지금 ChatGPT를 열고 이렇게 물어보세요. "(우리 업종) 솔루션 5개 추천해줘." 경쟁사 이름은 줄줄이 나오는데 우리 회사는 안 보이나요? 그렇다면 방금, 당신 회사는 잠재 고객의 쇼트리스트에서 조용히 삭제됐어요. 그리고 그 고객은 그 사실을 영영 모릅니다.
이게 과장이 아닌 이유. B2B 구매자 10명 중 5명이 이제 Google이 아니라 AI 챗봇으로 벤더 리서치를 시작하고, 그중 33%는 챗봇을 켜기 전엔 들어본 적도 없던 회사에서 실제로 구매해요. RFP가 도착하기 전에 쇼트리스트는 이미 완성돼 있어요. 그리고 그 쇼트리스트를 짜는 건 사람이 아니라 AI 에이전트예요.
제일 무서운 건, 진 줄도 모른다는 거예요
예전 B2B 영업에는 만회할 접점이 많았어요. 마케팅이 인지를 만들고 → 세일즈가 연락하고 → 구매자가 RFP를 들고 나타나면 → 비교 검토 → 계약. 광고가 약하면 영업으로, 영업이 약하면 브랜드로 메꿀 수 있었죠.
지금은 그 접점들이 한 단계로 압축됐어요. B2B 소프트웨어 구매자의 89%가 구매 프로세스에 AI를 쓰고 있고, 구매자가 사람을 만나기 훨씬 전에 — AI 에이전트가 혼자서 벤더를 검색하고, 비교하고, 쇼트리스트를 만들어 건네줘요. 문제는 이거예요. 그 쇼트리스트에 못 들면, 영업이 전화할 기회조차 안 생겨요. 거절당한 게 아니라, 후보에 오른 적이 없는 거예요. 게다가 쇼트리스트 1위 벤더가 실제 계약의 77%를 가져간다는 데이터까지 있어요. 들어가는 것만으론 부족하고, 맨 위에 올라야 한다는 뜻이에요.
그리고 자리는 빠르게 굳어지고 있어요. 단 두 달(2025년 12월~2026년 2월) 사이에 상위 브랜드들의 AI 피인용 점유율이 30.9%에서 59.5%로 뛰었어요. 승자독식이 실시간으로 진행 중이라는 뜻이에요. 먼저 자리를 잡은 브랜드가 추천 점유율을 통째로 가져가는 구조라, 늦을수록 비싸져요.
SEO를 아무리 해도 안 되는 이유 — AI는 사람처럼 안 읽어요
"우리 SEO 잘하는데요?" 그게 함정이에요. SEO는 사람이 검색창에 입력하고, 결과를 클릭하고, 페이지를 눈으로 훑는 과정을 최적화해요. 그런데 AI 에이전트는 클릭하지 않아요. 시각적 레이아웃이나 디자인은 통째로 무시하고, HTML 구조와 의미론적 마크업에서 정보를 직접 긁어가요. 핵심 답이 첫 300~600자 안에 없으면, 에이전트는 그냥 다음 페이지로 넘어가요. 사람이라면 스크롤해서 찾아줬을 정보를, 에이전트는 기다려주지 않아요.
그래서 게임의 규칙 자체가 바뀌어요. 에이전트 검색 최적화(ASO, Agent Search Optimization)는 AI 에이전트가 자율적으로 정보를 찾고, 읽고, 행동할 수 있게 디지털 존재감을 구조화하는 방법론이에요. 무엇이 달라지는지는 나란히 놓고 보면 분명해져요.
| 기존 SEO | 에이전트 검색 최적화(ASO) | |
|---|---|---|
| 읽는 주체 | 사람 (검색 결과 클릭) | AI 에이전트 (자율 탐색·판단) |
| 성공 지표 | 클릭률(CTR), 검색 순위 | AI 추천 빈도, 쇼트리스트 진입률 |
| 핵심 신호 | 키워드 밀도, 백링크, 로딩 속도 | 스키마 마크업, 구조화 데이터, API 접근성 |
| 최종 결정 | 사람이 클릭 후 직접 판단 | 에이전트가 판단 → 사람에게 결과 전달 |
그냥 미래 얘기가 아니에요. 미국 소매 사이트의 AI 유입 트래픽이 전년 대비 269% 증가했고, AI가 데려온 방문자의 전환율은 일반 오가닉 대비 4.4배 높아요. 살 마음을 먹고 오는 트래픽이라는 뜻이에요. 스키마 마크업이 있는 페이지가 AI 생성 요약에 포함될 확률이 36% 높다는 데이터까지 있고요. SEO만 붙들고 있으면, 가장 잘 사는 손님들을 통째로 놓치는 거예요.
그래서 뭘 하면 되는데 — 3축, 그리고 오늘 당장 하나
ASO는 결국 세 가지 질문에 "예"라고 답하게 만드는 작업이에요. AI가 우리를 찾을 수 있나(발견성), 찾았으면 판단할 수 있나(평가성), 판단했으면 다음 행동을 할 수 있나(실행성). 셋이 다 갖춰져야 추천 목록에 들어가요. 하나씩 구체적으로 풀게요.
- 발견성 — AI가 우리를 찾게 만들기
JSON-LD 스키마 마크업을 붙이세요. Organization, Product, FAQ, HowTo 타입이 핵심이에요. 코딩 몰라도 Google Schema Markup Generator로 만들 수 있어요. 추가로 XML 사이트맵을 최신으로 유지하고, H1→H2→H3 계층 구조를 논리적으로 정리하세요. 에이전트는 이 뼈대를 보고 내용을 파악해요. - 평가성 — AI가 우리를 판단하게 만들기
"혁신적인 솔루션" 같은 모호한 마케팅 문구는 AI가 처리하지 못해요. 대신 "월 100건 계약서 자동 처리", "응답 시간 98% 단축" 같은 수치로 바꾸세요. 가격·기능·통합 목록을 구조화된 형태로 제공하고, 검증된 리뷰 데이터를 연결하면 에이전트가 "이건 비교 가능한 후보"로 분류해요. - 실행성 — AI가 다음 단계를 밟게 만들기
CTA, 문의 폼, 가격 정보가 기계가 파싱 가능한 형태여야 해요. RSS 피드와 콘텐츠 API를 노출하면 에이전트가 최신 정보를 직접 가져가고, 핵심 데이터(가격·스펙·인증)를 API로 제공하면 장기적으로 추천 우위가 쌓여요. - 모든 페이지: 결론을 첫 600자 안에
에이전트는 디자인을 건너뛰고 텍스트 구조만 읽으니까, 각 페이지의 핵심 답이 첫 300~600자 안에 있어야 해요. FAQ 구조를 명시적으로 넣으면 질문 응답 정확도가 올라가고, 에이전트가 그 답을 그대로 인용해요. - 모니터링: 매주 직접 물어보기
맨 앞에서 해본 그 테스트를 루틴으로 만드세요. ChatGPT·Perplexity·Claude에 "(우리 업종) 솔루션 5개 추천해줘"를 정기적으로 던져요. 우리가 등장하기 시작하는지가 ASO 성적표예요. Google Rich Results Test와 Schema.org Validator로 구조화 데이터 상태도 같이 점검하고요.
오늘 30분만 쓴다면: FAQ 스키마 하나
사이트 전체를 갈아엎을 필요 없어요. 자주 묻는 질문 10개를 골라 JSON-LD FAQ 스키마로 추가하고, 각 답을 3문장 이내로 명확하게 쓰세요. 이것 하나만으로도 AI 에이전트가 당신의 Q&A를 직접 인용할 확률이 올라가요. 가장 적은 노력으로 발견성·평가성·실행성을 동시에 건드리는 지점이에요.
더 깊이 파고 싶다면
Agent Search Optimization: Future-Proof GTM Copy.ai의 공식 ASO 프레임워크 — 발견성·평가성·실행성 3축과 GTM 워크플로우 통합 방법 copy.ai
Agent Search Optimization: Your Website's Third Audience VisualPing의 실전 분석 — SEO·AEO·ASO 층위 구분과 쇼트리스트 알고리즘 visualping.io
What is Agentic Search Optimization? A Practical Guide 브랜드 일관성과 머신 리더빌리티 중심의 ASO 실전 가이드 jarredsmith.com
AAO: Why Assistive Agent Optimization is the Next Evolution of SEO Jason Barnard의 SEO→AEO→AIEO→AAO 진화 사다리와 2026년 AI 피인용 점유율 분석 searchengineland.com
The Answer Economy: How AI Search Is Rewiring B2B Software Buying G2의 1,076명 B2B 구매자 실태조사 — AI 챗봇과 구매 행동 변화 원본 데이터 demandgenreport.com
Agentic Engine Optimization: Technical Playbook AI 에이전트가 콘텐츠를 읽는 방식과 HTML 구조 최적화 기술 가이드 almcorp.com
