여러 나라에서 사업한다면, 이제 걱정해야 할 것은 "각국 페이지가 검색에 잘 뜨는가"만이 아닙니다. 그보다 더 중요한 질문이 새로 생겼습니다. "AI가 우리 정보를 나라별로 정확히 구분해서 답하는가"입니다. 미국에서는 허가된 정보가 독일에서는 금지된 내용일 수 있는데, AI가 둘을 한 답변에 섞어버리면 그 자체로 규정 위반이 될 수 있습니다.
SEO 전문가 빌 헌트(Bill Hunt)는 이 문제를 '지식 무결성(Knowledge Integrity)'이라고 부릅니다. 페이지 몇 개를 손보는 것으로는 풀 수 없는, 조직 차원의 과제라는 것입니다. 국내만 사업하는 곳이라면 남의 일처럼 들릴 수 있지만, 한국 브랜드도 해외 진출이 늘고 글로벌 AI가 답을 만드는 시대라 점점 피하기 어려운 주제가 됩니다. Search Engine Journal 기고를 쉽게 풀어봤습니다.
지식 무결성이란 무엇인가
빌 헌트의 정의를 쉽게 옮기면 이렇습니다. 지식 무결성이란 "각 시장에 맞는 정보가, 일반 검색엔진에서도 AI 답변 시스템에서도, 정확하고·찾을 수 있고·올바로 해석되고·다시 꺼내질 수 있도록 보장하는 일"입니다.
기존의 국제 SEO는 "어느 나라 사용자에게 어느 페이지를 보여줄까"를 고르는 일이었습니다. 그런데 AI 시대의 과제는 한 단계 더 깊습니다. AI가 여러 페이지를 읽고 답을 '합성'할 때, 우리 정보가 나라별로 올바르게 살아남아 인용되느냐입니다. 보여주는 페이지를 고르는 것을 넘어, 답이 만들어지는 과정 자체를 관리해야 한다는 뜻입니다.
쉬운 예로 가격을 생각해 봅시다. 같은 제품을 미국에서는 99달러, 한국에서는 12만 원에 판다고 합시다. 예전 검색은 한국 사용자에게 한국 페이지를 보여주면 끝이었습니다. 그런데 AI는 미국 페이지와 한국 페이지를 함께 읽고 "이 제품은 99달러"라고 답해버릴 수 있습니다. 한국 소비자는 잘못된 가격을 듣고, 우리는 가격 신뢰를 잃습니다. 페이지는 둘 다 멀쩡한데, 그 둘을 섞는 과정에서 사고가 나는 것입니다.
핵심 위험: 시장 간 정보 오염
가장 큰 위험은 '시장 간 오염(cross-market contamination)'입니다. 여러 나라의 정보가, 원래 그것이 향했던 대상이라는 맥락이 빠진 채 뒤섞여 제시되는 상황입니다.
헌트가 든 예가 분명합니다. 40개 시장에서 사업하는 제약회사를 생각해 봅시다. 어떤 치료 용도가 미국에서는 허가됐지만 독일에서는 허가되지 않았다고 합시다. 전통적인 다국어 태그(hreflang)는 "독일 사용자에게는 독일 페이지를"이라고 페이지를 골라주는 데까지는 잘 작동합니다. 그러나 AI는 미국 페이지와 독일 페이지를 동시에 읽고 하나의 답으로 합쳐버릴 수 있습니다. 그 결과 독일 사용자에게 허가되지 않은 정보를 사실처럼 전달하면, 규정 위반이 됩니다.
제약처럼 특수한 업종만의 문제가 아닙니다. 한국 화장품 브랜드가 미국과 일본에도 판다고 해봅시다. 어떤 성분이 한국에서는 표시 기준이 다르고, 미국에서는 특정 효능 문구가 금지돼 있을 수 있습니다. 그런데 AI가 세 나라 페이지를 섞어 "이 제품은 주름 개선에 효과적"이라고 미국 소비자에게 답하면, 미국에서 금지된 표현을 회사가 한 것처럼 돼버립니다. 또는 단종된 구버전 제품 정보가 다른 나라 페이지에 남아 있다가, 현행 제품 답변에 섞여 들어가기도 합니다. 여러 나라에 같은 제품을 파는 곳이라면 어디든 겪을 수 있는 일입니다. 페이지 하나하나는 다 맞는데, 그것들을 섞는 AI의 손에서 틀린 답이 만들어진다는 점이 이 문제의 까다로운 부분입니다.
왜 이런 일이 생길까요. AI 크롤러는 대개 미국에 있는 서버에서 작동해, 지역 IP 차단을 우회할 수 있기 때문입니다. 웹 구조에 분명한 통제 장치가 없으면, 헌트의 표현대로 "전 세계 사이트들이 모델의 머릿속에서 서로를 오염시키게" 됩니다.
여기서 'hreflang'이라는 용어가 나오는데, 쉽게 말하면 "이 페이지는 한국어 사용자용, 저 페이지는 독일어 사용자용"이라고 검색엔진에 알려주는 표시입니다. 이 표시는 검색엔진이 사용자에게 맞는 페이지를 골라 보여줄 때는 잘 작동합니다. 문제는 AI가 답을 만들 때입니다. AI는 이 표시를 무시하고 여러 나라 페이지를 한꺼번에 읽어 섞을 수 있습니다. 그래서 hreflang을 아무리 잘 달아놓아도, AI 답변 단계에서는 보호막이 되지 못합니다. 기존 국제 SEO의 핵심 도구가 새 환경에서는 절반밖에 듣지 않는 셈입니다.
표면적 처방으로는 안 되는 이유
많은 회사가 페이지 단위 처방으로 이 문제를 덮으려 합니다. FAQ를 붙이고, 스키마 마크업을 넣고, llms.txt 파일을 올리는 식입니다. 헌트는 이런 것들이 나쁘진 않지만 근본 해결은 아니라고 못 박습니다.
이유는 간단합니다. 진짜 문제는 페이지가 아니라 조직에 있기 때문입니다. 같은 제품인데 지역마다 사양·가격 정보가 다르거나, 어떤 나라 페이지가 오래돼 옛 정보를 담고 있다면, 페이지 몇 개를 꾸며도 AI는 여전히 충돌하는 정보를 읽어갑니다. 핵심은 "AI가 애초에 무엇을 읽어가는지를 조직이 통제하고 있는가"입니다.
스키마 마크업이나 llms.txt 같은 도구를 잠깐 설명하면, 둘 다 "이 페이지의 내용은 이런 뜻이다"를 기계가 알아듣기 쉽게 알려주는 표시입니다. 분명 도움은 됩니다. 그러나 표시를 아무리 잘 달아도, 정작 그 페이지에 적힌 정보가 나라마다 어긋나 있으면 소용이 없습니다. 깔끔하게 포장은 했지만 상자 안 내용물이 서로 다른 상황입니다. 그래서 헌트는 포장보다 내용물, 즉 정보 자체의 일관성을 먼저 잡으라고 말합니다.
점검을 위한 5가지 기준
헌트는 시장마다 다섯 가지 항목으로 점검하라고 제안합니다. 이를 '글로벌 지식 무결성 매트릭스(GKIM)'라고 부릅니다.
첫째, 시장 정확성입니다. 가격·규제·판매 여부가 그 나라 현실과 맞는지 봅니다. 예를 들어 그 나라에서 이미 단종된 제품 페이지가 살아 있으면 정확성에서 감점입니다. 둘째, 엔티티 명확성입니다. 여기서 엔티티란 제품·지점·인물처럼 '하나의 분명한 대상'을 말합니다. 이름이 비슷한 제품이 여럿이면 AI가 헷갈리니, 각 대상이 서로 또렷하게 구분되고 연결돼 있는지 확인합니다. 셋째, 콘텐츠 고유성입니다. 단순 번역으로 찍어낸 중복 페이지가 아니라, 그 지역 소비자에게 진짜 도움이 되는 고유한 내용이 있는지 따집니다. 넷째, 기계 추출성입니다. 답·출처·날짜·적용 범위를 기계가 쉽게 골라낼 수 있게 적혀 있는지 봅니다. 표 안 그림이나 PDF에만 답이 있으면 추출성이 떨어집니다. 다섯째, 거버넌스 신뢰성입니다. 누가 책임지고, 언제 검토하고, 어떻게 승인하는지 정해져 있는지입니다. 담당자가 없으면 정보는 반드시 낡습니다.
어디서부터 손댈까
전부를 한 번에 고치기는 어렵습니다. 헌트는 위험이 큰 곳부터 시작하라고 조언합니다. 제품 페이지, 가격, 의료·금융 관련 주장, 법적 고지, 지점 정보, 고객지원 콘텐츠가 우선순위입니다.
실무 순서는 이렇습니다. 같은 제품이 어느 시장들에 어떻게 올라가 있는지 먼저 훑고, 시장별로 가장 믿을 만한 출처를 정리합니다. 그다음 콘텐츠에 날짜·출처·책임자를 눈에 보이게 표시하고, 정보가 바뀔 때 누가 어떻게 갱신할지 절차를 만듭니다. 마지막으로 AI에게 직접 물어, 나라별로 맞는 답을 꺼내오는지 시험해 봅니다.
마지막 단계는 누구나 오늘 당장 해볼 수 있습니다. ChatGPT나 퍼플렉시티에 우리 제품을 나라별 조건으로 직접 물어보는 것입니다. "한국에서 이 제품 가격은?", "독일에서 이 제품을 살 수 있나?"처럼요. 그 답이 틀리거나 다른 나라 정보와 섞여 있다면, 그게 바로 우리가 손봐야 할 지점입니다. 비싼 도구 없이도 AI의 답을 직접 받아보는 것만으로 우리 정보가 어떻게 합성되고 있는지 눈으로 확인할 수 있습니다.
헌트는 큰 조직이라면 'VP of Answers', 즉 답변 책임자 같은 역할이 필요하다고도 말합니다. 회사가 "어디서나 같은 말을 하도록" 챙기고, AI가 올바른 버전을 가져가도록 보장하는 자리입니다. SEO·콘텐츠·법무·개발을 잇는 역할이지, 이들을 대체하는 자리는 아닙니다. 서로 다른 부서가 각자 다른 정보를 내보내던 것을 한 방향으로 모으는 일이 핵심입니다.
작은 회사라면 이 모든 걸 갖출 수는 없습니다. 그래도 한 가지는 할 수 있습니다. 가격·사양·정책처럼 나라마다 달라지는 핵심 정보에 "이 정보는 어느 나라 기준이며, 언제 갱신됐다"를 텍스트로 명확히 적어두는 것입니다. 한 사람이 분기에 한 번씩이라도 각 나라 페이지의 핵심 수치가 서로 어긋나지 않는지 훑어보는 것만으로도, 가장 흔한 사고는 막을 수 있습니다. AI가 그 맥락을 읽을 수 있으면, 엉뚱한 나라 정보와 섞일 위험이 줄어듭니다. 거창한 조직 개편 없이도, 정보에 '꼬리표'를 다는 습관만으로 첫 단추는 끼울 수 있습니다. 이 모든 흐름은 한국 브랜드가 겪는 GEO 시대의 구조 변화와도 정확히 맞닿아 있습니다.