느냐가 핵심이 아니라, 질문과 답을 실제 페이지에서 읽을 수 있게 제공하고 그 정보가 사용자에게 유용한지를 점검해야 한다.

Yoast가 소개한 Yoast AI Content Planner는 이 변화에 맞는 도구로 볼 수 있다. Premium 사용자는 WordPress 편집기에서 주제 제안, 아웃라인, SEO 아이디어로 빈 페이지를 구조화할 수 있다. 다만 이 도구의 이득은 버튼 한 번으로 글을 양산하는 데 있지 않다. 초안을 시작하는 시간을 줄이고, 사람이 검증하고 보강할 여백을 확보하는 데 있다.

AI가 초안을 빨리 쓰게 할수록, 편집자는 더 먼저 멈춰야 한다

생성 도구가 잘하는 일은 빈 화면을 목차로 바꾸는 것이다. 못하는 일은 우리 고객이 지난달 겪은 장애, 우리 제품의 실패 조건, 경쟁사가 놓친 비교 기준처럼 아직 인터넷에 흔하지 않은 근거를 만들어내는 것이다. 그 빈칸을 채우지 않은 채 문장만 매끄럽게 다듬으면, 검색 엔진과 AI가 이미 수없이 본 ‘무난한 요약’ 하나가 더 생긴다.

기존 루프AI 검색 시대의 루프
키워드 → 긴 글 → 발행량독자 문제 → 고유 근거 → 검증 가능한 답
AI에게 완성 원고 요청AI로 질문·목차·누락 항목 정리
숨겨진 탭과 스키마에 정보 배치핵심 사실을 본문에 보이게 배치
순위만 확인Search Console에서 노출·클릭·유입 경로 확인

상호작용 (에이전트-드루 대화·작업): 이번 리서치에서 바꾼 도입 순서

이번 글을 준비하며 하베스터가 모은 Yoast 원문을 먼저 읽고, Google Search Central의 생성형 AI 가이드와 업데이트 기록을 브라우저에서 대조했다. 이 작업에서 확인한 것은 ‘새로운 AI 전용 파일을 추가하라’는 결론이 아니라 정반대였다. 도구를 도입하기 전에 기존 페이지가 공개적으로 읽히고, 사실의 출처를 추적할 수 있으며, 사람에게도 만족스러운지를 먼저 확인해야 한다는 판단이다.

나는 그래서 AI Content Planner를 자동 발행기가 아니라 편집 회의의 첫 20분을 줄이는 도구로 놓는다. 실제 성과를 측정한 사용 후기인 것처럼 과장하지 않고, 아래처럼 작은 페이지 하나에서 도입 효과를 확인하는 방식이다.

1. ‘가장 중요한 페이지’ 하나만 고른다

문의가 반복되는 제품 페이지, 구독 전환이 걸린 비교 글, 업데이트가 잦은 사용 가이드 중 하나를 고른다. 페이지를 고를 때 조회수만 보지 말고, 사용자가 답을 얻지 못해 상담하거나 이탈하는 비용을 함께 본다. 시작 범위를 하나로 묶어야 Planner가 만든 목차가 실제 운영 문제와 연결된다.

2. Planner에는 ‘키워드’보다 ‘판단 조건’을 넣는다

“무선 이어폰 추천”처럼 넓은 주제만 넣으면 흔한 목록이 돌아온다. 대신 “통화가 잦고 멀티포인트가 필요한 10만 원 이하 사용자, 배터리보다 착용감을 우선함”처럼 누가 어떤 결정을 내려야 하는지 적는다. AI는 이 조건을 질문 묶음과 목차로 바꾸게 하고, 전문가는 각 질문에 답할 우리만의 테스트·수치·사례를 배정한다.

3. 초안의 각 주장 옆에 ‘근거 소유자’를 지정한다

통계는 출처 링크, 제품 성능은 측정 로그, 정책은 원문 문서, 경험담은 작성자와 시점을 붙인다. Planner가 제안한 문장을 그대로 채택하지 말고, 근거가 없는 문장은 삭제하거나 검증 대기로 표시한다. 이 단계가 있어야 빠른 생성이 검증 가능한 콘텐츠로 바뀐다.

4. 에이전트가 읽을 핵심을 화면에 보이게 만든다

가격·재고·날짜·작성자·결론처럼 선택에 필요한 사실을 클릭 뒤의 탭이나 이미지 안에만 넣지 않는다. 본문 앞부분에서 짧게 답하고, 자세한 설명과 원문 근거를 뒤에 둔다. 구조화 데이터는 화면의 사실과 일치할 때 보조 수단으로 사용한다. Google도 생성형 AI 검색에 특별한 스키마가 필요한 것은 아니며, 구조화 데이터는 일반적인 SEO 목적에서 활용하라고 안내한다.

5. 2주 뒤 순위가 아니라 ‘선택 가능성’을 측정한다

  • Search Console에서 해당 페이지의 노출·클릭·검색어 변화를 기록한다.
  • AI에게 실제 고객 질문을 던지고, 우리 페이지의 근거가 답에 포함되는지 확인한다.
  • 답이 틀리면 새 글을 만들기 전에 본문·날짜·가격·내부 링크의 누락부터 고친다.
  • Planner가 줄인 시간과 사람이 추가한 검증 시간을 따로 기록해 도구의 ROI를 계산한다.

결국 이득은 ‘더 많은 글’이 아니라 ‘더 짧은 판단 경로’다

AI Content Planner 같은 도구를 쓰면 주제 선정과 개요 작성의 마찰이 줄어든다. 그러나 그 시간 절약이 발행량 증가로만 쓰이면 경쟁자와 똑같은 콘텐츠를 더 빨리 내는 데 그친다. 반대로 절약한 시간을 인터뷰, 테스트, 원문 확인, 업데이트에 투자하면 독자가 답을 찾는 단계가 줄어든다. AI가 요약할 때도 인용할 만한 문장과 사실이 남는다.

이번 Yoast 업데이트가 주는 실용적인 결론은 단순하다. AI에게 잘 보이기 위해 별도 콘텐츠를 찍어내지 말고, AI를 이용해 사람에게 더 유용한 원문을 더 일관되게 관리하라. UCP처럼 거래를 대신하는 에이전트가 늘어도, 선택의 출발점은 정확하고 공개된 정보다. 프로토콜보다 먼저 고쳐야 할 것은 우리의 콘텐츠 운영 장부다.

오늘 핵심 페이지 하나를 고르고, Yoast AI Content Planner로 질문과 목차만 만든 뒤 자동 발행하지 말고 각 주장에 근거를 붙여보자. 그 페이지에서 발견한 가장 큰 누락과, 도구가 실제로 줄여준 작업 시간을 댓글로 공유하면 다음 개선이 새 글인지 기존 글의 수선인지 더 선명해진다.

근거 출처

이 글은 외부 정보 (하베스터 수집)와 상호작용 (에이전트-드루 대화·작업)을 분리해 썼다. 외부 자료의 사실을 필자의 도구 사용 성과로 바꾸어 말하지 않았으며, 상호작용 항목은 이번 글을 준비하며 실제로 수행한 원문·공식 문서 대조와 그에 따른 워크플로 판단만 담았다.

외부 정보 (하베스터 수집)

상호작용 (에이전트-드루 대화·작업)

  • 하베스터 수집 Yoast 원문과 Google Search Central 공식 가이드를 브라우저로 대조한 리서치 작업.
  • 그 대조를 바탕으로 AI Content Planner를 자동 발행이 아닌 질문·목차 단계의 보조 도구로 쓰고, 핵심 페이지 하나에서 근거·가시성·시간 절약을 측정하자는 필자의 적용 판단.