구글 AI Mode 6단계 메커니즘과 콘텐츠 인용 전략
잘 만든 우리 페이지가 검색 1위인데도, 정작 구글 AI 답변에는 한 줄도 인용되지 않는 일이 일어납니다. AI 답변에 어떤 문장이 인용될지는 그 페이지의 검색 순위가 아니라, 6단계 파이프 라인의 마지막에서 단락을 1:1로 비교해 결정되기 때문입니다.
이 글에서 다루는 원리는 구글 AI Mode에만 적용되는 것이 아닙니다. ChatGPT, Gemini, Claude처럼 생성형 AI가 답변을 만들어 출처를 인용하는 플랫폼 전반에 공통으로 작동하는 원리입니다. 다만 설명의 기준은 구글 AI Mode로 잡았습니다. 이유는 두 가지입니다.
첫째, AI Mode는 구글 특허와 공식 문서를 통해 작동 구조가 가장 구체적으로 드러나 있어 메커니즘을 단계별로 설명하기에 가장 적합합니다.
둘째, 질문 확장(Query Fan-Out)·벡터 기반 검색·단락 단위 인용이라는 핵심 메커니즘은 AI Mode만의 것이 아니라 다른 LLM 답변 엔진에도 공통되기 때문입니다. 즉 AI Mode를 이해하면 생성형 AI 검색 전반에 대응하는 뼈대가 잡힙니다.
이 글은 AI Mode가 무엇이고 6단계로 어떻게 작동하는지, 전통 검색과 무엇이 다른지, 그리고 우리 콘텐츠가 인용되려면 어떻게 써야 하는지를 다룹니다.
구글 AI Mode란?
구글 AI Mode(AI 모드)는 구글이 생성형 AI 모델 Gemini(제미나이)를 검색에 적용한 대화형 생성 검색 환경입니다. 질문에 파란 링크 목록을 돌려주던 전통 검색과 달리, AI Mode는 여러 출처를 종합해 하나의 답변으로 합성하고 그 근거가 된 단락을 출처로 함께 제시합니다.
AI Mode는 음성·텍스트·이미지를 함께 처리하는 멀티모달(multimodal)¹ 방식입니다. 사진을 올려 묻거나 텍스트로 묻는 등 다양한 형태의 질문에 대응합니다.
AI Mode는 기존 AI 개요(AI Overviews)²에서 한 단계 더 나아간 형태입니다. AI 개요가 검색 결과 상단에 요약을 덧붙이는 기능이라면, AI Mode는 검색 경험 자체를 생성형 대화로 바꿔 복잡한 다단계 질문을 한 번에 처리합니다.
AI Mode의 작동은 질문 하나를 수십~수백 개의 합성 쿼리(synthetic query)³로 확장해 단락(Passage) 단위로 정보를 수집하고, 하나의 답변으로 합성한 뒤 근거 단락을 인용하는 6단계 파이프라인입니다. 다만 이 6단계 구분과 각 단계의 내부 동작은 구글이 직접 문서화한 것이 아니라, 구글 특허와 공식 자료, 그리고 iPullRank⁹의 How AI Mode Works and How SEO Can Prepare for the Future of Search의 내용을 해석해 재구성한 프레임입니다.
GEO(Generative Engine Optimization)⁴의 출발점은 AI Mode의 메커니즘과 알고리즘을 이해하는 것입니다. 그 작동 원리를 알아야 '왜 인용되지 않는가'가 추측이 아니라 단계별 진단이 되고, 진단이 있어야 처방이 나옵니다. '단락을 독립적으로 완결되게 쓰라'는 일반적인 조언을 넘어, '어느 단계에서 걸렸는지'를 짚어내는 것이 SEO/GEO 컨설턴트의 핵심 역량입니다.
구글 AI Mode의 6단계 메커니즘 (작동 원리)
AI Mode는 사용자의 질문을 받아 답변을 만들고 출처를 붙이기까지 여섯 단계를 거칩니다. ①질문의 의도를 파악하고, ②질문을 여러 갈래로 확장한 뒤, ③단락 단위로 문서를 모으고, ④작업별 전문 AI를 배정해, ⑤하나의 답변으로 합성한 다음, ⑥근거가 된 단락을 출처로 인용합니다.
각 단계의 기반 기술은 구글 공식 문서에 근거하지만, 이를 여섯 단계로 구분한 방식과 일부 LLM 명칭(예: 의도분류 LLM)은 구글이 공식화한 것이 아니라 구글 특허·공식 자료와 iPullRank의 분석을 종합해 재구성한 것입니다.
1단계 의도 분류 (Query Classification)
의도 분류는 사용자가 무엇을 원하는지 추론해 질문의 유형을 정하는 단계입니다. AI Mode는 BERT·RankBrain·Neural Matching⁵으로 질문의 맥락과 의미를 읽어, 정의/비교/이유/방법 같은 8가지 의도 유형으로 분류합니다. 이 분류 결과가 이후 모든 단계의 방향을 결정합니다.
2단계 질문 확장 (Query Fan-Out)
질문 확장은 하나의 질문을 수십~수백 개의 관련 질문으로 자동으로 늘리는 단계입니다. AI Mode는 입력된 질문에서 관련·비교·재구성 등 여러 유형의 합성 쿼리를 만들어, 사용자가 명시하지 않은 의도까지 검색 범위에 포함시킵니다. 질문이 넓게 펼쳐질수록 더 다양한 출처가 후보로 모입니다.
3단계 문서 수집 (Corpus Retrieval)
문서 수집은 확장된 질문들로 색인을 검색해 답변 재료가 될 문서를 모으는 단계입니다. AI Mode는 페이지 전체가 아니라 단락 단위로 의미 유사도를 계산해, 질문과 가장 가까운 단락들을 추려 Custom Corpus⁶를 구성합니다. 이때 텍스트를 벡터로 바꿔 비교하는 벡터 임베딩(Vector Embedding)과 시맨틱 서치가 쓰입니다.
4단계 AI 역할 배정 (LLM Selection & Task Routing)
AI 역할 배정은 수집한 문서와 질문 유형에 맞춰 작업별 전문 AI를 골라 투입하는 단계입니다. 하나의 AI가 전부 처리하는 대신, 요약·비교·번역처럼 역할이 다른 전문 LLM이 팀처럼 나뉘어 각자 맡은 작업을 수행합니다. 예를 들어 비교 질문에는 비교 전담 LLM이, 해외 자료에는 번역 전담 LLM이 배정됩니다.
5단계 답변 합성 (Final Synthesis)
답변 합성은 전문 AI들이 뽑아낸 단락을 하나의 논리적인 답변으로 조립하는 단계입니다. AI Mode는 추론 체인(Reasoning Chains)⁷으로 답변의 논리 뼈대를 세우고, 후보 단락을 둘씩 맞붙여 비교하는 페어와이즈 랭킹(Pairwise Ranking)⁸으로 더 나은 단락을 골라 채웁니다. 이렇게 여러 출처의 단락이 하나의 답변으로 통합됩니다.
6단계 인용 (Citation)
인용은 완성된 답변에서 근거가 된 단락을 출처로 선택해 표시하는 마지막 단계입니다. AI Mode는 사실·수치·출처·완결성이라는 기준으로 단락을 심사해 인용 여부를 정하며, 이 판단은 문서 순위와 독립적입니다. 따라서 검색 순위 1위 페이지의 단락이라도 인용되지 않을 수 있고, 순위가 낮은 페이지의 단락이 인용될 수도 있습니다.
6단계 요약
| 단계 | 하는 일 | 핵심 알고리즘 | 결과물 |
|---|---|---|---|
| 1. 의도 분류 | 질문 의도를 유형으로 분류 | BERT·RankBrain·Neural Matching | 8가지 의도 유형 분류 결과 |
| 2. 질문 확장 | 질문 1개 → 수십~수백 합성 쿼리로 확장 | Gemini 쿼리확장 LLM | 합성 쿼리 리스트 |
| 3. 문서 수집 | 단락 단위로 문서 수집 | Vector Embedding·Semantic Search·Passage Ranking | Custom Corpus |
| 4. AI 역할 배정 | 작업별 전문 LLM 배정 | Gemini 요약·비교·번역 LLM | 역할별 LLM 호출 목록 |
| 5. 답변 합성 | 단락을 하나의 답변으로 조립 | Reasoning Chains·Pairwise Ranking | 최종 합성 답변 |
| 6. 인용 | 근거 단락을 출처로 선택·표시 | Pairwise Ranking·Gemini 인용판단 LLM | 인용 단락 목록 |
전통 검색과 AI Mode 메커니즘은 무엇이 다른가?
전통 검색과 AI Mode의 가장 큰 차이는, 검색의 경쟁 단위가 ‘페이지’에서 ‘단락’으로, 콘텐츠의 목표가 ‘순위 상승’에서 ‘인용 획득’으로 바뀐 데 있습니다. 전통 검색이 질문에 맞는 페이지를 순위대로 나열한다면, AI Mode는 여러 출처의 단락을 모아 하나의 답변으로 합성하고 그 근거가 된 단락만 출처로 인용합니다.
질문을 처리하는 방식부터 다릅니다.
전통 검색은 단순히 ‘검색해서 나열’하는 것이 아니라, 발견(Discovery) → 수집(Crawling) → 렌더링(Rendering) → 색인(Indexing) → 순위결정(Ranking)의 5단계로 동작합니다. 앞의 네 단계로 웹 문서를 미리 수집·색인해 두고, 사용자가 검색하면 마지막 순위결정 단계에서 관련성 높은 페이지를 골라 순서대로 나열합니다.
AI Mode는 여기서 더 나아가, 질문 하나를 수십~수백 개의 합성 쿼리로 확장한 뒤 단락 단위로 정보를 수집하고, 하나의 답변으로 합성해 근거 단락을 인용합니다. 같은 ‘질문→결과’라도 전통 검색은 페이지를 골라 나열하는 데서 끝나고, AI Mode는 단락을 모아 답을 만들어 인용하는 데까지 이어집니다.
평가 단위와 기준도 달라집니다.
전통 검색에서는 페이지가 평가 단위였고, 페이지 순위를 끌어올리는 것이 SEO의 목표였습니다. AI Mode에서는 단락이 평가 단위이며, 인용 여부는 사실·수치·출처·완결성 기준으로 단락별로 판정됩니다. 이 인용 판정은 문서 순위와 독립적여서, 순위 1위 페이지의 단락이라도 인용되지 않을 수 있습니다.
사용자의 행동도 바뀝니다.
전통 검색에서는 링크를 눌러 페이지를 방문했지만, AI Mode에서는 합성된 답변을 그 자리에서 읽고 끝나는 경우가 많습니다. 그래서 콘텐츠 전략의 무게중심도 ‘클릭을 부르는 페이지’에서 ‘답변에 인용되는 단락’으로, 즉 SEO에서 GEO(Generative Engine Optimization, 생성형 엔진 최적화)로 옮겨갑니다.
전통 검색 vs AI Mode 한눈에 보기
| 구분 | 전통 검색 (SEO) | AI Mode (GEO) |
|---|---|---|
| 질문 처리 | 질문 1개를 그대로 검색 (단일 쿼리) | 질문 1개 → 수십~수백 합성 쿼리로 확장 |
| 경쟁 단위 | 페이지 | 단락 (Passage) |
| 결과 형태 | 파란 링크 목록 | 합성된 답변 + 인용 출처 |
| 평가 기준 | 페이지 순위 (랭킹 신호) | 단락의 인용 적합성 (문서 순위 영향 적음) |
| 사용자 행동 | 링크 클릭 → 페이지 방문 | 답변을 그 자리에서 읽음 |
| 최적화 목표 | 순위 상승 (Ranking) | 인용 획득 (Citation) |
반드시 알아야 할 AI Mode 핵심 알고리즘은?
AI Mode는 6단계에 걸쳐 여러 알고리즘을 사용하지만, 우리 단락 자체가 점수로 평가되고 서로 비교되어 인용까지 결정되는 길목은 문서 수집(3단계)·답변 합성(5단계)·인용(6단계)에 몰려 있습니다.
1·2단계는 사용자의 질문을 이해하고 확장하는 단계로 콘텐츠는 의도 시그널과 엔티티 표기로 간접적으로 관여하고, 4단계는 작업을 분배합니다.
정작 우리 단락을 직접 추려내고 비교해 인용하는 것은 다섯 알고리즘—Vector Embedding, Passage Ranking, Reasoning Chains, Pairwise Ranking, Gemini 인용판단 LLM¹⁰—이며, 이들이 어떤 단락을 후보로 모으고 어떻게 비교해 답변에 채택하며 무엇을 인용할지를 결정합니다. 이 다섯은 우리 단락이 차례로 통과해야 할 관문이자 글쓰기로 가장 직접적으로 영향을 줄 수 있는 지점이라, SEO/GEO 컨설턴트가 반드시 알아야 할 핵심입니다.
Vector Embedding (벡터 임베딩)
Vector Embedding은 텍스트의 의미를 숫자 벡터로 바꿔, 단어가 똑같지 않아도 의미가 가까운 단락을 찾아내게 하는 기술입니다. AI Mode는 질문과 단락을 모두 벡터로 변환한 뒤 의미 유사도를 계산하는 Semantic Search로 답변 후보 단락을 모읍니다. 따라서 검색어를 그대로 반복해 넣기보다, 질문이 실제로 묻는 의미에 정면으로 답하는 문장을 쓴 단락이 후보로 잡힙니다.
Passage Ranking (패시지 랭킹)
Passage Ranking은 페이지 전체가 아니라 페이지 안의 개별 단락 단위로 관련성을 평가하는 시스템입니다. 구글은 이를 긴 글 깊숙이 묻힌 정확한 답을 찾아내는 기술로 설명하며, 전체 검색 쿼리의 약 7%에 영향을 준다고 밝혔습니다. 페이지가 아무리 길고 좋아도 핵심 답이 묻혀 있으면 그 단락은 평가받기 어려우므로, 핵심 답을 단락 첫머리에 드러내고 한 단락에 하나의 요점만 담아야 합니다.
Reasoning Chains (추론 체인)
Reasoning Chains는 답변을 만들기 전에 어떤 논리 단계로 답할지 뼈대를 먼저 세우는 과정입니다. AI Mode는 이 추론 체인으로 답변의 논리 순서를 잡고, 각 논리 자리에 가장 잘 맞는 단락을 골라 채웁니다. 따라서 단락이 인용되려면 답변의 어느 한 논리 단계를 직접 뒷받침해야 하며, “우리는 훌륭하다”는 주장형 문장보다 “어떤 문제를 어떻게 해결했다”는 근거형 문장이 유리합니다.
Pairwise Ranking (페어와이즈 랭킹)
Pairwise Ranking은 후보 단락을 두 개씩 1:1로 맞붙여 어느 쪽이 답변 근거로 더 직접적인지를 반복 비교해 추리는 방식입니다. AI Mode는 답변 합성(5단계)에서 쓸 단락을 고를 때와 인용(6단계)할 단락을 정할 때 모두 이 1:1 비교를 사용합니다. 우리 단락은 같은 주제를 다룬 경쟁 단락과 직접 비교당하므로, 막연한 일반론 대신 구체적 수치·사례·출처를 단락 핵심에 배치해 비교 우위를 만들어야 합니다.
Gemini 인용판단 LLM
Gemini 인용판단 LLM은 최종 후보 단락을 사실·수치·출처·완결성이라는 네 기준으로 심사해 인용 자격을 정하는 판정자입니다. 이 명칭은 기능을 설명하기 위한 표현이며 구글의 공식 제품명은 아닙니다. 4가지 기준을 모두 통과한 단락만 답변에 출처로 표시되므로, 단락 안에 검증 가능한 사실과 구체적 수치, 명확한 출처를 담고, 그 단락만 떼어 읽어도 의미가 완결되도록 써야 합니다.
핵심 알고리즘 요약
| 알고리즘 | 핵심 역할 | 콘텐츠 시사점 |
|---|---|---|
| Vector Embedding | 의미 유사 단락 검색 | 키워드 반복 대신 질문 의미에 정면으로 답하기 |
| Passage Ranking | 단락 단위 관련성 평가 | 핵심 답을 단락 첫머리에 드러내고, 한 단락에 한 요점 |
| Reasoning Chains | 답변 논리 뼈대 구성 | 주장 대신 논리 단계를 뒷받침하는 근거형 문장 |
| Pairwise Ranking | 단락 1:1 비교 | 구체적 수치·사례·출처로 비교 우위 확보 |
| Gemini 인용판단 LLM | 4가지 기준 심사 | 자기완결적이고 검증 가능한 단락 |
우리 콘텐츠가 AI Mode에 잘 인용되려면 어떻게 해야 하는가?
우리 콘텐츠가 AI Mode에 인용되려면, 막연히 '좋은 글'을 쓰는 것이 아니라 앞서 본 다섯 관문을 기준으로 내 단락을 점검하는 데서 출발합니다. 인용되지 않는 단락은 대개 세 지점 중 하나에서 걸립니다 — 수집 단계에서 후보에조차 들지 못했거나(Vector Embedding·Passage Ranking), 비교 단계에서 경쟁 단락에 밀렸거나(Pairwise Ranking), 인용 심사의 네 기준을 통과하지 못한(Gemini 인용판단 LLM) 경우입니다.
어디서 걸렸는지에 따라 처방이 달라지므로, 먼저 내 단락이 어느 관문에서 멈췄는지를 짚어야 합니다. 아래 세 원칙은 각 관문을 통과하기 위한 처방이며, 공통 목표는 모든 단락을 그 자체로 완결된 답으로 만들고 인용 판정 4기준(사실·수치·출처·완결성)을 통과시키는 것입니다.
(수집 관문) 단락을 그 자체로 완결된 답으로 씁니다.
각 단락은 첫 문장에 핵심 답을 두는 답변-우선(Answer-First) 구조로 쓰고, 한 단락에는 하나의 요점만 담습니다. “이것·그것·위에서” 같은 문맥 의존 표현을 빼고 핵심 명사를 다시 써서, 단락을 페이지에서 떼어 읽어도 의미가 통하게 합니다. AI Mode는 페이지가 아니라 단락 단위로 정보를 수집하고 비교하므로, 단락 하나하나가 독립된 답이어야 후보에 오릅니다.
(비교·인용 관문) 근거로 인용 경쟁에서 이깁니다.
우리 단락은 같은 주제를 다룬 경쟁 단락과 1:1로 비교(Pairwise Ranking)당하므로, 막연한 주장 대신 검증 가능한 근거로 채워야 합니다. “대부분”·“최근” 같은 모호한 표현 대신 정확한 수치와 날짜를 쓰고, 정보의 출처를 명시하며, 단락이 사실·수치·출처·완결성 네 기준을 모두 충족하게 합니다. 특히 자체 데이터·직접 경험·고유 관점 같은 1차 정보는 경쟁 단락이 따라올 수 없는 인용 우위를 만듭니다.
(후보 진입 확대) 다양한 의도와 포맷으로 후보 진입을 넓힙니다.
AI Mode는 질문 하나를 수십~수백 개의 합성 쿼리로 확장하고, 작업별로 다른 전문 LLM(요약·비교·번역)을 호출합니다. 따라서 하나의 주제를 정의형·비교형 등 여러 의도로 다루고, 같은 정보를 서술형·표·리스트로 함께 제공해 어떤 LLM이 호출되어도 추출되게 합니다. 이때 핵심 엔티티는 한국어·영어·약어로 일관되게 병기해(예: AI Mode/AI 모드) 검색 시스템이 의미를 분산 인식하지 않게 합니다.
인용 최적화 체크리스트
결론 — 숲을 보고, 나무를 살피다
20년 넘게 SEO 업계에 몸담아 오며 분명해진 것이 하나 있습니다. 검색의 패러다임은 여러 번 바뀌어 왔지만, SEO로 쌓은 경험은 그때마다 사라지기는커녕 더 단단한 토대가 되었다는 점입니다. AI 검색 시대도 다르지 않습니다. 구글의 공식 가이드조차 'AI 검색 최적화는 결국 검색 경험 최적화이며 여전히 SEO'라고 못 박을 만큼, 관련성과 권위, 사용자의 의도를 읽어내는 SEO의 근본 역량은 생성형 AI 검색을 다루는 일의 출발점이자 근간입니다.
그 위에서 GEO 컨설팅에는 한 가지 자세가 더해져야 합니다. 크게 보고 작게 살피는 대관소찰(大觀小察)입니다. 대관(大觀)은 메커니즘을 이해하는 일입니다. 검색이 질문을 받아 어떻게 답을 만들고 인용하는지 그 전체 흐름을 조망해, 변화의 맥락을 읽고 방향을 잡는 것입니다. 소찰(小察)은 알고리즘을 이해하는 일입니다. 어떤 단락이 왜 후보에 오르고 왜 인용되는지를 세세히 들여다보아, 콘텐츠가 어느 지점에서 걸렸는지 정확히 진단하고 처방하는 것입니다. 숲을 보지 못하면 방향을 잃고, 나무를 보지 못하면 처방이 빗나갑니다.
그리고 이 두 시선은 결국 SEO라는 토대 위에서만 제대로 작동합니다. 검색이 무엇을 신뢰하고 무엇을 걸러내는지에 대한 오랜 감각이 없으면, 메커니즘은 빈 도식으로 남고 알고리즘은 단편적인 기법으로 흩어집니다. GEO는 SEO를 대체하는 것이 아니라, SEO라는 바탕 위에서 숲과 나무를 함께 보는 일입니다.
이 글의 메커니즘을 실무에 옮길 때 아티언스가 가장 중요하게 보는 지점은 '어느 관문에서 걸렸는지'를 먼저 진단하는 순서입니다. 단락을 무작정 고쳐 쓰기 전에, 후보에도 오르지 못한 것인지(수집 관문), 경쟁 단락에 밀린 것인지(비교 관문), 인용 심사 기준을 못 채운 것인지(인용 관문)를 먼저 구분해야 처방이 헛돌지 않습니다.
또한 본문이 강조하는 1차 정보(자체 데이터·직접 경험·고유 관점)는 콘텐츠 전략에서도 같은 무게로 다뤄야 할 자산이라고 봅니다. 일반론으로 채운 단락은 결국 Pairwise Ranking에서 대체 가능한 후보로 취급되지만, 실제 프로젝트·실험·현장 데이터에서 나온 문장은 비교 자체가 성립하지 않는 고유한 근거가 되기 때문입니다.
GEO는 결국 '더 잘 쓰는 법'이 아니라 '어디서 걸렸는지 정확히 보는 법'에 가깝습니다. 아티언스는 앞으로도 이 진단-처방 구조를 콘텐츠 실무에 적용 가능한 형태로 계속 검증해나갈 계획입니다.
자주 묻는 질문
AI Mode에 인용되려면 검색 순위가 높아야 하나요?
아니요. 인용 여부는 마지막 단계(6단계)에서 단락 단위로 사실·수치·출처·완결성을 심사해 결정되며, 이 판단은 문서 순위와 독립적입니다. 순위 1위 페이지의 단락도 인용에서 제외될 수 있습니다.
GEO는 SEO를 대체하는 개념인가요?
아니요. 본문에서 다룬 것처럼 GEO는 SEO가 쌓아온 관련성·권위·의도 파악 역량 위에서 작동하는 관점입니다. SEO라는 토대 없이는 메커니즘 이해도 알고리즘 대응도 실무로 이어지기 어렵습니다.
본문의 6단계 구분은 구글의 공식 발표인가요?
아니요. 구글이 직접 문서화한 구분이 아니라, 구글 특허·공식 자료와 iPullRank의 분석을 바탕으로 아티언스가 해석해 재구성한 프레임입니다.
이 원리는 구글 AI Mode에만 적용되나요?
아니요. 질문 확장, 벡터 기반 검색, 단락 단위 인용은 ChatGPT·Gemini·Claude 등 생성형 AI가 답변에 출처를 붙이는 플랫폼 전반에 공통되는 원리입니다.
콘텐츠 담당자가 가장 먼저 점검해야 할 것은 무엇인가요?
본문의 인용 최적화 체크리스트 중 '답변-우선 구조'와 '자기완결성'입니다. 단락이 후보로조차 오르지 못하면 이후 비교·인용 심사 단계는 아예 시작되지 않기 때문입니다.
용어 설명
멀티모달(multimodal): 텍스트뿐 아니라 이미지·음성 등 여러 형식의 입력을 함께 처리하는 방식.
AI 개요(AI Overviews): 검색 결과 상단에 AI가 생성한 요약을 덧붙이는 구글의 기존 기능. AI Mode의 이전 단계에 해당한다.
합성 쿼리(synthetic query): 원래 질문에서 파생되어 시스템이 자동으로 만들어내는 관련 질문. 질문 확장 단계의 산출물이다.
GEO(Generative Engine Optimization): 생성형 엔진 최적화. 답변에 인용되는 것을 목표로 콘텐츠를 최적화하는 접근으로, 페이지 순위 상승을 목표로 하는 기존 SEO와 구분해 쓰인다.
BERT·RankBrain·Neural Matching: 구글이 질문의 문맥과 의미를 이해하기 위해 사용해 온 자연어 처리 기술들. 의도 분류 단계의 기반 기술로 언급된다.
Custom Corpus: 질문에 맞춰 그때그때 새로 구성되는 맞춤 문서 집합. 고정된 색인 전체가 아니라 질문별로 추려낸 단락 모음을 가리킨다.
Reasoning Chains(추론 체인): 답변을 만들기 전에 논리적 순서(뼈대)를 먼저 세우는 과정. 이 뼈대의 각 자리에 근거 단락이 배치된다.
Pairwise Ranking(페어와이즈 랭킹): 후보 단락 두 개를 짝지어 비교하는 방식을 반복해 상대적으로 더 나은 단락을 가려내는 평가 방법.
iPullRank: Mike King이 이끄는 SEO/AI 검색 에이전시 iPullRank가 구글 특허를 바탕으로 AI Mode의 작동 구조를 분석한 자료. 참고자료 참조.
Gemini 인용판단 LLM: 최종 후보 단락을 사실·수치·출처·완결성 기준으로 심사하는 판정 단계를 설명하기 위한 표현으로, 구글의 공식 제품명은 아니다.
참고자료
구글 공식 문서 및 검색 관련 특허 자료 (AI Mode·AI Overviews·Passage Ranking 관련)
Mike King, iPullRank, "How AI Mode Works and How SEO Can Prepare for the Future of Search", ipullrank.com/how-ai-mode-works
