뉴욕포스트는 왜 자체 AI 검색을 만들었나: Hamilton이 보여주는 콘텐츠 플랫폼의 전략
핵심 요약
- 뉴욕포스트가 2026년 8월 11일 출시한 Hamilton은 챗봇 하나가 아니다. 대화형 검색(Hamilton Search), 개인화 브리핑(Post Express), 관심사 추천(Picked For You), 칼럼 탐색(Post Voices), 알림을 자사 앱 안에서 하나의 이용 흐름으로 묶은 제품군이다.
- Google과의 협력은 기사 라이선스 계약이 아니라 일반적인 엔터프라이즈 클라우드 계약이다. 뉴욕포스트가 Google에 클라우드 기술 사용료를 내고, 이 계약으로 기사 아카이브가 Google의 범용 AI 모델 학습에 제공되지는 않는다고 회사 측은 밝혔다.
- 노리는 것은 외부 검색과 소셜에서 한 번 들어왔다 사라지는 독자 관계다. 다만 이는 뉴욕포스트가 세운 제품 가설이지, 이용자가 실제로 그렇게 움직인다는 성과 자료가 아니다.
- 답변이 완결될수록 원문 기사 방문과 광고 노출은 줄 수 있다. 성공 여부는 질문 수가 아니라 원문 소비, 회원 전환과 재방문, 수익 지표, 출처 신뢰도로 판단해야 한다.
뉴욕포스트는 2026년 8월 11일 자사 앱에 Hamilton을 출시했다. 자연어로 뉴스를 찾는 Hamilton Search, 개인화 브리핑 Post Express, 관심사 기반 추천 Picked For You, 칼럼과 논평을 모은 Post Voices, 지능형 알림으로 구성되며, 뉴욕포스트와 캘리포니아포스트의 iOS·Android 앱에 전용 탭과 앱 전반 통합 형태로 들어간다. 회사는 이후 오픈웹 사이트로도 확장할 계획을 밝혔다. 질문은 기술이 무엇을 하느냐보다 사업 쪽에 가깝다. 왜 뉴욕포스트는 Google 검색이나 소셜 플랫폼에서 독자가 유입되기를 기다리는 대신, 자사 앱 안에 별도의 탐색 경험을 만들려 하는가. 출처: The Post launches Hamilton
배경에는 AI 답변이 검색 결과 상단에서 원문 방문을 대신하는 환경이 있다. 다만 뉴욕포스트가 Hamilton 출시의 직접 이유로 검색 유입 감소를 지목했다는 공개 근거는 없다. 회사가 밝힌 목표는 독자 관심사를 이해하고 경험을 실시간으로 개인화해 자사 저널리즘을 더 직관적으로 발견하게 하는 것이다. Hamilton은 검색 유입 감소의 해법으로 입증된 제품이 아니라, 콘텐츠 탐색과 재방문 경로를 자사 앱에서 직접 운영하려는 시도로 읽는 편이 정확하다.
라이선스 계약이 아니라 클라우드 계약이다
Hamilton의 성격을 가르는 것은 기술보다 계약 구조다. 뉴욕포스트 최고기술책임자 아리시엘 노비시오에 따르면 이번 협력은 Google News 제휴도, AI 콘텐츠 라이선스 계약도 아닌 표준 엔터프라이즈 클라우드 관계이며, 뉴욕포스트가 Google에 클라우드 기술 사용료를 지불하는 구조다. Google 검색과의 관계와도 분리돼 있다. Hamilton은 뉴욕포스트와 캘리포니아포스트의 현재·과거 기사를 활용하지만, 이 계약을 통해 해당 아카이브가 Google의 범용 AI 모델 학습용으로 제공되는 것은 아니라고 회사 측은 확인했다. 콘텐츠 범위와 제품 경험은 뉴욕포스트가 통제하고, Google은 클라우드 인프라와 모델, 검색·추천 기술을 제공한다. 출처: New York Post launches “Hamilton” AI chatbot
이 구분이 중요한 이유는 Hamilton이 ‘기사 사용권을 Google에 넘긴 사례’가 아니라 ‘언론사가 외부 AI 인프라를 구매해 자사 콘텐츠 경험을 만든 사례’이기 때문이다. 뉴스 산업에서 AI 협력은 대개 콘텐츠 대가를 받는 라이선스로 논의돼 왔는데, 이번 건은 반대로 매체가 비용을 지불하는 쪽이다. 모회사 뉴스코프가 OpenAI·메타와는 라이선스 계약을 맺고 퍼플렉시티에는 무단 이용을 이유로 소송을 제기해 온 것과 비교하면, 같은 회사 안에서 콘텐츠를 파는 경로와 기술을 사는 경로가 따로 운영되고 있는 셈이다. Google Cloud 북미 사장 마이클 클라크에 따르면 Google Cloud가 북미 뉴스 파트너의 AI 챗봇을 구동한 것은 이번이 처음이다. 기술 구성은 Google Cloud 인프라와 Gemini Enterprise Agent Platform, Gemini 모델이고, Picked For You에는 Google의 Recommendations AI가 쓰인다. 실시간 데이터 파이프라인 덕분에 새로 발행된 속보 기사는 발행 수 초 안에 수집·색인돼 검색 가능해진다. 다만 어떤 모델 버전과 검색증강생성 방식, 색인 규칙, 개인 데이터 보관 정책을 쓰는지는 공개되지 않았고, 개인화 브리핑과 추천·알림에 실제로 어떤 사용자 신호가 쓰이는지도 밝혀지지 않았다. 이 글에서 그 부분은 추정하지 않는다.
| 구성요소 | 이용자에게 주는 경험 | 사업 관점의 역할 | 검증할 위험 |
|---|---|---|---|
| Hamilton Search | 자연어 질문으로 기사를 찾고, 출처가 표시된 답변과 관련 보도를 받는다 | 모호한 탐색 의도를 자사 콘텐츠 소비로 연결한다 | 답변 정확성, 출처 적합성, 원문 이동률 |
| Post Express | 하루 중 개인화된 뉴스 다이제스트를 받는다 | 첫 화면의 선택 부담을 낮추고 습관적 방문을 만든다 | 필터 버블, 최신성, 관심사 설정의 투명성 |
| Picked For You | 관심과 행동을 학습한 기사 추천을 받는다 | 한 번 읽고 떠나는 방문을 연속 소비로 바꾼다 | 편향, 다양성 부족, 추천의 설명 가능성 |
| Post Voices | 칼럼니스트의 논평·분석을 모아 본다 | 의견 콘텐츠의 소비 맥락을 따로 만든다 | 보도와 의견의 혼동, 작성자·형식 표기 |
| 지능형 알림 | 관심과 상황에 맞춰 다시 방문할 이유를 받는다 | 앱 밖으로 나간 독자를 다시 불러온다 | 과도한 발송, 동의, 피로도와 해지 |
Hamilton 자체는 독자적인 기사를 작성하거나 편집 판단을 하지 않는다. 기존 뉴스룸의 기사를 찾아 주고, 묶어 주고, 다시 꺼내 주는 층이다.
이용자 쪽에서 실제로 달라지는 지점은 검색어를 고르는 부담이다. 기존 사이트 검색은 ‘관세’, ‘시장’, ‘선거’처럼 단어를 먼저 알아야 하고 결과는 제목 목록이라, 어느 기사가 내 질문에 맞는지 다시 판단해야 한다. 대화형 검색은 “오늘 발표된 정책이 소비자에게 무엇을 바꾸나”처럼 목적과 맥락을 한 문장으로 말하게 하고, 답변과 함께 근거가 된 기사를 보여 준다. 여기서 핵심은 답을 생성했다는 기술적 사실이 아니라, 탐색의 첫 클릭을 외부 검색이 아니라 자사 제품이 설계한다는 점이다.
외부 검색 의존에서 앱 안의 이용 흐름으로
Hamilton의 사업 구조는 두 흐름을 나란히 놓으면 분명해진다.
[외부 검색 중심 구조] 검색·소셜 노출 → 일회성 기사 방문 → 이탈 [Hamilton이 지향하는 구조] 앱 방문 → 질문과 기사 탐색 → 개인화 추천·브리핑 → 알림 → 재방문
차이는 측정과 설계의 여지다. 검색 결과 페이지에서 제목을 클릭하게 만드는 SEO만으로는 이용자의 다음 행동을 설계하기 어렵고, 외부 답변 화면에서는 누가 어떤 후속 기사를 읽었는지, 어느 순간 가입을 고려하는지 관찰할 수단이 줄어든다. 반면 앱 안의 검색·추천·브리핑·알림은 같은 계정과 제품 표면에서 작동하므로, 어떤 기사 묶음이 회원 등록으로 이어지는지, 알림이 원문 읽기로 이어지는지 확인하고 고칠 수 있다. 다시 강조하면 이 흐름은 뉴욕포스트가 목표로 하는 제품 가설이며, 이용자가 이미 이렇게 행동한다는 성과 자료는 공개되지 않았다.
직접 관계는 로그인 버튼 하나를 뜻하지 않는다. 가입 요구를 너무 이르게 내세우면 검색의 즉시성이 사라져 이탈이 커진다. 익명 이용자가 질문하고 출처를 확인한 뒤 브리핑 저장·관심사 구독·알림 설정에서 분명한 효용을 느끼는 순간에 계정을 만들게 해야 전환의 맥락이 생긴다. 자체 AI 검색을 검토하는 매체가 먼저 설계할 것은 로그인 벽의 위치가 아니라, 이용자가 로그인 후 무엇을 더 얻는가다.
신뢰와 개인화, 두 가지 숙제
출처 링크는 저작권 표기가 아니라 답변을 검증하고 원문으로 이동하는 경로다. 뉴스 질문에는 시간 문제가 따라붙는다. 어제 기사와 몇 달 전 분석이 한 문단에 섞이면 이용자는 무엇이 현재 사실인지 판단하기 어렵다. 그래서 각 핵심 주장에 대응하는 기사를 가까이 붙이고, 발행·수정 시점을 드러내고, 진행 중인 사건이라면 ‘현재 확인된 사실’과 ‘과거 배경’, ‘해석과 논평’을 구분해 보여 줘야 한다. 생성형 답변은 여러 기사에서 취한 조각을 한 문장으로 잇는 과정 자체가 오류를 낳을 수 있어, 오류 신고 버튼만이 아니라 정정 뒤 어떤 답변과 출처 연결이 바뀌었는지 추적하는 운영 체계가 필요하다.
Post Voices는 칼럼과 논평을 별도로 발견하게 하는 기능이다. 다만 이 기능의 존재만으로 Hamilton Search의 답변이 보도와 의견을 기술적으로 구분한다고 단정할 수는 없다. 두 가지는 별개의 문제이고, 실제 답변 화면에서 어떤 표식이 붙는지는 공개된 자료로 확인되지 않는다.
개인화도 같은 성격의 숙제다. 이용자는 관심 있는 뉴스가 먼저 오기를 바라지만, 뉴스는 취향에 맞는 것만 보면 되는 상품이 아니다. 지역의 중요한 이슈, 반대 견해, 평소 찾지 않던 공적 사건도 독자에게 가치가 있다. 클릭 확률만 최대화하는 개인화는 익숙한 주제와 감정적 반응을 반복하는 제품이 되기 쉽다. 게다가 과도하거나 불투명한 개인화는 이용자의 신뢰를 낮출 수 있다. 무엇이 수집되고 어떤 목적에 쓰이며 어디까지 끄고 바꿀 수 있는지가 보이지 않으면, 추천과 알림이 정교해질수록 오히려 거부감이 커진다. 추천 화면에 ‘왜 이 기사를 보게 됐는지’를 밝히고, 관심사 수정과 추천 끄기를 쉽게 만들고, 브리핑에 다양성을 위한 편집 슬롯을 두는 정도가 최소한의 설계다.
답변이 좋아질수록 원문 소비가 줄 수 있다
자체 AI 검색에는 피하기 어려운 긴장이 있다. 이용자에게 좋은 답변은 여러 기사를 훑어야 얻을 결론을 짧게 정리해 준다. 그러나 매체 입장에서 너무 완결된 답변은 기사를 열어 볼 이유를 줄이고, 기사 페이지에서 발생하던 광고 노출과 구독 유도, 다음 기사 클릭도 함께 줄인다. 자사 제품 안의 답변이라는 이유만으로 외부 AI 검색보다 낫다고 결론 내릴 수 없는 이유다.
해법은 답변을 일부러 불완전하게 만드는 데 있지 않다. 질문에는 충분히 답하되 어떤 기사에 근거했는지 분명히 보이고, 원문에서만 얻을 수 있는 맥락으로 자연스럽게 넘어가게 해야 한다. 속보를 묻는 이용자에게는 기사별 시간 순서와 최신 업데이트를, 정책 비교를 묻는 이용자에게는 서로 다른 보도의 근거를 함께 제시하는 식이다.
그래서 대시보드에서 먼저 볼 지표는 질문 수가 아니다. 다음 네 묶음이 실제 판단 기준이 된다.
- AI 답변에서 원문 기사로 이동하는 비율과 그 뒤의 읽기 깊이
- 회원 가입, 브리핑 구독, 재방문의 변화
- 광고 노출과 광고 단가, 구독 전환·이탈 등 수익 지표의 변화
- 출처 오류와 오래된 정보, 보도와 논평을 혼동한 응답의 비율
이 지표들도 단독으로 읽으면 위험하다. 원래 충성 독자가 많이 쓰는 기능이라면 재방문이 높아도 기능의 효과라 보기 어렵다. 가능하면 기능 노출 집단과 비교 집단을 나누고, 속보·생활정보·정치처럼 콘텐츠 유형별로 살펴야 한다. 실험이 어렵다면 최소한 도입 전후의 큰 뉴스 이벤트와 알림 정책 변화, 홈 화면 개편을 기록해 원인과 결과를 섞지 말아야 한다. 현재 Hamilton이 트래픽, 회원 가입, 체류시간, 광고·구독 매출을 개선했다는 공개 수치는 확인되지 않는다. 위 목록은 성공을 판정할 기준이지 달성한 성과가 아니다.
한편 같은 문제를 외부 플랫폼과의 협상과 규제로 푸는 흐름도 있다. 유럽출판협의회는 2026년 2월 10일 Google의 AI Overviews와 AI Mode가 게시자 콘텐츠를 대체해 트래픽과 독자, 수익을 잠식한다며 유럽연합 집행위원회에 반독점 제소했고, 콘텐츠 이용에 대한 실질적 통제권과 투명성, 공정한 라이선스·보상 체계를 요구했다. 영국 경쟁시장청은 2026년 6월 3일 Google에 전략적 시장 지위를 지정한 뒤, 게시자가 자사 콘텐츠를 검색 내 AI 기능과 모델 파인튜닝에 쓰이지 않도록 거부할 수 있게 하는 행위 요건을 부과했다. 이행 기한은 9개월이다. 뉴욕포스트의 선택과 이 규제·협상은 서로 다른 대응 경로이며, 인과관계로 연결할 수 있는 사안은 아니다. 출처: EPC 반독점 제소 발표, CMA 발표
모든 콘텐츠 사업자에게 맞는 제품은 아니다
전용 AI 탐색은 콘텐츠가 충분히 쌓여 있고, 독자가 반복 방문할 이유가 있으며, 앱·회원·뉴스레터 같은 직접 채널을 이미 운영하고, 출처와 최신성·정정을 관리할 팀이 있을 때 현실적인 실험이 된다. 규제·의학·금융처럼 근거와 날짜가 중요한 영역에서는 요약보다 원문 비교를 우선해야 할 수 있고, 회원 전용 콘텐츠가 많다면 AI 답변이 유료 가치의 대체물이 되는지 따로 검증해야 한다. 콘텐츠 양이 적거나 업데이트가 드문 곳이라면 대화형 검색은 답변할 근거도, 재방문을 만들 연속성도 부족하다.
| 판단 질문 | ‘예’일 때의 의미 | ‘아니오’일 때의 우선순위 |
|---|---|---|
| 독자가 같은 주제로 반복해서 탐색하는가 | 자연어 탐색의 효용이 생긴다 | 콘텐츠 분류와 관련 글 연결부터 정비한다 |
| 로그인 또는 구독 관계가 이미 있는가 | 브리핑·추천·알림을 연결할 기반이 있다 | 회원 가치와 직접 채널부터 만든다 |
| 기사 출처·날짜·형식이 일관되게 관리되는가 | 최신성과 보도·의견 구분을 제품에 반영할 수 있다 | 메타데이터와 편집 워크플로를 먼저 정리한다 |
| 원문 이동과 오류를 계속 측정·수정할 수 있는가 | 검색을 제품으로 운영할 준비가 있다 | 일회성 기능 출시보다 운영 역량을 확보한다 |
자체 AI 인터페이스를 만든 곳이 뉴욕포스트만은 아니다. 워싱턴포스트는 2024년 사이트에 챗봇을 도입했고, 타임도 같은 해 올해의 인물 기획과 함께 챗봇을 내놨다. 가넷·USA투데이와 인디펜던트는 광고 기업 타불라와 손잡고 자사 저널리즘으로 학습한 생성형 검색을 만들었다. 접근 방식은 제각각이고, 어느 쪽이 성과를 냈는지 비교할 공개 자료도 아직 없다. 공통점은 독자 접점을 외부 플랫폼 밖에서 확보하려 한다는 것 하나다.
AI 검색은 출시일이 아니라 운영 기간에 비용과 책임이 쌓이는 제품이다. 답변이 틀렸을 때 누가 고칠지, 출처 연결이 어긋나면 어떻게 발견할지, 알림이 피로를 만들면 무엇을 조정할지를 정하지 못했다면 화면은 있어도 제품은 완성되지 않는다.
결론
뉴욕포스트 Hamilton의 핵심은 챗봇을 추가한 것이 아니라, 외부 검색에 맡겼던 콘텐츠 탐색과 독자와의 관계를 자사 앱 안으로 가져오려는 실험이라는 데 있다. 매체가 콘텐츠 대가를 받는 라이선스 대신 클라우드 사용료를 내고 자사 경험을 직접 만들었다는 점에서, 이 사례는 AI 시대 언론사의 선택지가 하나가 아니라는 것을 보여 준다.
다만 Hamilton은 아직 성공 사례가 아니라 제품 가설을 검증하는 초기 실험이다. 성공 여부는 질문 수가 아니라 원문 기사 소비, 회원 전환, 재방문, 수익성, 출처 신뢰도로 평가해야 한다.
다른 콘텐츠 사업자가 배워야 할 것도 챗봇 자체가 아니다. 독자가 콘텐츠를 찾고 다시 방문하는 경로를 얼마나 직접 운영할 수 있는가라는 질문이다.
참고 출처
- The Post launches Hamilton – a new way to find and understand the news (New York Post, 2026.08.11)
- New York Post launches “Hamilton” AI chatbot (Axios, 2026.08.11)
- European Publishers Council files formal antitrust complaint against Google over AI Overviews and AI Mode (EPC, 2026.02.10)
- CMA secures fairer deal for publishers and improves Google search services in UK (GOV.UK, 2026.06.03)