검색 엔진이 사라졌지만, SEO 전략은 여전히 최적화되어 있습니다.

구글이 I/O에서 공식화한 'AI Overviews'와 'AI Mode'는 검색의 작동 방식을 근본적으로 바꾼다. 기존 검색이 크롤러가 색인한 페이지를 랭킹 알고리즘으로 정렬해 '10개의 파란 링크'로 보여줬다면, AI 검색은 사용자 쿼리를 LLM이 해석한 뒤 여러 출처를 실시간으로 검색·요약하는 RAG(Retrieval-Augmented Generation) 구조로 동작한다. 모델이 검색 결과를 컨텍스트로 주입받아(grounding) 하나의 종합 답변을 생성하고, 그 근거가 된 페이지를 인용(citation) 형태로 일부만 노출한다. 핵심은 사용자가 더 이상 개별 사이트로 클릭해 들어가지 않고 답변 자체에서 정보를 소비하는 'zero-click' 패턴이 기본값이 된다는 점이다. 이 때문에 브랜드 입장에서는 AI가 자사를 어떻게 설명하는지에 대한 가시성이 사실상 사라진다.

엔지니어 관점에서 가장 직접적인 충격은 트래픽 모델의 붕괴다. 콘텐츠가 답변에 인용되더라도 클릭이 발생하지 않으면 페이지뷰·세션 기반 분석 지표가 무의미해지고, 광고·리드 전환에 의존하던 웹 서비스의 비즈니스 로직 자체를 재검토해야 한다. 또한 LLM은 키워드 매칭이 아니라 의미(semantic) 단위로 콘텐츠를 이해하기 때문에, 기존 SEO에서 통하던 키워드 밀도·백링크 중심 최적화의 효용이 급감한다. 동시에 모델이 출처를 잘못 요약하거나 오래된 정보를 인용하는 경우(hallucination, stale grounding) 브랜드 메시지가 왜곡되어도 이를 모니터링하거나 정정할 표준 채널이 아직 없다는 운영상의 리스크도 생긴다.

대응으로 개발자가 알아둘 것은 SEO의 무게중심이 GEO(Generative Engine Optimization) 또는 AEO(Answer Engine Optimization)로 이동하고 있다는 사실이다. 구체적으로는 콘텐츠를 '질문-답변' 단위로 명확하게 구조화하고, Schema.org 구조화 데이터(JSON-LD)와 시맨틱 마크업을 강화해 모델이 인용하기 쉬운 형태로 만드는 것이 중요해진다. 또한 robots.txt와 별개로 AI 크롤러(GPTBot, Google-Extended, ClaudeBot 등)의 접근 정책을 명시적으로 관리하고, 우리 도메인이 다양한 AI 어시스턴트에서 어떻게 인용·설명되는지 주기적으로 쿼리해 확인하는 'AI 가시성 모니터링'을 운영 파이프라인에 넣어야 한다. 단순히 검색 순위를 추적하던 시대에서, 여러 생성형 엔진이 우리 브랜드를 어떤 컨텍스트로 답변에 포함시키는지를 측정·관리하는 시대로 전환하는 것이 핵심 과제다.