“검색 상위 노출 넘어 AI 답변 선점까지” 美 선거판으로 확산하는 GEO 경쟁, 정보 신뢰성 도마 위

美 정치권 파고든 AI 챗봇 맞춤형 홍보 전략, 유권자 정보 탐색 방식 변화
시장서도 AI 답변 노출 경쟁 불붙어, GEO·AEO 마케팅 심화
"허위·편향 정보 확산 우려" 정보 신뢰성 검증 과제로 부상

미국 선거 후보들이 인공지능(AI) 챗봇을 겨냥한 새로운 선거운동 전략을 도입하고 있다. 유권자들이 생성형 AI를 통해 후보자와 정책 정보를 탐색하는 사례가 늘면서, 이른바 생성형 엔진 최적화(Generative Engine Optimization·GEO) 움직임이 확산하는 양상이다. 다만 일각에서는 생성형 AI가 부정확하거나 편향된 정보를 사실처럼 제시할 수 있는 만큼, 정치 정보가 AI 최적화 경쟁의 대상이 될 경우 유권자의 정보 판단이 왜곡될 위험이 있다는 우려도 나온다.

AI 챗봇, 선거운동 한 축으로

26일(이하 현지시각) 로이터통신은 미국 매사추세츠주 주지사 선거에 출마한 공화당 마이크 미노그 후보를 위해 작성된 선거 전략 문건을 입수했다고 보도했다. 해당 문건은 챗GPT, 클로드, 제미나이 등 주요 AI 챗봇이 세금·주택·공공안전 등 핵심 정책에 관한 질문에 답변할 때 미노그 후보를 유리하게 소개하도록 하는 구상을 담고 있다. 문건 작성처는 미국 텍사스주 오스틴에 본사를 둔 디지털 전략 업체 비시젠트(Visigent)다.

비시젠트는 AI 챗봇이 자주 인용하는 웹사이트에 미노그 후보의 정책을 설명하는 페이지와 관련 자료를 수백 건 제작·게시하고, 신뢰도가 높은 외부 사이트에는 비용을 지불해 관련 콘텐츠를 게재하는 방안을 제시했다. 유튜브와 레딧에 후보의 정책을 홍보하는 게시물을 배포하거나, 주요 AI 챗봇이 정책 관련 질문에 어떤 답변을 내놓는지 지속적으로 점검하는 절차도 전략에 포함됐다. 이후 챗봇의 답변에 미노그 후보의 정책이 충분히 반영되지 않았다고 판단될 시 온라인 정보를 수정·보완하는 방식이다. 다만 이 전략이 실제 채택·실행됐는지는 확인되지 않았다.

AI로 후보자 탐색하는 유권자들

비시젠트는 이러한 전략을 수행하는 대가로 정치 캠페인에 월 최소 5,000달러(약 670만원)를 청구하며, 유료 콘텐츠 게재와 인플루언서 섭외 등까지 포함할 경우 비용이 월 5만 달러(약 6,680만원)까지 높아질 수 있다고 설명했다. 로이터가 확인한 발표 자료에는 특정 정책 분야에서 AI 챗봇의 추천을 확보하는 이른바 '카테고리 승리(category win)'에 최대 20만 달러(약 2억6,715만원)의 성과 보수를 책정하는 내용도 담겼다. 비시젠트 최고경영자(CEO) 토머스 하월(Thomas Howell)은 로이터에 자사가 6개 정치 캠페인을 고객으로 확보하고 있다고 밝혔으나, 구체적인 명단은 공개하지 않았다.

이 같은 AI 맞춤형 선거 전략이 등장한 배경에는 유권자들의 정보 탐색 방식 변화가 있다. 미 시민단체 전국시민참여회의(National Conference on Citizenship·NCoC)의 캐머런 히키 CEO는 지난 23일 언론 브리핑에서 AI 챗봇을 활용해 선거 후보자를 탐색하는 유권자 비중이 빠르게 커지고 있다고 밝혔다. NCoC가 미국 내 투표 자격을 갖춘 유권자를 대상으로 실시한 여론조사 결과, 챗봇을 이용해 후보자 정보를 찾아봤다는 응답 비율이 2주 전 14%에서 최근 25%로 11%P 상승했다는 것이다. 다만 해당 수치는 정식 조사 결과 발표에 앞서 공개된 예비 집계로, 구체적인 표본 수와 조사 방식, 오차범위 등은 아직 확인되지 않았다.

GEO·AEO 개념 확산

이처럼 AI 챗봇을 통해 정보를 탐색하는 흐름은 정치권을 넘어 온라인 마케팅 시장에서도 관찰된다. 이용자가 구매를 결정할 때 여러 웹사이트를 직접 방문해 자료를 비교하는 대신 AI가 요약·정리한 답변을 활용하는 경우가 늘자, 기업 입장에서도 AI 챗봇이 새로운 마케팅 경쟁 요소로 부상한 것이다. 이러한 변화를 반영해 등장한 개념이 GEO와 답변 엔진 최적화(Answer Engine Optimization·AEO)다.

GEO는 생성형 AI가 이용자의 질문에 답할 때 특정 기업이나 기관의 콘텐츠를 참고·인용하도록 온라인 정보의 구성과 배포 방식을 최적화하는 전략이다. 기존 검색엔진 최적화(Search Engine Optimization·SEO)가 검색 결과에서 웹사이트의 노출 순위를 높이고 방문자를 유인하는 데 초점을 맞췄다면, GEO는 AI가 생성하는 답변 자체에 관련 내용이 반영될 가능성을 제고하는 것에 중점을 둔다. AEO 역시 AI 기반 검색 환경에 대응하기 위한 전략이지만, 상대적으로 이용자의 질문에 직접적인 해답을 제공하는 데 무게를 실은 개념으로 통용된다. 검색엔진의 추천 답변, 음성 비서, AI 요약 서비스 등이 특정 질문에 대응하는 정보를 쉽게 추출하도록 콘텐츠를 구성하는 방식이다. 다만 업계에서 두 개념의 구분이 명확하게 정립된 것은 아니며, 각 용어의 정의는 사용하는 주체에 따라 일정 부분 차이를 보일 수 있다.

시장의 콘텐츠 최적화 사례

실제 기업들도 생성형 AI를 겨냥한 검색 마케팅에 속속 뛰어들고 있다. 대표적인 기업은 미국 소프트웨어 업체 어도비다. 어도비는 지난해 10월 챗GPT·제미나이 등 AI 서비스에서 자사 브랜드가 어떻게 언급·인용되는지 분석하고 온라인 콘텐츠를 최적화할 수 있는 '어도비 대규모언어모델(LLM) 옵티마이저'를 정식 출시했으며, 해당 솔루션을 자사 제품인 파이어플라이와 애크로뱃에도 적용했다. 웹사이트의 콘텐츠 구조를 정비하는 동시에 전문 매체, 소셜미디어 등 외부 플랫폼에서도 관련 정보의 노출을 확대한 것이다. 그 결과 파이어플라이의 AI 답변 내 인용 건수는 일주일 만에 5배 증가했으며 애크로뱃의 경쟁사 대비 AI 가시성은 200%, AI를 통한 웹사이트 유입량은 41% 늘어났다.

여타 기업도 유사한 전략을 추진하고 있다. 미국 자동차 제조업체 제너럴모터스(GM)는 AI 챗봇이 차량 관련 질문에 답변할 때 자사 브랜드와 제품 정보를 정확하게 인식하도록 웹페이지를 최적화해 AI 검색 내 브랜드 가시성을 23%, 인용 건수를 35% 높였다. 스위스 제약사 로슈 역시 검색 마케팅 플랫폼 셈러시의 AI 최적화 솔루션을 활용해 AI 챗봇의 답변에서 자사 브랜드의 노출 빈도와 언급 방식을 분석하는 전략을 도입했다. 이후 셈러시 집계상 추적 대상 시장 AI 답변 내 로슈의 브랜드 언급 점유율은 67.3%까지 상승했다.

표1. 글로벌 기업의 생성형 AI 검색 최적화 사례

AI 챗봇, 기술적 한계 여전

다만 일각에서는 검색 시장의 중심축이 생성형 AI로 이동하는 현 상황에 대한 우려의 목소리도 나온다. LLM의 특성상 불특정 다수의 이용자에게 사실관계가 검증되지 않은 정보가 확산할 위험을 배제할 수 없기 때문이다. LLM은 기본적으로 방대한 학습 데이터에서 단어와 문장 사이의 통계적 패턴을 학습하고, 이를 바탕으로 문맥에 적합한 다음 단어나 표현을 예측해 문장을 생성한다. 결과물이 자연스럽고 논리적으로 보인다고 해서 그 내용의 사실성이나 인과관계까지 검증됐다고 볼 수는 없다는 의미다. 외부 검색 기능을 결합한 AI 서비스 역시 참고 자료의 정확성이나 신뢰성을 완벽하게 판별하는 것은 아니다.

이러한 기술적 구조에서 비롯되는 대표적인 한계가 '할루시네이션(Hallucination·환각)' 현상이다. 이는 AI가 사실관계가 확인되지 않았거나 실제로 존재하지 않는 정보를 마치 정확한 사실인 것처럼 생성하는 것을 의미하는 용어다. 문제는 할루시네이션 현상이 발생한다고 해서 이용자가 생성형 AI가 제시한 개별 내용의 정확성을 낱낱이 검증하기는 어렵다는 점이다. 기존 검색 엔진은 공식 웹사이트와 신뢰도 높은 출처의 자료를 검색 결과 상단에 배치하고, 이용자가 여러 정보를 직접 비교·검증할 수 있도록 하는 형태가 대부분이었다. 반면 생성형 AI 기반 검색은 출처와 신뢰도가 서로 다른 내용을 하나의 자연스러운 문장으로 통합하는 과정에서 부정확하거나 편향된 정보가 사실처럼 전달될 위험이 있으며, 답변의 근거가 되는 원문이나 출처가 명확하게 제시되지 않는 경우도 많다.