'리퀴드 콘텐츠' — 기사가 더 이상 저널리즘의 단위가 아니라면

AI가 전통적 뉴스 기사의 해체를 촉발하고 있다. 검색 가시성 하락을 우려하는 퍼블리셔는 구글의 AI 기반 SERP 기능과 LLM에 노출되도록 콘텐츠 유통 워크플로를 적응시켜야 한다.

기사가 죽은 것은 아니다. 다만 퍼블리셔는 기사 너머를 생각하고 '리퀴드 콘텐츠'를 받아들여야 할 수 있다.

니키타 로이(Nikita Roy)는 ONA25 발표에서 이 전환을 이렇게 포착했다.

"AI가 매개하는 세계에서 기사는 더 이상 저널리즘의 단위가 아니다."

그리고 청중에게 질문을 던졌다.

"뉴스룸에 대해 아무것도 모르고, 오직 사람들이 신뢰할 수 있고 검증된 정보를 필요로 한다는 것만 안다면, 오늘의 기술로 무엇을 만들겠는가?"

리퀴드 콘텐츠란 무엇인가

로이터 연구소의 2026년 트렌드·예측 보고서 정의는 이렇다.

"정적이지 않고 시청자의 맥락, 위치, 시간, 상호작용에 기반해 실시간으로 적응하는 콘텐츠 또는 스토리를 가리킨다. AI가 개인 선호에 맞춰 콘텐츠를 조정함으로써 이를 가능하게 한다. 전통 미디어 기업이 '기사'를 저작하는 것에서 더 유연한 원자적 객체(atomic objects)로 옮겨갈 것을 요구한다."

구성 요소는 그대로다

전통적 기사의 구성 요소는 모두 여전히 존재하고 가치가 있다. 검증된 정보, 인용, 데이터, 자료.

다만 이것들을 경직된 기사 컨테이너에 가두는 대신, 유연한 콘텐츠 전달 파이프라인에 꽂는다.

가치가 기사 전체에서 그 안의 사실과 수치로 이동한다.

멀티모달 콘텐츠는 어디에 놓이나

멀티모달 콘텐츠를 리퀴드 콘텐츠 유통 시스템을 통해 흐르는 것으로 생각하는 편이 유용하다. 시스템을 움직이는 두 요소는 포맷과 개인화다.

관건은 퍼블리셔의 주제적 강점을 오디언스의 포맷 선호와 정렬하는 것이다.

도구 사례

구글의 제미나이 노트북(구 NotebookLM) 에 법원 판결문 PDF, 영상 설명자료, 2,000단어 심층 보도를 주면 브리핑, 인포그래픽, 퀴즈, 팟캐스트, 슬라이드 덱으로 변환할 수 있다.

원문 저자는 데이터 분석 리포트를 정확한 인포그래픽으로 변환하는 데는 엇갈린 경험을 했다고 밝혔다. 멀티모달 옵션을 테스트하기에는 여전히 가치 있는 도구라는 평가다.

뉴스룸 워크플로 적응

리퀴드 콘텐츠 워크플로를 구축하려면 CMS가 기사를 다른 포맷으로 변환할 역량을 갖춰야 한다. 다만 완전히 기계 기반 프로세스여서는 안 된다. 사람의 입력이 필수적이다.

스토리를 기본 기사 포맷에 억지로 맞추는 대신, 스토리가 의도한 오디언스에게 가장 잘 공명할 방식으로 스스로 제시 방법을 결정하게 한다.

스티븐 윌슨-빌스(Steven Wilson-Beales)의 질문이다.

"이 스토리의 본질적 씨앗은 무엇이고, 그 씨앗이 꽃피게 할 최선의 포맷은 무엇인가?"

콘텐츠 재포맷은 새로운 관행이 아니다. 퍼블리셔는 이미 헤드라인 A/B 테스트에 익숙하다. AI로 포맷도 비슷한 방식으로 테스트할 수 있다.

개인화라는 더 어려운 층위

더 도전적인 부분은 개인화 층위다.

핀란드 방송사 Yle은 10년 넘게 개인화를 작업해왔다. AI 기술이 이제 그 개념 일부를 실현시킬 수 있게 됐다. 예를 들어 사용자의 현재 필요에 맞춘 스토리 포맷 제공 — 운전자에게는 오디오 버전, 지하철 승객에게는 텍스트 기사.

실제 실험 사례

퍼블리셔들은 이미 다양한 방식으로 멀티모달·리퀴드 콘텐츠를 실험하고 있다.

• 스카이 뉴스: TV 방송 후 디지털로 변환하는 대신 여러 배포 플랫폼에 걸쳐 동시에 프로젝트를 개발하도록 워크플로 개편
• 디 차이트(Die Zeit): 팟캐스트를 멀티포맷 기회로 집중
• AP의 스토리텔링 도구: 스토리를 소셜 게시물부터 푸시 알림까지 다양한 포맷으로 적응
• 워싱턴 포스트: 2025년 말 오디언스가 주제와 진행자 선호를 고르는 맞춤형 '나만의 팟캐스트' AI 실험 출시

워싱턴 포스트의 험난했던 롤아웃이 퍼블리셔가 뉴스룸에서 AI 실험을 피할 변명이 되어서는 안 된다는 것이 저자의 시각이다. 이런 선구적 프로젝트가 미래에 더 나은 품질의 제품을 만들 값진 교훈을 준다.

AI 검색을 위한 기사 구조화

리퀴드 콘텐츠는 유연성에 관한 것이지만, 여전히 구글의 AI 검색 기능과 LLM이 쉽게 표면화하고 인용할 수 있도록 구조화돼야 한다.

AI 봇이 콘텐츠를 처리·추출하는 방식을 인지하되, 봇만을 위해 쓰지는 않는 것이 핵심이다. 봇에게 좋은 것이 퍼블리셔의 오디언스에게도 좋을 수 있다.

고려할 요소들이다.

• 리드를 묻지 마라. 대신 역피라미드 구조를 적용한다
• NewsArticle 구조화 데이터를 사용한다
• 특히 긴 글에는 기사 상단에 불릿 요약을 포함한다
• 소제목으로 섹션을 조직하고 정의한다
• 기사의 핵심 질문, 교훈, 인용을 식별해 인용 박스 같은 장치로 강조한다
• 내부 링크를 활용해 오디언스 참여를 깊게 하고 주제 권위를 방송한다

뉴스 퍼블리셔가 가장 하지 말아야 할 일은 검색 알고리즘을 위한 글쓰기에서 AI 알고리즘을 위한 글쓰기로 선회하는 것이다.

똑똑한 기사 구조와 포맷팅이 봇과 바쁜 인간 독자 모두에게 콘텐츠를 도달시킬 수 있다.

뉴스 주목도가 줄어드는 것처럼 보일 수 있지만, 오디언스를 선호하는 플랫폼·포맷과 매칭하는 문제일 수 있다. 뉴스 피로가 만연한 세상에서 리퀴드 콘텐츠 제품은 뉴스 소비자에게 전환적 경험이 될 수 있다.

새로운 유통과 수익화

리퀴드 콘텐츠는 미디어 산업에 제3자 플랫폼의 공간을 임대하는 것에서, 가치 있고 배타적인 데이터로 채운 콘텐츠 파이프를 소유하는 것으로 전환할 기회를 준다.

저자는 레스토랑을 모델로 쓴다.

레스토랑은 표준 요리 메뉴를 제공하되 손님의 식이·예산·분위기 선호에 따라 적응한다. 마찬가지로 퍼블리셔의 콘텐츠 제공물(웹사이트, 뉴스레터, 앱)이 메뉴 역할을 한다. 리퀴드 콘텐츠 워크플로를 채택하면 고정 메뉴에서 오디언스 선호에 맞춘 동적 아라카르트 경험으로 이동한다.

퍼블리셔 데이터 수익화

2025년 FT 스트래티지스 리포트는 퍼블리셔가 API나 라이선싱을 통해 배타적 데이터를 수익화하는 '저널리즘 애즈 어 서비스(JaaS)' 를 제안했다.

금융 뉴스 퍼블리셔가 현재 우위를 가질 수 있지만, 건강, 과학, 스포츠 퍼블리셔도 역사적 데이터 인사이트의 보고 위에 앉아 있다.

로컬 매체에도 유사한 기회가 있다. AI 기반 커뮤니티 자원 센터, 또는 스플라이스 미디어의 표현으로 "기계를 위한 넥스트도어" 가 되는 것이다.

어필리에이트 콘텐츠 기회

퍼블리셔는 어필리에이트 콘텐츠를 간과해서는 안 된다.

SERP에 추가된 AI 쇼핑 기능과 구글의 사이트 평판 남용 정책 업데이트가 겹치며 일부 퍼블리셔는 휘청였고 다른 이들은 새 기회를 찾고 있다.

타임(Time) 은 봇 전용으로 설계된 데이터 제품을 작업 중이다. 봇이 사용자를 대신해 구매하는 에이전틱 AI의 성장 가능성을 인식한 것이다.

퍼블리셔가 쇼핑 봇의 신뢰받는 제품 리뷰 소스가 됨으로써 어필리에이트 콘텐츠 발판을 되찾을 수 있을까?

배포 플랫폼 찾기

리퀴드 콘텐츠는 최고의 참여 기회가 있는 플랫폼으로 흐르도록 방향을 잡을 수 있다.

예를 들어 스포츠 시청은 소셜에서 성장하고 있다. 팬들이 방송 TV에서 전체 경기를 보는 대신 하이라이트 클립과 크리에이터 콘텐츠를 본다.

퍼블리셔는 소셜 성과뿐 아니라 소셜 게시물이 검색에 어떻게 나타나는지도 분석 도구로 파고들어야 한다. 구글이 퍼블리셔의 소셜·영상 플랫폼 데이터를 서치 콘솔에 추가하며 추적을 쉽게 만들고 있다.

배포 개인화

구글은 AI 기반 뉴스 검색 기능에서도 개인화를 밀고 있다. 선호 소스(Preferred Sources) 는 열성 소비자가 좋아하는 뉴스 퍼블리셔·구독과 연결되도록 설계됐다.

배리 애덤스는 구글의 개인화 기능이 오디언스 로열티 생태계를 구축하는 것에 해당한다고 본다. 심층 해설처럼 열성 브랜드 팔로워를 참여시키는 콘텐츠가 뉴스레터, 구독, 앱 같은 다른 수익 제품의 리드 마그넷이 된다.

다른 유망한 전개도 있다. 노타(Nota) 는 오디언스 관심이 급증할 때 퍼블리셔 콘텐츠 수익화를 돕는 AI를 쓴다. 비콘(Beakon) 은 금융 뉴스용 AI 기반 독자 개인화 서비스다.

리퀴드 콘텐츠의 리스크

여전히 채널 중심인 뉴스룸

Future Newsrooms Study 2026에 따르면 대부분의 뉴스룸(64%)이 여전히 오디언스 선호(21%)가 아니라 채널 목적지(웹사이트, 인쇄, TV) 기준으로 스토리를 개발한다.

퍼블리셔는 더 이상 선회할 여지가 없다고 느낄 수 있지만, 실험에 더 열린 퍼블리셔 브랜드에 뒤처질 위험이 있다.

의미의 상실

기사가 정보의 원자로 환원될 때 의미 상실은 실제 리스크다.

AI 오버뷰가 여러 소스를 잘라 붙여 만든 '프랑켄 답변'으로 잘못된 정보를 생성하는 것을 우리 모두 봤다. 저자는 구글 AI가 디스커버에서 헤드라인을 다시 쓰고, 시작조차 하지 않은 경기의 허구 점수를 제공하는 것을 문서화했다.

퍼블리셔가 파이프에 흘려보내는 것을 소유할 수는 있지만, 구글이 자사 프리스타일 SERP 기계의 조종간을 쥐고 있다. 퍼블리셔 브랜드가 찍힌 AI 슬롭 혼합물을 생성하면서.

에코 챔버 강화

뉴스 콘텐츠 개인화에 집중하는 것이 지난 10년간 사회 상당 부분이 기꺼이 받아들인 에코 챔버를 강화할 수 있다.

사람들에게 뉴스 소비 경험에 대한 더 넓은 통제권을 주면, 자기 세계관에 맞는 관점으로 시야를 좁히는 선택을 할 수도 있다.

마케터가 가져갈 것

첫째, 콘텐츠 단위를 페이지에서 사실로 재정의한다. AI가 인용하는 것은 URL이 아니라 그 안의 데이터 포인트다. 명명된 수치와 검증 가능한 사실을 콘텐츠 안에 명확히 배치하는 것이 실무적 대응이다.

둘째, 포맷 변환을 자동화하되 판단은 남긴다. 자동 변환을 기본값으로 두면 모든 콘텐츠가 같은 다섯 가지 포맷으로 찍혀 나온다.

셋째, 봇용 글쓰기로 선회하지 않는다. 역피라미드, 구조화 데이터, 불릿 요약, 소제목, 인용 박스는 봇과 바쁜 독자 양쪽에 좋은 구조다. 한쪽만 위한 최적화가 아니다.

넷째, 포맷 A/B 테스트를 헤드라인 테스트처럼 다룬다. 이미 하고 있는 실험 관행의 확장이므로 조직 도입 장벽이 낮다.

다섯째, 소유한 데이터를 자산으로 목록화한다. JaaS 개념의 전제는 팔 수 있는 배타적 데이터가 실제로 있는지다. 건강·과학·스포츠·로컬 영역에서 축적된 이력 데이터를 먼저 재고 조사할 만하다.

여섯째, 개인화의 부작용을 설계에 반영한다. 에코 챔버 강화는 알고리즘의 문제가 아니라 선택지를 어떻게 제시하느냐의 문제다.

일곱째, 멀티포맷 커버리지를 검색 전략으로 본다. 하나의 주제를 여러 포맷으로 배치하면 결과 페이지에서 여러 자리를 차지할 수 있다. 실측 사례는 유튜브 채널이 11일 만에 20만 노출 — 아무도 안 보던 검색 가시성에서 확인할 수 있다.

여덟째, 인용됐다고 브랜드가 보인 것은 아니다. 사실 단위로 쪼갤수록 출처 표시에서 브랜드가 사라질 위험도 커진다. 유령 인용 — AI 검색이 내 콘텐츠는 쓰고 브랜드 이름은 빼는 40%와 AI 상반기 결산 2026 — 모든 이야기가 결국 어트리뷰션 문제였다를 함께 볼 만하다.

AI 검색이 전통적 기사 포맷의 전환을 촉발하고 있고, 기사는 AI 검색 응답과 LLM 인용을 구동하는 유연한 데이터 자산의 저장소가 되고 있다. 퍼블리셔는 소유한 가치 있는 데이터를 최적화해 리퀴드 콘텐츠 워크플로에서 제품을 수익화할 수 있도록 해야 한다.