AI 용어 사전: AI 검색과 GEO 용어 총정리

AEO (Answer Engine Optimization)

답변 엔진 최적화(Answer Engine Optimization)는 AI 답변 엔진이 직접적인 응답의 출처로 콘텐츠를 선택하도록 최적화하는 활동입니다. GEO와 밀접하게 관련되어 있으며, 10개의 파란 링크 중 하나가 아니라 바로 그 답변이 되는 데 중점을 둡니다.

Agent (AI agent)

AI 에이전트는 언어 모델을 사용해 단순히 텍스트를 반환하는 데 그치지 않고 행동을 취하는 시스템입니다. 도구를 호출하거나, 웹을 탐색하거나, 여러 단계로 이루어진 작업을 완료합니다. 에이전트는 MCP 같은 프로토콜이 중요한 이유이기도 합니다. 외부 데이터와 서비스에 안전하고 표준화된 방식으로 접근해야 하기 때문입니다.

AI Mode

**AI 모드(AI Mode)**는 구글의 대화형 AI 생성 검색 환경으로, 채팅 형태의 인터페이스가 후속 질문에 직접 답변합니다. AI 모드 안에서의 노출은 전통적인 순위처럼 측정할 수 없지만, AI 모드가 보내는 클릭은 애널리틱스에서 추적할 수 있습니다.

AI Overview

AI 개요(AI Overview)는 구글이 여러 출처에서 정보를 끌어와 인용하면서 많은 검색 결과 상단에 배치하는 AI 생성 요약입니다. 인용된 출처 중 한 자리를 차지하는 것이 GEO의 핵심 목표입니다.

Answer engine

**답변 엔진(answer engine)**은 링크 목록 대신 종합된 답변으로 질의에 응답하는 모든 시스템을 말합니다. ChatGPT, Perplexity, Gemini, 구글 AI 개요가 모두 여기에 해당합니다. 이 용어는 AEO의 전략적 전환을 잘 설명해 줍니다.

B

Brand mention monitoring

AI 검색에서 브랜드 언급 모니터링(brand mention monitoring)이란 AI 엔진이 답변에서 여러분의 브랜드를 언제, 어디서, 어떻게 언급하는지 추적하는 것을 말합니다. 볼 수 없는 것은 개선할 수 없기 때문에, 모든 AI 가시성 전략의 기반이 됩니다.

C

Chunking

**청킹(chunking)**은 검색 시스템이 가장 관련성 높은 부분을 색인하고 가져올 수 있도록 콘텐츠를 더 작은 단락으로 나누는 과정입니다. 짧은 섹션, 설명적인 제목, 독립적으로 완결된 문단 등 명확한 구조는 콘텐츠를 더 쉽게 청킹하고 검색하게 합니다.

Citation

AI 인용(AI citation)은 AI가 생성한 답변 안에서 여러분의 사이트나 브랜드를 참조하는 것으로, 링크가 달린 출처, 각주, 또는 본문 내 언급의 형태로 나타납니다. 인용은 전통적인 SEO의 순위에 해당하는 개념으로, AI 검색에서 여러분이 경쟁하는 가시성의 단위입니다.

Crawler (AI crawler)

**AI 크롤러(AI crawler)**는 AI 기업이 학습이나 실시간 검색을 위해 웹 콘텐츠를 수집하려고 운영하는 봇입니다. 예를 들어 GPTBot, ClaudeBot, Google-Extended, PerplexityBot 등이 있습니다. 어떤 크롤러가 사이트에 접근할 수 있는지는 robots.txt로 제어합니다.

E

Embedding

**임베딩(embedding)**은 텍스트(또는 이미지)의 의미를 숫자의 목록으로 표현한 것으로, 모델이 두 콘텐츠가 얼마나 유사한지 측정할 수 있게 합니다. 임베딩은 AI 시스템 내부의 시맨틱 검색과 검색(retrieval) 기능을 구동합니다.

Entity

**엔티티(entity)**는 사람, 브랜드, 제품, 장소처럼 엔진이 지식 그래프에서 추적하고 연결하는 뚜렷하고 식별 가능한 대상입니다. 명확한 엔티티로 인식되면 AI 엔진이 여러분의 브랜드를 올바른 주제와 연결하고 자신 있게 언급하는 데 도움이 됩니다.

F

Fine-tuning

**파인튜닝(fine-tuning)**은 특정 동작이나 지식을 전문화하기 위해 기반 모델을 집중된 데이터셋으로 추가 학습시키는 과정입니다. 검색(retrieval)과는 다릅니다. 파인튜닝은 정보를 모델 안에 굳혀 넣는 반면, 검색은 답변 시점에 정보를 가져옵니다.

G

GEO (Generative Engine Optimization)

생성형 엔진 최적화(Generative Engine Optimization)는 생성형 AI 엔진이 여러분을 언급하고 인용하도록 콘텐츠와 브랜드 존재감을 최적화하는 분야입니다. SEO를 ChatGPT, Gemini, Perplexity, AI 개요로 확장한 개념입니다.

Grounding

**그라운딩(grounding)**은 AI 엔진이 학습된 파라미터에만 의존하지 않고 검색된 검증 가능한 출처를 근거로 답변하는 것을 말합니다. 그라운딩된 답변은 인용을 포함할 가능성이 가장 높으며, 바로 그 때문에 검색 가능하고 신뢰할 수 있는 출처가 되는 것이 중요합니다.

H

Hallucination

**할루시네이션(hallucination)**은 AI 모델이 만들어 내는 자신감 있지만 거짓이거나 날조된 진술을 말합니다. 탄탄하고 잘 구조화되며 인용 가능한 콘텐츠는 엔진이 올바른 사실을 가져오는 대신 여러분의 브랜드에 대한 세부 정보를 지어낼 가능성을 줄여 줍니다.

K

Knowledge graph

**지식 그래프(knowledge graph)**는 엔티티와 그들 사이의 관계를 구조화한 지도입니다. AI 엔진은 브랜드를 명확히 구분하고 여러분에 대해 어떤 사실을 신뢰할지 결정하기 위해 지식 그래프에 의존합니다.

L

LLM (Large Language Model)

**대형 언어 모델(large language model)**은 언어를 예측하고 생성하기 위해 방대한 양의 텍스트로 학습된 AI 모델로, ChatGPT, Claude, Gemini 등의 엔진을 뒷받침합니다. AI 검색의 모든 것은 결국 이 모델 위에서 작동합니다.

llms.txt

llms.txt는 AI 모델에게 가장 중요한 콘텐츠를 깔끔하고 구조화된 형태로 안내하기 위해 제안된 일반 텍스트 파일입니다. 아직 도입이 초기 단계이며, 견고하고 크롤링 가능한 콘텐츠를 대체하지는 못합니다.

M

MCP (Model Context Protocol)

모델 컨텍스트 프로토콜(Model Context Protocol)은 AI 어시스턴트가 외부 도구 및 데이터 소스에 일관되게 연결할 수 있도록 하는 개방형 표준입니다. 모델이 학습 데이터에서 추측하는 대신, SEOcrawl 같은 서비스를 안전하게 호출해 실시간 SEO 데이터를 가져오는 방식이 바로 이것입니다.

Multimodal

**멀티모달(multimodal)**은 하나의 시스템 안에서 텍스트, 이미지, 오디오, 비디오 등 두 가지 이상의 입력 유형을 처리할 수 있는 모델을 가리킵니다. AI 엔진이 이제 단어뿐 아니라 스크린샷이나 차트를 읽을 수 있는 이유가 바로 이것입니다.

P

Prompt

**프롬프트(prompt)**는 AI 모델에게 응답을 생성하도록 주는 지시나 질문입니다. AI 검색에서는 실제 사용자가 입력하는 프롬프트가 곧 여러분이 노출되고자 하는 질의입니다.

Prompt tracking

프롬프트 추적(prompt tracking)은 AI 엔진이 정의된 프롬프트 집합에 시간에 따라 어떻게 답하는지 — 어떤 브랜드를 언급하고, 어떤 출처를 인용하며, 그것이 어떻게 변하는지 — 모니터링하는 것입니다. AI 검색에서 순위 추적에 해당하는 개념입니다.

Q

Query fan-out

쿼리 팬아웃(query fan-out)은 AI 엔진이 하나의 사용자 질문을 여러 개의 하위 질의로 나누고, 이를 병렬로 실행한 뒤 그 결과를 하나의 답변으로 종합하는 기법입니다. 이를 이해하면 정확한 한 문구를 노리는 것보다 주제를 폭넓게 다루는 것이 왜 더 효과적인지 알 수 있습니다.

R

RAG (Retrieval-Augmented Generation)

RAG는 모델이 답변 시점에 관련 문서를 검색하고 이를 사용해 근거 있고 출처가 있는 응답을 생성하는 아키텍처입니다. 대부분의 AI 검색 환경은 일종의 RAG 형태로 작동하며, 그렇기 때문에 검색에 잘 노출되는 것이 무엇보다 중요합니다.

Reranking

**리랭킹(reranking)**은 모델이 답변을 작성하기 전에 검색된 단락들을 관련성에 따라 다시 정렬하는 2차 처리 단계입니다. 단순히 인기 있는 단락보다 가장 유용하고 잘 맞는 단락이 종종 채택되는 이유 중 하나입니다.

S

Share of AI voice

**AI 점유율(share of AI voice)**은 특정 주제나 프롬프트 집합에 대해 AI 답변 중 경쟁사 대비 여러분의 브랜드가 등장하는 비율입니다. AI 가시성을 측정하고 경쟁사와 비교 평가하는 대표 지표입니다.

T

Token

**토큰(token)**은 모델이 읽고 생성하는 텍스트의 단위로, 대략 하나의 단어 또는 단어 조각에 해당합니다. 토큰은 모델의 컨텍스트 한계와 실행 비용을 결정하기 때문에 중요합니다.

Training data

**학습 데이터(training data)**는 모델이 배포되기 전에 학습한 텍스트와 기타 콘텐츠의 집합입니다. 여러분의 브랜드와 사실이 웹 전반에 잘 표현되어 있을수록, 모델이 이미 "알고 있는" 내용에 반영될 가능성이 높아집니다.

V

Vector database

**벡터 데이터베이스(vector database)**는 임베딩을 저장하고, 정확한 키워드가 아니라 의미를 기준으로 질의에 가장 가까운 항목을 찾습니다. 시맨틱 검색과 대부분의 RAG 시스템을 뒷받침하는 검색 엔진입니다.

Z

Zero-click

제로클릭(zero-click) 결과는 사용자가 웹사이트를 방문하지 않고 인터페이스 안에서 곧바로 답을 얻는 경우를 말합니다. AI 답변은 제로클릭을 더욱 늘렸고, 그래서 클릭만큼이나 답변 안에서의 가시성 — 인용과 언급 — 이 중요해졌습니다.