당신의 뉴스 아카이브는 죽어 가고 있다 — AI가 수익화할 수 있다

문제

세계에서 가장 공격적으로 콘텐츠 마케팅을 운영하는 조직 중 하나인 HubSpot은 오가닉 트래픽의 70-80%를 잃었다. CNN은 27%에서 38% 사이의 감소를 보였다. Forbes와 Business Insider는 거의 50%씩 하락했다. 이들은 SEO 전략을 잘못 세운 신생 스타트업이 아니다. 자신들의 핵심 수익 채널이 실시간으로 증발하는 것을 지켜보고 있는 지배적 브랜드들이다.

원인은 단순하다. 이제 AI가 청중이 링크를 클릭하기도 전에 그들의 질문에 답해 주기 때문이다. Google의 AI Overviews는 검색 결과 페이지에서 직접 콘텐츠를 요약해 보여 준다. 그렇게 되면 여러분의 웹사이트로 이어지는 클릭률은 약 47%나 떨어진다. 전체 검색 가운데 60%는 이제 어느 웹사이트로도 클릭 없이 끝난다. 모바일에서는 이 수치가 77%에 이른다.

미디어 회사를 운영한다면 여러분의 비즈니스 모델은 단순한 교환 구조 위에 세워져 있었다. 콘텐츠를 발행하면 검색 엔진과 소셜 플랫폼이 트래픽을 보내고, 그 페이지뷰에 광고를 판매하는 방식이다. 이 교환 구조는 무너졌다. 검색량은 계속 증가하고 있다. Google은 현재 하루 91억~136억 건의 검색을 처리하지만, 사이트로 흘러 들어오는 트래픽은 붕괴하고 있다. 콘텐츠는 여전히 가치를 만들어 내지만, 그 가치를 가져가는 것은 다른 누군가다.

이것은 일시적인 알고리즘 변화가 아니다. 사람들이 정보를 소비하는 방식의 구조적 변화다. 독자들이 배신한 것이 아니다. 그들은 필요한 것을 더 빨리 얻는 방법을 찾았을 뿐이다.

비즈니스에 중요한 이유

디지털 미디어의 재무 모델은 물량 의존적이다. 페이지뷰가 늘면 광고 노출이 늘고, 광고 노출이 늘면 수익이 늘어난다. 트래픽이 10% 떨어지면(2025년 상반기 출판사의 중앙값) 광고 수익도 그대로 따라 내려간다. 일부 주요 매체처럼 트래픽이 50% 떨어지면 인력 감축, 구조조정, 또는 둘 다를 마주하게 된다.

수치가 말해 주는 것은 다음과 같다:

• Google 검색의 60%는 제로클릭이다. SEO 투자는 점점 더 여러분의 사이트가 아니라 Google 자체의 답변 박스로 트래픽을 보내고 있다.
• AI Overviews가 등장하면 CTR이 47% 감소한다. Google은 전체 쿼리의 약 13%에 대해 AI 생성 요약을 보여 준다. 그때마다 잠재 클릭의 거의 절반이 사라진다.
• 미국 상위 50개 뉴스 사이트 중 37개가 트래픽을 잃었다. 소규모 업체만의 문제가 아니다. 저널리즘 최대 브랜드들이 가장 큰 타격을 입고 있다.
• AI 플랫폼으로 향하는 트래픽은 전통 검색보다 165배 빠르게 성장한다. 청중은 ChatGPT, Perplexity 등 유사한 도구로 이전하고 있으며, 그 속도는 광고 기반 모델에 의존하는 누구에게나 경각심을 불러일으킬 수준이다.

이사회에게 질문은 명확하다. 주요 유통 채널이 매년 두 자릿수로 축소되고 있다면 계획이 무엇인가? 비용 절감은 시간을 벌어 줄 뿐 추세를 뒤집지 못한다. 아카이브, 즉 수십 년에 걸친 취재·분석·조직 지식의 축적은 가장 가치 있으면서도 가장 제대로 활용되지 않는 자산이다. 문제는 이를 직접 수익화할 것인가, 아니면 AI 기업들이 공짜로 긁어 가도록 놔둘 것인가이다.

실제로 벌어지고 있는 일

콘텐츠 아카이브를 서류 캐비닛으로 가득 찬 거대한 창고라고 생각해 보라. 각 기사는 사실, 이름, 날짜, 연관 관계로 가득 찬 폴더 하나다. 예전 모델에서 독자는 답 하나를 얻으려면 창고에 들어가 알맞은 캐비닛을 찾고, 알맞은 폴더를 꺼낸 다음, 전부 읽어야 했다. 대안이 없던 시절에는 느렸지만 쓸 만한 방식이었다.

이제 AI가 대안을 내놓는다. 그런데 여기에 문제가 있다. 대부분의 기초적인 AI 검색 도구는 아카이브를 믹서기가 채소를 다루는 방식으로 취급한다. 기사를 잘게 조각 내고, 그 조각들을 "embeddings"라고 불리는 수학적 표현으로 변환한 뒤, 질문이 들어오면 가장 가까운 매치를 검색한다. AI가 실제 원본 문서에서 내용을 가져와 답변을 생성하는 이 방식은 검색 증강 생성(Retrieval-Augmented Generation, RAG)이라 불리며, 단순 조회에는 통한다.

그러나 가장 중요한 질문에서는 치명적으로 실패한다. 이 기술 백서는 네 가지 구체적인 실패 양상을 지목한다:

시간적 맹점. 기초적인 RAG 시스템은 2010년 기사와 2024년 기사를 구분하지 못한다. 두 기사 모두 "주택 시장 붕괴"를 다룬다면, 시스템은 사실적으로는 정확하지만 연대기적으로는 틀린 단일 답변으로 뭉개 버릴 수 있다. 그때 참이었던 것과 지금 참인 것을 혼동하는 것이다.

멀티홉 추론 실패. 기사 A가 정치인과 한 회사를 연결하고, 기사 B가 그 회사와 스캔들을 연결했다면, 기초적인 시스템은 정치인과 스캔들 사이의 연결을 만들어 내지 못한다. 어떤 단일 청크에도 그 연결 고리가 들어 있지 않다.

전역 맥락 상실. 긴 취재 보도를 500단어짜리 조각으로 자르면 서사가 파괴된다. 시스템은 단편을 검색해 오지만 전체 이야기를 재구성하지 못한다.

환각. 검색(retrieval) 단계가 관련 맥락을 놓치면 AI는 지어낸 사실로 빈틈을 메운다. 저널리즘 맥락에서 이는 신뢰를 순식간에 무너뜨린다.

이것들은 드문 예외가 아니다. 뉴스 아카이브에 적용된 대부분의 상용 AI 챗 도구의 기본 동작이다.

효과가 있는 것과 없는 것

효과가 없는 것:

• 웹사이트에 챗봇을 덧붙이기. CMS 위에 범용 LLM을 감싼 것은 신기한 기능일 뿐 제품이 아니다. 환각을 일으키고, 연표를 혼동하며, 청중의 신뢰를 잠식한다.
• 일회성 거래로 AI 기업에 데이터 라이선스 주기. OpenAI 등 유사 기업에 학습 데이터를 팔면 일회성 대금이 생길 뿐이다. 반복 매출이 없는 낮은 마진의 거래를 위해 가장 귀중한 자산을 포기하는 셈이다.
• SEO 올인. 헤드라인과 메타데이터를 아무리 최적화해도 소용이 없다. 검색의 60%가 클릭 없이 끝난다면, 줄어드는 파이를 위해 최적화하고 있는 것이다.

효과가 있는 방법 — 세 단계:

1. 아카이브 구조화(입력). 모든 기사를 정제하고 게시일, 저자, 섹션, 개체명 같은 메타데이터를 태깅한 뒤, 문서 구조를 존중하는 시맨틱 청킹으로 분할한다. 헤드라인은 해당 단락과 함께 유지된다. 사람, 조직, 사건 사이의 관계를 추출하여 지식 그래프, 즉 아카이브 안의 모든 개체를 그 개체와 관련된 다른 모든 개체와 연결하는 구조화된 지도에 저장한다. 이는 단어를 색인하는 것이 아니라 의미를 색인하는 것이다.

2. 계층형 검색 구축(처리). 시스템은 세 가지 검색 방식을 결합한다. 벡터 검색은 의미적으로 유사한 콘텐츠를 찾는다. 키워드 검색은 정확한 이름과 법안 번호를 잡아 낸다. 화이트페이퍼가 GraphRAG라고 부르는 그래프 데이터베이스는 문서 전반의 관계를 순회하며 앞서의 멀티홉 문제를 해결한다. 모든 관계에 타임스탬프가 찍힌 에지를 두어 시간 문제를 해결한다. 사용자가 어떤 정치인의 입장이 10년간 어떻게 변했는지 묻으면, 시스템은 각 시기를 별도로 조회한 뒤 답변을 연대순으로 조립한다. 벤치마크에 따르면 GraphRAG는 복잡한 질문에서 기본 벡터 검색보다 답변 완전도를 72-83% 개선한다.

3. 검증된 답변 제공(출력). AI 응답의 모든 주장에는 출처 기사로 연결되는 클릭 가능한 인용이 붙는다. 사용자가 보기 전에 별도의 "critic" AI가 원본 문서와 대조하여 답변을 검토한다. 인용이 일치하지 않으면 해당 주장은 삭제된다. 이렇게 하면 모든 답변을 특정하고 날짜가 확인되는 편집 콘텐츠까지 추적할 수 있는 완전한 감사 추적이 만들어진다.

컴플라이언스 및 법무 팀에게 이 감사 추적이 핵심 차별화 요소다. 어떤 원본 문서가 어떤 답변을 만들었는지 정확히 보여 줄 수 있다. 시스템이 환각하지 않았음을 증명할 수 있다. 자신의 산출물을 방어할 수 있다.

Financial Times는 이미 "Ask FT" 제품으로 이 방식을 운영하며, 모든 답변을 완전한 인용과 함께 FT 저널리즘에만 근거시킨다. Bloomberg도 BloombergGPT를 통해 자연어를 터미널 전반의 구조화된 데이터 쿼리로 변환하며 같은 방식을 쓴다. 양사 모두 프리미엄 가격을 받는다. 답변이 신뢰할 수 있고 추적 가능하기 때문이다.

비즈니스 모델은 광고(주목도를 원자재 가격에 파는 방식)에서 인텔리전스 구독과 API 라이선싱으로 이동한다. 전문 사용자는 아카이브 위의 대화형 엔진에 접근하기 위해 연간 $1,000 이상을 지불한다. 금융 기관, 로펌, 기업 인텔리전스 팀은 라이선스 API 접근에 대해 지불한다. 가격 결정력은 고유하고 복제 불가능한 아카이브, 즉 여러분의 허락 없이는 어느 AI 기업도 구축할 수 없는 50년치 데이터셋에서 나온다.