AI는 사진을 볼까, 읽을까
답하는 순간엔 글자만, 미리 정리할 땐 사진과 영상도 — 두 단계로 나누면 「지금 할 일」과 「곧 바뀔 일」이 보인다
「AI가 우리 매장 사진을 보긴 하나요?」 사장님들이 자주 묻는다. 답은 「보긴 보는데, 답할 때는 안 본다」이다. AI는 답을 만드는 몇 초 동안 사진을 열어 볼 시간이 없어서 글자만 본다. 대신 시간이 넉넉한 「미리 정리하는 단계」에서 사진과 영상을 미리 처리하는 쪽으로 빠르게 바뀌고 있다. 그 선두는 유튜브를 가진 구글이다. 그래서 지금 할 일은 사진마다 글자를 붙이는 것이다. 곧 해야 할 일은 사진이 글자와 같은 내용을 보여주게 하는 것이다.
한 문장으로 — AI는 답할 때는 글자를, 미리 정리할 때는 그림을 본다. 지금은 우리가 사진 내용을 글자로 대신 정리해 주고 있다. 엔진이 스스로 처리하기 시작하면 사진 속 내용도 그 글자와 맞아야 한다.
답하는 순간 — 몇 초, 글자만
고객이 「조용한 2인 식당」이라고 물으면 AI는 몇 초 안에 답해야 한다. 그동안 여러 페이지를 빠르게 살펴본다. 사진을 제대로 보는 데는 글자를 읽는 것보다 더 많은 처리가 필요하다. 그래서 이때 사진까지 열면 답이 느려지고 비용도 커진다. AI는 답할 때 글자와 미리 만들어 둔 요약을 주로 본다. 사진과 영상은 대체 글, 캡션, 대본 같은 옆의 글자로만 이 순간에 활용된다.
이것이 지금 대부분의 AI 답변이 돌아가는 방식이다. 유튜브가 중요해진 이유도 여기에 있다.
| 조사 | 시점 | 결과 |
|---|---|---|
| 4개 조사 회사 자료 종합(AI 인용 610만 건) | 2025년 8월 → 12월 | AI 답변의 사회 매체 출처 중 유튜브 18.9% → 39.2%, 레딧 44.2% → 20.3% |
| 같은 보도의 풀이 | 같은 시점 | 뛴 이유는 영상 아래 대본과 설명이 글자로 붙기 시작해 AI가 읽을 수 있게 되었기 때문 |
영상 자체를 읽어서가 아니다. 영상에 글자가 함께 올라가기 때문이다. 지금 할 일은 이 글자를 갖춰 두는 것이다.
미리 정리하는 단계 — 시간이 있고, 그림도 본다
답하는 순간과 달리, 검색엔진이 세상의 페이지를 미리 모아 정리하는 단계(색인)에는 시간이 있다. 이때는 사진과 영상을 미리 처리할 수 있다. 유튜브 자막을 미리 뽑아 둘 수 있다. 사진 속 물건을 미리 알아보고 이름을 붙일 수도 있다. 페이지의 그림을 미리 숫자로 바꿀 수도 있다. 그러면 답할 때는 그 이름과 숫자를 글자처럼 빠르게 찾을 수 있다.
이 단계가 실제로 움직이고 있다는 증거가 셋이다.
| 무엇 | 시점 | 내용 |
|---|---|---|
| 구글 AI 모드, 사진 질문 | 2025년 4월 7일 | 「사진 속 장면 전체를 이해한다 — 물건들의 관계· |
| 구글 AI 모드 규모 | 2026년 5월(I/O) | 월 사용자 10억 명 돌파, 질문 수가 분기마다 두 배 |
| 페이지 그림을 그대로 찾는 검색(콜팔리) | 2024년 6월 발표, 2025년 ICLR | 글자를 뽑지 않고 페이지 이미지 자체를 숫자로 바꿔 검색. 글자 기반 검색보다 「훨씬 낫고, 단순하고, 빠르다」 |
| 오픈AI 자체 색인(래브라도) 구조 | 2026년 9월 분석 | 일반 웹 색인 외에 유튜브· |
「묻는 쪽」은 이미 사진을 읽는다. 고객이 매장 사진을 찍어 「이런 분위기 근처에 또 있어?」라고 물을 수 있다. 「찾는 쪽」은 연구에서 먼저 바뀌었고, 엔진에 들어오는 중이다. 오늘 챗GPT가 홈페이지 사진을 열어 보지는 않지만, 방향은 분명하다.
누가 앞서 있나 — 모델이 아니라 유튜브
사진을 보는 능력은 챗GPT·클로드·제미나이가 이제 비슷하다. 차이는 영상에서 난다. 제미나이는 긴 영상을 통째로 넣어 읽을 수 있다. 유튜브 주소만 줘도 영상을 본다. 챗GPT는 영상 파일을 그대로 보는 힘이 약하다. 대본이 있으면 대본을 읽는 쪽에 가깝다.
그런데 이 차이의 절반은 모델이 아니라 데이터에서 온다. 유튜브가 구글 것이다. 세계에서 가장 큰 영상 창고와 그 자막·설명·시청 기록을 자기 색인에 바로 넣을 수 있는 회사는 하나뿐이다. 사진도 구글 이미지와 렌즈가 오랫동안 쌓은 색인 위에 있다. 오픈AI가 자체 색인에 유튜브 칸을 만들어도 남의 데이터를 가져와야 한다. 데이터를 가져오는 것을 막을 수 있는 쪽은 구글이다. 모델의 우위는 바뀔 수 있어도 유튜브라는 데이터의 우위는 쉽게 바뀌지 않는다.
그래서 사진과 영상으로 AI에 존재하려면 구글 쪽 규칙을 먼저 따르는 것이 맞다. 유튜브에 올리고, 대본과 설명을 글자로 붙인다. 구글이 읽을 수 있게 둔다.
그래서 지금 할 일과, 곧 할 일
| 시기 | 무엇이 결정하나 | 할 일 |
|---|---|---|
| 지금 | 사진 옆의 글자 | 사진마다 조건 한 줄(대체 글· |
| 곧 | 사진 안의 내용도 함께 | 「조용한 룸」이라고 쓴 사진은 실제로 조용한 룸이어야 한다. 글과 사진이 다르면 AI가 사진을 보고 안다 |
지금은 우리가 사진 내용을 글자로 대신 정리해 준다. 엔진이 스스로 처리하기 시작하면, 처리한 내용과 우리가 붙인 글자를 함께 본다. 둘이 같으면 신뢰가 된다. 다르면 반대가 된다. 그러니 순서는 「글자를 먼저 붙이되, 사진이 그 글자와 같은 내용을 보여주게」다. 어느 쪽이 먼저 오든 손해가 없는 방법이다.
이 글의 요점 — ① AI는 답하는 몇 초 동안 사진을 열어 볼 시간이 없어 글자만 본다. 유튜브 인용이 18.9%→39.2%로 뛴 것도 대본이 글자로 붙어서다. ② 미리 정리하는 단계에서는 사진·영상을 소화해 두는 쪽으로 바뀌고 있다 — 구글 AI 모드의 사진 질문(2025년 4월), 페이지 그림을 그대로 찾는 검색 연구(ICLR 2025), 오픈AI의 유튜브·PDF 전용 색인. ③ 선두는 구글, 이유의 절반은 유튜브라는 데이터. ④ 지금은 사진 옆의 글자, 곧 사진 안의 내용도 — 글자를 먼저 붙이되, 사진이 그 글자와 같은 말을 하게.
같이 읽을 글
- 사진 뒤에 글씨를 쓰듯이 — 글자를 붙이는 네 자리
- AI가 어제 인용한 곳을 오늘도 인용할까 — 출처는 바뀌고 원본은 남는다
- AI는 고객의 질문을 다시 쓴다 — 파생 질문
자료 출처
- 애드위크 「유튜브, AI 검색 인용에서 레딧을 앞지르다」(2026년 1월, 인용 610만 건)
- 구글 「AI 모드에 멀티모달 검색 추가」(2025년 4월 7일)
- 구글 I/O 2026 발표 모음(2026년 5월)
- Faysse 외, 「ColPali: Efficient Document Retrieval with Vision Language Models」, ICLR 2025
- 피크(Peec AI) 「챗GPT는 자체 검색 색인을 만들었다」(2026년 9월 15일)
- AI사이트코리아 자체 경험: 제미나이로 유튜브 주소만 넘겨 영상 내용을 읽는 검수 작업(2026년 9월)
작성일 · 고침
← 칼럼 목록