구글에 무언가를 검색했을 때, 어떤 경우엔 AI Overview가 답을 정리해주고 어떤 경우엔 파란 링크만 나열되는 경험을 해보신 적이 있으실 겁니다. 검색어를 크게 바꾼 것도 아닌데 화면이 완전히 달라지죠.

이 차이를 이해하려면 결과 화면을 들여다보는 것만으로는 부족합니다. 검색 엔진이 내 질문을 어떻게 읽었는지를 먼저 봐야 합니다.

1. 검색 엔진은 '질문'이 아니라 '의도'를 해석한다

먼저 구글이 공식적으로 밝힌 내용부터 확인해보겠습니다. AI Overview가 언제 노출되는지에 대해 구글 검색 도움말은 이렇게 설명합니다.

"You'll find AI Overviews in your Google Search results when our systems determine that generative AI can be especially helpful"

개발자용 문서인 Search Central에는 조금 더 직접적인 문장이 있습니다.

"AI Overviews are only shown when our systems determine that it is additive to classic Search"

두 문장 모두 구체적인 기준은 밝히지 않습니다. 시스템이 판단한다는 것, 그리고 기존 검색 결과에 추가 가치(additive) 가 있다고 판단될 때만 노출된다는 것. 여기까지가 구글이 말한 전부입니다. Search Central은 한 걸음 더 나아가 "그래서 AI Overview는 자주 트리거되지 않는다"고까지 덧붙입니다.

그렇다면 그 판단은 무엇을 근거로 이뤄질까요. 힌트는 다른 문서에 있습니다. 구글이 검색 원리를 설명하는 How Search Works 페이지의 문장입니다.

"To return relevant results, we first need to establish what you're looking for — the intent behind your query."

검색 엔진이 가장 먼저 확인하는 것은 사용자가 입력한 문자열이 아니라, 그 뒤에 있는 의도(intent) 라는 뜻입니다. 같은 페이지에는 이해를 돕는 예시도 있습니다. 사용자가 "change laptop brightness"라고 검색해도 구글은 "adjust laptop brightness"라고 적힌 문서를 찾아줍니다. 단어가 다른데 같은 결과가 나온다는 건, 엔진이 보고 있는 대상이 글자가 아니라는 뜻이죠.

같은 키워드, 다른 결과

실제 사례로 확인해보겠습니다. 2026년 8월 기준입니다.

검색어결과
오늘 원달러 환율AI Overview 없음. 실시간 환율 위젯, 기간별 차트, 환전 계산기
환율이 오르면 수입 물가에 어떤 영향이 있나AI Overview 노출

키워드는 '환율'로 같습니다. 주제도 같습니다. 다른 것은 의도입니다. 앞의 검색은 '지금 이 순간의 숫자를 확인하고 싶다'이고, 뒤의 검색은 '환율과 물가 사이에 무슨 일이 벌어지는지 이해하고 싶다'입니다.

여기까지만 보면 결론이 쉽게 나옵니다. "질문이 복잡하면 AI가 답하고, 단순하면 링크를 준다."

이 설명은 곧 무너집니다

"BigQuery ROUND 함수"를 검색해보면 AI Overview가 뜹니다.

두 단어짜리 검색어입니다. 답은 공식 레퍼런스 문서 한 페이지에 정리돼 있습니다. 복잡할 것이 전혀 없는데도 AI가 개입합니다. 난이도로는 설명이 되지 않습니다.

이유는 이렇습니다. 짧은 검색어지만 사용자가 실제로 알고 싶은 것은 하나가 아닙니다. 구문은 어떻게 되는지, 인자를 몇 개 받는지, 소수점 자릿수는 어떻게 지정하는지, 실제 예제는 어떤 모양인지, CEIL이나 FLOOR와는 뭐가 다른지. 구문은 공식 문서에, 예제는 블로그에, 함수 간 차이는 Stack Overflow에 있습니다. 질문은 짧지만 답은 흩어져 있습니다.

반면 "오늘 원달러 환율"의 답은 웹 문서에 없습니다. 초 단위로 변하는 실시간 수치라 금융 데이터 피드에서 직접 옵니다. 문서를 아무리 잘 요약해도 틀린 답이 나옵니다. 게다가 구글은 요약문 대신 값을 직접 보여줍니다. 기간별 차트와 환전 계산기까지 붙여서요. 여기에 AI 요약을 얹어봐야 추가 가치가 0입니다.

그러니까 축은 난이도가 아니라 답이 어디에 있는가입니다.

구글이 이미 더 나은 형식의 답을 갖고 있으면 AI는 개입하지 않는 것으로 보인다. 실시간 환율 위젯이 그런 경우입니다.

짚어둘 것이 있습니다. 구글이 문서화한 것은 "additive"라는 단어 하나까지입니다. 무엇이 additive를 만드는지는 밝히지 않았고, 위의 설명은 사례를 모아 읽어낸 해석입니다.

2. 쿼리 팬아웃 — 하나의 질문이 여러 개의 검색으로 갈라진다

AI가 개입하기로 했다면, 그다음은 답을 만드는 일입니다. 여기서 등장하는 것이 쿼리 팬아웃(Query Fan-Out) 입니다.

쿼리 팬아웃: 사용자가 입력한 쿼리를 기준으로 숨은 의도, 다른 표현, 관련 질문까지 확장해 검색 범위를 넓히는 것

순서가 중요합니다. 팬아웃은 의도를 파악하는 단계가 아니라, 이미 파악한 의도를 충족시키기 위해 검색을 확장하는 단계입니다. 사용자가 여러 번 나눠서 했을 검색을 엔진이 대신 해주는 셈이죠.

구글 검색 프로덕트 VP인 Robby Stein은 이 동작을 이렇게 설명했습니다. "things to do in Nashville with a group" 같은 질문이 들어오면 시스템이 좋은 식당은 어디인지, 괜찮은 바가 있는지, 아이를 동반했을 때 할 만한 것은 무엇인지 같은 하위 질문들을 스스로 만들어낸 다음 각각을 검색하기 시작한다는 것입니다.

구글 Search Central은 이 기법이 AI Mode뿐 아니라 일부 AI Overview에도 적용된다고 밝히고 있습니다.

두 단어짜리 검색에서도 팬아웃은 일어난다

"BigQuery 콘솔"을 검색하면 이런 AI Overview가 나옵니다.

"BigQuery 콘솔은 Google Cloud 콘솔에서 접속하며, 좌측 메뉴에서 'BigQuery' 또는 'BigQuery Studio'를 선택해 데이터 세트 관리와 SQL 쿼리 실행을 수행할 수 있는 웹 기반 그래픽 인터페이스입니다."

여기서 끝이 아닙니다. 아래로 'BigQuery 콘솔 접속 및 사용 방법'이라는 소제목이 붙어 접속 경로, 제품 선택, 작업 공간이 단계별로 이어집니다. 다시 '주요 기능'이라는 소제목 아래 탐색기, 쿼리 편집기, 작업 기록이 정리되고요. 그 뒤에는 외부 테이블 연결 방법을 담은 영상이 붙고, 마지막에는 "데이터셋 생성이나 SQL 쿼리 작성 중 구체적인 단계에 도움이 필요하면 알려달라"는 제안까지 나옵니다.

인용된 출처도 한 곳이 아닙니다. 문단마다 서로 다른 문서가 붙고, 구글 공식 문서뿐 아니라 국내 기술 블로그까지 포함돼 있습니다.

사용자가 입력한 건 두 단어뿐인데, 돌아온 답에는 묻지 않은 것들이 들어 있습니다. 그게 무엇인지(정의), 어떻게 들어가는지(절차), 무엇을 할 수 있는지(기능). 엔진이 이 질문에 딸린 하위 질문들을 스스로 만들어내고 각각을 검색해 답을 끌어모은 것입니다.

팬아웃은 긴 질문에만 일어나는 일이 아닙니다.

개입 여부와 깊이는 다른 문제다

앞에서 난이도가 기준이 아니라고 했지만, 난이도가 무관하다는 뜻은 아닙니다. 역할이 다를 뿐입니다.

무엇이 결정되나무엇이 결정하나
AI가 개입할지 말지의도, 그리고 답이 어디에 있는가
개입한다면 얼마나 깊이 팔지질문의 복잡도

개입할지 말지는 의도와 답의 위치가 정하고, 얼마나 파고들지는 질문이 정합니다. 아래 예시는 팬아웃이 특히 깊게 들어가는 쪽입니다.

환율 질문은 어떻게 갈라지는가

"환율이 오르면 수입 물가에 어떤 영향이 있나"의 AI Overview를 열어보면, 답이 어떻게 짜였는지 그대로 드러납니다.

첫 문단은 결론입니다. 환율이 오르면 원화 환산 가격이 비싸져 수입 물가가 즉각 오르고, 그것이 생산자 물가와 소비자 물가 전반으로 번진다는 요지죠. 그 아래로 소제목 두 개가 붙습니다.

수입 물가 상승 경로

  • 원화 환산 비용 증가
  • 원유·에너지 값 상승
  • 중간재·농수산물 가격 인상

국내 경제 파급 효과

  • 소비자물가 상승
  • 기업 수익성 악화

그리고 끝에 "만약 관심이 있으시다면"이라며 두 가지를 더 제안합니다. 환율 변동이 국내 금리나 물가 전망에 미치는 영향, 그리고 환율 상승으로 수혜를 보거나 타격을 입는 업종.

인용된 출처는 KDI 한국개발연구원, 한국무역협회, 경제 교육 매체 등입니다. 성격이 다른 기관 여러 곳이 섞여 있습니다. 어느 한 문서만 읽어서는 이 답이 나오지 않는다는 뜻이죠.

엔진이 실제로 어떤 검색어를 던졌는지는 공개되지 않습니다. 다만 답의 구조를 보면 원 질문이 최소한 이런 갈래로 나뉘었다는 것은 읽어낼 수 있습니다. 어떤 경로로 오르는지, 어디까지 번지는지, 어느 업종이 영향을 받는지. 사용자가 던진 것은 "어떤 영향이 있나" 한 줄뿐이었습니다.

원 질문에 없던 단어들이 답에 등장한다는 점도 눈여겨볼 만합니다. '원화 환산', '중간재', '생산자 물가', '기업 수익성' — 사용자가 입력한 적 없는 말들이죠. 엔진은 이런 단어로 문서를 찾았습니다.

그래서 AI Overview 아래에 붙는 출처들은 내가 친 키워드에 답한 문서가 아닙니다. 엔진이 스스로 만들어낸 하위 질문에 답한 문서입니다.

3. 구글은 질문을 어떤 유형으로 나누는가

여기까지 오면 질문이 하나 남습니다. 구글이 의도를 읽는다면, 그 의도를 어떤 단위로 구분하고 있을까요.

이에 대한 단서를 SEO 연구자 Mark Williams-Cook이 제시했습니다. 그는 구글 내부 엔드포인트에서 노출된 약 2테라바이트, 9천만 개 이상의 쿼리 데이터를 분석했고, 구글은 이 발견에 대해 취약점 보상금 13,337달러를 지급했습니다.

확인된 것은 구글이 쿼리를 여덟 개의 의미 분류(refined query semantic classes)로 라벨링하고 있다는 사실입니다.

분류성격
short fact짧은 사실 확인
bool예/아니오 판단
instruction방법·절차
definition정의
reason이유
comparison비교
consequence결과·영향
other기타

그리고 이 분류에 따라 알고리즘이 조정된다는 점도 함께 확인됐습니다.

이 표는 노출 예측표가 아니다

한 가지 오해를 미리 걷어내야 합니다. 이 분류로 AI Overview가 뜰지 안 뜰지를 예측할 수는 없습니다.

앞에서 본 "오늘 원달러 환율"과 "BigQuery ROUND 함수"는 둘 다 짧은 사실을 묻는 질문에 가깝지만 결과는 정반대였습니다. 노출 여부를 가른 것은 분류가 아니라 답이 어디에 있느냐였죠. Williams-Cook이 확인한 것도 "이 분류에 따라 알고리즘이 조정된다"였지 "노출을 결정한다"가 아니었습니다.

이 분류가 설명해주는 것은 답이 어떤 형태로 나오는가입니다.

  • definition, short fact → 정의나 수치를 앞머리에 두는 형태
  • instruction → 단계별 절차
  • comparison, reason, consequence → 갈래를 나눈 구조화된 요약

"BigQuery 콘솔" 검색에서 정의가 먼저 나오고, '접속 및 사용 방법'이라는 절차가 이어지고, 그다음 '주요 기능'이 정리됐던 것도 이렇게 보면 자연스럽습니다. 엔진이 그 질문을 definition과 instruction이 섞인 것으로 읽었다고 볼 수 있으니까요.

환율 질문의 답이 '상승 경로'와 '파급 효과'로 나뉘어 있던 것도 마찬가지입니다. 무엇이 어떤 결과를 낳는지 묻는 질문, 즉 consequence에 어울리는 형태죠.

다만 이 분류 체계는 구글이 공식 발표한 것이 아니라 노출된 내부 데이터를 분석해 확인된 것이라는 점은 감안해서 봐야 합니다. 확인된 사실은 구글이 이런 축으로 질문을 라벨링하고 있다는 것까지입니다.

결론

AI 검색 시대에는 키워드 자체만 보아서는 알 수 있는 것이 많지 않습니다.

같은 '환율'이라는 단어로 검색해도 어떤 질문은 숫자를 받고 어떤 질문은 AI가 정리한 답을 받습니다. 두 단어짜리 짧은 질문에 AI가 여러 문서를 끌어모아 소제목까지 붙인 답을 내놓기도 하죠.

그 갈림길을 만드는 것은 단어의 개수나 질문의 난이도가 아닙니다. 사용자가 어떤 의도로 물었는가, 그 답이 어디에 있는가, 그리고 엔진이 그 질문을 어떤 종류로 읽었는가입니다.

그래서 다음번에 검색 결과가 예상과 다르게 나왔다면, 화면을 탓하기 전에 내가 던진 질문을 한 번 들여다볼 만합니다. AI 검색 시대에 달라진 것은 답을 보여주는 방식만이 아니라, 질문이 읽히는 방식이기도 하니까요.

참고