검색 엔진의 쇠퇴는 기회다

한 줄 요약

구글, 빙, 덕덕고 등 기존 검색 엔진들의 품질이 꾸준히 나빠지고 있지만, 이 문제를 새로운 검색 엔진으로 해결하는 게 아니라 초기 인터넷의 하이퍼링크 문화로 돌아가는 것이 진짜 해결책이라는 주장이다.

원문 분석

저자: 루이스 캠벨 (Lewis Campbell)

루이스 캠벨은 개인 블로그 lewiscampbell.tech에서 소프트웨어 공학, 프로그래밍 언어, 보안 등 다양한 기술을 다루는 블로거다. 이 글은 2026년 6월 9일 작성되었다.

검색 엔진의 쇠퇴, 부정하기 어렵다

저자는 구글은 이미 몇 년 전부터 쓸모없어졌고, 덕덕고와 빙도 점점 나빠지고 있다고 말한다. 오히려 얀덱스(러시아 검색 엔진)가 상대적으로 더 나은 모습을 보이고 있지만, 과거의 최고 수준과는 여전히 거리가 있다. 유튜브는 아예 검색 자체를 피할 정도로 상태가 나쁘다고 한다. 유튜브 검색 결과를 보면 모두 같은 얼굴, 같은 제목 카드, 같은 \"관심을 끌기 위한 영상 제작 가이드\"를 따르는 듯한 콘텐츠가 가득하다고 한다.

이 현상을 엔시티피케이션(enshittification, 플랫폼의 점진적 품질 저하)이라고 부르는데, 검색 엔진은 사용자를 플랫폼 안에 오래 머물게 하려고 검색 결과의 품질을 의도적으로 낮춘다는 비판이다.

LLM으로 검색을 대체할 수 있을까?

저자는 LLM(대규모 언어 모델)이 대신 검색해줄 수는 있지만, 그 자체로 해결책이 될 수 없다고 말한다. 그 이유는 다음과 같다.

결정론적이지 않음: 같은 질문을 해도 매번 다른 요약이 나온다. 예를 들어 \"연결 리스트(linked list)란 무엇인가\"라고 물었을 때, 한 번에는 A 출처를 인용하고 다른 번에는 B 출처를 인용하는 식으로 결과가 달라진다.

원본이 이미 쓰레기일 가능성: LLM이 요약하는 원본 검색 결과가 이미 AI 생성 콘텐츠나 SEO(검색 엔진 최적화) 쓰레기라면, LLM의 요약도 결국 쓰레기를 가공한 것에 불과하다. 저자는 이것을 마우병(광우병)의 정신적 버전이라고 표현했다. 쓰레기를 먹인 소가 병든 고기를 생산하듯, 쓰레기 검색 결과를 먹인 LLM은 쓰레기 요약을 만든다는 뜻이다.

진짜 해결책: 하이퍼링크

저자가 제안하는 해결책은 간단하다. 초기 인터넷의 하이퍼링크 문화로 돌아가자는 것이다.

저자가 인터넷을 처음 접했을 때, 재미있는 사이트를 찾는 방법은 다른 사이트들의 \"링크 페이지\"를 클릭하는 것이었다. 당시 거의 모든 블로그나 개인 사이트에는 \"내가 좋아하는 사이트 목록\"이라는 페이지가 있었다. 때로는 관련 없는 링크도 있었고, 때로는 더 이상 존재하지 않는 죽은 링크도 있었지만, 정말 잘 맞는 링크를 찾으면 평생 기억에 남는 사이트를 발견하기도 했다.

저자는 이렇게 말한다. \"우리는 중앙 집중화된 웹을 постоянно 비판하지만, 우리 스스로가 웹 마스터가 아닌가? 우리가 좋아하는 웹사이트에 단순히 링크를 걸면 되는 것 아닌가?\"

이 주장은 검색 엔진이라는 거대한 중개자를 거치지 않고, 사람이 직접 신뢰할 수 있는 사이트에 링크를 걸어 네트워크를 만드는 것으로 돌아가자는 것이다.

저자 자신의 링크 페이지: https://lewiscampbell.tech/links

저자는 이것이 \"웹 링(web ring, 상호 링크 약속)\"이 아니라고 강조한다. 상대방이 나를 링크해주길 기다리는 것도 아니고, 내가 링크하면 상대방도 링크해줄 거라고 기대하는 것도 아니다. 그냥 내가 좋아하는 사이트에 링크를 걸고, 다른 사람도 각자 좋아하는 사이트에 링크를 걸면 자연스럽게 신뢰할 수 있는 사이트 네트워크가 생긴다는 아이디어다.

커뮤니티 반응 (Lobsters)

Lobsters에서 93개의 댓글이 달렸다. 주요 의견을 정리하면 다음과 같다.

구글 AI 개요 패널의 문제점

사용자 tmcb는 구글의 AI 개요 패널(side panel)에 실제로 꽤 좋은 링크들이 포함되어 있다는 점을 지적했다. \"연결 리스트란 무엇인가\"라고 검색했을 때, AI 패널 상단에는 Reddit 스레드, 그 다음에는 위키피디아 글이 나왔다. 하지만 일반 검색 결과 1위는 GeeksForGeeks(검색 엔진 최적화가 강하게 된 기술 사이트)였고, 위키피디아는 2위였다.

그는 이것이 엔시티피케이션의 대표 사례라고 말한다. 구글은 좋은 링크를 AI 패널 안에 숨겨두고, 거기를 클릭하면 지표상으로는 \"행복한 콘텐츠 소비자\"가 된다. 실제 검색 결과가 형편없기 때문에 사용자는 AI 패널 링크를 클릭할 수밖에 없고, 그렇게 구글은 사용자를 플랫폼 안에 붙잡아둔다는 것이다.

Kagi 검색 엔진 추천

여러 사용자가 Kagi(유료 검색 엔진)를 추천했다. Kagi의 특징은 다음과 같다.

자체 순위 매기기: Kagi는 다른 대형 검색 엔진의 크롤링 데이터나 색인을 사용하지만, 검색 결과의 순위는 자체적으로 매긴다. 즉, 구글이나 빙이 정한 순위에 종속되지 않는다.

사용자 커스터마이징: 검색 결과에서 특정 사이트를 올리거나 내리거나 완전히 차단할 수 있다. URL 리라이팅(리다이렉트) 기능도 있다.

투명한 소통: 변경 사항 기록, 피드백 트래커, 상태 페이지를 모두 공개한다.

가격: 연 54달러(Starter)부터. 한 달에 평균 1,432번 검색하는 사용자에게도 충분히 가치 있다는 평가다.

하지만 Kagi의 데이터 소스에 대한 논란도 있다. Kagi는 구글, 빙, 얀덱스 3개 제공자의 데이터를 사용하는데, 얀덱스가 러시아 정부와 연관되어 있어 윤리적 문제가 있다는 지적이 있다. 이에 대해 일부 사용자는 Kagi가 서드파티 API 제공자를 통해 SERP 스타일 결과를 얻는 것이며, 구글/빙의 직접 라이선싱은 불가능한 상황이라고 설명한다.

대체 검색 엔진들

Marginalia Search(https://marginalia-search.com/): SEO 최적화 사이트를 의도적으로 제외하는 검색 엔진. 사람이 쓴 진짜 콘텐츠를 우선시한다. 여러 사용자가 훌륭하다고 평가했다.

DuckDuckGo: 사이트 차단을 지원하지만 개별 순위 조정은 불가능하다. 또한 광고 수익/클릭 수를 관련성보다 우선시한다는 비판이 있다. 예를 들어 틈새 분야의 정확한 용어 대신 인기 있는 잘못된 철자를 먼저 보여주는 경우가 있다.

SearXNG: 오픈소스 메타 검색 엔진. 직접 호스팅하거나 인스턴스를 사용하면서 구글에서 데이터를 가져오되 수익을 구글로 보내지 않는다.

Startpage: 괜찮은 성능. TOR를 통한 익명 검색을 지원한다.

\"올바른 도구\" 전략

사용자 technomancy는 \"연결 리스트\"를 검색할 때 굳이 구글을 쓸 필요가 있냐고 물었다. 이미 위키피디아 페이지에 내가 원하는 정보가 있을 것임을 알면 @w linked list(위키피디아 바로가기)로 바로 검색하면 된다는 것이다.

이 전략의 철학은 한 회사가 전체 웹을 효과적으로 색인할 수 있다는 생각 자체를 버리는 것이다. 색인은 웹 전체가 아니며, 어떤 추상화를 하더라도 현실의 일부를 단순화해야 한다는 점을 받아들이라는 것이다. Arch Wiki, MDN, Stack Overflow, IMDB 등 각 도메인별 전문 검색을 브라우저 바로가기나 \"뱅(bangs)\" 기능으로 설정하면 된다.

링크 페이지 부활 vs 웹 디렉터리

사용자 calvin은 2000년대 초의 사람이 큐레이션하는 디렉터리가 해결책이 될 수 있는지 궁금해했다. Marginalia는 어느 정도 비슷하지만 디렉터리 기능은 보이지 않는다고 했다.

사용자 LAC-Tech(원문 저자 자신)는 링크 페이지를 만드는 도구를 직접 만들었다(https://linklists.net). 협업형 웹 디렉터리 도구로, 아직 알파 단계지만 \"도구이면서 동시에 예술 프로젝트\"라고 설명한다.

전체 텍스트 색인 아이디어

한 사용자는 거의 모든 것을 지속적으로 캐시하고 전체 텍스트 검색용으로 색인하는 방식을 제안했다. 일부 자료는 웹에서 사라지거나 도저히 찾을 수 없게 되기 때문이라는 것이다. 기본 아이디어는 모든 것에 SQLite와 FTS5(풀텍스트 검색 버전 5)를 사용하는 것이다.

\"검색 엔진 기능이 저하됐다\"는 주장에 대한 반박

흥미롭게도 한 사용자는 \"검색 엔진 기능 저하는 이제 부정하기 어렵다\"고 하지만, 자신은 그런 변화를 느끼지 못했다고 말했다. 여전히 검색해서 필요한 것을 찾을 수 있다는 것이다. 이는 검색 엔진의 쇠퇴가 모든 사용자에게 동일하게 느껴지지 않을 수 있음을 시사한다.

새로운 시각

검색 엔진 쇠퇴의 3단계

이 글과 댓글을 종합하면 검색 엔진의 쇠퇴를 3단계로 나눌 수 있다.

1단계: SEO 쓰레기 침투 — 검색 엔진 최적화만 전문으로 하는 사이트들이 품질 높은 콘텐츠를 밀어냈다. GeeksForGeeks 같은 사이트가 대표적인 예다. 기술적으로 틀린 정보는 아니지만, 사용자의 실제 질문에는 답하지 않는 경우가 많다.

2단계: AI 개요의 등장 — 구글이 AI 요약을 검색 결과 상단에 배치하면서, 사용자는 링크를 클릭할 필요가 없어졌다. 하지만 이 요약은 검색 결과(이미 쓰레기가 섞여 있는)를 기반으로 하므로 신뢰도가 더 낮아진다.

3단계: 하이퍼링크 네트워크로 회귀 — 저자가 제안하는 해결책이다. 검색 엔진이라는 중개자를 완전히 거치지 않고, 신뢰할 수 있는 사람들이 직접 링크를 걸어 네트워크를 만드는 방식이다. 초기 인터넷의 \"링크 페이지\" 문화를 현대적으로 재해석한 것이다.

저자가 놓친 점: 링크 페이지의 확장성 문제

저자의 아이디어는 철학적으로 아름답지만, 실용적인 확장성 문제가 있다. 링크 페이지가 효과적이려면 \"링크 페이지를 운영하는 사람\"을 먼저 알아야 한다. 즉, 결국 누군가의 추천을 따라야 하는데, 그 추천을 찾는 과정 자체가 또 다른 검색이 필요하다. 이 문제를 해결하려면 초기 인터넷처럼 \"링크 페이지 모음\"이라는 메타 디렉터리가 필요해지는데, 그러면 다시 중앙 집중화 문제가 돌아온다.

이 문제를 해결하는 현실적인 접근법은 Kagi/Marginalia 같은 큐레이션된 검색 엔진과 개인 링크 페이지를 병행하는 것이다. 검색이 필요할 때는 신뢰할 수 있는 검색 엔진을 사용하고, 평소에는 좋아하는 사이트들의 링크 페이지를 구독하는 식이다.

자녀/미래 영향

아인, 석현, 은한에게 주는 시사점

인터넷 탐색 능력의 변화: 자녀 세대는 구글 검색을 기본 도구로 배우지 않을 가능성이 높다. 대신 AI 어시스턴트에게 물어보는 방식으로 정보를 얻을 것이다. 하지만 이 글이 지적하듯, AI의 답변이 쓰레기 검색 결과를 기반으로 한다면 정보의 품질이 떨어질 수 있다.

링크 문화 이해시키기: 자녀들에게 \"누가 이 정보를 추천했는가\"를 묻는 습관을 길러주는 것이 중요하다. 검색 엔진 결과의 순위가 아니라, 신뢰할 수 있는 사람이 추천한 링크를 따르는 태도는 정보 리터러시(정보를 평가하고 활용하는 능력)의 핵심이다.

웹 디렉터리/큐레이션의 가치: 자녀들이 크면 \"좋아하는 사이트 목록\"을 만드는 활동을 해볼 수 있다. 단순히 링크를 모으는 것이 아니라, 왜 그 사이트를 좋아하는지 짧은 설명을 덧붙이는 연습은 비판적 사고를 기르는 좋은 방법이다.

실용적 조언: 자녀들이 검색할 때 site:reddit.com이나 site:wikipedia.org 같은 사이트 제한 검색을 알려주면, SEO 쓰레기를 피하고 품질 높은 출처로 바로 갈 수 있다. 또한 Marginalia 같은 대안 검색 엔진을 소개해줄 수도 있다.

관련 노트

• 2026-06-10_30x-ai-engineer-with-taste — AI가 생성하는 코드의 품질을 판단하는 '취향'의 중요성. 이 글의 \"LLM 요약은 쓰레기를 가공한 것\"이라는 주장과 연결됨.