GEO 시대 AI 기업의 검색 경쟁력

GEO(Generative Engine Optimization, 생성형 엔진 최적화)가 SEO를 대체하며 디지털 정보 유통의 핵심 패러다임으로 부상하고 있다. 본 논문은 AI 기업의 관점에서 검색 능력이 대규모 언어 모델 경쟁력의 결정적 요인으로 부상하는 과정을 분석한다. 실시간 검색과 RAG 두 가지 기술 경로의 비용 차이, 검색 기능 접목이 사용자 성장에 미치는 인과관계(Perplexity 순수 검색 제품의 독립적 검증 포함), 인터넷 시대 인류 인지 퇴화가 AI 검색 수요에 미치는 구조적 동인, 생산자 측과 소비자 측 사용자의 사용 분화, 그리고 OpenAI·Google·Perplexity·Anthropic 4개사의 검색 인프라 비교를 통해 본 논문은 다음을 논증한다: GEO 시대에 검색 능력은 AI 기업의 부가 기능이 아니라 상업적 경쟁력의 핵심 인프라다. AI 기업 간 경쟁은 점점 더 검색 품질, 검색 비용 통제, 그리고 정보 정렬 정확도의 경쟁으로 표출될 것이다.

본 논문은 《AI 검색 정보 정렬은 LLM의 가장 핵심적 기능이다》(V1, 2026.4.6)의 자매편이다. 전작은 사용자 관점에서 “정보 정렬이 LLM의 핵심 기능”임을 논증했으며, 본 논문은 기업 관점에서 “검색 능력이 AI 기업의 핵심 경쟁력”임을 논증한다.

실시간 검색 vs RAG: 두 경로의 비용 게임

Real-Time Search vs RAG: The Cost Architecture of Two Paths

AI 기업이 사용자에게 정보 정렬 서비스를 제공할 때 근본적인 아키텍처 결정에 직면한다: 사용자 쿼리마다 검색엔진 API를 실시간으로 호출하여 최신 정보를 가져올 것인가, 아니면 사전에 구축한 인덱스 데이터베이스를 기반으로 검색 증강 생성(RAG)을 수행할 것인가? 이 두 경로의 비용 구조는 근본적으로 다르며, AI 기업의 비즈니스 모델과 경쟁 전략에 심대한 영향을 미친다.

실시간 검색: 건당 과금의 변동 비용 모델

실시간 검색은 사용자가 검색 요청을 발동할 때마다 시스템이 검색엔진에 API 호출을 보내는 것을 의미한다. 이는 다층적 비용을 발생시킨다: 검색 API 호출 수수료(건당 과금), 웹페이지 전문 크롤링의 대역폭 및 컴퓨팅 부담, 그리고 검색 결과를 대규모 모델의 컨텍스트 윈도우에 삽입함으로써 발생하는 추론 연산 비용이다. 컨텍스트가 길수록 추론 비용도 높아진다. 이는 “사용자가 많을수록 비용이 높아지는” 선형 성장 모델이다.

RAG 인덱싱: 초기 투자 집중, 운영 경량화의 고정 비용 모델

RAG 경로는 AI 기업이 대규모로 웹페이지를 사전 크롤링하고, 데이터를 정제하며, 벡터화 처리를 수행하고, 인덱스 데이터베이스를 구축하여 지속적으로 유지·관리해야 한다. 초기 투자가 막대하지만, 구축 완료 후에는 각 쿼리마다 자체 데이터베이스에서 벡터 검색만 수행하면 되므로 건당 비용이 극히 낮다. 단점은 정보의 신선도가 인덱스 갱신 주기에 좌우된다는 점이다.

실제로 대부분의 AI 기업은 혼합 아키텍처를 채택하고 있다: 빈도가 높고 시의성 요구가 낮은 쿼리는 RAG로 처리하고, 시의성이 민감한 시나리오는 실시간 검색을 사용한다. 일부 기업은 캐싱 메커니즘도 도입하여 — 단시간 내 대량 사용자가 동일 인기 주제를 검색할 경우 첫 번째 검색 결과를 재사용함으로써 API 호출 빈도를 낮추고 있다.

검색 비용: AI 기업 재무제표의 숨겨진 거대 항목

The Hidden Cost Giant: Search Expenses in AI Company Financials

AI 기업이 검색엔진 기업에 지불하는 검색 API 수수료는 현재 어떤 기업도 별도로 공시하지 않는다. 그러나 유출된 재무 문서와 산업 동향에서 검색 비용의 산업 지형을 조합할 수 있다. 명확히 해야 할 점은: 검색 비용과 추론 비용은 서로 다르지만 상호 중첩되는 개념이라는 것이다 — 검색 API 수수료는 외부 검색엔진 호출 비용이고, 추론 비용은 LLM 실행을 통한 응답 생성의 연산 비용이며, 검색 기능의 도입은 양자를 동시에 증가시킨다(API 호출 비용 + 더 긴 컨텍스트의 추론 비용).

OpenAI와 마이크로소프트의 재무 관계가 드러내는 것

유출된 내부 문서에 따르면, 2024년 마이크로소프트는 OpenAI로부터 약 4억 9,400만 달러의 수익 배분을 수취했으며, 2025년 처음 3분기에는 약 8억 6,600만 달러로 급증했다. OpenAI는 수익의 약 20%를 마이크로소프트에 배분금으로 지급하며, 여기에는 Azure 컴퓨팅, Bing 검색 데이터 등 다양한 서비스가 포함된다. 추론 비용 측면에서 OpenAI의 Azure 추론 지출만 2024년에 약 37억 달러였으며, 2025년 처음 3분기에는 약 87억 달러에 달했다 — 추론 지출이 이미 총수익을 초과했을 가능성이 있다.

마이크로소프트의 Bing API 폐쇄: 검색 데이터 독점의 신호

2025년 5월, 마이크로소프트는 8월 11일자로 기존 Bing Search API를 완전 폐쇄하겠다고 발표했으며, 대체 솔루션인 Azure AI 제품의 가격은 기존 API 대비 40%에서 483% 높다. 이전 2년간 마이크로소프트는 이미 Bing API 가격을 3~10배 인상한 바 있다. 이는 DuckDuckGo 및 기타 소규모 검색 서비스 제공업체를 포함하여 Bing 검색 인덱스에 의존하는 모든 AI 기업이 검색 데이터 획득 비용의 급격한 상승에 직면하게 됨을 의미한다.

AI 기업에게 고품질 검색 인덱스는 제품 운영의 생명선이다. AI의 출력은 두 가지 소스에서 나온다: 모델의 훈련 데이터(사전 훈련된 지식)와 실시간 웹 검색(RAG/grounding)을 통해 획득한 최신 콘텐츠다. 마이크로소프트의 기존 검색 API 차단은 본질적으로 AI 산업의 정보 파이프라인을 조이는 것이다.

검색 기능 접목: 사용자 폭발적 성장의 인과 엔진

Search Integration as the Causal Engine of User Growth

ChatGPT의 발전사는 하나의 정밀한 자연 실험을 제공한다: 검색 기능이 없는 상태에서 완전한 통합 상태로 이행하는 과정에서 사용자 수와 사용 빈도에 어떤 변화가 발생했는가?

세 단계의 진화

핵심 데이터 포인트: 2024년 12월부터 2025년 2월까지, 즉 ChatGPT Search가 전체 사용자에게 개방된 기간에 사용자 수는 33% 증가하여 3억에서 4억으로 도약했다. 이후 2개월 내에 다시 두 배로 늘어 8억에 달했다. 월간 트래픽은 2023년 1월의 6억 회 방문에서 2025년 10월의 62억 회로 10배 이상 증가했다.

더 중요한 것은 사용 습관의 질적 변화다: 2025년 4월까지 주간 활성 사용자 수는 월간 활성 사용자 수에 거의 근접했는데, 이는 대다수 사용자가 간헐적 체험이 아닌 매주 사용하는 습관을 형성했음을 의미한다. ChatGPT의 평균 대화 턴 수는 5.2턴이며, 50.6%의 대화가 다중 턴이다 — 사용자들은 대화를 통해 점진적으로 의도를 정제하고 정보 정렬을 달성하고 있다.

혼재 요인과 독립적 검증

인정해야 할 점은, ChatGPT Search 출시 시기가 GPT-4o 발표, 무료 사용자 기능 확대, 모바일 성장 등 다수의 요인과 겹친다는 것이다 — 사용자 성장을 단일 검색 기능에만 귀인할 수 없다. 그러나 Perplexity AI — 순수 검색 제품 — 의 독립적 성장 곡선이 강력한 보조 증거를 제공한다.

Perplexity는 코딩 어시스턴트도 없고, 이미지 생성도 없고, Agent 기능도 없다. 순전히 검색 기반 정보 정렬만으로 다음과 같은 성장을 달성했다: 월간 활성 사용자가 2024년 1월 1,000만에서 2025년 4월 3,000만으로 성장(2년간 1,400% 증가); 월간 쿼리량이 2024년 8월 2.3억에서 2025년 5월 7.8억으로 급증; 기업가치가 2024년 1월 5.2억 달러에서 2025년 7월 180억 달러로 도약; 연간 경상 수익이 2025년 초 1억 달러에서 연말 약 2억 달러로 성장. 단 38명의 팀이 3,000만 월간 활성 사용자를 서비스하고 있다.

수요 측 동인: 인터넷 시대의 인류 인지 퇴화

Demand-Side Driver: Cognitive Degradation in the Internet Age

AI 검색의 가치는 기술 공급 측의 진보에서만 오는 것이 아니라, 수요 측의 구조적 변화 — 인터넷 시대 인류의 언어 표현 능력과 심층 인지 능력의 체계적 퇴화에서도 비롯된다.

“브레인 롯(Brain Rot)”: 2024년 올해의 단어의 학술적 실증

옥스퍼드대학교 출판부는 “brain rot”(뇌 부패)를 2024년 올해의 단어로 선정했다. 《심리학 회보(Psychological Bulletin)》에 발표된 메타분석(71개 연구, 약 10만 명 기반)은 짧은 동영상 이용 빈도가 높을수록 개인의 인지 수행이 떨어진다는 것을 확인했다. MIT 인지과학 연구센터 데이터는 심층 독해 능력이 연 12%의 속도로 쇠퇴하고 있음을 보여준다. 스타방에르대학교(University of Stavanger)의 연구는 Z세대의 약 40%가 수기 의사소통 능력을 상실하고 있다고 밝혔다.

인지 오프로딩(Cognitive Offloading): “구글 효과”에서 “AI 효과”로

학계는 이 현상을 “인지 오프로딩(Cognitive Offloading)” — 인류가 기억, 추론, 문제 해결 과업을 기술 도구에 전가하는 것 — 으로 명명했다. 지난 10~15년간 인류의 기초 인지 부하는 약 20% 하락했다. 검색엔진 시대는 “구글 효과”(사람들이 검색할 수 있는 정보를 더 이상 기억하지 않음)를 낳았고, AI 시대는 여기서 한 발 더 나아간다: 사람들은 검색엔진이 요구했던 키워드 정제적 사고조차 더 이상 수행하지 않는다.

666명의 참가자를 대상으로 한 연구는 AI 도구의 빈번한 사용과 비판적 사고 능력 사이에 유의미한 부의 상관관계가 존재하며, 인지 오프로딩이 그 매개 요인임을 발견했다. 더욱 경각심을 불러일으키는 것은, 20세기 전체에 걸쳐 지속되었던 IQ 상승 추세(플린 효과)가 산업화 국가에서 이미 역전되었다는 사실이다.

비가역성의 투자 함의

인지 퇴화의 가장 중요한 특성은 비가역성이다. 짧은 동영상 시대의 주의력 파편화, 단편적 읽기가 심층 사고 능력에 미치는 침식, 그리고 AI 자체가 가속하는 인지 오프로딩 — 이 모두가 일방향적 과정이다. 인류 집단 수준의 표현 능력과 심층 독해 능력이 미래에 회복될 것이라는 증거는 어디에도 없다. 이는 AI 검색 정보 정렬에 대한 수요가 주기적인 것(경기 순환에 의한 수요 변동처럼)이 아니라 구조적이고 비가역적임을 의미한다. AI 기업에게 검색 인프라에 대한 투자 수익은 장기적이고 확실하다 — 이것은 사라질 수 있는 바람이 아니라, 오직 심화될 뿐인 구조적 추세다.

모호한 의도의 정밀 포착: AI 검색의 미시적 메커니즘

Precision from Vagueness: The Micro-Mechanism of AI Search

닐슨 노먼 그룹(Nielsen Norman Group, 세계 최고의 사용자 경험 연구 기관)의 연구는 AI 검색의 미시적 메커니즘에 대한 정밀한 기술을 제공한다. 연구에 따르면, 사용자는 자신이 무엇을 찾고 있는지 확실하지 않거나 검색 목표를 어떻게 설명해야 할지 모를 때 적극적으로 AI 도구로 전환한다. 전통 검색은 사용자에게 구체적 키워드를 요구하지만, AI는 검색 공간이 생소할 때 더 큰 유연성을 제공한다.

“키워드 포레이징(Keyword Foraging)”: 검색 전의 검색

NN/g는 이 현상을 “키워드 포레이징(keyword foraging)” — 즉 사용자가 실제 검색에 사용할 키워드를 결정하기 위해 먼저 예비 검색을 수행해야 하는 것 — 으로 명명했다. 예를 들어, 바텐더가 사용하는 Y자형 필러를 사고 싶지만 그것이 “채널 나이프(channel knife)”라는 이름인 줄 모르는 사용자는 검색엔진에서 시행착오를 반복할 수밖에 없다. AI는 이 중간 단계를 완전히 제거한다.

MIT Technology Review의 관찰이 이를 뒷받침한다: AI 검색을 사용하면 자신이 찾고 있는 것을 정확히 표현할 수 없어도 된다. 마당에 있는 새가 어떻게 생겼는지, 냉장고가 어떤 문제가 있는 것 같은지, 또는 차에서 나는 이상한 소리를 설명하면 정확한 답을 얻을 수 있다. 이런 검색 방식에 익숙해지면 자연스럽게 의존이 생긴다.

중국 시장의 동시적 검증

프로스트 앤드 설리번(Frost & Sullivan)의 《2025년 중국 AI 검색 산업 백서》는 전통 검색이 의미적으로 복잡하거나 다의적인 롱테일 문제에 대처하기 어렵고, AI 검색은 NLP와 딥러닝 모델을 통해 사용자 의도를 심층 분석한다고 확인했다. 중국 AI 검색 제품인 미타(秘塔) 검색이 도입한 “먼저 생각하고 후에 검색하는” 모드는 검색을 “기지의 정보 찾기”에서 “미지의 문제 해결”로 진화시켰다.

생산자 측과 소비자 측: AI 사용의 이원 구조

Producers vs Consumers: The Dual Structure of AI Usage

AI 사용 시나리오에는 업계 논의에서 심각하게 간과되고 있는 이원적 분화가 존재한다: 생산자 측 사용자(Producers)와 소비자 측 사용자(Consumers)의 사용 패턴은 근본적으로 다르다.

핵심 데이터 근거: 미국 조사에서 사용자의 60%가 “정보 검색”을 AI의 제1 용도로 꼽았다. 청소년 사용자 중에서는 정보 검색이 57%로 모든 사용 사례를 선도했다. Anthropic의 데이터는 Claude 플랫폼에서 “컴퓨터 및 수학” 활동이 37~40%를 차지함을 보여주지만 — 이는 Claude 특유의 개발자 중심 사용자 기반을 반영한다. ChatGPT의 전체 8억 주간 활성 사용자로 환산하면 코딩은 4.2%에 불과하며, 정보 검색+실용 안내를 합산하면 53%를 초과한다.

AI 시대의 새로운 행동 관성: 대화→정제→검색→정렬

The New Behavioral Paradigm: Converse → Refine → Search → Align

검색 행동은 “단회성 거래”에서 “다중 턴 대화”로 진화하고 있다. 사용자들은 더 이상 키워드를 입력하고 링크 목록을 받는 것이 아니라, AI와의 반복적 대화를 통해 점진적으로 자신의 진정한 의도를 정제하고, AI가 정밀 검색을 실행하여 정보 정렬을 완성한다.

“단일 쿼리”에서 “대화형 발견”으로

LLM 모니터링 데이터에 따르면, 2025년 8월 ChatGPT 대화의 평균 턴 수는 5.2턴이며, 50.6%의 대화가 다중 턴이었다. 학술 연구는 사용자가 종종 모호하고, 사양이 불충분하며, 심지어 내부적으로 불일치하는 목표로 시작하여, 모델과의 반복적 대화 과정을 통해서만 자신의 진정한 수요를 점진적으로 명확히 한다고 지적한다.

“프롬프트 유창성”이 새 시대의 검색 리터러시

전통 검색 시대의 핵심 리터러시는 “키워드 구성 능력” — 어떤 단어로 검색해야 하는지 아는 것이었다. AI 시대의 핵심 리터러시는 “프롬프트 유창성(Prompt Fluency)” — AI와 어떻게 대화해서 수요를 표현할 것인지 아는 것으로 전환되고 있다. AI 검색 플랫폼이 충분한 사용자 컨텍스트(기기, 위치, 검색 이력, 선호도, 과거 대화)를 축적하면, 사용자가 프롬프트에서 명시적으로 진술해야 하는 내용은 점점 줄어들 것이다.

야콥 닐슨(Jakob Nielsen, 글로벌 UX의 대부)은 이 전환을 UX의 제3기원으로 정의했다: 인터넷 시대(1995~2025)의 목표는 사용자의 구매와 구독을 “영향”시키는 것이었고, AI 시대(2026년 이후)의 목표는 “인간 존재를 증강”하는 것 — 인류가 더 나은 결정, 상상, 판단을 내리도록 돕는 것으로 전환된다.

추세선: AI 사용 시나리오에서 검색의 비중 지속 상승

The Rising Curve: Search’s Growing Share of AI Usage

시간 축에서 ChatGPT 각 사용 시나리오의 비중 변화를 관찰하면, 하나의 명확한 추세선이 부상한다.

정보 획득은 ChatGPT 전체 사용 카테고리 중 유일하게 지속 성장하는 카테고리로, 14%에서 24%로 상승하여 71%의 증가율을 기록했다. 동시에 글쓰기는 36%에서 24%로 하락하여 현재 단계에서 양자가 이미 동등해졌다. “실용 안내”(29%) — 본질적으로 개인화된 정보 정렬 — 를 광의의 정보 검색 범주에 포함하면, 광의의 정보 정렬 비중은 이미 53%에 달하며 다른 어떤 단일 용도를 크게 초과한다.

더 거시적인 데이터도 이 추세를 뒷받침한다: 글로벌 검색 총량(검색엔진+AI 검색)은 26% 증가했으며, 미국은 16% 증가했다. AI 검색 플랫폼의 지난 1년간 월평균 트래픽 증가율은 721%를 초과했다. AI 검색 트래픽의 전환율은 14.2%로, 구글 전통 검색의 2.8%에 비해 압도적이다. 사용자의 75%가 1년 전보다 AI 검색 도구를 더 많이 사용한다고 응답했으며, 43%는 매일 사용한다.

GEO 시대의 경쟁 정의: 검색이 곧 해자(Moat)다

Competition in the GEO Era: Search IS the Moat

앞선 분석을 종합하면, GEO 시대 AI 기업의 경쟁력은 세 가지 차원으로 분해할 수 있다:

차원 1: 검색 품질(정보 정렬 정밀도)

누가 사용자의 모호한 의도를 더 정확하게 이해하고, 가장 관련성 높은 정보를 검색하며, 일관된 방식으로 종합 제시할 수 있는가? 이것이 사용자 리텐션과 사용 빈도를 직접 결정한다. 현재 모든 주류 AI 검색 — Google AI Overviews, ChatGPT Search, Perplexity, Claude — 은 RAG 또는 그 변형에 기반하여 운영되지만, 검색 품질 차이는 막대하다.

차원 2: 검색 비용 통제(상업적 지속가능성)

마이크로소프트가 기존 Bing API를 폐쇄하고 검색 데이터 획득 비용이 급격히 상승하는 배경에서, 누가 더 낮은 비용으로 동등한 품질의 검색 서비스를 제공할 수 있는가? 자체 검색 인덱스 구축(Perplexity처럼), 캐싱 전략 최적화, 하이브리드 아키텍처의 정밀 조율 — 이 모두가 비용 경쟁의 무기다.

차원 3: 검색 인프라 자주성(전략적 안보)

Google이나 Bing API에 전적으로 의존하는 AI 기업은 언제든 가격 인상, 서비스 중단, 데이터 제한의 리스크에 직면한다. 검색 인프라의 자주적 통제 정도가 AI 기업의 장기 전략적 안보를 결정한다.

4대 AI 기업의 검색 경쟁력 매트릭스

이 매트릭스는 하나의 핵심적 분기를 드러낸다: Google과 Perplexity는 자주적 검색 인프라를 보유하고 있으며, OpenAI와 Anthropic은 제3자에 의존한다. 모델 능력이 점점 동질화되는(가격 전쟁이 이미 시작된) 배경에서, 검색 인프라의 자주성이 더 지속적인 차별화 원천이 되고 있다. Perplexity의 사례는 특히 주목할 만하다 — 단 38명의 팀이 2,000억 URL을 커버하는 자체 검색 인덱스와 모델 무관 아키텍처로, 수천 명의 엔지니어를 보유한 많은 기업을 검색 경쟁력 차원에서 이미 앞서고 있다.

가능한 반론과 대응

Counterarguments and Responses

반론 1: “모델 능력이 여전히 검색보다 더 중요하다. 더 똑똑한 모델이야말로 경쟁력의 핵심이다.”

대응: 모델 능력의 격차는 빠르게 줄어들고 있다. 2024년부터 2026년까지 LLM 추론 비용은 연간 50~200배 속도로 하락했으며, GPT-5.2, Gemini 3.1 Pro, Claude Opus 4.6은 대부분의 벤치마크에서 격차가 무시할 수준으로 축소되었다. 모델이 동질화 상품이 되면, 모델을 둘러싼 차별화 서비스 — 특히 검색 품질 — 이 사용자 리텐션의 진정한 결정 요인이 된다. Perplexity의 사례가 이를 증명한다: 프론티어 모델을 자체 개발하지 않고 모델 무관 아키텍처를 채택하면서도 검색 능력만으로 180억 달러 기업가치를 달성했다.

반론 2: “Agent 시대가 도래하면 검색은 자동화 실행으로 대체될 것이다. 사용자는 더 이상 ‘검색’할 필요가 없으며, AI 에이전트가 직접 작업을 완수한다.”

대응: Agent의 자동화 실행은 검색의 대체물이 아니라 검색의 연장이다. 어떤 Agent든 작업을 실행하려면(쇼핑, 예약, 관리), 그 전제 단계는 여전히 정보 검색이다 — Agent는 “알아야” “할 수 있다”. 2026년 현재, 소비자의 24%만이 AI 에이전트의 자율 구매에 안심한다고 답했으며, Agent는 아직 초기 단계에 있다. Agent가 성숙하더라도, 검색은 “사용자가 명시적으로 발동”하는 것에서 “Agent가 암묵적으로 호출”하는 것으로 전환될 뿐 — 검색 인프라에 대한 수요는 줄어들기보다 오히려 증가한다.

반론 3: “Google은 자체 검색 인덱스로 넘을 수 없는 우위를 가지고 있다. 다른 AI 기업은 영원히 검색에서 Google과 경쟁할 수 없다.”

대응: Google의 검색 인덱스 우위는 확실히 거대하다. 그러나 GEO 시대의 “검색 경쟁력”은 “검색 인덱스 규모”와 동의어가 아니다. Perplexity는 2,000억 URL의 인덱스(Google보다 훨씬 작음)와 38명의 팀으로, AI 검색 체험에서 높은 사용자 인정을 획득했다. 핵심 차별점은 인덱스의 절대적 크기가 아니라: 의미 이해 정밀도, 다중 소스 정보 종합 능력, 그리고 검색 결과와 LLM 추론을 원활히 융합하는 아키텍처 능력이다. 이러한 차원에서 AI 검색에 집중하는 기업은 Google의 범용 검색을 (이미) 능가할 수 있다.

반론 4: “검색 비용은 기술 진보와 함께 자연스럽게 하락할 것이며, 장기적 경쟁 장벽이 되지 않는다.”

대응: 추론 비용은 확실히 빠르게 하락하고 있지만, 검색 비용의 추이는 더 복잡하다. 마이크로소프트는 Bing API를 폐쇄하고 대체 방안의 가격을 40%~483% 인상했으며, Google의 검색 데이터 역시 무료 공개가 아니다. 검색 비용에는 연산력(하락할 것)뿐만 아니라 데이터 접근권(독점화되고 있어 상승할 것)과 인덱스 유지(규모 고정 비용)도 포함된다. 데이터 독점 추세 속에서 검색 인프라의 자주적 통제는 오히려 점점 더 중요해지고 있다.

결론과 전망

Conclusion and Outlook

본 논문은 비용 구조, 사용자 성장의 인과관계, 인류 인지 퇴화의 동인, 사용자 이원 분화, 행동 패러다임 전환, 사용 비중 추세의 여섯 가지 차원에서, GEO 시대 AI 기업에 대한 검색 경쟁력의 핵심적 의의를 논증했다.

첫째, 검색은 AI 기업 비용 구조에서 가장 빠르게 성장하는 부분이다. 실시간 검색의 API 수수료, Bing API의 폐쇄와 가격 인상, 검색 기능 접목에 따른 추론 비용의 선형 증가 — 검색 비용은 AI 기업의 가장 중요한 재무 관리 과제가 되고 있다.

둘째, 검색은 사용자 성장의 인과 엔진이다. ChatGPT가 1억 사용자에서 8억 사용자로 도약한 것은 검색 기능의 접목 및 완성과 시간적으로 고도로 부합한다. 검색은 LLM을 “흥미로운 도구”에서 “대체 불가능한 인프라”로 변모시켰다.

셋째, 검색 수요는 인류 인지 퇴화의 구조적 추세에서 비롯된다. 인터넷 시대의 파편적 정보 소비는 인류의 심층 독해, 정밀 표현, 독립적 사고 능력을 체계적으로 하락시켰으며, AI는 모호한 의도를 이해함으로써 이 간극을 메운다. 이 수요는 강화될 뿐 약화되지 않을 것이다.

넷째, 검색은 “침묵하는 다수”를 서비스한다. AI 코딩과 이미지 생성은 커뮤니티에서 엄청난 화제성을 가지지만, 실제 사용에서 정보 검색과 정렬이 53%의 점유율을 차지하며, AI 제품의 일간 활성 사용자를 지탱하는 진정한 기반이다.

GEO가 SEO를 대체하는 시대적 전환점에서, AI 기업 간 경쟁은 이미 단순히 “누구의 모델이 더 똑똑한가”가 아니라 “누구의 검색이 더 좋고, 더 저렴하며, 더 자주적인가”로 변화했다. 검색 경쟁력이 곧 GEO 시대 AI 기업의 핵심 경쟁력이다.

참고문헌

1. TechCrunch (2025). “Leaked documents shed light into how much OpenAI pays Microsoft.”
2. Ed Zitron / Where’s Your Ed At (2025). “Exclusive: Here’s How Much OpenAI Spends On Inference.”
3. The Register (2025). “OpenAI has spent $12B on inference with Microsoft.”
4. PPC Land (2025). “Microsoft ends Bing Search APIs on August 11.”
5. Open Markets Institute (2025). “Microsoft’s Monopoly on Bing Search Data.”
6. Computerworld (2023). “Microsoft more than triples Bing Search API prices.”
7. Search Engine Journal (2025). “Timeline Of ChatGPT Updates & Key Events.”
8. DemandSage (2026). “ChatGPT Statistics – Active Users & Growth Data.”
9. Textero.io (2025). “ChatGPT Users Statistics 2025: Global Growth.”
10. Chatterji, A. et al. (2025). “How People Use ChatGPT.” NBER Working Paper No. 34255.
11. Nielsen Norman Group (2025). “GenAI for Complex Questions, Search for Critical Facts.”
12. Nielsen Norman Group (2025). “How AI Succeeds (and Fails) to Help People Find Information.”
13. MIT Technology Review (2025). “AI is weaving itself into the fabric of the internet.”
14. 프로스트 앤드 설리번 (2025). 《2025년 중국 AI 검색 산업 백서》.
15. Gerlich, M. (2025). “AI Tools in Society: Impacts on Cognitive Offloading.” Societies, 15(1).
16. Pressenza (2025). “The decline of the intelligence quotient in the digital age.”
17. IE Business School (2025). “AI’s cognitive implications: the decline of our thinking skills?”
18. Nguyen, L. et al. (2025). “Feeds, feelings, and focus.” Psychological Bulletin.
19. Jakob Nielsen / UXTigers (2026). “Intent by Discovery: Designing the AI User Experience.”
20. iPullRank (2025). “User Behavior in the Generative Era: From Clicks to Conversations.”
21. Superlines (2026). “AI Search Statistics 2026: 60+ Data Points.”
22. Orbit Media / QuestionPro (2026). “The AI-Search Adoption Survey.”
23. a16z (2025). “State of Consumer AI 2025.”
24. Menlo Ventures (2025). “2025: The State of Consumer AI.”
25. DataReportal (2025). “Digital 2026: more than 1 billion people use AI.”
26. Exposure Ninja (2026). “AI Search Statistics for 2026: CMO Cheatsheet.”
27. Pew Research Center (2026). “AI Chatbot Use Among U.S. Teens.”
28. Graphite (2026). “Total search usage combining search engines and LLMs.”
29. Backlinko/Semrush (2026). “Perplexity AI User and Revenue Statistics.”
30. DemandSage (2026). “Perplexity AI Statistics – Active Users & Revenue.”
31. ByteByteGo (2025). “How Perplexity Built an AI Google.”
32. MindStudio (2026). “Anthropic vs OpenAI vs Google: Three Different Bets on the Future of AI Agents.”
33. Sacra (2025). “Perplexity revenue, valuation & funding.”