콘텐츠를 개인화해도, 명제까지 바꾸면 안 된다

같은 글을 읽은 두 사람이 서로 다른 결론을 기억하는 일은 흔하다. 독자의 배경도 다르고, 당장 해결하려는 문제도 다르기 때문이다. 투자 정보를 찾는 독자에게는 투자 글을, 비개발 직장인에게는 간단한 AI 활용법을, 시스템을 만드는 사람에게는 설계 글을 따로 준비하는 식의 분리는 필요하다. 하지만 글을 독자 유형마다 복제하면, 같은 사실을 설명하는 문장이 조금씩 달라지고 어느 순간 조건과 반례가 빠진 채 결론만 남는다.

개인화가 위험해지는 지점은 여기다. 독자에게 맞춰 설명한다는 말이, 독자에게 맞는 결론을 만들어 준다는 말로 바뀌는 순간이다.

나는 콘텐츠 허브를 글의 보관함보다 읽기 경로를 구성하는 시스템으로 보고 싶다. 다만 그 시스템은 자유롭게 문장을 생성하는 추천 엔진이 아니다. 먼저 바뀌면 안 되는 정보 단위를 고정하고, 그다음에야 독자에 따라 순서와 예시를 조합해야 한다.

개인화가 원문을 훼손하는 방식

콘텐츠에서 가장 쉽게 빠지는 것은 대개 거짓말이 아니다. 범위다.

예를 들어 "AI 답변의 페이지 인용은 그 페이지가 소개한 브랜드의 추천을 보장하지 않는다"는 문장을 생각해 보자. 이 문장은 비교·목록형 콘텐츠와 생성형 검색 답변이라는 조건 안에서만 성립하는 관찰이다. 그런데 마케터에게 보여주는 요약에서 이 조건을 빼면 "인용은 아무 의미가 없다"가 된다. 반대로 브랜드 담당자를 설득하려는 문단에서 반례를 빼면 "브랜드를 언급하면 AI가 추천한다"가 된다. 둘 다 원래 문장을 더 잘 읽히게 만들었을지는 몰라도, 더 정확하게 만들지는 못한다.

초보자에게는 설명을 덜어내고, 전문가에게는 전제를 생략하고, 의사결정자에게는 선택지를 좁힌다. 부연 설명만 사라진다면 문제가 없지만 조건, 시점, 근거의 강도까지 함께 사라지면 글은 독자 친화적이 아니라 독자 편향적으로 바뀐다.

그래서 동적 콘텐츠의 최소 단위는 문단도, 카드도, 블로그 글도 아니다. 검증 가능한 명제다.

명제는 문장이 아니라 계약이다

명제 프레임은 거창한 진실 판정기가 아니다. 어떤 문장이 무엇을 주장하는지, 어디까지 말할 수 있는지, 무엇에 기대고 있는지를 명시하는 작은 계약에 가깝다.

id: proposition:ai-search-citation-not-recommendation
claim: "AI 답변의 페이지 인용은 해당 페이지가 소개한 브랜드의 추천을 보장하지 않는다."
scope: "비교·목록형 콘텐츠를 참조한 생성형 검색 답변"
evidence: [source:ahrefs-2026-experiment]
modality: observed
counterexample: "브랜드명 자체가 질문의 직접 답인 경우에는 인용과 언급이 함께 일어날 수 있다."
review_status: verified

이 프레임에서 중요한 것은 claim만이 아니다. scope가 없으면 관찰은 일반 법칙처럼 부풀고, evidence가 없으면 해석이 사실처럼 남는다. counterexample이 없으면 개인화된 요약은 더 자신만만한 방향으로 기운다. 프레임은 완전한 진실 판정기가 아니라, 무엇을 빠뜨렸는지 검사할 기준이다.

여기서 역할을 분리해야 한다. LLM은 원고에서 후보 명제를 찾고, 독자 수준에 맞게 예시를 바꾸고, 설명 순서를 제안할 수 있다. 하지만 명제의 범위나 근거를 더 넓히는 권한은 갖지 않는다. 검증 실패는 더 매끄러운 문장을 만드는 신호가 아니라, 사람의 검토가 필요한 신호다.

네 가지 분류는 추천 태그가 아니다

주제, 독자 경로, 형식, 난이도는 콘텐츠를 예쁘게 묶는 메타데이터처럼 보인다. 실제로는 서로 다른 질문에 답한다.

이 네 축은 한 줄로 환원되지 않는다. 에이전트 시스템이라는 같은 주제라도, 입문 독자에게는 "왜 자동화가 갑자기 엉뚱해지는가"라는 해설이 먼저일 수 있다. 시스템을 운영하는 사람에게는 근거 추적과 평가 구조가 먼저여야 한다.

그러나 세 경로가 공유하는 명제는 같다. 맥락이 부족한 자동화는 쉽게 흔들린다. 어떤 경로에서는 비유로, 다른 경로에서는 로그와 스키마로 설명할 뿐이다.

Description Logic은 무엇을 결정하고 무엇을 결정하지 않는가

Description Logic을 쓰고 싶은 이유는 콘텐츠를 더 지적으로 분류하려는 욕심 때문만은 아니다. 조합의 기준을 문장 밖에 두기 위해서다.

OWL 2의 Direct Semantics는 SROIQ 계열 Description Logic과 연결되어 있으며, 클래스 포함 관계나 인스턴스 검색 같은 추론을 다룰 수 있다. 이 허브에서 처음부터 거대한 온톨로지를 만들 필요는 없다. 제한된 클래스와 관계만으로도 충분히 유용한 질문을 만들 수 있다.

AdvancedBuilderNote ≡ Content ⊓ ∃hasAudienceTrack.Builders
  ⊓ ∃hasFormat.ResearchNote ⊓ ∃hasLevel.Advanced

EligibleForPublicAssembly ≡ Content ⊓ ∃hasProposition.VerifiedProposition
  ⊓ ∃hasStatus.Published

이 규칙은 "심화 리서치 노트를 빌더 경로에 우선 둘 수 있는가", "검증된 명제를 가진 공개 원고만 조합에 넣을 수 있는가" 같은 질문에 답한다. 반면 "이 명제는 참인가"에는 답하지 않는다. 논리 추론은 근거 검토를 대신하지 않는다. SHACL도 마찬가지다. SHACL은 그래프에 필요한 속성이 있는지, 연결이 올바른지 검증하는 데 쓸 수 있지만 출처 자체의 품질을 평가하지는 않는다.

이 구분이 중요하다. 추론 엔진은 적합성을 다루고, proposition frame은 주장과 근거의 상태를 다루며, 사람은 해석의 책임을 진다.

동적 허브는 글을 다시 쓰지 않는다

이 모델이 도착하려는 곳은, 독자가 처음부터 같은 글 목록을 보는 사이트가 아니다.

AI를 업무에 막 적용하려는 사람에게는 입문 해설 하나와 바로 해볼 수 있는 가이드 하나를 먼저 보여줄 수 있다. AI 시스템을 운영하는 사람에게는 같은 주제의 심화 분석과 검증 프레임을 이어 붙일 수 있다. 시장·투자 경로에서는 기술의 세부 구현보다 변화가 어떤 산업 가정에 영향을 주는지부터 시작할 수 있다.

하지만 각 경로가 새로운 원고의 복제본이 되어서는 안 된다. 하나의 명제는 하나의 근거와 함께 남고, 여러 서사 프레임이 그 명제를 참조해야 한다. 그래야 근거가 바뀌었을 때 영향을 받는 모든 조합을 찾아낼 수 있다. 그래야 독자에게 맞춘 설명이, 독자를 향한 다른 사실이 되지 않는다.

콘텐츠 개인화의 단위는 말투가 아니라 책임이다. 무엇을 누구에게 어떻게 설명할지는 달라질 수 있다. 무엇이 검증되었고 어디까지 말할 수 있는지는 달라지면 안 된다.

이 원칙을 지킬 수 있다면, 콘텐츠 허브는 정적인 글의 무덤이 아니라 읽을수록 다음 경로가 정확해지는 시스템이 될 수 있다. 먼저 늘려야 할 것은 생성량이 아니다. 명제의 경계다.