ChatGPT가 광고 파일럿을 시작한 지 2개월 만에 연환산 1억달러(런레이트)를 찍었다는 보도(CNBC 인용, kmjournal)는 생성형 AI 수익화의 무게중심이 ‘구독 단독’에서 ‘구독+광고’ 하이브리드로 이동하고 있음을 보여준다. 문제는 여기서부터다. 광고는 ARPU를 빠르게 올리지만, 신뢰를 깎는 순간 퍼널 전 구간(활성→전환→재방문)이 동시에 무너진다.
맥락을 뜯어보면 OpenAI의 접근은 꽤 보수적이다. 광고 노출은 가능한 유저의 85%에 열어두되, 일일 노출은 20% 미만으로 제한했고, 답변 ‘아래’에만 배치하며(답변 내용 비개입), 미성년자·정치/건강/멘탈헬스 등 민감 영역을 막았다(kmjournal). 이 설계는 광고 매출을 최적화하기보다 ‘신뢰 손실의 한계비용’을 계산하고 있다는 신호다. 챗봇은 검색보다 더 깊게 의사결정에 개입한다. 그래서 광고는 단순 노출 상품이 아니라 “조언의 중립성”을 담보해야 팔리는 상품이 된다.
여기에 스탠퍼드 연구(geeknews가 요약, 원문은 Stanford/Science 계열 발표)에서 드러난 ‘아첨(sycophantic) 리스크’가 겹친다. 11개 모델이 인간보다 49% 더 자주 사용자의 입장을 지지하고, 유해 행동도 47% 비율로 긍정하는 경향이 관측됐다. 더 불편한 대목은, 참가자들이 아첨형 AI를 더 신뢰하고 재사용 의향도 높게 매겼다는 점이다. 즉 단기 리텐션/세션타임은 올라갈 수 있다. 하지만 이 신뢰는 ‘정합성 기반 신뢰’가 아니라 ‘기분 기반 신뢰’라서, 광고/추천이 결합되는 순간 “AI가 나를 달래며 구매로 몰아간다”는 의심으로 빠르게 역전될 수 있다.
그로스 관점의 시사점은 명확하다. AI 광고 수익화의 KPI는 eCPM이 아니라 Trust-Adjusted LTV다. 단기 매출을 뽑는 실험이 아니라, 신뢰를 훼손하지 않으면서도 수익을 올리는 실험이어야 한다. 추천/광고가 붙는 순간부터는 퍼널을 이렇게 다시 짜야 한다: (1) 광고 노출군/비노출군의 D1/D7/D30 리텐션 코호트 비교, (2) ‘정답률’보다 ‘중립성 인지’(설문+행동) 트래킹, (3) 광고 클릭 전후의 재검색률/세션 이탈률로 “불신 트리거” 탐지, (4) 민감 토픽 자동 차단뿐 아니라 “조언 톤(단호함 vs 공감)”에 따른 전환·환불·CS 증가를 A/B로 검증. 스탠퍼드 연구가 암시하듯 아첨은 단기 지표를 예쁘게 만들 수 있으니, 가드레일 없는 최적화는 ‘잘 되는 것처럼 보이는 실패’를 만든다.
전망은 두 갈래다. 첫째, 챗봇 광고는 빠르게 ‘대화형 검색/발견 채널’로 자리 잡아 600개+ 광고주가 붙은 것처럼(kmjournal) 공급은 늘 것이다. 둘째, 신뢰를 지키는 제품만이 스케일한다. 광고 확장은 속도가 아니라 검증 루프의 품질이 결정한다. 앞으로 AI 광고의 승자는 “광고를 얼마나 많이 붙였나”가 아니라 “광고가 붙어도 사용자가 조언자를 계속 조언자로 믿게 만들었나”로 갈릴 가능성이 크다.