인공지능 에이전트에 대한 의존은 개발자와 소프트웨어 엔지니어의 일상적인 검색 여정에서 필수적인 부분이 되었다. 2026년 개발자 설문조사와 같은 최근 여론조사에 따르면, 응답자의 약 70%가 적절한 기술적 답변과 해결책을 찾는 데 도움을 받기 위해 인공지능 에이전트를 활용하고 있다. 검색 행태에서의 이러한 인구통계학적 변화는 기술 기업과 소프트웨어 개발 플랫폼 앞에 새로운 과제를 제기한다. 즉, 대규모 언어 모델(LLM)이 제공하는 첫 번째 답변에 자사의 도구와 플랫폼이 노출되도록 어떻게 보장할 수 있는가 하는 점이다.
웹사이트 개발 및 콘텐츠 관리 플랫폼인 Webflow는 Anthropic의 Claude, OpenAI의 ChatGPT, 구글의 Gemini, Perplexity를 비롯한 여러 주요 모델을 향한 수백 개의 질의를 추적하여 인공지능 검색 엔진의 행동을 연구하고 분석했다. 이 연구는 모델 컨텍스트 프로토콜(MCP)과 같은 프로토콜과의 소프트웨어 통합, 그리고 웹사이트 구축 및 콘텐츠 관리를 위해 사용 가능한 옵션과 관련된 구체적인 질문이 제기되었을 때 플랫폼의 이름이 나타나는 정도를 파악하는 것을 목표로 했다.
실제 데이터가 드러내는 것은 무엇인가?
Webflow가 특정 기간 동안 수집하고 100건의 질의 응답을 추적한 데이터는 서로 다른 인공지능 검색 엔진 사이에 큰 격차가 있음을 보여주었다. 예를 들어, Perplexity는 25개의 응답 중 약 22번 이름이 언급되어 언급 빈도 측면에서 선두를 차지했으며, 그 뒤를 ChatGPT가 이었고 다른 모델들은 더 낮은 비율을 기록했다. 그러나 기술 팀은 단순히 플랫폼의 이름이 언급된다고 해서 그것이 반드시 설명의 정확성이나 분류의 정확성을 의미하는 것은 아니라는 점을 주목했다. 일부 모델은 MCP 서버가 OAuth 인증 지원을 제공하며 플랫폼 자체에서 개발되었다는 점을 명확히 하는 정확한 설명을 제공한 반면, 다른 모델들은 이를 제3자 통합으로 간주하거나 정확한 세부 정보를 제공하지 않았다.
분석은 또한 모델이 의존하는 소스가 근본적으로 다르다는 점을 보여주었다. 일부 모델은 기업의 공식 문서와 자체 기술 문서를 신뢰한 반면, 대다수의 모델은 외부 가이드, 기술 블로그, 제3자 저장소에 의존했으며, 이로 인해 플랫폼의 노출은 직접적인 문서화 대신 때때로 외부 참고 자료에 의존하게 되었다.
이러한 발전이 기술 팀에게 중요한 이유는 무엇인가?
이러한 전략적 변화는 여러 가지 실무적 이유로 기술 기업과 소프트웨어 제품에 극도로 중요하다.
- 전통적인 방문자의 부재: 인공지능 에이전트가 개발자에게 직접적인 답변을 제공할 때, 사용자는 기업의 웹사이트를 방문하지 않거나 전통적인 분석 결과가 나타나지 않을 수 있으며, 이로 인해 홍보 효과의 측정은 응답에 대한 직접적인 모니터링으로 제한된다.
- 설명과 분류의 정확성: 단순히 이름을 스쳐 지나가듯 언급되는 것만으로는 충분하지 않으며, 개발자의 오해를 피하기 위해 기술적 역량(지원되는 MCP 서버의 성격 및 사용 가능한 통합 기능 등)을 정확하게 설명하는 것이 더 중요하다.
- 소스 제어: 공식 문서와 직접적인 소프트웨어 문서에 의존하는 것은 오래되었거나 부정확할 수 있는 외부 기사 대신 모델이 올바른 정보를 인용할 가능성을 높여준다.
이러한 실험은 인공지능 시대에 제품의 노출을 최적화하는 것이 더 이상 전통적인 검색 엔진 최적화(SEO)에만 국한되지 않으며, 인공지능 가시성 최적화(AEO)로까지 확대되었음을 확인시켜 준다. 여기에는 응답의 지속적인 추적, 모델이 기술적 역량을 해석하는 방식의 이해, 그리고 에이전트가 쉽게 이해하고 사용할 수 있는 구조화되고 신뢰할 수 있는 소프트웨어 문서를 제공하기 위한 작업이 요구된다.
뉴스 출처
The New Stack - Software Development
원문 보기 ↗