우리는 이제 플러터(원문: buzz)가 무엇인지 어디서나 듣고 있습니다.
OpenAI가 Generative Pre-trained Transformer 버전 3(줄여서 GPT-3 또는 GPT 3)의 새 버전을 출시했습니다. 베타 API 액세스 GPT 3는 이전 모델인 GPT 2와 마찬가지로, 일반 연구자나 대중을 감쪽같이 속일 만큼 현실적인 텍스트를 자동으로 생성할 수 있는 대규모 심층 신경망입니다. 이는 웹에서 사람의 글쓰기를 모방하는 방법을 학습하는 고급 AI입니다.
다음은 GPT 3로 생성된 기사의 발췌본 입니다:
제2차 세계대전 이후 수년간 서구 세계의 경제, 특히 유럽의 경제는 회복세를 보이며 성장하기 시작했습니다. 공장, 도로, 다리, 도시, 주택, 항구, 공항의 재건이 시작되었습니다. 유럽 경제는 서구 세계 전체의 성장 엔진이 되었습니다. 국가, 기업, 국민이 번영하였고 유럽에서는 높은 임금 상승과 생활 수준의 향상을 동반한 경제 성장의 위대한 시기가 시작되었습니다. 재건과 새로운 투자의 결합은 유럽을 비즈니스하기에 아주 좋은 곳으로 만들었습니다. 기업들에게 유럽은 시장 규제, 인프라, 투자 정책, 문화 측면에서 회원국들이 다소 통합되어 있는 거대한 시장이었습니다. 기업들은 공장을 설립하고 투자했으며 새로운 시장을 개척했고, 이러한 투자는 대부분 부채를 통해 조달되었습니다.
이러한 결과는 의심할 여지 없이 대중을 놀라게 했고 수많은 화제를 불러일으켰습니다. 생성된 텍스트는 가독성이 좋고 문법적으로도 정확합니다. 하지만 GPT 3는 단지 강력한 텍스트 생성기에 그치지 않습니다. 이 기술은 콘텐츠 제작, 마케팅, SEO(검색 엔진 최적화)에 대해 우리가 생각해야 하는 근본적인 방식을 제시합니다. 위에 보이는 것과 같은 짧은 콘텐츠 요약본은 저렴한 비용으로 쉽게 제작할 수 있습니다.
SEO 전문가 및 콘텐츠 크리에이터로서 GPT 3를 이해하는 것은 반드시 필요합니다. 이것이 인간의 글쓰기가 무용해졌음을 의미할까요? 고품질의 카피를 생산할 수 있을까요? 이것이 SEO 스팸봇이 무제한으로 쓰레기 콘텐츠를 양산해내는 종말론적 시나리오의 신호탄일까요?
이러한 우려 섞인 의견에 일부 진실이 있긴 하지만, 저희는 GPT 3를 둘러싼 지나친 과장에 대해 좀 더 명확한 구분이 필요하다고 생각합니다. 텍스트 생성 기술이 SEO 및 콘텐츠 작성에 미치는 영향을 이해하려면 먼저 GPT 3가 무엇을 하는지, 왜 중요한지, 그리고 어떻게 작동하는지 분석해야 합니다.
GPT-3의 범용성
GPT-3와 그 이전 기술(GPT 및 GPT 2)은 OpenAI가 개발한 범용 NLP(자연어 처리) 모델에 대한 연구 라인입니다. 그런데 범용적이라는 것은 무엇을 의미할까요?
머신러닝은 단 한 가지 일에만 뛰어난 시스템을 개발해 온 오랜 역사를 가지고 있습니다. 이러한 시스템을 협소한(narrow) AI라고 부릅니다. 아마존 리뷰의 별점을 예측하는 AI를 원하신다면, 학습 데이터만 충분하다면 쉽게 훈련시킬 수 있습니다. 소셜 미디어의 프로필 사진을 보고 그 사람이 누구인지 알려주는 모델을 개발하고 싶다면, 그 작업을 수행할 또 다른 모델을 독립적으로 훈련시키면 됩니다.
문제는 이러한 작업 중 어느 한 가지에 맞춰 훈련된 AI 시스템은 다른 작업에 대해서는 전혀 작동할 수 없다는 점입니다. 그래서 협소한 AI라는 용어가 붙었습니다. 훈련받은 범위 내로만 제한되기 때문입니다. 현재 AI 연구의 궁극적인 지향점은 더 범용적인 기술, 즉 많은 일을 할 수 있는 AI를 찾는 것입니다. 범용 기술이 게임 체인저인 이유는 다음과 같습니다.
왜 범용 AI를 만들까요?
흔히들 '특정 분야의 전문적인 전문가가 더 나은 것 아닌가?'라고 생각하곤 합니다.
초기 컴퓨터 시절에 사람들은 한 가지 유형의 문제만 계산하고 해결할 수 있는 특수 컴퓨터를 만들었습니다. 덧셈만 할 수 있고 다른 것은 아무것도 할 수 없는 계산기가 있다고 상상해 보세요. 물론 덧셈은 아주 잘하고 빠르게 처리하겠지만, 그다지 유용하지는 않을 것입니다.
그 대신 더하기, 빼기, 인터넷 접속, 비디오 게임 등을 모두 할 수 있는 컴퓨터가 훨씬 더 유용합니다. 폰 노이만 구조에 기반한 현대 컴퓨터는 이러한 범용적인 기능을 가지고 있습니다. 지나고 보니 범용 컴퓨터는 인류 역사상 가장 영향력 있는 발명품 중 하나라고 쉽게 말할 수 있습니다.
이와 동일한 원리가 GPT 3와 같은 AI 기술에도 적용됩니다. 우리가 시스템에 범용성을 원하는 이유는 당면한 다양한 작업들을 수동으로 설계할 필요 없이 더 많은 문제를 해결할 수 있게 해주기 때문입니다. 게다가 범용 학습 접근 방식은 NLP 작업에서 AI의 정확도를 최소 60% 이상 향상시키는 것으로 나타났습니다.
결국 인간 또한 일종의 범용 지능입니다. 범용 지능 덕분에 우리는 사전에 유용한지조차 모르는 기술을 습득할 수 있습니다. 범용 지능을 갖는다는 것이 무엇을 의미하는지 관심 시라면, 프랑수아 숄레(Chollet)의 논문 지능의 측정에 대하여 (On the Measure of Intelligence)를 추천합니다.
SEO 마케팅 관점에서 이는 우리가 어떤 유형의 콘텐츠를 제작하고 싶은지 사전에 알 필요가 없음을 의미합니다. 조금 다른 목적을 위해 매번 다른 AI를 만들 필요가 없습니다.
GPT-3는 범용 지능의 일부 속성(종종 Proto-AGI라고 함)을 보여주는 AI 시스템입니다. 예를 들어, AI에게 인물 간의 대화 예시를 제공하고 다음과 같이 이어 쓰도록 유도할 수 있습니다:
렉스는 미래에서 온 시간 여행자입니다. 에이다는 19세기 귀족 여성입니다. 렉스: 당신의 정원에 타임머신을 불시착시킨 것 같습니다. 에이다: 뭐라고요? 젊은이, 방금 뭐라고 했소?
이외에도 다양한 작업을 수행할 수 있으며 심지어 HTML 코드까지 생성할 수 있습니다. 이는 우리가 GPT를 통해 콘텐츠와 관련된 많은 작업을 해결할 수 있음을 의미하기 때문에 매우 중요한 변화입니다.
그렇다면 GPT 3가 SEO와 관련된 모든 작업을 해결할 수 있다는 뜻일까요? 우리가 원하는 어떤 주제의 블로그 포스트나 어떤 카테고리의 콘텐츠든 만들어낼 수 있을까요? 꼭 그렇지만은 않습니다. 이 질문에 답하기 위해 GPT 3가 어떻게 작동하는지 분석해 보겠습니다.
GPT 3의 학습 방법
빅데이터 활용
머신러닝 모델(특히 심층 신경망)은 데이터에 매우 굶주려 있으며, 많은 데이터를 제공할 때만 제대로 작동합니다. 결국 데이터가 새로운 석유인 셈입니다.
하지만 데이터를 확보하는 것은 어렵고 비용이 많이 듭니다. 대부분의 유용한 머신러닝 시스템은 인간이 일일이 모든 데이터 포인트에 눈물겨운 레이블을 지정해야 합니다. 레이블링된 데이터는 수집 비용이 많이 들기 때문에 일반적으로 많은 애플리케이션에서 주요 병목 구간이 됩니다. Amazon Turkers 군단을 고용할 때 드는 비용을 생각해보세요!
GPT 3는 웹에 자연스럽게 존재하는 텍스트를 모델링하여 자체적인 학습 신호를 생성함으로써 이 문제를 해결합니다. 사람의 레이블 지정을 거치지 않고도 학습할 수 있는 비지도 학습(또는 자기지도 학습)이라는 머신러닝 패러다임을 채택한 것입니다. 비지도 학습의 기술적 세부 사항을 깊이 파고들고 싶으신 분들을 위해 저희 CTO가 여기에 심층 분석 글을 기고해 두었습니다.
하지만 레이블이 없더라도 여전히 엄청난 데이터가 필요하지 않나요?
알고 보니 데이터는 바로 우리 코앞에 있었습니다. 인터넷에는 다양한 주제에 관해 잘 작성된 고품질의 기사들이 넘쳐나며, 이 모든 것들에 쉽게 접근할 수 있습니다. GPT 학습 기법의 장점은 인간이 작성한 이러한 기사들을 예측하는 법을 배우는 것만으로도 성능을 발휘할 수 있다는 점입니다.
하지만 잠깐만요, 웹에는 수많은 쓰레기 데이터도 있지 않나요? GPT 3가 그것들도 학습하게 되지 않을까요?
맞는 말씀입니다. GPT 개발자들은 크라우드소싱을 통해 데이터를 정제함으로써 이러한 문제를 일부 완화했습니다. 한 가지 방법은 레딧(Reddit)에서 사람들이 공유하는 URL을 분석하고, 레딧에서 상당한 수의 추천(upvotes)을 받은 웹사이트의 콘텐츠와 게시물만 파싱하여 수집하는 것입니다.
언어 생성을 통한 학습
데이터가 확보되면 이제 GPT를 학습시킬 수 있습니다. 하지만 우리가 원하는 범용적인 능력을 갖추도록 GPT를 어떻게 학습시킬 수 있을까요? 한 가지 아이디어는 단순히 텍스트 생성을 수행하는 것입니다. GPT는 이전 단어들을 바탕으로 기사의 다음 단어를 예측함으로써 자연어를 생성하는 방법을 학습합니다.
이것이 GPT가 왼쪽에서 오른쪽으로만 콘텐츠를 생성하는 주된 이유입니다(반대 방향으로는 불가능합니다). 이러한 방식의 학습을 언어 모델링(Language Modeling)이라고 합니다.
원리는 이토록 간단합니다.
문장에서 다음에 올 단어를 예측함으로써 AI는 문맥 속의 다른 단어들을 활용하는 법을 학습해야만 합니다. 이는 암묵적으로 GPT가 여러 중요한 일반 상식들을 스스로 깨우치도록 강제합니다.
내가 창조할 수 없는 것은 내가 이해하지 못하는 것이다.
-- 리처드 파인만
다음 단어를 올바르게 예측하려면 영어 구문과 문법과 같은 기본적인 지식 외에도 세상에 대한 상식적인 수준의 이해가 필요합니다. 이처럼 단순한 기사 예측 수행만으로도 GPT가 놀랄 만큼 인간과 유사한 행동을 학습할 수 있게 된 비결입니다.
언어 생성 시스템은 머신러닝 분야에서 오랜 역사를 가지고 있으며, GPT가 이 게임에 처음 등장한 것은 아닙니다. 실제로 일부 AI 연구원들은 GPT를 과학적으로 완전히 새로운 성과라기보다는 인상적인 엔지니어링 결과물로 여깁니다. 컴퓨터 자원에 400만 달러 이상을 지출하고 방대한 양의 데이터를 결합했을 때, 무엇을 얻을 수 있고 또 무엇을 얻을 수 없는지에 대한 중요한 교훈을 제시합니다.
그렇다면 결과는 어떨까요?
OpenAI는 AI 솔루션의 규모를 키우는(scaling) 작업이 꽤 강력한 효과를 낸다는 것을 보여주었습니다. GPT는 최대 크기로 확장되었을 때, 인간이 글을 쓰는 방식을 단순히 관찰하는 것만으로도 많은 범용적인 지능을 추출해 낼 수 있었습니다. 모델에서 이처럼 인상적인 성능이 나오는 이유가 바로 이것입니다. 구글은 최근 GPT-3 크기의 10배에 이르는 스위치 트랜스포머(Switch Transformers)라 불리는 GPT 변형 모델을 확장 개발하기도 했습니다.
계산과 학습이 주도하는 솔루션이 수동으로 제어하는 인간의 노력을 뛰어넘는다는 사실은 많은 AI 연구자들이 깨달은 뼈아픈 교훈(bitter lesson)이기도 합니다. 단순한 생성 프레임워크의 규모를 확장함으로써, 우리는 거의 사람처럼 글을 쓰는 GPT 3를 얻게 되었습니다.
하지만 GPT 3 역시 한계점이 없는 것은 아닙니다. SEO 및 콘텐츠 마케터로서 이러한 한계를 인지하는 것은 매우 중요하며, 이 자연어 기술을 활용하는 방식에 직접적인 영향을 미칩니다.
텍스트 생성의 한계
부족한 세상 모델 및 사실적 정확성
큰 화제성에도 불구하고, GPT는 현실 세계에 대한 훌륭한 이해 능력을 갖추고 있지 않습니다. 이러한 현실 이해(world model) 부족을 볼 수 있는 흥미로운 방법 중 하나는 상식적인 물리학이나 현실 세계와 관련된 질문을 GPT에 제시하는 것입니다. OpenAI의 기술 논문에 언급된 것처럼, 이 모델은 "주방의 치즈를 냉장고에 넣으면 녹을까요?" 같은 질문에 제대로 대답하지 못합니다. 또한, 언어유희나 말장난(puns)과 같은 인간 특유의 개념을 명확히 이해하지 못합니다.
이러한 현상이 나타나는 한 가지 유력한 원인은 이 AI가 '신체화된 인지(embodied cognition)'를 가지고 있지 않기 때문입니다. 비록 학습 데이터를 통해 냉장고에 대해 수없이 읽었음에도 불구하고, 실제로 냉장고를 직접 보거나 경험해 본 적이 없습니다. 콘텐츠 마케팅 요구를 충족하기 위해 AI가 생성한 텍스트를 검증 없이 맹목적으로 사용하게 된다면, 일관성이 없거나 사실과 다른 오류들을 발견하게 될 것입니다.
원치 않는 편향
GPT는 웹 데이터를 바탕으로 학습하기 때문에 인터넷 데이터가 가진 편향성을 고스란히 담고 있습니다. 따라서 GPT를 검수 없이 사용하면 부적절하거나 공격적인 콘텐츠가 생성될 수 있습니다. 이를 완화하는 몇 가지 방법에는 부적절한 콘텐츠를 필터링하여 걸러내는 공격성 필터가 동원될 수 있습니다. 머신러닝에서 원치 않는 편향을 줄이는 것은 여전히 활발히 진행하고 있는 연구 영역입니다.
도메인 적응 (Domain Adaptation)
GPT가 언어에 대한 범용적인 이해를 제공하지만, 여러분이 전문으로 하는 특정 도메인에는 맞지 않을 수 있습니다. 최근 연구에 따르면, GPT 계열의 모델을 도메인에 맞추어 튜닝(fine-tuning)하고 조정할 때 훨씬 더 나은 결과를 얻을 수 있음이 확인되었습니다.
GPT는 몇 개의 예시(few-shot)만으로도 작동하지만, 더 방대한 데이터를 공급해주면 확실히 결과가 향상됩니다. GPT의 또 다른 한계는 텍스트를 한 번에 생성할 수 있는 최대 길이 제한이 있기 때문에, 아주 긴 문서를 입력으로 사용하는 데 적합하지 않을 수 있다는 점입니다.
실용적 효율성
아직 결과를 더 지켜보아야 하겠으나, OpenAI는 GPT 사용에 대해 고가의 요금을 청구할 계획인 것으로 보입니다. 이 솔루션은 일부 비즈니스 영역에서 비용이 제한될 수 있으며 제공되는 서비스가 SEO에 특화되어 있지 않을 수 있습니다. GPT를 사내(in-house)에서 직접 사용하거나 훈련시키는 것은 엄청난 매개변수 규모로 인해 현실적으로 큰 도전 과제입니다.
장기적인 관점에서 이 문제는 덜 걱정하셔도 좋습니다. 장기적인 비용을 낮추고 더 효율적인 방법으로 GPT를 구동할 수 있도록 돕는 몇 가지 연구 방향이 제시되고 있기 때문입니다.
GPT-3 SEO 기회
GPT-3는 강력한 텍스트 생성 시스템이지만, 이 모든 것이 콘텐츠 마케팅에는 구체적으로 어떤 의미가 있을까요? SEO를 위한 콘텐츠 마케팅에는 키워드 리서치, 경쟁사 분석, 그리고 최종 콘텐츠 생성에 이르기까지 수많은 단계가 포함됩니다.
저희는 GPT가 주로 콘텐츠 생성에 유용하게 쓰일 수 있지만, 단독으로 모든 걸 처리할 수는 없다고 봅니다. 이 기술이 지닌 한계로 인해, 알고리즘이 스스로 자유롭게 쓰도록 내버려두면 결코 훌륭한 결과가 나올 수 없습니다. 반드시 프로세스 중간에 사람의 검수(human in the loop)가 존재해야 합니다.
작가가 아티스트가 되는 시대
GPT가 가장 빛을 발할 때는 인간 작가와 조화를 이루어 도구로서 사용될 때입니다. 작가가 고유의 개성을 잃지 않으면서 AI 도구를 사용하는 방법은 이제 SEO 팀의 핵심 역량이 되고 있습니다. 인간 작가는 AI가 잘하지 못하는 몇 가지 핵심 영역에서 탁월한 능력을 갖추고 있기 때문입니다. 예를 들어, 인간 작가는 고차원적인 사고와 '무엇'을 써야 할지 아이디어를 구상하는 데 뛰어납니다. 반면 AI는 웹페이지 리스트로부터 카테고리 페이지를 제작하는 것과 같은 단순하고 반복적인 작업에 뛰어납니다.
글을 쓸 때 문법적인 정확성, 톤, 유창함 같은 기초적인 어휘 표현 작업에 많은 시간이 소요되곤 합니다. GPT를 도입하면 인간 작가의 역할은 편집자(editor)로 전환됩니다. 캔버스에 넓은 붓치기로 밑그림을 그리면 AI가 디테일을 채우고, 인간이 완벽해질 때까지 세부 사항을 수정해 나가는 방식과 유사합니다.
이런 흐름은 긍정적입니다. 작가들이 더욱 흥미로운 일인 품질 높은 핵심 아이디어를 설계하고 창의적인 글쓰기 영역에 집중할 수 있기 때문입니다. 매번 단순한 카테고리 페이지를 만들거나, 상위 노출 기준을 채우기 위해 억지로 키워드를 욱여넣거나, 모든 문장의 유창함을 일일이 다듬는 노동성 작업보다 훨씬 가치 있는 일입니다.
인간과 AI를 연결하는 도구들
위 사실의 결론은, 작가와 유기적으로 소통할 수 있도록 돕는 훌륭한 사용자 경험(UX)과 GPT가 결합된 전용 도구가 필요하다는 점입니다. 대체로 GPT와 유사한 자연어 기술을 활용하여 작가에게 실질적인 도움이 되는 도구로 전환하는 방법은 다양합니다. 다음은 상용화된 일부 AI 유스케이스 예시입니다:
가독성 분석
훌륭한 가독성을 확보하는 것은 양질의 콘텐츠를 개발하는 아주 중요한 과정입니다. 이는 사용자가 콘텐츠를 계속 읽고 더 오래 머물도록 유도해주어, 결과적으로 구글 상위 노출에 있어 매우 핵심적인 랭킹 지표가 됩니다. 하지만 읽기 쉬운 문장을 기획하는 것은 말처럼 쉬운 일이 아닙니다.
Jenni는 바로 여러분을 위한 매끄러운 가독성 도구를 제작했습니다. GPT 3와 유사한 기술을 활용하되, 입력한 문장을 자동으로 재작성(sentence rewrites)하여 극적으로 유창한 가독성을 제공하게끔 커스텀 조정했습니다.
스마트 문장 패러프레이징 (Smart Rephrasing)
패러프레이징(Paraphrasing)은 원본 텍스트를 그대로 베껴 인용하지 않고 독창적으로 의미를 풀어내는 재진술 기술입니다. 자신이 직접 제작한 정보가 아닌 출처의 정보를 인용해야 할 때는 항상 그 정보의 소스를 분명히 기재해주어야 합니다. 이러한 문제는 AI 분야에서도 자주 논의되는 화두입니다. 저희의 AI 글쓰기, 표절, 그리고 오리지널리티에 대한 분석에서 어떤 부분을 경계해야 하는지 확인해 보세요.
위 문단은 저희 Jenni의 자동 문장 재작성 AI를 사용하여 퍼듀 대학교의 정의(Purdue's definition)를 직접 재진술한 결과물입니다. 스마트 문장 변환을 수행하는 AI는 사용자가 원하는 다양한 형태나 톤앤매너로 모든 원본 문장을 안전하고 매끄럽게 재작성해줄 수 있습니다.
Jenni 내부 연구 결과에 따르면, 패러프레이징 프로세스를 AI로 자동화했을 때 작가의 작업 시간을 최소 30% 이상 단축할 수 있었습니다. 또한, 작가들은 원래 사용하려던 원본 문장보다 훨씬 더 자연스럽게 흐르거나 전달하고자 하는 의도를 더 명확히 담아낼 수 있는 다양한 표현들을 즉각적으로 실험해 볼 수 있습니다.
토픽 최적화
많은 SEO 전문가들이 검색 엔진 상위 노출의 핵심을 보장하기 위해 토픽 최적화(topic optimization)에 의존하고 있습니다. 실제로 사용자의 검색 질의에 부합하도록 적합한 하위 토픽을 면밀히 구상해주는 일은 매우 유효하지만, 한 편의 글 전체가 해당 토픽 요구사항을 고스란히 만족하는지 추적하는 것은 쉽지 않습니다.
기존 에디터들은 토픽을 수동으로 분석하고 교정하는 데 평균 1~4시간을 소비했습니다. 작성 중인 아티클 안에서 해당 주제의 부합 여부를 알려주는 AI를 활용하면, 일관성 없는 불필요한 글을 계속해서 다시 고수정해야 하는 번거로움을 크게 덜 수 있습니다.
텍스트 요약
앞서 언급했듯이, AI는 반복적이고 표준화된 단순 작업에 뛰어납니다. 텍스트 요약 역시 그 대표적인 강점 중 하나입니다. 실제 글쓰기 작업에서 작가들이 가장 많이 반복하는 일 중 하나가 바로 다른 참고 텍스트를 정제하고 요약하는 일입니다.
요약 작업은 이미 수많은 AI 시스템이 현업 및 상용 서비스에서 뛰어난 성능을 증명해내고 있는 분야입니다. 빽빽하고 긴 문서 블록을 일일이 읽어 내려가는 대신, 핵심만 추려진 깔끔한 글머리 기호 목록을 AI를 통해 직관적으로 받아보는 것은 어떨까요? 이와 유사한 흐름으로, 이미 구축된 웹사이트에 필요한 인덕스 시스템이나 카테고리 구성 페이지를 제작할 때도 AI를 매우 가치 있게 녹여낼 수 있습니다.
생성된 콘텐츠가 상위 노출될 수 있을까요?
일부 SEO 전문가들은 자동화된 콘텐츠 생성을 보편적으로 도입할 때 구글로부터 불이익(패널티)을 받게 될까 걱정하곤 합니다.
구글 등의 검색 엔진은 언제나 사용자에게 가장 일치되고 관련성이 높은 양질의 정보를 전달하고 싶어 합니다. 따라서 생성된 콘텐츠가 가진 진짜 문제는 단순히 사람이 아닌 컴퓨터가 생성했다는 형태 그 자체가 아니라, 유해한 스팸을 양산하여 기계적으로 어뷰징을 시도하는가에 달려 있습니다. 구글은 콘텐츠가 사용자에게 진정한 가치를 더해주고 기만을 위한 도구로 활용되지 않는 한, AI가 생성한 콘텐츠를 상용하거나 활용하는 데 제약을 주지 않는다고 밝힌 바 있습니다.
실제로 포브스(Forbes)와 같은 수많은 메이저 프레스 및 미디어 기업들은 이미 그들의 기사 제작 프로세스를 지원하기 위해 오랜 기간 기술을 활용해 오고 있습니다. 핵심은 완전한 대체가 아니라, 인간과 인공지능이 지닌 각각의 장점을 융합하여 독자가 매료될 수 있는 설득력 있는 콘텐츠를 전하는 일입니다. 유익하며 가치 있는 정보를 인터넷 생태계에 축적해 나간다면, 콘텐츠 제작에 AI가 일부 결합되었을지라도 검색 결과 상단을 훌륭히 유지할 수 있습니다.
인공지능과 SEO의 미래
GPT와 같은 최첨단 AI 모델의 지속적인 연구와 출시로, 이제 과학과 SF 영화 사이의 장벽은 매 순간 허물어지고 있습니다. 단 1년 만에 GPT 2와 GPT 3 사이에서 발휘된 폭발적인 품질 향상 속도는 매우 경이롭습니다. 이 속도대로 흘러간다면, 머지않아 우리가 아침을 먹으며 가볍게 읽는 보도 자료나 신문 기사들 마저도 실제 아침 식사가 무엇인지 한 번도 겪어보지 않은 사람 혹은 무언가(something)에 의해 작성된 글이 될 것입니다.
그렇기에 단순히 불어오는 화제성에만 휩쓸리지 않고, 이 혁신적인 AI 기술이 가진 구체적인 본질과 한계를 깊이 있게 관찰해 나가는 노력이 절실합니다. SEO 분야 밖의 관찰자들은 단순히 발전하는 AI 장면에 끊임없이 감탄을 보낼 것입니다. 하지만 SEO 생태계에서 실제로 뼈대를 구축하고 콘텐츠를 이끄는 기획자들은 업계 정상에 남아 트렌드를 지배하기 위해 무엇보다 능동적으로 이 강력한 도구들을 채택하고 적응해 나가야만 할 것입니다.