검색 1위인데도 AI에게 선택되지 않는다면, SEO는 이미 늦었다

고객이 “우리 서비스와 경쟁사를 비교해줘”라고 AI에게 묻는 순간, 검색 결과의 첫 줄만 지키는 전략은 충분하지 않다. 에이전트는 링크를 보여주는 데서 멈추지 않고 가격·조건·신뢰도를 읽어 후보를 추리고, 때로는 다음 행동까지 대신한다. 핵심 정보가 PDF 안에 있거나, 페이지의 주체와 최신성이 모호하거나, 사람이 눈치로 해석해야 하는 문장뿐이라면 검색 순위와 무관하게 조용히 탈락할 수 있다.

외부 정보 (하베스터 수집) Yoast가 말하는 에이전틱 SEO의 변화는 “검색엔진 최적화를 버리자”가 아니다. 콘텐츠가 AI 시스템에 이해되고, 신뢰받고, 재사용되는가까지 SEO의 평가 범위를 넓히자는 주장이다. 내 결론은 간단하다. 새 도구를 더 사기 전에, 에이전트가 가장 먼저 읽어야 할 페이지 한 장을 사람과 기계 모두에게 명료하게 만들어야 한다.

지금 바뀌는 것은 웹이 아니라 ‘발견되는 방식’이다

외부 정보 (하베스터 수집) Microsoft는 2026년 AI Web을 어시스턴트·에이전트·AI 브라우저가 웹 콘텐츠를 해석하고 개인화하며 행동하는 환경으로 설명한다. Microsoft Advertising의 소비자 조사에서는 응답자의 59%가 일부 과업에서 전통적인 웹사이트 대신 AI 에이전트를 사용할 준비가 됐다고 답했다. 동시에 49%는 Zero UI 환경의 개인정보·보안을 걱정했고, 57%는 이미 알고 있는 브랜드의 AI 경험을 더 신뢰한다고 답했다.

이 숫자를 “곧 모든 클릭이 사라진다”는 예언으로 읽으면 안 된다. 다만 우선순위가 달라졌다는 신호로는 충분하다. 에이전트가 답변을 만들 때 필요한 것은 멋진 슬로건이 아니라 누가 제공하는지, 무엇을 제공하는지, 얼마인지, 언제 바뀌었는지, 어떤 제한이 있는지를 확인할 수 있는 근거다. 신뢰가 없으면 자동화도 작동하지 않는다.

웹사이트 콘텐츠를 자연어로 탐색하는 Microsoft NLWeb 개념 이미지
출처: Microsoft Source, “Introducing NLWeb”. 에이전트형 웹에서는 사이트가 읽히는 문서인 동시에 질의 가능한 데이터 계층이 된다.

전통 SEO는 남고, ‘선택될 조건’이 하나 더 생긴다

외부 정보 (하베스터 수집) 원문이 제시하는 변화는 세 겹이다. 좋은 원본 콘텐츠·내부 링크·기술적 SEO·신뢰 신호는 여전히 필요하다. 다만 키워드 일치보다 의도와 주제의 맥락이 중요해지고, 노출 위치는 SERP에서 AI 요약·어시스턴트·에이전트 결과까지 넓어진다. 클릭이 없어도 답변 속에서 브랜드와 원문이 선택되는 영향력을 측정해야 한다.

  • 그대로 유지: 크롤링 가능한 URL, 빠른 페이지, 원본성, 내부 연결, 작성자와 조직에 대한 신뢰 정보.
  • 더 명확하게: 한 문장 답변, 정의, 비교표, 단계별 절차, 가격·제한·최종 수정일.
  • 새로 측정: AI 답변의 멘션보다 어떤 URL이 실제 근거로 인용되는지, 그 인용이 행동으로 이어지는지.

따라서 “AI용 글”을 별도로 만드는 접근은 위험하다. 사람에게는 읽기 어렵고 에이전트에게만 맞춘 요약 페이지가 늘어나면 원문과의 관계가 끊긴다. 하나의 페이지를 사람에게는 빠르게 스캔할 수 있게, 에이전트에게는 섹션 단위로 정확히 재사용할 수 있게 설계하는 편이 지속 가능하다.

도입 워크플로: 사이트 전체가 아니라 핵심 URL 하나부터

도구 도입의 이득은 “AI SEO를 했다”는 배지가 아니다. 고객의 질문이 들어왔을 때 우리 페이지가 후보에서 빠지지 않고, 에이전트가 근거를 확인해 안전한 다음 행동을 안내하게 만드는 것이다. 다음 순서라면 팀 규모와 관계없이 첫 실험을 작게 시작할 수 있다.

  1. 에이전트가 읽어야 할 URL을 고른다. 홈페이지가 아니라 가격·서비스·제품 비교·FAQ처럼 실제 선택에 쓰이는 한 페이지를 정한다. 그 페이지가 200 응답인지, robots.txt와 noindex에 막히지 않는지, 내부 링크로 도달 가능한지 먼저 확인한다.
  2. 네 가지 질문을 화면 위쪽에 답한다. 이것은 누구를 위한 것인가? 무엇을 제공하는가? 가격과 조건은 무엇인가? 누구의 근거이며 언제 업데이트됐는가? 답이 여러 버튼·모달·이미지·PDF로 흩어져 있으면 본문에 합친다.
  3. 관계를 구조화한다. Google Search Central은 구조화 데이터가 페이지 의미를 이해하는 단서를 제공한다고 설명하며 JSON-LD를 일반적으로 구현하기 쉬운 형식으로 권장한다. Article·Organization·Person·Product 등 실제 페이지에 보이는 정보만 연결하고, 마크업이 노출을 보장한다고 과장하지 않는다.
  4. 선택과 행동을 확인한다. AI 답변에서 페이지가 인용되는지, 가격·재고·예약 조건이 정확히 전달되는지, 문의·가입 같은 다음 단계가 명확한지 일주일 단위로 점검한다. 멘션 수만 늘고 공식 URL이 빠진다면 페이지의 원본 근거를 보강해야 한다.
구조화 데이터가 레시피 페이지의 의미를 검색 결과에 전달하는 방식 설명도
출처: Google Search Central, “구조화된 데이터 마크업의 작동 방식 소개”. 구조화 데이터는 화면에 보이는 콘텐츠의 의미를 명확히 하는 보조 계층이지, 빈 페이지를 채우는 장식이 아니다.

NLWeb와 스키마 그래프는 지름길이 아니라 ‘접근 계층’이다

외부 정보 (하베스터 수집) Microsoft의 NLWeb은 Schema.org·RSS 같은 반구조화 데이터를 활용해 웹사이트에 자연어 질의를 붙이는 오픈 프로젝트다. Microsoft는 각 NLWeb 인스턴스가 선택적으로 MCP 서버 역할도 하므로, 사이트 운영자가 에이전트 생태계에 콘텐츠를 접근 가능한 형태로 내놓을 수 있다고 설명한다. Yoast의 NLWeb 연동과 Schema Aggregation 역시 페이지별 마크업을 사이트의 연결된 그래프로 다루려는 같은 방향에 있다.

하지만 NLWeb을 붙였다고 순위나 인용이 자동으로 보장되지는 않는다. Schema.org는 “우리가 원하는 설명”이 아니라 실제 화면과 정책에 맞는 사실이어야 한다. 워드프레스라면 사용 중인 SEO 플러그인에서 NLWeb·스키마 그래프 기능의 지원 범위와 개인정보 설정을 먼저 확인한다. 커스텀 사이트라면 RSS, JSON-LD, 제품·서비스 API 중 이미 안정적인 계층부터 공개하고, 결제·예약처럼 위험한 행동에는 권한·확인·취소 규칙을 별도로 둔다.

이 전략의 함정: 자동화보다 검증이 먼저다

  • 스키마가 있다고 선택되는 것은 아니다. 관련성, 최신성, 권위와 사용자 신뢰가 함께 작동한다.
  • llms.txt 하나로 해결되지 않는다. Google의 공식 가이드는 특수 파일보다 기존의 크롤링 가능성과 유용한 콘텐츠를 우선한다.
  • 에이전트에게 행동을 맡길수록 제한을 문장으로 적는다. 환불, 배송, 자격, 관할, 개인정보처럼 잘못 추론하면 손실이 생기는 조건은 숨기지 않는다.
  • 사람의 편집 판단을 제거하지 않는다. Yoast가 지적하듯 데이터 품질과 통합 복잡성은 자동화의 약점이다. 업데이트 승인자와 검증 주기를 정해 둬야 한다.

내가 이 흐름에서 가장 중요하다고 보는 지표는 “AI에 몇 번 언급됐나”가 아니다. 중요한 질문에서 공식 URL이 근거로 선택됐고, 사용자가 오해 없이 다음 행동을 했는가다. 이 지표를 세우면 불필요한 도구 비교가 줄고, 콘텐츠·개발·분석 팀이 같은 페이지를 고치는 데 집중할 수 있다.

오늘 할 일: 가장 비싼 질문 하나를 한 페이지에 담아라

사이트에서 고객이 가장 자주 묻고, 틀리게 답했을 때 손실이 큰 질문 하나를 고른다. 가격 페이지라면 가격·포함 범위·제외 조건·업데이트 날짜를 한 화면에 모으고, Article이나 Product 같은 구조화 데이터를 실제 내용과 맞춘다. 그다음 여러 AI 서비스에 같은 질문을 던져 우리 공식 URL이 인용되는지 확인한다. 빠진 정보가 발견되면 도구를 추가하기 전에 그 페이지를 고친다.

이 작은 실험이 통과한 뒤에야 NLWeb, MCP, 스키마 집계, AI 가시성 대시보드로 확장하면 된다. 사람에게 유용한 원문을 만들고, 기계가 읽을 수 있는 구조를 붙이고, 실제 선택과 행동을 계속 검증하는 것—이 세 단계가 에이전틱 SEO에 투자할 만한 이유다. 오늘 점검할 URL을 정하고, 결과를 팀의 콘텐츠 업데이트 목록에 올려라.

근거 출처

[외부 정보 (하베스터 수집)] 핵심 프레임은 Yoast의 “Ensuring continuous discoverability with agentic AI for SEO”(하베스터 수집본: ensuring-continuous-discoverability-with-agentic-ai-for-seo_202606051639.md)을 바탕으로 했다. 전통 SEO의 유지 요소, AI 시스템에 선택·신뢰·재사용되는 콘텐츠, 에이전틱 웹의 개념과 과제를 해당 글에서 참고했다.

[외부 정보 (공식 문서 보강)] Microsoft Source의 “Introducing NLWeb: Bringing conversational interfaces directly to the web”에서 NLWeb의 Schema.org·RSS 활용, MCP 서버 특성, 에이전트 접근 계층 설명을 확인했다. Microsoft Advertising의 “The AI Web: The Race to Zero UI”에서 AI Web 정의와 59%·49%·57% 소비자 조사 수치를 참고했다.

[외부 정보 (공식 문서 보강)] Google Search Central의 “구조화된 데이터 마크업의 작동 방식 소개”를 통해 구조화 데이터의 의미, JSON-LD 권장, 페이지에 보이는 콘텐츠와 마크업을 일치시켜야 한다는 원칙을 확인했다. Yoast의 Schema Aggregation 발표과 NLWeb 연동 안내도 도구 설명에 참고했다.

[상호작용 (에이전트-드루 대화·작업)] 이 글에는 특정 에이전트-드루 대화나 내부 작업 경험을 근거로 사용하지 않았다. 워크플로 우선순위와 “핵심 URL 하나부터 검증하라”는 결론은 위 외부 자료를 바탕으로 한 편집적 분석이다.

이 글은 humanerd.kr AI & TOOLS 필러의 외부 자료 기반 분석 글이다.