# 홈페이지의 수상·인증은 얼마나 최근 것이어야 할까?

_AI 시대에도 자격 표시는 신호가 되지만, 오래될수록 힘이 약해진다_

> 캐글 참가 기록 44만 4,698건을 분석한 연구에서 최근 1년 메달이 예측력의 99%·95%를 차지했다. AI가 인용한 페이지의 75%도 1년 안에 고쳐진 페이지였다.

- 종류: 칼럼
- 주소: https://aisitekorea.com/column/awards-and-certificates-fade-after-one-year-444698
- 발행: AI사이트코리아 (https://aisitekorea.com)
- 작성일: 2026-09-27

수상이나 인증은 AI 시대에도 실력을 보여 주는 신호로 남아 있다. 다만 받은 지 오래될수록 그 신호의 힘은 빠르게 약해진다. 캐글 44만 4,698건을 분석한 연구에서는 최근 1년 안에 받은 메달이 다음 성적을 예측하는 힘의 대부분을 차지했다.

수상·인증은 지우기보다 받은 시점과 최근 기록을 함께 보여 주는 편이 낫다.

## 홈페이지의 수상·인증은 아직 믿을 만할까?

생성형 AI가 글과 자료를 만들어 주는 시대에는 결과물만 보고 실력을 판단하기가 어려워졌다. 연구진은 그래서 실제 성적으로 받은 자격 표시가 지금도 실력을 보여 주는지 살펴봤다.

분석 대상은 캐글의 2010~2026년 제출 기록 가운데 참가 기록 44만 4,698건이다. 참가자는 19만 7,561명이고, 분석한 대회는 2018~2025년에 마감된 214개다.

| 항목 | 규모 |
|---|---|
| 캐글 전체 제출 기록(2010~2026) | 1,866만 8,885건 |
| 분석한 참가 기록 | 44만 4,698건 |
| 참가자 | 19만 7,561명 |
| 대회 | 214개(마감 2018~2025년) |
| 혼자 참가한 비율 | 73% |
| AI 이전 / 이후 구분 | 2022년 3분기까지 / 2023년부터 |
| 공식 등급 복원 정확도 | 97.7% |

캐글의 메달은 참가자가 모르는 정답으로 결과를 평가해 받는다. 좋은 결과물을 그럴듯하게 꾸미는 것만으로 받는 상과는 성격이 다르다.

연구진은 챗GPT가 나온 시점을 기준으로 AI 이전과 이후를 나눠 비교했다. 2022년 3분기까지를 AI 이전, 2023년부터를 AI 이후로 봤다.

## 받은 지 얼마나 됐는지가 중요할까?

연구 결과는 분명했다. 받은 지 1년이 안 된 메달은 다음 대회 성적을 예측하는 강한 신호였다.

AI 이전에는 새 메달이 하나 있는 사람이 메달이 없는 사람보다 다음 대회 성적이 10~12퍼센트포인트 높게 예측됐다. 반면 1년이 넘은 메달의 예측 힘은 5분의 1 아래로 떨어졌다.

| 메달 나이 | 성적 예측 힘(메달 수 기울기, AI 이전) |
|---|---|
| 1년 안 | 0.15~0.18(새 메달 1개 = 성적 10~12퍼센트포인트 높게 예측) |
| 1년 넘음 | 0.01~0.03 |
| 1년 안 메달이 차지한 예측력 | AI 이전 99% · AI 이후 95% |

이 차이는 AI 이전과 이후 모두 나타났다. 대회 방식이 달라도 비슷한 모습이었다.

연구진은 오래된 메달의 힘이 약해지는 이유를 실력 자체가 줄었기 때문이라고 단정하지 않았다. 사용하는 도구와 대회 과제가 바뀌었기 때문일 수도 있고, 기록만으로는 어느 쪽인지 알 수 없다고 설명했다.

중요한 점은 따로 있다. 메달의 나이가 늘어날수록 지금의 실력을 보여 주는 신호로 쓰기 어려워진다는 점이다.

## 평생 쌓은 등급만 보여 주면 어떨까?

캐글의 공식 등급은 메달을 오래전에 받았든 최근에 받았든 누적해서 계산한다. 한 번 쌓은 명예가 시간이 지나도 같은 방식으로 등급에 반영되는 구조다.

연구진은 이 방식이 최근 실력을 충분히 보여 주는지 비교했다. 그 결과 메달의 나이에 따라 무게를 달리 준 지표가 AI 이후 성적을 공식 등급보다 약 13% 더 잘 설명했다.

| 표시 방법 | AI 이후 성적 설명력 |
|---|---|
| 평생 공식 등급 | 0.047 |
| 같은 기준, 최근 24개월 메달만 | 0.046 |
| 같은 기준, 최근 12개월 메달만 | 0.039 |
| 사이트의 줄어드는 점수 | 0.044 |
| 메달 나이별 무게를 준 지표(AI 이전에 고정) | 0.053 |

사이트에서 이미 사용하는 시간이 지나면서 줄어드는 점수도 비교 대상에 들어갔다. 최근 12개월 메달만 따로 계산하는 방법도 함께 살폈지만, 연구진이 AI 이전 자료로 만든 나이별 무게 지표가 더 높은 설명력을 보였다.

그렇다고 평생 등급이 쓸모없다는 뜻은 아니다. 사람을 아주 좁게 골라야 하는 상황에서는 평생 공식 등급이 최상위권을 더 많이 찾아내는 결과도 있었다.

| 고르는 방법 | 상위 10% 선발자 평균 성적 | 상위 10% 선발자 중 최상위권 비율 |
|---|---|---|
| 평생 공식 등급 | 0.686 | 0.318 |
| 나이별 무게 지표 | 0.699 | 0.295 |
| 사이트의 줄어드는 점수 | 0.684 | 0.262 |
| 무작위 | — | 0.139 |

오래 쌓은 기록은 그 사람의 큰 성취를 보여 주는 데 의미가 있다. 다만 그것만으로 현재 실력까지 설명하려 하면 최근 기록을 놓칠 수 있다는 것이 이 연구의 핵심이다.

## 오래된 상도 계속 유효할까?

여기서 한 가지 더 봐야 할 부분이 있다. 같은 상이라도 그 상을 주는 방식이 계속 유지되는지는 중요하다.

캐글에서는 해마다 열리는 메달 대회의 방식이 바뀌었다. 2016년에는 예측값 방식 대회가 26개였고 코드 실행 방식은 없었지만, 2024년에는 예측값 방식이 3개로 줄고 코드 실행 방식이 24개로 늘었다.

| 메달 종류 | AI 이전 예측력 | AI 이후 예측력 |
|---|---|---|
| 예측값 방식(발급 축소) | 0.067 | 0.012(−82%) |
| 코드 실행 방식(발급 확대) | 0.065 | 0.087 |
| 해마다 열린 대회 수(2016 → 2024) | 26개 · 0개 | 3개 · 24개 |

발급이 줄어든 예측값 방식 메달은 AI 이후 예측력이 0.067에서 0.012로 82% 떨어졌다. 이 가운데 51%는 메달 자체의 값이 떨어져서가 아니라 새 메달이 더 붙지 않아 기존 메달이 모두 오래된 탓이었다.

그런데도 기존 메달은 프로필과 등급에 예전 값 그대로 남아 있었다. 연구진은 이런 상황에서 오래된 자격 표시가 현재의 실력을 대신 보여 주는 것처럼 보일 수 있다고 봤다.

오래된 메달만 따로 떼어 보면 AI 이후 더 쓸모 있어 보이는 착시도 있었다. 연구진은 먼저 메달 많은 사람만 계속 남은 탓을 의심했다. 메달 6개 이상인 사람은 56.6%가 AI 이후에도 참가했지만, 메달이 없는 사람은 7.8%만 남았다. 그러나 두 시기 모두 참가한 사람만 봐도 결과는 같았다. 원인은 오래된 메달이 그 사람의 다른 최근 기록을 대신 비춰 주는 효과였고, 전체 이력을 함께 놓자 착시는 사라졌다.

## 우리 홈페이지에서는 어떻게 보여 주면 될까?

이 연구를 동네 가게 홈페이지에 그대로 적용할 수는 없다. 캐글이라는 한 사이트의 참가 기록을 분석한 연구이고, 자격 표시를 본 고객이 실제로 어떻게 행동했는지를 조사한 연구도 아니기 때문이다. 그래서 아래는 예상이다.

수상이나 인증을 숨길 필요는 없지만, 받은 연도나 시점을 함께 적는 방식을 생각해 볼 수 있다.

최근 12개월의 실적도 옆에 붙일 수 있다. 시공 건수, 최근 고객 평가, 올해 새로 받은 인증처럼 실제로 현재 상태를 보여 주는 기록을 함께 제시하는 것이다.

인증 제도가 바뀌었거나 발급 기관이 없어졌다면 지금도 유효한지 밝혀 두는 것도 필요하다. 오래된 자격을 현재의 자격처럼 보이게 두기보다, 언제 받은 것인지와 지금도 유효한지를 알 수 있게 하는 방식이다.

이런 방향은 AI 검색에서도 참고할 만하다. 2026년 3~6월 시어 인터랙티브가 챗GPT·제미나이·퍼플렉시티가 인용한 페이지 7,683개를 살펴본 결과, 75%가 1년 안에 고친 페이지였다.

| AI가 인용한 페이지의 마지막 수정 시점 | 비율 |
|---|---|
| 1년 안 | 75% |
| 1~2년 | 13% |
| 2~3년 | 5% |
| 3~5년 | 4% |
| 5년 넘음 | 3% |

처음 만들어진 날짜만 보면 오래된 페이지도 마지막으로 고친 날짜를 기준으로 보면 최근 페이지가 될 수 있었다. 두 날짜를 모두 확인할 수 있었던 4,124개 페이지에서도 처음 올린 날짜 기준 1년 안은 42%였지만 마지막 수정 기준으로는 72%였다.

결국 수상·인증은 오래됐다는 이유만으로 없앨 표시가 아니다. 다만 현재의 실력을 보여 주려면 받은 시점과 최근 기록을 함께 보여 주는 것이 이 연구에서 얻을 수 있는 현실적인 교훈이다.

① 최근 1년 메달이 예측력의 AI 이전 99%·AI 이후 95%를 차지했다 ② 나이별 무게 지표의 AI 이후 설명력은 0.053으로 공식 등급 0.047보다 약 13% 높았다 ③ 발급이 줄어든 방식의 메달 예측력은 0.067에서 0.012로 82% 떨어졌고, 그중 51%는 메달이 늙은 영향이었다 ④ AI가 인용한 페이지 7,683개 가운데 75%가 1년 안에 수정된 페이지였다

## 같이 읽을 글

 

- 15년 경력이 없으면 AI에게 밀리나 — 신생 회사의 게임은 되는가

- AI가 믿는 가게는 무엇이 다를까?

- 글마다 고친 날짜를 붙이면 AI가 더 인용할까?
 

## 자료 출처

 

- Stranded Credentials: Keeping Online Reputation Systems Informative in the AI Era(Song Yao·워싱턴대 세인트루이스 올린경영대학원·arXiv 2026년 8월 제출·9월 개정·캐글 참가 44만 4,698건·참가자 19만 7,561명)

- 같은 연구의 분석 코드·사전 등록 기록(OSF)

- Meta Kaggle(캐글 공개 기록·2010년 이후 대회·제출 자료)

- Kaggle Progression System(캐글 공식 등급·메달 기준 안내)

- Making Talk Cheap: Generative AI and Labor Market Signaling(Galdin·Silbert·2025년 11월·프리랜서 사이트 지원서 — 상위 20% 채용 19% 감소·하위 20% 14% 증가 추정)

- Study: Content Recency's Impact on AI Visibility in 2026(시어 인터랙티브·2026년 3~6월·인용 페이지 7,683개·인용 4만 7,097건 — 1년 안 75%)