AI 광고 콘텐츠의 볼륨 조절

대중적인 AI의 ‘허니문’ 기간은 아직 완전히 끝나지 않았다. 이를 넷플릭스의 황금기에서 오늘날 스트리밍 서비스 사업자들의 분열과 상업화로 이어진 흐름에 비유한다면, 지금은 2019년 무렵에 해당한다. 기존 강자인 OpenAI는 이제 자금력이 풍부한 여러 경쟁자에게 거센 도전을 받고 있지만, 이들 가운데 어느 누구도 변덕스러운 사용자층에 광고를 강제로 노출할 위험을 감수할 만큼 확고한 입지를 다지지는 못했다.

마찬가지로 ChatGPT는 현재 채팅 내 광고를 무료 및 Go 사용자에게만 제한하고 있다. Gemini 광고는 AI 개요와 AI 모드에서만 노출된다. Perplexity는 지난겨울 광고 계획을 철회했고, xAI는 언젠가 광고를 도입할 예정이며, Microsoft Copilot은 이미 광고를 제공하고, Claude는 그 가능성을 단호히 거부한다.

하지만 이런 상황이 계속될 수는 없다는 것을 우리는 알고 있다. 추론의 실제 비용이 드러나고, 임박한 AI 기업공개가 주주들의 요구를 전면에 내세우면, 역사가 시사하듯 우리는 결국 LLM 출력을 면밀히 살펴 광고 기반 콘텐츠와 비상업적 콘텐츠를 구분해야 할 것으로 예상할 수 있다.

볼륨을 11까지 높이기

광고가 얼마나 개인화될지, 또는 어떤 인구통계를 타깃으로 삼을지뿐만 아니라, 제공업체는 상업적 콘텐츠를 어느 정도로, 어떤 방식으로 통합할지도 고려해야 한다.

쉽지 않은 일이다. 광고가 지나치게 은은하면 더 많은 사용자를 유지할 수 있지만 더 높은 가치를 제공하는 광고주를 놓치게 된다. 반면 공개 관련 규정을 피해 갈 수도 있는, 광고 콘텐츠가 더 깊이 통합된 방식은 더 좋은 광고 계약을 따낼 수 있지만 논란과 그 밖의 부정적인 파급 효과를 불러올 수 있다.

게다가 요금제에 따라 운영되는 광고 플랫폼은 광고의 ‘볼륨’과 통합 수준을 다르게 설정해야 할 수 있다. LLM의 변수를 정량화하기는 상당히 어렵지만 말이다. 예를 들어 LLM 출력에 광고를 위한 일종의 ‘볼륨 조절기’를 적용하려던 한 기존 방식은 오히려 정량화 용어를 채팅 안에 포함하게 됐다.

새 논문에서 가져온 예시로, 과거의 ‘볼륨 조절’ 방식에 쓰인 레이블이 생성된 텍스트에 실제로 드러난 모습이다. 출처

위 예시는 LLM 기반 광고의 두 가지 핵심 문제, 즉 챗봇 답변에서 광고가 얼마나 눈에 띄게 표시되는지 제어하는 일과 답변 중 어느 부분이 유료 광고에 해당하는지 식별하는 일을 다룬 새 논문*에서 가져온 것이다.

새로운 AdKnob 방식의 도식. 왼쪽에서는 선택한 광고 수준에 따라 Subway가 여러 추천 항목 중 하나로 등장하거나 주요 초점이 된다. 오른쪽에서는 초록색 강조 표시로 생성된 답변 안의 광고 콘텐츠를 식별한다.

AdKnob라는 접근법은 4단계 척도를 사용해 챗봇이 제품을 얼마나 적극적으로 홍보할지 결정하는 동시에 광고가 포함된 문장을 식별합니다. 보조 모델을 실행할 필요 없이 광고 콘텐츠를 쉽게 식별하고 처리 속도를 전혀 늦추지 않는 것이 목표입니다. 광고 산업은 전통적으로 주변에서 가장 빠르게 움직이는 산업 중 하나입니다.

새 연구의 부록 자료에서 가져온 예시로, 광고가 삽입된 텍스트를 빨간색으로 강조해 표시했다.

AdKnob 방식은 Alibaba, Microsoft, Meta의 AI 모델 6종을 대상으로 시험했다. 각 모델에서 광고의 양을 4단계로 조정할 수 있었으며, 가볍게 제품을 언급하는 수준부터 답변 대부분을 브랜드 홍보에 할애하는 수준까지 설정할 수 있었다.

AdKnob의 ‘볼륨’을 가장 높게 설정하면(여기서는 신화 속 숫자인 ‘11’이 아니라 ‘4’다), 브랜드 메시지가 출력 내용을 지배하는 경향이 있다.

학습 과정에서 내부 매개변수를 수정하고 생성된 답변 안의 광고를 식별하기 위해 어텐션 패턴을 살펴봐야 했으므로, 오픈 웨이트 모델을 사용해야 했다. 이에 따라 API를 통해서만 접근할 수 있는 최첨단 모델은 시험 대상에서 제외됐다.

913명을 대상으로 Amazon Mechanical Turk를 통해 결과를 검증했습니다. AdKnob의 답변을 4가지 경쟁 방법의 답변과 비교했을 때, 응답자들은 75%에서 거의 90%에 이르는 비율로 AdKnob의 답변을 선호했습니다.

믿기 어렵겠지만, 유용성과 명확한 광고 표시가 주요 이유로 꼽혔다. 광고 설정을 가장 높은 수준으로 두었을 때도 답변의 평균 품질 평점은 4점 만점에 3.1점으로, 가장 낮은 설정에서의 3.6점과 비교됐다.

저자들에 따르면 AdKnob은 광고가 포함된 문장을 식별하는 데도 더 뛰어난 것으로 나타났다. 또한 테스트한 모델 중 하나에서는 이 확인 과정이 답변당 단 3밀리초만 걸렸다. 이는 감당할 수 있을 만큼 적은 추가 부담이며, 이전의 여러 접근법과 달리 별도의 토큰 생성도 필요하지 않았다.

새 시스템의 기반이 되는 MI-KnobSet 데이터 세트는 기존의 Webis Generated Native Ads 2024 데이터 세트를 바탕으로 개발했습니다. 이전 데이터 모음을 확장해 챗봇 응답에 포함되는 광고의 다양한 수준을 다루며, 학습 사례 3,946개와 테스트 사례 913개로 구성됩니다.

저자들은 다음과 같이 밝혔다.

‘[AdKnob]를 통해 단일 LLM이 다양한 광고 강도의 응답을 생성할 수 있습니다. 광고 귀속 손실은 광고 관련 입력 토큰과 생성된 광고 콘텐츠 간의 귀속 관계를 더욱 강화해 추론 시 정확한 광고 라벨링을 가능하게 합니다.

‘기본 모델 6종을 대상으로 한 실험과 사용자 연구에서 AdKnob은 광고 품질과 광고 라벨링 모두에서 기존 기준 방법보다 일관되게 우수한 성능을 보였습니다. 본 연구는 실제 서비스에서 투명하고 제어 가능한 LLM 네이티브 광고를 구현하기 위한 실용적인 기반을 제공합니다.’

방법

앞서 언급한 기존 접근법에서는 증가 수준을 나타내는 데 사용한 단어가 출력에 그대로 새어 나왔다. 이에 비해 새로운 방법은 광고 강도별로 하나씩, 총 4개의 맞춤 제어 토큰을 사용한다.

q̂ = q ⊕ [AD_LV_n]

물론 위의 n 토큰은 임의의 숫자를 나타낼 수 있지만, 이 사례에서 AdKnob이 허용하는 범위는 1~4로 제한됩니다. 이는 특정 변수, 즉 광고 콘텐츠가 얼마나 ‘분명하고’ 얼마나 ‘강렬한지’를 나타내는 데 사용할 수 있는 세분화 수준으로는 아마도 충분할 것입니다.

이러한 추상 토큰에는 미리 정해진 의미가 없으므로 모델은 일반 언어와 혼동하지 않고 토큰의 의도된 기능을 학습할 수 있다.

저자들의 설명에 따르면, 이어서 모델은 제어 토큰이 원하는 강도에 맞춰지도록 직접 선호 최적화(DPO) 방식으로 학습됩니다.

‘[We] 따라서 선호도는 두 가지 지표를 바탕으로 구성합니다. 광고 [score]는 브랜드와 광고 문구가 응답에 얼마나 두드러지고 긍정적으로 반영되는지를 측정하고, 응답 품질 [score]는 응답이 사용자의 [query] 요구를 얼마나 잘 충족하는지를 측정합니다.’

답변 쌍 데이터세트를 구축하기 위해 후보 답변의 광고 강도, 관련성, 유창성, 광고가 없는 답변에서 유지된 정보의 양을 점수화했다. 그런 다음 이 점수를 사용해 각 광고 수준의 학습 사례를 선정했다.

각 광고 시나리오에 대해 GPT-4o를 사용해 가능한 답변 25개를 생성했으며, 프롬프트는 제품 홍보 강도를 다르게 하도록 설계했습니다. 각 목표 수준에서 점수가 가장 높은 답변을 선정하고, 품질이 낮거나 광고 강도가 맞지 않거나 두 가지 모두에 해당하는 의도적으로 열등한 대안 3개도 함께 골랐습니다.

서로 다른 프롬프트 5개를 사용해 생성한 답변 후보 25개의 광고 점수. 5개 곡선이 상당히 겹치는 것은 프롬프트만으로는 뚜렷하게 구분되는 광고 수준을 안정적으로 만들어 낼 수 없었던 이유를 보여줍니다.

이러한 비교 결과를 앞서 언급한 DPO 기법으로 모델 학습에 활용해, 요청된 광고 수준에 부합하면서도 유용하고 자연스러운 답변을 생성하도록 했다.

테스트

AdKnob은 광고 강도 4단계에 걸쳐 모델 6종에서 평가했습니다. 대상 모델은 Qwen3-4B-Instruct, Phi-4-Mini-Instruct (3.8B), LLaMA-3.2-3B-Instruct, Qwen2.5-14B-Instruct, Phi-4 (14B), LLaMA-3.1-8B-Instruct입니다.

광고 강도와 응답 품질은 별도로 점수를 매겼으며, 광고 라벨링 정확도는 ROC-AUC, 정밀도와 재현율, F1 점수를 사용해 측정했습니다.

모델은 저순위 적응(LoRA)을 사용해 미세 조정했으며, 생성 응답은 500토큰으로 제한하고 광고 라벨링 임계값은 0.005로 설정했습니다. 모든 실험은 HBM3e VRAM 141GB를 탑재한 단일 NVIDIA H200 GPU에서 진행했습니다. 놀라울 정도로 큰 용량입니다.

벤치마크로 네 가지 방법을 사용했습니다. 2단계 방식에서는 이전에 생성된 답변에 광고를 삽입했고, 프롬프트 기반 방식에서는 시스템 프롬프트를 통해 광고를 포함했습니다.

나머지 두 가지 방법은 다음과 같습니다. JU-NLP는 눈에 덜 띄는 광고를 선호하도록 파인튜닝하는 방식을 사용했습니다. NL-prompt는 추가 학습 없이 광고 강도를 지정하는 일반 시스템 프롬프트를 사용했으며, 자연어 지침으로 광고 강도를 네 단계로 요청했습니다. 은은한 강도(L1), 보통 강도(L2), 강한 강도(L3), 최대 강도(L4)입니다.

세 가지 광고 라벨링 방식을 비교했다. 글을 생성하는 동안 모델이 광고에 태그를 붙이도록 유도하는 Marker, 제공된 광고 문구와 유사한 문장을 표시하는 BERTScore, 모델 내부 작동 과정에서 광고의 영향력을 추적하는 데 사용되는 AttnLRP이다:

AI 모델 4종의 광고 강도와 답변 품질 비교 테스트 결과. AdKnob(파란색)은 경쟁 방식보다 광고 강도(L1–L4)의 범위가 넓고 단계 간 간격이 더 고르게 나타났으며, 비슷한 광고 강도에서 대체로 더 높은 답변 품질을 유지했다.

AdKnob은 경쟁 방식보다 광고 강도를 더 넓고 일관된 범위로 조절하면서, 비슷한 강도에서는 대체로 더 나은 품질의 답변을 제공했다. 이는 새로운 제어 토큰을 도입하고 학습 과정에서 품질이 낮은 응답을 거부한 결과로 풀이된다.

저자들은 다음과 같이 밝혔다:

‘JU-NLP는 명시적으로 강도를 제어하지 않고 광고를 은근하게 드러내도록 미세 조정하기 때문에, 일정한 강도의 응답을 생성한다. NL-prompt는 여러 강도를 다루지만 그 범위가 좁고 광고 점수도 일관되지 않아, 자연어 프롬프트만으로는 강도를 충분히 제어할 수 없음을 보여 준다.’

‘반면 AdKnob은 광고 강도를 넓고 균일한 범위로 조절한다.’

‘이는 사전 학습된 의미가 없고 광고 강도를 제어하기 위한 조건 신호로만 작동하는 광고 제어 토큰 덕분이다. 이를 통해 DPO는 각 토큰과 목표 강도 사이에 명확한 대응 관계를 설정할 수 있다.’

논문에 따르면 저자들의 접근 방식은 비슷한 광고 강도에서 경쟁 방식보다 품질이 높은 답변도 생성했다. 이는 품질이 낮은 응답을 명시적으로 거부한 학습 예시 덕분인 것으로 풀이된다.

다음으로 시스템의 광고 라벨링 성능을 평가했다:

AI 모델 4종의 광고 탐지 결과. 점수가 높을수록 정확도가 높으며, 최고 점수는 굵게 표시했다.

AdKnob은 모델 4종 모두에서 가장 높은 전반적인 탐지 정확도를 기록했으며, 응답당 2.5~7.3밀리초 만에 광고를 식별했다. 이에 비해 BERTScore는 약 1,800밀리초가 걸려, 테스트한 모델 중 가장 작은 모델에서 AdKnob보다 500배 넘게 느렸다.

저자들은 덧붙였다:

‘AdKnob은 명시적인 제거 기반 지침을 통해 입력의 광고 관련 토큰과 광고 구간 사이에 강한 연관성을 형성하도록 모델을 학습시켜, 모든 모델에서 가장 높은 AUC와 F1 점수를 달성한다.’

‘또한 AdKnob은 추가 추론 비용 없이 실시간 라벨링을 제공하며, 응답당 ∼3ms의 지연 시간으로 [Qwen3-4B.]에서 작동합니다.’

정성 평가에서는 Nintendo Switch 광고가 레벨 1에서 여러 추천 항목 중 하나로 포함됐다. 레벨 4에서는 해당 브랜드가 응답의 대부분을 차지했으며, 두 강도 모두에서 AdKnob이 광고 문구를 식별했다:

광고 강도 두 단계에서 Walmart 블랙 프라이데이에 관한 질문에 답한 예시. [AD] 표시가 붙은 강조 구간은 홍보성 콘텐츠를 나타낸다.

마지막으로**, 저자들은 참가자 913명을 대상으로 사용자 연구를 진행했다. 참가자들은 광고 강도와 답변 품질을 평가하고, AdKnob을 경쟁 방식과 비교했으며, 홍보성 콘텐츠가 얼마나 정확하게 식별됐는지도 평가했다:

AdKnob에 대한 사람 평가 결과. 표에는 광고 강도와 답변 품질 점수, 경쟁 방식 대비 선호도, 광고 탐지 정확도가 나와 있다. 녹색 셀은 선호도가 50%를 넘는 경우를 나타낸다.

저자들은 다음과 같이 결론 내렸다:

‘AdKnob은 가장 높은 AUC와 F1 점수를 달성한다. 특히 재현율이 높고 거짓 음성은 적다. 광고 구간을 공개하지 않으면 법적 위험과 신뢰 훼손 위험이 커지므로, 이는 규제 측면에서 매우 중요하다.’

결론

LLM 내 광고와 관련해 흥미롭게 짚어 볼 점 하나는, 지금까지 별다른 주목을 받지 못한 듯한 문제다. 광고가 없는 출력과 광고를 바탕으로 한 출력이 같다면 어떤 일이 벌어질까?

예를 들어, 동네 식당을 추천해 달라고 했는데 근처에 맥도날드와 평점이 아주 낮은 카페만 있고 맥도날드가 광고비를 내고 노출을 확보했다면, 맥도날드가 어차피 자연스러운 선택이었더라도 호스트 프레임워크의 목적에 부합하므로 광고의 맥락에서 소개될 것이라고 볼 수 있을까?..

이런 주제에 관해 읽다 보면, 이 사이트에서 꽤 자주 글을 쓰는 나도 오븐 카탈로그를 들여다보는 칠면조가 된 기분이 든다. 기억해 둘 점은, 일부 지역에서 최소한의 표시만 요구되더라도 우리 출력물에 담긴 ‘기만적인’ 내용이 부각되지는 않는다는 것이다. 이 논문과 유사한 논문에 실린 제한적인 사례 가운데 일부는 상업적 콘텐츠가 본래 콘텐츠를 심각한 수준으로 침범하는 모습을 보여 준다.

그리고 물론, 이것들은 골라 뽑은 사례다. 제대로 작동했고, 환각을 일으키거나 터무니없거나 불쾌한 연상을 불러일으키거나 그 밖의 논란을 일으키지 않은 사례들이다. 규모를 고려하면, 공개적으로 망신을 당하는 일이 잦은 이러한 아키텍처의 경우, 대부분의 프런티어 서비스가 광고 도입에 신중을 기하는 이유가 하나 더 있을지도 모른다.

* ‘AdKnob: LLM 네이티브 광고를 위한 광고 강도 제어 및 라벨링’이라는 제목의 논문으로, KAIST 컴퓨팅학부 소속 저자 6명이 작성했다.

** 평소와 마찬가지로, 어블레이션 연구는 생략한다(단순한 표본 점검이 아니라 연구의 핵심 가치를 이루는 경우는 제외한다).

최초 게재일: 2026년 11월 5일 목요일