Check Check Insight

이슈가 미치는 치명적 영향

LLM이 ‘증거’를 판단하는 낮은 기준은 AI 할루시네이션(hallucination)의 원인이 될 수 있으며, 이는 곧 웹사이트의 평판 손상과 법적 문제로까지 이어질 수 있습니다. 부정확하거나 왜곡된 정보가 LLM을 통해 확산되면, 해당 정보를 제공한 웹사이트는 신뢰를 잃고, 심각할 경우 DEI(Diversity, Equity, Inclusion) 또는 E-E-A-T(Experience, Expertise, Authoritativeness, Trustworthiness) 평가에서 치명적인 불이익을 받을 수 있습니다. 결국, 검색 엔진에서의 가시성(visibility) 저하는 물론, 장기적인 브랜드 가치 하락을 피할 수 없습니다.

대응 가이드 및 기회 요소

  • 정확성 최우선 콘텐츠 전략: 모든 콘텐츠는 사실에 기반해야 하며, 출처가 명확하고 검증 가능한 정보를 제공해야 합니다. 내부 팩트 체크 프로세스를 강화해야 합니다.
  • Schema.org 활용 극대화: Schema 마크업을 통해 콘텐츠의 속성, 관계, 출처 등을 상세하고 정확하게 명시하여, LLM이 정보를 올바르게 파악하도록 돕습니다. 특히 ‘author’, ‘publisher’, ‘dateModified’, ‘sameAs’ 등의 속성을 적극 활용해야 합니다.
  • 권위 있는 출처 인용: 콘텐츠 내에서 공신력 있는 출처를 명확히 인용하고, 내부 콘텐츠 간의 신뢰성 있는 연결을 구축하여 웹사이트 전체의 E-E-A-T를 강화합니다.
  • AI 검색 결과 모니터링: 자사 콘텐츠가 LLM을 통해 어떻게 인용되고 있는지 지속적으로 모니터링하고, 오류 발생 시 즉각적으로 Disavow하거나 정정 조치를 취해야 합니다.

장기적 주의점

LLM의 ‘증거’ 판단 기준은 진화할 것이며, 검색 엔진은 정보의 신뢰성과 사실 확인에 더욱 엄격한 잣대를 적용할 것입니다. 따라서, 웹사이트는 단기적인 노출 효과보다는 장기적인 신뢰 구축에 초점을 맞춰야 합니다. 투명하고 검증 가능한 정보를 제공하는 것이 미래의 GEO 경쟁력 확보에 필수적이며, 이는 AI 시대의 SEO 본질이 될 것입니다.

Mouse Mouse Article Summary

도입 배경

최근 생성형 검색 엔진 최적화(GEO)가 화두로 떠오르면서, 기존 SEO 전략의 재편이 요구되고 있습니다. 특히, 대규모 언어 모델(LLM)의 등장으로 검색 엔진이 정보를 이해하고 생성하는 방식이 근본적으로 변화함에 따라, 웹사이트 콘텐츠가 LLM에 의해 ‘증거(evidence)’로 채택되는 기준에 대한 깊은 논의가 필요해졌습니다. Search Engine Roundtable은 이와 관련된 중요한 시사점을 제기합니다.

구체적인 변화/이슈

Mark Williams-Cook에 따르면, LLM이 정보를 활용하는 방식 때문에 GEO 환경에서 ‘증거’의 기준이 예상보다 낮게 설정될 수 있다는 주장이 제기되었습니다. 즉, LLM은 다양한 소스의 데이터를 학습하고 종합하여 답변을 생성하는데, 이 과정에서 콘텐츠의 출처(citation)나 신뢰성(authority)을 기존 검색 엔진만큼 엄격하게 평가하지 않을 가능성이 있다는 것입니다. 특히 Schema 마크업은 LLM이 웹사이트 콘텐츠의 구조와 의미를 파악하는 데 결정적인 역할을 하지만, 동시에 LLM이 특정 정보를 ‘사실’ 또는 ‘증거’로 받아들이는 문턱이 생각보다 낮을 수 있음을 시사합니다. 이는 LLM이 잘못된 정보나 저품질 콘텐츠를 ‘증거’로 오인하고 인용할 위험성을 내포합니다. 예를 들어, 특정 주제에 대해 잘 구조화된 Schema 데이터를 제공하더라도, 그 내용 자체의 진실성이나 정확성에 대한 깊은 검증 없이 LLM의 답변에 포함될 수 있다는 우려입니다. 이는 결국 사용자에게 오류가 포함된 정보를 제공할 가능성을 높입니다.

결과/전망

이러한 현상은 단기적으로는 특정 정보를 LLM에 쉽게 노출시키는 기회가 될 수 있지만, 장기적으로는 AI가 생성하는 정보의 신뢰성 하락과 정보 오염으로 이어질 수 있습니다. 웹사이트 운영자 입장에서는 Schema 마크업을 통해 정보를 명확히 구조화하는 것이 여전히 중요하지만, 동시에 제공하는 정보의 사실 여부와 정확성을 더욱 철저히 관리해야 할 필요성이 부각됩니다. LLM이 ‘증거’를 판단하는 기준이 낮다는 점은 역설적으로 고품질의 신뢰성 높은 정보를 제공하는 웹사이트에 더 큰 책임감을 요구합니다. 향후 검색 엔진은 LLM의 한계를 인지하고 ‘증거’ 판단 기준을 강화하는 방향으로 진화할 가능성이 높으며, 이에 맞춰 콘텐츠 전략도 수정되어야 할 것입니다.

  • LLM의 등장으로 GEO에서 ‘증거’의 의미 변화.
  • LLM이 콘텐츠의 출처/신뢰성을 기존보다 덜 엄격하게 평가할 수 있음.
  • Schema 마크업의 중요성은 여전하지만, 내용의 진실성 검증은 간과될 위험.
  • LLM 답변의 신뢰성 하락 및 정보 오염 가능성 내포.
  • 고품질 정보 제공과 사실 확인의 중요성 증대.