AI 가시성 개선의 대부분은 기술 부채 상환이다 — 새 전술이 아니라 미뤄둔 숙제

다들 AI 최적화의 '한 방'을 찾고 있다. llms.txt를 만들어야 하나? 스키마를 바꿔야 하나? 콘텐츠를 검색용으로 청킹해야 하나? GEO를 해야 하나 AEO를 해야 하나, 아니면 이번 주에 새로 밀고 있는 그 약어인가?

이 질문들은 모두 AI가 완전히 새로운 최적화 문제를 만들었다는 전제 위에 서 있다. 실제로는 다르다. AI는 새 문제를 만든 게 아니라, 지난 리뉴얼 이후 계속 미뤄온 문제를 드러냈을 뿐이다.

사이트가 AI 답변에서 가시성을 얻고 잃는 과정을 들여다보면, 'AI 최적화' 덕으로 돌려지는 개선의 상당수는 AI 전용 전술과 무관하다. 몇 년 전에 처리했어야 할 기술 SEO 문제를 고친 결과다. 대부분의 AI 최적화 프로젝트는 이름이 세련되어졌을 뿐 기술 부채 상환 프로젝트다.

AI가 문제를 만들지 않았다

모든 사이트는 시간이 지나면서 기술 부채를 쌓는다.

• 리뉴얼이 중복 URL을 만들고, 끝내 통합되지 않는다.
• 마이그레이션이 리다이렉트 체인과 충돌하는 캐노니컬을 남긴다.
• 세 팀이 사실상 같은 주제의 글을 조율 없이 발행한다.
• 네비게이션이 유기적으로 자라나, 어떤 페이지가 왜 존재하고 사용자가 어떻게 찾아야 하는지 아무도 설명하지 못한다.
• 기능이 추가될 때마다 자바스크립트가 복잡해지고, 처음 만든 사람들은 이미 떠나면서 조직의 지식을 함께 가져갔다.

결정할 당시에는 어느 것도 나쁜 결정이 아니었다. 각각은 눈앞의 문제를 풀었고, 캠페인을 지원했고, 이해관계자를 만족시켰고, 일정 안에 런칭을 가능하게 했다. 결과는 천천히 나타난다. 무시하기 쉬울 만큼 천천히.

결국 사이트는 느려지고, 파편화되고, 해석하기 어려워진다. 권위가 여러 URL로 쪼개진다. 중요한 정보가 디자인 요소나 인터랙션 아래 묻힌다. 콘텐츠 팀은 어떤 페이지가 정본인지 모르게 된다. 그런데 검색 성과는 근본 문제를 건드릴 예산과 정치적 자본을 쓸 만큼 나쁘지는 않다.

그러다 AI 가시성이 과제가 되면, 조직은 자신에게 AI 문제가 있다고 결론 내린다. 대개는 몇 년째 정중하게 무시해 온 아키텍처 문제이고, AI가 그 무시를 불가능하게 만든 것뿐이다.

검색엔진이 우리 생각보다 많이 보정해 주고 있었다

구글은 엉망인 사이트를 이해하는 데 놀랍도록 능숙해졌다. 충돌하는 캐노니컬 신호를 해석하고, 점점 복잡해지는 자바스크립트를 렌더링하고, 페이지 간 관계를 파악하고, 정보 구조가 구조라기보다 유적 발굴 현장에 가까울 때도 주제를 평가해 냈다.

그렇다고 기술 문제가 사라진 건 아니다. 구글이 즉각적 위기가 오지 않을 만큼 보정해 줬을 뿐이다. 페이지가 계속 순위에 오르니 통합할 이유가 없었고, 구글이 콘텐츠를 렌더링하니 템플릿을 다시 만들 이유가 없었고, 비슷한 글 다섯 개가 각각 트래픽을 가져오니 병합은 위험해 보였다. 시스템이 작동하는 것처럼 보인다는 사실 자체가 고칠 필요가 없다는 증거가 됐다.

AI 검색 시스템은 다른 압력을 만든다. 페이지 전체를 최종 결과물로 다루는 대신 문단, 섹션, 더 작은 정보 단위로 작업하는 경우가 많기 때문이다. 페이지가 순위에 잘 오르면서도 AI 답변에 쓸 깔끔한 문단을 제공하지 못할 수 있다. 구글은 접근 가능한 콘텐츠가 추출·요약·귀속하기에는 어색할 수 있다.

사이트가 갑자기 망가진 게 아니다. 정보를 쓰는 시스템이 바뀌면서 기존 약점의 비용이 올라간 것이다.

랭킹과 리트리벌은 다른 문제다

전통적 검색 결과는 대체로 페이지를 보여준다. AI 답변은 여러 출처에서 정보를 조립하고, 한 페이지의 아주 작은 부분만 쓸 수도 있다. 이 차이가 구조 문제의 영향 방식을 바꾼다.

• 긴 글이 순위에 오르는 건 페이지 전체가 권위 있고 관련성이 높기 때문일 수 있다. 그런데 특정 질문의 답이 빽빽한 문단 안, 라벨이 부실한 섹션, 스크립트 의존 인터페이스에 묻혀 있으면 그 문단은 검색해 쓰기 쉬운 선택지가 아니다.
• 한 주제가 비슷한 글 다섯 개로 흩어져 있으면 오가닉 트래픽은 나올지 몰라도 어느 페이지도 명백한 출처가 되지 못한다.
• 탭 뒤에 숨긴 중요한 제품 정보는 사람에게는 기술적으로 제공되지만 기계 검색에는 덜 신뢰할 만한 출처가 된다.
• 핵심 설명이 무관한 CTA와 네비게이션, 홍보 문구에 둘러싸여 있으면, 훨씬 단순한 경쟁사 답변보다 신호가 약하다.

각각의 경우 랭킹 시스템은 페이지를 이해할 정보가 충분한데, 리트리벌 시스템은 경쟁사를 쓰기 더 쉽다고 판단한다. 오가닉 성과가 좋다고 AI 가시성이 보장되지 않는 이유다. 랭킹은 후보에 오르게 해 주고, 구조는 그 정보가 선택·추출·반영될 수 있는지를 좌우한다.

AI 가시성 처방은 수상할 만큼 익숙하다

AI 답변에 왜 안 나오냐고 물을 때, 기업은 대개 새 프로토콜이나 낯선 파일, 이름에 'AI 가시성'이 붙은 비싼 도구를 기대한다. 실제 권고는 훨씬 덜 이국적이다.

• 서로 경쟁하는 글을 통합한다.
• 헤딩 위계를 개선한다.
• 우선순위 페이지로 내부 링크를 강화한다.
• 낡거나 중복된 콘텐츠를 제거한다.
• 핵심 답을 해당 섹션 앞부분에 노출한다.
• 사람과 기계 모두 접근해야 할 정보의 자바스크립트 의존을 줄인다.
• 어떤 페이지가 어떤 주제를 소유하는지 명확히 한다.
• 콘텐츠를 효율적으로 가져갈 수 있도록 성능을 개선한다.

새로운 게 하나도 없다. 평범한 기술·온페이지 SEO다. 달라진 건 이 일을 안 끝냈을 때의 결과다.

내부 링크가 약한 사이트는 원래 크롤링과 이해가 어려웠다. 콘텐츠가 겹치는 사이트는 원래 자기 권위를 나눠 먹었다. 필수 정보를 인터랙션 뒤에 숨긴 사이트는 원래 접근성과 색인 리스크를 만들었다. AI 검색이 이 약점들을 발명하지 않았다. 그 약점이 가시성을 깎아먹는 환경을 하나 더 추가했을 뿐이다.

그래서 일부 'AI 가시성 성공 사례'는 유능한 기술 SEO 정리 작업의 결과처럼 보인다. 콘텐츠를 통합하고, 아키텍처를 정리하고, 성능을 개선하고, 중요 정보를 HTML에 노출하고, 내부 링크를 강화했다. 가시성이 좋아졌고, 그 공은 AI 전략에 돌아갔다. 비 새는 지붕을 고친 걸 날씨 전략이라 부르는 것과 같은 의미에서 AI 전략이었다.

기술 부채는 금융 부채처럼 움직인다

기술 부채가 견딜 만한 이유는 한 장의 무서운 청구서로 오지 않기 때문이다. 각각 그럴듯했던 천 개의 작은 결정으로 온다.

새 글을 발행하는 게 옛 글을 업데이트할지 판단하는 것보다 쉽다. 플러그인 하나 더 까는 게 기능을 제대로 다시 만드는 것보다 빠르다. 비슷한 페이지가 이미 셋 있어도 랜딩 페이지를 추가하면 당장의 캠페인 요구가 충족된다. 리다이렉트 체인을 남겨두는 건 URL이 여전히 열리고 더 급한 일이 많으니 무해해 보인다.

모든 지름길은 내일의 복잡성을 빌려 오늘의 시간을 아낀다. 개별로 보면 싸 보이고, 그래서 결국 리다이렉트와 플러그인과 물려받은 템플릿과 조직적 두려움으로 지탱되는 사이트가 만들어진다.

부채가 복리로 쌓이면 모든 변경이 오래 걸리고, 리스크가 커지고, 결과 예측이 어려워진다. 팀은 예외 처리에 시간을 쓴다. 개발자는 오래된 템플릿을 건드리기 꺼린다. 콘텐츠 편집자는 CMS가 실제 발행 방식을 지원하지 못하니 우회로를 만든다. 결국 아무도 시스템을 완전히 이해하지 못하지만, 바꾸기엔 너무 위험하다는 데는 모두 동의한다.

AI 가시성이 과제가 될 무렵, 회사는 깨끗한 기술 기반에서 출발하지 않는다. 몇 년치 미해결 부채를 진 시스템에 요구사항을 하나 더 얹는 것이다. 그 프로젝트를 AI 최적화라고 부르지만, 예산의 상당 부분은 AI 오버뷰나 챗GPT 검색이 존재하기 훨씬 전에 내린 선택을 바로잡는 데 쓰인다.

오래된 질문부터 시작하라

AI 전용 개선이 무용하다는 건 아니다. 스키마는 관계를 명확히 하고 모호함을 줄일 수 있다. llms.txt는 시스템을 선택된 리소스로 안내할 수 있다. 새 모니터링 도구는 브랜드가 AI 답변에 어떻게 나타나는지 보여준다. 다만 어떤 도구도 사내에서 아무도 완전히 이해하지 못하는 웹사이트를 보정해 주지는 못한다.

AI 가시성 이니셔티브에 크게 투자하기 전에, 덜 화려한 질문부터 던져 보자.

1. 실질적으로 같은 주제를 다루는 페이지가 몇 개인가?
2. 명확한 목적이 없어졌는데도 여전히 내부 링크를 받는 URL은 어디인가?
3. 가장 중요한 답이 HTML에 보이는가, 아니면 탭·아코디언·클라이언트 사이드 렌더링에 의존하는가?
4. 헤딩 구조가 각 섹션의 내용을 정확히 설명하는가?
5. 신입 직원이 세 부서에 물어 네 개의 답을 받지 않고도 핵심 주제의 정본 페이지를 찾을 수 있는가?

수년간의 콘텐츠 생산이 가치보다 물량을 더 만들었는지도 볼 일이다. 많은 사이트가 키워드 캘린더를 채우려고 발행했지만 관리·통합·구조 편입이 되지 않은 글을 수백에서 수천 개 갖고 있다. 이 페이지들은 이제 크롤링 예산, 내부 권위, 주제 명확성, 검색 적격성을 놓고 서로 경쟁한다. 그 환경에 'AI 최적화된' 글 50개를 더하는 건 전략이 아니라 대출을 한 번 더 받는 것이다.

AI는 완벽을 요구하지 않는다

기술적으로 흠 없는 사이트여야 AI 답변에 나온다는 뜻은 아니다. 흠 없는 사이트는 거의 없고, 리트리벌 시스템도 추상적 완벽 기준으로 페이지를 평가하지 않는다. 다만 명료함에서는 확실히 이득을 본다.

• 페이지에 식별 가능한 목적이 있을 것
• 중요한 정보가 불필요한 마찰 없이 접근 가능할 것
• 관련 콘텐츠가 서로 경쟁하거나 모순되지 않고 보강할 것
• 내부 링크가 위계를 드러낼 것
• 언어가 이 페이지가 어떤 질문에 답하는지, 왜 이 출처가 믿을 만한지 분명히 전달할 것

미래적인 요구사항이 아니다. 제대로 관리된 웹사이트의 특징이고, 그게 이제 AI 전략이라 불릴 뿐이다. 달라진 건 검색 시스템이 구조적 혼란을 무한정 보정해 줄 거라고 더는 가정할 수 없다는 점이다.

AI 전략은 유지보수 전략일 수 있다

AI 검색을 위한 진짜 새로운 기법은 나올 것이다. 리트리벌 시스템은 계속 진화하고, 새 표준이 등장하고, 지금은 투기적으로 보이는 전술이 일상이 될 수도 있다. 그럼에도 많은 기업이 미래의 가시성이 다음 전술을 발견하는 데 얼마나 달려 있는지를 과대평가하고 있다.

성과를 내는 조직은 그저 미뤄둔 기술 작업을 끝낼 만큼 규율 있는 조직일 가능성이 높다.

AI가 그 중복 콘텐츠를 만들지 않았다. 주제 클러스터를 쪼개지 않았고, 일관성 없는 내부 링크와 불필요한 자바스크립트 의존을 만들지 않았고, 사이트 구조를 헷갈리게 하지 않았다. 하나의 권위 있는 리소스면 충분했을 자리에 여섯 페이지를 발행하도록 강요하지도 않았다. 문제는 이미 거기 있었고, AI는 그 문제를 해석해 주던 시스템의 보정 여력을 줄였을 뿐이다.

별도의 AI 최적화 로드맵을 만들기 전에 기술 SEO 백로그를 다시 보자. AI 가시성으로 가는 가장 빠른 길이 새 이니셔티브가 아닐 수 있다. 지난 마이그레이션 때 "일단은 괜찮다"고 합의했던 그 부채를 갚을 시간일 뿐일지도 모른다.

AI 검색 성과를 계층별로 측정하는 방법은 AI 검색 성과 측정, 5개 계층으로 나눠라에, 리퍼러만으로 AI 영향을 재면 놓치는 부분은 뉴스 사이트 방문의 1.1%만 AI에서 온다에 정리돼 있다.