AI가 쓴 나쁜 후기는 어떻게 알아볼까?
작은 가게일수록 인증 후기와 갑작스러운 별 1개 몰림을 살펴야 한다
AI로 후기를 쓰기가 쉬워지면서 가게를 공격하는 데 AI가 쓰였을 가능성도 나타났다. 1,381만 8,281건의 후기를 분석한 연구에서 새 AI 모델이 나온 뒤 미인증 후기의 별 1개 비율은 0.34%p 늘었다. 다만 이것만으로 누군가 경쟁 가게를 공격했다고 단정할 수는 없다.
AI 후기는 별 5개보다 별 1개 쪽에서 먼저 흔적을 남겼다.
AI가 쓴 후기는 어떻게 알아볼까?
글만 보고 AI가 쓴 후기인지 가려내기는 어렵다. 연구진도 문장 자체를 분석하기보다 AI를 쓰기 쉬워진 시점을 기준으로 후기 변화를 살폈다.
연구진은 2023~2024년 트러스트파일럿 후기 1,381만 8,281건을 분석했다. 오픈AI가 API 가격을 내리거나 새 모델을 내놓은 날짜를 기준으로 앞뒤 7일을 비교했다.
| 항목 | 숫자 |
|---|---|
| 전체 후기 | 13,818,281건 (2023.1.1~2024.12.31) |
| 전체 회사 수 | 136,750곳 |
| 분석에 쓴 사건 전후 7일 표본 | 2,797,199건 · |
| 오픈AI 가격 인하· | 10개(2023년 3개· |
| 인증 후기 / 미인증 후기 | 59.80% / 40.20% |
| 평균 별점 | 4.18점 |
| 별 5개 / 별 1개 비율 | 71.54% / 15.10% |
| 별 2· | 2.34% · |
| 후기 한 건 평균 길이 | 33.24단어 |
| 하루 평균 후기 수(전체 회사) | 18,903건 |
비교에서 중요한 기준은 인증 여부였다. 인증 후기는 실제 거래나 이용과 연결된 후기라서 AI로 꾸며 쓰기가 상대적으로 어렵고, 미인증 후기는 그런 확인이 없다.
AI 모델이 좋아진 뒤 별점이 달라졌나?
달라졌다. 새 모델이 나온 뒤 미인증 후기에서 별 1개 비율은 0.34%p 늘었고, 별 5개 비율은 0.46%p 줄었다.
평균 별점도 0.0171점 낮아졌다. 숫자만 보면 작아 보이지만, 연구진은 이 결과를 최소한으로 봤다.
| 사건 뒤 7일, 미인증 후기의 변화(인증 후기와 비교) | 숫자 | 전체 비율과 견준 크기(계산) |
|---|---|---|
| 별 1개 비율 | +0.34%p | 기준 15.10%의 약 2.3% |
| 별 5개 비율 | −0.46%p | 기준 71.54%의 약 0.6% |
| 평균 별점 | −0.0171점 | 기준 4.18점의 약 0.4% |
이 연구에서 중요한 점은 가격 인하와 새 모델 출시의 차이다. 가격만 내려간 날에는 의미 있는 변화가 없었지만, 새 모델이 나온 뒤에는 별점 결과 전반에서 의미 있는 변화가 나타났다.
| 구분 | 결과 |
|---|---|
| 값만 내린 날(예: GPT-3.5 Turbo 입력 1천 토큰당 0.002→0.0015→0.0005달러) | 작고 통계적으로 의미 없음 |
| 새 모델이 나온 날(예: GPT-4o mini 입력 1천 토큰당 0.00015달러) | 별점 결과 전반에서 의미 있는 변화 |
| 후기 수 | 새 모델 뒤 하루 20~99건이 몰리는 날이 늘어남(유의수준 0.1%), 0~19건인 조용한 날은 약간 줄어듦 |
| 글 길이· | 의미 있는 변화 없음 |
후기 수에서도 변화가 있었다. 새 모델이 나온 뒤 한 회사에 하루 20~99건의 후기가 몰리는 날이 늘었다.
그럼 누군가 가게를 공격했다는 뜻일까?
그렇게 단정하면 안 된다. 연구진은 AI가 좋아지면서 남의 가게를 깎는 후기를 쓰는 데도 AI가 활용됐을 가능성이 있다고 해석했다.
자기 가게를 띄우는 가짜 후기는 플랫폼에 더 잘 걸려 지워졌을 가능성도 있다. 반대로 경쟁 가게를 깎는 후기는 덜 걸렸을 가능성이 있다는 설명도 연구진이 제시했다.
글 길이와 후기끼리 비슷한 정도에는 의미 있는 변화가 없었다. 결국 문장만 보고 AI 후기를 찾아내기는 어렵다는 뜻이다.
작은 가게가 더 조심해야 할까?
작은 가게는 별점 몇 건에도 전체 평점이 크게 흔들릴 수 있다. 연구에서 후기 50~80건인 가장 작은 묶음에서도 평균 별점과 별 5개 비율이 의미 있게 줄었다.
후기 431~240,745건인 가장 큰 묶음에서도 변화가 나타났다. 반면 중간 두 묶음에서는 의미 있는 변화가 없었다.
| 후기 수에 따른 묶음 | 평균 별점· |
|---|---|
| 맨 아래 묶음(후기 50~80건) | 의미 있게 줄어듦 |
| 중간 두 묶음 | 의미 없음 |
| 맨 위 묶음(후기 431~240,745건) | 의미 있게 줄어듦 |
동네 가게는 후기 자체가 많지 않은 경우가 많다. 그래서 평소보다 별 1개가 짧은 기간에 몰리는지가 중요하다.
후기가 갑자기 몰리면 무엇을 보면 될까?
먼저 날짜를 본다. 큰 AI 모델이 새로 나온 뒤 7일 안에 별 1개가 갑자기 늘었는지 살핀다.
그다음 인증 여부를 본다. 구매 인증이 없는 후기에서 변화가 집중되는지 확인한다. 평소보다 하루 후기 수가 갑자기 늘었는지도 함께 살펴볼 수 있다.
| 살필 것 | 기준(이 연구에서 나온 조건) |
|---|---|
| 별 1개가 몰리는 시기 | 큰 AI 모델이 새로 나온 뒤 7일 |
| 어떤 후기인지 | 구매 인증이 없는 후기인지 |
| 몰리는 양 | 평소보다 하루 후기가 갑자기 늘었는지 |
| 우리 가게 위치 | 후기 수십 건대 작은 가게가 더 크게 흔들림 |
| 해서는 안 되는 대응 | 맞불 후기를 AI로 쓰기(미국은 위반 1건당 최대 5만 2,000달러) |
이 기록은 문제가 생겼을 때 근거가 된다. 별 1개가 한꺼번에 몰리면 날짜와 시간, 계정 기록을 캡처해 두고 플랫폼에 신고하는 방식으로 대응하는 것이 좋다.
후기 플랫폼도 가짜 후기를 막고 있을까?
막고 있다. 트러스트파일럿은 2024년에 가짜 후기 450만 건을 지웠고, 제출된 후기의 7.4%에 해당했다.
지운 가짜 후기 가운데 90%는 사람이 보기 전에 자동으로 걸러졌다. 하지만 연구에 사용된 자료는 이렇게 걸러진 뒤에도 남아 있는 후기다.
| 항목 | 2023 | 2024 |
|---|---|---|
| 지운 가짜 후기 비율(제출된 후기 대비) | 6.1% | 7.4% |
| 지운 가짜 후기 수 | — | 450만 건 |
| 자동으로 지운 비율 | 약 82% | 90% |
| 한 해 후기 수 | — | 6,100만 건 이상(+15%) |
따라서 이번 연구의 숫자를 AI가 쓴 가짜 후기 전체 규모로 보면 안 된다. 이미 삭제된 후기는 연구에서 볼 수 없기 때문이다.
한국에서도 똑같이 나타날까?
아직 확인되지 않았다. 이번 연구는 영어권 비중이 큰 트러스트파일럿 한 곳의 2023~2024년 자료를 사용했다.
네이버 플레이스나 배달앱처럼 구매나 방문 인증 방식이 다른 한국 플랫폼에서도 같은 현상이 나타나는지는 확인되지 않았다. 「경쟁 가게를 깎으려고 AI를 썼다」는 해석 역시 연구진의 추론이다.
다만 한국 고객이 인증 후기를 중요하게 본다는 조사 결과는 있다. 크리테오가 2026년 3월 8개국 약 6,800명을 조사한 결과, 한국 소비자는 검증된 구매자의 후기와 평점을 가장 중요한 요소로 꼽았다.
사장님은 후기를 어떻게 관리해야 할까?
가장 먼저 인증 후기를 꾸준히 쌓는 것이 중요하다. 영수증이나 예약 내역과 연결된 후기를 받는 흐름을 만들면 미인증 후기의 영향이 전체 평점에 미치는 비중을 줄일 수 있다.
별 1개가 짧은 기간에 몰리면 기록을 남기고 플랫폼에 신고한다. 반대로 맞불 후기를 AI로 만들어 올리는 것은 피해야 한다.
| 나라· | 내용 |
|---|---|
| 미국 FTC | 2024.8.14 발표 · |
| 한국 공정위 | 추천· |
| 한국 관련 법 | 표시· |
| EU· | EU 디지털서비스법은 큰 플랫폼에 후기 진위 확인 의무를 둠, 영국은 2024년 법으로 가짜 후기를 직접 금지 |
실제로 미국 FTC는 2024년 생성형 AI로 만든 가짜 후기를 금지하는 규칙을 발표했다. 조건을 걸고 긍정 또는 부정 후기를 사는 행위, 위협으로 나쁜 후기를 내리게 하는 행위도 함께 막았으며 위반 한 건마다 최대 5만 2,000달러의 민사 제재금이 가능하다.
한국에서도 실제로 이용하지 않은 사람의 후기로 자기 상품을 좋게 꾸미면 표시·광고법상 거짓·기만 광고 문제가 될 수 있다. 경쟁 가게를 깎는 후기는 업무방해나 신용훼손 문제로 이어질 수 있다.
홈페이지에도 실제 고객 후기를 날짜와 이용 내용과 함께 원문 그대로 남겨두는 것이 좋다. AI 답변에서든 고객의 판단에서든 결국 확인할 수 있는 근거가 중요하다.
① 1,381만 건 분석에서 새 AI 모델 뒤 미인증 별 1개 비율이 0.34%p 늘었다 ② 새 모델 출시 뒤 하루 20~99건의 후기가 몰리는 날이 늘었다 ③ 후기 50~80건인 작은 가게에서도 평균 별점과 별 5개 비율이 의미 있게 줄었다 ④ 트러스트파일럿은 2024년 가짜 후기 450만 건을 지웠고 90%는 자동으로 걸러냈다
같이 읽을 글
- AI는 우리 가게 후기를 골고루 읽을까?
- 홈페이지 후기는 어떻게 써야 AI도 고객도 믿을까?
- AI가 나눈 고객 후기, 그대로 믿어도 될까?
- 가게 후기는 어떻게 써야 AI가 가져갈까?
자료 출처
- The Role of AI in Online Reviews(히브리대 예루살렘 경영대학원·arXiv 2609.22198·2026년 8월, 트러스트파일럿 후기 13,818,281건·136,750개 회사·2023~2024)
- The Role of AI in Online Reviews 본문 HTML(결과 수치 확인용)
- Federal Trade Commission Announces Final Rule Banning Fake Reviews and Testimonials(미국 FTC·2024년 8월)
- FTC Issues Final Rule Targeting Fake Consumer Reviews and Testimonials(헌튼 로펌·2024년 8월, 시행일·위반 1건당 제재금)
- U.S. FTC ban on fake, AI-generated reviews takes effect(마테크·2024년 10월)
- 「별점 4.9의 배신」 가짜 리뷰가 무너뜨리는 시장의 신뢰(한국경제·2026년 5월, 국내 관련 법과 해외 규제)
- 공정위, 추천보증심사지침 안내서 개정본 배포(뉴스서울·공정거래위원회 발표 보도)
- AI 쇼핑 확산 조짐…한국 소비자, 리뷰·검색 기반 활용 강했다(테크42·크리테오 조사 2026년 3월, 8개국 약 6,800명·한국 1,000명)
작성일
← 칼럼 목록