AI 에이전트 표면을 위한 디자인

이 사이트는 현재 AI 에이전트에 하루 약 13,100건의 요청(7일 평균)을, 사람 방문자에게는 하루 약 325건(28일 평균)을 응답하고 있습니다. 모두 제 엣지 로그에서 그대로 뽑은 수치이며 비율로는 대략 40 대 1입니다. 그리고 그 대부분은 실시간 검색입니다. 누군가가 방금 어시스턴트에게 무언가를 물었기 때문에 ChatGPT-User가 지금 이 순간 페이지를 가져가는 것입니다. 이 독자는 제가 훈련받아 온 디자인 결정을 하나도 빠짐없이 무시합니다. 타이포그래피도, 여백 스케일도, 모션도 보지 못합니다. 그렇다고 디자인에 무관심한 것은 아닙니다. 다른 종류의 디자인 결정에는 가차 없이 예민하며, 그 결정들은 제작에 관한 논의에서 좀처럼 언급되지 않습니다. 이 글은 제가 실제로 가장 많이 응답하고 있는 표면을 위한 제작 가이드입니다. {.answer-block}

TL;DR

• 이 사이트에서 에이전트 표면은 40 대 1로 다수 표면입니다. 그 분량을 지배하는 것은 사용자의 요청에서 비롯된 실시간 검색입니다. 어제 ChatGPT-User는 약 6,700건을 요청한 반면, OpenAI의 학습용 크롤러인 GPTBot은 4건에 그쳤습니다. 개발자를 대상으로 하거나 레퍼런스 성격의 콘텐츠를 다루는 사이트라면 로그도 비슷하게 기울어 있을 가능성이 큽니다. 다만 단정하기 전에 먼저 측정해야 합니다.
• 에이전트는 사람이 클릭하는 페이지와 다른 페이지를 읽습니다. 제 엣지 로그를 보면 비교 글과 틈새 기술 문서가 에이전트 트래픽을 크게 끌어들이면서도 사람 기준 상위 15위에는 한참 못 미칩니다. 어시스턴트가 끝내 찾아오지 않을 사람을 대신해 그 페이지를 읽는 것입니다.
• 몰입이 아니라 추출을 위해 디자인해야 합니다. 맨 앞에 한 문단짜리 답을 두고, 제목은 질문 형태로 쓰고, 각 절은 자족적으로 만들고, 열거 가능한 것은 표로 옮기고, 모든 주장에 날짜를 붙이는 방식입니다.
• 시각 레이어와 에이전트 레이어는 경쟁 관계가 아닙니다. 기계가 깔끔하게 추출하는 구조가 곧 사람이 훑어 읽는 구조입니다. 답을 먼저 놓는 것은 두 독자 모두에게 좋은 디자인입니다.
• 에이전트가 실제로 무엇을 소비하는지 확인해야 합니다. 깨끗한 마크업을 응답하고, 콘텐츠를 클라이언트 사이드 렌더링 밖에 두고, 로그를 지켜보십시오. 에이전트 독자층은 “브랜드 인상”이 결코 제공하지 못한 방식으로 측정 가능하기 때문입니다.

아무것도 렌더링하지 않는 독자

디자인이라는 기예는 눈을 전제합니다. 타이포그래피, 여백, 모션까지 이 분야 전체가 시야 안에서 주의를 이끄는 기술입니다. 에이전트 독자에게는 시야가 없습니다. HTML을 텍스트로 받아 엄격한 토큰 예산을 그 위에 쓰고, 사용자의 질문에 답이 되는 부분을 추출한 뒤, 여러분의 페이지를 영영 보지 않을지도 모르는 누군가에게 인용하거나 바꿔 전달합니다.

이는 열등한 독서가 아니라 고유한 제작 변수를 가진 다른 매체입니다.

• 시각적 위계를 대신하는 것은 위치입니다. 단발성 페치 파이프라인에서는 토큰 예산에 잘려 나가기 전에 읽히는 것, 즉 앞쪽에 놓인 것이 읽힙니다. 청크 단위 검색이라면 질의에 맞는 깊숙한 절을 건져 낼 수도 있지만, 어느 파이프라인이 나를 읽을지는 고를 수 없습니다. 그래서 80% 지점에 묻힌 결론은 있을 때도 있고 없을 때도 있습니다.
• 레이아웃을 대신하는 것은 구조입니다. 제목, 목록, 표는 장식으로 스타일링되는 것이 아니라 의미로 파싱됩니다. 버전과 날짜를 담은 <table>은 같은 사실이 문단 곳곳에 흩어져 있을 때와는 비교할 수 없을 만큼 기계가 읽기 좋습니다.
• 흐름을 대신하는 것은 자족성입니다. 사람을 위한 산문은 절을 넘나들며 쌓이지만, 추출은 절을 따로 떼어 갑니다. “앞서 언급했듯이”로 시작하는 문단은 가리킬 대상을 잃은 채 실려 나갑니다.
• 맥락을 대신하는 것은 명시성입니다. “2026년 8월 기준”이라는 표현은 인용된 주장과 함께 이동합니다. 주변 페이지가 넌지시 풍기는 최신성은 함께 가지 못합니다.

에이전트가 실제로 읽는 것

이론만으로는 짐작할 수 없었던 부분이 바로 이것입니다. 에이전트에게는 페이지 취향이 있습니다. 최근 7일간 엣지 로그에서 에이전트 요청이 많았던 페이지는 다음과 같습니다.

레퍼런스 가이드가 앞자리를 차지한 것은 예상대로이며, 사람 기준 순위에서도 상위입니다. 눈여겨볼 대목은 비교 글의 행입니다. 사람 기준 순위에서는 한참 아래인 페이지를 어시스턴트는 끊임없이 가져갑니다. “어느 쪽을 써야 하는가”야말로 사람들이 어시스턴트에게 묻는 질문이기 때문입니다. 어시스턴트는 그 사람을 대신해 비교 글을 읽고 대화 안에서 답합니다. 사람은 끝내 방문하지 않지만, 콘텐츠는 제 몫을 다한 것입니다.

구성 비율도 중요합니다. 어제 에이전트 트래픽의 절반에 조금 못 미치는 6,718건이 ChatGPT-User 하나에서 나왔습니다. OpenAI의 학습용 크롤러 GPTBot은 4건이었습니다. 학습 목적의 크롤링이 없는 것은 아니지만(Bytespider와 ClaudeBot을 합치면 그날의 약 28%였습니다), 압도적으로 가장 큰 독자는 말뭉치를 쌓는 스크레이퍼가 아닙니다. 누군가가 방금 물었기 때문에 페이지를 가져가는, 그 사람의 어시스턴트입니다.

제작 원칙

지금 에이전트를 마주하는 페이지에 적용하는 기준이며, 결국 모든 페이지에 적용하는 기준입니다.

1. 답을 먼저, 온전한 강도로 씁니다. 첫 문단은 독자가 찾아온 답을 완전한 형태로 진술합니다. 예고편이 아니라 답 자체입니다. 이 사이트에서는 스타일이 입혀진 답변 블록이지만, 구조로 보면 추출이 인용해 가는 초록입니다. 어시스턴트가 첫 200단어만 읽고 떠난다면, 목을 가다듬는 말이 아니라 결론을 들고 가야 합니다.

2. 제목은 라벨이 아니라 질문이거나 주장입니다. “예산은 어떻게 잘려 나가는가”가 “배경”보다 낫습니다. 질문 형태의 제목은 어시스턴트가 답하려는 질의와 맞물리며, 그 아래 각 절은 이웃 절에 기대지 않고 스스로 질문을 해결해야 합니다. (레퍼런스 페이지에는 이 원칙을 엄격하게 적용합니다. 에세이는, 이 글을 포함해, 그중 일부를 목소리와 맞바꿉니다. 실수가 아니라 독자층을 고려한 의도적 선택입니다.)

3. 열거 가능한 사실은 표에 담습니다. 버전, 날짜, 호환성, 가격, 비교처럼 행으로 정리되는 것 전부입니다. 표는 추출을 온전히 견뎌 내지만, 같은 사실이 산문이면 바꿔 쓰인 채로 돌아옵니다. 그리고 오류가 끼어드는 지점이 바로 그 바꿔 쓰기입니다.

4. 상하는 것에는 날짜를 붙입니다. 썩을 수 있는 주장에는 “2026년 8월 기준”처럼 날짜를 문장 안에 함께 적습니다. 인용된 텍스트는 페이지의 맥락을 두고 떠나기 때문입니다. 그러지 않으면 2년 묵은 숫자가 여러분의 이름을 달고 현재 수치인 양 어시스턴트를 통해 제시됩니다.

5. 알맹이를 클라이언트 사이드 렌더링 밖에 둡니다. 대부분의 검색 에이전트는 응답된 HTML을 읽습니다. JavaScript로 나타나는 콘텐츠는 가장 큰 독자 일부에게 보이지 않습니다. curl에 무엇이 보이는지 확인하십시오. 브라우저보다 그쪽이 에이전트의 시야에 훨씬 가깝습니다.

6. 구조가 두 독자를 함께 섬기게 합니다. 지금까지의 어느 것도 시각 디자인과 충돌하지 않습니다. 답을 먼저 두는 것은 바쁜 사람이 훑어 읽는 방식 그대로이고, 질문 제목은 눈으로 훑기 좋으며, 표는 사람에게도 산문보다 낫습니다. 두 규율은 수렴하며, 바로 그 점이 안심이 되는 부분입니다. 추출을 섬기는 기예는 대부분 독자의 시간을 존중하는 기예이기도 하기 때문입니다.

보이지 않는 독자층을 측정하기

에이전트 독자층이 주는 묘한 선물은, 사람 독자층보다 측정하기 어렵기는커녕 훨씬 쉽다는 점입니다. 모든 검색은 사용자 에이전트가 찍힌 요청으로 로그에 남습니다. 저는 세 가지를 추적합니다. 계열별 에이전트 총량(누가 나를 읽는가), 에이전트 기준 순위와 사람 기준 순위의 대조(사람이 읽지 않는 것 중 무엇을 읽는가), 그리고 비율의 추세입니다. 이 숫자들은 어떤 페이지뷰 그래프보다도 제 콘텐츠 전략을 크게 바꿨습니다. 비교 페이지와 레퍼런스 구조에 “체류 시간”으로는 결코 정당화되지 않을 투자를 하는 이유가 여기에 있습니다.

불편한 따름 정리도 있습니다. 에이전트 독자층은 사람을 위해 만들어진 분석 도구에 전혀 나타나지 않습니다. 전략이 세션 수와 이탈률 위에서 돌아간다면 40 대 1의 표면은 보이지 않으며, 다수의 예산으로 소수 채널을 최적화하고 있는 셈입니다.

자주 묻는 질문

AI 에이전트 표면이란 무엇입니까?

AI 어시스턴트와 그 검색 에이전트, 즉 ChatGPT, Claude, Perplexity와 각자의 페처가 소비하는 여러분 사이트의 버전을 뜻합니다. 이들은 응답된 HTML을 구조화된 텍스트로 읽고, 토큰 예산 안에서 답을 추출한 뒤, 대개 한 번도 방문하지 않는 사용자에게 전달합니다. 측정해 본 사이트에서는 이 표면이 사람 트래픽을 압도하기도 합니다. 제 경우 사람 방문 1건당 대략 40건의 에이전트 요청입니다.

AI 에이전트를 위한 콘텐츠는 어떻게 디자인합니까?

결론을 온전히 밝히는 답 우선 도입부, 자족적인 절을 거느린 질문 형태의 제목, 열거 가능한 사실을 담은 표, 상하는 주장에 붙인 날짜, 그리고 클라이언트 사이드 렌더링이 아니라 응답된 HTML에 담긴 알맹이입니다. 같은 구조가 훑어 읽는 사람에게도 도움이 됩니다. 두 독자층은 같은 규율에 보상합니다.

AI 에이전트는 사람 방문자와 다른 페이지를 읽습니까?

그렇습니다. 측정으로 확인됩니다. 제 엣지 로그에서 레퍼런스 가이드와 비교 페이지는 주당 수천 건의 에이전트 요청을 끌어들이지만, 그중 일부는 사람 방문이 거의 잡히지 않습니다. 어시스턴트가 대화에서 선택형 질문에 답하려고 “X 대 Y” 콘텐츠를 가져가기 때문에, 방문 없이도 페이지가 제 몫을 하는 것입니다. 에이전트 기준 순위와 사람 기준 순위를 견주어 보면 두 독자층이 어디에서 갈라지는지 드러납니다.

에이전트를 위한 디자인이 사람의 경험을 해치지는 않습니까?

해치지 않습니다. 요구 사항이 수렴하기 때문입니다. 답 우선 구조, 정직한 제목, 표, 날짜가 붙은 주장은 바쁜 사람을 존중하는 디자인이 이미 갖추고 있는 모습입니다. 시각 레이어(타이포그래피, 여백, 모션)는 온전히 사람의 영역으로 남으며, 에이전트 표면은 구조 레이어의 품질을 측정 가능하게 만들어 줄 뿐입니다.