AI는 묻는 사람에 따라 다른 식당을 권할까?

같은 동네 식당을 물어도 AI가 누구에게 답하느냐에 따라 추천하는 가게가 달라진다. 실제 식당 100곳을 보여줘도 47.5%는 한 번도 추천되지 않았다. 작은 식당은 별점만 올리기보다 고객 후기와 홈페이지처럼 AI가 읽을 수 있는 정보를 차곡차곡 만들어야 한다.

AI가 식당을 마음대로 지어내기도 하나?

그럴 수 있다. 미국 5개 도시에서 AI 모델 3종에 식당을 추천하게 했더니, 목록 없이 물었을 때 답에 나온 식당의 평균 36.8%가 실제 가게와 맞지 않았다.

하지만 실제 식당 100곳의 목록을 주자 이 비율은 0.0%로 떨어졌다. 검색 기능을 켠 AI 4종을 발리의 식당·카페·바 4,776곳과 비교한 다른 조사에서는 지어낸 곳이 0.08%였지만, 이미 폐업한 곳을 93번 추천했다.

우리 가게를 목록에 넣어도 왜 추천하지 않을까?

미국 노스이스턴대 네트워크과학연구소는 보스턴·뉴욕·시카고·휴스턴·샌프란시스코의 304개 동네를 조사했다. 소득과 나이, 성별, 거주 형태를 조합한 가상 인물 320명에게 같은 동네 식당을 추천하게 하고 실제 방문 자료와 카드 결제 자료, 옐프 후기와 비교했다. 모델에 직접 물은 실험이라 검색 기능을 켠 챗GPT나 제미나이 앱과는 조건이 다르다.

목록 없이 물었을 때 동네 식당의 평균 96.8%는 한 번도 이름이 나오지 않았다. 실제 식당 100곳을 목록으로 주자 이 비율은 47.5%로 낮아졌지만, 절반 가까운 식당은 여전히 선택되지 않았다.

그중 31.9%는 AI 3종 모두에서 한 번도 추천되지 않았다. AI를 바꿔도 계속 보이지 않는 가게가 있다는 뜻이다.

누가 물어보느냐에 따라 정말 달라지나?

달라졌다. 같은 식당 100곳을 놓고 물어도 가상 인물의 조건에 따라 추천하는 가게가 달랐다.

연 소득이 20만 달러 이상인 사람에게 추천한 식당은 연 소득 2만 5,000달러 이하인 사람에게 추천한 식당보다 실제 방문이 38.3% 적었다. 대신 1회 결제액은 106.0% 높았고, 더 먼 식당을 권했다.

관광객에게는 더 멀고 비싼 식당을 권했고, 동네 주민에게는 더 싸고 붐비는 식당을 권했다. 0~20세에게는 성인 무리보다 더 싸고 붐비는 식당을 권했다. 프롬프트에 취향이나 예산을 적지 않았는데도 AI가 소득과 거주 형태만 보고 생활 방식을 짐작한 것이다.

프랜차이즈와 동네 식당 중 누가 유리할까?

연구진은 식사 결정의 10%가 AI 추천을 따른다고 가정하고 매출 변화를 계산했다. 예상 계산이지 실제로 일어난 일은 아니다. 이 가정에서는 방문이 패스트푸드 체인에서 개인이 운영하는 독립 식당과 테이블 식당으로 옮겨 갔다.

별점이 높으면 AI가 더 잘 추천할까?

이번 조사에서는 별점보다 후기 수와 실제 방문이 더 관련이 컸다. 옐프 후기 수가 추천 가능성과 가장 강한 관계를 보였고, 실제 방문이 많은 곳도 추천될 가능성이 높았다. 반면 옐프 별점은 뚜렷한 관계가 없었다.

발리 조사에서도 AI 답에 식당이 들어갈 승산은 후기 수가 1.64배, 자기 홈페이지가 1.92배였다. 별점은 0.89배로 뚜렷한 효과가 없었다.

한국에서도 이런 일이 생길까?

미국 조사 결과가 한국 동네 식당에 그대로 적용된다고 볼 자료는 아직 없다. 연구진도 작은 도시나 영어권 밖에서는 결과가 달라질 수 있다고 밝혔다.

다만 한국에서도 AI로 식당을 찾는 방식은 이미 쓰이고 있다. 네이버 AI탭은 답변에 지도와 실시간 예약 가능 시간을 붙여 식당과 카페를 찾고 예약하는 과정까지 연결한다. AI탭 시험판의 누적 이용자는 약 2개월 만에 400만 명이었다. 장소·상품 카드 클릭률은 각각 20% 이상이었고, 11번 이상 이용한 사람은 한 번 이용한 사람보다 장소를 2배 더 눌렀다.

지도·예약 정보를 붙여 답하는 방식은 실험의 「목록을 준 조건」과 닮았다. 이 조건에서 지어낸 식당은 사라졌지만 뽑히지 않는 식당은 47.5% 남았다. 이는 실험을 한국에 적용한 판단이다.

작은 식당은 무엇부터 해야 하나?

먼저 실제 고객에게 지도와 플레이스 후기를 정중하게 부탁한다. 대가를 주는 방식이 아니라 실제 고객이 스스로 남기는 후기여야 한다.

그다음 가게 홈페이지를 만들고 메뉴와 가격을 글자로 적는다. 영업시간과 휴무, 이전 같은 정보도 바뀌는 즉시 지도와 홈페이지에서 고친다. 폐업한 가게가 93번 추천된 조사를 보면, 바뀐 정보를 늦게 고친 가게는 엉뚱한 답에 남는다.

가게가 어떤 고객에게 어울리는지도 소개글에 적어 둔다. 가족 식사에 어울리는지, 혼밥하기 좋은지, 관광객이 찾기 좋은지처럼 실제 가게의 특징을 설명하면 된다. 마지막으로 주민, 관광객, 가족 등 여러 처지로 AI에 가게를 물어본다. 한 번 추천됐다고 끝낼 일이 아니다.

같이 읽을 글

• 식당은 홈페이지가 없는데 AI는 어떻게 추천할까?
• AI가 추천한 동네 의사는 실제로 있는 사람일까
• 왜 AI에게 물어보면 늘 큰 브랜드가 나올까?
• 네이버 AI탭에서 우리 가게도 눌릴까?

자료 출처

• Chen·Weng·Moro(노스이스턴대) 「Large language models create an uneven informational layer over cities」(arXiv 2607.06260, 2026년 7월, 미국 5개 도시 304개 동네·AI 3종·가상 인물 320명) — 지어낸 식당 36.8%→0.0%, 안 뽑힌 식당 96.8%→47.5%, 3종 공통 31.9%, 방문 −38.3%·결제액 +106.0%, 독립 식당 +1만 2,101달러
• Pitenin 「Invisible to the Machine: Auditing AI Restaurant, Cafe, and Bar Recommendation Against a Complete Market Census」(arXiv 2608.07069, 2026년 8월, 발리 4,776곳·AI 4종 응답 2,208건) — 지어낸 곳 0.08%, 폐업한 곳 추천 93번, 후기 수 1.64배·홈페이지 1.92배·별점 0.89배
• Tannenbaum(아이소★) 「From Prompt to Recommendation: A Fitted Stage Model of Brand Visibility in AI Search」(arXiv 2609.23162, 2026년 9월, 관측 3만 4,960건) — 직전에 안 나오고 출처도 없으면 다음 등장 1.6~1.9%
• 네이버 보도자료 「대화형 검색 'AI탭' 정식 출시… 5,000만 사용자의 일상으로」(2026년 6월 26일) — 시험판 400만 명, 장소·상품 카드 클릭률 20% 이상, 11회 이상 이용자 장소 클릭 2배
• 코리아헤럴드 「ChatGPT narrows Naver's grip on Korean search」(2026년 1월 29일, 오픈서베이·10~59세 2,000명) — 최근 3개월 챗GPT 정보 검색 54.5%