AI는 우리 가게 글을 정말 다 읽을까?

AI가 자료를 찾아 보고서를 쓴다고 해서 후보 자료를 전부 읽는 것은 아니다. 공개 딥리서치 AI 216회 실험에서는 읽은 문서만으로 낸 결론의 49.1%가 전체 후보 문서와 다른 방향을 가리켰다. 처음 읽은 글이 다음 검색어와 읽을 문서를 바꾸기 때문에, 우리 가게 글도 AI가 처음 읽는 자료 안에 들어가는 일이 중요하다.

AI는 자료를 어디까지 읽을까?

딥리서치는 AI가 검색어를 만들고 문서를 열어 읽은 뒤 보고서를 쓰는 방식이다. 문제는 AI가 처음부터 모든 후보 문서를 펼쳐 놓고 비교하는 것이 아니라는 데 있다.

처음 읽은 글에 따라 다음 검색어가 달라질 수 있다. 비슷한 내용을 담은 문서를 다시 찾을 수도 있고, 반대쪽 근거를 만나기 전에 검색을 멈출 수도 있다. 그러면 뒤에 있던 문서는 내용이 좋아도 결론에 들어갈 기회가 없다.

연구진은 의학 체계적 문헌고찰 질문 200개와 찬반 토론 과제 36개를 대상으로 이런 구조를 살폈다. 공개 딥리서치 AI에서는 후보 문서를 그대로 두고 순서만 바꿨는데도 결론이 달라졌다.

처음 읽은 글이 정말 결론을 바꿀까?

실험에서 후보 문서는 그대로였다. 달라진 것은 어떤 문서를 먼저 보여 주느냐였다.

공개 딥리서치 AI 216회에서는 읽은 문서만으로 낸 결론의 순서 민감도가 0.5849였다. 전체 후보 문서가 가리키는 방향과 비교했을 때 결론 방향이 다른 비율도 49.1%였다.

쉽게 말하면 같은 후보 자료를 놓고도 먼저 만난 자료가 달라지면 읽는 자료가 달라지고, 그 결과 결론도 달라질 수 있다는 뜻이다. 인용한 출처가 실제 문장을 뒷받침하더라도, AI가 한쪽 근거만 많이 읽었다면 전체 자료가 가리키는 방향과 다른 결론을 낼 수 있다.

문서를 적게 읽을수록 더 흔들릴까?

연구진은 검색을 1~2라운드만 해 문서를 한두 개 열 때 보정 효과가 가장 컸다고 썼다. 반대로 보면 짧게 검색할수록 실제로 읽은 문서만으로 낸 결론이 더 크게 흔들릴 수 있다는 뜻이다.

공개 딥리서치 AI에서도 보정한 뒤 결론 방향이 다른 비율은 31.0%였다. 보정은 문제를 줄이는 방법이지만, AI가 실제로 읽은 문서를 바꾸는 방법은 아니다.

보정하려면 각 문서가 선택될 확률과 각 검색 단계까지 갈 확률을 알아야 한다. 하지만 시중 딥리서치 서비스는 이런 기록을 공개하지 않는다.

그럼 AI가 읽는 글을 어떻게 바꿀까?

연구진은 문서를 고르는 방식과 검색을 멈추는 시점을 따로 봤다. 4,800회 실험에서 문서를 고르는 방식이 결론을 바꾸는 효과는 반복해도 0.68 정도였지만, 멈추는 시점의 효과는 0.10 정도로 실행할 때마다 달라졌다.

이 결과는 AI가 어떤 문서를 고르느냐가 읽은 근거를 바꾸는 중요한 과정이라는 점을 보여 준다. 반대로 보정만으로 AI의 실제 검색 행동을 모두 설명할 수 있는 것은 아니다.

우리 가게 글은 어디에 있어야 할까?

여기서 동네 사장님이 볼 부분은 단순하다. 고객 대신 AI가 가게를 조사할 때 모든 가게 글을 같은 비중으로 읽는다고 기대하기 어렵다.

처음 읽은 글이 다음 검색어를 정하고, 몇 개 읽은 뒤 검색을 멈춘다면 처음 읽히는 글이 중요하다. 내용이 좋은 홈페이지라도 AI가 읽을 수 없거나 처음 검색에서 발견되지 않으면 최종 답변에 반영되지 않을 수 있다.

다른 조사에서도 AI가 고객이 처음 입력한 말만 그대로 따라가는 것은 아닌 것으로 나타났다. 에이치레프스가 긴 질문 1만 5,000개를 조사했을 때 AI가 인용한 주소 가운데 구글 상위 10위 안에 든 것은 평균 12%였고, 챗GPT 본문 인용은 8.0%였다.

스프링클러 연구진이 6개 모델로 25만 2,000번 비교한 실험에서는 주제 일치와 목록 순서가 첫 번째 인용에 가장 크게 작용했다. 고객이 검색창에 넣는 말과 AI가 다시 만드는 검색어가 다를 수 있다는 점도 함께 봐야 한다.

홈페이지에는 무엇을 먼저 써야 할까?

여기부터는 연구에서 직접 확인한 가게 사례가 아니라, 연구에서 나타난 구조를 가게 홈페이지에 적용해 본 예상이다. 연구 대상에는 가게나 지역 질문이 없었기 때문에 이 대응책을 연구 결과처럼 받아들여서는 안 된다.

다만 처음 읽은 글이 다음 검색어를 바꾼다는 구조를 생각하면 홈페이지의 첫 부분부터 가게를 알아볼 수 있는 정보를 분명하게 적는 것이 필요하다. 지역, 업종, 가격, 영업시간 같은 정보와 고객이 실제로 쓸 법한 표현을 앞쪽에 두는 방식이다.

가게와 맞지 않는 고객이나 조건도 적을 필요가 있다. 한쪽 근거만 모이면 결론이 치우칠 수 있기 때문에, 어떤 경우에는 맞지 않는지도 함께 알려 주는 것이다.

또 AI 봇이 들어올 수 있는지도 확인해야 한다. 고를 수 없는 문서는 결론에 아예 반영되지 않을 수 있기 때문이다.

이 숫자를 우리 가게에 그대로 적용해도 될까?

그렇게 보면 안 된다. 이번 연구는 의학 문헌고찰 200개와 찬반 토론 과제 36개를 대상으로 했고, 공개 모델 두 종과 공개 딥리서치 AI 하나를 사용했다.

챗GPT·제미나이·퍼플렉시티의 딥리서치는 시험하지 않았다. 검색도 대부분 4라운드, 길어도 10라운드였기 때문에 상용 서비스가 더 많은 문서를 읽는다면 결과가 달라질 수 있다.

또 후보 문서를 미리 정해 둔 실험이었다. 열린 웹 전체가 어떤 결론을 가리키는지를 측정한 것이 아니므로 49.1%라는 숫자를 우리 가게에 그대로 적용할 수는 없다.

그렇다고 이 연구의 의미가 사라지는 것은 아니다. 후보 문서의 순서와 AI가 멈추는 시점만으로도 읽는 근거가 달라지고, 그 결과 결론이 달라질 수 있다는 구조를 보여 주기 때문이다.

AI사이트코리아가 2026년 9월 15일 4개 엔진에 물었을 때 우리 회사 이름은 한 번도 나오지 않았다. 처음 몇 개 안에 들어가는 일은 아직 해결해야 할 과제다.

같이 읽을 글

• 우리 홈페이지가 AI 보고서에 쓰였는데, 왜 출처에는 안 나올까?
• 우리 글은 AI에게 어떻게 골라질까?
• AI가 참고 글을 한꺼번에 많이 읽으면, 우리 글은 덜 쓰일까?
• 고객이 적은 사정까지 AI가 추천에 반영할까?

자료 출처

• Search Shapes Conclusions: Auditing Evidence Selection Bias in Deep Research Agents(베이징사범대·커홀딩스, arXiv 2609.39026, 2026.9 제출 — MS2 질문 200개·후보 연구 3,169편·1,200회, 공개 AI 216회, 개입 실험 4,800회)
• Only 12% of AI Cited URLs Rank in Google's Top 10 for the Original Prompt(에이치레프스, 2025.8, 긴 질문 1만 5,000개)
• What Gets Cited: Competitive GEO in AI Answer Engines(스프링클러, arXiv 2605.25517, 2026.5, 25만 2,000회·모델 6개·요인 18개)
• LLM-based Listwise Reranking under the Effect of Positional Bias(arXiv 2604.03642, 2026.4)
• AI 검색 트렌드 리포트 2026 하반기(오픈서베이, 2026.7, 10~59세 1,000명)
• ChatGPT May Scrape Google, but the Results Don't Match(에이치레프스, 챗GPT 인용과 구글 결과 비교)