# 우리 홈페이지가 AI 보고서에 쓰였는데, 왜 출처에는 안 나올까?

_딥리서치가 홈페이지 내용을 가져가도 마지막 보고서에서 출처가 빠질 수 있다. 조사된 3개 시스템에서는 출처가 제대로 붙은 문장이 7.1~58.7%였다._

> AI가 우리 홈페이지 내용을 참고했다고 해서 출처까지 남는 것은 아니다. 마지막 정리 과정에서 출처가 빠지거나, 우리 홈페이지에 없는 숫자가 우리 주소와 함께 붙을 수도 있다.

- 종류: 칼럼
- 주소: https://aisitekorea.com/column/deep-research-report-drops-shop-citations
- 발행: AI사이트코리아 (https://aisitekorea.com)
- 작성일: 2026-10-01

딥리서치 보고서에 우리 홈페이지 내용이 들어갔는데도 출처 목록에 우리 주소가 없을 수 있다. 조사된 상위 오픈소스 딥리서치 3종에서 출처가 제대로 붙은 문장은 7.1~58.7%였다. 특히 여러 AI가 조사한 내용을 마지막 AI가 모아 보고서를 만드는 과정에서 출처가 빠지는 문제가 생겼다.

홈페이지가 AI에게 읽혔다는 것과 출처로 정확히 표시됐다는 것은 같은 일이 아니다.

## AI는 우리 홈페이지 내용을 어떻게 보고서에 넣나?

딥리서치는 질문을 받은 뒤 웹에서 여러 문서를 찾고, 문서를 요약하거나 필요한 부분을 뽑는다. 그다음 조사한 내용을 출처와 함께 메모로 만들고, 마지막 AI가 여러 메모를 모아 긴 보고서를 쓴다.

미국 노스캐롤라이나대·텍사스대 오스틴, 이스라엘 바르일란대 연구진은 이런 과정을 오픈소스 딥리서치 3종으로 살펴봤다. 검색 AI, 조사 AI, 마지막에 보고서를 만드는 총괄 AI가 차례로 내용을 넘기는 구조다.

| 단계 | 하는 일 | 쓰는 모델(예: MS-Agent) |
|---|---|---|
| 검색 AI | 웹 문서를 가져와 요약·발췌 | GPT-5 nano |
| 조사 AI(보고 AI) | 요약을 읽고 출처 붙은 메모 작성 | GPT-5 mini |
| 총괄 AI | 메모를 모아 최종 보고서 작성·수정 | GPT-5 |
| TrajectoryKit | 모든 단계를 같은 소형 모델로 | gpt-oss-20b |

문제는 정보만 넘어가는 것이 아니라는 데 있다. 앞 단계에서 붙어 있던 출처가 다음 단계로 넘어가는 과정에서 빠지거나, 마지막 AI가 내용을 쓰면서 출처를 제대로 연결하지 못할 수 있다.

## 우리 홈페이지가 들어갔는데 출처가 왜 빠지나?

연구진은 이런 실수를 네 가지로 나눴다. 원문에 없는 내용을 지어내는 경우, 앞 단계에서 이미 출처가 빠진 내용을 그대로 쓰는 경우, 내용은 맞지만 출처를 붙이지 않는 경우, 출처를 붙였지만 실제로 참고한 출처 일부를 빠뜨리는 경우다.

사장님 입장에서 특히 중요한 것은 세 번째와 네 번째다. 우리 홈페이지의 가격이나 서비스 설명이 보고서 내용에 쓰였는데도 출처 목록에 우리 홈페이지가 빠질 수 있다는 뜻이다.

단계별 차이도 컸다. 문서 하나를 요약하는 단계의 실수율은 0.9~14.9%였지만, 여러 문서를 묶어 요약하는 단계에서는 62.0%까지 올라갔다. 조사 AI 단계에서는 AI-Q가 70.8%, MS-Agent가 61.6%의 실수율을 보였다.

| 시스템 | 출처가 제대로 붙은 문장 | 최종 오류 중 총괄 AI 몫 | 총괄 AI 자체 실수율 |
|---|---|---|---|
| 엔비디아 AI-Q | 58.7% | 84.7% | 30.9% |
| MS-Agent | 28.5% | 52.6% | 16.8% |
| TrajectoryKit | 7.1% | 100% | 92.5% |

| 단계(시스템) | 표본 문장 | 실수율 |
|---|---|---|
| 검색 AI·문서 1개 요약(MS-Agent) | 110 | 0.9% |
| 검색 AI·발췌(AI-Q) | 189 | 3.8% |
| 검색 AI·문서 1개 요약(TrajectoryKit) | 154 | 14.9% |
| 검색 AI·여러 문서 묶어 요약(AI-Q) | 192 | 62.0% |
| 조사 AI(AI-Q) | 200 | 70.8% |
| 보고 AI(MS-Agent) | 190 | 61.6% |

마지막 총괄 AI의 자체 실수율만 보면 16.8~92.5%였다. 그런데 최종 보고서에 남은 오류를 거슬러 올라가 보면 총괄 AI에서 생긴 오류의 몫이 52.6~100%에 달했다. 마지막 단계에서 생긴 오류는 그 뒤에 다시 확인할 단계가 없기 때문이다.

## 출처만 빠지는 게 더 큰 문제일까?

꼭 그렇지는 않다. 출처가 빠지는 문제도 있지만, 우리 홈페이지에 없는 내용을 우리 홈페이지 주소와 함께 보여주는 문제도 있다.

AI-Q의 최종 오류 가운데 약 70%는 출처 관련 실수였고 약 31%는 지어낸 내용이었다. MS-Agent는 출처 관련 실수가 99%였지만, TrajectoryKit은 최종 오류의 95%가 지어낸 내용이었다.

| 시스템 | 출처 관련 실수 | 지어낸 내용 |
|---|---|---|
| AI-Q | 약 70% | 약 31% |
| MS-Agent | 99% | 약 11% |
| TrajectoryKit | 4% | 95% |

연구진이 직접 확인한 결과, TrajectoryKit에서는 원문에 없는 정밀한 통계 수치를 지어낸 뒤 그 원문을 출처로 붙이는 실수가 반복됐다. 사장님 입장에서는 단순히 우리 주소가 빠지는 것보다 더 주의해야 할 문제다.

예를 들어 AI가 우리 홈페이지를 참고하면서 실제 홈페이지에 없는 가격이나 수치를 만들어 내고, 그 아래에 우리 홈페이지 주소를 출처처럼 붙일 수도 있다는 뜻이다.

## 이런 문제를 줄일 방법은 있나?

연구진은 AI-Q에 두 가지 방법을 시험했다. 총괄 AI에게 출처 없는 정보는 쓰지 말라고 지시하는 방법과, 조사 AI가 만든 요약 메모 대신 원문 발췌를 그대로 넘기는 방법이다.

두 방법 모두 출처가 제대로 붙은 비율을 약 5%포인트 높였다. 반면 보고서 품질 점수는 그대로였다. 원문을 그대로 넘길수록 출처가 덜 빠졌다는 결과다.

| 방법(AI-Q) | 출처 재현율 | 출처 정밀도 | 품질 점수(RACE) |
|---|---|---|---|
| 그대로 | 64.5% | 87.6% | 52.6 |
| 「출처 없는 정보 금지」 지시 | 69.6% | 91.0% | 52.6±0.4 |
| 요약 메모 대신 원문 발췌 | 69.7% | 94.1% | 52.6±0.4 |

이 방법은 딥리서치를 만드는 쪽에서 해결해야 할 부분이다. 다만 홈페이지를 운영하는 사장님도 AI가 내용을 가져가기 쉬운 형태로 정보를 정리할 수 있다.

## 홈페이지에서는 무엇을 해두면 좋나?

첫째는 사실 하나를 한 문장 안에서 끝내는 것이다. 「이 가격은 2만 원이다」처럼 앞 문장을 알아야 의미가 통하는 표현보다 「OO헤어 커트 가격은 2만 원이다」처럼 가게 이름과 조건을 같은 문장에 넣는 방식이 낫다.

AI가 홈페이지의 문장을 일부만 떼어 메모로 만들더라도 그 문장만 읽고 누구의 정보인지 알 수 있기 때문이다. 연구에서 발췌 단계의 실수율은 3.8~6.4%였다.

둘째는 가격, 영업시간, 자격처럼 바뀌면 문제가 되는 정보를 한 페이지에 모으는 것이다. 문서 하나만 요약하는 단계에서 실수가 가장 적었기 때문에, 중요한 정보를 여러 페이지에 흩어 놓지 않는 것이 도움이 될 수 있다.

셋째는 실제 AI 답변에서 우리 홈페이지가 어떻게 인용되는지 확인하는 것이다. 오픈AI는 조사 범위를 특정 사이트로 좁히거나 특정 사이트를 먼저 보게 하는 설정을 제공한다. 거래처나 고객이 AI로 업체를 조사하는 일이 늘어날수록 출처가 어떻게 표시되는지도 확인할 필요가 있다.

넷째는 가게 이름으로 가끔 딥리서치를 돌려보는 것이다. 우리 홈페이지에 없는 가격이나 수치가 붙어 있지는 않은지, 우리 주소가 실제 근거로 사용됐는지 확인하면 된다.

AI사이트코리아의 자체 측정에서는 챗GPT 답변의 인용 31건 가운데 업체 자기 홈페이지가 10건이었다. 생성형 엔진 최적화는 인용되는 것에서 끝나는 것이 아니라, 실제 출처가 정확하게 붙는지도 살펴볼 필요가 있다.

| 상황 | 관련 숫자 | 할 일 |
|---|---|---|
| 문장이 떼어져 쓰임 | 발췌 실수 3.8~6.4% | 가게 이름·조건을 한 문장에 |
| 여러 문서가 섞여 요약됨 | 묶음 요약 실수 62.0% | 핵심 숫자는 한 페이지에 모으기 |
| 지어낸 수치에 우리 주소가 붙음 | 소형 모델 오류 95%가 지어낸 내용 | 가게 이름으로 정기 점검 |
| 지어낸 주소가 출처로 붙음 | 3~13% | 출처 링크 직접 열어 보기 |
| 직원이 딥리서치 사용 | 직장인 74.3% 주 1회↑ | 사이트 범위 설정·출처 확인 |

## 이 숫자를 우리 가게에 그대로 적용해도 될까?

그렇게 보기는 어렵다. 이번 연구의 대상은 오픈소스 딥리서치 3종이고 챗GPT나 제미나이 같은 상용 딥리서치는 포함되지 않았다.

연구 과제도 영어 20개였고, 단계마다 약 200문장을 대상으로 했다. 채점은 gpt-5-mini가 맡았으며, 사람 판정과 비교한 것은 50문장이었다. 한국어로 된 지역 업체 정보에서도 같은 비율이 나오는지는 확인되지 않았다.

따라서 7.1~58.7%라는 수치를 우리 홈페이지에 그대로 적용할 수는 없다. 다만 AI가 여러 단계로 조사하고 내용을 압축하는 과정에서 출처가 빠질 수 있다는 점, 그리고 원문에 없는 내용이 출처와 함께 붙을 수 있다는 점은 홈페이지를 운영할 때 알아둘 필요가 있다.

요점 ① 상위 오픈소스 딥리서치 3종에서 출처가 제대로 붙은 문장은 7.1~58.7%였다. ② 최종 보고서 오류의 52.6~100%는 마지막에 보고서를 쓰는 총괄 AI에서 생겼다. ③ 문서 하나를 요약하는 단계의 실수율은 0.9~14.9%였고, 원문 발췌를 그대로 넘기자 출처 재현율이 약 5%포인트 올랐다. ④ 소형 모델 시스템에서는 오류의 95%가 지어낸 내용이었고, 우리 홈페이지에 없는 숫자에 우리 주소가 붙을 수도 있으니 직접 확인해야 한다.

## 같이 읽을 글

 

- 고객이 적은 사정까지 AI가 추천에 반영할까?

- 우리 가게 정보도 AI가 지어낼 수 있나?

- AI가 인용했다는데, 진짜일까?

- AI가 참고 글을 한꺼번에 많이 읽으면, 우리 글은 덜 쓰일까?
 

## 자료 출처

 

- Who is the Agent to Blame? Localizing Faithfulness and Citation Mistakes in Agentic Deep Research(바르일란대·UNC 채플힐·텍사스대 오스틴, arXiv 2608.24306, 2026.8, 오픈소스 딥리서치 3종·과제 20개·단계별 약 200문장)

- 같은 논문 HTML판(개입 실험·한계 부분)

- 같은 연구 공개 코드(GitHub)

- Detecting and Correcting Reference Hallucinations in Commercial LLMs and Deep Research Agents(Rao·Wong·Callison-Burch, arXiv 2604.03173, 2026.4, 모델·딥리서치 10종, 출처 주소 5만 3,090개)

- Deep research 활용 안내(OpenAI Academy, 사이트 범위 설정·출처 확인 권고)

- 직장인 74.3% AI 업무 사용(엘림넷 나우앤서베이, 2026.5.22~28, 직장인 1,000명)

- DeepResearch Bench II: Diagnosing Deep Research Agents via Rubrics from Expert Reports(arXiv 2601.08536, 딥리서치 평가 기준 참고)