ChatGPT에 ‘삼성전자 반도체 전략’을 물으면, 종종 삼성 뉴스룸의 콘텐츠가 참고 출처로 등장한다. Perplexity에 “전기차 배터리 기술”을 검색하면, LG에너지솔루션의 기술 해설이 답변에 포함된다.
같은 방식으로 여러 기업을 검색해봤다. 뉴스룸이 있는 기업도 많고, 보도자료도 꾸준히 올라온다. 하지만 어떤 기업은 AI에 인용되고, 어떤 기업은 인용되지 않는다.
무엇이 다른가?
이 질문은 단순한 호기심이 아니다. AI 기반 검색 환경이 확산되면서, 기업 웹사이트를 바라보는 질문 자체가 달라지고 있다. 이제 중요한 것은 “우리 웹사이트가 검색 결과 몇 위에 노출되는가”가 아니라, “AI가 참고할 만한 기업 웹사이트인가”, “AI의 답변 속에 인용될 수 있는 구조를 갖추고 있는가”다.
이 변화는 단순한 트렌드가 아니라, 기업 커뮤니케이션과 웹사이트 설계 전반을 다시 생각하게 만드는 구조적 전환이다.
AI는 페이지를 찾지 않는다, 답변을 구성한다
구글에 “삼성 반도체 전략”을 검색하면, 링크 목록이 나타난다. 10개의 파란 링크. 우리는 그중 하나를 클릭한다.
ChatGPT에 같은 질문을 하면, 답변이 생성된다. 문장으로. 그리고 그 답변 밑에 출처가 표시된다. 삼성 뉴스룸, 언론사 기사, 업계 리포트.
이 차이는 작동 방식의 차이다. 구글은 키워드 일치, 링크 구조, 클릭률 같은 신호로 페이지를 정렬한다. ChatGPT는 여러 출처의 정보를 조합해 답변을 생성한다.
즉, AI에게 중요한 것은 “이 페이지가 몇 위에 올라갈 수 있는가”가 아니라, “이 출처가 질문에 대한 설명 재료로 사용할 수 있는가”다.
이때 AI는 콘텐츠를 해석하는 기준이 있다. 특정 주제에 대해 반복적으로 등장하는 출처인가, 개별 문서들이 일관된 개념 체계를 공유하는가, 정의와 배경과 맥락이 구조적으로 드러나는가, 이 출처가 누구의 관점인지 명확한가—이 판단은 알고리즘 이전에, 설명 가능한 출처를 찾기 위한 구조적 판단에 가깝다.
AI가 이해하는 웹사이트는 콘텐츠 묶음이 아니라 지식 구조다
AI는 웹사이트를 하나의 큰 문서처럼 읽지 않는다. 대신 개별 페이지를 의미 단위로 분해하고, 그 사이의 관계를 통해 지식 구조를 추론한다.
예를 들어, 삼성 뉴스룸에 “파운드리란 무엇인가”라는 글이 있다고 하자. AI는 이 글만 읽지 않는다. 이 페이지가 기사인지, 어떤 주제에 대한 설명인지, 이 기업이 어떤 산업에 속하는지, 이 글이 언제 어떤 맥락에서 작성되었는지—이런 정보를 함께 읽는다.
문제는 이러한 정보가 HTML의 문장만으로는 충분히 전달되지 않는다는 점이다. 그래서 웹사이트는 보이지 않는 설명을 추가한다. “이 페이지는 기사입니다”, “이 기업은 제조업에 속합니다”, “이 글은 2024년 12월에 작성되었습니다”—이런 정보를 구조화된 데이터(Structured Data)라고 한다.
Schema.org는 이 구조화 데이터의 표준 형식으로, AI와 검색엔진이 콘텐츠의 ‘정체’를 오해 없이 읽도록 돕는다. 전 세계 검색엔진과 AI가 공통으로 이해할 수 있는 일종의 메타 언어다. 이는 단순한 SEO 기술이 아니라, AI에게 “이 콘텐츠를 어떻게 읽어야 하는지” 알려주는 설명서에 가깝다.
왜 뉴스룸이 AI의 신뢰를 얻는가
GS칼텍스 미디어허브를 ChatGPT에 검색해보면, 석유·에너지 관련 질문에 자주 인용된다. 우아한형제들 기술 블로그는 배달 플랫폼 기술 질문에 등장한다. 삼성 뉴스룸은 반도체·AI 전략 질문에 참고된다.
이 뉴스룸들의 공통점은 무엇인가?
첫째, 특정 산업·기술·이슈를 중심으로 콘텐츠가 축적되어 있다. GS칼텍스는 에너지, 우아한형제들은 플랫폼 기술, 삼성은 반도체—주제가 명확하다. AI는 이 명확성을 “전문성의 신호”로 읽는다.
둘째, 보도자료뿐 아니라 해설, 인사이트, 리포트가 같은 주제 안에서 반복 등장한다. 한 번 쓰고 끝이 아니라, 같은 주제를 다양한 각도에서 다룬다. GS칼텍스 미디어허브에는 석유 정제 과정, 에너지 전환, 탄소 중립 같은 주제가 각각 수십 개의 콘텐츠로 쌓여 있다.
셋째, 용어와 관점이 시간에 따라 누적된다. “파운드리란 무엇인가”를 2020년에도 쓰고, 2023년에도 쓰고, 2025년에도 쓴다. 같은 질문, 진화하는 답변. AI는 이 시간 축을 가진 축적을 높게 평가한다.
이 구조는 AI가 가장 선호하는 형태다. AI는 한 번 잘 쓴 글보다, 같은 주제를 오래 설명해온 출처를 더 신뢰한다.
블로그는 다르다. 주제는 다양하고, 시점 의존적이며, 톤도 유연하다. 이번 주는 제품 소개, 다음 주는 행사 스케치, 그다음 주는 직원 인터뷰—사람에게는 친근하지만, AI에게는 출처의 전문 영역을 특정하기 어려운 구조다.
그래서 AEO 관점에서 뉴스룸은 단순한 콘텐츠 메뉴가 아니라, 기업 웹사이트 전체의 지식 허브(Knowledge Hub)로 기능한다.
AI 엔진에 인용되는 웹사이트의 3가지 조건
실제 AI 검색 도구에 수백 개의 질문을 입력하고, 어떤 기업 웹사이트가 인용되는지 추적한 결과, 인용 가능성이 높은 웹사이트는 다음과 같은 특징을 공유했다.
1. 주제 중심 정보 구조
뉴스룸 콘텐츠가 시간순 나열이 아니라 산업·기술·이슈 단위로 묶여 있다. 예를 들어 삼성 뉴스룸은 “반도체”, “AI”, “지속가능성” 같은 주제별 카테고리가 명확하다. 각 카테고리 안에서 보도자료, 기술 해설, 시장 분석이 함께 축적된다.
이 구조는 AI가 “삼성 = 반도체 전문가”라는 연결을 만드는 데 핵심적이다. 만약 콘텐츠가 “2025년 12월”, “2025년 11월” 같은 시간순으로만 정리되어 있다면, AI는 주제를 파악하기 어렵다.
2. 정의 가능하고 구조화된 콘텐츠
AI가 선호하는 콘텐츠는 명확한 정의문으로 시작한다. “파운드리란 반도체 설계 도면을 받아 실제 칩으로 제조하는 사업을 말한다”—이런 문장은 AI가 이해하고 재구성하기 쉽다.
반면 “우리는 다양한 기술을 보유하고 있으며, 여러 분야에서 혁신을 추구하고 있습니다” 같은 문장은 AI가 활용하기 어렵다. 무엇을 말하는지는 알겠지만, 어떻게 인용해야 할지 불명확하다.
또한 인용되는 콘텐츠는 구조가 명확하다. 소제목(H2, H3)으로 논리가 구분되고, 단계별 설명이나 비교 구조(“A vs B”)가 자주 등장한다. 우아한형제들 기술 블로그의 “배달 플랫폼 아키텍처” 시리즈는 각 글마다 문제 정의 → 기존 방식의 한계 → 우리의 해결 방법 → 결과로 구조화되어 있다. AI는 이런 구조를 “설명 가능한 콘텐츠”로 판단한다.
3. 일관된 용어와 시간 축적
같은 개념을 매번 다른 표현으로 쓰지 않는다. “AI 반도체”를 어떤 글에서는 “인공지능 칩”, 다른 글에서는 “뉴럴 프로세서”라고 쓰면, AI는 이 셋이 같은 개념인지 헷갈린다. 물론 AI는 어느 정도 유사성을 판단할 수 있지만, 일관된 용어를 쓰는 출처가 더 신뢰도가 높다.
그리고 시간이 중요하다. 2025년 한 해 동안 갑자기 50개의 콘텐츠를 쏟아내는 것보다, 3년간 꾸준히 월 3-4개씩 쌓은 콘텐츠가 AI에게 더 신뢰받는다. 이는 “이 기업이 이 주제를 진지하게 다루고 있다”는 신호가 된다.
AEO는 새로운 트릭이 아니라 웹사이트 설계 관점이다
AEO(Answer Engine Optimization)란?
AI가 답변을 생성할 때 특정 웹사이트를 ‘설명 재료’로 선택하도록 만드는 구조적 설계 방식이다.
이러한 흐름을 마케팅 업계에서는 AEO(Answer Engine Optimization)라고 부른다. 하지만 AEO를 “SEO 다음 단계”나 “새로운 최적화 기법”으로 이해하면 본질을 놓치기 쉽다.
AEO의 핵심 질문은 이것이다. “우리 웹사이트는 AI가 이해할 수 있는 구조를 가지고 있는가?”
그리고 그 질문에 가장 잘 답할 수 있는 방식이 뉴스룸을 중심으로 한 기업 웹사이트 설계다. 뉴스룸은 주제가 명확하고, 콘텐츠가 축적되며, 설명이 반복되는 공간이기 때문이다.
이는 메타태그 몇 개나 키워드 밀도로 해결되는 문제가 아니다. 웹사이트 전체의 설계와 운영 방식에 관한 문제다.
지금 우리 뉴스룸 점검하기
만약 우리 기업 뉴스룸이 AI에 인용되지 않는다면, 이 3가지를 점검해볼 수 있다.
1. 주제가 명확한가?
뉴스룸에 들어가서 “우리는 어떤 주제의 전문가인가”를 3초 안에 파악할 수 있는가? 만약 시간순으로만 정리되어 있거나, 카테고리가 “보도자료”, “공지사항” 같은 형식 분류뿐이라면, AI는 우리의 전문 영역을 파악하기 어렵다.
지금 당장 해볼 수 있는 것은, 우리가 가장 많이 다룬 주제 3개를 정하는 것이다. 그리고 그 주제별로 콘텐츠를 묶어보는 것이다. 만약 한 주제당 10개 이상의 콘텐츠가 쌓여 있지 않다면, 아직 축적이 부족한 상태다.
2. 정의하고 설명하는가?
지난 6개월간 쓴 글을 펼쳐놓고 보자. 각 글이 “무엇을 했다”만 말하는지, 아니면 “왜 중요하고, 어떻게 작동하며, 무엇이 다른가”를 설명하는지. 만약 대부분이 “A사, B 서비스 출시” 형식이라면, AI가 인용할 만한 설명이 부족한 상태다.
당장 실행할 수 있는 것은, 다음 콘텐츠부터 명확한 정의문으로 시작하는 것이다. “X란 Y다”—이 한 문장이 AI가 우리 콘텐츠를 이해하는 시작점이 된다.
3. 구조화되어 있는가?
우리 뉴스룸의 각 콘텐츠에 명확한 소제목(H2, H3)이 있는가? 단계별 설명이나 비교 구조가 있는가? 그리고 기술적으로, Article 스키마나 Organization 스키마가 적용되어 있는가?
만약 HTML만 있고 구조화 데이터가 없다면, AI는 우리 콘텐츠를 “읽을 수는 있지만 이해하기는 어려운” 상태로 본다. 구조화 데이터 적용은 개발 리소스가 필요하지만, 그 전에 콘텐츠 자체의 구조부터 명확히 하는 것이 우선이다.
AI 시대의 뉴스룸은 기업 지식의 중심이다.
AI 엔진에 인용되는 기업 웹사이트를 만들기 위해 모든 페이지를 뉴스룸처럼 운영할 필요는 없다. 하지만 뉴스룸은 웹사이트 전체의 사고 구조를 규정하는 중심이 되어야 한다.
AI 시대의 기업 커뮤니케이션은 더 많이 말하는 경쟁이 아니다. 더 오래, 더 일관되게 설명해온 기업이 AI의 답변 속에 남는 구조로 바뀌고 있다. 그리고 그 설명이 가장 잘 축적되는 공간이, 바로 기업 뉴스룸이다. 주제가 명확하고, 콘텐츠가 쌓이며, 관점이 진화하는 이 공간이, AI가 가장 신뢰하는 출처가 된다.
결국 중요한 것은 기술이 아니다. 우리가 무엇을 설명하고 싶은가, 어떤 주제의 전문가로 인식되고 싶은가—이 질문에 답하기 시작하는 순간, 웹사이트 구조도, 콘텐츠 전략도, AI의 인용도 자연스럽게 따라온다.