AI 추천을 겨냥한 ‘베스트 소프트웨어’ 21만5128페이지, Perplexity가 인용

AI가 소프트웨어를 추천할 때 붙이는 출처가 실제 사용자에게 신뢰받는 자료인지, 검색 기계를 겨냥해 대량 생산된 페이지인지 구분하기가 더 어려워졌다. Trellner Research는 380개 소프트웨어 분야에서 Perplexity의 두 모델에 상위 5개 제품을 물었고, 답변에 쓰인 인용 7,534개를 분석했다. 그중 59.8%는 Tranco 기준 방문 순위 10만 위 밖의 도메인, 23.4%는 상위 100만 목록에도 없는 도메인이었다.

눈에 띄는 사례는 공통 운영 주체가 있는 것으로 추정되는 세 사이트다. 사이트맵에는 각각 7만 개가 넘는 ‘best <category> software’ 형식의 페이지가 있었고, 합계는 21만5128개였다. 세 도메인은 2023년 12월 이전에는 존재하지 않았으며 일반 블로그 글은 각 사이트에 여섯 건뿐이었다. 소프트웨어 분야가 21만 개나 존재하지 않는다는 사실을 생각하면, 사람이 읽을 전문 편집물보다 검색 질의를 넓게 덮는 자동 생성 전략에 가깝다.

페이지가 자신을 설명하는 방식도 이례적이다. 두 사이트의 홈페이지 제목에는 ‘Facts & Grounding Page’가 들어가고, 소개 문구는 검증된 사실을 담은 기계 판독 가능 기록이라고 적혀 있다. grounding은 구매자가 일상적으로 쓰는 말보다 검색형 AI가 답을 만들기 전에 문서를 가져오는 단계를 가리키는 기술어다. 연구진은 이런 표현과 동일한 템플릿, 공유 인프라를 근거로 세 브랜드의 연관성을 추정했다. 다만 운영자가 누구인지는 확인하지 못했다.

실험은 2026년 9월 2일 `perplexity/sonar`와 `perplexity/sonar-pro`에 분야별로 한 번씩, 모두 760회 질의하는 방식이었다. 3,800개 추천 자리에서 1,807개 제품이 언급됐고, 모델이 조회한 URL은 2,055개 도메인에 걸쳤다. 연구진은 인용 도메인의 Tranco 순위와 Wayback Machine 기록을 확인하고, 모델이 제시한 공급업체 홈페이지 1,502개가 실제로 살아 있는지도 점검했다. 전체 데이터와 분석 스크립트는 CC BY 4.0으로 공개됐다.

수치의 범위를 과대 해석해서는 안 된다. 두 모델은 380개 분야 중 289개에서 인용 목록이 바이트 단위로 같았고 URL 집합의 겹침 정도도 0.898이었다. 독립된 두 검색 시스템이 같은 결론을 냈다기보다 하나의 검색 계층을 두 번 측정한 셈이다. ChatGPT, Gemini, Copilot, Google AI Mode에는 결과를 일반화할 수 없고, 특정 출처를 제거했을 때 추천 제품이 바뀌는지도 이번 연구는 시험하지 않았다.

그럼에도 데이터는 AI 검색 최적화가 사람을 위한 SEO와 다른 방향으로 진화할 가능성을 보여준다. 모델이 인용 형식과 기계 판독 문구를 신뢰 신호로 취급한다면, 대량 페이지를 가진 운영자가 작은 전문 매체보다 추천 근거에 더 자주 들어갈 수 있다. 커뮤니티의 관심은 ‘Perplexity가 틀린 제품을 골랐다’는 단정이 아니라, 추천을 뒷받침하는 참조 계층을 누가 어떤 방식으로 채우고 있는지에 쏠렸다. 검색형 AI 서비스에는 인용 수보다 출처의 독립성, 생성 방식, 상업적 이해관계를 드러내는 장치가 필요하다.