[해시드와 AI 창업자③] GPTO가 ‘AI판 옥외광고’ 만드는 법

어크로스는 지난해 8월 창업해 프라이머와 해시드의 기술 심사를 거쳐 초기 투자를 유치했다. 투자 유치 배경으로는 바이브코딩을 기반으로 한 빠른 개발 속도가 꼽힌다.

현재 200개 이상의 고객사를 확보하고 있으며 손익분기점을 맞춘 상태다. 매달 매출이 2배씩 성장하고 있어 수익성 또한 빠르게 개선되고 있다. 또한 아마존웹서비스(AWS), 대홍기획 등 국내외 기업들과 파트너십을 확대하고 있다.

이재홍 대표는 이번 나이트로 바이 해시드 프로그램을 해시드와 공동으로 기획하며 협업을 이어가고 있다. 이 대표를 만나 창업 계기와 향후 목표를 들어봤다.

GPTO가 특정 브랜드를 AI에서 더 잘 언급되게 하는 방법은

AI가 무언가를 언급할 때는 반드시 근거가 있어야 한다. 근거를 어디서 가져오는지 살펴봤더니, 인터넷에 있는 데이터로 학습하고 최신 정보는 실시간 검색을 통해 답을 만들고 있었다. 데이터가 없으면 답하고 싶어도 할 수 없는 구조다. 반대로 AI가 이해할 수 없는 형태로 돼 있으면 없는 것과 마찬가지로 취급되는 경우가 많았고, 이런 사례가 생각보다 훨씬 많았다.

가령 “강남역 근처에 스케일링이 아프지 않은 치과를 추천해 달라”는 질문을 하면 수십 개를 나열하는 것이 아니라 몇 개만 골라서 답한다. AI가 근거를 잘 가져갈 수 있도록 명확한 데이터를 인터넷에 충분히 깔아 두는 것이 핵심이다. AI가 그 브랜드를 언급하고 추천할 것이라는 가설을 세웠고, 실제로 실험을 해봤는데 효과가 있었다.

원리는 단순했다. 바이라인네트워크가 좋은 기사를 쓰는 미디어라는 콘텐츠를 100개 만들고, 인플루언서 100명이 유튜브와 블로그에 이를 동시에 올리면 AI가 이를 종합적으로 학습하고 답변에 반영하게 된다. 과거 검색엔진최적화(SEO) 시장 초기에, 투명한 글씨로 키워드를 도배해 두면 구글 검색에 브랜드명이 걸리던 것과 같은 맥락이다. 현재의 AI 최적화 시장도 이와 상당히 닮아 있다.

AI는 인터넷에서 데이터를 수집할 수 있는 거의 모든 경로를 활용한다. 유튜브, 스레드, 인스타그램, 블로그, 뉴스 등 다양한 채널의 정보를 폭넓게 반영한다. 어크로스는 AI가 이러한 환경에서 인식하고 활용할 수 있는 콘텐츠 생산까지 전부 수행한다. 중요한 것은 정보의 품질이 높아야 AI의 선택을 받을 수 있다는 점이다.

물론 아무것도 안 하고 이 모든 게 마법처럼 되지는 않는다. 고객사한테는 뾰족한 근거를 취합하는 과정을 거친다. 데이터를 우선 취합하고, 이미 인터넷에 근거가 많이 쌓여 있는 경우에는 AI에게 물어보면 그 근거들을 AI가 그대로 뽑아줄 수 있는 구조다.

경쟁사도 유사한 방식으로 접근하는 것은 가능하다. 다만 100% 자동화냐 아니냐의 차이가 핵심이다. AI는 모든 과정을 자동화된 시스템처럼 처리하며, 판단과 결정, 배포까지 일관된 흐름으로 수행한다. 즉 중간에 사람이 개입해 수동으로 조정하는 구조가 아니라, AI가 스스로 정보를 해석하고 확산시키는 것이다.

인공지능 검색 최적화에 주목하게 된 계기는 

처음에는 방법론만 있었다. 가설을 세우고 이를 검증하는 방식이었고, 6개월 동안 AI를 대상으로 ‘트라이 앤 에러(시행착오)’를 반복했다. 이 방식도 해보고 저 방식도 해보면서, 실제로 될 때까지 실험을 이어가며 특정 접근이 유효하다는 것을 발견한 과정이었다. 지속적으로 AI에게 질문을 던지며 결과를 확인했고, 특정 방식으로 만든 콘텐츠가 AI 답변에 반영되는지 여부를 검증했다.

GPTO 랜딩 페이지(특정한 마케팅 목적을 수행하기 위해 존재하는 단일 페이지)를 열었을 때 껍데기만 있는 수준이었다. 그럼에도 문의가 폭주했고, 계약을 하고 싶다는 요청이 몰리면서 급하게 관리자 페이지와 결제, 계약 과정을 구축했다.

초기에는 블로그 섭외부터 콘텐츠 업로드까지 모든 작업을 수작업으로 진행했다. 1인 창업 상태에서 고객사가 5곳을 넘어가기 시작하자 원활한 운영이 어려워졌다. 그 시점부터 고객 증가에 맞춰 효율화 기능을 하나씩 만들어 나갔고, 부분 자동화가 점진적으로 쌓이면서 현재의 구조로 발전했다. 처음부터 100% 자동화를 목표로 설계한 것은 아니었고, 운영을 이어가는 과정에서 자연스럽게 고도화된 형태다.

고객 입장에서 성과는 어떻게 책정되나

목표 질문 단위로 계약을 한다. 특정 브랜드가 AI 답변에서 충분히 언급되지 않는 질문들을 기준으로 성과를 정의한다. 가령 ‘한국에서 읽을 가치가 있는 IT 전문 언론사는 어디야’라는 질문을 목표로 잡으면, 바이라인네트워크가 AI 답변에 포함되도록 만드는 방식이다. 매출이나 외부 계약으로 연결될 수 있는 질문을 중심으로 설계한다.

모든 AI에서 전혀 언급이 없던 경우도 있고, 챗GPT에서는 나오지만 클로드나 제미나이에서는 나오지 않는 경우도 있다. 특정 AI에서 해당 브랜드가 언급되도록 만드는 것 또한 성과다.

최소 목표 질문 단위는 5개다. 이를 기준으로 하는 이유는 성과가 언제 나올지 보장할 수 없기 때문이다. 즉, 결과를 통제할 수 없다. AI 모델의 업데이트 주기도 각자 다르고, 질문마다 반응이 나타나는 시점도 차이가 크다. 어떤 경우는 2주 만에 성과가 나타나기도 하고, 3개월 동안 변화가 없다가 뒤늦게 반영되기도 한다. 통상 고객사는 한 달 단위로 성과가 나타나는지를 기준으로 확인하고 있다.

AEO·GEO는 기존 SEO와 무엇이 다른가

구글이나 네이버를 보면 검색 결과 상단에 광고 영역이 있고, 그 아래에 검색 결과가 블로그나 기사 형태로 쭉 정리된다. SEO는 검색 결과의 첫 페이지, 상위 노출 영역에 들어가기 위해 콘텐츠를 최적화하는 방식이다.

하지만 AI 시대가 되면서 SEO의 영향력은 점점 약해지고 있다. 검색엔진 자체가 AI 기반으로 전환되고 있고, 상단에는 ‘AI 브리핑’처럼 요약된 답변이 먼저 노출된다. 사용자는 그 답변만 보고 검색을 종료하는 경우도 많다. 구글 역시 사용자가 추가 검색을 하지 않아도 될 수준의 답변을 제공하려는 방향으로 진화하고 있다. 그 결과 뉴스 기사나 기업 홈페이지의 직접적인 조회 수는 감소하고 있다.

이 변화 속에서 브랜드 마케팅의 기준도 달라지고 있다. 과거에는 웹사이트가 검색 결과 상단에 노출되는 것이 핵심이었다면, 지금은 AI가 해당 브랜드를 얼마나 언급하고 추천하느냐가 중요한 기준이 되고 있다.

현재는 AI가 추천한 결과를 사람이 한 번 더 검색하거나 후기 등을 확인하면서 선택하는 구조다. 하지만 이 과정도 점차 줄어들고 있으며, AI가 제시한 결과를 그대로 신뢰하는 방향으로 이동하고 있다. 시간이 지날수록 AI가 선택을 주도하는 구조로 바뀔 가능성이 크다고 생각한다.

타겟화한 고객사 특징은

이용료가 저렴한 편은 아니기 때문에 매출 규모가 작은 곳은 대상이 되기 어렵다. 병원 등 주로 옥외광고에 비용을 투입할 수 있을 정도의 규모를 지닌 곳들이 주 고객사다. 옥외광고는 성과 측정이 어렵다는 문제가 있다. 실제로 얼마나 많은 사람이 광고를 봤는지, 해당 광고를 보고 유입이 실제로 발생했는지는 확인하기 어렵다.

GPTO는 AI를 위한 옥외광고를 구현하는 엔진이다. AI가 인식할 수 있도록 인터넷 전반에 일종의 광고판을 설치하는 구조다. 창업 초기에는 사람들이 흥미를 가질 것 같다는 정도의 감각은 있었지만, 실제로 누가 비용을 지불하고 사용할지는 명확하지 않았다. GPTO를 론칭할 때만 해도 AEO·GEO라는 용어 자체가 존재하지 않았고, 해외에서도 개념이 막 등장하려던 시기였다.

바이브코딩에 관심을 갖게 된 계기는

창업을 결심한 시점은 3년 전이다. 개발자가 아니었기 때문에 최고기술책임자(CTO)를 찾는 것부터 시작했다. 개발자 공동창업자를 찾기 위해 약 1년 동안 전 세계를 다니며 해커톤에 참여하고 팀을 꾸려 개발을 해보기도 했다. 여러 번 개발자들에게 합류를 제안했지만, 창업에 대한 절실함과 구성원들의 상황이 맞지 않으면서 팀을 유지하기 어려웠다. 개발자가 이탈하면 팀이 흔들리는 문제도 반복적으로 겪었다.

이후에는 직접 개발을 배우기로 방향을 바꿨다. 하루에 10시간씩 코딩 강의를 보며 개발 공부에 집중했다. 애플리케이션(앱)을 만들어 론칭하는 시점에 ‘커서(AI 기반 코드 에디터)’가 등장했다. 이 시기는 바이브코딩 개념이 본격적으로 확산되기 시작한 초기 단계였다.

당시에는 코딩 문법을 어느 정도 이해할 수 있는 수준이었는데, 커서와 같은 도구가 나오면서 흐름이 완전히 달라졌다. 손으로 하는 코딩을 깊게 경험한 상태는 아니었기 때문에 새로운 방식에 대한 전환이 더 빠르게 이뤄졌다. 별다른 고민 없이 바이브코딩 방식으로 전환했다.

향후 계획은 무엇인가

기술 수출은 일본, 동남아, 중동 시장을 중심으로 논의하고 있다. 특히 일본은 거의 구체적인 협의 단계에 있으며, 현지 시장에서도 AEO·GEO 최적화 수요가 충분하다고 판단하고 있다. 언어만 현지화하면 바로 적용 가능한 구조이기 때문에 사업 확장 속도도 빠를 것으로 보고 있다.

또한 현재 프리시드 투자 유치를 준비 중이며, 해당 라운드에는 일본계 VC도 참여 논의에 포함돼 있다.

중장기적으로는 AEO·GEO 분야의 대표 기업으로 자리 잡는 것이 목표다. AI 답변에 브랜드가 언급되는 것이 중요한 니즈가 되는 시장에서, 해당 영역의 기본 선택지로 자리하는 것을 지향하고 있다. 국내 시장에서는 점유율을 압도적으로 확대해 약 80% 수준까지 확보하는 것을 목표로 하고 있다.

글. 바이라인네트워크
<이수민 기자>Lsm@byline.network