GEO·LLMO 오정보 대응에서 놓치기 쉬운 자사 사이트 내 불일치

먼저 자사 사이트의 글과 회사 정보를 대조한다

LLMO(GEO, 생성형 엔진 최적화라고도 합니다)에서 오정보에 대응할 때는 외부 사이트에 적힌 정보에 눈이 가기 쉽습니다. 하지만 자사 사이트 안에서도 글과 회사 소개·요금·서비스 페이지가 서로 다른 내용을 적고 있는 경우가 있습니다. Rootpublish는 2026년 9월, 자사 사이트를 포함한 6개 사이트의 공개 페이지를 각 사이트의 회사 정보 페이지와 대조했습니다. 그 결과 3개 사이트에서 불일치가 발견되었습니다.

이번 감사에서 조사한 것은 공개 페이지끼리의 기재 내용이며, AI 검색의 답변 자체는 조사하지 않았습니다. 따라서 발견된 불일치가 실제로 잘못된 설명으로 이어졌는지는 확인하지 않았습니다. 그래도 자사의 정보원끼리 서로 모순된다면, 올바른 설명이 돌아오기를 기대하기는 어려워집니다.

Google은 AI Overviews와 AI Mode에도 기존 SEO의 기본이 그대로 유효하며, AI를 위한 특별한 텍스트 파일이나 전용 구조화 데이터는 필요하지 않다고 설명합니다. 동시에 요건을 충족해도 노출이 보장되지는 않는다고 밝히고 있습니다. 생성형 AI로 콘텐츠를 준비하는 경우에도 정확성·품질·관련성을 중시하라고 안내합니다. 특별한 방법을 찾기 전에, 자사의 기재 내용이 정확하고 서로 어긋나지 않는지 확인하는 것이 출발점입니다.

숫자 오류보다 과장이 더 많이 발견되었다

발견된 불일치에는 다음과 같은 것이 있었습니다.

• 무료 진단에서 제공하는 범위를 실제보다 넓게 적었다
• 서비스를 다른 이름으로 적었다
• 최소 계약 기간을 ‘3개월’로 적었다(요금 페이지에는 ‘최소 계약 기간 없음’)
• 자사 고객 사례에 적은 요금이 요금 페이지의 가장 저렴한 요금제보다 낮았다
• 제품은 공개 전에 사람의 승인이 필요한데, 헤드라인에서 ‘자동 운영’을 내세웠다

단순한 숫자 오류보다 자사 서비스의 범위나 조건을 과장한 기재가 더 많이 발견되었습니다. 오탈자나 오래된 숫자만 찾다 보면 이런 기재는 놓치기 쉽습니다. 점검할 때는 제공 범위, 계약 조건, 요금, 자동화 정도를 나타내는 표현에 주의를 기울이는 것이 좋습니다.

6개 사이트의 감사 결과

사이트별 결과는 다음과 같습니다. AI로 글을 대량 생산하는 기업 블로그에서는 12개 글에서 4건의 불일치가 발견되었습니다(그중 1건은 판단이 갈리는 사례). AI 관련 칼럼을 내는 기업 한 곳에서는 12개 글에서 2건이었습니다. Rootpublish 사이트에서는 322개 단락에서 2건이었습니다.

반면 직접 쓴 개인 블로그와, 글 끝의 자사 안내를 정형화된 문구로 만든 기업 두 곳에서는 뚜렷한 불일치가 발견되지 않았습니다. 다만 6개 사이트만의 결과이므로, 글을 쓰는 방식과 불일치의 많고 적음 사이에 일반적인 관계가 있다고까지는 말할 수 없습니다.

감사 방법

감사는 다음 순서로 진행했습니다. 먼저 공개 중인 페이지를 단락으로 나눕니다. 다음으로 회사명·서비스명이나 ‘당사’, ‘저희’ 등을 포함한 단락을 고릅니다. 고른 단락을 회사 소개·요금·서비스 페이지의 기재 내용과 대조합니다.

불일치 판정에는 Claude Opus를 사용했고, 후보로 오른 단락은 Claude가 읽고 확인했습니다. 사람이 확인한 것은 일부에 그칩니다. 각 사이트에서 대상으로 삼은 것은 최신 글 12개까지입니다.

판정에 쓰는 AI 모델에 따라 결과가 달라진다

불일치를 판정하는 AI 모델도 비교했습니다. 정답을 미리 준비한 합성 데이터 102건에서의 정답률은 다음과 같습니다.

• Claude Opus 5.5, Fable 5.1: 100%
• Sonnet 5: 99%
• Codex를 통한 GPT, 판정 전용 모델 Jev: 97%
• Haiku 4.5: 88%

그런데 실제 AI 글에서 발견된 자사 서비스 과장 4건에 대해서는 Jev와 Sonnet이 한 건도 잡아내지 못했고, Opus는 잡아냈습니다. 합성 데이터에서의 성적이 실제 글에서의 성적을 보장하지는 않았습니다. 모델을 고를 때는 테스트용 데이터의 정답률만으로 정하지 않는 것이 중요합니다. 자사의 실제 글에서 불일치를 잡아낼 수 있는지 확인한 뒤에 골라야 합니다.

비용 기준

판정 전용 모델 Jev로 12개 글, 1,212개 단락을 모두 대조한 비용은 공개 단가 기준으로 약 0.25달러였습니다. 다만 이 방법으로는 실제 불일치를 잡아내지 못했습니다.

그래서 자사에 관해 서술한 단락(전체의 약 10%)만 골라 Opus로 판정하는 방식을 검토했습니다. 이 방식의 비용은 글 1개당 약 0.05달러로 추산합니다. 이는 추산치이며, 추론에 쓰인 토큰 수는 측정하지 않았습니다. 이번 검증에서는 저렴하게 전체를 대조하는 것보다, 대상을 좁혀 잡아내는 정확도를 우선한 쪽이 실제 불일치를 찾아냈습니다.

자사 사이트의 헤드라인을 고친 사례

Rootpublish는 자사 사이트 rootpublish.com의 공개 페이지 8개, 322개 단락을 감사했습니다. 그 결과 WordPress 버전 소개 페이지의 헤드라인인 일본어 「自動運営」(자동 운영)과 영어 “On autopilot”이 제품 사양과 어긋난다고 판정했습니다. 제품 사양상 공개 전에 사람의 승인이 필요하기 때문입니다.

헤드라인을 일본어 「一次情報で育てる」(1차 정보로 키운다)와 영어 “Grown from what you know”로 바꿔 공개했습니다. 공개 후 같은 페이지의 129개 단락을 다시 감사한 결과, 불일치는 0건이었습니다.

이는 한 사이트에서 한 곳을 고친 사례입니다. 같은 절차로 어느 사이트에서나 불일치가 사라진다는 것을 보여 주지는 않습니다.

이번 감사의 한계

이번 감사는 6개 사이트, 사이트당 최대 12개 글이라는 작은 표본입니다. 많은 판정은 Opus의 판정과 Claude의 확인에 그치며, 사람의 확인은 끝나지 않았습니다.

단락을 고르는 방식에도 약점이 있습니다. 글과 회사 정보에서 제품을 부르는 이름이 다르면 해당 단락을 놓칠 수 있습니다. 또한 기준이 되는 회사 정보 쪽이 오래된 경우에는 글이 아니라 기준 페이지를 고쳐야 합니다. 불일치가 발견되었다고 해서 글 쪽이 틀렸다고 단정할 수는 없습니다.

자사 사이트에서 확인을 시작하는 절차

지금까지의 기록을 바탕으로, 자사에서 같은 확인을 시작하는 절차를 정리합니다. 이는 검증에서 도출한 진행 방식의 제안이며, 검색 순위나 AI 인용을 개선한 실측 결과가 아닙니다.

1. 대조의 기준이 될 페이지를 정합니다. 회사 소개·요금·서비스 페이지를 기준으로 삼고, 먼저 기준 페이지 자체가 최신인지 확인합니다. 기준 페이지가 오래되었다면 글보다 먼저 기준 페이지를 고칩니다.
2. 공개된 글을 단락으로 나누고, 회사명·서비스명이나 ‘당사’, ‘저희’ 등을 포함한 단락을 고릅니다. 서비스의 옛 이름이나 약칭 같은 표기의 차이도 조건에 넣으면 누락을 줄일 수 있습니다.
3. 고른 단락을 기준 페이지와 대조합니다. 숫자 오류뿐 아니라 제공 범위·계약 기간·요금·자동화 정도를 과장하지 않았는지를 중점적으로 봅니다.
4. AI의 판정은 후보를 찾아내는 데 쓰고, 최종 판단은 사람이 글과 기준 페이지를 읽고 내립니다. 판정에 쓸 모델은 자사의 실제 글에서 불일치를 잡아낼 수 있는지 시험한 뒤에 고릅니다.
5. 수정은 한 건씩 확인해 공개하고, 공개 후 같은 페이지를 다시 살펴봅니다. Rootpublish는 검색 개선에 대해, 개선 한 건을 승인·공개한 뒤 같은 페이지를 7일간 관찰해 실측으로 판단하도록 설계되어 있습니다. 검색 순위나 AI 인용은 보장하지 않습니다.

글을 만드는 단계에서 불일치를 막는 방법도 있습니다. Rootpublish는 원고의 단락마다 참조한 회사 정보의 ID와 버전을 기록하고, 승인할 때 원래 정보가 바뀌지 않았는지 검사합니다. 다만 이 버전 검사는 글과 근거의 의미가 일치한다는 것까지 보장하지는 않습니다. 그래서 공개 전에 사람이 본문과 출처를 읽는 단계를 남겨 두고 있습니다.