부제: 생성형 AI가 브랜드 메시지를 재구성하는 방식과 GEO 커뮤니케이션의 새로운 과제
이중대 · 메시지하우스 대표 · 전략 커뮤니케이션 컨설턴트, 읽는 데 약 12분
검색엔진 시대에 기업은 발견되기 위해 경쟁했다. 생성형 AI 시대에는 어떻게 해석될 것인지를 두고 경쟁한다.
이 글은 이런 질문에 답합니다
- 생성형 AI는 기업 커뮤니케이션에서 어떤 미디어로 작동하는가?
- AI가 우리 회사를 잘못 설명할 때, 그 오류는 어디에서 시작되는가?
- AI는 기존 PESO(페이드·어인드·쉐어드·오운드) 미디어에 이어진 단순한 '다섯 번째 채널'에 불과한가?
- 기업의 브랜드 메시지는 무엇을 기준으로 성립하는가?
- GEO는 AI 답변을 통제하는 기술인가, 아니면 다른 무엇인가?
사람들은 더 이상 검색 결과에 나온 링크를 하나씩 열어보는 방식으로만 정보를 얻지 않는다. ChatGPT, Gemini, Perplexity, Claude와 같은 생성형 AI에 질문하고, AI가 정리한 설명을 바탕으로 기업과 상품을 이해한다. 여러 대안을 비교하고, 구매나 투자, 지원 여부를 판단하는 과정에도 AI의 설명이 개입한다.
이 변화는 검색 기술만으로는 충분히 설명하기 어렵다. 생성형 AI는 정보를 찾아주는 도구를 넘어, 기업과 사람 사이에서 정보를 선택하고 연결하며 의미를 부여하는 새로운 미디어로 작동하기 때문이다. 이 지점에서 60여 년 전 마셜 매클루언이 남긴 질문이 다시 중요해진다.
1부 · 미디어는 메시지다
“미디어는 메시지다”의 진짜 의미
캐나다의 영문학자이자 미디어 이론가인 마셜 매클루언(Marshall McLuhan, 1911~1980)은 텔레비전과 전자 미디어가 확산되던 시기에 기술이 인간의 지각과 사회구조를 어떻게 바꾸는지 탐구했다. ‘미디어는 메시지다’, ‘지구촌’, ‘인간의 확장’과 같은 개념을 통해 현대 미디어 연구에 큰 영향을 미쳤다.
그가 1964년 출간한 『미디어의 이해』에서 제시한 가장 유명한 명제는 “미디어는 메시지다”이다. 여기서 메시지는 미디어가 운반하는 개별 콘텐츠만을 뜻하지 않는다. 새로운 미디어가 인간의 활동과 관계에 만들어 내는 규모와 속도, 패턴의 변화가 더 근본적인 메시지라는 뜻이다.
매클루언은 전등도 미디어의 사례로 들었다. 전등 자체에는 신문 기사나 방송 프로그램처럼 정해진 콘텐츠가 없다. 그러나 전등은 밤에도 일하고, 이동하고, 교류할 수 있는 환경을 만들었다. 전등의 진짜 메시지는 빛이 전달하는 내용이 아니라, 빛이 바꾸어 놓은 인간 활동의 조건이었다.
같은 관점에서 보면 생성형 AI의 의미도 답변창에 나타난 문장만으로는 설명할 수 없다. 더 중요한 변화는 사람들이 정보를 찾고, 비교하고, 신뢰하며, 의사결정을 내리는 방식이 달라지고 있다는 데 있다.
이 AI 답변창에 원하는 문장을 밀어 넣는 것이 아니라, 사람들이 AI의 설명을 먼저 접하는 환경에서 우리 회사가 어떤 근거로 해석될지를 관리해야 한다. 매클루언의 관점이 GEO로 이어지는 지점이 바로 여기다. GEO는 검색 노출을 높이는 기술이 아니라, 달라진 정보 습관에 맞춰 기업의 설명과 근거를 관리하는 커뮤니케이션 역량이다.
2부 · 해석 레이어
AI는 기업과 사람 사이에 놓인 ‘해석 레이어’다
검색엔진은 관련 정보를 찾아 순서대로 배열했다. 어떤 링크를 열고, 무엇을 신뢰하며, 여러 정보를 어떻게 연결할지는 주로 사용자의 몫이었다.
생성형 AI는 이 과정의 상당 부분을 대신한다. 질문의 의도를 해석하고, 여러 출처에서 정보를 모아 핵심 내용을 요약한다. 기업과 제품을 비교하고, 장단점과 적용 조건을 설명하며, 때로는 특정 대안을 추천하기도 한다.
사용자는 개별 출처를 모두 확인하기 전에 AI가 구성한 설명을 먼저 접한다. 그 순간 AI는 기업과 사용자 사이에 놓인 새로운 해석 레이어가 된다. 기업이 직접 작성한 설명을 그대로 전달하는 것이 아니라, 시장에 흩어진 여러 정보를 선택하고 압축해 다시 설명한다.
로이터저널리즘연구소의 『디지털 뉴스 리포트 2025』는 AI 챗봇의 뉴스 이용 비중이 아직 전반적으로 크지는 않지만, 새로운 정보 접근 경로로 등장하고 있다고 분석했다. 국가별 편차도 상당했다. 이는 AI 기반 정보 이용이 모든 시장에서 같은 속도로 확산되고 있지는 않지만, 새로운 정보 인터페이스가 형성되고 있음을 보여준다.
퓨리서치센터가 2025년 3월 미국 성인 약 900명의 구글 검색 이용 행태를 분석한 결과도 이러한 변화를 보여준다. AI 요약이 표시된 검색에서는 일반 검색 결과 링크를 클릭한 비율이 8%로, AI 요약이 없을 때의 15%보다 낮았다. AI 요약 안에 포함된 출처 링크를 직접 클릭한 비율은 1%에 그쳤다.
미국 이용자를 대상으로 한 제한적인 조사이므로 이를 모든 국가와 검색 환경에 그대로 적용할 수는 없다. 다만 사용자가 여러 링크를 직접 비교하기보다 AI가 구성한 설명 안에서 탐색을 끝낼 가능성이 커지고 있다는 신호로는 읽을 수 있다.
구글은 AI Overviews와 AI Mode를 복잡한 주제를 빠르게 파악하고 관련 정보를 추가로 탐색하도록 돕는 기능으로 설명한다. 그러나 플랫폼이 의도한 ‘출발점’이 사용자에게는 사실상의 ‘결론’이 될 수 있다. 기업이 AI의 해석 구조를 커뮤니케이션 문제로 다뤄야 하는 이유다.
AI 오답 뒤에는 ‘커뮤니케이션 부채’가 있다
진단 현장의 한 장면 한 기업의 AI 답변을 진단했을 때, 질문의 표현을 조금 바꾸자 답변을 구성하는 근거가 크게 달라진 적이 있다. 회사의 현재 사업을 직접 묻는 질문에는 공식 웹사이트의 설명이 일부 반영됐다. 그러나 시장 내 강점과 경쟁력을 묻자 수년 전 언론 보도와 외부 평가가 답변의 중심으로 올라왔다.
기업은 이미 사업 방향을 바꾸고 공식 설명도 수정한 상태였다. 그러나 과거의 설명은 외부 정보 환경에 여전히 남아 있었고, 새로운 방향을 확인해 줄 근거는 충분히 축적되지 않았다. AI가 낡은 설명을 새로 만들어 낸 것은 아니었다. 조직이 미처 정리하지 못한 과거의 정보를 다시 조합해 보여준 것이다. |
AI의 잘못된 답변 가운데 일부는 모델이 근거 이상으로 추론하면서 발생한다. 그러나 일부는 기업이 오랫동안 방치한 정보의 충돌에서 시작된다. 오래된 페이지, 부서마다 다른 수치, 근거 없는 최상급 표현, 갱신되지 않은 회사 소개가 쌓이면서 커뮤니케이션 부채가 만들어진다.
PR 현장에서 오래 일하며 확인한 것은 메시지 문제의 상당 부분이 문장 표현보다 조직 안에 합의된 기준이 없다는 데서 시작된다는 사실이다.
따라서 기업이 AI 오답을 발견했을 때 첫 번째 질문은 “AI를 어떻게 고칠 것인가”가 되어서는 안 된다. 먼저 물어야 할 질문은 이것이다. “AI가 참고할 수 있는 정보 환경에 우리는 어떤 기준과 근거를 남겨 놓았는가?”
AI는 다섯 번째 채널이 아니다
기업 커뮤니케이션은 일반적으로 네 가지 미디어를 통해 움직인다.
자사 미디어(Owned)는 기업의 공식 사실과 기준을 설명한다. 획득 미디어(Earned)는 언론과 전문가 등 제3자가 그 설명을 확인하거나 평가한다. 구매 미디어(Paid)는 메시지의 도달 범위와 발견 가능성을 확대한다. 공유 미디어(Shared)는 고객과 이해관계자의 경험과 사회적 반응을 남긴다.
생성형 AI를 여기에 다섯 번째 채널로 단순히 추가해서는 변화의 본질을 충분히 설명하기 어렵다. AI 미디어는 네 개의 미디어 옆에 놓이는 또 하나의 상자가 아니다. 네 경로에 축적된 신호를 읽고 선택한 뒤, 새로운 답변으로 재구성하는 상위의 해석 레이어다.
기업이 홈페이지에서 강한 메시지를 선언해도 외부에서 확인할 수 있는 근거가 없다면 AI가 그 주장을 사실로 받아들일 가능성은 낮아진다. 반대로 기업이 충분히 설명하지 않은 영역에서 오래된 언론 보도나 부정적인 고객 경험이 반복되면, 그것이 AI 답변의 중심 맥락이 될 수 있다.
AI 시대의 브랜드 메시지는 기업이 정한 한 문장으로 완성되지 않는다. 회사가 스스로 밝힌 설명과 그 설명을 밖에서 확인해 주는 근거가 겹치는 범위만큼만 성립한다. 겹치는 범위가 좁으면 AI는 회사의 선언보다 외부에 더 많이 남아 있는 흔적을 중심으로 답한다.
설명이 풍부해질수록 판단은 더 중요해진다
매클루언은 아들 에릭과 함께 새로운 기술이 무엇을 강화하고, 무엇을 밀어내며, 과거의 무엇을 되살리고, 극단에 이르렀을 때 무엇으로 뒤집히는지를 묻는 ‘테트래드(tetrad)’를 발전시켰다. 생성형 AI에 마지막 질문을 적용하면 역설이 드러난다. 설명이 풍부하고 매끄러워질수록 출처와 책임 주체는 오히려 흐려지고, 검증의 부담은 다시 인간에게 돌아온다.
생성형 AI는 정보 접근 비용을 크게 낮춘다. 그러나 설명이 편리해질수록 사용자는 답변의 근거와 적용 조건을 놓치기 쉽다. AI가 판단을 돕는 수준을 넘어 판단을 대신하기 시작하면, 그럴듯한 오류가 더 빠르게 확산될 수도 있다.
유네스코도 생성형 AI가 잘못된 정보를 신뢰할 만한 문체로 제시할 수 있으며, 이용자가 출처를 확인하고 비판적으로 검토하는 미디어·정보 리터러시가 중요하다고 강조한다.
3부 · 커뮤니케이션의 과제
기업 커뮤니케이션은 무엇을 바꿔야 하는가
생성형 AI가 새로운 해석 레이어로 작동한다면 기업 커뮤니케이션의 역할도 달라져야 한다. 정보를 많이 생산하거나 특정 키워드를 반복하는 것만으로는 충분하지 않다. 기업에는 다음 세 가지 체계가 필요하다.
1. 조직의 설명 기준을 통일한다
기업명, 주요 사업, 상품 조건, 핵심 수치, 차별점, 적용 범위처럼 외부 설명의 기준이 되는 문장을 정리해야 한다. 홈페이지, 뉴스룸, 보도자료, 영업자료와 경영진 인터뷰가 서로 다른 사실을 말하고 있지는 않은지 점검해야 한다.
기준 문장은 슬로건이 아니다. 조직이 외부에 내보내는 언어의 기준선이다. 관련 부서가 함께 사용하고, 사업과 사실관계가 달라질 때마다 갱신할 수 있어야 한다.
중요한 것은 완벽하게 같은 문장을 반복하는 것이 아니다. 서로 다른 채널과 부서가 같은 사실과 방향을 바탕으로 각자의 목적에 맞게 설명하는 것이다.
2. 선언을 검증 가능한 근거로 전환한다
“혁신적이다”, “선도한다”, “신뢰받는다”와 같은 표현은 기업이 지향하는 이미지를 보여줄 수 있지만, 그 자체로는 충분한 증거가 되지 않는다. 수치, 조사 결과, 고객 사례, 제도적 인증, 전문가 평가와 같은 근거가 연결돼야 한다.
글로벌 PR 실무가 오래 사용해 온 메시지하우스(message house) 프레임워크도 이 관점에서 확장할 필요가 있다. 핵심 메시지와 서브 메시지 아래에 근거를 배치하는 데서 그치지 않고, 그 근거를 외부에서 누가 확인해 주는지까지 설계해야 한다.
3. AI의 해석을 반복적으로 점검한다
한 번의 질문 결과만으로 기업의 AI 가시성을 판단해서는 안 된다. 생성형 AI의 답변은 질문 표현, 측정 시점, 사용 모델, 검색 연결 상태 등에 따라 달라질 수 있다.
NIST의 AI 위험관리 프레임워크(AI RMF 1.0)는 위험을 조직 차원에서 관리하는 ‘거버넌스(Govern)’와 실제 영향을 평가하는 ‘측정(Measure)’을 포함해 Govern, Map, Measure, Manage의 네 가지 기능을 제시한다. GEO 진단도 한 번의 답변을 확인하는 데 그치지 않고, 동일한 질문군을 일정한 조건에서 반복 측정하며 중요한 오류와 누락의 변화를 관리해야 한다.
측정 대상도 단순한 언급 횟수에 머물러서는 안 된다. 최소한 다음 다섯 가지를 함께 살펴봐야 한다.
기업은 산업분류를 기준으로 경쟁사를 정하지만, AI는 사용자의 질문을 기준으로 경쟁 구도를 다시 만든다. GEO 진단은 우리가 생각하는 우리와 시장의 정보가 설명하는 우리 사이의 간격을 발견하는 작업이다.
GEO는 답변 통제가 아니라 정정 능력을 만드는 일이다
GEO를 둘러싼 가장 큰 오해는 기업이 생성형 AI의 답변을 원하는 문장으로 바꿀 수 있다는 생각이다. 기업은 AI 모델의 답변을 직접 통제할 수 없다. 특정 콘텐츠를 만들었다고 해서 반드시 인용되는 것도 아니다.
구글은 자사 AI 검색 기능에 포함되기 위해 별도의 특수한 최적화 기법이 필요한 것은 아니며, 기존 검색의 기본 원칙과 사용자 중심의 고품질 콘텐츠가 여전히 중요하다고 설명한다. 또한 구글 검색의 생성형 AI 기능을 위해 llms.txt와 같은 별도의 AI용 파일을 만들 필요가 없으며, 인위적인 외부 언급을 확보하는 접근도 도움이 되지 않는다고 명시하고 있다.
다만 이는 구글 검색의 AI 기능에 관한 공식 지침이다. 모든 생성형 AI 플랫폼의 수집·검색·인용 방식을 하나의 원리로 일반화해서는 안 된다. 플랫폼마다 학습 데이터, 실시간 검색 방식, 출처 선택 구조가 다르기 때문이다.
GEO의 목표는 AI가 기업의 뜻대로 말하게 만드는 것이 아니다. AI가 잘못 설명할 가능성을 낮추고, 오류가 나타났을 때 원인을 추적하며, 공식 정보와 외부 근거를 통해 바로잡힐 가능성을 높이는 것이다.
이를 위해 기업은 자신을 정확하게 설명하고, 그 설명을 일관되게 배포하며, 외부에서 확인할 수 있는 근거를 축적하고, AI의 해석을 지속적으로 관찰해야 한다. 이는 검색 순위를 높이는 단기 캠페인보다 위기 커뮤니케이션과 브랜드 거버넌스에 가까운 활동이다.
AI 시대의 PR도 기업이 하고 싶은 말을 알리는 데서 끝나지 않는다. 기업을 둘러싼 여러 사실과 평가가 일관되고 검증 가능한 설명으로 재구성될 수 있도록 정보 환경을 설계하는 일로 확장돼야 한다.
다시, 미디어는 메시지다
매클루언의 질문으로 돌아가면 생성형 AI의 진짜 메시지는 답변창 안에만 있지 않다. AI는 사람들이 정보를 찾는 순서, 기업을 비교하는 기준, 출처를 확인하는 습관, 브랜드를 신뢰하는 과정을 바꾸고 있다.
이에 따라 기업의 공식 웹사이트와 뉴스룸도 역할이 달라진다. 과거에는 사용자가 처음 방문하는 정보의 입구였다면, 이제는 AI가 구성한 설명의 사실과 조건을 확인할 수 있는 기준점이 되어야 한다. 상품 조건과 기준일, 적용 범위, 책임 주체를 명확히 남겨야 하는 이유다.
검색엔진 시대에 기업은 발견되기 위해 경쟁했다. AI 시대에는 어떻게 해석될 것인지를 두고 경쟁한다.
ABOUT THE AUTHOR
이중대 · 메시지하우스 대표
한국PR협회 디지털 PR 이사로 활동하며 기업 포지셔닝과 핵심 메시지, PR 전략을 자문한다. 마크앤컴퍼니의 커뮤니케이션 자문을 맡고 있으며, AI 검색 시대의 AIEO·GEO 전략을 연구·강연하고 『된다! AI 상위 노출』을 썼다. 기업이 가진 가치를 시장이 선택할 이유로 바꾸는 일을 한다. linkedin.com/in/junycap · jlee@messagehouse.kr
참고문헌
단행본
연구·조사 보고서
- National Institute of Standards and Technology. Artificial Intelligence Risk Management Framework (AI RMF 1.0). NIST AI 100-1. Gaithersburg, MD: NIST, 2023. https://www.nist.gov/itl/ai-risk-management-framework
- Newman, Nic, et al. Reuters Institute Digital News Report 2025. Oxford: Reuters Institute for the Study of Journalism, University of Oxford, 2025. https://reutersinstitute.politics.ox.ac.uk/digital-news-report/2025/dnr-executive-summary
- Chapekis, Athena, and Anna Lieb. “Google Users Are Less Likely to Click on Links When an AI Summary Appears in the Results.” Pew Research Center, July 22, 2025. https://www.pewresearch.org/short-reads/2025/07/22/google-users-are-less-likely-to-click-on-links-when-an-ai-summary-appears-in-the-results/
기관·플랫폼 공식 자료
부제: 생성형 AI가 브랜드 메시지를 재구성하는 방식과 GEO 커뮤니케이션의 새로운 과제
이중대 · 메시지하우스 대표 · 전략 커뮤니케이션 컨설턴트, 읽는 데 약 12분
검색엔진 시대에 기업은 발견되기 위해 경쟁했다. 생성형 AI 시대에는 어떻게 해석될 것인지를 두고 경쟁한다.
이 글은 이런 질문에 답합니다
사람들은 더 이상 검색 결과에 나온 링크를 하나씩 열어보는 방식으로만 정보를 얻지 않는다. ChatGPT, Gemini, Perplexity, Claude와 같은 생성형 AI에 질문하고, AI가 정리한 설명을 바탕으로 기업과 상품을 이해한다. 여러 대안을 비교하고, 구매나 투자, 지원 여부를 판단하는 과정에도 AI의 설명이 개입한다.
이 변화는 검색 기술만으로는 충분히 설명하기 어렵다. 생성형 AI는 정보를 찾아주는 도구를 넘어, 기업과 사람 사이에서 정보를 선택하고 연결하며 의미를 부여하는 새로운 미디어로 작동하기 때문이다. 이 지점에서 60여 년 전 마셜 매클루언이 남긴 질문이 다시 중요해진다.
1부 · 미디어는 메시지다
“미디어는 메시지다”의 진짜 의미
캐나다의 영문학자이자 미디어 이론가인 마셜 매클루언(Marshall McLuhan, 1911~1980)은 텔레비전과 전자 미디어가 확산되던 시기에 기술이 인간의 지각과 사회구조를 어떻게 바꾸는지 탐구했다. ‘미디어는 메시지다’, ‘지구촌’, ‘인간의 확장’과 같은 개념을 통해 현대 미디어 연구에 큰 영향을 미쳤다.
그가 1964년 출간한 『미디어의 이해』에서 제시한 가장 유명한 명제는 “미디어는 메시지다”이다. 여기서 메시지는 미디어가 운반하는 개별 콘텐츠만을 뜻하지 않는다. 새로운 미디어가 인간의 활동과 관계에 만들어 내는 규모와 속도, 패턴의 변화가 더 근본적인 메시지라는 뜻이다.
매클루언은 전등도 미디어의 사례로 들었다. 전등 자체에는 신문 기사나 방송 프로그램처럼 정해진 콘텐츠가 없다. 그러나 전등은 밤에도 일하고, 이동하고, 교류할 수 있는 환경을 만들었다. 전등의 진짜 메시지는 빛이 전달하는 내용이 아니라, 빛이 바꾸어 놓은 인간 활동의 조건이었다.
같은 관점에서 보면 생성형 AI의 의미도 답변창에 나타난 문장만으로는 설명할 수 없다. 더 중요한 변화는 사람들이 정보를 찾고, 비교하고, 신뢰하며, 의사결정을 내리는 방식이 달라지고 있다는 데 있다.
이 AI 답변창에 원하는 문장을 밀어 넣는 것이 아니라, 사람들이 AI의 설명을 먼저 접하는 환경에서 우리 회사가 어떤 근거로 해석될지를 관리해야 한다. 매클루언의 관점이 GEO로 이어지는 지점이 바로 여기다. GEO는 검색 노출을 높이는 기술이 아니라, 달라진 정보 습관에 맞춰 기업의 설명과 근거를 관리하는 커뮤니케이션 역량이다.
2부 · 해석 레이어
AI는 기업과 사람 사이에 놓인 ‘해석 레이어’다
검색엔진은 관련 정보를 찾아 순서대로 배열했다. 어떤 링크를 열고, 무엇을 신뢰하며, 여러 정보를 어떻게 연결할지는 주로 사용자의 몫이었다.
생성형 AI는 이 과정의 상당 부분을 대신한다. 질문의 의도를 해석하고, 여러 출처에서 정보를 모아 핵심 내용을 요약한다. 기업과 제품을 비교하고, 장단점과 적용 조건을 설명하며, 때로는 특정 대안을 추천하기도 한다.
사용자는 개별 출처를 모두 확인하기 전에 AI가 구성한 설명을 먼저 접한다. 그 순간 AI는 기업과 사용자 사이에 놓인 새로운 해석 레이어가 된다. 기업이 직접 작성한 설명을 그대로 전달하는 것이 아니라, 시장에 흩어진 여러 정보를 선택하고 압축해 다시 설명한다.
로이터저널리즘연구소의 『디지털 뉴스 리포트 2025』는 AI 챗봇의 뉴스 이용 비중이 아직 전반적으로 크지는 않지만, 새로운 정보 접근 경로로 등장하고 있다고 분석했다. 국가별 편차도 상당했다. 이는 AI 기반 정보 이용이 모든 시장에서 같은 속도로 확산되고 있지는 않지만, 새로운 정보 인터페이스가 형성되고 있음을 보여준다.
퓨리서치센터가 2025년 3월 미국 성인 약 900명의 구글 검색 이용 행태를 분석한 결과도 이러한 변화를 보여준다. AI 요약이 표시된 검색에서는 일반 검색 결과 링크를 클릭한 비율이 8%로, AI 요약이 없을 때의 15%보다 낮았다. AI 요약 안에 포함된 출처 링크를 직접 클릭한 비율은 1%에 그쳤다.
미국 이용자를 대상으로 한 제한적인 조사이므로 이를 모든 국가와 검색 환경에 그대로 적용할 수는 없다. 다만 사용자가 여러 링크를 직접 비교하기보다 AI가 구성한 설명 안에서 탐색을 끝낼 가능성이 커지고 있다는 신호로는 읽을 수 있다.
구글은 AI Overviews와 AI Mode를 복잡한 주제를 빠르게 파악하고 관련 정보를 추가로 탐색하도록 돕는 기능으로 설명한다. 그러나 플랫폼이 의도한 ‘출발점’이 사용자에게는 사실상의 ‘결론’이 될 수 있다. 기업이 AI의 해석 구조를 커뮤니케이션 문제로 다뤄야 하는 이유다.
AI 오답 뒤에는 ‘커뮤니케이션 부채’가 있다
진단 현장의 한 장면
한 기업의 AI 답변을 진단했을 때, 질문의 표현을 조금 바꾸자 답변을 구성하는 근거가 크게 달라진 적이 있다. 회사의 현재 사업을 직접 묻는 질문에는 공식 웹사이트의 설명이 일부 반영됐다. 그러나 시장 내 강점과 경쟁력을 묻자 수년 전 언론 보도와 외부 평가가 답변의 중심으로 올라왔다.
기업은 이미 사업 방향을 바꾸고 공식 설명도 수정한 상태였다. 그러나 과거의 설명은 외부 정보 환경에 여전히 남아 있었고, 새로운 방향을 확인해 줄 근거는 충분히 축적되지 않았다. AI가 낡은 설명을 새로 만들어 낸 것은 아니었다. 조직이 미처 정리하지 못한 과거의 정보를 다시 조합해 보여준 것이다.
AI의 잘못된 답변 가운데 일부는 모델이 근거 이상으로 추론하면서 발생한다. 그러나 일부는 기업이 오랫동안 방치한 정보의 충돌에서 시작된다. 오래된 페이지, 부서마다 다른 수치, 근거 없는 최상급 표현, 갱신되지 않은 회사 소개가 쌓이면서 커뮤니케이션 부채가 만들어진다.
PR 현장에서 오래 일하며 확인한 것은 메시지 문제의 상당 부분이 문장 표현보다 조직 안에 합의된 기준이 없다는 데서 시작된다는 사실이다.
따라서 기업이 AI 오답을 발견했을 때 첫 번째 질문은 “AI를 어떻게 고칠 것인가”가 되어서는 안 된다. 먼저 물어야 할 질문은 이것이다. “AI가 참고할 수 있는 정보 환경에 우리는 어떤 기준과 근거를 남겨 놓았는가?”
AI는 다섯 번째 채널이 아니다
기업 커뮤니케이션은 일반적으로 네 가지 미디어를 통해 움직인다.
자사 미디어(Owned)는 기업의 공식 사실과 기준을 설명한다. 획득 미디어(Earned)는 언론과 전문가 등 제3자가 그 설명을 확인하거나 평가한다. 구매 미디어(Paid)는 메시지의 도달 범위와 발견 가능성을 확대한다. 공유 미디어(Shared)는 고객과 이해관계자의 경험과 사회적 반응을 남긴다.
생성형 AI를 여기에 다섯 번째 채널로 단순히 추가해서는 변화의 본질을 충분히 설명하기 어렵다. AI 미디어는 네 개의 미디어 옆에 놓이는 또 하나의 상자가 아니다. 네 경로에 축적된 신호를 읽고 선택한 뒤, 새로운 답변으로 재구성하는 상위의 해석 레이어다.
기업이 홈페이지에서 강한 메시지를 선언해도 외부에서 확인할 수 있는 근거가 없다면 AI가 그 주장을 사실로 받아들일 가능성은 낮아진다. 반대로 기업이 충분히 설명하지 않은 영역에서 오래된 언론 보도나 부정적인 고객 경험이 반복되면, 그것이 AI 답변의 중심 맥락이 될 수 있다.
AI 시대의 브랜드 메시지는 기업이 정한 한 문장으로 완성되지 않는다. 회사가 스스로 밝힌 설명과 그 설명을 밖에서 확인해 주는 근거가 겹치는 범위만큼만 성립한다. 겹치는 범위가 좁으면 AI는 회사의 선언보다 외부에 더 많이 남아 있는 흔적을 중심으로 답한다.
설명이 풍부해질수록 판단은 더 중요해진다
매클루언은 아들 에릭과 함께 새로운 기술이 무엇을 강화하고, 무엇을 밀어내며, 과거의 무엇을 되살리고, 극단에 이르렀을 때 무엇으로 뒤집히는지를 묻는 ‘테트래드(tetrad)’를 발전시켰다. 생성형 AI에 마지막 질문을 적용하면 역설이 드러난다. 설명이 풍부하고 매끄러워질수록 출처와 책임 주체는 오히려 흐려지고, 검증의 부담은 다시 인간에게 돌아온다.
생성형 AI는 정보 접근 비용을 크게 낮춘다. 그러나 설명이 편리해질수록 사용자는 답변의 근거와 적용 조건을 놓치기 쉽다. AI가 판단을 돕는 수준을 넘어 판단을 대신하기 시작하면, 그럴듯한 오류가 더 빠르게 확산될 수도 있다.
유네스코도 생성형 AI가 잘못된 정보를 신뢰할 만한 문체로 제시할 수 있으며, 이용자가 출처를 확인하고 비판적으로 검토하는 미디어·정보 리터러시가 중요하다고 강조한다.
3부 · 커뮤니케이션의 과제
기업 커뮤니케이션은 무엇을 바꿔야 하는가
생성형 AI가 새로운 해석 레이어로 작동한다면 기업 커뮤니케이션의 역할도 달라져야 한다. 정보를 많이 생산하거나 특정 키워드를 반복하는 것만으로는 충분하지 않다. 기업에는 다음 세 가지 체계가 필요하다.
1. 조직의 설명 기준을 통일한다
기업명, 주요 사업, 상품 조건, 핵심 수치, 차별점, 적용 범위처럼 외부 설명의 기준이 되는 문장을 정리해야 한다. 홈페이지, 뉴스룸, 보도자료, 영업자료와 경영진 인터뷰가 서로 다른 사실을 말하고 있지는 않은지 점검해야 한다.
기준 문장은 슬로건이 아니다. 조직이 외부에 내보내는 언어의 기준선이다. 관련 부서가 함께 사용하고, 사업과 사실관계가 달라질 때마다 갱신할 수 있어야 한다.
중요한 것은 완벽하게 같은 문장을 반복하는 것이 아니다. 서로 다른 채널과 부서가 같은 사실과 방향을 바탕으로 각자의 목적에 맞게 설명하는 것이다.
2. 선언을 검증 가능한 근거로 전환한다
“혁신적이다”, “선도한다”, “신뢰받는다”와 같은 표현은 기업이 지향하는 이미지를 보여줄 수 있지만, 그 자체로는 충분한 증거가 되지 않는다. 수치, 조사 결과, 고객 사례, 제도적 인증, 전문가 평가와 같은 근거가 연결돼야 한다.
글로벌 PR 실무가 오래 사용해 온 메시지하우스(message house) 프레임워크도 이 관점에서 확장할 필요가 있다. 핵심 메시지와 서브 메시지 아래에 근거를 배치하는 데서 그치지 않고, 그 근거를 외부에서 누가 확인해 주는지까지 설계해야 한다.
3. AI의 해석을 반복적으로 점검한다
한 번의 질문 결과만으로 기업의 AI 가시성을 판단해서는 안 된다. 생성형 AI의 답변은 질문 표현, 측정 시점, 사용 모델, 검색 연결 상태 등에 따라 달라질 수 있다.
NIST의 AI 위험관리 프레임워크(AI RMF 1.0)는 위험을 조직 차원에서 관리하는 ‘거버넌스(Govern)’와 실제 영향을 평가하는 ‘측정(Measure)’을 포함해 Govern, Map, Measure, Manage의 네 가지 기능을 제시한다. GEO 진단도 한 번의 답변을 확인하는 데 그치지 않고, 동일한 질문군을 일정한 조건에서 반복 측정하며 중요한 오류와 누락의 변화를 관리해야 한다.
측정 대상도 단순한 언급 횟수에 머물러서는 안 된다. 최소한 다음 다섯 가지를 함께 살펴봐야 한다.
기업은 산업분류를 기준으로 경쟁사를 정하지만, AI는 사용자의 질문을 기준으로 경쟁 구도를 다시 만든다. GEO 진단은 우리가 생각하는 우리와 시장의 정보가 설명하는 우리 사이의 간격을 발견하는 작업이다.
GEO는 답변 통제가 아니라 정정 능력을 만드는 일이다
GEO를 둘러싼 가장 큰 오해는 기업이 생성형 AI의 답변을 원하는 문장으로 바꿀 수 있다는 생각이다. 기업은 AI 모델의 답변을 직접 통제할 수 없다. 특정 콘텐츠를 만들었다고 해서 반드시 인용되는 것도 아니다.
구글은 자사 AI 검색 기능에 포함되기 위해 별도의 특수한 최적화 기법이 필요한 것은 아니며, 기존 검색의 기본 원칙과 사용자 중심의 고품질 콘텐츠가 여전히 중요하다고 설명한다. 또한 구글 검색의 생성형 AI 기능을 위해 llms.txt와 같은 별도의 AI용 파일을 만들 필요가 없으며, 인위적인 외부 언급을 확보하는 접근도 도움이 되지 않는다고 명시하고 있다.
다만 이는 구글 검색의 AI 기능에 관한 공식 지침이다. 모든 생성형 AI 플랫폼의 수집·검색·인용 방식을 하나의 원리로 일반화해서는 안 된다. 플랫폼마다 학습 데이터, 실시간 검색 방식, 출처 선택 구조가 다르기 때문이다.
GEO의 목표는 AI가 기업의 뜻대로 말하게 만드는 것이 아니다. AI가 잘못 설명할 가능성을 낮추고, 오류가 나타났을 때 원인을 추적하며, 공식 정보와 외부 근거를 통해 바로잡힐 가능성을 높이는 것이다.
이를 위해 기업은 자신을 정확하게 설명하고, 그 설명을 일관되게 배포하며, 외부에서 확인할 수 있는 근거를 축적하고, AI의 해석을 지속적으로 관찰해야 한다. 이는 검색 순위를 높이는 단기 캠페인보다 위기 커뮤니케이션과 브랜드 거버넌스에 가까운 활동이다.
AI 시대의 PR도 기업이 하고 싶은 말을 알리는 데서 끝나지 않는다. 기업을 둘러싼 여러 사실과 평가가 일관되고 검증 가능한 설명으로 재구성될 수 있도록 정보 환경을 설계하는 일로 확장돼야 한다.
다시, 미디어는 메시지다
매클루언의 질문으로 돌아가면 생성형 AI의 진짜 메시지는 답변창 안에만 있지 않다. AI는 사람들이 정보를 찾는 순서, 기업을 비교하는 기준, 출처를 확인하는 습관, 브랜드를 신뢰하는 과정을 바꾸고 있다.
이에 따라 기업의 공식 웹사이트와 뉴스룸도 역할이 달라진다. 과거에는 사용자가 처음 방문하는 정보의 입구였다면, 이제는 AI가 구성한 설명의 사실과 조건을 확인할 수 있는 기준점이 되어야 한다. 상품 조건과 기준일, 적용 범위, 책임 주체를 명확히 남겨야 하는 이유다.
검색엔진 시대에 기업은 발견되기 위해 경쟁했다. AI 시대에는 어떻게 해석될 것인지를 두고 경쟁한다.
ABOUT THE AUTHOR
이중대 · 메시지하우스 대표
한국PR협회 디지털 PR 이사로 활동하며 기업 포지셔닝과 핵심 메시지, PR 전략을 자문한다. 마크앤컴퍼니의 커뮤니케이션 자문을 맡고 있으며, AI 검색 시대의 AIEO·GEO 전략을 연구·강연하고 『된다! AI 상위 노출』을 썼다. 기업이 가진 가치를 시장이 선택할 이유로 바꾸는 일을 한다. linkedin.com/in/junycap · jlee@messagehouse.kr
참고문헌
단행본
연구·조사 보고서
기관·플랫폼 공식 자료