챗GPT 이후 웹페이지 35%에서 AI 저작 흔적 발견

무엇이 바뀌었나

Pew Research Center는 Common Crawl 웹 아카이브에서 2021년 1월부터 2026년 7월까지 수집된 영어 웹페이지 약 50만 개를 Pangram의 AI 탐지 기술로 분석했다. 그 결과 ChatGPT가 출시된 2022년 11월 이후 게시된 페이지 가운데 3분의 1 이상(35%)에서 AI가 작성했거나 상당 부분 편집한 흔적이 나타났다.

2026년 7월 시점에서 무작위로 추출한 1만 개 페이지 표본 전체를 기준으로 하면 AI 저작 흔적이 발견된 비율은 10%였다. 도메인별 편차도 뚜렷했다. .com 도메인은 약 10%로 .edu·.gov(각 약 1%)보다 약 10배 높았고, .org는 4.6%를 기록했다. 상업적 목적의 도메인일수록 AI 콘텐츠 비중이 높다는 뜻이다.

문체 변화도 함께 확인됐다. em dash 사용은 2023년 대비 약 2배, 옥스포드 콤마 사용은 63% 증가했고, 'delve', 'interplay', 'testament' 같은 단어와 'it's not X, it's Y' 형태의 대비 표현(negative parallelism)도 각각 2배, 3배가량 늘었다. 이런 표현들은 생성형 AI 모델이 자주 쓰는 문체적 특징으로 알려져 있다.

이번 발표는 Cloudflare가 자사 네트워크 트래픽에서 봇 트래픽이 인간 트래픽을 넘어섰다고 밝힌 직후 나왔다. 미국 성인의 약 절반이 AI 챗봇을 사용해본 적이 있고, 24%는 매일 사용한다는 조사 결과도 함께 제시됐다.

빅시프트 분석

이번 조사는 웹 콘텐츠를 다루는 실무 부서에 몇 가지 구체적인 신호를 준다. 우선 콘텐츠 마케팅·SEO 담당자는 검색 결과에 노출되는 페이지 상당수가 AI로 생성됐을 가능성을 전제로 경쟁 콘텐츠 분석과 차별화 전략을 다시 짜야 한다. .com 도메인의 AI 콘텐츠 비율이 특히 높다는 점은 상업용 웹사이트, 특히 이커머스·블로그형 콘텐츠 운영팀에 직접 해당하는 사안이다.

미디어·출판사의 편집 부서는 외부 기고나 프리랜서 원고 검수 과정에서 AI 탐지 도구 도입을 검토할 필요가 커졌다. em dash, 옥스포드 콤마, 특정 어휘 빈도 같은 문체 지표가 AI 저작 여부를 가늠하는 참고 신호로 실무에 활용될 수 있다는 점도 눈여겨볼 대목이다. 다만 이런 지표만으로 AI 작성 여부를 단정하기는 어렵고, 인간 저자도 유사한 문체를 쓸 수 있다는 한계는 있다.

기업 법무·컴플라이언스 부서 입장에서는 웹사이트에 게시되는 AI 생성 콘텐츠의 사실관계 검증 책임이 누구에게 있는지, 저작권·표시 의무를 어떻게 처리할지에 대한 내부 가이드라인 정비가 필요해졌다. .edu·.gov 도메인의 AI 콘텐츠 비율이 낮다는 결과는 공공기관·교육기관이 상대적으로 엄격한 콘텐츠 검토 절차를 유지하고 있음을 시사하며, 이는 향후 정책 수립 시 참고할 수 있는 벤치마크가 될 수 있다.

개발자·데이터 엔지니어링 관점에서는 웹 크롤링 기반 데이터셋을 학습에 활용하는 AI 기업들이 AI 생성 콘텐츠의 비중 증가로 인한 데이터 품질 저하, 이른바 '모델 붕괴(model collapse)' 위험을 얼마나 관리하고 있는지가 계속 주목받을 이슈다. 검색엔진과 AI 검색 서비스를 운영하는 조직도 결과 신뢰도를 유지하기 위해 소스 품질 평가 기준을 재점검할 시점이다.