아니다. AI 검색은 SEO를 대체하지 않는다. SEO를 전제 조건으로 흡수한 더 큰 레이어를 그 위에 얹을 뿐이다. 'SEO가 죽었다'는 헤드라인은 매년 반복되지만, 2026년의 진실은 더 미묘하다. 검색 결과 페이지(SERP)의 파란 링크 10개를 두고 벌이던 순위 싸움은 분명히 축소되고 있다. 그러나 그 링크들을 만들어내던 기반 작업 — 크롤링 가능한 사이트, 구조화된 콘텐츠, 신뢰받는 도메인 — 은 사라지기는커녕 AI 답변에 인용되기 위한 입장권이 되었다. 이 글은 'SEO vs AI 검색'이라는 이분법이 왜 틀린 질문인지, 그리고 마케터가 실제로 무엇을 바꿔야 하는지를 RAG(검색증강생성) 메커니즘의 작동 원리까지 파고들어 설명한다.
질문을 다시 던지자: '대체'가 아니라 '재배치'다
'AI 검색이 SEO를 대체하는가'라는 질문에는 숨은 가정이 있다. SEO와 AI 검색이 같은 자원을 두고 경쟁하는 대체재라는 가정이다. 하지만 둘의 관계는 대체재가 아니라 계층(layer) 관계에 가깝다.
비유하자면 이렇다. 전기가 보급됐다고 발전소가 사라졌는가? 아니다. 우리는 더 이상 '전기를 직접 만들어 쓸지'를 고민하지 않지만, 발전·송전 인프라는 오히려 모든 것의 토대가 되어 보이지 않는 곳으로 내려갔다. SEO도 마찬가지다. 사용자가 보는 표면(파란 링크 클릭)은 줄어들지만, 그 아래에서 콘텐츠가 발견되고 신뢰받는 작업은 더 깊은 곳에서 더 중요해졌다.
그래서 업계는 새로운 약어로 이 변화를 부른다.
- SEO(Search Engine Optimization) — 검색엔진 결과에서 순위를 올린다.
- AEO(Answer Engine Optimization) — AI가 만드는 답변에 인용되게 한다.
- GEO(Generative Engine Optimization) — 생성형 엔진이 답변을 합성할 때 내 브랜드를 재료로 쓰게 한다.
이 셋은 위계가 다른 별개의 기술이 아니다. 같은 콘텐츠 자산을 서로 다른 깊이에서 최적화하는 동심원이다. 그리고 핵심은 — 가장 안쪽 원(SEO·인덱싱)이 비어 있으면 바깥 원(AEO·GEO)은 성립하지 않는다는 것이다. 왜 그런지 이해하려면 AI가 답변을 만드는 과정을 열어봐야 한다.
AI는 어떻게 답을 만드는가 — RAG의 3단계
ChatGPT나 Perplexity가 "~에 대해 알려줘"라는 질문에 출처를 달아 답하는 과정은 마법이 아니라 RAG(Retrieval-Augmented Generation, 검색증강생성)라는 잘 정의된 파이프라인이다. 2020년 Lewis 등의 원전 논문(arXiv:2005.11401)이 제시한 이 구조는 모델의 '파라메트릭 메모리'(학습으로 머릿속에 굳은 지식)와 '비파라메트릭 메모리'(외부에서 그때그때 찾아오는 문서)를 결합한다. 쉽게 말해 닫힌 책 시험이 아니라 오픈북 시험이다. 모델은 모든 걸 외우지 않고, 질문이 오면 외부 자료를 펼쳐 본 뒤 답을 쓴다.
이 오픈북 시험은 세 단계로 진행된다.
- 검색(Retrieval) — 질문과 관련 있어 보이는 문서 후보를 수백~수천 건 끌어온다.
- 재정렬(Reranking) — 그 후보들을 질문과 다시 한 줄씩 대조해 진짜 쓸 만한 순서로 다시 줄 세운다.
- 생성(Generation) — 상위 몇 개 문서만 실제로 읽고, 그것을 근거로 답변 문장을 합성한다.
SEO가 죽었다고 말하는 사람들이 놓치는 지점이 바로 1단계다. 검색 단계의 후보 풀에 들어가지 못하면, 당신의 콘텐츠는 2·3단계에 존재하지조차 않는다. 그리고 그 후보 풀에 들어가는 조건이 바로 — 크롤링되고 인덱싱된 콘텐츠, 즉 전통적 SEO가 쌓아온 그 기반이다.
1단계 검색 — '도서관 색인'과 '주제를 아는 사서'
검색 단계는 두 가지 방식을 섞어 쓴다. 도서관에 비유하면 직관적이다.
| 방식 | 도서관 비유 | 강점 | 약점 |
|---|---|---|---|
| 키워드 검색(BM25) | 책 뒤 색인(index) — '환불'이라는 단어가 몇 페이지에 있는지 | 정확한 용어·고유명사·제품명에 강함 | 표현이 다르면 못 찾음('반품'↔'환불') |
| 의미 검색(임베딩) | 주제를 아는 사서 — "돈 돌려받는 법" 하면 환불 책장으로 안내 | 같은 뜻 다른 표현을 이해 | 정확한 숫자·코드·이름은 오히려 놓침 |
의미 검색이 키워드 검색을 능가한다는 건 2020년 Karpukhin 등의 Dense Passage Retrieval 연구(arXiv:2004.04906)가 보여줬다. 단어가 정확히 겹치지 않아도 '뜻'으로 문서를 찾아내기 때문이다. 하지만 의미 검색도 만능은 아니다. 그래서 현대 시스템은 둘을 합친 하이브리드 검색을 쓴다 — 색인과 사서를 동시에 부리는 셈이다.
효과는 수치로 분명하다. 공개 벤치마크를 종합하면 상위 10건 안에 정답을 포함하는 비율(recall@10)이 의미 검색 단독 약 78%, 키워드(BM25) 단독 약 65%인데, 둘을 RRF(역순위 융합)로 합치면 약 91%까지 올라간다. Anthropic의 2024년 'Contextual Retrieval' 실험에서도, 각 청크에 맥락을 덧붙이는 것만으로 검색 실패율이 35% 줄었고(5.7%→3.7%), 여기에 BM25 하이브리드를 더하면 49%, 재정렬까지 얹으면 67%까지 실패가 줄었다.
여기서 마케터가 가져갈 교훈은 단순하다. AI는 '뜻'으로도 찾지만 '정확한 단어'로도 찾는다. 그러니 의미가 통하게 쓰되, 사람들이 실제로 입력하는 정확한 용어·제품명·고유명사도 본문에 분명히 박아둬야 양쪽 검색 모두에 걸린다.
2단계 재정렬 — 까다로운 사서가 한 권씩 펼쳐본다
1단계가 수백 건을 빠르게 긁어모으는 '넓고 얕은' 단계라면, 2단계 재정렬은 '좁고 깊은' 단계다. 교차 인코더(cross-encoder)라 불리는 모델이 질문과 후보 문서를 한 쌍씩 같이 읽으며 진짜 관련성을 채점한다. 1단계가 책 제목만 훑어 추리는 사서라면, 2단계는 후보로 추린 책들을 실제로 펼쳐 첫 문단을 읽어보는 까다로운 사서다.
이 재정렬이 검색 품질(NDCG)을 보통 5~15점, 어려운 질의에서는 20점 가까이 끌어올린다. 마케터에게 이게 의미하는 바: 당신의 페이지가 후보에 '들어가는 것'과 상위로 '뽑히는 것'은 다른 게임이다. 들어가려면 인덱싱(SEO)이 필요하고, 뽑히려면 질문에 정면으로 답하는 명확한 문장(AEO)이 필요하다.
3단계 생성 — 읽은 것만 인용한다, 그리고 '중간'은 잊는다
마지막으로 모델은 상위 문서 몇 개를 맥락 창에 넣고 답변을 합성한다. 여기서 두 가지 비직관적 현상이 마케팅 결과를 좌우한다.
첫째, 맥락 중간의 정보는 손실된다. Liu 등 2023년 연구(arXiv:2307.03172, 'Lost in the Middle')는 긴 맥락에서 모델의 정확도가 U자형을 그린다는 걸 보였다 — 맨 앞과 맨 끝의 정보는 잘 쓰지만 중간에 묻힌 정보는 흘려버린다. 사람이 긴 회의에서 처음과 끝만 기억하는 것과 같다. 그래서 핵심 주장과 결론은 문서의 앞·끝에 배치해야 인용 확률이 오른다.
둘째, 무엇을 콘텐츠에 담느냐가 인용 확률을 크게 바꾼다. GEO를 처음 체계화한 Aggarwal 등의 연구(arXiv:2311.09735, KDD 2024)는 통계 수치, 출처 인용, 직접 인용문을 콘텐츠에 추가하면 특정 조건에서 생성 엔진 가시성이 최대 약 40%까지 오른다는 걸 실험으로 보였다. 즉 AI는 '주장만 하는 글'보다 '근거를 든 글'을 답변 재료로 선호한다.
이 대목이 SEO와 AEO의 결정적 분기점이다. 구체적 문장으로 보자.
❌ 약한 예 (SEO 시대 키워드 채우기)
"저희 제품은 업계 최고의 성능과 합리적인 가격을
자랑하는 최고의 선택입니다."
→ 주장만 있고 검증 불가. AI가 인용해도 답변에 보탬이 안 됨.
✅ 강한 예 (AEO/GEO 시대 근거형 문장)
"이 제품의 평균 응답 시간은 120ms로, 동일 가격대
경쟁 제품 평균(약 340ms) 대비 약 3배 빠르다
(2026년 자체 벤치마크, n=500)."
→ 수치·비교·출처가 박혀 있어 AI가 그대로 인용 가능.위 두 문장은 똑같이 인덱싱된다. 하지만 SEO 점수는 비슷해도 AEO 결과는 하늘과 땅 차이다. AI는 검증 가능한 문장을 답변에 끼워 넣지, 공허한 형용사를 인용하지 않는다.
그래서 SEO는 어디로 갔나 — 사라진 게 아니라 '전제'가 됐다
이제 핵심 명제로 돌아오자. AI 검색 시대에 SEO가 하던 일들은 어떻게 됐는가? 표로 정리하면 '대체'가 아니라 '재배치'임이 분명해진다.
| SEO가 하던 일 | AI 검색 시대의 운명 |
|---|---|
| 크롤링·인덱싱 가능하게 만들기 | 그대로 필수 — 인덱싱 안 되면 RAG 후보 풀 진입 불가 |
| robots.txt·사이트맵 관리 | 더 중요 — AI 크롤러 허용 여부가 후보 진입을 가름 |
| 구조화된 콘텐츠·스키마 마크업 | 강화 — 청크 단위로 잘 끊겨야 검색·인용에 유리 |
| 도메인 신뢰·백링크 | 형태 변화 — 권위가 인용 확률에 반영(E-E-A-T) |
| 10개 파란 링크 순위 1위 | 축소 — 클릭 자체가 줄어드는 제로클릭 추세 |
| 키워드 밀도·메타 태그 트릭 | 소멸 — 의미 검색이 표현 트릭을 무력화 |
보다시피 SEO의 '기반 작업'은 살아남거나 더 중요해졌고, '꼼수'와 '순위 집착'만 죽었다. 특히 첫 줄 — AI 크롤러 접근 허용 — 은 많은 기업이 놓치는 새 입장권이다.
# robots.txt — AI 답변 후보에 들어가려면 허용해야 하는 크롤러
User-agent: GPTBot # OpenAI 학습
User-agent: OAI-SearchBot # ChatGPT 검색
User-agent: PerplexityBot # Perplexity
User-agent: ClaudeBot # Anthropic
User-agent: anthropic-ai # Anthropic
User-agent: Google-Extended # 구글 Gemini/AI
Allow: /이 줄을 막아두면, 콘텐츠가 아무리 좋아도 글로벌 AI의 답변 후보에 아예 진입하지 못한다. 검색의 1단계에서 탈락하는 것이다. '대체'를 걱정하기 전에 '입장권'부터 확인할 일이다.
구글과 네이버는 공식적으로 뭐라고 하나
플랫폼들의 공식 입장을 보면 '대체'가 아니라 '흡수'라는 그림이 더 또렷해진다.
구글 — AI 개요(AI Overviews) 위에서도 E-E-A-T는 그대로
구글은 AI 개요를 검색 위에 얹으면서도, 콘텐츠 품질 평가의 골격인 E-E-A-T(경험·전문성·권위·신뢰)를 폐기하지 않았다. 오히려 AI가 인용할 출처를 고를 때 이 신뢰 신호가 더 직접적으로 작동한다. 구글 색인에 기반한 Gemini 계열은 전통적 E-E-A-T가 강한 도메인을 답변 출처로 선호하는 경향을 보인다. 즉 구글에게 SEO와 AEO는 같은 평가 체계의 두 출력일 뿐이다.
네이버 — Cue:·클로바X는 접고, AI 탭으로 전면 재편
한국 시장은 더 극적이다. 네이버는 실험적 서비스였던 Cue:·클로바X를 2026년 4월 9일 종료하고, 2026년 6월 25~26일 대화형·에이전틱 AI 탭을 전체 정식 출시했다. AI 브리핑(검색 결과 요약)은 이미 통합검색 쿼리의 20% 이상에 적용되고, 2026년 4월 기준 AI 브리핑 인용은 월 약 3.558억 건에 달한다.
여기서 한국 마케터가 주목할 데이터가 있다. 한 표본 분석(272건)에서 네이버 AI 브리핑이 인용한 출처의 약 58%가 블로그였고, 인용된 문서의 약 49%가 통합검색 Top 10 바깥에서 뽑혔다. 검색 순위 10위 밖이어도 AI 답변에는 인용될 수 있다는 뜻이다 — '순위'와 '인용'이 분리되기 시작했다는 결정적 증거다. 네이버 랭킹 알고리즘도 C-Rank(출처 신뢰·전문성)와 D.I.A.+(문서 의도)를 결합해 '누가 썼나'와 '의도에 맞나'를 본다. 네이버가 제시한 콘텐츠 5원칙 — 직접 경험, 일관된 주제, 진정성, 읽기 쉬운 구조, 최신성 — 은 사실상 E-E-A-T의 한국어판이다.
한 가지 구조적 함정: 네이버는 외부 크롤러를 차단한다. 그래서 글로벌 AI(ChatGPT·Perplexity 등)는 네이버 블로그 본문을 직접 읽지 못하고, 나무위키·위키백과·티스토리를 통해 우회 인용하는 경향이 있다. 한국 브랜드라면 네이버 안(AI 탭·브리핑)과 밖(글로벌 AI)을 동시에 공략해야 하며, 이 둘은 들어가는 문이 서로 다르다.
엔진마다 다른 '취향' — 하나의 SEO로는 안 된다
SEO 시대에는 사실상 구글 하나만 신경 쓰면 됐다. AI 검색 시대에는 엔진마다 인용 취향이 갈린다. 대규모 인용 분석에 따르면 ChatGPT와 Perplexity의 인용 도메인 중복은 약 11%에 불과하고, 인용의 약 90%가 엔진마다 다르다. 같은 질문에도 서로 다른 출처를 끌어온다는 얘기다.
| 엔진 | 인용 성향 | 전략 함의 |
|---|---|---|
| ChatGPT | 위키백과(~47.9%)·커뮤니티 비중 큼 | 위키 등재·정설화된 정보가 유리 |
| Perplexity | Reddit(~46.7%)·실시간 인라인 인용 | 커뮤니티 토론·최신성에 강함 |
| Gemini | 구글 색인·E-E-A-T 기반 | 전통 SEO 자산이 거의 그대로 이전 |
| Claude | 근거 약한 콘텐츠를 보수적으로 걸러냄 | 출처·검증 가능성이 특히 중요 |
| Grok | 실시간 웹+X 스트림, 인용 정확도 편차 | 실시간 화제·소셜 신호 반영 |
이 표가 말하는 결론: SEO를 'AEO로 대체'하는 게 아니라, 하나였던 최적화 대상이 다섯으로 쪼개졌다. 일이 줄어든 게 아니라 늘었다. 'SEO 죽었으니 편해졌다'는 정반대다.
측정의 함정 — 'AI 노출'은 순위표처럼 안정적이지 않다
SEO 시대 순위는 그래도 비교적 안정적이었다. AI 검색의 가시성은 훨씬 불안정하다. 같은 질문을 두 번 던져도 다른 답이 나오기 때문이다.
왜 그럴까? LLM은 temperature를 0으로 맞춰도 결과가 흔들린다. GPU 연산 순서와 배치 처리 방식 때문에 완전한 결정성이 보장되지 않는다. 한 분석에서는 대형 모델을 1,000회 돌렸을 때 80가지 출력이 나왔고, 인용이 멱법칙(power law)처럼 출렁였다. 그래서 단일 측정은 곧 노이즈다 — 한 번 ChatGPT에 물어보고 "우리 인용됐다/안 됐다"고 판단하는 건 동전 한 번 던지고 확률을 단정하는 것과 같다. 신뢰할 만한 측정은 다중 실행과 통계적 신뢰구간을 요구한다.
여기에 더해, 항간에 도는 'AI 프롬프트 검색량' 데이터는 대부분 소수 패널(시장 1% 미만)을 모델링한 추정치다. Conductor의 표현을 빌리면 "신뢰할 수 없는 검색량 데이터는 없는 것보다 나쁘다." SEO 시대의 검색량 키워드 도구를 AI 시대에 그대로 가져다 쓰면 안 되는 이유다. 측정 지표도 함께 진화해야 한다 — 대표적으로 SOV(Share of Voice), 즉 한 카테고리의 AI 답변들 중 내 브랜드가 언급된 비율이 새로운 핵심 지표로 떠올랐다. 단, 어떤 질문 세트로 측정하느냐가 결과를 좌우하고, 여러 엔진을 합산하면 엔진별 메커니즘이 가려진다는 점은 늘 경계해야 한다.
그래서 마케터는 무엇을 바꿔야 하나 — 풀퍼널 관점
'대체냐 아니냐'의 추상적 논쟁을 실무 체크리스트로 내려보자. lena가 권하는 전환은 다음과 같다.
- 기반(SEO)은 버리지 말고 정비하라. 인덱싱·사이트 구조·도메인 신뢰는 AEO의 전제다. AI 크롤러 robots.txt 허용을 즉시 점검하라.
- 문장 단위를 근거형으로 바꿔라. 형용사 대신 수치·출처·비교를 넣어라(위 ❌/✅ 대조 참고). 이것이 SEO→AEO의 가장 빠른 ROI 지점이다.
- 핵심 결론을 앞·끝에 배치하라. 'Lost in the Middle'을 거스르지 마라.
- 엔진별로 다른 문을 두드려라. 위키·커뮤니티(ChatGPT/Perplexity), 구글 자산(Gemini), 검증 가능성(Claude), 네이버 AI 탭(국내).
- 가시성을 결과가 아니라 선행지표로 다뤄라. AI 인용 → 유입 → 전환 → 매출로 이어지는 퍼널 전체를 측정하라. 가시성은 매출을 설명하는 2차 지표다.
마지막 항목이 풀퍼널 관점의 핵심이다. 일부 분석에서는 AI 검색을 통해 유입된 방문자의 전환율이 일반 검색 유입보다 몇 배 높게 나타나기도 한다 — 사용자가 이미 AI의 답변으로 1차 검토를 끝내고 '확신을 가진 채' 들어오기 때문으로 풀이된다. 클릭 수는 줄어도 한 클릭의 가치는 오를 수 있다는 뜻이다. 그러니 'AI 때문에 트래픽 줄었다'는 표면 수치에만 매몰되면 진짜 변화를 놓친다.
Citeon은 이 원리를 제품에 담았다
'SEO가 죽었나'를 추상적으로 토론하는 대신, Citeon은 그 변화를 측정 가능한 작업으로 바꾼다.
- 4엔진 인용 측정(SOV) — ChatGPT·Gemini·Perplexity·Claude 네 엔진에서 브랜드가 실제로 인용되는 비율을 측정한다. 위에서 본 '엔진마다 다른 취향'을 한 화면에서 비교할 수 있다.
- 사이트 진단 엔진 — URL을 넣으면 SEO·AEO·GEO 점수(0~100)와 한국어 처방을 돌려준다. '인덱싱(전제)이 되어 있는지'부터 '문장이 근거형인지'까지 이 글의 체크리스트를 자동 점검한다.
- 경쟁사 역추적 — 경쟁 브랜드가 어떤 콘텐츠로 AI 답변에 인용되는지 거꾸로 분석한다.
- 주간 모니터 추이 — '단일 측정은 노이즈'라는 함정을 피하기 위해, 시간에 따른 변화를 추적해 신호와 잡음을 가른다.
SEO 자산을 버릴지 말지 고민할 시간에, 지금 내 사이트가 AI 답변 후보에 들어가 있는지부터 확인하는 게 빠르다. 무료 AI 가시성 진단(₩0)으로 SEO·AEO·GEO 점수와 처방 리포트를 받아보라.
자주 묻는 질문(FAQ)
SEO를 지금 당장 그만둬도 되나요?
아니요. 정반대입니다. AI가 답변에 인용할 콘텐츠는 먼저 크롤링·인덱싱되어 RAG의 검색 후보 풀에 들어가 있어야 합니다. 인덱싱(SEO의 기반)이 빠지면 아무리 좋은 콘텐츠도 1단계에서 탈락합니다. 버려야 할 것은 키워드 밀도 트릭·순위 집착 같은 '꼼수'이지, 인덱싱·사이트 구조·도메인 신뢰 같은 '기반'이 아닙니다.
검색 순위가 낮은데도 AI에 인용될 수 있나요?
가능합니다. 네이버 AI 브리핑 표본 분석에서 인용 문서의 약 49%가 통합검색 Top 10 바깥에서 나왔습니다. '순위'와 '인용'이 분리되고 있다는 신호입니다. 다만 인용되려면 질문에 정면으로 답하는 명확하고 근거 있는 문장이어야 합니다. 순위는 낮아도 '인용 가치'가 높은 문단이 뽑히는 구조입니다.
AEO와 GEO는 다른 건가요?
겹치지만 강조점이 다릅니다. AEO(Answer Engine Optimization)는 AI가 만드는 '답변'에 인용되는 데 초점을 둡니다. GEO(Generative Engine Optimization)는 생성형 엔진이 답을 합성할 때 내 콘텐츠가 '재료'로 쓰이게 하는 데 초점을 둡니다. 실무에서는 같은 콘텐츠 자산을 근거형 문장·구조화·출처 인용으로 다듬는 작업으로 수렴합니다. KDD 2024 연구는 통계·인용·직접 인용문 추가가 생성 엔진 가시성을 특정 조건에서 최대 약 40% 높였다고 보고했습니다.
한국 시장은 네이버만 신경 쓰면 되나요?
아니요. 두 전선을 동시에 봐야 합니다. 네이버는 AI 탭(2026년 6월 정식 출시)과 AI 브리핑으로 안쪽 전선을 형성하고, 글로벌 AI(ChatGPT·Perplexity 등)는 바깥 전선입니다. 네이버가 외부 크롤러를 차단하기 때문에 글로벌 AI는 네이버 블로그를 직접 못 읽고 나무위키·위키백과·티스토리로 우회 인용합니다. 들어가는 문이 다르므로 콘텐츠 배치 전략도 달라야 합니다.
AI 검색으로 트래픽이 줄면 매출도 주는 거 아닌가요?
꼭 그렇지 않습니다. 클릭 수(양)는 줄어도 클릭의 질은 오를 수 있습니다. 일부 분석에서는 AI 답변을 거쳐 들어온 방문자의 전환율이 일반 검색 유입보다 몇 배 높게 나타나기도 합니다. 이미 AI로 1차 검토를 마치고 확신을 가진 채 방문하기 때문입니다. 그래서 가시성을 최종 목표가 아니라 '유입→전환→매출' 퍼널의 선행지표로 측정하는 풀퍼널 관점이 중요합니다.
참고자료
- Lewis et al. (2020), Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks
- Karpukhin et al. (2020), Dense Passage Retrieval for Open-Domain QA
- Liu et al. (2023), Lost in the Middle: How Language Models Use Long Contexts
- Aggarwal et al. (2023), GEO: Generative Engine Optimization (KDD 2024)
- Anthropic (2024), Introducing Contextual Retrieval
- Conductor, Debunking AI Prompt Volume