Agentic RAG가 보편화되면 콘텐츠는 더 이상 “한 번 검색되어 인용될 페이지”가 아니라, 계획·라우팅·검색·재순위·비평 루프를 통과해야 하는 증거 단위가 된다. 이 글은 AI 검색과 GEO(Generative Engine Optimization)를 다루는 팀이 무엇을 바꿔야 하는지 정리한다.
단일 검색에서 루프로 바뀐다
전통적 RAG는 보통 쿼리 하나를 임베딩하고, top-k 청크를 가져온 뒤, LLM이 답변을 만든다. Agentic RAG는 다르다.
- 플래너가 사용자 질문을 여러 서브쿼리로 나눈다.
- 라우터가 벡터 검색, 웹 검색, 구조화 API, 코드 실행 같은 도구를 고른다.
- 각 도구가 증거를 가져온다.
- 재순위·비평 단계가 증거의 충돌, 신선도, 충분성을 평가한다.
- 부족하면 다시 검색하고, 충분하면 합성한다.
결과적으로 콘텐츠는 최종 인용 목록에 들기 전에 여러 중간 관문을 통과해야 한다. 최종 답변에 인용되지 않았다고 해서 처음부터 검색되지 않은 것도 아니고, 검색됐다고 해서 최종 인용까지 살아남는 것도 아니다.
콘텐츠 설계가 달라지는 지점
| 변화 | 실무 의미 |
|---|---|
| 다중 서브쿼리 | 한 개의 큰 필러 글보다 주제 주변의 촘촘한 하위 문서 네트워크가 중요하다 |
| 패시지 단위 경쟁 | 청크 하나만 떼어 읽어도 범위·조건·근거가 명확해야 한다 |
| 브리지 엔티티 | A와 B를 연결하는 관계 설명이 멀티홉 검색에서 인용 기회를 만든다 |
| 리플렉션 | 반례, 한계, 적용 제외 조건을 명시한 콘텐츠가 비평 단계를 통과하기 쉽다 |
| 도구 호출 | 계산기, API, MCP 서버, 구조화 데이터가 글보다 더 강한 검색 표면이 될 수 있다 |
| 신선도 | dateModified, 버전, “YYYY-MM 기준” 같은 시간 정보가 비평 단계의 신뢰 신호가 된다 |
측정 지표도 바뀐다
기존 citation count만 보면 Agentic RAG의 내부 손실을 볼 수 없다. 필요한 지표는 다음과 같다.
| 지표 | 질문 |
|---|---|
| 서브쿼리 커버리지 | 플래너가 만든 서브쿼리 중 우리 콘텐츠가 검색 후보에 들어가는 비율은 얼마인가 |
| 검색→인용 전환율 | 검색 후보에 들어간 콘텐츠가 최종 인용까지 살아남는 비율은 얼마인가 |
| 리플렉션 생존율 | 초안 증거 풀에 들어간 뒤 비평 단계에서 탈락하는 비율은 얼마인가 |
| 브리지 엔티티 중심성 | 우리 콘텐츠가 핵심 엔티티 사이의 연결 설명으로 쓰이는가 |
| 도구 호출 포함률 | 라우터가 우리 API·계산기·MCP 서버를 호출하는가 |
| 단계별 실패율 | 검색, 재순위, 합성, 비평 중 어디에서 가장 많이 탈락하는가 |
간단한 감사 절차
- 비즈니스 가치가 높은 질문 5개를 고른다.
- ChatGPT Deep Research, Gemini Deep Research, Perplexity Pro처럼 계획이 일부 보이는 표면에서 같은 질문을 실행한다.
- 표시되는 연구 계획과 서브쿼리를 기록한다.
- 각 서브쿼리를 독립 검색으로 실행해 우리 콘텐츠가 후보군에 드는지 확인한다.
- 최종 인용 여부와 비교해 검색 미스인지, 재순위·비평 탈락인지 분류한다.
더 기술적인 팀은 로컬 Agentic RAG 하네스를 만들어 플래너, 라우터, 검색, 재순위, 비평 단계를 모두 기록할 수 있다. 이 방식은 실제 Google AI Mode나 ChatGPT Search 내부를 그대로 보는 것은 아니지만, “어느 단계에서 탈락했는가”를 가설이 아니라 관찰 가능한 로그로 바꾸는 장점이 있다.
관련 문서
- rag — 외부 지식을 LLM에 실시간으로 주입하는 검색 증강 생성 기술
- agentic-rag-tips-beginner — Agentic RAG 입문 개념
- graph-rag — 관계 인식 검색으로 멀티홉 질문에 답하는 RAG 패러다임
- agent-friendly-websites — AI 에이전트가 읽고 조작하기 쉬운 웹 UX 설계
- geo-tips-llm-cloaking — LLM 클로킹과 Markdown for Agents 전략
참고 자료
- Beyond RAG: Why Every AI Search Platform Is Now Agentic and What That Means for Your Content — iPullRank (2026-05-20)