> ## Content Index
> Fetch the complete content index at: https://zerodraftlab.com/llms.txt
> Use this file to discover other available public pages before exploring further.

# AI는 자기소개를 추천으로 읽는다
- URL: https://zerodraftlab.com/citation-is-not-endorsement/
- Published: 2026-07-26T16:26:31.000Z
- Updated: 2026-09-15T08:35:17.000Z
- Author: JooMong

AI 검색의 출처 목록을 보다가 한 법무법인의 자체 사이트가 반복해서 잡힌 장면에 멈췄다. 남이 평가한 리뷰도, 공공기관 자료도 아니었다. 그 법무법인이 자기 업무를 설명해 둔 페이지였다.

이상하다고 단정할 일은 아니다. 이혼 절차, 상담 방식, 사무실 위치처럼 그 조직이 가장 정확하게 답할 수 있는 정보가 있다. 페이지가 잘 정리되어 있다면 AI가 가져다 쓰는 것도 자연스럽다.

그런데 같은 문장이 AI의 추천 답변 아래 작은 출처 표시로 이동하는 순간 문법이 달라진다.

법무법인 홈페이지에서 “우리는 이 분야에 전문성이 있습니다”라고 읽으면 사람은 자기소개로 받아들인다. 누가 말했는지가 화면에 붙어 있기 때문이다. 반면 AI가 여러 업체를 설명하는 답변의 출처 목록에 그 페이지를 놓으면, 문장은 외부 검증을 거친 근거처럼 보인다. 내용은 그대로인데 작성자와 평가 대상의 관계가 사라진다.

**AI는 자기소개를 바꾸지 않았다. 자기소개가 놓인 자리를 바꿨다.**

출처 표식이 주는 안도감도 이 착시를 키운다. 링크가 있으면 출처를 추적할 수 있다는 사실은 맞다. 하지만 추적 가능하다는 것과 독립된 누군가가 보증했다는 것은 다른 말이다. 한 AI 인용 측정 서비스도 자사 방법론에서 인용 빈도가 검색엔진의 신뢰나 보증을 뜻하지 않는다고 명시한다. 인용은 우선 “이 문장이 어디에서 왔는가”에 답한다. “이 판단을 누가 독립적으로 확인했는가”까지 답하지는 않는다.

이 차이를 놓치면 정확한 자사 정보와 영리한 자기추천이 같은 외형을 갖는다. 둘 다 검색되고, 둘 다 요약되며, 둘 다 답변 아래 파란 링크 하나를 얻는다. 독자가 보는 것은 출처의 존재다. 사라진 것은 출처의 역할이다.

사라진 관계를 다시 붙여 보면 같은 사이트의 가치가 질문마다 달라진다. 영업시간을 묻는다면 공식 사이트는 가장 강한 증인이다. 가격과 환불 규정을 묻는다면 판매자가 직접 공개한 문서가 출발점이다. 그러나 “어디가 가장 좋은가”를 묻는 순간 자기소개 페이지의 자격은 바뀐다. 후보가 자신에 대해 말할 권리는 있지만, 자신을 1위로 판정할 독립성은 없기 때문이다.

이 문제는 거짓과 진실의 구분보다 까다롭다. 페이지의 모든 문장이 사실일 수 있다. 경력도 맞고, 제공 서비스도 맞고, 주소도 맞을 수 있다. 그래도 그 사실들의 묶음이 비교 우위를 증명하지는 않는다. 이력서는 지원자의 경력을 확인하는 자료이지만, 그 지원자가 최종 합격자여야 한다는 독립 평가서는 아닌 것과 같다.

## 검색은 관련성을 찾고, 사람은 증언으로 읽는다

일반적인 검색 증강 생성은 질문과 문서의 관련성을 중심으로 자료를 가져오며, 출처마다 다른 신뢰도를 놓칠 수 있다. 2025년 EMNLP 논문이 별도의 출처 신뢰도 추정 방식을 제안한 것도 이 간극 때문이다. 2023년 생성형 검색 감사 연구에서는 생성 문장의 51.5%만 인용으로 완전히 뒷받침됐고, 인용의 74.5%가 연결된 문장을 실제로 지지했다. 이 연구가 출처의 소유 관계까지 다룬 것은 아니지만, 링크가 붙었다는 이유만으로 검증을 끝낼 수 없다는 사실은 보여준다.

더 어려운 문제는 여러 링크가 여러 증인을 뜻하지 않는다는 데 있다. 같은 회사가 운영하는 본사이트, 별도 정보 사이트, 서브도메인 세 개가 한 답변에 등장하면 화면에는 출처가 다섯 개로 보일 수 있다. 그러나 소유 관계가 같고 주장도 같은 곳에서 왔다면 증인은 한 명이다. URL의 복수성은 합의의 독립성을 보장하지 않는다.

출발점이 된 관찰에서는 같은 뿌리의 여러 사이트가 별개 출처처럼 집계될 수 있다는 문제도 제기됐다. 그 특정 사례를 여기서 재현한 것은 아니다. 그래서 의도를 판정하는 대신 감사 단위를 바꿔야 한다. 링크 수를 세는 데서 멈추지 말고, 누가 소유하고 누구의 이해를 대변하는지 묶어 봐야 한다. 그래야 다섯 개의 출처인지 한 증인의 다섯 페이지인지 구분할 수 있다.

## 좋은 GEO는 자기소개를 숨기지 않는다

자사 사이트를 쓰지 말라는 뜻은 아니다. 운영시간, 가격, 절차, 제한, 담당자, 원자료처럼 자신이 가장 잘 증언할 수 있는 사실은 자사 사이트에 정확하고 구조적으로 남겨야 한다. AI가 읽을 수 있는 공식 기록이 없으면 오래된 블로그와 부정확한 요약이 빈자리를 차지한다.

경계는 자기소개를 제3자 평가처럼 위장하는 순간 생긴다. “2026년 최고의 업체”라는 비교표를 만들고 자신을 1위에 올리거나, 같은 소유자가 여러 매체인 것처럼 페이지를 나눠 합의를 연출하면 정보 구조화가 아니라 관계 은폐에 가까워진다. 반대로 작성 주체와 소유 관계를 드러내고, 자사 자료가 답할 수 없는 비교 판단은 고객 기록·공공 데이터·독립 시험처럼 다른 자격의 근거에 맡기면 출처는 역할을 되찾는다.

AI 검색에서 가장 먼저 감사해야 할 숫자는 인용 횟수가 아니다. 한 문장을 지지하는 출처들이 실제로 서로 독립되어 있는가다. 다음에 추천 답변의 링크 세 개를 보게 되면 세 링크를 세 증인으로 계산하기 전에, 누가 누구에 대해 말하고 있는지부터 보자.

각주는 문장의 주소를 알려준다. 그 주소에 사는 사람이 증인인지 당사자인지는 여전히 우리가 확인해야 한다.

---

주요 참고: Citly, [측정 방법론](https://www.citly.co.kr/methodology?ref=zerodraftlab.com); Nelson Liu, Tianyi Zhang, Percy Liang, [Evaluating Verifiability in Generative Search Engines](https://aclanthology.org/2023.findings-emnlp.467/?ref=zerodraftlab.com); Jeongyeon Hwang 외, [Retrieval-Augmented Generation with Estimation of Source Reliability](https://aclanthology.org/2025.emnlp-main.1738/?ref=zerodraftlab.com); Rustem Kakimov 외, [Auditing Citation Behavior in AI-Generated Search Summaries](https://proceedings.mlr.press/v318/kakimov26a.html?ref=zerodraftlab.com). 출처 독립성·소유 관계에 관한 적용은 위 공개 방법론과 연구를 바탕으로 한 이 글의 해석이다. 원출발점인 소셜 캡처의 특정 수치와 서브도메인 사례는 독립적으로 재현하지 않았으므로 본문의 일반 명제를 입증하는 실측값으로 사용하지 않았다.