클릭은 사라지고 있지만, 대부분의 웹사이트는 여전히 클릭을 전제로 만들어집니다. 사용자가 ChatGPT, Perplexity 또는 Google의 AI 모델에 질문하면 콘텐츠의 첫 독자는 사람이 아니라 에이전트인 경우가 많습니다. 에이전트는 첫 화면의 애니메이션에 감탄하지도, 세 번째 화면까지 스크롤하지도, 공들여 설계한 버튼을 누르지도 않습니다. 하는 일은 하나뿐입니다. 페이지를 분해해 활용할 수 있는 사실을 추출합니다. 콘텐츠가 얼마나 정확하게 추출되는지가 AI 답변의 노출 여부를 결정합니다. 머신 리더빌리티가 SEO의 다음 격전지인 이유입니다.
기술 문제처럼 들리지만, 본질은 브랜드 노출의 문제입니다. 과거에는 검색 결과 첫 페이지에 링크를 올리기 위해 순위를 최적화했습니다. 이제는 언어 모델이 수백 밀리초 안에 페이지의 주제와 신뢰도, 인용 가치를 판단할 수 있도록 ‘해석 용이성’을 최적화해야 합니다. 하나의 웹사이트에는 두 독자가 있습니다. 한쪽은 눈으로 읽고, 다른 쪽은 파서로 읽습니다. 사람은 다소 복잡한 구성을 이해해 주지만 파서는 그렇지 않습니다.
에이전트는 레이아웃이 아니라 구조를 읽습니다.
사람은 웹페이지를 열면 시각적 단서로 정보를 파악합니다. 제목은 더 크고, 버튼은 더 밝으며, 핵심 내용은 색으로 강조됩니다. 에이전트에는 이런 단서가 없습니다. 에이전트가 받는 것은 태그와 텍스트 노드의 나열이며, HTML의 의미 구조를 바탕으로 무엇이 제목이고 답변이며 내비게이션인지 판단합니다. 제목처럼 보여도 실제로는 <h2>가 아니라 CSS로 크게 만든 <div>라면 에이전트가 제목으로 인식하지 못할 수 있습니다. 사람이 보기에 강조된 핵심 내용도 기계에는 페이지 하단의 저작권 문구와 같은 수준의 텍스트일 뿐입니다.
렌더링은 또 다른 문제입니다. 많은 웹사이트가 핵심 콘텐츠를 JavaScript 뒤에 숨겨 두고, 브라우저가 스크립트 실행을 마친 뒤에야 화면에 텍스트를 표시합니다. 사람은 1~2초를 기다릴 수 있지만, 콘텐츠를 수집하는 크롤러와 에이전트는 기다리지 않거나 프런트엔드 프레임워크를 실행하지 못할 수 있습니다. 이들은 서버가 처음 반환한 HTML만 확인하는 경우가 많습니다. 그 HTML이 비어 있다면 콘텐츠가 아무리 훌륭해도 기계에는 존재하지 않는 것과 같습니다.
머신 리더빌리티는 무엇을 측정할까요?
‘머신 리더빌리티’를 구체적으로 나누면 추상적인 개념이 아니라 다음과 같은 명확한 점검 항목이 됩니다.
- 시맨틱 구조: 제목에 <h1>~<h3>, 문단에 <p>, 목록에 <ul> 또는 <ol>을 사용했습니까? 아니면 모든 요소를 <div>에 넣었습니까?
- 일반 텍스트 가용성: JavaScript를 꺼도 핵심 콘텐츠가 남아 있습니까? 에이전트가 처음 받는 HTML에 실질적인 내용이 포함되어 있습니까?
- 추출 완결성: 한 문단만 따로 추출해도 의미가 온전히 전달됩니까? 내용을 이해하기 위해 앞뒤 3개 문단까지 읽어야 하지는 않습니까?
- 기계 친화적 형식: 모델이 추측해야 할 부분을 줄이도록 구조화 데이터(schema.org), 정돈된 Markdown 또는 llms.txt를 제공합니까?
- 일관성: 제목과 본문, 구조화된 자료에서 같은 사실을 동일하게 설명합니까? 서로 모순되는 내용은 없습니까?
웹사이트가 화려할수록 오히려 누락되기 쉬운 이유
직관과 반대되는 지점이 있습니다. 웹사이트 디자인이 화려할수록 머신 리더빌리티는 낮아질 수 있습니다. 전체 화면 애니메이션, 지연 로딩, 이미지에 삽입한 텍스트, 여러 겹의 <div>로 포개 만든 페이지는 사람에게 인상적일 수 있지만 에이전트에는 모두 노이즈입니다. 고객 웹사이트를 진단할 때 자주 발견하는 유형도 이렇습니다. 시각적 완성도와 성능 점수는 모두 좋지만 스크립트를 끄면 본문에 문장 하나만 남고 나머지는 빈 껍데기가 됩니다. 사람에게는 완성된 페이지지만 에이전트에는 사실상 백지입니다.
정보가 이미지와 동영상 안에만 갇혀 있는 경우도 흔합니다. 공들여 멋진 데이터 시각화 자료를 만들고 수치와 출처, 결론까지 모두 넣었지만 이를 설명하는 텍스트는 제공하지 않는 식입니다. 모델이 이미지 속 픽셀을 읽지 못하면 핵심 내용을 추출할 수도 없습니다. 결국 같은 수치를 꾸밈없이 텍스트로 적은 경쟁사 페이지를 인용하게 됩니다. 디자인상은 받았지만 인용 기회는 놓치는 셈입니다.
지금 직접 측정할 수 있는 3가지 신호
- JavaScript를 끄고 다시 확인합니다: 브라우저에서 스크립트를 비활성화하고 가장 중요한 페이지를 새로고침한 뒤, 핵심 본문이 얼마나 남는지 확인합니다. 남아 있는 내용이 많을수록 상태가 양호합니다.
- ‘페이지 소스 보기’에서 제목을 찾습니다: <h1>과 <h2>를 검색해 실제 제목 태그인지, CSS로 제목처럼 꾸민 <div>인지 확인합니다.
- AI에 페이지를 주고 질문합니다: URL이나 콘텐츠를 언어 모델에 직접 입력한 뒤 “이 페이지는 무엇을 설명하며, 핵심 주장은 무엇인가?”라고 묻습니다. 모델이 정확히 답하지 못한다면 에이전트도 제대로 이해하지 못할 가능성이 큽니다.
검색 순위는 사람에게 선택받기 위한 경쟁이고, 머신 리더빌리티는 기계에게 읽히기 위한 경쟁입니다. 기계가 첫 독자가 된 환경에서 웹사이트를 읽지 못한다면, 그 웹사이트는 존재하지 않는 것과 같습니다.— Tenten GEO
기술 부채가 아니라 노출 부채입니다
많은 팀이 시맨틱 HTML, 구조화 데이터, 일반 텍스트 가용성을 ‘시간이 날 때 나중에 처리할 기술 부채’로 분류합니다. 그러나 AI 에이전트가 검색을 대신하는 환경에서 이 부채에 붙는 이자는 브랜드 노출입니다. 기계가 읽지 못하는 페이지 하나하나는 사라진 인용 기회이며, 경쟁사에 조용히 넘어간 답변 내 노출 자리입니다. 더 큰 문제는 이를 트래픽 보고서에서도 확인하기 어렵다는 점입니다. 인용되지 않은 콘텐츠는 흔적조차 남기지 않은 채 기회를 잃습니다.
다행히 머신 리더빌리티는 대부분 디자인을 포기하지 않고도 개선할 수 있습니다. 제목처럼 꾸민 요소를 실제 제목 태그로 바꾸고, 핵심 콘텐츠를 최초 HTML에 포함하고, 주요 차트에 텍스트 버전을 추가하고, 필요한 스키마를 완성하면 됩니다. 사람에게는 거의 차이가 없어 보여도 에이전트의 해석에는 큰 차이를 만듭니다. 어려운 것은 기술 자체가 아닙니다. 서비스 요구사항을 정의하는 단계부터 ‘기계도 독자’라는 관점을 반영할 것인지, 출시 후에야 뒤늦게 보완할 것인지가 관건입니다.
에이전트가 우리 사이트를 어떻게 보는지 확신하기 어렵다면 먼저 간단히 테스트해 보십시오. 스크립트를 끄고 태그를 확인한 뒤, 페이지를 모델에 입력해 질문하면 됩니다. 더 체계적인 점검이 필요하다면 GEO 감사에서 핵심 페이지를 하나씩 기계 관점으로 분석해 누락 지점과 격차의 크기를 알려드립니다. 먼저 30분 GEO 진단을 예약하면 실제 운영 중인 페이지를 함께 살펴볼 수 있습니다.
