[AI 아첨의 시대 #3] 리히텐버그 모델의 경제학: 수량인가 품질인가

레이 | 디지털 저널리스트 | awesome.ai.life@gmail.com | 2026년 4월 12일

이 글은 앞 두 개의 시리즈와는 좀 다르게 운영 모델에 집중한다. 같은 도구를 써도 어떤 조직은 속도를 얻고 어떤 조직은 혼란스럽다. 차이는 기술이 아니라 권한 구조, 콘텐트 포트폴리오, 유통 계약(플랫폼 관계)에서 생긴다.

여기에 AI 아첨(sycophancy)이 끼어들 여지가 있다. 리히텐버그 모델의 핵심 동작은 “헤드라인을 먼저 만들고, 그 프레임에 맞는 초안을 AI에게 요청하는 것”이다. 헤드라인이 곧 선제적 주장(프레임)이 되면 AI는 그 프레임을 강화하는 방향으로 문장을 그럴듯하게 정렬시킨다. 그래서 운영 모델을 설계할 때 아첨은 윤리 담론이 아니라 품질 리스크(편향 증폭)로 취급돼야 한다.

아첨 리스크가 작동하는 지점: 헤드라인 선제 프레임

리히텐버그 모델은 빠르다. 그러나 빠르다는 건 곧 “처음 프레임이 곧바로 원고가 된다”는 뜻이기도 하다. 사람이 헤드라인으로 내린 판단이 초안의 뼈대가 되고, AI는 그 판단에 어울리는 근거와 문장을 더 많이 끌어모아 일관된 이야기로 만든다. 문제는 이 과정에서 반대 근거(반증) 가 자동으로 강화되지 않는다는 점이다. AI로 처음 글을 쓴다는 전문가들이 글 하나 써서 올리는데 30분 걸린다고 자랑스럽게 얘기하는 걸 들은 적이 있다. 그때는 대단하다 싶었는데 지금은 그야말로 바보 같구나, 하는 생각이 든다. 본인의 사고가 없었다는 이야기니까.

기업 뉴스룸 맥락에서 이 현상은 ‘거짓’이라기보다 위험한 확신의 증폭으로 나타난다. 예컨대 제품 발표, ESG, 고용, 안전, 규제 이슈에서 “우리는 충분히 했다”라는 프레임이 먼저 들어가면, 초안은 그 프레임을 뒷받침하는 문장을 과잉 생산한다. 승인 단계가 길어질수록 이 리스크가 줄어드는 게 아니라, 오히려 “이미 그럴듯한 글”을 기준으로 사람들이 토론하게 되면서 편집의 기준점이 이동할 수 있다.

따라서 한국 기업 뉴스룸에서 리히텐버그 모델을 논할 때 아첨은 ‘AI의 성격’이 아니라 워크플로의 설계 변수다. 고속 레인일수록(commodity) 아첨 리스크를 상쇄할 별도의 장치가 필요하다(예: 반증 체크리스트, 반대 헤드라인 1개 생성 후 비교, 소스-주장 매핑).

리히텐버그의 생산성 지표: 6개월 600편, 트래픽 20%

숫자부터 놓아보자. 포춘 에디터 닉 리히텐버그(Nick Lichtenberg)는 2025년 7월부터 6개월간 600편 이상의 기사를 발행했다. 하루 평균 3.3편. 어떤 주에는 하루 7편을 냈다. 그의 AI 보조 기사들은 2025년 하반기 포춘 웹사이트 트래픽의 20%를 차지했다. 동료 기자 누구도 1년 안에 같은 수를 따라가지 못했다.

이 수치가 던지는 질문은 단순하다. 한국 기업 뉴스룸도 같은 속도를 낼 수 있는가? 답은 "할 수 있다/없다"가 아니라 "어떤 콘텐트를 어떤 의사결정 구조로 생산할 것인가"다.

AI 저널리즘 플로우: 헤드라인부터 발행까지

리히텐버그의 작업 흐름은 단순하다. 헤드라인을 먼저 만든다. 보도자료나 애널리스트 노트를 노트북LM과 퍼플렉시티에 업로드한다. AI에게 그 헤드라인에 맞는 기사를 써달라고 요청한다. 초안을 편집하고 발행한다.

이 흐름의 핵심은 두 가지다. 첫째, 그는 커버리지 영역이 없다(no dedicated patch). 뉴스가 터지면 그 뉴스를 따라간다. 빠른 뉴스를 빠르게 처리하는 구조다. 둘째, 포춘은 퍼플렉시티와 콘텐트 사용료 계약이 있다. 리히텐버그가 AI로 기사를 쓰는 동시에, 포춘의 콘텐트는 퍼플렉시티의 답변 생성에 재료로 들어간다. 생산과 유통이 같은 생태계 안에 있다.

한국 기업 뉴스룸은 이 두 조건 중 어느 것도 갖추고 있지 않다.

한국 기업 뉴스룸의 병목: AI가 아니라 승인 구조

한국 대기업 뉴스룸에서 기사 한 편이 나오는 경로를 따라가 보자. 담당 부서에서 콘텐트 아이디어가 나온다. 대행사가 기획안을 만든다. 브랜드(커뮤니케이션,PR)팀이 검토한다. 콘텐트와 관계있는 실무팀에게 팩트체크와 추가 요구사항을 듣고 필요하다면 법무팀이 확인한다. 임원 승인이 필요한 경우도 있다. 수정이 오가고, 최종 본이 확정된다. 발행된다. 이 사이클은 빠르면 3~4일, 민감한 주제는 1~2주가 걸린다.

이것은 AI의 문제가 아니다. AI는 이미 초안 생성 속도를 0에 가깝게 낮췄다. 병목은 그 앞과 그 뒤에 있다. 아이디어 승인과 발행 승인, 그 두 지점이다. 리히텐버그 모델이 작동하는 건 그가 편집자 권한을 가지고 있기 때문이다. 그는 아이디어를 낸 사람이 발행 결정도 낸다. 한국 기업 뉴스룸에서 이 두 권한이 같은 사람에게 있는 경우는 드물다.

여기서 중요한 건 단순히 “승인을 줄여라”가 아니다. 기업 뉴스룸은 리스크를 관리해야 하고, 그 리스크는 실제로 존재한다. 그래서 과제는 ‘승인 제거’가 아니라 ‘승인의 설계’다: 어떤 콘텐트는 빠르게, 어떤 콘텐트는 느리게, 어떤 콘텐트는 아예 만들지 않게 만드는 운영 규칙이 필요하다.

단순 뉴스는 AI로, 차별화와 인사이트는 사람으로

그렇다면 한국 기업 뉴스룸에서 리히텐버그 모델의 어느 부분이 실제로 작동하는가. 아직 드러내는 움직임은 없다. 그러나 AI 도입 이후 콘텐트 생산 속도가 빨라진 건 확실하다. 현장이 필요없는 기사는 AI가 빠르게 만들기 때문이다.

이것은 리히텐버그 모델의 단점이 아니라 그것을 잘못 적용한 결과다. 리히텐버그가 빠르게 처리하는 것은 단순 뉴스(보도자료 기반, 사실 전달형)다. 그는 단순 뉴스를 빠르게 처리하면서 확보한 시간으로 취재원과 이야기하고 더 깊은 기사를 기획한다. 실제로 그는 23세 전기기술자 프로필 기사처럼 취재 기반의 피켓 기사도 썼다. AI는 그 기사의 아웃라인을 도왔다.

한국 기업 뉴스룸이 놓친 지점이 여기다. AI를 모든 콘텐트에 쓰면 모든 콘텐트가 선언형이 된다. AI를 단순 뉴스와 정형 포맷에 집중 투입하고, 확보한 시간과 역량을 현장 취재와 차별화 콘텐트로 이동시키는 것이 리히텐버그 모델의 진짜 논리다.

이 지점에서 ‘콘텐트 믹스(레인 기반 운영)’라는 관점이 필요하다. 뉴스룸을 하나의 생산 라인으로 보면, 모든 글이 같은 심사 기준을 통과해야 한다. 반대로 콘텐트 믹스 관점으로 보면, 글의 유형마다 목표와 승인 기준이 달라진다.

• 고속 레인(commodity): 보도자료 기반 사실 전달형. 브랜드 리스크가 낮고 포맷이 정형화된 글. 여기에는 AI를 집중 투입할 수 있다.
• 고신뢰 레인(trust): 내부 전문가 인터뷰, 현장 데이터, 독점 수치, 실패 사례처럼 ‘대체 불가능한 근거’를 담은 글. 여기에는 사람과 시간이 필요하다.
• 고위험 레인(risk): 주가·규제·법무·노사 등 민감도가 높은 주제. 승인 체계를 강화하되, “승인자 수”가 아니라 “책임 주체와 기준”을 명확히 해야 한다.

따라 하면 동질화, 따라 하지 않으면 뒤집힌다. 이 딜레마를 어떻게 풀 것인가.

뉴스룸의 목적은 무엇인가

답은 단일하지 않다. 기업 뉴스룸의 목적이 SEO 트래픽 극대화라면 리히텐버그 모델에 가까운 방식이 유효하다. 그러나 목적이 브랜드 신뢰 구축과 GEO 인용이라면, AI가 생산하기 어려운 것, 예컨대 현장 데이터, 내부 전문가 인사이트, 독점 수치 등을 중심에 놓아야 한다. AI가 어디서도 구할 수 없는 데이터를 가진 브랜드만이 AI 검색엔진의 지적 알리바이가 될 수 있다. 이것은 레이로그가 기업 GEO 전략으로 반복 강조해온 원칙이다.

또 하나의 차이는 ‘유통 계약’이다. 포춘처럼 AI 검색, 답변 시스템과 콘텐트 사용료 계약이 엮여 있으면 생산과 유통은 하나의 경제로 묶인다. 반대로 기업 뉴스룸은 대부분 이런 계약 구조가 없고 그래서 빠르게 많이 만드는 것 자체가 곧바로 가시성으로 환산되지 않는다. 즉, 한국 기업 뉴스룸에서 리히텐버그 모델은 “생산성 도입”이 아니라 “유통 구조를 포함한 운영 모델 재설계”로 이해돼야 한다.

속도를 따라가려다 신뢰를 잃는 것. 트래픽은 만들지만 지식재산은 쌍지 못하는 것. 한국 기업 뉴스룸이 리히텐버그 모델을 바라볼 때 진짜로 물어야 할 것은 "어떻게 따라 할 것인가"가 아니라 "무엇을 위해 빠르게 생산하는가"다. / raylogue

FAQ

Q1. 리히텐버그 모델(Lichtenberg model)이란 무엇인가?

A. “헤드라인을 먼저 정의하고 소스(보도자료/리서치 노트)를 업로드하고 AI로 초안을 만들고 사람이 편집해 발행”하는 고속 생산 워크플로를 말한다. 생산량(6개월 600편)과 트래픽 기여(20%) 같은 지표로 주목받지만 핵심은 도구가 아니라 편집 권한과 유통 구조까지 포함한 운영 모델이다.

Q2. 한국 기업 뉴스룸이 이 모델을 그대로 따라 하기 어려운 이유는?

A. 병목은 AI가 아니라 승인 구조에 있다. 아이디어 승인과 발행 승인 사이클이 길고, 법무/임원/관계부서 검토가 겹치기 때문에 ‘초안 생성 속도’가 빨라져도 전체 리드타임이 줄지 않는다. 따라서 과제는 승인 제거가 아니라 콘텐트 유형별로 승인 기준을 다르게 설계하는 것이다.

Q3. 왜 AI 아첨(sycophancy)이 이 워크플로에서 품질 리스크가 되나?

A. 헤드라인을 먼저 정하는 순간 그것이 선제 프레임이 되고 AI는 그 프레임을 강화하는 근거와 문장을 그럴듯하게 정렬하기 쉽다. 이 과정에서 반증(반대 근거)이 자동으로 강화되지 않으면, 초안의 설득력이 곧 편집의 기준점이 되어 확신이 증폭될 수 있다.

Q4. 아첨 리스크를 줄이는 실무적 장치는 무엇인가?

A. 고속 레인(commodity)일수록 별도 장치가 필요하다. 예를 들어 (1) 반증 체크리스트, (2) 반대 헤드라인 1개를 함께 생성해 비교, (3) 소스-주장 매핑(각 문장이 어떤 근거에 기대는지 표기), (4) 금지 문장(과잉 확신/과잉 일반화) 룰 등을 운영 규칙으로 고정하는 방식이 현실적이다.

Q5. SEO 중심 생산과 GEO/AEO 중심 생산은 무엇이 다른가?

A. SEO는 주로 검색 트래픽을 목표로 하지만, GEO/AEO는 AI가 답변을 만들 때 인용·참조할 수 있는 “구조화된 근거(수치, 정의, 출처, 비교 가능한 주장)”를 얼마나 제공하느냐가 중요해진다. 그래서 단순 뉴스는 AI로 처리하되 고신뢰 레인(trust)에서는 내부 데이터, 전문가 인사이트, 독점 수치처럼 대체 불가능한 근거를 중심에 놓는 전략이 유효하다.