어떤 글을 올리고 AI 답변을 살폈나?
연구진은 각 AI 검색이 자주 인용하는 사이트를 먼저 조사한 뒤 일반 계정으로 글을 올렸다. 주제는 만들어낸 개념, 의견이 갈리는 질문, 가상의 제품으로 나눴다. 게시 전 답변과 게시 후 답변을 비교하고 글에 넣어둔 이름과 숫자가 옮겨졌는지 추적했다.
가짜 개념은 연구진이 만든 ‘Cactus Gravity Protocol’이다. ChatGPT, Perplexity, Grok과 논문에서 ‘Google AI’로 부른 서비스가 모두 관측 기간 안에 해당 게시글을 인용했다. Google AI의 정확한 제품은 논문에 특정돼 있지 않다.
출처를 붙인 답변은 가짜 내용까지 옮겼나?
연구진은 출처 링크를 붙인 경우와 글에 심어둔 가짜 세부내용을 답변에 넣은 경우를 별도로 셌다. Perplexity는 해당 가짜 개념 실험에서 검토 답변 35건 중 13건에 게시글을 연결했지만, 추적 대상으로 정한 가짜 세부내용은 답변에 반복하지 않았다.
따라서 아래 표는 글이 출처로 등장한 횟수로 읽어야 한다. 사실에 맞는 답변의 비율을 비교하려면 답변 내용도 따로 판정해야 한다. 다른 주제를 추가한 실험에서는 Perplexity도 여러 게시글을 인용했으므로 주제에 따른 차이까지 고려해야 한다.
왜 서비스마다 검토한 답변 수가 다를까?
표의 답변 수는 각 서비스가 해당 글을 처음 인용한 날부터 관측 종료일까지 집계한 값이다. 최초 인용 시점이 달라 검토 답변 수도 서로 다르다. 일주일 전체에 같은 횟수로 나타난 결과처럼 비교하면 측정 조건을 놓친다.
연구는 새로 게시된 허위정보가 AI의 출처 선택에 들어오는 과정을 보여준다. 연구진은 게시 위치와 글의 수에 따른 차이도 측정했으며, 주제와 게시 시점이 함께 달라지는 실험 조건 때문에 결과의 적용 범위를 제한했다.
이 결과를 지금의 AI 검색에도 적용해도 될까?
수치는 2026년 3~4월의 서비스와 질문, 게시 환경에서 나온 결과다. 연구진은 업데이트에 따라 인용 비율이 바뀔 수 있다고 한계를 밝혔다. 경쟁이 적거나 기존 정보가 드문 주제를 주로 사용한 점도 실제 상업 검색과 차이가 난다.
또 연구진이 정한 질문과 일반 이용자의 실제 질문 분포도 구분해야 한다. 실제 기업의 정보를 평가하려면 그 기업이 공개한 사실과 AI 답변을 직접 대조해야 한다. 서비스와 조건을 정확히 설명하고 근거를 보강하는 작업은 이 실험에서 허위정보를 게시한 행위와 구분해 다룬다.
AI 답변의 근거는 어떻게 확인할까?
회사 경력이나 서비스 성과를 설명하는 AI 답변이라면 링크된 글에서 그 주장의 원자료를 찾는다. 작성 주체와 날짜, 수치가 나온 조사나 사례를 읽고, 여러 출처가 같은 보도자료를 옮긴 것인지도 살핀다. 이는 연구 결과에서 이어지는 편집부의 확인 제안이다.
가격이나 이용 조건이 달라졌다면 공식 안내의 수정일과 AI가 참고한 글의 작성일을 비교한다. 과거 자료에 붙은 링크라면 현재 조건을 안내하는 페이지까지 찾아 읽는다. 이 과정을 거쳐 어떤 자료가 답변을 뒷받침하는지 판단한다.