AI 에이전트가 고객이 되는 시대, GEO는 무엇을 준비해야 할까?
AI 에이전트가 사람 대신 검색하고, 비교하고, 구매 후보까지 골라주는 시대가 이미 시작됐습니다. SEO Week 2026 마지막 날 발표들은 하나의 방향을 가리켰는데요. 봇 트래픽이 인간 트래픽과 맞먹는 수준까지 올라왔고, AI 에이전트는 브랜드를 추천하기 전에 '검증 레이어(Verification Layer)'를 거쳐 스스로 평가한다는 사실입니다. 이제 최적화의 대상은 사람만이 아닙니다. 콘텐츠를 읽고 판단하고 선택하는 AI 에이전트까지 설득해야 AI 검색과 추천 결과에서 살아남을 수 있습니다. 이 글에서는 SEO Week 2026의 핵심 발표와 최신 연구 데이터를 토대로, AI 에이전트 시대에 실제로 통하는 GEO 전략을 정리합니다.
목차
- 지오랭크가 겪은 AI 에이전트 트래픽의 변화
- AI 에이전트란 무엇이고 왜 지금 중요할까?
- AI 에이전트 시대의 GEO 전략, 무엇부터 바꿔야 할까?
- 데이터가 말하는 AI 에이전트의 선택 기준은?
- AI 에이전트 관련 자주 묻는 질문
- 함께 읽으면 좋은 콘텐츠
- 참조논문
지오랭크가 겪은 AI 에이전트 트래픽의 변화
지오랭크가 담당한 커머스 기업 D사의 서버 로그에서 AI 에이전트성 봇 트래픽 비중은 8개월 만에 전체의 11%에서 34%까지 늘었습니다. 사람의 방문은 거의 그대로인데, 페이지를 읽고 비교하는 기계의 방문이 세 배 이상 뛴 것인데요. 이 변화를 어떻게 다루느냐가 이후 성과를 갈랐습니다.
솔직히 처음에는 시행착오가 있었습니다. 급증한 봇 트래픽을 서버 비용 낭비로 판단해 일부 AI 크롤러를 차단했는데, 6주 뒤 ChatGPT와 Perplexity 답변에서 D사 제품 인용이 눈에 띄게 줄었습니다. 모니터링 중이던 40개 핵심 질문 기준으로 인용 포함률이 22%에서 9%까지 떨어졌습니다. AI 에이전트가 정보를 가져갈 통로를 막아버리니, 추천 후보에서도 빠지기 시작한 것입니다.
차단을 해제하고 방향을 바꿨습니다. 상품 정보를 표와 스키마로 구조화하고, 가격·배송·반품 정책처럼 에이전트가 확인하는 사실 정보를 페이지 상단에 명시했습니다. 리뷰 데이터도 구조화 마크업으로 노출했는데요. 그 결과 4개월 후 같은 40개 질문 기준 인용 포함률이 31%까지 회복됐고, AI 검색 경유 유입은 차단 이전 대비 2.1배로 늘었습니다. AI 에이전트를 비용이 아니라 새로운 고객 접점으로 다시 정의한 것이 전환점이었습니다.
AI 에이전트란 무엇이고 왜 지금 중요할까?
AI 에이전트란 사용자의 목표를 받아 스스로 검색하고, 여러 페이지를 비교·평가한 뒤, 결정이나 실행까지 대신하는 AI 시스템을 말합니다. 질문에 답만 하는 챗봇과 달리, AI 에이전트는 계획을 세우고 웹을 돌아다니며 작업을 완료합니다. SEO Week 2026에서 Ryan Jones가 "봇 트래픽이 이제 인간 트래픽과 동등해졌다"고 말한 배경이 여기에 있습니다.
챗봇과 AI 에이전트의 차이를 정리하면 다음과 같습니다.
| 구분 | 챗봇 (기존 AI 검색) | AI 에이전트 |
|---|---|---|
| 역할 | 질문에 답변 생성 | 목표를 받아 작업 수행 |
| 웹 접근 | 검색 결과 요약 중심 | 여러 페이지 방문·비교·평가 |
| 의사결정 | 사용자가 최종 판단 | 후보 선별·추천·실행까지 대행 |
| 최적화 포인트 | 인용되기 좋은 문장 | 검증 가능한 사실·구조화 데이터 |
| 대표 사례 | ChatGPT 답변, AI Overviews | 에이전트 쇼핑, 딥리서치, 예약 대행 |
왜 지금 중요할까요? Crystal Carter는 SEO Week 2026에서 에이전트가 사용자에게 무언가를 추천하기 전에 브랜드를 평가하는 '검증 레이어'라는 개념을 제시했습니다. 사람이 보기 전에 AI 에이전트가 먼저 보고, 사람이 고르기 전에 AI 에이전트가 먼저 거릅니다. 이 관문을 통과하지 못하면 아무리 좋은 제품과 콘텐츠도 고객을 만날 기회 자체가 줄어드는 것인데요.
AI 에이전트 시대를 준비하는 기본 순서는 다음과 같습니다.
- 접근 허용 점검: robots.txt와 방화벽에서 주요 AI 크롤러·에이전트의 접근 상태를 확인합니다.
- 사실 정보 정리: 가격, 스펙, 정책 등 에이전트가 검증하는 정보를 페이지에 명확한 텍스트로 노출합니다.
- 구조화 마크업 적용: 상품·리뷰·FAQ 스키마로 기계가 읽기 좋은 데이터 층을 만듭니다.
- 외부 평판 구축: 제3자 리뷰, 언론 보도, 커뮤니티 언급을 확보합니다.
- 인용·추천 모니터링: 핵심 질문 세트를 정해 AI 답변 속 자사 노출을 주기적으로 추적합니다.
AI 에이전트 시대의 GEO 전략, 무엇부터 바꿔야 할까?
우선순위는 분명합니다. 자사 사이트의 구조화보다 먼저 점검할 것은 없고, 그다음이 외부 평판, 마지막이 측정 체계입니다. SEO Week 2026의 발표들을 실무 관점에서 재구성하면 세 개의 축으로 정리되는데요. 하나씩 살펴보겠습니다.
첫 번째 축은 검증 가능한 자사 데이터입니다. AI 에이전트는 화려한 카피가 아니라 확인 가능한 사실을 수집합니다. James Cadwallader는 AI 응답의 약 50%가 직접적인 답변을 넘어서는 부가 의견으로 구성된다고 지적했습니다. 브랜드가 데이터를 제공하지 않으면, AI가 다른 출처를 조합해 우리 브랜드를 설명해버립니다. 신선하고 권위 있는 1차 정보를 자사 페이지에 계속 공급해야 AI 에이전트가 그리는 브랜드상이 왜곡되지 않습니다.
두 번째 축은 Jordan Leschinsky가 제시한 Earned Architecture, 즉 남이 말해주는 구조입니다. 그는 자사 콘텐츠보다 타인의 평가가 AI 가시성에 더 큰 영향을 준다고 주장했는데요. PR 기사, 전문가 인용, 커뮤니티 토론처럼 브랜드가 직접 발행하지 않은 신호가 AI 에이전트의 신뢰 판단에 크게 작용합니다. 다만 여기에는 한계도 있습니다. 외부 평판은 통제가 어렵고 시간이 오래 걸립니다. 지오랭크의 경우 자사 콘텐츠 정비와 외부 언급 확보를 병행하되, 단기 성과는 전자에서, 중장기 방어력은 후자에서 찾는 방식을 권합니다.
세 번째 축은 측정과 운영 체계입니다. 순위 추적만으로는 부족합니다. Christian Ward의 분석처럼 순위와 AI 가시성은 관련은 있지만 같은 것이 아니기 때문인데요. 클릭과 순위 중심의 기존 지표에, AI 답변 인용률과 브랜드 점유율(Share of Voice) 지표를 더해야 AI 에이전트 시대의 성과가 보입니다.
놓치기 쉬운 부분이 하나 더 있습니다. Paul Shapiro는 에이전트 기반 미래를 수용하되, 보안과 인프라 관리가 실제 구현의 핵심이라고 강조했는데요. AI 에이전트가 늘어난다는 것은 사이트에 접속하는 자동화 주체가 늘어난다는 뜻이기도 합니다. 정상적인 AI 에이전트와 악성 봇을 구분하는 트래픽 관리 체계, 서버 부하 대비, 민감 정보 노출 점검이 함께 가야 구조화 작업이 빛을 봅니다.
트래픽이 갑자기 빠졌을 때의 대응 순서도 알아두면 좋습니다. Ilana Gershteyn은 구글 트래픽 급락을 겪은 기업들에게 "공포는 창의성을 제한한다"며, 감정적 대응 대신 기술 문제, 콘텐츠 품질, 사이트 속도 순으로 체계적으로 진단하라고 조언했습니다. AI 에이전트 시대에도 이 순서는 유효한데요. 급락의 원인이 알고리즘이 아니라 크롤러 차단 설정 하나일 때도 의외로 많기 때문입니다.
세 축을 비교하면 다음과 같습니다.
| 전략 축 | 핵심 작업 | 성과 체감 시점 | 비용 수준 |
|---|---|---|---|
| 자사 데이터 구조화 | 스키마, 표, 사실 정보 명시 | 1~3개월 | 낮음~중간 |
| Earned Architecture | PR, 전문가 인용, 커뮤니티 | 3~12개월 | 중간~높음 |
| 측정 체계 구축 | 인용률·점유율 추적 | 즉시 (판단 근거 확보) | 낮음 |
전략을 선택할 때 고려할 점도 있습니다. 모든 기업이 세 축을 동시에 최대로 돌릴 필요는 없습니다. 커머스처럼 에이전트 구매 대행의 영향이 큰 업종은 상품 데이터 구조화가 먼저고, 전문 서비스업은 외부 평판과 저자 신뢰도가 먼저입니다. 업종별 노출 구조가 궁금하다면 지오랭크가 정리한 AI 쇼핑 최적화 가이드도 함께 보시면 좋습니다.
데이터가 말하는 AI 에이전트의 선택 기준은?
대규모 데이터와 통제 실험이 공통으로 보여주는 결론은, AI 에이전트의 선택이 사람과 다르게 움직이며 그 기준을 알면 대응할 수 있다는 것입니다. 감이 아니라 수치로 확인된 근거들을 살펴보겠습니다.
먼저 규모 데이터입니다. Yext의 Christian Ward는 SEO Week 2026에서 216만 건의 로컬 검색과 172만 건의 AI 인용을 분석한 결과를 공개했습니다. 핵심 발견은 두 가지였는데요. 검색 순위와 AI 가시성은 상관관계가 있지만 동일하지 않다는 점, 그리고 AI 채택이 진행될수록 개인화 때문에 가시성이 분산된다는 점입니다. 같은 질문을 해도 사용자마다 다른 답을 받는 환경에서는, 하나의 키워드 순위가 아니라 질문 묶음 전체에서의 노출 확률을 관리해야 합니다.
다음은 통제 실험입니다. 컬럼비아대 연구진이 2025년 발표한 논문 'What Is Your AI Agent Buying?'은 ACES라는 프레임워크로 AI 에이전트의 쇼핑 의사결정을 실험했는데, 결과가 흥미롭습니다. 첫째, AI 에이전트는 소수의 '모달 상품'에 수요를 집중시키는 선택 동질성을 보였습니다. 사람보다 쏠림이 훨씬 강합니다. 둘째, 모델이 업데이트되면 시장 점유율이 크게 뒤바뀌었습니다. 셋째, 스폰서 표시가 붙은 상품에는 일관되게 페널티를 주고, 플랫폼의 공식 보증에는 가산점을 줬습니다. 넷째, 판매자가 질문 맥락에 맞춰 상품 설명만 조정해도 에이전트 선택 점유율이 유의미하게 올랐습니다.
이 결과는 실무에 바로 시사점을 줍니다. 광고비로 밀어붙이는 전략은 AI 에이전트 앞에서 오히려 감점 요인이 될수 있고, 상품 설명과 데이터 품질을 다듬는 지루한 작업이 점유율을 움직입니다. 다만 한계도 함께 봐야 합니다. 모델 업데이트마다 선택 기준이 흔들리는 만큼, 한 번의 최적화로 끝나는 게임이 아니라 계속 관측하고 조정하는 운영의 문제입니다.
지오랭크 고객 사례도 같은 방향을 가리킵니다. 전문 서비스 기업 E사는 서비스 소개 페이지에 요금 구조와 처리 기간을 표로 명시하고 FAQ 스키마를 적용한 뒤, 5개월 만에 관측 대상 질문에서 AI 답변 인용 횟수가 월 평균 14건에서 41건으로 늘었습니다. 반면 같은 기간 브랜드명 검색량 자체는 거의 변하지 않았는데요. 사람 눈에 보이는 지표가 잠잠해도 AI 에이전트 층에서는 변화가 먼저 일어난다는 점을 보여주는 사례입니다.
Lisa Paasche와 Ruth Burr Reedy의 발표처럼, 결국 이 변화를 다루는 것은 사람과 조직입니다. 초급 작업은 자동화되더라도 전략을 세우고 데이터를 해석하는 역량의 가치는 오히려 커집니다. 위협으로 받아들이면 창의성이 굳고, 새로운 고객층이 생겼다고 받아들이면 기회가 됩니다.
AI 에이전트 관련 자주 묻는 질문
AI 에이전트와 AI 검색(챗봇)은 뭐가 다른가요?
AI 검색은 질문에 답변을 생성해 보여주는 단계에 머물고, 최종 판단은 사람이 합니다. AI 에이전트는 목표를 받아 여러 페이지를 직접 방문·비교하고 후보 선별이나 예약·구매 같은 실행까지 대신합니다. 답변에 인용되는 것을 넘어, 에이전트의 평가 관문을 통과하는 것이 과제가 됩니다.
AI 에이전트 봇 트래픽은 차단하는 게 좋지 않나요?
일괄 차단은 권하지 않습니다. 지오랭크가 겪은 사례처럼 크롤러를 막으면 AI 답변 인용과 추천 후보에서 함께 빠질 수 있습니다. 다만 콘텐츠 도용이 우려되는 미디어·콘텐츠 기업이라면 봇별로 선별 허용하는 전략이 필요합니다. 업종과 비즈니스 모델에 따라 판단이 달라지는 영역입니다.
AI 에이전트 대응은 기존 SEO와 별개로 해야 하나요?
별개가 아닙니다. Ryan Jones의 표현처럼 SEO는 죽은 것이 아니라 진화하는 중입니다. 크롤링 가능한 구조, 명확한 정보, 신뢰 신호 같은 기본기는 그대로 유효하고, 그 위에 구조화 데이터와 인용률 측정 같은 GEO 작업이 더해지는 구조입니다. 기존 SEO 자산이 탄탄할수록 AI 에이전트 대응도 빨라집니다.
성과는 어떻게 측정하나요? 순위 추적으로는 안 되나요?
순위만으로는 부족합니다. 순위와 AI 가시성은 상관은 있지만 동일하지 않다는 것이 216만 건 로컬 검색 분석의 결론입니다. 자사 업종의 핵심 질문 20~40개를 정해두고, AI 답변에서 브랜드가 인용·추천되는 비율을 주기적으로 기록하는 방식을 권합니다. 여기에 AI 검색 경유 유입과 전환을 함께 보면 전체 그림이 잡힙니다.
작은 기업도 AI 에이전트 대응이 가능한가요?
가능합니다. 통제 실험에서 상품 설명을 질문 맥락에 맞게 조정하는 것만으로 에이전트 선택 점유율이 올랐다는 결과가 있었습니다. 대규모 광고 예산보다 정보의 정확성과 구조가 작동하는 영역이라, 오히려 작은 기업이 큰 기업과 같은 출발선에 설 수 있는 기회이기도 합니다.
함께 읽으면 좋은 콘텐츠
AI 에이전트를 포함한 기계 방문자 전체를 어떻게 맞이할지 궁금하시다면? 머신 미디어 시대가 왔습니다, AI 봇이 인간을 추월하기 직전 GEO가 답입니다에서 데이터 레이어 관점의 대응 전략을 확인할 수 있습니다.
AI 에이전트가 답을 만들 때 내부에서 실행하는 검색 과정이 궁금하시다면? 에이전틱 RAG 가이드에서 멀티 서브쿼리 구조와 브릿지 엔티티 전략을 다뤘습니다.
커머스에서 AI 쇼핑 추천에 오르는 방법이 궁금하시다면? AI 검색 이커머스 쇼핑 최적화에서 상품 피드와 추천 노출 전략을 정리했습니다.