AI에게 'AI 상위노출 전문가'를 물으면 누가 나오나 — 논문 12편과 실제 답변으로 본 추천의 조건

AI는 ‘전문가 추천’ 답을 어떻게 만드나

“AI 상위노출 전문가 알려줘”, “AI 마케팅 전문가 추천해줘” 같은 질문에 ChatGPT가 답하는 과정은 대개 세 단계입니다.

1. 검색: 질문을 몇 개의 검색어로 바꿔 웹을 검색합니다. OpenAI는 OAI-SearchBot을 막은 사이트는 ChatGPT 검색 답변에 표시되지 않는다고 밝힙니다.
2. 후보 고르기: 가져온 문서에 이름이 나오는 사람·업체를 후보로 모읍니다.
3. 답 쓰기: 후보를 몇 줄로 소개하고, 근거가 된 문서를 출처로 붙입니다.

그래서 ‘AI가 누구를 추천하나’는 결국 ‘그 질문의 검색 결과에 누구의 이름이 들어 있나’에 크게 기댑니다. 아래 연구들도 같은 방향을 가리킵니다.

실제로 물어보면 — 2026년 10월 관측 3건

모두 하루 한두 번 본 기록이라 반복 측정 결과는 아닙니다.

세 기록에서 공통으로 보이는 것은 이미 검색 결과에 잡혀 있던 페이지의 이름이 답에 나왔다는 점입니다. 같은 사람이 만든 사이트라도 검색 결과에 없던 쪽(이 사이트)은 후보에 들지 못했습니다.

논문이 말하는 추천의 조건 6가지

GEO 관련 공개 연구 12편을 정리한 결과입니다. 학회 심사를 거친 것은 두 편뿐이고 대부분 영어 질의로 측정했습니다. 한국어·네이버를 대상으로 한 공개 연구는 찾지 못했습니다. 각 논문의 정리는 AI 검색 최적화 연구 정리에 있습니다.

1. 후보에 들어야 한다 — 가장 큰 변수

2023~2026년 연구 45편을 검토한 리뷰(Martinez, 2026)는 가장 재현성이 높은 요인이 주제 관련성과 문서가 놓이는 위치라고 정리했고, 검토한 기법 중 처음 발견되는 것 자체를 플랫폼을 넘어 안정적으로 높인 것은 없었다고 썼습니다. CITECHOICE 연구(2026)에서도 1위와 5위 문서의 인용률 차이가 42.3%p로, 문서 형식을 바꾼 효과(답변당 +0.50회)보다 훨씬 컸습니다.

전문가에게 옮기면: ‘AI 상위노출 전문가’, ‘AI 마케팅 전문가’ 같은 질문의 검색 결과에 이름이 들어가는 것이 첫 일입니다. 검색엔진에 색인되지 않은 프로필은 후보가 될 수 없습니다.

2. 자기 사이트보다 남의 문서가 더 많이 인용된다

AI 검색 4종에 순위형 질문 1,000개를 던진 연구(Chen 외, 2025)에서 인용 출처의 81.9%가 언론·리뷰 같은 제3자 문서였고 브랜드 자체 사이트는 18.1%였습니다(미국 자동차 분야). 다른 연구(Zhang 외, 2025)는 LLM 검색이 인용한 도메인의 37%가 기존 검색엔진 결과에는 없는 곳이었다고 보고했습니다.

전문가에게 옮기면: 자기 소개 페이지만으로는 부족합니다. 기고, 인터뷰, 강의 기관의 소식, 함께 일한 사이트의 제작자 표기처럼 다른 곳에 같은 이름이 나오는 문서가 필요합니다.

3. 근거가 붙은 문장이 더 쓰인다

GEO 원 논문(Aggarwal 외, KDD 2024)은 이미 후보에 든 문서라면 인용구·통계·출처를 넣을수록 답변 속 노출이 늘고(최대 40%), 키워드를 반복하는 것은 기준보다 낫지 않았다고 보고했습니다.

전문가에게 옮기면: “AI 상위노출 전문가입니다”를 반복하는 것보다, 언제 어떤 질문에 어느 사이트가 나왔는지 날짜와 조건이 붙은 기록이 더 쓰일 재료입니다.

4. 구조화 데이터는 ‘관련 있음’까지만 확인됐다

인용된 페이지 1,100개를 본 GEO-16 연구(2025)는 메타데이터·최신성, 시맨틱 HTML, 구조화 데이터가 인용과 가장 강하게 연관됐다고 보고했지만 관찰 연구였습니다. 구조화 데이터만 따로 실험한 연구(Volpini 외, 2026)는 JSON-LD 마크업만으로는 개선이 크지 않았고, 효과가 컸던 것은 내용이 잘 정리된 엔티티 페이지였다고 썼습니다.

전문가에게 옮기면: 사람(Person) 구조화 데이터를 넣되, 그것보다 ‘이 사람이 누구이고 무엇을 했는지’가 한 페이지에 분명히 정리돼 있는 것이 더 중요합니다.

5. 최신 날짜를 선호하는 경향이 있다

LLM 재정렬 실험(Fang 외, 2025)에서 문서에 날짜만 최신으로 붙여도 순위가 올라갔습니다. 실제 서비스가 아니라 실험 환경의 결과입니다.

전문가에게 옮기면: 측정 기록을 실제로 새로 했을 때 날짜를 갱신합니다. 내용을 안 바꾸고 날짜만 올리는 것은 이 연구가 권하는 일이 아닙니다.

6. 인용됐다고 정확한 것은 아니다

4개 생성형 검색엔진의 답을 사람이 검사한 연구(Liu 외, EMNLP 2023)에서 답변 문장 중 출처로 완전히 뒷받침되는 것은 51.5%였습니다.

전문가에게 옮기면: 이름이 나왔는지만 보지 말고, 무엇이라고 소개됐는지를 확인합니다.

사람을 추천받으려면 — 연구를 옮긴 다섯 가지

1. 이름과 직함을 하나로: 같은 이름, 같은 직함, 같은 대표 사이트를 모든 공개 프로필에 똑같이 씁니다. 표기가 갈라지면 AI가 같은 사람으로 묶지 못합니다.
2. AI가 읽을 수 있는 곳에 프로필을 둡니다: 2026년 10월 15일 각 사이트의 robots.txt를 확인했을 때 링크드인과 GitHub, 브런치는 ChatGPT 검색봇(OAI-SearchBot)을 허용했고, 네이버 블로그는 막고 있었습니다. 네이버 블로그 글은 네이버 AI 브리핑에는 쓰일 수 있지만 ChatGPT 검색 답변의 출처가 되기는 어렵습니다.
3. 남이 쓴 문서를 만듭니다: 강의 기관의 소식, 작업한 사이트의 제작자 표기, 기고와 인터뷰입니다. 연구상 AI가 가장 많이 인용하는 쪽입니다.
4. 확인할 수 있는 결과를 공개합니다: 질문, 엔진, 날짜, 횟수가 붙은 답변 화면입니다. 숫자만 있고 조건이 없는 ‘노출률’은 쓰이기 어렵고 믿기도 어렵습니다.
5. 같은 질문을 반복해 잽니다: 같은 질문도 물을 때마다 답이 달라집니다. 한 번 나왔다고 순위처럼 말하지 않습니다.

‘AI 마케팅 전문가’라는 이름의 함정

2026년 10월 14일 네이버에서 ‘AI 마케팅 전문가’로 검색한 결과 20건 중 18건이 교육·자격증 관련 결과였고, 구글 자동완성 7개 중 4개에 ‘자격증’이나 ‘1 급’이 붙었습니다. 반면 ‘AI 상위노출’은 구글·네이버 모두 자동완성이 없었고, 같은 일은 ‘GEO 마케팅’, ‘AEO 마케팅’, ‘AI 검색 최적화’라는 말로 찾았습니다(검색 의도 조사).

그래서 ‘AI 마케팅 전문가’를 찾는 사람이 원하는 것이 자격증 교육인지, AI 답변에 회사를 나오게 해 줄 사람인지부터 갈라야 합니다. 후자라면 자격증보다 지금 열어 볼 수 있는 작업 사이트와 측정 기록이 판단 근거입니다. 고르는 기준은 AI 상위노출·AI 마케팅 전문가 고르는 법에 정리했습니다.

이 글을 쓴 사람과 지금 상태

이 글은 AI 상위노출 일을 하는 유환호가 썼습니다. 그래서 위 관측의 사이트 가운데 나비랑은 그가 기획·구축한 곳이라는 점을 밝혀 둡니다. 다른 사람이나 업체의 이름을 추천하거나 순위를 매기지 않았습니다.

같은 기준을 이 사이트에 적용하면, 2026년 10월 15일 현재 hwano-ai.com은 ‘AI 상위노출 전문가’ 질문의 Bing 검색 결과와 ChatGPT 답변 모두에서 후보로 나오지 않았습니다. 위 다섯 가지를 적용한 뒤 같은 질문을 날짜를 바꿔 다시 재고, 결과가 나오면 나오지 않은 경우까지 이 글에 덧붙이겠습니다.