미국 소비자 60%, 브랜드 메시지의 ‘AI’에 거부감

 (wpvip.com)
7P by GN⁺ | ★ favorite | 댓글 4개
  • WordPress VIP의 2026년 조사에서 미국 소비자는 웹을 예전보다 덜 인간적으로 느끼며, 브랜드의 AI 메시징도 아직 신뢰할 만한 성공 사례를 만들지 못함
  • 소비자 74%는 인터넷이 10년 전보다 덜 인간적이라고 답했고, 온라인 상호작용이 합성적으로 느껴지는 bot fatigue에는 평균 40분 만에 도달함
  • 소비자 61%는 AI를 메시징에 잘 활용하는 브랜드를 떠올리지 못했고, 60%는 브랜드 메시지의 AI를 기능보다 거부감으로 받아들임
  • AI brand visibility는 ChatGPT, Perplexity, Claude, Gemini 같은 AI 엔진 답변에 브랜드가 등장하는 빈도를 뜻하며, 검색 순위와는 다른 측정 과제임
  • 기업은 AI가 인용할 수 있는 구조화된 콘텐츠와 사람이 머물 이유가 되는 경험을 같은 웹사이트에서 제공해야 하며, 이를 측정하는 도구 생태계는 아직 정착 중임

웹이 덜 인간적으로 느껴지는 이유

  • WordPress VIP의 2026년 미국 소비자 1,200명 조사에서 소비자 74%는 인터넷이 10년 전보다 덜 인간적이라고 답함
  • 온라인 상호작용이 합성적으로 느껴지기 시작하는 bot fatigue까지 걸리는 평균 시간은 40분임
  • 웹을 방문할 가치가 있게 만들던 작은 순간들이 줄어들면서, 이용자는 기계가 말하는 듯한 경험을 더 빨리 감지함

AI brand visibility가 검색 가시성과 다른 점

  • AI brand visibility는 ChatGPT, Perplexity, Claude, Gemini 같은 AI 엔진이 생성한 답변 안에 브랜드가 얼마나 자주 등장하는지를 뜻함
  • 검색 엔진 가시성은 결과 페이지 순위를 측정하지만, AI brand visibility는 AI 답변 내부의 언급 여부를 봄
    • Google에서 최상위에 노출되는 브랜드도 ChatGPT 답변에는 전혀 등장하지 않을 수 있음
  • 2026년 기준 모든 AI 엔진의 브랜드 가시성을 포괄해 추적하는 단일 대시보드는 없음
  • 이 범주에는 확립된 선도 업체가 없고, “잘한다”는 공통 기준도 아직 자리 잡지 못함

소비자가 보는 브랜드의 AI 활용

  • 소비자 61%는 AI를 메시징에 잘 활용하는 브랜드를 떠올리지 못함
  • 16%는 AI를 잘 쓰는 브랜드가 전혀 없다고 답함
  • 60%는 브랜드 메시지에 들어간 AI를 기능이 아니라 거부감으로 봄
  • 기업들은 지난 1년 동안 AI 전략에 예산을 투입했지만, 소비자 인식에서는 뚜렷한 성공 브랜드가 아직 없음
  • 기업 팀은 AI visibility 개선에 주당 평균 16.6시간을 쓰고 있음

웹사이트가 동시에 맡아야 하는 두 역할

  • AI 엔진에는 찾고 정확히 인용할 수 있는 콘텐츠가 필요하고, 사람에게는 클릭한 뒤 머물 이유가 필요함
  • 사람을 머물게 하는 요소는 더 어렵고, 많은 엔터프라이즈는 아직 이를 추정하는 단계에 있음
  • 주목할 만한 브랜드는 평면적인 AI 요약이 제공하지 못하는 경험에 집중함

    • 인터랙티브 콘텐츠

      • 동적 경험과 사용자가 직접 할 수 있는 작은 활동이 웹사이트 방문 이유가 됨
      • 웹사이트는 AI가 인용할 수 있는 구조화된 콘텐츠와 독자가 시간을 쓸 만한 경험을 함께 제공하는 장소임
      • WordPress VIP는 이 기반을 WordPress VIP for Enterprise에서 제공한다고 소개함
      • 관련 프레임워크는 Future-Proof Your Brand for the AI-Native Web에 정리돼 있음

AI brand visibility 측정 도구의 주요 범주

  • AI brand visibility 도구 범주는 생긴 지 약 2년밖에 되지 않았고, 도구 생태계는 아직 정착 중임
  • 가격은 커버리지와 맞춤화 수준에 따라 무료부터 6자리 금액까지 다양함
  • 특정 제품은 향후 12개월 안에 바뀔 수 있지만, 도구 범주는 더 오래 유지될 가능성이 큼

  • AI citation monitoring platforms

    • ChatGPT, Perplexity, Claude, Gemini 답변에 브랜드가 얼마나 자주 등장하는지 추적하는 최신 범주임
    • 대규모로 쿼리를 시뮬레이션하고, 시간에 따른 인용 빈도와 감성을 보여줌
    • 도구 예시는 Profound, BrightEdge, brandvisibility.ai, Tryevergreen, 2025년 말 등장한 소규모 경쟁사들임
    • AI visibility를 비즈니스 성과와 연결해야 하는 팀에 적합함
    • 주의할 점
      • 가격 모델이 아직 정착 중임
      • 의미 있는 기준선을 만들려면 보통 4~6주 데이터 수집이 필요함
      • 샘플 기반 쿼리 시뮬레이션에는 빈틈이 있음
      • 모든 AI 답변을 “완전 커버”한다고 약속하는 도구는 방법론을 과장하는 것임

  • Search analytics with AI overlays

    • 기존 SEO 플랫폼이 2024년부터 AI 추적으로 확장한 범주임
    • 전통적인 검색 지표 위에 AI 인용 데이터를 얹어 보여줌
    • 도구 예시는 Similarweb AI Intelligence, Semrush AI Toolkit, Ahrefs Brand Radar임
    • 기존 SEO 워크플로를 유지하면서 AI visibility 데이터를 보고 싶은 팀에 적합함
    • 유기 검색 트래픽과 AI 트래픽을 같은 화면에서 볼 수 있는 통합 리포팅이 주요 가치임
    • 주의할 점
      • 전용 AI citation 플랫폼보다 AI 커버리지가 대체로 좁음
      • 검색용으로 만들어진 도구라 AI 측면은 아직 따라잡는 중임
      • 여기서 나온 AI 수치는 방향성 지표로 다뤄야 함

  • Web analytics with AI referral tracking

    • AI 엔진에서 유입된 트래픽을 감지하고 분류하는 웹 분석 범주임
    • citation monitoring 도구가 브랜드 언급 여부를 알려준다면, 이 범주는 언급 이후에 무슨 일이 일어나는지를 보여줌
    • 도구 예시는 WordPress VIP 제품군의 Parse.ly, Plausible, Fathom Analytics, 맞춤 세그먼트를 설정한 Google Analytics 4 등 엔터프라이즈 분석 플랫폼임
    • AI 인용은 퍼널 상단에 해당하며, 이 범주는 그 인용이 무엇으로 전환되는지를 측정함
    • 주의할 점
      • AI referrer 감지는 플랫폼마다 다름
      • 일부 AI 엔진은 깨끗한 referrer header를 전달하지만, 일부는 UTM 태깅에 의존함
      • 깨끗한 데이터를 얻으려면 콘텐츠 팀과 분석 팀의 조율이 필요함

  • Brand intelligence platforms

    • 기존 소셜 리스닝과 PR 모니터링에 AI 표면 추적을 더한 브랜드 모니터링 범주임
    • AI 엔진을 소셜·전통 미디어 언급과 함께 하나의 입력으로 다룸
    • 도구 예시는 Brandwatch, Talkwalker, Meltwater임
    • 위기 모니터링과 share-of-voice 추적에 이미 해당 플랫폼을 쓰는 커뮤니케이션·PR 팀에 적합함
    • 주의할 점
      • 전용 AI citation 도구보다 AI 커버리지가 가벼운 편임
      • 전체 조망에는 유용하지만 세밀한 인용 분석에는 덜 적합함

  • Custom solutions

    • 엔지니어링 역량이 있는 기업은 LLM API로 AI 엔진에 정기 쿼리를 보내고, 결과를 자체 대시보드에 표시함
    • Pew Research Center와 WordPress VIP의 작업이 이 접근의 예시임
    • 자체 쿼리를 정의하고 데이터를 직접 통제하려는 엔터프라이즈에 적합함
    • 브랜드의 AI visibility 전략이 기성 도구가 잘 다루지 못하는 니치·산업별 쿼리에 의존할 때 알맞음
    • 주의할 점
      • 유지보수 부담이 있음
      • LLM API 접근은 안정화됐지만 가격과 rate limit은 자주 바뀜
      • 자체 대시보드를 최신 상태로 유지하려면 지속적인 엔지니어링 투자가 필요함

도구를 고를 때의 판단 기준

  • “우리가 인용되고 있는가?”를 알고 싶다면 AI citation monitoring platform을 사용함
  • “검색 성과 대비 우리가 인용되고 있는가?”를 보려면 AI overlay가 있는 search analytics가 맞음
  • “인용된 뒤 어떤 일이 일어나는가?”를 보려면 AI referral tracking이 있는 web analytics를 사용함
  • “AI가 더 넓은 브랜드 감성 안에서 어떤 위치인가?”를 보려면 brand intelligence platform이 필요함
  • 위 범주가 답하지 못하는 대상을 추적해야 한다면 custom solution을 구축함
  • 대부분의 엔터프라이즈는 두 범주를 함께 사용함
    • 가장 흔한 조합은 AI citation monitoring 도구로 브랜드 노출 여부를 확인하고, web analytics 도구로 그 visibility의 가치를 측정하는 방식임
    • 이 조합을 먼저 정립한 브랜드는 2027년 AI visibility 예산을 예산 회의에서 다시 논쟁하지 않아도 되는 위치에 가까워짐

함께 보면 좋은 글 β

geesecross   [-]

AI 가시성이 높은 브랜드가 과연 소비자 입장에서도 좋은 브랜드일지 모르겠어요.

아이슬란드 여행을 계획할 때 빙하동굴 투어 업체 추천을 LLM에 부탁했는데, 알고 보니까 그 업체가 몇년 전에 인명사고를 내는 바람에 인터넷 검색으로 가장 잘 걸리는 곳이었을 뿐이더라고요.

LLM은 인간에게 중요했을 그런 맥락은 프롬프트하지 않았다는 이유로 무시하고선, 그저 검색 결과 컨텍스트에 가시성 높은 업체를 선정해 그 업체가 내세우는 장점만 결합해 저에게 소개했던 거고요.

답변달기
jsh5782   [-]

제품은 결국 품질로 평가되어야하는데, 유독 AI를 앞세운 제품들은 저열한 품질을 AI라는 키워드로 가리는경우가 너무많아요

답변달기
GN⁺   [-]
Hacker News 의견들

  • “고객이나 사용자가 아침에 일어나 ‘오늘은 챗봇이나 AI 에이전트와 이야기하고 싶다’고 생각하지 않는다”는 말이 정말 맞음
    AI 고객지원 에이전트 도입을 이끌었고, 경영진은 큰 성공이라고 보지만 지표는 완전히 다른 이야기를 했음. 고객들은 정말 싫어했고, 기술 분야에서 이보다 더 미움받는 걸 본 적이 없음
    우리가 못 만든 거라고 생각할까 봐 덧붙이면, 업계 최고 수준 업체를 쓰고 자체 테스트도 빡세게 했으며 지연시간도 다듬었음. 최종 버전은 꽤 괜찮다고 생각했지만 고객들은 그냥 싫어했음

    • 경영진은 왜 이런 고객지원 에이전트가 얼마나 엉성하고 미완성인지 못 보는데, 고객은 AI라는 걸 즉시 알아차리고 전혀 도움 안 된다고 느끼는지 모르겠음
    • 치과에 연락해야 한다는 게 떠오름. 기존 삐 소리 나는 자동응답기를 AI 챗봇으로 바꿨는데 경험이 끔찍함
      그냥 원하는 말을 남기면 텍스트로 전사되고 사람이 처리해주길 바랄 뿐인데, 결국 같은 일을 할 봇에게 천천히 설명하고 싶지는 않음
      게다가 처음 만났을 때 몇 문장 동안 봇이라고 밝히지도 않음. 충분히 그럴듯해서 속게 되고, 별 볼 일 없는 로봇과 이야기하고 있었다는 걸 깨닫는 실망감이 커서 이제 그 감정이 치과 브랜드와 연결돼 버림
    • 늘 두려웠던 자동 전화 시스템이 AI 기반 전화 시스템보다 오히려 참을 만함. “1번을 누르세요” 방식은 누군가 실제로 듣고 있다고 착각하게 만들려 하진 않았지만, AI 서비스는 사람과 이야기하는 것처럼 보이게 설계됨
      사람인 척하게 만들지 말아야 함
    • 최근 에어컨 수리를 받으러 차를 딜러십에 맡겼는데, 집에 오는 길에 방향지시등이 망가진 걸 발견함. 다음 날 전화해서 딜러십 쪽 문제이고 무상으로 고쳐야 한다는 걸 확인하고 방문 일정을 잡으려 했더니 AI Assistant가 받음
      이 AI는 문제가 딜러십 잘못일 수 있다는 상황을 전혀 예상하도록 훈련되지 않았고, 계속 웹사이트에서 예약하거나 내 비용으로 새 예약을 잡으라고 유도했음
      딜러십이 AI에 넘기고, 그 AI를 문제 해결이 아니라 예약 잡기에만 맞춘 건 사실상 나에게 엿을 먹인 것과 같음. 내게 더 많은 일을 떠넘기고, 시간을 낭비하게 하는 무례한 방식임. 사람과 연결될 때쯤엔 이미 화가 나고 불신이 생겼음
    • 이런 일반화는 틀렸음. 고객 입장에서 제품 안에 LLM이 잘 구현된 걸 봤고 마음에 들었음
      혁명적이라고까지는 생각하지 않지만 인터페이스의 빈틈을 메워줬고, 지금까지의 모델들은 유용하고 정직하며 사용자 지시를 따르도록 훈련돼 있음. 기존 패턴에 비하면 훨씬 쾌적함
      사람과 이야기하는 게 챗봇보다 낫다고 생각할 수도 있지만, 슬픈 현실은 고객지원 직원들이 LLM보다 더 봇처럼 행동하는 경우가 많다는 것임. 경우에 따라 다르겠지만 대부분은 차라리 LLM과 이야기하고 싶음

  • 틀릴 수도 있지만, 많은 제품에서 AI는 소비자에게 가치를 주기보다 벤처캐피털과 기술 업계 내부에 보내는 신호처럼 느껴짐
    소비자는 “이 제품이 실제로 나에게 뭘 해주나”를 알고 싶어 하지, 그게 오늘의 유행어로 구현됐는지는 별로 신경 쓰지 않음

    • “소비자는 제품이 실제로 뭘 해주는지 궁금해할 뿐, 오늘의 유행어로 구현됐는지는 덜 신경 쓴다”는 말은 AI가 많은 사람에게 주는 능동적으로 부정적인 영향을 과소평가한 것 같음
      많은 사람이 듣는 메시지는 “표절하고, 예술가를 실직시키고, 곧 당신도 실직시키며, 결과물을 평범하고 밋밋하게 만드는 기술로 만들었다”에 가까움
      차라리 “아동 노동으로 만들었다”고 홍보하는 것과 비슷함
    • 소비자 입장에선 AI가 마치 기능인 것처럼 강하게 밀어붙여질 때 정말 이해가 안 됨
      소비자는 개발자가 어떤 코드를 쓰는지, 어떤 클라우드 플랫폼에 배포하는지 신경 쓰지 않는데 왜 제품 안의 AI를 신경 써야 하나. AI는 기능이 아니고, 기능이 기능임. 그 기능이 뭔지를 말해줘야 함
    • AI 기능을 출시하자마자 부정적 피드백이 쏟아졌음
      이후 이름을 Advanced Search로 바꾸고 반짝이 아이콘 등은 그대로 둔 채, 거의 “AI”를 “Advanced”로 찾아 바꾸기만 했음
      부정적 피드백이 멈췄고, 바로 다음 날 누군가 엄청난 기능이라고 써 보냈음
      브랜딩은 정말 이상하고, 현대 미디어 환경도 이상함. AI를 싫어하는 게 맞다 틀리다를 말하려는 건 아니지만, 어떤 사람들에게는 그 단어가 자기 일과 아무 상관 없는 맥락에서도 “저놈들이 내 일자리를 빼앗으러 온다”는 경고등을 켬. 여론조사에서도 AI 관련 우려 중 고용 안정이 압도적으로 큼
    • 지난 1년 사이에 “AI”는 의미 없는 유행어에서 비기술 대중 사이의 부정적 뉘앙스로 바뀐 것 같음
      “That’s so AI”는 실제 속어가 됐고, “멋지고 자동화됐네!”라는 뜻이 아님
    • 어느 정도 맞는 말임. 현실은 대부분의 회사가 AI를 형편없이 구현하고 있음
      실제로 뭔가를 해결하지 못하고 기능 표의 체크박스처럼 느껴짐. 챗봇 하나 붙이면 끝이라는 식임
      Square가 최근 “managerbot”을 내놨을 때는 실제로 그런 걸 원했기 때문에 “오 괜찮네” 싶었음. 그런데 시스템 안의 데이터에 대해 몇 가지 물어보니 대부분 답을 못 했고, 게다가 엄청 느렸음. 직접 보고서를 뽑아 정보를 찾는 편이 봇보다 빨랐음
      Square만 그런 게 아니라 Salesforce, Microsoft, Google 등도 다 마찬가지임
      개인적으로 AI 도구를 쓰는 건 좋아하지만 마케팅 피로감도 느끼고 있음. 개발자들이 모든 곳에 AI를 넣고, 못 만들고, 그러고도 핵심 기능처럼 홍보함
      자연스러운 사이클일 수도 있음. 지금은 과대광고 정점에서 환멸로 넘어가는 구간쯤인 듯함

  • 최근 기기에 억지로 밀어 넣는 “AI” 쓰레기의 문제가 바로 이거임
    우리는 수년간 기계학습 기능을 써왔고 실제 이점도 있었지만, 대부분의 사람은 그 작동 방식을 모르거나 신경 쓰지 않았음. 그냥 배경에서 제 역할을 했고, 기반 기술을 얼굴에 들이밀지 않았음
    그런데 AI는 정반대임. 기술을 먼저 내세우고 이점은 나중임. 오히려 UI를 더 나쁘게 만들고, 이점은 거의 없거나 아예 없는 경우가 많음
    대부분의 소비자는 기술이 어떻게 작동하는지보다, 제대로 작동하고 이점을 주는지를 더 중요하게 봄

    • 사람들이 자주 잊는 진짜 핵심은 인간이 다른 인간의 시간과 노력을 가치 있게 여긴다는 점임
      AI는 시간도 노력도 들이고 싶지 않은 사람들이 쓰는 경우가 많고, 결국 그게 본질임
      스스로 물어보면 됨. 맞춤형 메시지가 담긴 크리스마스나 생일 카드를 받고 싶은지, 아니면 100% AI 봇이 만든 걸 받고 싶은지. 심지어 그 안에 환각까지 들어 있다면 더 그렇고
    • 잘 작동하던 기계학습 솔루션을 버리고 더 나쁜 결과를 내는 범용 AI로 갈아탄 소프트웨어를 여러 번 봄
      여기서의 진짜 변화는 “모든 걸 위한 하나의 입력” 인터페이스를 시도하는 것인데, 실제로 사용자에게 그게 최선인 경우는 극히 드물다는 걸 이해하지 못함
    • 이런 기능들은 오래전부터 퇴행해왔고, 소비자에게 “AI”가 예전에 잘 되던 걸 고쳐주거나 되돌려준다는 신호는 전혀 없음
      늘 드는 예가 Google Maps의 음성 인식임. 예전에는 “Hey Google, ETA가 얼마야?”라고 물으면 도착까지 남은 시간을 마법처럼 답해줬음. 그런데 어느 순간 깨졌고, 몇 년째 작동하지 않음. 마지막으로 시도했을 때는 휴대폰이 웹브라우저를 띄워 웹검색을 해버렸음
      Gemini를 강제로 넣었을 때 가장 먼저 한 일은 끄는 법을 찾는 것이었음. 아침에 캘린더 일정을 읽어주도록 선택했던 예전 음성을 덮어썼기 때문임. 실제로는 정상적으로 읽기 시작하다가 그 멍청한 Gemini 음성이 끼어들어 전혀 도움이 안 됐음
      전부 엔시티피케이션임
    • “AI”는 이제 Vulture Capitalists 덕분에 유행어가 됐음
      기능은 스스로 말해야 함. 좋은 기능이라면 기반 기술을 마케팅할 필요가 없음
      예를 들어 설정이 SQLite 데이터베이스에 저장된다는 걸 아무도 신경 쓰지 않음. 어떻게 저장되는지 자체를 신경 쓰지 않음
      친구가 새 휴대폰을 보여주며 달을 엄청 확대해서 개별 바위까지 보인다고 신기해할 때, 그게 AI를 쓴다는 건 전혀 중요하지 않음. 그냥 카메라를 쓰는 것뿐임
      AI로 기능을 만들었더라도 포장에 AI라고 적을 게 아니라, 실제로 뭘 하고 얼마나 잘하는지를 보여줘야 함. AI를 쓴다고 말하는 건 무의미함. 아무리 약탈자 계층이 원해도 “fetch”는 절대 유행하지 않을 것임
    • 맞음. Apple은 이걸 이해하는 것처럼 보였는데, 결국 굴복해서 Siri AI라고 불러버렸음

  • 대부분의 소비자에게 AI는 순손실이 될 것 같음
    이미 점점 더 많은 회사가 콜센터와 지원 흐름에 AI를 쓰는 게 보이고, 고객을 막아 세우는 용도로 쓰는 경우가 많음. 아주 공손하고 자세하게 답하지만 결정 권한이 없으니 문제를 해결하지 못함
    이 새로운 세상이 기대되지 않음. AI는 창작자에게 강력하고 유용한 도구지만, 이미 잘못된 이유로 쓰이고 있고 전쟁에서 파괴할 목표를 고르는 데까지 쓰이는 듯함. 어떤 영역에서는 거의 감독 없이 생사를 가르는 결정을 내리게 됨. 그런데도 이 기술에 대한 어떤 규제도 쓸모없고 부당하다고 생각하는 사람들이 있음
    오해는 없었으면 함. 나도 AI를 항상 쓰지만, 우리가 겪어온 어떤 기술 발전보다 긍정과 부정 양쪽 모두에서 가장 파괴적인 변화가 될까 두려움

    • 문제는 선택권의 문제라고 봄
      챗봇 같은 도구로 AI를 직접 쓸 때는 대체로 우리가 능동적으로 선택하고 어느 정도 통제권도 있음. 잘 안 되면 언제든 멈추고 직접 하면 됨
      하지만 콜센터나 제품에 AI가 내장된 상황에서는 사용자에게 선택권을 주지 않는 경우가 많음. 다른 선택지 없이 강제하거나, 최소한 LLM이 포기할 때까지 계속 맞춰줘야 함
      사용자가 원할 때 LLM 루프에서 빠져나올 수 없으니 사용자 적대적임
      거기에 더해 대부분의 회사는 누군가의 KPI나 내부 지표를 채우기 위해 AI 관련 기능 사용을 강제하고 있음
    • 도대체 어떤 콜센터에서 상담원이 결정 권한을 갖고 있었나? 무슨 말인지 모르겠음
      LLM이 중개하는 시나리오라면 왜 사람이 전화를 해야 하나. 당신의 LLM이 그쪽 LLM과 이야기하면 됨
      막아서는 사람이 최저임금 받는 인간이길 바라서 콜센터를 그리워하는 건가? 콜센터는 비참한 곳인데, 그런 디스토피아적 사업에 인간을 계속 엮어두고 싶어 하는 데서 어떤 만족을 얻는지 모르겠음
    • 통계적으로 고객지원 봇은 고객지원 쪽 사람이 쓰는 시간을 많이 줄여줌
      많은 경우 기본 양식 정보를 모으는 일인데, 사람 노동 시간이 꽤 들어감
      고객지원에 더 많은 사람을 원한다면 어떤 방식으로든 훨씬 더 많은 비용을 내야 함
    • 선도 기업들은 일을 처음부터 끝까지 자동화하는 에이전트를 만들고 있음. 즉 결정 권한까지 갖는 방향임
      다른 기술과 마찬가지로 확산에는 시간이 걸리겠지만, 콜센터의 전망은 좋지 않아 보임

  • AI는 “품질을 희생해서 빠르고 싸게”라는 느낌이라, 소비자가 싫어하고 비즈니스 쪽 사람들이 좋아하는 이유를 완전히 이해함

    • AI를 가장 잘 쓰는 회사는 사용자에게 AI를 쓴다고 말할 필요가 없는 회사일 것임. 그게 품질 좋은 제품이라는 신호가 됨
      소비자에게 AI 제품을 쓰라고 소리치고 애원해야 한다면, 그냥 잘못하고 있는 것임
    • 가장 눈에 띄는 건 Amazon이 리뷰 검색창을 Rufus로 대체한 것임. Rufus는 설명, 리뷰 등 Amazon 상품 전체 맥락을 검색하고, 지루한 키워드 검색 대신 질문하라고 요구함
      어떤 상품을 보고 리뷰에서 “battery life”라는 키워드를 검색해 실제 사람들이 어떤 경험을 했는지 보고 싶은데 이제 그걸 못 함
      Rufus에서 “battery life”를 검색하면 항상 “많은 고객이 배터리 수명이 좋다고 보고하지만, 다른 고객은 예상보다 짧다고 말합니다” 같은 헛소리를 돌려줌
      내가 원하는 건 인간의 경험임. 구체성이 필요함. 왜 모든 게 “좋음 또는 나쁨”으로 갈려나가야 하나?
    • 수작업은 항상 높은 지위의 황금 기준이었고, AI 콘텐츠는 본질적으로 낮은 지위로 느껴짐
      AI가 가치를 더한다 해도 그 가치는 소비자에게 돌아가기보다 누군가에게 포획되고 있음
    • 이게 진짜 문제라고 봄. 소비자는 반짝이고 멋진 것을 좋아하지만, 종이클립 Clippy는 싫어함
      Siri가 도움을 줄 때는 좋아하지만, 방해할 때는 싫어함
      참 난감한 수수께끼임. 대체 왜 소비자가 이렇게 반응할까?
    • 품질을 깎아먹는 행위의 정의 그 자체임. 통계적 추론으로 가능한 한 빨리 정답을 찍어내려는 방식임

  • 설마 “AI”가 자주 “직원을 해고해서 돈을 더 벌겠다. 그리고 품질은 사실 신경 쓰지 않는다”는 뜻이라서 그런 건 아니겠지?

    • 그런 사고방식은 AI 훨씬 전부터 있었음. 아웃소싱을 보면 됨

  • “왜 그럴까요? 어떻게 그럴 수 있을까요? 답은 고객이 마케팅으로 품질에 대한 의견을 만들지 않기 때문입니다. 고객은 제품이나 서비스에 대한 자기 경험으로 품질을 판단합니다”
    — Steve Jobs
    출처: https://youtu.be/XbkMcvnNq3g?si=8Y56TFmKHJhlFXoE&t=364

  • 브랜드에 AI가 성공적으로 도입돼 실제로 나에게 이익이 된 사례를 아직 못 봄
    QuickBooks는 UI 전체를 밀어내는 짜증 나는 제안을 띄우고, 끌 수도 없음. 이제 오클릭이 생김
    로봇청소기의 AI는 그냥 라벨인 듯함. 청소기와 대화하고 싶지 않음. 예측 가능하게 내 물건을 청소해주길 바람
    TV는 Gemini로 업그레이드됐음. 왜인지 모르겠음. TV와 대화하지도 않는데, 계속 눈앞에 들이밈. Plex->Atmos 스트리밍이 가능한 기기를 살까 생각 중임

    • TV에서 Gemini를 어떻게 쓰는 건가? 리모컨으로 시간당 세 단어씩 질문을 입력하나?

  • 닷컴 붐을 상상해보면 됨. 다만 대부분의 소비자가 인터넷 관련 물건에 부정적 감정을 갖고 있고, CEO들만 서로 인터넷 자랑을 겨루는 상황에 가까움

  • 좋은 AI 제품도 분명 있겠지만, 압도적 다수는 쓰레기처럼 보임
    예외는 코딩 에이전트와 단순한 웹 텍스트·이미지 인터페이스 정도임
    그래서 신호로서 AI 브랜드는 최악에 가까움. 암호화폐 급임. 하지만 암호화폐와 마찬가지로, 투자자들은 기반 실체와 관계없이 그 신호를 보고 싶어 함

    • 예외는 번역임. 트랜스포머는 원래 번역을 위해 개발됐고, LLM은 번역에서 빛남. 코드 생성도 결국 자연어를 프로그래밍 언어로 번역하는 일임
      현재 LLM이 잘하는 많은 일이 결국 번역으로 귀결되는 것 같음
      어떤 프롬프트를 개별 할 일 목록으로 번역하고, 각 할 일을 다시 새 번역으로 다루며, 예를 들어 할 일을 코드로 바꾸거나 외부 도구를 호출함. 인터넷 검색, 정적 코드 분석, 데이터베이스 요청 같은 것들임
      그런 할 일들의 결과를 최종 텍스트로 번역하거나, 새 할 일 목록으로 번역함
      그래서 흥미롭다고 느끼는 건, 어쩌면 호모 사피엔스의 지능도 의사소통, 즉 단어를 행동으로 번역하는 과정의 부작용으로 발달했을지 모른다는 점임
답변달기