여러 AI 엔진에 재사용 가능한 GEO 전략을 어떻게 학습시킬 수 있나요?

• 제목: From Experience to Skill: Multi-Agent Generative Engine Optimization via Reusable Strategy Learning
• 저자: Beining Wu, Fuyou Mao, Jiong Lin, Cheng Yang, Jiaxuan Lu, Yifu Guo, Siyu Zhang, Yifan Wu, Ying Huang, Fu Li
• 소속: Hangzhou Dianzi University, Central South University, Shanghai Artificial Intelligence Laboratory, Sun Yat-sen University, Ramus, Hong Kong University of Science and Technology(Guangzhou)
• 발표처: arXiv 프리프린트 — 논문 1페이지에서 정식 학회·저널 게재처가 확인되지 않음
• 연도: 2026(arXiv v1 공개 2026년 4월 21일)
• arXiv: arXiv:2604.19516
• DOI: 없음(arXiv 프리프린트)

배경 · 왜 중요한가

생성형 엔진(Generative Engines)은 순위형 링크 목록 대신 인용을 근거로 삼은 답변을 직접 제시하는 방식으로 정보 접근 경로를 바꾸고 있습니다. 이 변화 속에서 콘텐츠가 AI 답변에 얼마나, 어떻게 인용되는지를 관리하는 GEO(Generative Engine Optimization)가 새로운 최적화 영역으로 떠올랐습니다. 그런데 기존 GEO 방법 다수는 콘텐츠를 건별로 개별 최적화하는 인스턴스 단위 접근이라, 한 번 검증된 편집 노하우가 다음 콘텐츠나 다른 엔진으로 이어지지 못한다는 한계가 있었습니다.

멀티에이전트 구조는 이 한계를 다루는 방법으로 주목받습니다. 계획을 세우는 에이전트, 실제로 콘텐츠를 편집하는 에이전트, 편집 결과가 원문 사실에 충실한지 검증하는 에이전트로 역할을 나누면, 각 단계에서 검증된 판단을 다음 작업에도 쓸 수 있는 '전략'으로 축적할 길이 열립니다. MAGEO는 이 아이디어를 GEO에 적용해, GEO를 일회성 수정이 아니라 엔진별로 재사용 가능한 스킬을 학습하는 문제로 재정의합니다.

방법·데이터

MAGEO는 계획(planning)·편집(editing)·충실도 평가(fidelity-aware evaluation) 역할을 맡는 여러 에이전트가 실행 계층에서 협업해 콘텐츠를 최적화합니다. 이 과정에서 검증된 편집 패턴은 엔진별로 재사용 가능한 스킬로 점진적으로 축적되어, 다음 콘텐츠·다른 엔진에 다시 활용됩니다.

인과적 효과를 통제된 방식으로 측정하기 위해, 동일 질의에 대해 원본 응답(베이스라인)과 최적화된 문서를 적용한 응답을 나란히 비교하는 Twin Branch Evaluation Protocol을 도입했습니다. 평가 지표로는 의미적 가시성과 인용(귀속) 정확도를 하나로 통합한 이중축 지표 DSV-CF를 사용했고, 실제 질의를 바탕으로 다중 시나리오·다중 엔진 벤치마크 MSME-GEO-Bench를 새로 구축해 3개 주요 생성형 엔진에서 평가했습니다.

핵심 발견

• MAGEO는 가시성과 인용 충실도(citation fidelity) 두 측면 모두에서 휴리스틱 기반 베이스라인을 뚜렷하게 앞섭니다.
• 어블레이션(요소 제거) 실험 결과, 엔진별 선호를 따로 모델링하는 것과 전략을 재사용하는 것이 성능 향상의 핵심 요인으로 확인됐습니다.
• Twin Branch Evaluation Protocol을 통해 콘텐츠 편집의 효과를 검색 순위 변동 등 다른 요인과 분리해 인과적으로 검증했습니다.
• 기존 GEO 연구들이 인스턴스 단위로 매번 새로 최적화하는 것과 달리, 편집 경험을 누적·전이하는 학습 기반 접근이 신뢰할 수 있는 GEO의 확장 가능한 패러다임이 될 수 있음을 시사합니다.

AIBIX 시사점

MAGEO가 강조하는 "가시성뿐 아니라 인용의 정확성(귀속 충실도)까지 함께 측정해야 신뢰할 수 있는 GEO가 된다"는 관점은, AIBIX lab이 가시성과 별개로 추천 여부·인용 정확도를 독립된 측정 축으로 두는 설계 방향과 일치합니다. 브랜드가 AI 답변에 등장하는 것 자체보다, 그 등장이 사실에 부합하고 맥락상 정확하게 다뤄지는지가 더 중요하다는 문제의식을 공유합니다.

또한 이 논문이 어블레이션으로 확인한 "엔진별 선호가 서로 달라 엔진별로 따로 모델링해야 성능이 오른다"는 결과는, AIBIX lab이 ChatGPT·Gemini·Claude·Perplexity 4개 AI를 단일 지표로 뭉뚱그리지 않고 개별적으로 교차 측정한 뒤 종합하는 방법론의 근거로 활용할 수 있습니다. 하나의 엔진에서 가시성·추천·인용이 잘 확보됐다고 다른 엔진에서도 동일하게 보장된다는 뜻은 아니며, 이는 카테고리별 AI 브랜드 지수를 매월 발표하는 AIBIX 지수의 교차 측정 설계가 겨냥하는 지점과 맞닿아 있습니다.

원문 보기

arXiv 초록 페이지: arxiv.org/abs/2604.19516

← 리서치 허브로 돌아가기