구매 담당자가 AI에게 소프트웨어 후보를 물으면, 답변의 제품 목록과 함께 인용 링크가 돌아온다. 2026년 9월 2일 공개된 Trellner Research의 조사에서는 Perplexity의 웹 검색형 두 모델에 380개 구매 의도 카테고리를 물었고, 7,534개의 인용 URL을 수집했다. 이 조사가 보여 주는 문제는 추천 목록의 정확도보다 먼저, 그 목록을 뒷받침한 문서가 어떤 방식으로 만들어졌는지 봐야 한다는 데 있다.
조사 대상은 Perplexity의 Sonar와 Sonar Pro였으며, 두 모델은 380개 중 289개 카테고리에서 인용 URL 목록을 바이트 단위로 똑같이 돌려줬다. 구매팀이 두 답변을 나란히 받아도 독립된 두 번의 검증이 되지 않을 수 있다. 추천 결과를 비교하기 전에 각 결과가 읽은 출처와 평가 기준을 분해하는 순서가 필요하다.
추천의 인용문이 왜 구매 근거가 되지 않는가
이번 조사에서 인용의 59.8%는 Tranco 방문 순위 10만 위 밖 도메인으로 향했고, 23.4%는 상위 100만 목록에 아예 없었다. 낮은 방문 순위가 곧 부실한 정보라는 뜻은 아니다. 다만 인용 링크가 붙었다는 사실만으로 비교 기준, 작성 주체, 갱신 시점, 제품 사용 경험까지 확보됐다고 볼 수는 없다.
특히 비교 글은 여러 제품을 한 화면에 놓기 때문에 그럴듯해 보인다. 그러나 구매팀에 필요한 것은 순위 자체보다 순위를 만든 관찰이다. 특정 제품이 1위라는 문장 앞에서 멈추지 말고, 작성자가 실제 사용 조건을 제시했는지, 가격과 보안 요구사항을 같은 기준으로 비교했는지, 원문 링크가 제품의 공식 문서로 이어지는지를 먼저 본다.
21만 페이지의 비교 목록은 어떻게 봐야 하나
보고서는 wifitalents.com, worldmetrics.org, gitnux.org 세 도메인에서 생성된 소프트웨어 비교 페이지 215,128개를 찾았다. 세 사이트는 같은 Cloudflare 네임서버 쌍, 유사한 템플릿과 분류 체계, 서로를 다루는 짧은 블로그 구성을 공유했다. 소유 관계는 확인된 사실이 아니지만, 페이지 수와 운영 흔적만으로도 구매 근거를 사이트 한 곳의 순위에 맡기기 어려운 이유는 충분하다.
같은 프로젝트 견적 소프트웨어 카테고리에서도 세 사이트의 상위 제품 순서는 달랐다. 한 사이트의 1위가 다른 사이트의 상위 다섯 개에 없기도 했다. 이때 서로 다른 도메인 세 개를 찾았다는 수량은 근거의 다양성을 뜻하지 않는다. 도메인, 템플릿, 작성 규칙, 인용 원천이 겹치는지부터 봐야 한다.
구매팀은 무엇부터 확인해야 하나
첫 단계는 AI가 고른 제품 다섯 개를 곧바로 점수화하는 일이 아니다. 답변에 붙은 인용 URL을 도메인 단위로 모아, 비교 사이트, 벤더 블로그, 공식 문서, 사용자 커뮤니티를 구분한다. 다음으로 각 비교 글이 어떤 평가 항목과 실제 사용 조건을 제시했는지 확인한다. 출처가 여러 개여도 같은 원문을 되받아 쓴다면 한 개의 근거로 계산하는 편이 맞다.
그 뒤에만 공식 가격표, 보안 문서, 연동 문서, 서비스 수준 약정, 실제 업무 데이터로 후보를 다시 비교한다. 짧은 시범 사용에서는 팀이 끝내야 할 업무를 하나 정하고, 완료 시간과 오류, 승인 절차를 기록한다. AI 추천은 후보 발굴을 빠르게 하지만, 구매 결정의 검증 순서는 인용문에서 시작해 공식 조건과 실제 업무로 내려와야 한다.
