인터넷이 등장한 이후, 검색 환경은 지금 그 어느 때보다 큰 변화를 맞이하고 있습니다. Big Technology 팟캐스트 진행자 알렉스 칸트로위츠와의 인터뷰에서, 구글의 Nick Fox(지식 및 정보 담당 수석 부사장)와 Liz Reid(검색 담당 부사장)는 생성형 AI가 구글 검색과 정보 생태계를 어떻게 근본적으로 재현하고 있는지 전례 없는 통찰을 공유했습니다.
Sam Altman, GPT-5의 성공과 OpenAI의 5,000억 달러 규모 생성형 AI 인프라 혁신 공개. 여기서 더 읽어보세요!
구글의 생성형 AI 재창조 속으로 — 닉 폭스와 리즈 리드와 함께. 전체 인터뷰 보기!
핵심 철학
Liz Reid는 구글의 전략적 접근을 이렇게 설명합니다. “사람들은 종종 AI와 검색, 혹은 AI와 웹을 대립적으로 생각합니다. 하지만 우리는 그렇게 보지 않아요. AI는 검색이 본래 하고 싶었던 일을 더 잘 할 수 있게 만들어주는 기술이라고 생각합니다.”
이는 AI 혁신을 기존 기술을 대체하는 파괴적 요소가 아니라, 역량을 확장하는 도구로 보는 근본적 전환을 보여줍니다.
Nick Fox는 구글이 이미 오래전부터 BERT와 MUM 같은 대규모 언어 모델 (LLM) 기반 기술을 순위 개선(ranking improvements)에 활용해 왔다고 강조합니다. 따라서 현재의 생성형 AI 도입은 혁명적 대체가 아니라 점진적 진화라는 것이죠.
이 철학적 기반 위에서, 실제 시험대는 이러한 혁신이 사용자 행동과 검색 활동에서 측정 가능한 변화를 만들어내는가에 있습니다.
정량적 영향
AI 오버뷰 도입은 사용자 검색 패턴에 뚜렷한 변화를 가져왔습니다.
Nick Fox는 이렇게 말합니다. “AI 오버뷰가 작동하는 유형의 검색에서 사람들이 약 10% 더 많은 검색을 하고 있습니다.”
구글이 하루 85억 건 이상의 검색을 처리한다는 점을 고려하면, 이는 매일 수억 건의 AI 오버뷰 기반 검색이 추가되고 있음을 의미합니다. 그만큼 사용자 참여도 또한 크게 증가하고 있음을 보여줍니다.
Liz Reid는 더 구체적인 데이터를 공유합니다. “사용자들이 더 긴 검색어를 입력하고, 다양한 방식으로 실험하며, 더 어려운 질문을 던지고 있습니다. 원하는 것을 더욱 직접적으로 요구하는 식으로 말이죠.”
즉, 사용자들은 생성형 AI의 새로운 가능성에 맞춰 더 복잡하고 정교한 질문을 시도하고 있으며, 이는 기존 키워드 중심 검색으로는 해결하기 어려운 요구였습니다. 이러한 새로운 수요에 대응하기 위해 구글은 대규모 언어 모델 (LLM)을 뒷받침하는 기술 아키텍처 자체를 다시 설계해야 했습니다.
맥킨지(McKinsey) 리포트: 생성형 AI가 바꾸는 글로벌 생산성과 미래의 일. 여기 읽어보세요!
기술적 아키텍처
구글 수준에서 대규모 언어 모델 (LLM)을 구현하는 것은 매우 정교한 해법을 필요로 했습니다.
Nick Fox는 초기 상황을 이렇게 회상합니다. “처음에는 기술이 상당히 자주 ‘환각(hallucination)’을 일으켰습니다. 검색에서는 사실성이 무엇보다 중요하기 때문에 큰 과제였죠.”
이에 대한 구글의 대응은 포괄적인 ‘근거(grounding) 시스템’ 구축이었습니다.
Liz Reid는 이렇게 설명합니다. “우리는 어떤 유형의 오류가 드러나는지 파악하는 데 많은 노력을 기울였습니다. 이전에는 잘 보이지 않던 ‘잘못된 전제(false premise)’가 담긴 질문들이 새롭게 등장하기도 했죠.”
이를 해결하기 위해 구글은 다층적 검증 시스템을 도입했습니다.
- 포럼 및 사용자 생성 콘텐츠 구조 이해 강화
- 페이지 및 섹션 단위의 콘텐츠 분석
- 실시간 품질 평가 시스템
- 민감한 주제에 대한 전문가 가이드라인 적용
이러한 조치 덕분에 초기 대규모 언어 모델 (LLM) 대비 환각 오류는 약 20~40% 감소했고, 검색 신뢰성과 사용자 만족도가 크게 개선되었습니다.
신뢰성이 강화된 후, 구글은 자연스럽게 텍스트 중심 검색을 넘어 멀티모달 통합이라는 새로운 단계로 확장을 추진하게 되었습니다.
멀티모달 통합
검색의 멀티모달 진화는 또 하나의 중요한 기술적 도약을 의미합니다.
Liz Reid는 시각 검색 통합의 성공을 이렇게 설명합니다.“렌즈(Lens)는 놀라울 정도로 잘 되고 있어요. 렌즈와 AI 오버뷰의 조합은 정말 폭발적입니다.”
이러한 멀티모달 접근은 다양한 사용자 의도를 충족합니다.
- 카메라 기반 객체 인식 및 숙제 도움
- 화면 기반 콘텐츠 탐색을 위한 원형 검색(Circle to Search) 기능
- 서치 라이브(Search Live)를 통한 음성 대화형 검색
Reid는 “제 개인적인 AI 모드 검색 중 절반 정도는 음성 인터페이스로 진행됩니다”라고 언급하며, 비문자 입력 방식이 이미 상당히 확산되었음을 시사했습니다.
이것은 더 큰 트렌드와도 맞닿아 있습니다. 현재 전체 모바일 검색의 약 50%가 음성으로 이루어지고 있으며, 이는 음성 명령과 화면 기반 원형 검색 같은 비문자 입력 방식이 대중적으로 채택되고 있음을 보여줍니다.
하지만 이러한 혁신은 동시에 중요한 질문을 던집니다. AI 기반 검색이 구글 트래픽에 의존하는 콘텐츠 퍼블리셔 생태계에 어떤 영향을 미치는가?
퍼블리셔 생태계: 트래픽 패턴과 웹 생태계 건강
생성형 AI와 웹 트래픽의 관계는 콘텐츠 퍼블리셔에게 핵심적인 사안입니다.
Nick Fox는 이를 직접 언급합니다.“구글에서 웹으로 향하는 전체적인 트래픽을 넓게 보면, 오랜 기간 대체로 안정적이었습니다.”
그러나 콘텐츠 유형별로 세부적인 영향은 크게 달라집니다.
Liz Reid는 이렇게 설명합니다. “발견되지 않았던 독특한 상인들, 좋은 제품을 가진 소상공인을… 이제는 사람들이 원하는 바를 더 구체적으로 표현할 수 있게 되면서, 이들이 검색에서 발견될 기회가 생겼습니다.”
AI가 생성한 응답에 의미 기반 키워드(semantic keywords)와 링크를 함께 통합하면서, 원본 콘텐츠 소스로 향하는 트래픽은 유지될 뿐만 아니라 일부 쿼리 유형에서는 클릭률이 최대 30%까지 증가했습니다. 이는 웹 생태계의 건강성을 지키는 장치로 적용합니다.
퍼블리셔 건강을 지키는 것이 하나의 축이라면, 다른 축은 AI 기반 검색 패러다임에 맞춰 구글이 수익 모델을 어떻게 적응시키는가입니다.
수익 모델 적응: AI 맥락에서의 광고
AI 강화 검색의 수익화 전략은 여러 기술적·전략적 요소로 구성됩니다. Nick Fox는 네 가지 핵심 수익 동인을 제시합니다.
- 검색 쿼리 증가: AI 오버뷰가 추가 검색을 유도하여 전체 검색량을 확장
- 기존 광고 통합: AI 오버뷰는 현재 검색 결과 페이지 아키텍처 내에서 작동해 기존 광고 위치를 유지
- 광고주 제품 강화: 생성형 AI는 광고 타게팅, 크리에이티브 생성, ROI 최적화를 개선
- 전환 품질 향상: 더 구체적인 검색 쿼리는 광고주에게 높은 가치의 트래픽을 제공하며 전환율 개선
Reid는 덧붙입니다.“AI 모드에서 이루어지는 쿼리는 기존 검색보다 2~3배 더 길어요. 이는 광고주에게 훨씬 정교한 의도 신호를 제공해 타게팅 최적화에 유리합니다.”
초기 업계 분석에 따르면, AI 지원 광고는 참여율을 최대 30% 끌어올릴 수 있으며, 전환율도 10~30% 향상되는 것으로 나타났습니다. 이는 구글의 AI 기반 검색 강화가 상업적으로도 충분히 실현 가능하다는 점을 보여줍니다.
수익 모델이 정렬된 후, 구글의 초점은 이제 AI 검색의 미래 기술 로드맵으로 향합니다.
미래 기술 로드맵
향후 기술 로드맵은 현재의 검색 기능을 넘어 에이전트형 시스템(agentic systems)으로 확장됩니다.
Liz Reid는 아키텍처의 진화를 이렇게 설명합니다.“모델은 점점 더 뛰어난 추론을 하게 되고, 도구 사용에도 능숙해지고 있습니다. 대규모 언어 모델 (LLM)이 도구를 활용할 수 있다면, 그때 가능한 것들은 무엇일까요?”
이를 위해 구글은 LLM을 다음과 통합하고 있습니다.
- 금융 및 스포츠 데이터를 위한 실시간 데이터베이스 시스템
- 다양한 데이터 소스를 연결하는 멀티툴 워크플로우
- 복잡한 쿼리를 처리하기 위한 고도화된 추론 능력
- 콘텐츠 형식 변환을 위한 전환 시스템
이러한 발전은 단순한 이론이 아닙니다. 이미 사용자들이 AI 오버뷰와 상호작용하는 방식과 그 성과 측정 방식에 반영되고 있습니다.
성과 지표
내부 성과 데이터는 사용자들의 긍정적인 반응을 보여줍니다.
Liz Reid는 AI 오버뷰 도입과 관련해 이렇게 말합니다.“사용자들이 실제로 활용하고 있습니다. 긍정적인 피드백도 받고 있고요… 하루에도 여러 번 적극적으로 사용하며 ‘파워 유저’로 성장하는 소규모 집단이 점점 커지고 있습니다.”
참여 패턴을 살펴보면:
- 후속 검색을 통한 세션 길이 증가
- 복잡한 정보 요청에 대한 만족도 향상
- 구글 고급 검색 시나리오에서 파워 유저층 확대
- 쿼리 복잡도와 긍정적 피드백 간의 상관관계
이러한 지표들은 도입 성과를 보여주는 동시에, 점점 치열해지는 AI 혁신 경쟁 환경에서 전략적 포지셔닝의 중요성을 부각시킵니다.
전략적 포지셔닝
경쟁 환경 속에서 구글은 혁신 속도와 품질 보장을 균형 있게 맞춰야 합니다.
Nick Fox는 이렇게 강조합니다. “우리는 웹을 깊이 신뢰합니다… 검색할 웹이 없다면 검색 엔진 자체가 존재할 수 없겠죠.”
구글의 전략적 포지셔닝은 다음을 포함합니다.
- 트래픽 분산을 통한 웹 생태계 건강 유지
- AI 역량 발전과 퍼블리셔 관계의 균형
- 독립형 AI 챗봇 플랫폼에 대한 대응
- 구글 트렌드 분석을 통한 신흥 주제 식별
구글은 전 세계 검색 시장의 약 85~90% 점유율을 유지하고 있으며, 이번 생성형 AI 발전은 지배력 수성을 위해 필수적입니다. 따라서 구글은 빠른 AI 혁신과 품질 보장, 퍼블리셔 생태계의 건강을 동시에 지키며, 독립형 AI 챗봇이 아닌 생태계 기반 접근법으로 대응하고 있습니다.
그러나 이러한 규모의 지배력은 또 다른 고유한 기술적 과제를 동반합니다. 전 세계 수십억 건의 쿼리를 일관성 있고 정확하게 처리하는 것이 바로 그 도전 과제입니다.
기술적 과제
구글 규모에서 생성형 AI 시스템을 운영하는 것은 특별한 기술적 도전을 요구합니다. 구글은 다국어, 다양한 문화적 맥락, 방대한 정보 도메인 전반에서 쿼리를 처리하면서도 정확성과 일관성을 유지해야 합니다.
Reid는 품질 접근 방식을 강조합니다.“우리는 상당히 엄격한 평가와 테스트 프로세스, 그리고 피드백 루프를 운영합니다. 이를 통해 사용자에게 올바른 경험을 제공하고 있는지 지속적으로 확인합니다.”
이를 위해 구글은 다음을 활용합니다.
- 지속적인 모델 개선
- 광범위한 A/B 테스트
- 실시간 품질 모니터링 시스템
결론
구글에서 진행 중인 기술 혁신은 단순한 검색 엔진의 진화를 넘어, 정보 접근 패러다임의 AI 재창조를 의미합니다.
Nick Fox는 이렇게 말합니다.“이러한 재창조의 순간마다 확장적인 기회가 생깁니다. 그래서 우리는 더욱 강하게 그 기회를 붙잡습니다.”
이번 구현은 수십 년간 축적된 검색 인프라 전문성과 정교한 대규모 언어 모델 (LLM) 기술을 결합해, 기존의 웹 상호작용을 대체하는 것이 아니라 강화하는 시스템을 만들어내고 있습니다.
이 기술적 토대는 구글이 검색 지배력을 유지하는 동시에, 새로운 정보 접근 방식과 사용자 참여 카테고리를 열어가는 기반이 됩니다.
이번 변화의 성공 여부는 지속적인 기술 혁신, 퍼블리셔 생태계 건강 유지, 그리고 사용자의 AI 강화 검색 채택 확대에 달려 있습니다. Nick Fox와 Liz Reid가 제시한 데이터는 긍정적인 초기 신호를 보여주지만, 장기적 영향은 아직 진행 중입니다. 생성형 AI 역량이 계속 확장되고 사용자 행동이 새로운 검색 패러다임에 적응하면서, 그 진정한 파급력은 앞으로 더욱 분명해질 것입니다.
한국의 AI 혁신을 세계에 알리다: 이탈리아 SIGIR 2025에서 공개된 메이크봇의 HybridRAG 프레임워크. 더 보기!
메이크봇: 생성형 AI 혁신의 파트너
구글의 생성형 AI가 검색 방식을 혁신하고 있습니다—그렇다면 귀사의 비즈니스 소통은 어떻습니까? 닉 폭스와 리즈 리드는 구글이 멀티모달 AI, LLM 통합, 고도화된 질의 이해를 통해 검색을 재현하고 있음을 밝혔습니다. 메이크봇은 동일한 최첨단 혁신을 제공합니다—LLM 기반 챗봇, 하이브리드 RAG 시스템, 멀티 LLM 플랫폼을 통해 성능을 강화하고, 비용을 절감하며, 산업별 맞춤형 요구를 충족합니다.
메이크봇(Makebot)은 단순한 기술 제공을 넘어, 기업의 비즈니스 전략과 목표에 최적화된 AI 실행 솔루션을 제공합니다.
메이크봇을 선택해야 하는 이유
- 산업 특화 LLM 에이전트
- 금융, 헬스케어, 리테일, 공공기관 등 각 산업별 최적화된 Agent 제공
- 강남세브란스, 서울대병원, 동국대병원 등 수백여 개 병원에서 채택된 헬스케어 에이전트를 비롯해 금융, 리테일, 공공기관 등 다양한 산업에 특화된 LLM 기반 Agent 제공
- 챗봇을 넘어 CRM·상담센터·ERP 연동을 통한 엔드투엔드 자동화 실현
- 다양한 준비된 AI 솔루션
- 봇그레이드(BotGrade): 기존 NLP 기반 챗봇을 LLM·생성형 AI 기반으로 업그레이드하거나 대체하는 차세대 챗봇 솔루션
- LLM 기반 차세대 상담채팅 솔루션(MagicTalk): 실시간 상담원 보조 채팅 솔루션 및 답변 자동화
- LLM 검색엔진(MagicSearch): 수천 개의 PDF문서를 학습하여 비정형 데이터까지 정밀하게 처리하는 초정밀 AI 검색 솔루션
- LLM 기반 음성 콜센터 솔루션(MagicVoice): STT·TTS 통합으로 24/7 음성 상담 자동화
- 빠른 PoC와 실전 배포
- 아이디어 → 실증 → 운영까지 빠르게 연결하여 AI 도입 속도 극대화
- 아이디어 → 실증 → 운영까지 빠르게 연결하여 AI 도입 속도 극대화
- 글로벌 기술력
- 정보통신 AI 분야 세계 최고 학회 SIGIR 2025에서 발표한 메이크봇 HybridRAG는 기존 RAG 대비 정확도 26.6% 향상, 운영 비용 최대 90% 절감으로 세계 최고 수준 정확도 기록
- 산업별 국내 대표 기업 및 공공기관에서 이미 검증
- LLM·RAG 다수 특허, 정부 초거대 AI 사업 선정 등으로 글로벌 기술력 입증
생성형 AI는 단순한 도구가 아니라, 비즈니스 혁신을 이끄는 핵심 성장엔진 입니다. 지금이 바로, 메이크봇과 함께 AI를 전략적으로 통합하고 성과를 실현할 최적의 시점입니다
📩 문의: b2b@makebot.ai
🌐 자세히 보기: www.makebot.ai
