마이크로소프트 AI 연구진은 검색과 AI 그라운딩(Grounding, 근거 기반 답변 생성)이 크롤링·이해·품질 평가라는 같은 기반 위에 서 있지만, 최적화 목표는 서로 다르다고 설명했다. 기존 검색의 핵심 질문이 “사용자가 어떤 페이지를 방문해야 하는가”였다면, AI 검색의 핵심 질문은 “AI가 어떤 정보를 책임감 있게 답변에 사용할 수 있는가”로 이동하고 있다는 것이다.

AI 핵심 정리

• 검색 색인은 AI 시대에 단순한 순위 시스템이 아니라 답변 근거를 선별하는 기반이 된다.
• AI 검색은 페이지 목록을 제시하는 대신 여러 출처의 정보를 조합해 답변을 생성한다.
• AI 검색 품질은 관련성보다 증거의 강도, 정확성, 최신성, 출처 신뢰도에 더 크게 좌우된다.
• 콘텐츠 제작자는 AI가 해석하고 인용할 수 있는 구조화된 정보 설계를 강화해야 한다.

기존 검색은 ‘페이지 선택’을 돕는 구조였다

그동안 검색엔진은 웹페이지를 수집하고 내용을 분석한 뒤, 관련성에 따라 검색 결과를 정렬하는 방식으로 작동해왔다. 이 구조에서 검색엔진의 역할은 사용자가 읽을 만한 페이지 후보를 제시하는 것에 국한됐다.

이 구조에서는 최종 결정권이 사용자에게 있었다. 사용자는 검색 결과 리스트를 보고 마음에 들지 않는 결과는 건너뛰며, 여러 페이지를 비교해 필요한 정보를 직접 찾았다. 검색 순위가 완벽하지 않더라도 사용자가 이를 보완할 여지가 있었기 때문에, 일부 부정확한 결과가 포함되더라도 치명적인 오류로 이어지는 구조는 아니었다.

AI 검색은 정보를 직접 조합해 답변한다

AI 검색에서는 상황이 달라진다. AI 오버뷰, AI 에이전트, 생성형 검색 서비스는 단순히 페이지 목록을 보여주는 데 그치지 않는다. 여러 출처에서 정보를 가져와 요약하고 비교하며, 하나의 답변으로 완성해 제시한다.

이 과정에서 색인의 역할도 달라진다. 기존에는 “좋은 페이지를 찾는 것”이 중요했다면, 이제는 “답변의 근거를 뒷받침할 수 있는 검증된 정보”를 찾는 것이 핵심이다. 문서 전체보다 출처가 명확하고 검증된 ‘개별 사실’ 하나하나가 중요해지는 것이다

오류의 무게도 달라졌다

기존 검색에서는 잘못된 결과가 노출되더라도 사용자가 다른 페이지를 선택하면 그만이었다. 그러나 AI 검색에서는 오류가 답변 생성 과정에 그대로 포함될 수 있다. 오래된 정보, 부정확한 설명, 서로 충돌하는 출처가 하나의 답변 안에 섞이더라도, AI는 이를 매우 자연스러운 문장으로 제시하기 때문이다.

이 때문에 AI 검색에서는 사실적 정확성, 최신성, 출처 표시, 정보 충돌 감지 능력이 더욱 중요해진다. 특히 오래된 사실은 단순히 검색 순위 하락에 그치지 않고, 잘못된 정보가 그대로 답변에 반영되는 원인이 된다. 모순되는 출처가 존재할 때 AI가 이를 인식하지 못하면, 환각(Hallucination), 즉 그럴듯하지만, 틀린 답변을 제시할 위험이 커진다.

관련 콘텐츠


⟶ 챗GPT는 왜 틀릴까… AI ‘환각’의 구조적 원인

‘답변 거부’도 품질 기준이 된다

AI 검색에서 나타난 중요한 변화 중 하나는 충분한 근거가 없을 때 답변을 거부하는 능력이다. 기존 검색은 관련성 있는 페이지 목록을 보여주는 것만으로도 최소한의 역할을 할 수 있었다. 반면 AI 검색은 답변을 직접 생성하기 때문에, 근거가 부족하거나 정보가 오래된 경우, 혹은 출처 간 내용이 상반될 때는 ‘답변하지 않는 것’이 오히려 더 신뢰할 수 있는 선택이 될 수 있다.

이는 AI 검색 품질 평가의 기준이 단순 관련성에서 ‘증거의 강도’로 이동하고 있음을 보여준다. 검색은 관련성 높은 선택지를 제시하는 데 초점을 맞추지만, AI 그라운딩은 답변을 정당화할 수 있는 근거가 충분한지를 판단하는 데 집중한다.

검색은 사라지는 것이 아니라 진화한다

마이크로소프트 연구진은 그라운딩이 검색을 대체하는 개념은 아니라고 강조한다. AI의 답변 역시 기존 검색 인프라를 기반으로 작동하기 때문이다. 크롤러, 품질 신호, 웹 이해 기술은 여전히 중요하다. 다만 기존 인프라 위에 AI가 답변에 사용할 근거를 선별하고 평가하는 ‘새로운 판단 단계’가 추가될 뿐이다.

결국 검색 색인은 더 이상 단순히 “사용자가 무엇을 읽을지”를 돕는 시스템에 머물지 않는다. AI 시대의 색인은 “AI가 무엇을 말해야 하는지”를 판단하는 기반으로 확장되고 있다.

관련 콘텐츠


⟶ 크롤링과 인덱싱, 검색 노출은 어디서 시작되는가

콘텐츠 제작자에게 주는 의미

이러한 변화는 콘텐츠 제작자와 SEO 업계에도 직접적인 영향을 미친다. AI 검색 환경에서는 단순히 특정 키워드를 반복 포함하거나 검색 순위만을 노리는 단편적인 전략은 통하지 않는다.

앞으로 중요한 것은 AI가 정확하게 해석하고 인용할 수 있는 정보 구조를 만드는 것이다. 명확한 출처, 최신 정보, 검증된 사실, 일관된 설명, 그리고 구조화된 콘텐츠가 경쟁력이 되는 시대다.

검색엔진은 여전히 관련성을 평가한다. 그러나 AI 검색은 한 단계 더 나아가 답변에 사용할 수 있는 ‘증거의 강도’를 엄격히 따지게 된다. 이 차이를 이해하고 대비하는 것이 AI 검색 시대의 콘텐츠 전략과 생성형 AI 검색 최적화(GEO)의 새로운 출발점이 될 전망이다.

관련 콘텐츠


⟶ 콘텐츠 클러스터란 무엇인가… 주제 중심 구조 설계 전략
⟶ 구조화 데이터란 무엇인가… 검색엔진의 언어로 정보를 재구조화
⟶ 정보 구조란 무엇인가… 사이트 전체 SEO를 결정하는 설계 원리

FAQ

생성형 AI 기반 검색 시스템이 ‘목록형(Listicle)’ 콘텐츠를 집중적으로 인용하는 경향이 확인됐다. 특히 제품 추천, 비교, 순위형 콘텐츠가 AI 답변 생성 과정에서 핵심 참고 자료로 활용되는 것으로 나타났다.

AI 핵심 정리

• 생성형 AI 검색 시스템은 목록형 콘텐츠를 주요 인용 자료로 활용한다.
• 제품 추천, 비교, 순위형 콘텐츠는 AI 답변 생성 과정에서 핵심 참고 자료가 된다.
• 주요 AI 모델의 상위 인용 URL 중 평균 63%가 목록형 콘텐츠로 연결됐다.
• 기존 SEO에서 성과가 좋은 페이지는 AI 검색에서도 선택받을 가능성이 크다.

미국 SEO 전문 매체 서치엔진랜드(Search Engine Land)는 최근 AI 인용 데이터 2만 5,000여 개의 URL을 분석한 결과, 주요 LLM(대규모 언어모델)이 목록형 콘텐츠를 압도적으로 많이 활용하고 있다고 밝혔다.

이번 분석은 오픈AI 챗GPT, 구글 제미나이 및 AI 오버뷰, 마이크로소프트 코파일럿, 퍼플렉시티 AI 등을 대상으로 진행됐다. 연구진은 지난 3~4월 각 모델에서 가장 많이 인용된 URL 6,000개를 분석했으며, 중복을 제거한 최종 데이터 세트는 약 2만 5,000개 규모였다.

분석 결과에 따르면, 주요 AI 모델의 상위 인용 URL 중 평균 63%가 목록형 콘텐츠로 연결됐다. 일부 모델에서는 이 비중이 최대 65%에 달해 AI 검색 환경에서는 목록형 기사를 선호하는 것을 알 수 있다.

AI가 목록형 콘텐츠를 선호하는 이유

연구진은 AI 시스템이 목록형 콘텐츠를 선호하는 이유도 함께 제시했다.

목록형 콘텐츠는 특정 주제에 집중돼 있으며, 제목·소제목·항목 구조가 명확해 AI가 정보를 추출하고 재구성하기 쉽다는 특징이 있다. 특히 “최고의 CRM 도구”, “추천 노트북 TOP 10”, “가장 인기 있는 VPN 서비스”처럼 비교·추천·순위 구조를 가진 콘텐츠가 높은 인용률을 보였다.

연구진은 “구조화된 형식 덕분에 AI 모델이 콘텐츠를 쉽게 분석하고 요약할 수 있다”고 설명했다. 특히 AI 답변 자체가 추천·비교·요약 형태인 만큼, 자연스럽게 목록형 콘텐츠를 핵심 자료로 채택하는 경향이 나타난 것으로 분석됐다.

관련 콘텐츠



⟶ 구조화 데이터란 무엇인가… 검색엔진의 언어로 정보를 재구조화

‘순위형 리스트’ 비중 압도적

목록형 콘텐츠 가운데서도 순위형 리스트의 비중이 매우 높게 나타났다.

분석에 따르면 “최고의 SEO 도구 10가지”, “가성비 스마트폰 순위”, “추천 CRM 솔루션”처럼 순위가 포함된 콘텐츠가 전체 목록형 기사 중 71~86%를 차지했다.

반면 “식비 절약 방법 7가지”와 같은 비순위형 리스트는 상대적으로 적었으며, 대학 순위와 같은 데이터 기반 기관 순위 콘텐츠는 1.4~4.7% 수준에 그쳤다.

또한 포브스(Forbes)나 전문 리뷰 사이트, 제휴 마케팅 기반 콘텐츠 등과 같이 비교·추천 구조를 적극적으로 활용하는 도메인들이 AI 인용 상위권에 다수 포함된 것으로 확인됐다.

기존 SEO 강한 페이지가 AI에서도 유리

이번 분석에서는 생성형 AI 최적화(GEO) 역시 기존 SEO 영향권 안에 있다는 점도 함께 확인됐다.

특히 구글 제미나이와 AI 오버뷰는 기존 구글 검색 결과의 상위권 페이지와 상당 부분 일치하는 모습을 보였다. 실제로 구글 AI 오버뷰에서 인용된 URL의 상당수가 제미나이 모델에서도 중복으로 등장했다. 반면, 마이크로소프트 코파일럿은 다른 모델들과의 URL 중복률이 상대적으로 낮게 나타났다.

연구진은 “기존 SEO 전략은 AI 검색 시대에도 여전히 유효하다”며 “일반 검색에서 좋은 성과를 내는 페이지가 AI 검색에서도 선택받을 가능성이 크다”고 덧붙였다.

많이 인용된 페이지들의 공통 구조는

AI에서 자주 인용된 페이지들은 일정한 구조적 특징도 보였다.

주요 공통점은 다음과 같다:

• 1,000~2,000단어 내외의 분량
• 구조화된 H2·H3 태그의 체계적 사용
• 본문 내 유기적으로 연결된 참조 링크 포함
• 명확한 비교·목록 구조 활용
• 가독성이 높고 읽기 쉬운 문장 구성

다만 모델별 선호도 차이도 존재했다. 마이크로소프트 코파일럿은 평균 964단어 수준의 간결한 콘텐츠를 선호했지만, 구글 제미나이는 평균 1,977단어 수준의 상세하고 풍부한 콘텐츠를 더 자주 인용한 것으로 나타났다.

그러나 AI 검색 경쟁이 긴 문맥을 이해하는 방향으로 발전함에 따라, 향후 빙(Bing) 기반의 검색 AI 역시 긴 콘텐츠를 활용하는 비중을 점차 확대할 것으로 전망된다.

관련 콘텐츠



⟶ 구글 “GEO·AEO로 포장된 꼼수, 굳이 할 필요 없다”

“무분별한 홍보형 리스트는 위험”

단, 연구진은 단순히 상위 노출만을 노리고 품질이 낮은 ‘TOP 10’ 콘텐츠를 대량 생산하는 방식은 위험하다고 경고했다.

최근 미국 연방거래위원회(FTC)는 자사 제품을 독립적인 제3자의 추천인 것처럼 위장하거나, 광고성 비교 콘텐츠를 객관적인 리뷰처럼 오인하게 만드는 기만행위를 규제하는 방향으로 정책을 강화하고 있다. 구글 역시 검색 품질 강화를 위해 과도한 홍보성 리스트 콘텐츠에 대한 품질 평가 기준을 꾸준히 강화하는 추세다.

이에 따라 업계에서는 단순 키워드 나열형 리스트를 넘어, 실제 사용자의 비교 가치를 충족하고 신뢰할 수 있는 정보 구조를 갖춘 ‘고품질 콘텐츠’ 경쟁이 본격화될 것으로 보고 있다.

AI 검색 시대, ‘구조화된 정리형 콘텐츠’가 핵심

이번 분석은 AI 검색 환경에 맞춰 웹 콘텐츠의 패러다임이 변화하고 있음을 명확히 보여준다. 과거의 검색 최적화가 키워드 중심의 설명형 콘텐츠에 집중했다면, 생성형 AI 시대에는 비교, 정리, 추천, 요약에 최적화된 ‘구조화된 콘텐츠’의 중요성이 커지고 있다.

SEO NEWS는 이번 분석을 바탕으로 생성형 AI 검색 최적화(GEO)를 위한 콘텐츠 구조 5가지를 선정했다.

• 비교형 핵심 콘텐츠: 여러 제품이나 서비스를 한 페이지에서 직관적으로 비교·정리
• 추천 리스트: AI가 답변에 바로 인용하기 좋게 항목별로 요약된 목록 구성
• 엔티티(Entity) 중심 설명: 특정 브랜드·제품·개념 정보를 명확하게 설명하는 구조
• 질문 대응형 구조: 사용자의 검색 의도와 질문에 직접 답하는 문장 설계
• 요약 가능한 정보 설계: 핵심 내용을 짧은 단락으로 정리한 구조

관련 콘텐츠



⟶ 엔티티 SEO란 무엇인가… 검색과 AI가 이해하는 ‘의미 구조’의 핵심
⟶ 구글, FAQ 리치 결과 종료… 콘텐츠 전략 변화 불가피

FAQ