Executive Summary

2025년 가을, 위키미디어 재단은 위키백과의 사람 방문이 1년 새 줄었다고 공식적으로 밝혔다. 같은 시기, AI 챗봇이 답변에서 인용하는 상위 출처를 분석하면 위키백과가 그 절반 가까이를 차지했다. AI가 가장 즐겨 퍼 올리는 지식의 우물이, 바로 그 AI 때문에 마르기 시작한 것이다. 사람들은 이제 위키백과 문서를 여는 대신 그 내용을 요약으로 곧장 건네받는다. 이 글은 그 역설이 어떤 메커니즘으로 작동하는지, 그리고 그것이 데이터를 다루는 모든 조직에 무엇을 뜻하는지를 본다.

가장 견고한 신호는 재단이 발표한 사람 방문 8% 감소다. 봇을 걸러 낸 뒤 재분류한 수치라 방법론이 탄탄하지만, 재단조차 그 원인을 AI 요약과 소셜 미디어라고 "믿을" 뿐 통제 실험으로 증명하지는 못했다. 다만 방증은 여럿이다. 방문이 줄자 신규 기부자가 먼저 마르기 시작했고, 사람은 덜 오는데 AI 봇 때문에 인프라 비용은 오히려 늘었다.

그래서 이 리포트가 던지는 질문은 비판이 아니라 회계에 가깝다. '데이터는 공짜'라는 업계의 암묵적 가정이 무너질 때, 검증 가능하고 중립적인 인간 지식 커먼즈의 유지비를 누가 대고 누가 지킬 것인가. 학습·검색 파이프라인이 어떤 커먼즈에 기대고 있는지, 그 출처가 5년 뒤에도 살아 있을지를 이제는 자산으로 관리해야 한다.

−8%

위키백과 사람 방문

2025년 3~8월, 전년 동기 대비. 봇 재분류 후 확정한 공식 수치

47.9%

ChatGPT 상위 인용 몫

상위 10개 인용 도메인 중 위키백과 점유율(6.8억 건 분석)

65%

봇이 유발한 인프라 비용

봇의 페이지뷰 점유는 35%뿐인데 핵심 데이터센터 비용은 65%

2028

공개 텍스트 고갈 중앙값

Epoch AI 추정, 범위 2026~2032. 인간 커먼즈가 마르는 시계

1

마르는 우물: 8%가 말하는 것, 말하지 않는 것

먼저 수치의 정체부터 정확히 세워야 한다. 위키미디어 재단의 마셜 밀러(Marshall Miller)는 2025년 10월, 위키백과의 사람 페이지뷰가 2025년 3~8월에 전년 같은 기간보다 8% 줄었다고 밝혔다. 이 숫자가 중요한 이유는 방법론에 있다. 재단은 그해 봄 봇 탐지 로직을 갱신했고, 브라질에서 대량으로 유입되던 인간 위장 트래픽을 걸러 낸 뒤에야 이 수치를 확정했다. 즉 8%는 '봇을 제거하고 남은 진짜 사람'의 감소분이다.

언론에서 자주 인용되는 -23%는 이것과 다른 수치다. 그것은 Similarweb의 3자 추정으로, 2022년 하루 약 1억 6,500만 방문에서 2025년 약 1억 2,800만 방문으로 3년에 걸친 하락을 잡은 값이다. 기간도 정의도 다르므로 한 문장에 뭉개서는 안 된다. 이 글은 재단 공식 수치 8%를 기준으로 삼고, Similarweb 수치는 장기 추세의 방증으로만 다룬다.

같은 현상, 두 개의 측정 기준 재단 공식 — 이 리포트의 기준 −8% 2025년 3~8월 / 전년 동기 대비 봇 재분류 후 확정한 '사람 방문' 재단 봇 탐지 갱신 후 직접 측정 ≠ Similarweb 3자 추정 — 장기 방증용 −23% 2022 → 2025 (3년 누적) 전체 방문 기준 (봇 포함 가능) 3자 추정, 기간·정의 상이 두 수치는 기간·대상·방법론이 다르다. 이 리포트는 재단 공식 −8%를 기준으로 삼는다.

그림 1. 두 수치의 측정 기준 비교. 출처: Wikimedia Foundation(2025-10), Similarweb(2025)를 페블러스가 재구성한 원본 도식.

재단은 감소의 원인으로 생성형 AI 요약과 소셜 미디어를 지목한다. 그러나 이것은 통제 실험이 아니라 정황 판단이다. 검색 알고리즘 변화, 팬데믹 기저효과, SEO 지형 변화 같은 다른 요인의 몫을 깔끔하게 분리한 연구는 아직 없다. 상관과 인과를 구분하는 정직함이 이 주제를 다루는 첫 번째 규율이다.

다만 인과를 의심하게 만드는 방증은 두껍다. 검색에서 클릭 없이 끝나는 '제로클릭' 비율은 이미 절반을 넘어섰다. SparkToro는 2024년 구글 검색의 58.5%가 어떤 클릭으로도 이어지지 않았다고 집계했고, Pew Research는 AI 개요(AI Overviews)가 뜬 검색에서 실제 출처 링크를 누르는 비율이 1%에 불과하다고 보고했다. 답을 화면에서 바로 받는 흐름이 굳어질수록, 그 답의 원천인 위키백과로 되돌아가는 발길은 줄어든다. 이 흐름은 위키백과만 겪는 일이 아니다. 뉴스 사이트의 월간 방문도 2024년 중반 이후 1년 새 약 4분의 1이 사라졌다(Similarweb). 요약이 원문을 대신하는 구조는 지식 커먼즈 전반에 같은 자국을 남기고 있다.

핵심은 이렇다. 8% 감소는 견고하지만 좁은 수치이고, 그 원인을 AI로 단정할 근거는 아직 '입증'이 아니라 '강한 정황'이다. 그러나 정황이 가리키는 방향은 일관된다. 지식을 요약으로 대체하는 중개가 늘수록, 지식을 만든 곳으로 향하던 사람의 흐름이 얇아진다.

2

AI는 왜 하필 이 우물을 마시는가

AI가 위키백과에 기대는 정도는 인용 데이터에서 가장 선명하게 드러난다. 분석 회사 Profound가 2024년 8월부터 2025년 6월까지 약 6.8억 건의 AI 인용을 조사한 결과, ChatGPT가 답변에서 가장 많이 끌어오는 상위 10개 출처 도메인 중 위키백과의 몫이 47.9%였다. 구글의 AI 개요에서 같은 기준의 위키백과 비중은 5.7%에 그쳤다. 상위 출처 안에서만 보면 ChatGPT의 위키백과 의존이 압도적이다.

여기서 수치의 정의를 꼭 붙여야 한다. 47.9%는 '상위 10개 출처 안에서의 점유율'이지 '모든 답변의 절반'이 아니다. 전체 인용을 분모로 하면 위키백과 비중은 7.8%, 위키백과를 인용하는 응답의 비율은 2.49%다. 그래도 이야기의 방향은 바뀌지 않는다. AI가 출처를 고를 때 위키백과를 첫손에 꼽는다는 사실은 그대로다. 아래 도식은 두 플랫폼의 상위 출처 내 위키백과 몫을 나란히 놓은 것이다.

상위 10개 인용 출처 중 위키백과 몫 (Profound, 6.8억 건 분석) ChatGPT 47.9% 구글 AI 개요 5.7% 같은 '상위 10개 출처 내 점유율' 기준. 전체 인용 대비로는 위키백과 몫이 7.8%로 줄지만, 순위는 여전히 최상위다.

그림 2. AI 플랫폼별 상위 인용 출처 중 위키백과 점유율. 출처: Profound(2025)를 페블러스가 재구성. 수치는 '상위 10개 도메인 내 몫' 정의임.

역설적인 대목은 학습 코퍼스에서의 비중이다. 주요 사전학습 데이터셋을 보면 위키백과가 차지하는 토큰은 대개 2~4.5% 수준이다. SlimPajama에서 3.8%, LLaMA-1에서 4.5%, GPT-3에서 3.0% 정도다. 양으로만 보면 작은 조각이다. 그런데도 위키백과가 사실성과 중립성의 '앵커'로 불리는 이유는 품질 밀도에 있다. 편집 이력과 출처 표기, 중립적 관점 규칙을 거친 문장은 웹에서 긁어 온 평균 텍스트보다 신뢰도가 훨씬 높다. 작은 비중, 큰 역할이다.

이 앵커가 흔들리면 파급은 토큰 비중을 넘어선다. 모델이 사실을 확인하고 최신 상태를 유지하는 능력은, 코퍼스 안의 소수 고품질 출처에 불균형하게 의존하기 때문이다. 그래서 위키백과의 신선도가 떨어지는 일은 곧 모델의 사실성이 흐려지는 일과 이어진다.

3

끊어지는 선순환: 방문 → 편집 → 후원

위키백과가 살아 있는 원리는 단순한 선순환이다. 사람이 방문하고, 그중 일부가 편집자가 되고, 편집이 문서를 갱신하고, 일부가 후원자가 되어 운영을 떠받친다. 방문은 이 고리의 입구다. 입구가 좁아지면 아래로 흐르는 물도 줄어든다.

그런데 재단의 재무를 보면 언뜻 정반대처럼 보인다. FY24-25 총수입은 2억 860만 달러로 역대 최고였다. 이 숫자만 떼어 내면 "위기는 없다"로 오독하기 쉽다. 정확히 그래서 함께 봐야 할 수치가 있다. 같은 기간 신규 기부자는 10.2% 줄었고(약 260만 명에서 230만 명), 전체 기부자도 2.4% 감소했다. 수입 증가는 새 사람이 늘어서가 아니라 기존 후원자가 더 크게 낸 덕분이다. 퍼널의 위쪽, 즉 새로운 유입이 먼저 마르고 있다는 신호다.

선순환 퍼널 — 입구는 좁아지고, 총량은 아직 버틴다 사람 방문 −8% (봇 제외, 25년 3~8월) 신규 편집자 등록 감소 (2020~21년 이후) 신규 기부자 −10.2% 그런데 총수입 2억 860만 달러 — 역대 최고 기존 후원자가 더 크게 냈다. 새 유입이 먼저 마른다.

그림 3. 선순환 퍼널. 방문·신규 편집자·신규 기부자는 줄지만 총수입은 최고치를 유지하는 역설. 출처: 위키미디어 FY24-25 감사·모금 보고를 페블러스가 재구성.

편집자 쪽도 비슷한 결을 보인다. 영어판 활성 편집자는 여전히 29만 명 수준이지만, 신규 계정 등록은 2020~21년을 기점으로 꾸준히 내려앉았다. 새 편집자가 줄면 당장 문서 수가 급감하지는 않아도, 지식을 최신으로 유지하고 오류를 잡아 내는 힘이 서서히 얇아진다.

여기서도 과장은 금물이다. 선순환의 훼손은 아직 '입증된 붕괴'가 아니라 '초기 신호'다. 재단 문서조차 표현은 "우려(concerns)" 수준에 머문다. 그러나 정직하게 초기 신호라고 부르는 편이, 위기를 부풀리거나 최고 수입을 근거로 안심하는 것보다 신뢰할 만하다.

4

봇의 무임승차: 보이지 않는 청구서

트래픽 감소가 커먼즈의 '수입' 쪽 이야기라면, 봇 크롤러는 '비용' 쪽에서 전혀 다른 청구서를 들이민다. 위키미디어가 2025년 4월 공개한 인프라 분석에 따르면, 봇은 전체 페이지뷰의 35%에 불과하지만 값비싼 핵심 데이터센터 트래픽의 65%를 유발했다. 사람은 자주 찾는 인기 문서를 보므로 캐시에 걸려 저렴하게 처리되는 반면, 봇은 잘 찾지 않는 문서까지 훑어 캐시를 비껴가기 때문이다. 멀티미디어 대역폭은 2024년 1월 이후 50% 늘었고, 그 증가분의 상당 부분이 AI 크롤러로 지목됐다. 이 대역폭 급증의 배경에는 컴퓨터 비전 모델을 학습시키려 위키미디어 공용(Commons)의 이미지를 대량으로 긁어 가는 스크레이핑이 있다. 텍스트만이 아니라 위키미디어 공용에 쌓인 1억 4,000만 개가 넘는 미디어 파일까지 훑는 것이다.

더 극적인 비대칭은 크롤러가 되돌려 주는 트래픽에서 드러난다. Cloudflare가 2025년 7월 공개한 수치에 따르면, 전통 검색인 구글은 페이지를 14번 크롤할 때마다 방문자 1명을 되돌려 보낸다. 반면 OpenAI는 1,700번 크롤에 방문자 1명, Anthropic은 무려 7만 3,000번 크롤에 1명이다. 데이터를 가져가는 양과 돌려주는 트래픽 사이의 균형이 질적으로 다르다.

크롤 1회당 되돌려 주는 방문자 비교 (로그 스케일, Cloudflare 2025-07) 막대가 길수록 크롤 대비 환류 방문자가 적다 Google 14 : 1 OpenAI 1,700 : 1 Anthropic 73,000 : 1 로그 스케일 비교. 구글은 14번 크롤에 방문자 1명, OpenAI는 1,700번, Anthropic은 73,000번에 방문자 1명을 돌려보낸다.

그림 4. 크롤러별 크롤:환류 비율 비교 (로그 스케일). 출처: Cloudflare(2025-07)를 페블러스가 재구성한 원본 도식.

지표 수치 의미
봇의 페이지뷰 점유 35% 전체 조회의 3분의 1
봇이 유발한 핵심 인프라 비용 65% 조회 점유의 두 배에 가까운 비용 유발
멀티미디어 대역폭 증가 +50% 2024년 1월 이후, 상당분이 AI 크롤러
크롤 대비 환류 (구글) 14 : 1 14번 크롤에 방문자 1명 환원
크롤 대비 환류 (OpenAI) 1,700 : 1 환원 비율이 검색의 100분의 1 수준
크롤 대비 환류 (Anthropic) 73,000 : 1 사실상 일방향 수취에 가까움

표 1. 봇의 무임승차 구조. 출처: diff.wikimedia.org(2025-04), Cloudflare(2025-07). 환류 비율은 크롤 요청 대비 유입 방문자 기준.

이 비용 역설은 트래픽 역설과 별개의 축이다. '요약이 방문을 뺏는다'는 앞선 이야기가 사실이 아니더라도, 봇이 비용을 늘린다는 사실은 그대로 성립한다. 위키백과는 사람이 덜 오는데 봇 때문에 지출은 더 드는 이중고에 놓여 있다.

5

자기잠식의 미래: model collapse와 데이터 고갈

지금까지의 이야기가 '지금 벌어지는 일'이라면, 이 절은 '왜 그것이 AI 자신에게 위험한가'라는 이론이다. 두 갈래 연구가 자기잠식을 뒷받침한다.

첫째는 모델 붕괴(model collapse)다. 슈마일로프(Shumailov) 연구진은 2024년 Nature에 실은 논문에서, AI가 만든 합성 데이터로 다음 세대 모델을 재귀적으로 학습시키면 성능이 비가역적으로 저하됨을 보였다. 초기에는 분포의 꼬리에 있던 희귀 정보가 사라지고, 세대가 거듭될수록 출력이 평균으로 수렴하며 다양성을 잃는다. 이 실험이 세대별로 재학습시킨 대상은 다름 아닌 위키백과 기반 언어모델이었다.

둘째는 데이터 고갈이다. Epoch AI는 공개된 고품질 인간 생성 텍스트의 재고가 2026~2032년 사이, 중앙값으로는 2028년 무렵 고갈될 것으로 추정했다. 두 연구를 겹치면 하나의 피드백 루프가 그려진다. 인간 커먼즈가 마른다 → 학습이 합성 데이터에 더 기댄다 → 모델 붕괴 위험이 커진다 → 사실성·다양성이 떨어진다. 아래 도식이 그 순환이다.

자기잠식 피드백 루프 인간 커먼즈가 마른다 방문↓ · 편집↓ · 신선도↓ 합성 데이터 의존↑ 신선한 인간 텍스트 부족 모델 붕괴 위험↑ 희귀 정보 소멸 · 평균 수렴 AI 사실성·다양성↓ 앵커가 흔들린다

그림 5. 자기잠식 피드백 루프. 출처: Shumailov et al.(Nature 2024), Epoch AI(2024)를 바탕으로 페블러스가 구성한 원본 도식.

물론 현실의 학습 파이프라인은 합성과 인간 데이터를 섞고, 데이터를 재사용하며, 필터링으로 최악을 피한다. 붕괴가 내일 닥친다는 예언은 아니다. 그러나 방향은 분명하다. 신선한 인간 커먼즈가 얇아질수록, 그것을 대체하려는 합성 데이터의 비율은 오르고, 스케일링으로 얻던 이득은 상쇄되기 쉽다. "위키백과가 마르면 AI도 마른다"는 문장은 은유가 아니라 이 루프의 요약이다.

6

누가 유지비를 대는가

그렇다면 커먼즈의 유지비는 누가 대야 하는가. 이 질문에 대한 대답은 이미 여러 갈래로 실험되고 있다. 공통점은 하나다. '데이터는 공짜'라는 가정을 해체하려는 시도라는 점이다.

접근 주체 현황 함의
유료 API Wikimedia Enterprise FY24-25 수입 830만 달러(+148%), 고객 13곳. OpenAI는 미계약 커먼즈를 팔되 수입 상한(전체의 30%)으로 독립성 방어
크롤러 과금·차단 Cloudflare 2025년 7월 pay-per-crawl 베타, 신규 도메인 AI 봇 기본 차단 인프라 계층에서 '접근에 값을 매긴다'
라이선스 딜 Reddit · Stack Overflow Reddit-Google 약 6,000만 달러, Stack Overflow-Prosus 협약 커뮤니티 데이터의 가격표가 생김
소송 뉴욕타임스 등 언론 무단 학습에 대한 저작권 소송 진행 법정에서 데이터 사용의 대가를 다툼

표 2. 커먼즈 유지비를 둘러싼 대안 지도. 출처: 위키미디어 감사 보고(2025), Cloudflare(2025-07), 업계 보도 종합.

이 대안들은 각기 다른 층위에서 작동한다. Wikimedia Enterprise는 데이터 제공자가 직접 값을 매기고, Cloudflare는 네트워크 관문에서 통행료를 걷으며, 라이선스 딜과 소송은 계약과 법으로 대가를 정한다. 어느 하나가 정답이라기보다, '무료로 무한정 퍼 간다'는 시대가 저물고 있음을 함께 가리킨다.

데이터를 쓰는 조직에게 이것은 남의 일이 아니다. RAG와 검색증강, 파인튜닝을 운영한다면 이미 무료 커먼즈에 암묵적으로 기대고 있다. 그렇다면 지금 물어야 할 것은 세 가지다. 우리 모델과 파이프라인이 어떤 공개 커먼즈에 얼마나 의존하는가. 그 커먼즈의 재정과 기여는 건강한가. 그리고 그 출처가 소멸할 위험을 라이선스나 환류 계약으로 헤지할 여지가 있는가. 데이터의 출처(provenance)를 확보하는 문제는, 이제 그 출처의 생존(sustainability)을 관리하는 문제로 넘어간다.

Editor's Note

페블러스는 데이터의 출처·품질·거버넌스를 자산으로 다뤄 온 회사다. DataClinic이 데이터를 진단·정제하고, AI-Ready Data 철학이 '쓸 수 있는 데이터는 저절로 존재하지 않는다'를 전제한다. 이 리포트가 짚은 위키백과 역설은 그 명제의 가장 공공적인 버전에 해당한다. 가장 정제된 인간 지식 커먼즈조차, 그것을 만드는 동력이 끊기면 마른다. 이 문단은 편집자 관점의 배경 설명이며, 본문의 분석 논지와는 분리해 읽어 주기 바란다. 본문이 닫는 질문은 페블러스의 것이 아니라 데이터를 다루는 산업 전체의 것이다.

R

참고문헌

정책·통계·1차 자료

  • 1.Miller, M. / Wikimedia Foundation (2025-10-17). "New User Trends on Wikipedia." diff.wikimedia.org. — 사람 방문 −8%(2025년 3~8월) 원 출처
  • 2.Wikimedia Foundation (2025-04-01). "How crawlers impact the operations of the Wikimedia projects." diff.wikimedia.org. — 봇 65% 비용/대역폭 +50%
  • 3.Wikimedia Foundation (2025). "Highlights from the Wikimedia Foundation's fiscal year 2024–2025 audit report." diff.wikimedia.org. — 총수입 2억 860만 달러, Enterprise 830만 달러
  • 4.Wikimedia Meta-Wiki. "Fundraising/2024-25 Report." meta.wikimedia.org. — 전체 기부자 −2.4%, 신규 기부자 −10.2%
  • 5.Cloudflare (2025-07-01). "Introducing pay per crawl." blog.cloudflare.com. — 크롤:환류 14:1 / 1,700:1 / 73,000:1, 기본 봇 차단

학술 논문

  • 6.Shumailov, I., Shumaylov, Z., Zhao, Y., Papernot, N., Anderson, R., & Gal, Y. (2024). "AI models collapse when trained on recursively generated data." Nature, 631(8022), 755–759. nature.com. — 모델 붕괴 정본
  • 7.Villalobos, P., et al. / Epoch AI (2022, upd. 2024). "Will we run out of data? Limits of LLM scaling based on human-generated data." arXiv:2211.04325. — 공개 텍스트 고갈 2026~2032(중앙값 2028)
  • 8.Soboleva, D., et al. (2023). "SlimPajama-DC: Understanding Data Combinations for LLM Training." — 사전학습셋 내 위키백과 비중(2~4.5%) 참조

업계 분석·보도

  • 9.Profound (2025). "AI Platform Citation Patterns." tryprofound.com. — ChatGPT 상위 인용 47.9%, 6.8억 건 분석
  • 10.Engadget (2025). "Wikimedia says AI bots and summaries are hurting Wikipedia's traffic." engadget.com. — 훅 기사
  • 11.Search Engine Journal (2025). "Wikipedia Traffic Down As AI Answers Rise." searchenginejournal.com. — 훅 기사
  • 12.Similarweb / DataReportal (2025). "Digital 2025: exploring trends in Wikipedia traffic." — 3년 −23%(3자 추정, 기간·정의 상이)
  • 13.Fishkin, R. / SparkToro (2024). "In 2024, Less than One Third of Google Searches Still Send a Click." — 제로클릭 58.5%
  • 14.Pew Research Center (2026). "AI Overviews and news referral clicks." — 개요 노출 시 출처 링크 클릭 1%