‘AI 마케팅 전문가 5명 추천해 줘’라고 물으면 — AI가 만든 다섯 명 목록은 어디서 오고, 어떻게 써야 하나

‘5명’을 달라고 하면 AI는 무엇을 하나

‘AI 마케팅 전문가 알려줘’와 ‘AI 마케팅 전문가 5명 추천해 줘’는 비슷해 보여도 요구가 다릅니다. 뒤의 질문은 개수가 정해진 목록을 요구합니다. 한 사람을 잘 설명한 글 하나로는 답이 되지 않고, 여러 후보가 나란히 있어야 답이 성립합니다. 이 사이트의 작업 기록에도 같은 관찰을 적었습니다(‘추천해줘’라는 질문에는 목록이 필요하다).

웹 검색을 쓰는 AI가 이런 목록을 만드는 과정은 대개 검색 → 후보 모으기 → 답 쓰기 순서입니다. 이 과정과 관련 논문은 AI는 어떻게 전문가를 고르나에 정리했습니다. 이 글은 그 다음 질문, 즉 그렇게 만들어진 ‘N명 목록’을 받은 사람이 그것을 어떻게 읽어야 하나를 다룹니다.

먼저 결론부터 적으면 세 가지입니다.

1. 목록의 재료는 상당 부분 ‘추천 N선’·모음 글이고, 그중에는 목록에 오른 당사자가 쓴 글도 있습니다.
2. 같은 질문에도 목록은 거의 매번 바뀝니다. 순서는 더 그렇습니다.
3. 칸 수를 정해 주면, 서로 다른 종류의 후보가 한 목록에 섞일 수 있습니다.

목록의 재료 — ‘추천 N선’ 글과 업체 모음

검색 도구 회사 Ahrefs가 2025년 12월 4일 공개한 조사는 ChatGPT에 소프트웨어·제품·대행사 추천을 묻는 질문 750개를 넣고, 답변에 붙은 출처의 종류를 셌습니다. 대행사 질문은 ‘런던 최고의 웹디자인 대행사’처럼 SEO·소셜미디어·광고·브랜딩·마케팅·웹디자인 대행사를 묻는 질문이었습니다.

“Across all source links, ‘best X’ blog lists represented 43.8% of all page types”

출처 링크 전체에서 ‘최고의 X’ 형식의 블로그 목록 글이 페이지 종류의 43.8%였다는 뜻입니다. 같은 조사는 다른 사람의 목록에서 위쪽에 오른 브랜드가 답변에도 더 나오는 경향이 있었다고 적었습니다.

이 목록 글들의 질은 고르지 않았습니다.

“35% of cited best lists were published on low authority domains — many of which were highly questionable”

인용된 목록 글의 35%는 권위가 낮은 도메인에 있었고(Ahrefs는 링크 기반 지표인 Domain Rating을 대략의 기준으로 썼습니다), 그중 상당수는 매우 의심스러웠다는 뜻입니다. 또 작성 회사가 자기를 1위에 올린 목록도 출처로 쓰였습니다. 소프트웨어 분야 구글 검색 결과 250개 중 169개(67.6%)에 그런 목록이 있었다고 합니다.

조건과 한계: 사람들이 구글에 치는 검색어가 채팅창에 치는 문장을 그대로 대표하지는 않을 수 있다고 연구자 스스로 적었고, 질문 언어는 따로 밝히지 않았습니다. 제3자 출처 1만여 개는 GPT-5로 자동 분류했습니다. Ahrefs는 검색·AI 노출 분석 도구를 파는 회사이고, 이 조사는 동료 심사를 거친 논문이 아닙니다. 그리고 조사의 결론은 대행사·소프트웨어 회사가 자기 홍보용 목록을 만들라는 권고였습니다. 이 권고가 맞든 틀리든, 읽는 사람에게는 이렇게 읽힙니다. AI 답변 뒤에 있는 목록 글 중 일부는 목록에 오른 당사자가 쓴 것일 수 있습니다.

AI 검색이 기업 자기 사이트보다 제3자 문서를 많이 인용한다는 연구 수치는 제3자 언급 글에 조건째 정리해 두었습니다. 같은 연구(Chen 외, 2025, 프리프린트)는 AI 검색 서비스끼리도 질문 표현에 대한 민감도가 다르다고 적었습니다.

“We further demonstrate that AI Search services differ significantly from each other in their domain diversity, freshness, cross-language stability, and sensitivity to phrasing.”

AI 검색 서비스들이 출처의 다양성, 최신성, 언어를 바꿨을 때의 안정성, 질문 표현에 대한 민감도에서 서로 크게 다르다는 뜻입니다. ‘전문가 5명’과 ‘전문가 알려줘’처럼 표현만 바꿔도 엔진에 따라 다른 목록이 나올 수 있음을 짐작하게 합니다.

같은 질문, 다른 다섯 명 — 목록은 얼마나 바뀌나

조사 1 — 100번 물으면 같은 목록은 1번도 어렵다 (SparkToro, 2026)

SparkToro의 Rand Fishkin과 AI 노출 측정 회사 Gumshoe의 Patrick O’Donnell은 2026년 1월 27일 이런 결과를 공개했습니다. 자원자 600명이 질문 12개를 미국에서 많이 쓰는 ChatGPT·Claude·Google AI(AI 개요, 없으면 AI 모드)에 합계 2,961번 넣고 답을 설문지에 붙여 넣었습니다. 질문 하나당 60~100번씩 반복된 셈입니다. 질문 중에는 전자상거래 경험이 있는 디지털 마케팅 컨설턴트를 추천해 달라는 것도 있었습니다.

“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.”

ChatGPT나 Google AI에 100번 물었을 때 어느 두 답이라도 같은 브랜드 목록일 확률이 1% 미만이라는 뜻입니다. 순서까지 같을 확률은 1,000번에 한 번꼴이라고 적었습니다. 바뀌는 것은 이름만이 아니었습니다.

“sometimes the AI gave as few as 2-3 recommendations, and equally often 10 or more”

같은 질문에 추천을 두세 개만 줄 때도, 열 개 넘게 줄 때도 비슷하게 많았다는 뜻입니다. 이 조사에서는 개수를 정하지 않고 물었는데, 개수가 들쭉날쭉했습니다.

그렇다고 완전히 무작위는 아니었습니다. 연구자들은 몇 번째로 나왔는지(순위)는 거의 의미가 없지만, 여러 번 물었을 때 몇 %의 답에 나왔는지(노출률)는 쓸 만한 지표라고 결론을 바꿨습니다. 마케팅 컨설턴트 질문에서는 한 대행사가 Google AI 답 95개 중 85개에 나왔습니다. 다만 후보가 많은 분야일수록 답이 더 흩어졌고, 커피숍 브랜드 디자인 대행사를 묻는 넓은 B2B 질문에서는 상위 업체의 노출률이 30~40%대였습니다.

조건과 한계: 연구자들은 전문 연구자가 아니라고 스스로 밝혔고, 블로그로 공개된 조사라 동료 심사를 거친 논문이 아닙니다. 공동 연구자가 합류한 회사는 AI 노출 추적 분야의 스타트업입니다(글에 이해관계 가능성을 밝혔습니다). 참가자의 기기·국가·대화 기록 설정은 통제하지 않았고, 2025년 11~12월의 모델 기준입니다.

조사 2 — 두 번 물으면 겹치는 제품은 일부 (Uberti-Bona Marin 외, 2026)

2026년 9월 16일 arXiv에 올라온 프리프린트는 실제 사용자가 쓴 질문 가운데 상품 구매 조언을 구하는 질문 117개를 골라, 로그아웃한 ChatGPT·Gemini 화면과 각 API, Google AI 개요에 질문마다 세 번씩 넣었습니다. 1,755번 중 1,536번 답이 나왔습니다. 두 답이 추천한 제품이 얼마나 겹치는지를 자카드 지수(1이면 완전히 같고 0이면 하나도 겹치지 않음)로 쟀습니다.

“AI Overview shows the highest Jaccard overlap across repetitions (0.421), meaning that, on average, when running a query twice, the products in common between both responses would be 42% of the total unique recommended products across both responses. Gemini has a mean overlap of 0.287.”

“By contrast, ChatGPT’s mean overlap across repetitions is only 0.178.”

같은 질문을 두 번 넣었을 때 겹친 제품의 비율이 AI 개요는 평균 0.421, Gemini는 0.287, ChatGPT는 0.178이었다는 뜻입니다. 연구자들은 ‘Apple iPhone 14’와 ‘iPhone 14’를 다른 제품으로 셌기 때문에 이 값은 실제 겹침의 하한이라고 적었습니다.

엔진끼리는 더 달랐습니다. 같은 질문에 ChatGPT와 Gemini 화면이 보여 준 출처 도메인은 평균 5.4%만 겹쳤고, 비교의 76.7%에서는 겹치는 도메인이 하나도 없었습니다. 연구자들의 정리는 이렇습니다.

“Our findings show that neither isolated responses nor API observations can be assumed to represent the commercial advice consumers encounter.”

답 한 번이나 API로 얻은 결과가 소비자가 실제로 보는 추천을 대표한다고 가정할 수 없다는 뜻입니다.

조건과 한계: 동료 심사 전 프리프린트이고, 사람이 아니라 제품 추천을 다뤘습니다. 새 브라우저 프로필과 로그아웃 상태로, 네덜란드 IP·영어(en-NL) 환경에서 물었고 반복은 세 번이었습니다.

두 조사를 사람 추천에 옮기면

두 조사 모두 사람(전문가)이 아니라 브랜드·제품·대행사 추천을 다뤘고, 한국어 질문은 없었습니다. 그래서 ‘AI 마케팅 전문가 5명’에 그대로 같은 숫자가 나온다고 말할 수는 없습니다. 다만 방향은 같다고 봅니다. 한 번 받은 다섯 명은 여러 가능한 목록 중 하나이고, 몇 번째로 나왔는지는 거의 의미가 없습니다.

다섯 칸을 채우다 보면 — 섞이는 것들

목록을 요구받은 AI는 후보가 부족하거나 분야가 넓을 때 서로 다른 종류의 후보를 한 목록에 섞을 수 있습니다. 이 사이트가 본 장면과 조사 결과에서 확인되는 것은 세 가지입니다.

10월 15일 답은 질문에 ‘5명’을 넣지 않았는데도 해외 개인 전문가 다섯 명으로 칸을 채웠습니다. 한국에서 일할 사람을 찾는 사람에게는 그 다섯 명이 실제 후보가 되기 어렵습니다. 그리고 AI 스스로 국내에는 합의된 대표 전문가가 없다고 말하면서도 목록은 만들었습니다. 목록이 있다고 해서 그 분야에 정해진 ‘상위 5명’이 있다는 뜻은 아니라는 점을 보여 주는 장면입니다. 엔진 하나·한 번의 관측이고 계정의 사용자 정보가 답에 반영돼 있었으므로 일반화할 수는 없습니다.

‘AI 마케팅 전문가’라는 말 자체도 섞이기 쉽습니다. 이 말을 쓰는 문서 대부분이 교육·자격증 뜻이어서, AI가 가져온 문서에 따라 강의하는 사람, 광고를 집행하는 대행사, AI 답변에 나오게 하는 AI 검색 최적화 실무자가 한 목록에 오를 수 있습니다. 세 가지 뜻의 차이는 AI 마케팅이란에 정리했습니다. 이 사이트는 아직 ‘AI 마케팅 전문가 5명 추천해 줘’라는 문장 그대로를 측정하지 않았습니다. 재면 결과를 이 글에 덧붙이겠습니다.

받은 목록을 쓰는 법 — 출발점으로, 한 명씩

목록은 버릴 것이 아니라 후보를 모으는 첫 단계로 쓰면 됩니다. 순서는 이렇습니다.

6단계에서 쓸 기준(측정 조건 공개, 기준선, 언급과 인용 구분, 직접 만든 사이트, 보장하지 않음 등)은 AI 상위노출·AI 마케팅 전문가 고르는 기준 7가지에 있습니다. 1단계에서 같은 질문을 어떤 조건으로 물어야 하는지는 AI 노출을 직접 확인하는 법을, 엔진마다 출처가 어떻게 다른지는 ChatGPT·Gemini·Perplexity·Copilot의 차이를 참고하세요.

한 가지 더 조심할 것이 있습니다. ‘AI 추천 목록 1위’나 ‘ChatGPT가 추천한 전문가’를 내세우는 말은 위 조사들에 비추면 한 번의 장면일 수 있습니다. SparkToro 연구자는 답이 마음에 들지 않으면 몇 번 더 물으면 된다며, AI 노출을 파는 사람이 이 점을 악용할 수 있다고 경고했습니다. 그런 말을 들으면 언제, 어떤 질문으로, 몇 번 물어서 몇 번 나왔는지를 물어보세요.

이 글을 쓴 사람

이 글은 AI 상위노출·AI 마케팅 일을 하는 유환호가 썼습니다. AI 검색 최적화(ChatGPT 검색 최적화·GEO·AEO·SEO)를 직접 하는 개인이고, 광주광역시에서 일합니다. 이 글의 주제가 곧 그의 일이라는 이해관계가 있어서, 다른 사람이나 업체의 이름을 추천하거나 순위를 매기지 않았고 위 조사들에 나온 업체 이름도 옮기지 않았습니다.

위 표의 2026-10-15 관측에서 ChatGPT가 든 국내 업체 중에는 그가 기획·구축한 나비랑이 있었지만, 유환호라는 이름은 나오지 않았습니다. 그가 AI 상위노출 작업을 한 사이트는 나비랑·노블365의원·트이다학원 남악점·리뷰로거·맛집노트 광주·칸세이스시·제일돌곱창 일곱 곳이고, 각 사이트에서 무엇을 했고 무엇이 관측됐는지는 사례에 관측 횟수와 한계를 함께 적었습니다. AI 답변 노출을 보장하지 않으며, 위 6단계 확인표는 그에게도 똑같이 적용하시면 됩니다.