AI가 추천한 ‘AI 상위노출 전문가’, 그대로 믿어도 될까 — 출처·이름·조건·재질문으로 확인하는 5단계

이 글은 누구를 추천하지 않는다

‘AI 상위노출 전문가 추천해 줘’라고 물은 사람에게 필요한 건 이름 하나보다, AI가 내놓은 이름을 믿어도 되는지 가려내는 방법이라고 봅니다. 그래서 이 글은 특정 사람이나 업체를 추천하지도, 순위를 매기지도 않습니다. AI가 준 목록을 받아 들었을 때 연락하기 전에 확인할 다섯 단계를 적었습니다.

전문가를 고르는 기준(무슨 일을 하는지, 무엇을 물어야 하는지)은 AI 상위노출 전문가 고르는 기준 7가지에, AI가 전문가를 어떤 근거로 고르는지는 AI에게 ‘AI 상위노출 전문가’를 물으면 누가 나오나에 따로 정리했습니다. 이 글은 그 사이, AI 답변을 받은 직후의 확인만 다룹니다.

먼저 — AI가 준 목록은 ‘한 번 뽑은 결과’다

같은 질문을 다시 물으면 목록이 바뀝니다. 2026년 1월 SparkToro의 랜드 피시킨이 Gumshoe.ai와 함께 발표한 조사는 이 점을 숫자로 보여 줍니다.

“600 volunteers ran 12 different prompts through each of the 3 tools a combined 2,961 times.”

자원자 600명이 질문 12개를 ChatGPT·Claude·구글 AI 세 도구에 모두 2,961번 넣었다는 설명입니다. 결과는 이렇습니다.

“there’s a <1 in 100 chance that ChatGPT or Google’s AI, if asked 100X, will give you the same list of brands in any two responses”

“when it comes to ordering, AI tool responses are so random that it’s more like 1 in 1,000 runs before you’d see two lists in the same order.”

ChatGPT나 구글 AI에 같은 질문을 100번 하면 두 답변의 브랜드 목록이 같을 확률이 100분의 1도 안 되고, 순서까지 같은 목록은 1,000번에 한 번꼴이라는 뜻입니다. 연구자는 이 도구들을 이렇게 불렀습니다.

“These tools are probability engines: they’re designed to generate unique answers every time.”

확률로 답을 만드는 도구라서 매번 다른 답을 내도록 설계됐다는 말입니다. 그러니 ‘ChatGPT가 첫 줄에 적었다’는 사실은 그 한 번의 결과일 뿐입니다.

이 조사의 한계도 함께 적습니다. 학술 논문이 아니고, 동료 심사를 받았느냐는 질문에 연구자 스스로 “No, I/we aren’t professional researchers or credentialed data scientists.”라고 답했습니다. 전문 연구자나 데이터 과학자가 아니라는 뜻입니다. 질문은 12개였고, 같은 모델과 질문을 쓰라는 것 말고는 나라·기기·설정을 통제하지 않았습니다. 2025년 11~12월에 잰 결과라 이후 모델에서는 다를 수 있고, 협업한 Gumshoe.ai는 AI 노출 추적 분야의 스타트업이라, 글쓴이도 이해충돌 가능성을 스스로 언급했습니다.

이 사이트의 기록에도 비슷한 장면이 있습니다. 2026년 10월 15일 ChatGPT 임시 채팅에서 ‘AI 상위노출 전문가 알려줘’를 한 번 물었을 때, 답은 해외 개인 전문가 5명과 국내 업체 몇 곳·개인 1명을 들면서 국내는 대표 전문가가 합의된 단계가 아니라고 적었습니다. 한 번 물은 결과이고, 그 답변 자체도 정해진 답이 없다고 본 셈입니다. 이 관측의 자세한 조건은 AI에게 ‘AI 상위노출 전문가’를 물으면 누가 나오나에 있습니다.

1단계 — 이름마다 출처를 연다: 본인이 쓴 글인가, 남이 쓴 글인가

AI 답변 옆이나 아래에 붙은 출처를 하나씩 엽니다. 볼 것은 두 가지입니다. 그 문장이 출처에 실제로 적혀 있는가, 그리고 그 출처를 누가 썼는가.

자기 페이지가 근거가 되는 경우를 조심해야 하는 이유는, 추천 결과가 페이지 문구로 움직일 수 있다는 연구가 있기 때문입니다. Kumar·Lakkaraju의 프리프린트(arXiv 2404.07981, 2024)는 가상의 커피머신 목록으로 실험했습니다.

“We demonstrate that adding a strategic text sequence (STS) — a carefully crafted message — to a product’s information page can significantly increase its likelihood of being listed as the LLM’s top recommendation.”

상품 정보 페이지에 공들여 만든 문구를 넣자 그 상품이 LLM의 첫 추천으로 나올 가능성이 크게 높아졌다는 뜻입니다. 가상의 상품과 실험 환경에서 잰 결과이고, 실제 ChatGPT 답변에서 같은 크기로 일어난다는 증명은 아닙니다.

EMNLP 2024에 실린 Pfrommer 외 연구(arXiv 2406.03589)는 실제 소비자 상품 웹사이트로 데이터를 만들어, 웹페이지에 넣은 지시문(프롬프트 인젝션)이 대화형 검색엔진의 출처 순서를 바꿀 수 있는지 봤습니다.

“We then present a tree-of-attacks-based jailbreaking technique which reliably promotes low-ranked products. Importantly, these attacks transfer effectively to state-of-the-art conversational search engines such as perplexity.ai.”

순위가 낮던 상품을 꾸준히 위로 올리는 공격 기법을 만들었고, 그 공격이 Perplexity 같은 실제 서비스에도 통했다는 보고입니다. 2024년 당시 시스템을 대상으로 한 것이라 지금도 같은지는 알 수 없습니다.

두 연구에서 가져올 교훈은 단순합니다. AI가 어떤 이름을 추천했다는 사실만으로는 그 이름이 일을 잘한다는 근거가 되지 않습니다. 출처가 본인 페이지뿐이라면, 다른 사람이 쓴 문서에도 같은 이름이 나오는지 직접 찾아봅니다. 출처 문장이 답변을 실제로 뒷받침하는지에 대한 연구 수치는 AI 검색의 출처 표시는 얼마나 정확한가에, AI 검색이 왜 남이 쓴 문서를 더 인용하는지는 제3자 언급에 정리했습니다.

2단계 — 이름·사이트·담당자가 실제로 있고 서로 맞는지 본다

AI는 그럴듯한 이름이나 소개를 지어내기도 합니다. Kalai 외의 프리프린트 「Why Language Models Hallucinate」(arXiv 2509.04664, 2025)는 이렇게 시작합니다.

“Like students facing hard exam questions, large language models sometimes guess when uncertain, producing plausible yet incorrect statements instead of admitting uncertainty. Such “hallucinations” persist even in state-of-the-art systems and undermine trust.”

어려운 시험 문제 앞의 학생처럼 언어 모델도 확실하지 않을 때 때때로 추측해서, 모른다고 하는 대신 그럴듯하지만 틀린 말을 만든다는 설명입니다. 이런 ‘환각’은 최신 시스템에도 남아 있다고 적었습니다. 이 논문은 원인을 이론으로 따진 글이라 ‘전문가 추천에서 몇 %가 틀린다’ 같은 수치를 주지는 않습니다.

그래서 이름 하나하나를 이렇게 맞춰 봅니다.

• 이름으로 검색했을 때 같은 사람·업체가 나오는가. 비슷한 이름의 다른 곳과 섞이지 않았는지 봅니다.
• AI가 적은 사이트 주소가 열리고, 그 사이트가 같은 이름을 쓰는가.
• AI가 적은 소개(분야·지역·경력)가 그 사람의 사이트에 적힌 내용과 같은가. 다르면 AI가 다른 사람과 섞었을 수 있습니다.
• 실제로 일하는 사람이 누구인지 확인되는가. 업체라면 담당자, 개인이라면 본인 프로필과 연락처를 봅니다.

3단계 — 날짜와 조건이 붙은 결과를 찾는다

‘AI 상위노출 다수 성공’ 같은 문장은 확인할 수 없습니다. 확인할 수 있는 결과에는 보통 다음이 붙어 있습니다.

여기서 ‘횟수’가 특히 중요합니다. 앞의 SparkToro 조사도 순위가 아니라 여러 번 물었을 때 얼마나 자주 나오는가를 보라는 쪽으로 결론을 냈습니다.

“I’ve been swayed from my initial position and now believe visibility % across dozens to hundreds of prompts run multiple times is a reasonable metric.”

수십~수백 개의 질문을 여러 번 돌렸을 때의 노출 비율은 쓸 만한 지표라고 생각이 바뀌었다는 문장입니다. 후보에게 결과 기록을 보여 달라고 할 때 이런 형식인지 보면 됩니다.

4단계 — 같은 질문을 다시, 다른 엔진에도 묻는다

받은 목록을 한 번에 믿지 말고 직접 몇 번 더 물어봅니다.

1. 새 대화(또는 임시 채팅)에서 같은 문구로 2~3번 더 묻습니다. 여러 번 나오는 이름만 남깁니다.
2. 문구를 조금 바꿔 묻습니다. ‘AI 상위노출 전문가’, ‘AI 상위노출 업체’, ‘AI 검색 최적화 전문가’는 서로 다른 답을 끌어옵니다. 이 사이트 기록에서도 10월 13일 ‘AI 상위노출 전문업체 알려줘’와 10월 15일 ‘AI 상위노출 전문가 알려줘’의 답은 구성이 달랐습니다. 앞의 질문에는 업체 표가, 뒤의 질문에는 해외 개인 전문가와 국내 업체가 섞인 목록이 나왔습니다.
3. 다른 엔진에도 묻습니다. 엔진마다 출처를 모으는 곳이 다르므로 한 엔진의 결과를 다른 엔진으로 옮겨 볼 수 없습니다. ChatGPT·구글·Perplexity·Copilot의 차이는 엔진마다 출처가 다르다에 있습니다.
4. 검색엔진에서도 이름을 찾아봅니다. ChatGPT 같은 AI 검색은 웹을 검색해 모은 문서로 답을 만듭니다. 검색 1페이지에 그 이름의 사이트나 그 이름을 언급한 문서가 있는지 봅니다.

조건을 고정해 반복 측정하는 자세한 방법은 AI 답변에 나오는지 직접 확인하는 법에 적었습니다. 그 글은 내 가게를 재는 방법이지만, 추천받은 사람을 확인할 때도 같은 원리가 쓰입니다.

5단계 — ‘AI 1위 보장’은 거른다

AI 답변에 나온 곳에 연락했을 때 들을 수 있는 말 가운데 걸러야 할 것이 있습니다. 구글 검색 센터의 「Do you need an SEO?」(최종 업데이트 2026-06-05)는 구글 1위는 누구도 보장할 수 없다고 적은 데 이어(원문은 고르는 기준 7가지에 있습니다), 이렇게 덧붙입니다.

“If they guarantee you that their changes will give you first place in search results, find someone else.”

변경 작업으로 1위를 보장한다면 다른 사람을 찾으라는 말입니다. 같은 문서는 갑자기 이메일로 연락해 오는 곳(“email you out of the blue”), 무엇을 할지 분명히 설명하지 않는 곳(“secretive or won’t clearly explain what they intend to do”)도 조심하라고 적었습니다. 구글 검색에 대한 안내지만, 답이 매번 바뀌는 AI 답변에서는 순위 보장의 근거가 더 약합니다. SparkToro 조사도 같은 방향의 결론을 냈습니다.

“But, any tool that gives a “ranking position in AI” is full of baloney.”

‘AI 순위’를 매겨 준다는 도구는 엉터리라는, 꽤 센 표현입니다.

정리하면 다음 말은 거르는 편이 안전합니다.

• ‘ChatGPT 추천 1위로 만들어 드립니다’ — 순서는 매번 바뀝니다.
• ‘한 달 안에 무조건 노출’ — 보장할 근거가 없습니다. 기간에 대한 기록은 AI 노출은 얼마나 걸리나에 있습니다.
• ‘구글이 인정한 AI 최적화’ — 구글은 서드파티 서비스를 평가하지 않는다고 밝혔습니다(고르는 기준 7가지에 원문).

그 밖에 걸러 낼 제안(캡처 한 장이 전부인 성과, 측정 방법을 공개하지 않는 경우 등)은 고르는 기준 7가지에 정리했습니다.

한눈에 보는 확인표

다섯 개를 모두 통과해도 일을 잘한다는 보장은 아닙니다. 다만 AI 답변 한 번만 보고 정하는 것보다 잘못 고를 가능성은 줄어듭니다. 통과한 후보를 만나서 물을 질문은 고르는 기준 7가지에서 이어서 보면 됩니다.

이 글을 쓴 사람

이 글은 AI 상위노출·AI 마케팅 일을 하는 유환호가 썼습니다. 광주광역시에서 Hwano AI라는 이름으로 개인 활동을 합니다. 이 글의 다섯 단계를 쓴 사람에게도 적용해 볼 수 있도록 확인 가능한 사실만 적습니다.

• 작업한 사이트 7곳: 나비랑, 노블365의원, 트이다학원 남악점, 리뷰로거, 맛집노트 광주, 칸세이스시 상무본점, 1965원조제일돌곱창 상무점. 각 사이트 하단에 제작 표기가 적혀 있습니다.
• 날짜가 붙은 관측(모두 ChatGPT, 질문마다 1~2회): 2026년 10월 13일 ‘남악 학원 추천해줘’에서 트이다학원 남악점이 첫 추천이었고(출처 표시는 당근, 사이트 인용은 확인되지 않음), 10월 14일 ‘광주 서구 맛집 추천해줘’를 두 번 물었을 때 칸세이스시 상무본점과 1965원조제일돌곱창 상무점이 두 번 모두 첫째·둘째 항목이었습니다. 자세한 조건은 사례와 측정 방법에 있습니다.
• 나오지 않은 기록도 있습니다: 10월 15일 ‘AI 상위노출 전문가 알려줘’ 답변에 유환호는 나오지 않았습니다. 이유에 대한 가설은 고객 사이트는 나왔는데 정작 제 이름은 안 나왔다에 적었습니다.

이해관계: 이 글을 쓴 사람은 AI 상위노출 일을 맡는 당사자라서, 독자가 ‘AI 상위노출 전문가’를 찾는 일에 이해관계가 있습니다. 10월 13일 ‘AI 상위노출 전문업체 알려줘’ 답변의 표 첫 줄에 나온 나비랑도 유환호가 기획·구축한 사이트이고, 그 답변 화면에서 출처 인용은 확인되지 않았습니다. 10월 15일 답변에 나온 국내 업체 가운데에도 나비랑이 있었습니다. 위 확인표는 이 사이트와 나비랑에도 똑같이 적용해 주세요.