생성형 검색은 전통 검색과 다른 사이트를 인용한다

구글 검색, AI 오버뷰, 제미나이는 같은 질문에 서로 다른 인터넷을 보여준다. 11,500개 실제 질문으로 세 엔진이 인용한 출처를 맞춰 보니 평균 18%만 겹쳤고(Jaccard 0.11에서 0.18), AI 오버뷰는 실제 사용자 대표 질문의 51.5%에 떠서 일반 검색 결과 위에 자리했다^[1]. 더 눈에 띄는 결과는, 구글의 AI 크롤러를 막은 인기 매체 21곳이 제미나이에 한 번도 인용되지 않았고 접근 권한이 있는 AI 오버뷰조차 이들을 덜 인용했다는 것이다^[1].

근거는 뉴저지공대 등 연구진이 낸 SIGIR 2026 논문이다^[1]. 시간 불변 벤치마크 11,500개에 시간 민감 질문을 더해 총 14,212개 질문을, SerpAPI와 제미나이 API로 2025년 12월 7일부터 8일까지 모바일(뉴어크, NJ) 기준으로 수집했다^[2]. 대상은 구글 하나이고 ChatGPT와 Perplexity, Bing Copilot은 제외했으며, 서술적 분석이고 한 시점의 측정이라는 한계가 처음부터 붙는다^[1]. 저자들이 공개한 벤치마크 질문과 수집 데이터가 이 글의 1차 자료다.

우리는 AI 검색에서 브랜드가 얼마나 인용되는지 재는 제품을 만들고 있어 이 주제에 이해관계가 있다. 그래서 수치는 원문 그대로 적고 저자의 해석을 함께 옮긴다. 어제 글 AI 검색은 이름은 알아도 신제품은 추천하지 않는다에서 인지와 추천이 다른 숫자라고 적었는데, 이 글은 그 추천이 엔진마다 아예 다른 출처에서 나온다는 한 단계 더를 다룬다.

AI 오버뷰는 어떤 질문에 뜨나

AI 오버뷰는 길고, 질문 형식이고, 정보를 구하는 질문일수록 자주 뜬다. 전체 벤치마크의 65.6%, 실제 사용자 대표 질문인 ORCAS의 51.5%에 생성됐다(원문 4.1절)^[1]. 질문 종류에 따라 편차가 컸다. 복잡한 정보형 질문(ELI5)은 94.6%인데 아마존 쇼핑 키워드는 17.4%였다. 의문형 질문은 비의문형보다 훨씬 자주 생성됐고, 같은 자연어 질문을 키워드로 바꾸면 비율이 떨어졌다(NQ 86.2% 대 NQ 키워드 76.5%).

표 1. 질문 종류별 AI 오버뷰 생성률. 출처: Grossman 외 2026, 4.1절^[1].

쇼핑에서도 구성이 갈렸다. 아마존 키워드 질문은 17.4%였지만 비교 질문은 88.2%, 제품 질문은 92%였다(원문 6절). 생성형 검색이 구매보다 탐색·비교 단계에 더 끼어든다는 뜻이다.

세 엔진이 인용하는 출처가 거의 안 겹친다

같은 질문에 세 엔진이 인용한 출처는 서로 거의 겹치지 않았다. 평균 Jaccard 유사도가 0.11에서 0.18 사이였고, AI 오버뷰와 일반 검색 사이에서도 양쪽이 함께 인용한 출처는 평균 18%뿐이었다(원문 4.2절)^[1]. 더 뜻밖은, 둘 다 구글이 만들었는데도 AI 오버뷰와 제미나이가 서로 가장 안 겹쳤다는 점이다.

표 2. 엔진 쌍별 인용 출처의 평균 겹침(전체 벤치마크). 출처: Grossman 외 2026, 표 2^[1].

이 차이를 출처 개수 탓으로 돌릴 수는 없다. 평균 출처 수는 제미나이 9.68개, AI 오버뷰 9.24개, 일반 검색 8.75개로 비슷했다. 그리고 엔진 사이의 불일치는 같은 엔진을 두 번 돌렸을 때의 불일치보다 훨씬 커서, 내장된 무작위성으로 설명되지 않는다. 세 엔진이 같은 수의 출처를 서로 다른 방법으로 고른다는 얘기다.

무엇이 인용에서 밀려나나

생성형 검색은 인기 사이트와 기관을 덜 인용하고 구글 소유 콘텐츠를 더 인용했다. 가장 크게 밀린 건 레딧으로, AI 오버뷰에서 전통 검색 대비 등장 질문 비율이 27.88%포인트 줄었다(원문 4.3절)^[1]. AI 오버뷰는 google.com과 youtube.com을 더 끌어왔고, 제미나이도 유튜브를 선호했다. 인기 상위 1,000개 도메인만 보면(Tranco 순위 기준), 질문별 최상위 출처가 이 안에서 나온 비율이 일반 검색 52.7%, AI 오버뷰 40.0%, 제미나이 32.6%였다. 전통 검색이 출처의 평판·인기에 더 무게를 둔다는 뜻이다.

표 3. 질문별 최상위 출처가 인기 상위 1,000 도메인에 든 비율. 출처: Grossman 외 2026, 4.3절^[1].

밀려나는 쪽이 인기·기관 사이트라면, 덜 알려진 제공자에게는 반대로 틈이 생긴다. 전통 검색에서 상위를 못 잡는 니치 제공자가 생성형 검색에서 보일 여지가 있다는 뜻이고, 이는 어제 디스커버리 격차에서 본 신제품의 기회와 같은 방향이다. 다만 GEO와 SEO, AEO의 차이를 엔진별로 따로 봐야 한다는 조건이 붙는다.

AI 크롤러를 막으면 AI 검색에서 사라진다

가장 실무에 직결되는 발견이다. Google-Extended 봇을 robots.txt로 막은 인기 매체 21곳은 제미나이가 단 한 번도 인용하지 않았다^[1]. 명단에는 NYTimes, CNN, BBC, Reuters, Nature, NPR, WIRED, National Geographic, Scientific American 같은 이름이 있다. 예상되는 결과다. 제미나이는 차단된 콘텐츠에 접근하지 못하니까.

놀라운 건 그다음이다. 이 매체들은 접근 권한이 있는 AI 오버뷰에서도 인용이 줄었다^[1]. 회귀 분석에서 Google-Extended 봇을 막은 사이트는 AI 오버뷰와 제미나이 양쪽에서 인용될 확률이 유의하게 낮았다. 구글은 이 봇 차단이 일반 검색 순위에는 영향을 주지 않는다고 밝히지만, 생성형 검색 노출에서는 손실이 실측된다. 저자들은 이를 자초한 가시성 손실로 부르며 차단 결정을 재고하라고 권한다. 사이트의 크롤러 정책이 AI 검색 노출을 바꾼다는 점에서, llms.txt와 AI 크롤러 설정을 노출 관점에서 다시 볼 이유다.

같은 질문도 결과가 흔들린다

AI 오버뷰는 같은 질문을 다시 물어도 결과가 더 많이 흔들렸다. 같은 기기·위치에서 두 번 돌렸을 때 인용 출처의 겹침이 AI 오버뷰는 Jaccard 0.66인데 일반 검색은 0.78이었다(원문 4.4절)^[1]. 질문을 사소하게 바꾸자(예: "what is"를 "what's"로) 차이가 더 벌어졌다. 원래 질문과 수정한 질문의 출처 겹침(RBO)이 AI 오버뷰는 0.49로 28.99% 떨어졌는데, 일반 검색은 13.95%, 제미나이는 3.85% 하락에 그쳤다.

출처가 흔들리면 생성된 답변 문장도 흔들렸다. 출처 겹침과 생성 텍스트 겹침 사이에 강한 양의 상관이 있었다(AI 오버뷰 r = 0.62, 제미나이 r = 0.55). 뜻이 같은 질문인데 표기만 달라도 다른 출처에서 다른 답이 나온다는 것이고, 순위를 높이는 최적화가 불안정해지는 이유다. 그래서 한 번 측정으로 판단하지 않고 같은 조건으로 반복 측정해야 한다.

고위험 질문일수록 자주 뜨고 흔들린다

민감한 질문에서 생성형 검색의 문제가 겹쳤다. 정치인 질문의 93.8%에 AI 오버뷰가 떴고, 토론 질문에서는 AI 오버뷰 요약의 33.4%가 찬반 입장을 먼저 밝혔다(제미나이는 5.6%)(원문 4.5절)^[1]. 정치 질문에서 생성형 검색은 congress.gov 같은 정부 자료를 덜 인용했고, 신뢰도 평가가 의심스러운 출처 비율이 AI 오버뷰 11.4%, 제미나이 15.0%로 일반 검색 10.6%보다 높았다. 트렌딩 질문에는 AI 오버뷰가 드물게(8.1%) 떴는데, 저자들은 합의가 없는 실시간 사안에서 오정보를 끌어올 위험을 줄이려는 가드레일로 본다. 실제로 한 권투 경기 결과를 묻는 트렌딩 질문에 AI 오버뷰가 틀린 답을 내놓은 사례가 실렸다.

이 연구가 못 본 것

저자가 밝힌 한계가 있다. 대상이 구글 하나여서 ChatGPT, Perplexity, Bing Copilot의 패턴은 다를 수 있다. API로 모아 사용자별 특성(로그인 상태 등)에 따른 변이는 보지 못했다. 분석이 서술적이고 한 시점(2025년 12월)의 측정이라, 생성형 검색이 빠르게 바뀌는 만큼 수치 자체보다 구조를 읽는 편이 안전하다. 여기에 우리가 남기는 의문을 더하면, 엔진별로 이렇게 다른 출처 선택이 시간에 따라 수렴하는지 벌어지는지는 이 한 시점으로는 알 수 없다.

측정은 엔진별로, 반복해서

이 결과를 실무로 옮기면 세 가지가 남는다. 먼저 AI 검색 가시성은 엔진마다 다른 게임이다(원문 함의). 세 엔진의 출처가 18%만 겹치니, 한 번에 모든 생성형 검색에서 잘되게 하는 단일 최적화는 성립하기 어렵다. 엔진별로 따로 재고 따로 처방해야 한다. 다음으로 AI 크롤러 차단은 노출 관점에서 재고할 일이다. 콘텐츠 보호와 AI 검색 노출이 상충하는 자리이고, 차단이 생성형 검색에서 자초한 손실로 이어졌다. 마지막으로 재현성이 낮으니 한 번의 측정으로 판단하지 않는다.

우리가 만드는 측정 도구는 비브랜드 질문을 엔진별로 반복해 물어, 브랜드가 인용되는 비율을 질문·엔진·시점 단위로 기록한다. 이 연구가 보여준 엔진 간 격차와 재현성 문제가, 숫자 하나가 아니라 분포로 봐야 하는 이유다. 그 분포가 낮은 엔진에서는 콘텐츠 최적화보다 추천 센서스에서 진입과 순위를 올리는 기반 작업이 먼저다.