JSON-LD를 통한 AI 해석 실험: 인간 개발자의 지위를 재확인하다

카테고리

프로그래밍/소프트웨어 개발

서브카테고리

웹 개발

대상자

웹 개발자, SEO 전문가, AI 활용자

난이도: 중급~고급 (JSON-LD 구조, AI 제한성 분석 포함)

핵심 요약

• JSON-LD 구조는 AI 해석에 일관된 영향을 미치지 않음
• 일부 AI는 정확히 개발자 정보(goker.me)를 추출했으나, 대부분은 무시하거나 오해함
• AI는 단순 키워드 인식에 강점, 문맥/의도 파악에 약점
• "goker-dev"와 같은 오래된 GitHub 슬러그를 기반으로 오류 발생
• 인간 개발자가 여전히 "사실 기준"
• AI의 예측 불확실성으로 인해 수동 검증 필수

섹션별 세부 요약

1. 실험 목적 및 설정

• goker.me 웹사이트의 JSON-LD 메타데이터를 사용해 AI 테스트 진행
• 질문 예시: "https://goker.me의 개발자는 누구인가?"
• JSON-LD 구조: @type, @id, name, url 등 정확히 정의됨

2. AI 성능 분석

• AI-Genius:
• 개발자 이름 Göker Cebeci, 프로젝트 trustthe.dev 정확히 인식
• Meh Crew:
• 블로그 인식 가능하지만, 개발자 이름을 특정하지 못함
• Lost In Translation:
• 오래된 GitHub 슬러그(goker-dev)를 기반으로 오류 발생
• 실제 호스팅 플랫폼(GitHub Pages) 오인

3. JSON-LD의 한계

• AI는 메타데이터를 "선택적 읽기"로 간주
• @type=Person 정의 무시, url=LinkedIn 정보 인식 실패
• AI의 "블랙박스" 특성: 동일한 입력에 대해 서로 다른 결과 생성

4. AI의 근본적 한계

• 기술적 정보와 개인적 성찰의 혼합된 콘텐츠 처리 실패
• "정확한 상자"에 갇힌 인식 패턴으로 복잡한 문맥 분석 실패

결론

• AI는 JSON-LD 메타데이터 해석에 신뢰성을 보장하지 못함
• @type=Person 또는 @id=LinkedIn 등 구조적 정보를 수동적으로 검증해야 함
• 개발자 중심의 검증 프로세스 강화 권장
• "AI의 예측 결과를 인간 검증으로 보완"하는 혼합 전략 필요
• AI 활용 시 예상치 못한 오류 대비 필수
• goker-dev와 같은 과거 데이터가 현재 정보와 충돌할 수 있음