AI가 우리 회사 이름을 자신만만하게 잘못 소개하는 일은 점점 흔해지고 있다. 졸업한 적 없는 대학을 졸업했다고 답하거나, 동명이인의 약력을 가져오거나, 단종된 제품을 "현재 판매 중"이라고 말한다.
이것은 AI의 결함이라기보다, AI가 우리 브랜드에 대해 학습할 만한 충분하고 정확하고 일관된 정보가 부족할 때 빈칸을 추측으로 메우는 동작이다. 책 『AI는 설득당하지 않는다』가 환각의 핵심 원인을 "AI의 결함이라기보다 입력 데이터의 결함"이라고 진단한 이유다.
메커니즘: AI는 '다수결'로 우리를 학습한다
AI는 한 곳을 보고 답하지 않는다. 같은 사실이 여러 출처에서 반복될 때 신뢰도를 올리고, 출처가 어긋나면 가장 자주 등장한 버전을 '다수결'로 채택한다. 우리 홈페이지에 정확한 정보가 있어도, 외부 매체에 잘못된 버전이 더 많이 복제됐다면 그쪽이 학습된다.
산업계에서는 이 정합성 관리를 NAP(Name, Address, Phone) 일관성이라고 부른다. 원래는 로컬 SEO 용어였는데, AI 시대에는 적용 범위가 폭발적으로 늘어났다. NAP뿐 아니라 창업연도, 대표자, 임직원 수, 자본금, 주력 제품 라인, 가격대, 인증, 수상 이력, 주요 고객사 — 이 모든 '사실 데이터'가 채널 간 일치돼 있어야 AI가 자신 있게 우리를 인용한다.
패턴: AI가 잘 인용하는 브랜드의 공통 조건
근거: 책 본문 + 산업 일반 패턴
- 위키피디아·위키데이터에 정확한 사실 항목이 출처와 함께 있다.
- 자사 홈페이지의 핵심 사실(창업, 본사, 대표 제품, 임직원 수)이 보도자료·외부 디렉토리와 글자 단위로 일치한다.
- 단종 제품·이전 주소·전임자 정보가 살아있는 "좀비 페이지"가 없다.
- 영문/국문 정보가 동일한 사실을 가리킨다(번역 차이가 사실 차이가 되지 않게).
한국 기업이 가장 자주 흘리는 사실 데이터 5가지
실무 관찰 기반.
- 영문 보도자료 번역 오류로 창업연도가 1년씩 어긋남.
- 임직원 수가 5년 전 숫자로 박제 (자기소개서·블라인드·잡코리아가 다 다름).
- 본사 이전 후 카카오맵·네이버 지도·구글 비즈니스 미반영.
- 단종 제품 페이지가 살아있어 AI가 "현재 판매 중"으로 답함.
- 대표이사 교체 후 위키에 전임자 이름 잔존.
기업이 배워야 할 것 — "콘텐츠 한 편 더 만들기 전에 사실 정합부터"
- 브랜드의 '사실 원장(Single Source of Truth)'을 정하라. 한 부서가 갱신 책임을 진다.
- 분기 1회 외부 채널 정합성 감사: 위키·보도자료·지도·리뷰 사이트·블로그 비교.
- 보도자료 번역본은 영문/국문 모두 '공식 사실 표'를 첨부해 매체에 배포하라.
- 단종 제품·이전 주소·전임자 정보가 살아있는 좀비 페이지를 분기별로 청소하라.
- 위키데이터·위키피디아 영문 본문 갱신은 광고 한 편보다 ROI가 높다고 가정하고 예산을 배정하라.
AEO의 출발은 새 콘텐츠를 만드는 일이 아니다. 이미 있는 사실을 채널 간에 정합하게 맞추는 일이다. 이 단계를 건너뛰고 콘텐츠를 더 찍어내면, AI는 우리가 만든 콘텐츠보다 외부에 흩어진 잘못된 사실을 더 신뢰한다.
— 임보람