넥스트티가 공개한 관측 자료에 따르면, 한 사이트에 한 달간 들어온 AI 요청의 약 93%는 장기 수집(crawl)이었습니다. 답변 시점에 페이지를 불러오는 실시간 인용 요청(fetch)은 8,583건이었습니다. 금융·법률·의료 업종 담당자도 AI 요청을 수집과 인용으로 나눠 읽어야 한다는 점을 보여 주는 사례입니다.
관측 자료의 범위와 핵심 수치
이 자료는 next-t.co.kr 자사 사이트의 서버 로그를 집계한 기록입니다. 집계 기간은 2026년 7월 1일부터 7월 31일까지이며, 측정 범위는 부분 관측입니다. 봇은 User-Agent(요청에 적힌 봇 이름 문자열)로 먼저 분류했습니다. 이어서 ASN(요청이 들어온 네트워크 사업자 번호)과 rDNS(IP 주소로 도메인을 거꾸로 확인하는 방법)로 교차 점검했습니다. 원문은 한 달 동안 AI 요청을 수집과 인용으로 나눈 관측 원문에서 확인할 수 있습니다.
아래 수치는 금융·법률·의료 사이트를 측정한 결과가 아닙니다. 업종 사이트의 기준값이 아니라, 로그 해석 방법을 설명하는 사례로 읽어야 합니다.
| 항목 | 관측값 | 해석 시 유의점 |
|---|---|---|
| 실시간 인용 요청 합계 | 8,583건(글로벌 엔진 100%) | 이 사이트, 이 기간 기준 |
| 국내 엔진 실시간 인용 요청 | 0건(0%) | 원인은 이번 측정만으로 특정하기 어려움 |
| ChatGPT 실시간 인용 요청 | 7,619건(89%, 고유 924페이지) | 사이트 내 비중이며 시장 점유율이 아님 |
| Claude 실시간 인용 요청 | 772건(9%, 고유 223페이지) | 사이트 내 비중이며 시장 점유율이 아님 |
| AI 요청 중 장기 수집 비중 | 약 93%(실시간 인용 7%) | 요청 목적별로 나눠 본 값 |
| 장기 수집 대 실시간 인용 | 약 14.3배 | 전체 봇 요청만 보면 인용 흐름이 가려짐 |
| 일별 인용 최다·최소 | 07-06 453건 · 07-18 102건 | 급증·급감의 원인은 단정하지 않음 |
| 데이터센터 ASN 유입 비중 | 89.3%(7,666/8,583건) | 교차 점검 결과로 별도 표기 |
| rDNS 정방향 확인 | 174건 | 확인 가능한 범위가 제한적임 |
엔진별 비중은 이 사이트의 실시간 인용 요청 안에서 나눈 값이며 시장 점유율이 아닙니다. 봇 분류는 User-Agent 기준이므로 엔진사 정책이 바뀌면 같은 요청이 재분류될 수 있습니다.
장기 수집과 실시간 인용을 나눠 보는 이유
장기 수집은 AI 서비스가 페이지를 미리 모아 가는 요청으로 볼 수 있습니다. 실시간 인용 요청은 사용자가 질문한 시점에 답변 근거로 페이지를 불러오는 요청으로 볼 수 있습니다. 이번 관측에서 장기 수집은 실시간 인용 요청의 약 14.3배였습니다. AI 봇 요청을 한 덩어리로 세면 대부분이 수집 요청으로 채워집니다. 그러면 답변에 쓰일 가능성이 있는 페이지가 어디인지 드러나지 않습니다.
엔진별 건수와 함께 고유 페이지 수를 보는 것도 의미가 있습니다. ChatGPT 실시간 인용 요청은 7,619건, 고유 924페이지였습니다. Claude 실시간 인용 요청은 772건, 고유 223페이지였습니다. 건수만 보면 엔진별 요청량 비교에 그칩니다. 고유 페이지 수를 함께 보면 요청이 일부 페이지에 몰리는지, 여러 페이지로 퍼지는지 가늠할 수 있습니다.
일별 편차도 있었습니다. 실시간 인용 요청이 가장 많은 날은 07-06의 453건, 가장 적은 날은 07-18의 102건이었습니다. 이 차이의 원인은 관측만으로 단정할 수 없습니다. 자사 로그에서도 그날의 콘텐츠 변경이나 외부 일정을 대조해 가설로 남기는 편이 안전합니다.
업종별로 다르게 읽을 지점
금융
금리, 수수료, 상품 조건처럼 자주 바뀌는 정보가 많은 업종입니다. 실시간 인용 요청이 들어오는 페이지 목록을 뽑으면 답변에 쓰일 가능성이 있는 페이지를 추릴 수 있습니다. 이 페이지들의 기준일 표기와 최신 내용 반영 여부를 우선 점검 대상으로 삼을 수 있습니다. 장기 수집 비중이 높다면 과거 조건이 담긴 페이지가 이미 수집되었을 가능성도 고려해야 합니다.
법률
법령 해설이나 절차 안내 페이지는 개정이 있으면 내용이 바로 달라집니다. 개정 전 설명이 남은 페이지가 수집되면 오래된 설명이 답변에 쓰일 여지가 생깁니다. 페이지마다 적용 기준 시점을 적는 것이 해석과 관리 모두에 유리합니다. 개정 시에는 새 주소를 만들기보다 같은 주소에서 내용을 갱신하는 방식을 검토할 수 있습니다.
의료
질환, 시술, 진료 안내 페이지는 업종의 표현 기준을 따라야 합니다. AI 답변은 문단 일부만 떼어 쓸 수 있습니다. 인용 요청이 반복되는 페이지는 조건과 한계가 같은 문단 안에서 읽히는지 확인할 필요가 있습니다. 이 확인은 업종 표현 검토와 함께 진행하는 것이 효율적입니다.
이번 관측에서 국내 엔진 실시간 인용이 0건이었다는 점은 세 업종 담당자 모두 신중하게 읽어야 합니다. 이는 넥스트티 사이트 한 곳, 7월 한 달의 결과입니다. 국내 서비스가 다른 경로로 정보를 가져오는지, 현재 분류 기준에 잡히지 않은 것인지는 이번 측정만으로 특정하기 어렵습니다. 국내 서비스의 노출 여부는 실제 답변 화면을 따로 확인해 보완하는 것이 적절합니다.
봇 신원 확인과 데이터 신뢰도
이번 관측에서 실시간 인용 요청 중 데이터센터 ASN에서 들어온 비중은 89.3%(7,666/8,583건)였습니다. rDNS 정방향 확인은 174건이었습니다. User-Agent는 요청에 적힌 문자열이므로 이것만으로 요청 주체를 확정하기는 어렵습니다. 보안 점검 기준이 엄격한 기관이라면 마케팅 부서의 AI 봇 수치를 보안 부서의 접속 분류 기준과 맞춰 볼 수 있습니다. 이 절차를 두면 보고 수치의 신뢰도를 높일 수 있습니다.
자사 로그로 점검할 항목
- 집계 기간과 대상 사이트 범위를 정하고, 보고서마다 같은 기준을 표기합니다.
- AI 봇 요청을 장기 수집과 실시간 인용 요청으로 나눠 따로 집계합니다.
- 엔진별로 건수와 고유 페이지 수를 함께 기록합니다.
- 실시간 인용 요청이 많은 페이지를 콘텐츠 관리 대장과 대조합니다. 기준일, 최종 수정일, 업종 표현 검토 여부를 확인합니다.
- User-Agent 분류 결과와 ASN·rDNS 교차 점검 결과를 구분해 표기합니다.
- 요청이 급증하거나 급감한 날은 원인을 단정하지 않고, 관측 사실과 당일 변경 사항만 적습니다.
- 엔진사의 봇 정책이 바뀌면 이전 기간 수치가 재분류될 수 있다는 점을 보고서에 적습니다.
- 국내 서비스 노출은 로그와 별도로 실제 답변 화면에서 확인합니다.
정리
7월 관측에서 AI 요청의 약 93%는 장기 수집이었습니다. 실시간 인용 요청 8,583건은 모두 글로벌 엔진에서 나왔습니다. 한 사이트의 부분 관측이므로 금융·법률·의료 사이트에 그대로 대입할 수는 없습니다. 다만 요청을 목적별로 나누고 인용 요청이 들어오는 페이지를 따로 관리하는 해석 방법은 업종과 관계없이 적용할 수 있습니다. 정확성과 최신성이 중요한 업종일수록 인용 요청이 몰리는 페이지의 기준일과 표현부터 점검하는 것이 현실적인 순서입니다.