AI 검색이 내 사이트를 무시하는 데는 이유가 있다. Writesonic 연구에 따르면, 인용의 96%가 Reddit, YouTube, 업계 매체 — 내가 소유하지 않은 페이지에서 나온다. 진짜 문제는 여기서 시작된다.

며칠 전, Search Engine Journal에서 Writesonic 창업자 Samanyou Garg의 웨비나 내용을 봤다. 작년까지 Writesonic 리드의 2.5%만 AI 검색에서 왔는데, 올해 3월엔 35%로 뛰었다. 같은 회사, 같은 제품이다. 달라진 건 하나: SEO를 AI 에이전트로 운영하기 시작한 것.

웨비나에서 공개된 연구 결과와 운영 방식이 내가 Drewgent에서 직접 겪고 있는 패턴과 너무 비슷해서 정리해본다. 특히 “expert file”이라는 개념 — 에이전트에게 특정 전문가의 사고 방식을 이식하는 방법이 핵심이다.

96%는 남의 사이트다: 인용의 지형이 바뀌었다

Writesonic 팀이 AI 검색 인용을 추적한 결과: 96%의 인용이 내 사이트가 아닌 제3자 페이지를 가리킨다. 몇 달 전만 해도 80%였는데, GPT 5.3에서 5.5로 업데이트되자 96%로 올라갔다. 모델이 업데이트될 때마다 인용 풀이 통째로 흔들린다.

“모든 계란을 한 바구니에 담지 마라”는 평범한 조언처럼 들리지만, AI 검색 맥락에서는 다르게 읽힌다. 내 사이트가 AI 검색에서 보이지 않는 이유는 콘텐츠가 나빠서가 아니라, 모델의 학습 데이터에 내 사이트가 포함되지 않았기 때문일 수 있다. 이건 On-Page SEO로 해결할 수 있는 문제가 아니다.

더 놀라운 건 인용의 수명이다. Writesonic은 15만 개 이상의 인용을 추적했는데, 평균 인용 수명은 대부분의 콘텐츠 캘린더가 가정하는 것보다 훨씬 짧다. 모델이 한 번 업데이트되면 내 인용이 경쟁사로 넘어간다. “모델은 본질적으로 확률적이기 때문에 인용은 매우 변동성이 크다”는 Garg의 설명이 이 숫자를 잘 요약한다.

에이전트는 전문가를 대체하지 않고 복제한다

Garg 팀이 공개한 SEO 에이전트 구조는 4개 레이어로 단순하다: 정체성(Identity), 지식(Knowledge), 스킬(Skills), 도구(Tools). 각 레이어를 실제 파일로 관리한다. 특히 흥미로운 건 identity 레이어다. 이걸 “expert file”이라고 부른다.

Expert file의 발상은 이렇다. 특정 분야의 실제 전문가 한 명을 선정한다. 그 전문가가 쓴 글, 발표한 프레임워크, 강연 트랜스크립트를 수집해서 하나의 구조화된 문서로 만든다. 예를 들어 Writesonic의 positioning 에이전트는 April Dunford의 포지셔닝 프레임워크를 전문가 파일로 탑재하고 있다. 에이전트가 “이 제품을 어떻게 포지셔닝할까?”라는 질문을 받으면, April Dunford의 관점으로 분석한다.

Garg의 표현을 그대로 옮기면: “당신과 함께 일하는 최고의 인턴 팀을 상상해보라. 그 인턴들은 세계 최고의 전문가에게 배웠고, 모든 데이터에 접근 가능하며, 도메인을 완전히 이해하고 있다. 하지만 출시 전에는 실무자가 모든 것을 승인한다.”

이 프레임은 Drewgent의 운영 방식과 정확히 일치한다. 나는 Drewgent에게 특정 작업 방식을 가르칠 때 단순한 프롬프트를 쓰지 않는다. 특정 아티클, 특정 결정 로그, 특정 실패 사례를 구조화된 문서로 제공한다. 에이전트는 일반론이 아니라 구체적인 사례에서 배운다. Garg의 expert file은 이를 정식 방법론으로 정리한 셈이다.

“한 번에 하나씩” — 전문가 파일 구축의 실제

Garg가 강조한 조언 중 가장 실용적이었던 것: “한 번에 하나의 전문가 에이전트부터 시작하라.” 여러 에이전트를 동시에 만들려고 하면 어느 것도 제대로 완성되지 않는다. 하나를 완성하고, 검증하고, 확장하라.

전문가 파일을 만들 때 주의할 점도 구체적이다: “1만 자 분량의 장문이 아니라, 모델이 소비하기 쉬운 구조화된 형식이어야 한다.” 마크다운의 헤딩, 리스트, 코드 블록을 활용해 에이전트가 필요한 정보를 빠르게 찾을 수 있게 설계해야 한다는 의미다.

처음 듣는 사람에게는 이게 “그냥 시스템 프롬프트 잘 쓰라는 소리 아니야?”로 들릴 수 있다. 하지만 경험상 차이는 분명하다. 시스템 프롬프트는 역할을 정의할 뿐이지만, expert file은 판단 기준과 의사결정 프레임워크를 제공한다. 에이전트가 “뭘 해야 하는지”가 아니라 “어떻게 판단해야 하는지”를 알게 된다.

Closed-loop SEO: 진단은 공짜, 실행이 전부

Garg 팀의 또 다른 핵심 개념: 모든 게시된 페이지를 하나의 실험으로 취급하라. 인덱싱 확인 → 랭킹 확인 → 인용 확인 → 결과를 다음 수정에 피드백. 이 순환 고리를 “closed-loop SEO”라고 부른다.

청중 대상 라이브 투표 결과가 흥미로웠다. 대부분의 SEO 담당자는 아무것도 측정하지 않거나, 측정해도 아무 행동도 취하지 않는다. Garg 팀은 여기에 4개 가중치 요소로 비즈니스 임팩트 가능성을 계산해 100페이지의 백로그를 순위가 매겨진 작업 큐로 바꾼다. “진단은 이제 공짜다. 중요한 건 실행이다.”

이 원칙은 AI 에이전트를 SEO에 붙이는 이유를 정확히 설명한다. 에이전트는 진단을 무료로 만든다. 사람이 한 페이지 분석하는 동안 에이전트는 100페이지를 분석하고 순위를 매긴다. 그리고 사람은 그중 가장 영향력이 큰 작업만 선택해 실행하면 된다.

자동화의 경계: 감지는 자동으로, 발행은 수동으로

Q&A에서 “무엇을 먼저 자동화해야 하고, 무엇을 절대 자동화하면 안 되나요?”라는 질문이 나왔다. Garg의 답변은 명확했다: “기존 데이터 소스를 연결하고, 자동 감지 루프를 먼저 자동화하라. 절대 send는 자동화하지 마라.”

“반자율(semi-autonomous) 상태로 유지해야 한다. 사람이 검증하고 테스트할 때까지.” 이 원칙은 Drewgent에서도 동일하게 적용된다. 에이전트가 초안을 쓰고, 데이터를 수집하고, 인용 갭을 발견하는 건 자동화한다. 하지만 블로그 포스트가 발행되거나, SEO 변경이 라이브에 적용되는 순간은 내가 직접 확인한다.

에이전트의 가치는 처리량에 있지 않다. 에이전트의 가치는 사람이 더 중요한 결정에 집중할 시간을 만들어주는 것에 있다. 발행 버튼은 여전히 사람의 손에 있어야 한다.

온페이지보다 오프페이지: AI 가시성의 60% 법칙

“AI 가시성에 가장 영향을 주는 것은 무엇인가?” — Garg의 답변: “온페이지 40%, 오프페이지 60%.” AI 검색에서 보이려면 내 콘텐츠를 고치는 것만으로는 부족하다. AI 모델이 인용하는 외부 플랫폼에서의 존재감이 더 중요하다. 자체 페이지가 인용을 얻기 시작하면 그때 온페이지 비중을 다시 높이는 전략을 쓴다.

Garg가 데모한 가장 실용적인 워크플로는 “citation gap” 발견 에이전트다. 타겟 프롬프트에서 인용되는 페이지를 수집하고, 경쟁사는 등장하는데 내 사이트가 없는 지점을 찾아낸다. 이 에이전트가 저자 연락처까지 포함한 아웃리치 리스트를 자동으로 만든다. “모든 키워드에서 1등하자”는 전략이 아니라, “이미 AI가 인용하는 주제에서 내가 빠진 곳을 메꾸자”는 전략이다.

정리: AI 검색을 위한 첫 번째 에이전트

Garg의 웨비나를 보고 든 생각: AI 검색 시대의 SEO는 콘텐츠 마케팅이 아니라, 에이전트 운영이라는 엔지니어링 문제에 가깝다. 진단은 공짜가 맞다. AI 에이전트가 데이터 수집, 분석, 인용 갭 발견, 초안 작성을 대신한다. 하지만 결정과 발행과 관계 구축은 여전히 사람의 몫이다.

가장 먼저 할 일은 명확하다. 하나의 전문가 파일부터 만드는 것. April Dunford의 포지셔닝 프레임워크든, 내 업계의 특정 분석 방법론이든, 한 명의 전문가 사고 방식을 구조화된 문서로 만들고 에이전트에 주입하는 것. 그다음은 인용 갭을 발견하고, 외부 플랫폼에서의 존재감을 키우고, closed-loop로 지속적으로 개선하는 일이다.

AI가 SEO를 죽인 게 아니다. AI가 SEO의 일을 반으로 줄였고, 남은 반은 더 중요하게 만들었다. 도구는 바뀌었지만, 판단은 여전히 사람의 몫이다.

읽어줘서 고맙다.