AI 검색의 작동 방식 · 심층 분석

AI 답변 엔진이란 무엇이고, 무엇을 인용할지 어떻게 정할까요?

“AI 검색”이라고 불리는 것은 서로 다른 세 가지이고, 그중 여러분이 자기 페이지에서 한 작업에 반응하는 것은 하나뿐입니다. 이 셋을 갈라 놓는 한 시간이 이 주제에서 가장 값싼 한 시간입니다.

0단계 심층 분석12분 읽기2026년 8월 30일 업데이트출처 11건, 1차 출처 10건, 벤더 자료 1건(설명만, 링크 없음)

이 페이지의 내용

짧은 답

AI 답변 엔진은 출력단에 언어 모델을 붙인 리트리벌 시스템입니다. 여러분의 질문을 검색으로 바꾸고, 돌아온 문서를 읽고, 그 위에 답을 쓰고, 일부 주장에 링크를 붙입니다. 바로 이 점이 기존 검색 결과 페이지와 갈라지는 지점입니다. 결과 페이지는 링크를 순위대로 늘어놓고 읽는 일은 여러분에게 맡깁니다. 그리고 가장 큰 화면에서는 작성된 답변이 이제 예외가 아니라 기본값입니다. SIGIR 2026에서 발표된 11,500개 쿼리 연구에 따르면 Google은 대표적인 실제 사용자 쿼리의 51.5%에서 오가닉 결과 위에 AI Overview를 생성했습니다.⁹

핵심 요약

여기서 다루는 시스템은 일곱 개입니다. ChatGPT와 ChatGPT Search, Perplexity, Google AI Overviews, Google AI Mode, Gemini, Microsoft Copilot, 그리고 검색을 켠 Claude입니다. 모두 먼저 리트리벌하고 그다음에 씁니다.
결과 페이지는 링크를 순위대로 늘어놓고 읽는 일은 여러분에게 맡깁니다. 답변 엔진은 본문을 쓰고 그 일부에 각주 링크를 답니다. 두 출처 풀의 차이는 측정 가능합니다. AI Overview가 인용하는 도메인의 29.8%는 그 옆에 표시된 결과 1페이지 어디에도 나오지 않습니다.¹¹
검색을 끈 모델은 답변 엔진이 아닙니다. 가중치는 여러분이 게시하기 몇 달 전에 얼어붙었으므로, 이번 분기에 내보내는 어떤 것도 그 답변에 닿지 못합니다.
에이전트형 브라우저도 답변 엔진이 아닙니다. 사람을 대신해 실제 Chromium 세션을 구동하므로 크롤러가 읽지 못하는 페이지를 읽고, 로그에는 방문자처럼 나타납니다.
인용은 엔진이 어떤 주장에 붙인 링크이지, 추천도 아니고 순위 위치도 아닙니다. 인용되는 것과 답변 본문에서 이름이 불리는 것은 서로 다른 결과이며, 브랜드에 주는 값어치가 크게 다릅니다.

정의

AI 답변 엔진이란 정확히 무엇인가?

AI 답변 엔진은 출력단에 언어 모델을 붙인 리트리벌 시스템입니다. 기억으로 답하지 않습니다. 검색을 던지고, 돌아온 문서를 읽고, 그 위에 요약을 쓰고, 자기가 쓴 문장 일부에 링크를 붙입니다. 학술 문헌은 같은 대상을 생성형 엔진이라 부르며, 정확히 그 한 쌍, 즉 리트리벌 구성 요소와 그 뒤를 잇는 종합 구성 요소로 모델링합니다. 이 한 쌍이야말로 이 주제가 검색 엔진 최적화와 따로 존재하는 이유 전부입니다.²

이 커리큘럼에서 다루는 시스템은 일곱 개입니다. ChatGPT와 ChatGPT Search, Perplexity, Google AI Overviews, Google AI Mode, Gemini, Microsoft Copilot, 그리고 검색을 켠 Claude입니다. 자사의 두 화면에 대해 Google은 진입 조건을 한 문장으로 밝힙니다. AI Overviews나 AI Mode의 참고 링크가 될 자격을 얻으려면 “페이지는 색인되어 있어야 하고, 스니펫과 함께 Google 검색에 표시될 자격이 있어야 하며, 검색의 기술 요건을 충족해야 합니다”.¹ 이 화면들 가운데 가장 큰 곳의 자격 조건에 대해 누구든 손에 쥐고 있는 유일한 권위 있는 진술이고, 입장권은 평범한 검색 위생이라고 말합니다.

자격이라는 단어에 주목하십시오. 리트리벌될 수 있다는 것은 후보가 된다는 뜻입니다. 인용이 된다는 뜻은 아닙니다. AI 검색의 작동 방식의 나머지는 그 둘 사이를 가로막는 세 단계에 관한 이야기입니다.

아키텍처

아키텍처의 두 절반은 각각 무슨 일을 하나?

리트리벌 쪽은 엔진이 어떤 문서를 볼 수 있는지를 정하고, 종합 쪽은 그 문서들에 대해 무엇을 말할지를 정합니다. 여러분이 쓸 수 있는 모든 개입은 둘 중 한쪽에 작용하며, 두 쪽은 전혀 다른 작업에 반응합니다. 리트리벌은 색인되어 있는지, 가져올 수 있는지, 엔진이 실제로 발행한 쿼리와 진짜로 관련이 있는지에 반응합니다. 종합은 살아남은 문단의 표현에만 반응하고, 그것도 이미 살아남은 문단에만 반응합니다.

이것은 학술적인 말장난이 아닙니다. 잘 알려진 두 결과가 서로 모순처럼 보이지만 실제로는 모순이 아닌 이유입니다. 생성형 엔진 최적화라는 이름을 붙인 2024년 KDD 논문은 목적에 맞게 만든 엔진을 상대로 페이지 재작성을 측정했습니다. 그 엔진은 Google 상위 다섯 건을 가져와 GPT-3.5에게 그 위에서 답을 쓰게 했습니다. 최적화된 페이지는 실험이 시작되기 전부터 이미 그 다섯 문서의 컨텍스트 안에 있었습니다.² 문서 171,003건과 쿼리 2,700건에서 리트리벌과 재순위화를 되살린 2026년 KDD 벤치마크는 본문만 손보는 최적화가 최종 인용을 약 6%, 상위 20위 안에 드는 평균 비율을 약 9% 떨어뜨린다는 것을 발견했습니다.³ 두 측정 모두 틀리지 않았습니다. 하나는 종합 쪽만 떼어 내 재고, 다른 하나는 두 쪽을 합친 결과를 잽니다. 그리고 합친 결과는 음수가 될 수 있습니다.

답변 엔진이 아닌 것

검색 없이 답하는 모델과 무엇이 다른가?

검색 없이 답하는 모델은 학습 데이터에서 회상을 하는 것이고, 여러분이 이번 분기에 게시하는 어떤 것도 거기에 닿지 못합니다. 가중치는 여러분의 작업보다 몇 달 앞선 시점에 얼어붙었습니다. 다음 학습은 여러분이 일정을 잡을 수도, 검증할 수도, 이의를 제기할 수도 없습니다. 그리고 오늘 게시한 페이지가 계획을 세울 수 있는 시간 안에 모델 파라미터로 들어가는 메커니즘은 어디에도 문서화되어 있지 않습니다. 같은 제품을 검색을 켠 채로 돌리면 답변 엔진이 됩니다. 질문을 받은 그 시점에 살아 있는 웹을 다시 읽기 때문입니다. 이 커리큘럼의 모든 작업에 작동하는 메커니즘이 있는 이유는 그것 하나뿐입니다.

실용적인 판별법은 답변에 출처 링크가 달려 있는지 보는 것이고, 이 방법은 완벽하지 않습니다. 대부분의 챗 제품은 턴마다 검색 여부를 정하고, 어느 쪽이 일어났는지 사용자에게 늘 알려 주지도 않습니다. 링크가 없는 답변은 기억으로 낸 답변이거나, 엔진이 과정을 보여 주지 않기로 한 답변입니다. 어느 쪽이든 페이지 작업이 닿는 범위 밖에 있습니다. 이것은 글쓰기보다 측정에 더 큰 영향을 줍니다. 조용히 기억으로 답한 제품에서 돌린 가시성 테스트는 여러분의 사이트가 아니라 학습 코퍼스를 잰 것입니다.

또한 모델이 여러분에 대해 “아는” 내용에 영향을 줄 수 있다고 파는 사람에게 던질 깔끔한 질문 하나를 줍니다. 그것은 어느 단계에 작용하며, 어떻게 검증합니까?

용어

AI 답변에서 무엇이 인용으로 인정되나?

인용은 엔진이 자기 답변 속 어떤 주장에 붙인 링크이며, 그 이상은 아닙니다. 추천이 아니고, 순위 위치도 아니며, 그 옆 문장이 여러분 페이지의 내용을 그대로 반영한다는 보장도 아닙니다. 인용되는 것과 답변 본문에서 이름이 불리는 것은 서로 다른 결과이고, 브랜드에 크게 작용하는 것은 그중 하나뿐입니다. 2026년 6월에 공개된 벤더 연구는 14개국 4개 플랫폼에 걸친 프롬프트 115건과 도메인 출현 3,981건을 다루면서, 출처 출현의 약 62%가 답변 본문이 산문에서 한 번도 이름을 부르지 않은 링크였다고 밝혔습니다. 그리고 두 엔진의 프로필이 거의 뒤집혀 있다고 보고했습니다. 한쪽은 언급률이 높고 인용률이 낮으며, 다른 한쪽은 그 반대입니다.⁵ 표본은 방향이 발견이고 소수점 자리는 발견이 아닐 만큼 작습니다.

세는 방식도 엔진마다 다릅니다. 2026년 4월에 발표된 프롬프트 602건 학술 표본에서 평균은 ChatGPT 응답 하나당 인용 6.88건, Google의 AI 서피스은 12.06건, Perplexity는 16.35건이었습니다. 가져온 페이지 하나당 평균 영향력은 각각 0.2713, 0.0584, 0.0646이었습니다.⁶ ChatGPT 인용 한 건과 Perplexity 인용 한 건은 같은 단위가 아닙니다. 둘을 더한 리포트는 가리키는 대상이 없는 숫자를 만들어 낸 것입니다.

세 번째 것

에이전트형 브라우저도 AI 답변 엔진인가?

아닙니다. 에이전트형 브라우저는 색인에서 리트리벌하는 대신 사람을 대신해 실제 Chromium 세션을 구동합니다. 그래서 크롤러가 읽지 못하는 페이지를 읽고, 로그에는 봇이 아니라 방문자처럼 나타납니다.

“AI 검색”이라고 불리는 시스템은 셋입니다. 읽는 것이 다르고, 로그에 남기는 흔적도 다릅니다.

	AI 답변 엔진	검색 없는 모델	에이전트형 브라우저
무엇을 읽나	질문 시점에 가져온 살아 있는 웹	컷오프에서 얼어붙은 학습 데이터	실제 Chromium 세션에서 연 내 페이지
출처 링크를 다나	네, 일부 주장에	아니요	네, 방문한 곳에
이번 분기에 내보내는 작업이 닿나	네, 2–5단계를 거쳐	아니요, 릴리스 주기 안에는 닿지 않습니다	네, JavaScript까지
로그에 나타나는 모습	선언된 크롤러 토큰, 또는 아무것도 없음	아무것도 없음	사람과 거의 구별되지 않음

에이전트형 브라우저는 브라우저이지 크롤러가 아니며, 이 차이가 무엇을 읽을 수 있는지를 정합니다. 이 제품들은 사용자를 대신해 실제 브라우저 세션을 구동하는 Chromium 빌드여서, 여느 브라우저와 똑같이 JavaScript를 실행합니다. 고전적인 AI 크롤러는 보아하니 그렇지 않습니다. 공개된 유일한 측정인 2024년 12월 자료는 주요 AI 크롤러 가운데 JavaScript를 렌더링하는 것은 없다고 결론지었고, Applebot과 Gemini를 예외로 지목했습니다. 둘 다 브라우저 인프라를 통해 렌더링하기 때문입니다.⁷ 이후 아무도 재현 결과를 내놓지 않았고, 렌더링 여부를 문서로 밝힌 AI 벤더도 없습니다. 그래서 방어할 수 있는 문장은 우리가 찾은 유일한 측정에서 실행이 관찰되지 않았다는 데까지이고, 2026년에 AI가 JavaScript를 렌더링하지 못한다는 것은 아닙니다.

컬럼비아대학교 Tow 센터는 2025년 10월에 그 결과를 시험했고, 에이전트형 브라우저가 9,000단어짜리 구독자 전용 기사를 가져온 반면 같은 두 회사의 표준 챗 인터페이스는 가져오지 못했다는 것을 확인했습니다. 발행사가 그 크롤러들은 차단했지만 Chrome은 차단하지 않았기 때문입니다.⁸ 같은 조사는 에이전트가 정말로 페이지에 닿지 못할 때는 신디케이션된 사본과 소셜 게시물, 제3자 보도를 모아 짜깁기를 만든다는 것도 발견했습니다. 크롤러를 차단해도 여러분의 콘텐츠가 요약되는 일은 멈추지 않습니다. 주로 바뀌는 것은 링크가 누구에게 가느냐입니다.

불일치

엔진들은 서로 같은 방식으로 작동하나?

AI 답변 엔진들은 서로 같은 방식으로 작동하지 않습니다. 그리고 그 차이는 하나로 섞은 “AI 가시성” 점수가 데이터에서 의사결정에 가장 중요한 부분을 버릴 만큼 큽니다. SIGIR 2026에서 발표된 11,500개 쿼리 연구는 Google 오가닉 결과, Google AI Overviews, Gemini라는 한 회사의 세 화면 사이에서 URL 수준 Jaccard 유사도가 0.11–0.18이라고 측정했습니다.⁹ 두 어시스턴트에 걸친 응답 672건 감사에서는 고유 도메인 355개가 나왔고, 그중 양쪽 모두가 인용한 것은 26%뿐이었습니다.¹⁰ 2026년 비판적 서베이는 한 줄로 결론을 냅니다. 이 결과들은 “전역 GEO 순위라는 관념을 반박한다. 가시성은 엔진별, 화면별로 색인된다”.⁴

그러니 “AI 답변 엔진”은 하나의 형태를 가리키는 이름이지 표준이 아닙니다. 목록에 오른 시스템은 모두 리트리벌한 다음 쓰지만, 그 너머로는 색인, 크롤러 토큰, 출처 수, 가중치가 다릅니다. 엔진별로 보고하거나, 아니면 보고하지 마십시오.

이 글의 정직한 한계

“답변 엔진”은 이 커리큘럼이 그은 범주이지, 엔진들이 스스로에 대해 일관되게 쓰는 용어가 아닙니다. 게다가 그 경계는 선명해지기보다 흐려지고 있습니다. 챗 제품은 턴마다 검색 여부를 정하므로, 같은 제품이 이 메시지에서는 답변 엔진이고 다음 메시지에서는 기억 모델입니다. 인터페이스가 어느 쪽인지 늘 알려 주지도 않습니다. 자기 리트리벌 아키텍처를 공개한 엔진은 없습니다. 그리고 위의 62%라는 유령 인용 수치는 프롬프트 115건짜리 벤더 표본에서 나왔습니다. 언급과 인용 사이의 격차가 실재하고 크다는 것을 세우기에는 충분하지만, 소수점 둘째 자리를 받치기에는 턱없이 모자랍니다.

제품이 쓸모 있는 자리와 그렇지 않은 자리

이 전부를 손으로 할 수 있고, 한 번은 직접 해 보는 편이 좋습니다. 엔진마다 로그아웃된 새 세션을 열고, 구매자가 실제로 입력할 다섯 개 질문을 던지고, 돌아온 URL을 전부 적고, 내 브랜드가 링크만 됐는지 본문에서 이름까지 불렸는지 적으십시오. 서로 다른 사흘에 걸쳐 반복하십시오. 한 번 돌린 것은 표본 하나일 뿐입니다. Bavior가 자동화하는 것은 그 루프에서 지루한 절반뿐입니다. 정해진 프롬프트 묶음을 다섯 개 엔진에 정기적으로 돌려 스크린샷이 아니라 분포를 얻게 합니다. 각 답변이 어떤 출처를 인용했는지 기록합니다. 인용된 출처가 진행 중인 토론 스레드일 때는 여러분이 관리하는 계정으로 그 스레드에 달 답글 초안을 씁니다. 무엇이든 게시되기 전에 여러분이 승인하거나 수정하거나 거절합니다. 검색 없이 모델이 기억하는 내용에는 아무것도 하지 못하고, 엔진이 여러분을 인용하게 만들 수도 없으며, 해석 단계를 위한 제품은 없습니다. 그런 제품은 어디에도 없기 때문입니다. 무료 AI 가시성 체크와 무료 GEO 진단은 유료 플랜 없이 이용할 수 있습니다. 유료 플랜은 월간 결제 시 월 $99부터, 연간 결제 시 월 $79.17입니다(2026년 8월 29일 기준).

출처, 모두 2026년 8월 30일 확인

Google Search Central, “AI features and your website”(1차 출처): developers.google.com/search/docs/appearance/ai-features
Aggarwal, Murahari, Rajpurohit, Kalyan, Narasimhan, Deshpande, “GEO: Generative Engine Optimization”, KDD 2024, arXiv:2311.09735: arxiv.org/abs/2311.09735
Kim 외, “SAGEO Arena: A Realistic Environment for Evaluating Search-Augmented Generative Engine Optimization”, KDD 2026(arXiv:2602.12187v2, 2026년 8월 7일): arxiv.org/abs/2602.12187
“Optimizing Visibility in Generative Engines: A Critical Survey of Generative Engine Optimization (2023–2026)”, 2026년 7월 15일, arXiv:2607.14035(서베이 프리프린트): arxiv.org/abs/2607.14035
유령 인용 연구, 2026년 6월: 프롬프트 115건, 도메인 출현 3,981건, 플랫폼 4개, 14개국. 인용의 약 62%는 답변 본문이 브랜드 이름을 한 번도 부르지 않은 링크였음. 벤더 공개 자료이므로 이 커리큘럼의 출처 규칙에 따라 링크 없이 설명만 함.
Zhang, He, Yao, “From Citation Selection to Citation Absorption: A Measurement Framework for GEO Across AI Search Platforms”, 2026년 4월 28일, arXiv:2604.25707(프리프린트, 공개 데이터셋): arxiv.org/abs/2604.25707
Zecchini, Moore, Ubl, Siddle, “The rise of the AI crawler”, Vercel, 2024년 12월 17일(인프라 사업자의 1차 로그 데이터): vercel.com/blog/the-rise-of-the-ai-crawler
컬럼비아대학교 디지털 저널리즘 Tow 센터, “How AI browsers sneak past blockers and paywalls”, 2025년 10월 30일: cjr.org
Grossman 외, SIGIR 2026, 쿼리 11,500건. Google 오가닉, AI Overviews, Gemini에 걸친 URL 수준 Jaccard 0.11–0.18: arxiv.org/abs/2604.27790
Li & Sinnamon, 2024. 두 어시스턴트에 걸쳐 응답 672건 분석, 고유 도메인 355개, 26%가 양쪽 모두에서 인용됨
Xu, Iqbal, Montgomery, “Measuring Google AI Overviews: Activation, Source Quality, Claim Fidelity, and Publisher Impact”, 2026년 5월 13일, arXiv:2605.14021(프리프린트). 트렌드 쿼리 55,393건, AI Overview 출처 도메인의 29.8%가 대응하는 결과 1페이지에 없음: arxiv.org/abs/2605.14021

이어서 읽기

GEO 배우기 GEO 로드맵 GEO 배우기 다음 글: 5단계 파이프라인

FAQ

자주 묻는 질문입니다.

ChatGPT는 AI 답변 엔진인가요?

ChatGPT는 검색을 한 턴에서는 답변 엔진이고, 검색하지 않은 턴에서는 기억 모델입니다. 이 제품은 메시지마다 리트리벌 여부를 정하므로 같은 인터페이스가 두 종류의 답을 내놓고, 그 차이가 늘 분명히 드러나지도 않습니다. 믿을 만한 단서는 응답에 출처 링크가 달렸는지입니다. 이것은 측정에 중요합니다. 하필 검색이 없는 턴에서 돌아간 가시성 테스트는 살아 있는 웹이 아니라 학습 코퍼스를 잰 것이고, 여러분이 게시하는 어떤 것도 그 결과를 바꾸지 못합니다.

AI 답변에서 언급과 인용은 어떻게 다른가요?

인용은 엔진이 어떤 주장에 붙인 링크이고, 언급은 답변 본문에 여러분의 브랜드 이름이 나오는 것입니다. 둘은 끊임없이 갈라집니다. 2026년 6월 벤더 연구는 4개 플랫폼에 걸친 프롬프트 115건과 도메인 출현 3,981건에서, 출처 출현의 약 62%가 답변이 산문에서 브랜드 이름을 한 번도 부르지 않은 링크였고, 두 엔진의 프로필이 거의 뒤집혀 있었다는 것을 발견했습니다. 한쪽은 브랜드를 자주 언급하면서 링크는 드물게 달고, 다른 한쪽은 그 반대입니다. 브랜드에게 두 결과의 값어치는 크게 다르므로 따로 세십시오.

AI 답변 엔진은 내 사이트를 방문하나요, 아니면 검색 색인을 쓰나요?

두 패턴 모두 존재하고, 어느 쪽이 적용되는지에 따라 여러분이 통제할 수 있는 것이 달라집니다. Google의 AI Overviews와 AI Mode는 기존 검색 색인을 씁니다. 그래서 정작 중요한 페치는 Googlebot이 했고, 몇 주 전에 일어났을 수도 있습니다. Google은 참고 링크가 될 자격을 얻으려면 페이지가 “색인되어 있어야 하고, 스니펫과 함께 Google 검색에 표시될 자격이 있어야 한다”고 밝힙니다. 다른 엔진들은 자체 크롤러를 돌리면서, 누군가 질문한 그 순간에 페이지를 가져오는 사용자 트리거 페처를 따로 운영하며, 둘은 서로 다른 user-agent 토큰으로 문서화되어 있습니다. 에이전트형 브라우저는 세 번째 경우입니다. 실제 브라우저 세션에서 여러분의 페이지를 불러옵니다.

AI 크롤러를 차단하면 내 콘텐츠가 AI 답변에 안 나오나요?

아닙니다. 컬럼비아대학교 Tow 센터가 2025년 10월에 그 이유의 양쪽을 모두 보여 주었습니다. 에이전트형 브라우저는 9,000단어짜리 구독자 전용 기사를 가져왔는데, 같은 회사들의 표준 챗 인터페이스는 가져오지 못했습니다. 발행사가 크롤러는 차단했지만 Chrome은 차단하지 않았기 때문이고, 실제 브라우저 세션을 구동하는 에이전트는 사람 방문자와 거의 구별되지 않습니다. 그리고 에이전트가 정말로 페이지에 닿지 못할 때는, 같은 조사에 따르면 신디케이션된 사본과 제3자 보도를 모아 짜깁기를 만들어 냅니다. 차단이 바꾸는 것은 여러분이 요약되느냐보다 링크가 누구에게 가느냐 쪽이 훨씬 큽니다.

같은 질문인데 AI 엔진마다 완전히 다른 출처를 인용하는 이유는 무엇인가요?

서로 다른 색인, 서로 다른 리트리벌 단계, 서로 다른 선택 규칙으로 돌아가고, 측정된 불일치가 크기 때문입니다. SIGIR 2026에서 발표된 11,500개 쿼리 연구는 Google 오가닉 결과, AI Overviews, Gemini라는 한 회사의 세 화면 사이에서 URL 수준 Jaccard 유사도가 0.11–0.18이라는 것을 발견했습니다. 그보다 앞선, 두 어시스턴트에 걸친 응답 672건 감사에서는 고유 도메인 355개가 나왔고 양쪽 모두가 인용한 것은 26%뿐이었습니다. 실무적인 결과는, 하나로 섞은 가시성 점수가 여러분이 실제로 손댈 수 있는 유일한 데이터 부분을 평균으로 지워 버린다는 것입니다.

Bavior 편집팀

Reddit 마케팅과 AI 검색 가시성에 관한 Bavior의 콘텐츠를 조사하고 관리하는 팀입니다. 본문의 모든 수치에는 출처와 확인 날짜를 명시했으며, 제휴 링크는 사용하지 않습니다.

수치에 오류를 발견하셨나요? 알려주시면 다시 확인하겠습니다: support@bavior.com