한 번은 AI 에이전트에게 단순한 SEO 작업을 맡겼다. 주제를 스스로 고르고, 글을 쓰고, 끝날 때까지 계속하라는 것이었다.
10개나 100개가 아니었다. 처음부터 1만 개 글을 목표로 했다.
에이전트는 며칠 동안 작업했고 실제로 끝냈다. 수천 개의 길고 구조화된 페이지가 만들어졌고 파일은 수백 MB가 됐다. 겉으로 보기에는 꽤 인상적이었다. 제목, 소제목, 긴 본문, 키워드, 결론까지 갖춘 대형 콘텐츠 라이브러리처럼 보였다.
한동안은 전략이 통하는 듯했다. Googlebot은 결국 생성된 1만 개 글 URL을 모두 크롤링했다. 당시에는 이것을 거의 성공 신호처럼 받아들였다. 하지만 아니었다. 크롤링은 Google이 페이지를 발견하고 가져왔다는 뜻일 뿐이다. 실제로 색인되고 Google Search에 노출되며 impression과 방문을 만든 것은 약 1,000개 페이지였다.
그런데 이후 방향이 완전히 바뀌었다.
생성된 페이지들이 색인에서 하나씩 사라지기 시작했다. 더 많은 페이지가 뒤따랐다. 결국 AI 글만의 문제가 아니게 됐다. 홈페이지를 포함해 사이트 전체의 색인 페이지 수가 0이 됐다.
이 실험은 내가 SEO에서 AI를 사용하는 방식을 완전히 바꿨다.
크롤링은 색인이 아니다 — 직접 실패하며 배웠다
차이는 기본적으로 보이지만 Search Console에서 수천 개 URL을 보고 있으면 쉽게 혼동된다. 내 경우 Google은 생성된 1만 개 글 URL을 모두 크롤링했다. 즉 Googlebot이 페이지를 발견하고 가져왔다는 뜻이지, 1만 페이지가 모두 색인에 받아들여졌다는 뜻은 아니었다.
실제로 색인되고 Search에 나타난 것은 약 1,000개 페이지였다. 이 페이지들은 실제 impression과 트래픽을 만들었다. 나머지 수천 페이지는 크롤링됐어도 검색 가능한 상태가 되지 않을 수 있었다. Google Search Console 문서도 이 차이를 명확히 설명한다. URL은 crawled 상태이면서도 indexed가 아닐 수 있다.
그 이후로 나는 크롤링을 승인 신호로 보지 않는다. 크롤링은 Google이 URL을 평가하고 있다는 뜻이다. 색인은 별도의 결정이고, 장기간 색인 상태를 유지하는 것도 또 다른 시험이다. 내 실험에서는 처음 Search에 들어갔던 약 1,000개 페이지마저 결국 사라졌다.
문제는 글이 보기 나빴다는 게 아니었다
글들은 한눈에 보이는 쓰레기가 아니었다. 길었고 문법도 괜찮았고 구조도 논리적이었다. 한 페이지만 따로 보면 평범하게 괜찮은 SEO 글처럼 보일 수 있었다.
진짜 실수는 더 깊었다. 나는 글쓰기뿐 아니라 왜 그 글을 써야 하는지까지 AI에 넘겼다.
주제 선정도 에이전트, 무엇을 말할지 결정하는 것도 에이전트, 구조와 본문도 에이전트였다. 나는 모든 페이지를 읽고 검증하고 편집하고 개선할 수 없는 규모로 발행했다.
대부분의 콘텐츠 뒤에는 내 직접 경험, 독창적 조사, 실제 이야기나 자체 데이터가 없었다. 의미 있는 예시는 적었고 이미지도 0~1개인 경우가 많았다. 가장 중요한 것은 이런 질문에 제대로 답하지 못했다는 점이다. 이미 웹에 같은 주제의 글이 수천 개 있는데 이 페이지는 왜 존재해야 하는가?
도움 되는 콘텐츠의 모양은 있었지만, 그 핵심인 독자적인 가치를 꾸준히 제공하지 못했다.
처음에는 “AI 페널티”라고 불렀다. 지금은 너무 단순한 설명이라고 생각한다
사이트가 사라졌을 때 처음에는 Google이 AI 텍스트를 감지하고 AI 사용 자체를 이유로 도메인을 처벌했다고 생각했다.
지금은 그렇게 설명하지 않는다.
Google의 공개 가이드는 더 구체적이다. 생성형 AI 사용 자체가 규정 위반은 아니다. 문제는 AI를 포함한 자동화를 이용해 사용자에게 실질적인 가치를 추가하지 않으면서 검색 순위를 조작하는 것을 주목적으로 대량의 페이지를 만드는 것이다. Google은 이를 scaled content abuse라고 부른다.
이 정의는 당시 내가 만든 방식과 불편할 정도로 비슷하다.
모든 색인 결정이 하나의 특정 알고리즘이나 수동 “AI penalty” 때문에 일어났다고 증명할 수는 없다. 검색 시스템은 그렇게 투명하지 않다. 하지만 내 실험의 순서는 정확히 말할 수 있다. SEO를 위해 거의 자율적으로 생성된 1만 개 AI 글을 발행했고, Google은 1만 개 URL을 모두 크롤링했다. 실제로 색인되고 Search에 노출되며 트래픽을 만든 것은 약 1,000개였고, 이후 그 색인 페이지들이 점차 사라졌으며 결국 사이트 전체가 색인 페이지 0개가 됐다.
교훈은 “Google은 AI를 싫어한다”가 아니다. AI는 검색 우선으로 대량 생산한 콘텐츠를 길고 문법적으로 깔끔하게 만들 수는 있어도, 그 자체로 가치 있는 콘텐츠로 바꾸지는 않는다.
보기 좋은 글 1만 개가 왜 여전히 나쁜 전략이었나
생성형 AI의 가장 큰 함정은 생산 비용은 거의 0에 가까워지지만 편집 책임은 0이 되지 않는다는 것이다.
현대 AI 이전에 1만 개의 긴 글을 발행하려면 엄청난 돈이나 인력이 필요했다. 그 마찰 때문에 어떤 주제가 정말 쓸 가치가 있는지 선택해야 했다. AI는 그 마찰 대부분을 없앴다. 이제는 “이걸 발행할 가치가 있는가?”를 묻기도 전에 터무니없는 양을 만들 수 있다.
- 실제 편집 선택이 없다: 검색 가능성만 보고 수천 개 주제를 고르면 사이트는 독자가 아니라 검색 엔진을 위해 움직인다.
- 평범한 정보 재조합: 모델은 직접 경험, 독자적 데이터, 특색 있는 관점 대신 이미 있는 정보를 재구성하기 쉽다.
- 현실적으로 불가능한 품질 관리: 1만 페이지에서 “나중에 검토”는 편집 프로세스가 아니다.
- 숨은 사실 오류: 유창한 글에도 가짜 디테일, 오래된 정보, 미묘한 기술 오류가 들어갈 수 있다.
- 약한 차별화: 개별 페이지는 읽을 수 있어도 전체는 반복적이고 교환 가능한 콘텐츠가 된다.
- 크롤링과 색인의 낭비: 수천 개의 약한 URL이 정말 중요한 페이지와 함께 평가 대상이 된다.
길이가 나를 구하지 못했다. 깔끔한 포맷도, 키워드도 마찬가지였다. 페이지마다 1,500단어가 있어도 콘텐츠 공장은 콘텐츠 공장이다.
사이트가 0 페이지가 된 뒤 내가 한 일
대량 생성 섹션은 “최적화”할 게 아니라 제거해야 한다고 받아들인 뒤에는 더 이상 살리려 하지 않았다.
AI로 만든 1만 개 글을 전부 삭제했다.
몇백 개만 지운 게 아니고 이미 색인에서 빠진 것만 지운 것도 아니다. 실험 전체를 없앴다. 생성에 며칠이 들고 수백 MB가 쌓였지만 이미 비용을 썼다는 이유로 남기는 것은 전형적인 sunk cost 오류였다.
의도적으로 영구 삭제한 URL은 410 Gone을 반환하게 했다. 그리고 대량 발행을 중단하고 쓰는 방식을 바꿨다.
직접 만들고, 망가뜨리고, 고치고, 측정하고, 시험하고, 배운 것에 대해 쓰기 시작했다. 어떤 주제는 소수만 관심을 가질 수 있다. 괜찮다. 적어도 내가 그 글을 써야 할 진짜 이유가 있다.
AI는 지금도 많이 사용한다. 다만 역할이 다르다.
새 규칙: 저자는 나, AI는 도구
- 거친 메모를 명확한 구조로 정리하기;
- 내 논리를 반박하고 빠진 설명 찾기;
- 더 나은 제목과 도입 제안하기;
- 문법, 문장부호, 반복, 어색한 표현 다듬기;
- 기술 설명이 이해되는지 확인하기;
- 코드 예제와 목록 정리하기;
- 내가 먼저 쓴 완성된 글을 다른 언어로 번역하기.
이제 원하지 않는 것은 “1만 개 주제 고르고, 1만 개 SEO 글 쓰고, 전부 발행해”라는 workflow다.
차이는 ownership이다. 이제 아이디어는 나에게서 시작한다. 경험도 내 것이다. 무엇이 사실이고 중요하며, 무엇을 빼고 강조할지 내가 결정한다. AI는 표현을 개선할 수 있지만 페이지 존재 이유 전체를 발명해서는 안 된다.
그리고 최종 글을 내가 읽는다. 너무 당연하게 들리지만 가장 큰 차이다. 1만 개 자율 글에서는 물리적으로 편집자가 될 수 없었다. 의도적으로 적은 글을 만들면 가능하다.
회복은 느렸다
콘텐츠를 삭제했다고 바로 회복되지는 않았다.
오랫동안 사이트는 Google에 사실상 없는 상태였다. 삭제한 URL은 그대로 삭제 상태를 유지했고, 훨씬 적은 수의 의도적인 글만 발행하며 Google이 다시 사이트를 크롤링하기를 기다렸다.
약 두 달 뒤 홈페이지가 Google 색인에 돌아왔다.
이전에 실제로 Search에 들어가 있던 약 1,000개 페이지와 비교하면 홈페이지 하나가 돌아온 것은 작아 보일 수 있다. 하지만 내게는 훨씬 더 중요한 신호였다. Google도 다시 사이트를 크롤링하기 시작했다. 이 글을 쓰는 현재 완전한 회복을 주장하지도, 모든 새 글이 색인될 것이라고 말하지도 않는다. 아직 그런 증거는 없다.
확인할 수 있는 사실은 좁다. 0 페이지에서 홈페이지가 다시 색인됐고, 대규모 AI 콘텐츠를 삭제하고 발행 전략을 바꾼 뒤 Google이 다시 크롤링을 시작했다.
지름길은 며칠 만에 만들 수 있지만 되돌리는 데 몇 달이 걸릴 수 있다.
AI 번역은 완전히 다른 사용 사례다
이 경험 때문에 “텍스트에 AI를 쓰지 말자”라고 결론 내리지는 않았다. AI 번역 경험은 오히려 매우 긍정적이다.
내 경험, 실험, 분석, 전문성을 바탕으로 내가 먼저 쓴 글을 번역하는 것은 에이전트에게 수천 개 검색 주제를 발명하게 하는 것과 본질적으로 다르다.
가치는 원문에 이미 존재한다. AI는 언어를 바꾸는 것이지 글의 존재 이유를 만드는 것이 아니다.
예전에는 매 글을 5개, 10개, 20개 언어로 번역하려면 프리랜서나 많은 수작업 시간이 필요했다. 지금은 AI가 짧은 시간에 강한 첫 번역을 만들 수 있어 개인 개발자도 다국어 발행을 현실적으로 할 수 있다.
기술 구현은 여전히 중요하다. 각 언어는 실제로 크롤링 가능한 URL을 갖고 server-rendered 또는 pre-rendered HTML로 제공되는 방식을 선호한다. 본문은 실제로 번역되어야 하고, 버전들은 hreflang으로 정확히 연결되어야 하며, 내부 링크로 발견 가능하고 필요하면 crawl/sitemap 구조에도 포함되어야 한다.
Google은 같은 페이지의 완전 번역 버전을 지원하고 다국어 사이트에서 별도 URL과 hreflang 사용을 권장한다. 핵심은 번역 페이지가 실제 독자를 위한 실제 페이지여야 한다는 점이다. URL 수를 늘리기 위한 저가치 변형이면 안 된다.
이 워크플로는 AI로 블로그를 여러 언어로 번역한 실제 사례 글에서 따로 자세히 다뤘다.
서버 렌더링이 품질을 만들지는 않는다
콘텐츠 품질과 기술 SEO는 다른 레이어다.
SSR이나 static generation이 쓸모없는 글을 살리지 못한다. 완벽한 hreflang도 일반적인 글을 독창적으로 만들지 않는다. Sitemap도 수요를 만들지 않는다.
하지만 콘텐츠가 정말 게시할 가치가 있다면 검색엔진에도 최대한 명확한 기술적 형태로 제공하고 싶다. 다국어 콘텐츠라면 예측 가능한 언어별 URL, 크롤링 가능한 서버 렌더링 또는 사전 생성 HTML, 상호 연결된 hreflang, 언어 버전 사이의 명확한 내부 링크, 중요한 페이지가 실수로 차단되지 않는 구성이 중요하다.
기술 SEO는 가치 있는 콘텐츠가 발견되고 이해되도록 도와야 한다. 가치 자체를 대신해서는 안 된다.
지금 내가 신뢰하는 workflow
- 내가 실제로 알고 겪은 것부터 시작한다.
- 키워드보다 먼저 내용의 본질을 쓴다.
- AI를 편집자와 토론 파트너로 쓴다.
- 사실과 기술적 주장을 검증한다.
- 첫손 디테일을 넣는다: 숫자, 스크린샷, 코드, 실패, 제약, 결정, 결과.
- 최종 버전을 직접 읽는다.
- 필요할 때 완성 글을 AI로 번역한다.
- 다국어 페이지를 기술적으로 올바르게 구현한다.
- 실제로 감독 가능한 규모로만 발행한다.
AI는 목적의 원천이 아니라 증폭기다
지금 AI를 이해하는 가장 좋은 방식은 증폭기라고 보는 것이다.
출발점이 실제 경험, 유용한 아이디어, 좋은 데이터, 강한 원문이라면 AI는 그것을 증폭할 수 있다. 글을 개선하고, 구조화하고, 번역하고, 같은 가치를 더 많은 사람에게 전달한다.
출발점이 “검색 트래픽을 얻을 키워드 수천 개 줘”라면 그것도 증폭한다. 예전에는 너무 비싸서 못 했던 잘못된 일을 훨씬 큰 규모로 하게 만들어줄 뿐이다.
나는 AI 반대가 아니다. 매일 쓴다. 내가 반대하는 것은 autopilot이다.
이 실험에서 얻은 가장 강한 결론은 간단하다. 에이전트가 내가 읽는 속도보다 빨리 쓴다는 이유만으로 편집 판단을 넘기지 말자.
나에게서 나온 것을 쓰고, AI로 더 명확하고 강하고 구조적으로 만들고 필요하면 여러 언어로 확장한다. 하지만 목적, 전문성, 검증, 최종 판단은 사람이 가져야 한다.
AI는 발행을 그 어느 때보다 쉽게 만들었다. 그래서 무엇을 발행하지 않을지 결정하는 일이 오히려 더 중요해졌다.