한 블로거가 겪은 사소하지만 상징적인 경험이 화제다. 그는 2010년대 중반 NBA 팬 커뮤니티에서 유행하던 농담을 다시 찾아보려 했다. 필라델피아 세븐티식서스가 2014년 드래프트로 지명한 다리오 사리치는 당시 터키에서 뛰고 있었고, 남은 계약을 마치겠다며 미국행을 미뤘다. 그러자 팬들 사이에서 "쟤는 안 온다(he's never coming over)"라는 표현이 일종의 내부 농담처럼 굳어졌다. 글쓴이는 그 시절의 트윗이나 레딧 게시물을 찾으려고 구글에 "hes never coming over dario"라고 검색했다.
그가 기대한 결과는 단순했다. 옛 게시물 링크가 나오거나, 문구를 잘못 기억했다면 아무것도 안 나오거나 둘 중 하나였을 것이다. 그러나 2026년의 구글이 내놓은 것은 AI 오버뷰였다. 검색엔진은 그가 '다리오'라는 남성에게 버림받아 상심한 상태라고 판단하고, 공감해 주는 디지털 친구처럼 위로의 말을 건넸다. 정작 필요했던 링크는 AI 요약 아래로 수백 픽셀을 내려야 나왔다. 글쓴이는 이 순간을 "끓는 냄비 속 개구리가 뒤늦게 온도를 알아챈 순간"에 비유했다.
검색과 대화는 같은 제품이 아니다
이 일화가 IT 실무자에게 흥미로운 이유는 단순한 헤프닝이 아니라 제품 설계 철학의 충돌을 드러내기 때문이다. 구글의 오랜 사명은 "세계의 정보를 조직화해 누구나 유용하게 접근하도록 한다"는 것이었다. 사용자의 의도가 정보 탐색일 때, 검색엔진의 역할은 관련성 높은 문서를 찾아 순위 매겨 보여주는 것이다. 반면 감정을 읽고 위로를 건네는 것은 챗봇 인터페이스, 즉 별도의 대화형 제품이 맡을 일이다. 글쓴이도 제미나이 같은 챗 앱을 열었다면 그 답변을 어느 정도 수긍했을 것이라고 말한다. 문제는 같은 검색창에서 두 성격이 뒤섞였다는 점이다.
표면적 원인은 명확하다. 대형언어모델은 짧고 감정적으로 읽히는 문장을 통계적으로 그럴듯한 맥락에 끼워 맞춘다. "그는 절대 오지 않을 거야"라는 문구는 실제로 이별이나 관계 단절의 언어와 통계적으로 가깝다. 모델은 이 표현이 농구 밈이라는 극히 좁은 맥락을 알 수 없었고, 가장 흔한 해석인 '실연'을 골라 공감 모드로 응답한 것이다. 고유명사 '다리오'가 인명으로 처리되면서 오판은 더 굳어졌다.
실무자가 읽어야 할 신호
이 사례는 검색·추천 시스템을 만드는 이들에게 몇 가지 시사점을 준다. 첫째, 질의 의도 분류를 잘못하면 아무리 좋은 생성 모델도 사용자에게 해가 된다. 여기서 진짜 결함은 문장 생성 품질이 아니라, 정보 탐색형 질의를 감정 지원형으로 오분류한 라우팅 단계에 있다. 둘째, 원하는 결과가 AI 요약 아래에 실제로 존재했다는 점이 중요하다. 전통적 검색 기능 자체는 멀쩡히 작동했고, 그 위에 얹힌 AI 레이어가 오히려 사용자의 목적 달성을 방해했다. 기능을 더한 것이 순 가치를 떨어뜨린 전형적 사례다.
다만 이 이야기는 한 개인의 일화라는 한계를 분명히 안고 있다. AI 오버뷰의 응답은 개인화, 지역, 시점에 따라 달라지므로 같은 질의가 모두에게 동일하게 재현된다고 보기 어렵다. 또한 AI 요약이 유용했던 순간이 많다는 점은 글쓴이 자신도 인정한다. 이 사례를 'AI 검색은 실패했다'는 일반화로 확장하는 것은 과장이다. 핵심은 AI가 나쁘다는 것이 아니라, 사용자가 명시적으로 선택하지 않은 대화적 개입이 기본값으로 끼어들 때 생기는 마찰이다.
결국 남는 질문은 제품 경계의 문제다. 우리는 컴퓨터와 항상 준사회적 대화를 나눠야 하는가, 아니면 어떤 도구는 그저 조용히 결과만 돌려줘도 충분한가. LLM 이전에도 잘 작동하던 검색의 어떤 부분은 손대지 않는 편이 나았을지 모른다. 감정 인식 기능을 어디에 배치하고 언제 발동시킬지, 사용자에게 모드 선택권을 줄지에 대한 설계 판단이 앞으로 검색 제품의 신뢰를 가를 것이다.