AI가 처음 우리 가게를 못 찾으면 끝인가요?

처음 검색에 우리 가게가 나오지 않았다고 끝나는 것은 아니다. AI는 그 뒤에도 여러 번 검색하지만, 처음 손에 넣은 자료가 이후에 무엇을 더 읽을지에 영향을 준다. 그래서 홈페이지에는 고객이 처음 묻는 말에 들어 있는 단서를 그대로 설명하는 문장이 필요하다.

AI는 한 번 검색하고 답하는 것 아닌가?

딥리서치 AI는 한 번 검색하고 바로 답하지 않는다. 검색하고, 읽고, 생각하고, 다시 검색하는 과정을 반복한다.

이번 실험에서 AI는 질문 하나를 풀면서 기존 방식으로 평균 18.6~24.7번 도구를 사용했고, 검색은 13.5~20.2번 했다. 질문은 830개였고, 영어 문서 100,195건에서 답을 찾았다.

문제는 검색 횟수가 아니라 어떤 자료가 처음 들어오느냐에 있다. 첫 자료에 정답과 관련된 내용이 잘 모여 있으면 뒤의 검색과 읽기에도 도움이 되지만, 처음 자료가 질문의 일부 단서만 담고 있으면 AI가 그 방향으로 계속 움직일 수 있다.

검색에 걸리면 AI가 다 읽는 것 아닌가?

그렇지 않다. 연구진은 정답 문서가 검색 결과에 뜨는 단계, 제목과 요약을 보는 단계, 실제로 열어 읽거나 인용하는 단계를 따로 측정했다.

GPT-5.5는 정답이 들어 있는 문서의 94.4%를 검색 결과에서 찾았다. 하지만 실제로 읽은 것은 56.1%였다. 검색에 걸린 정답 문서 가운데 상당수가 마지막 판단까지 가지 않은 셈이다.

첫 검색을 단서별로 나눠 다시 짠 뒤에는 달라졌다. 정답 문서를 찾은 비율은 98.1%, 훑어본 비율은 85.9%, 실제로 읽은 비율은 75.9%까지 올랐다.

즉, 홈페이지가 검색 결과에 한 번 뜨는 것만 생각할 일이 아니다. 검색 결과에 나온 뒤 제목과 내용이 질문과 얼마나 잘 맞는지도 중요하다.

처음 검색을 어떻게 바꿨길래 정답률이 올랐나?

연구진은 질문을 먼저 여러 단서로 나눴다. 그다음 단서마다 검색해 보고, 실제 문서에서 쓰이는 낱말을 확인한 뒤 다시 검색했다.

마지막에는 단서별로 모은 문서를 합쳐 중복을 빼고, 질문 전체에 얼마나 맞는지를 기준으로 순위를 다시 매겼다. 이때는 짧은 검색 요약만 보는 것이 아니라 문서 본문 전체를 살폈다.

그 결과 GPT-5.5의 정답률은 83.1%에서 90.5%로 올랐다. GPT-5.4-mini는 68.1%에서 79.0%, DeepSeek-v4-pro는 71.4%에서 76.9%로 올랐다.

중요한 점은 검색을 크게 더 많이 한 것이 아니라는 것이다. GPT-5.5의 검색 횟수는 질문당 13.5번에서 14.5번으로 1번 늘었고, 문서 읽기는 5.0번에서 6.0번으로 늘었다.

늘어난 차례 대부분은 처음 받은 자료를 읽는 데 쓰였다. 처음 어떤 자료를 받느냐가 뒤의 읽기에 영향을 준다는 점을 보여준다.

그럼 뒤에서 우리 가게를 다시 찾을 수도 있나?

다시 찾을 수 있다. AI는 첫 자료를 받은 뒤에도 채워지지 않은 단서를 찾아 추가 검색을 한다.

다만 뒤에서 다시 나올 가능성만 기대해서는 안 된다. 다른 연구에서도 오래 검색하는 AI를 분석했을 때 쓸모 있는 근거는 대개 초반에 나오고, 이후에도 검색은 이어졌지만 정답률을 좌우한 것은 검색 횟수보다 쌓인 근거의 질이었다.

이 결과는 두 실험에서 나온 예상이며, 특정 가게의 홈페이지가 실제로 어떻게 노출되는지를 직접 측정한 결과는 아니다. 그래도 처음 검색에서 고객의 질문과 맞는 문장이 잡히도록 준비할 이유는 충분하다.

홈페이지에는 어떤 문장을 넣어야 하나?

첫째는 단서 하나에 문장 하나다. 고객의 질문에 지역, 업종, 시간, 가격, 주차 같은 단서가 있다면 홈페이지에도 각각을 직접 설명하는 문장이 있어야 한다.

예를 들어 고객이 주차 여부를 묻는다면 「주차 가능」이라는 내용을 사진이나 간판에만 넣기보다 문장으로 적어 두는 편이 낫다. AI가 주차라는 단서를 검색할 때 읽을 수 있는 글이 있어야 하기 때문이다.

둘째는 고객이 실제로 쓰는 말이다. 고객이 「야간 진료」라고 묻는데 홈페이지에는 「연장 운영」이라고만 적혀 있으면 검색에서 쓰이는 낱말이 달라질 수 있다.

2026년 7월 오픈서베이 조사에서는 생성형 AI 이용자의 56.9%가 궁금하면 바로 AI에 묻고, 42.3%는 이어서 묻는 질문으로 더 파고드는 것으로 나타났다. 처음 질문은 짧고 일상적인 말일 가능성이 있다는 점을 생각할 필요가 있다.

셋째는 여러 단서를 한 번에 보여주는 문장이다. 페이지 위쪽에 어디서, 무엇을, 언제, 얼마인지 한 문장으로 설명하면 질문 전체와의 관련성을 보여줄 수 있다.

이 방법이면 모든 가게가 AI에 잘 나올까?

그렇게 단정할 수는 없다. 이번 실험은 문서 100,195건으로 구성된 고정된 영어 문서 판에서 진행됐고, 연구용 검색 방법을 사용했다.

실제 챗GPT나 구글 AI 모드가 같은 방식으로 검색한다고 확인된 것도 아니다. 가게 홈페이지나 한국어 문서도 실험 대상에 포함되지 않았다.

질문이 복잡할수록 효과가 크게 나타났다는 점도 봐야 한다. 여러 단서가 섞인 퍼즐형 질문에서는 GPT-5.5의 정답률이 83.1%에서 90.5%로 올랐지만, 평범한 뉴스 질문에서는 81.0%에서 81.5%로 올랐다.

따라서 「고객의 질문에 들어 있는 단서마다 홈페이지에 문장을 준비한다」는 것은 이번 실험에서 확인된 가게 홈페이지의 효과가 아니다. 이번 연구 결과를 바탕으로 한 준비 방법이다.

홈페이지를 만들 때 중요한 것은 정보를 많이 넣는 것이 아니다. 고객이 실제로 묻는 말에 맞춰 지역, 업종, 시간, 가격, 주차 같은 정보를 분명한 문장으로 적어 두는 것이다.

같이 읽을 글

• 우리 글은 AI에게 어떻게 골라질까?
• 우리 홈페이지가 AI 보고서에 쓰였는데, 왜 출처에는 안 나올까?
• 고객이 적은 사정까지 AI가 추천에 반영할까?
• 고객이 AI에 뭘 물을지 몰라도 글을 고칠 수 있나?

자료 출처

• Question's Gambit: The First Move Matters in Agentic Deep Search(토론토대·워털루대·UC버클리·맥길대·Mila, arXiv 2609.14412, 2026년 9월, 질문 830개·문서 100,195건)
• BrowseComp-Plus: A More Fair and Transparent Evaluation Benchmark of Deep-Research Agent(arXiv 2508.06600, 2025년 8월, 검증 질문 830개·문서 100,195건·평가자 14명 400시간)
• Diagnosing Search Behavior and Failure Modes in Long-Horizon Search Agents(Qi Liu 외, arXiv 2608.01913, 2026년 8월)
• AI Mode in Google Search: Updates from Google I/O 2025(구글 공식 블로그, 2025년 5월 20일)
• Google expert explains AI Mode in Search's query fan-out method(구글 공식 블로그)
• AI 검색 트렌드 리포트 2026 하반기(오픈서베이, 2026년 7월, 전국 10~59세 1,000명)