Google Gemini, 수십억 개 나쁜 광고 차단 현황과 문제점

Google이 2025년 연례 광고 안전 보고서를 발표했습니다. 보고서에는 나쁜 광고 차단에 관한 숫자가 공개됐는데, 여기서 특히 Gemini 기반 도구들이 핵심 역할을 했다고 강조했습니다. 숫자를 보면 첫인상부터 감탄하게 됩니다. 무려 83억 개 이상의 나쁜 광고가 차단 또는 삭제됐고, 48억 개는 제한 조치가 이뤄졌으며, 2,500만 개에 가까운 광고주 계정이 정지됐습니다. Google은 전체 정책 위반 광고의 99%가 사용자에게 노출되기 전에 막혔다고 강조하며, 그 중심에 Gemini가 있었다고 합니다.

분명히 나쁜 광고를 막는 일은 매우 중요합니다. 하지만 Google 입장에서는 자사가 운영하는 플랫폼이라는 점에서 당연히 해야 할 일이기도 합니다. 이번 결과는 칭찬할 만하지만, 동시에 광고 생태계가 얼마나 공격적이고 위험한지 보여줍니다.

AI가 Google의 ‘나쁜 광고’ 탐지에 도움을 주는 방식

Google이 AI 기반 평가 방식을 내세우는 가장 큰 이유는, 광고 적합성 판단 시 단순히 키워드에 의존하지 않고 계정 생성 시기, 행동 패턴, 캠페인 양상 등 더 복잡한 변수들을 분석하기 때문입니다. 악덕 광고주들은 종종 정상 광고를 흉내 내고, 생성형 AI 기술을 활용해 다양한 변형 광고를 대량 생산하면서 구형 패턴 매칭 방식 필터를 피하려고 시도합니다.

예전 시스템은 체크리스트처럼 작동했습니다. 광고 문구에 금지어가 있나, 표시 URL과 착륙 페이지가 일치하나, F₹€€! 같은 의심스러운 형식이 쓰였거나, 정책 위반 상품군이 포함됐나 등을 확인했습니다. 이런 검사도 중요하지만, 광고 문구를 조금만 바꾸면 쉽게 우회할 수 있어 광고인지 능력이 약했습니다. 예를 들어, ‘일주일 만에 20파운드 감량!’ 같은 문구는 예전에도 걸렸지만, 허위 주장과 가짜 후기, 숨겨진 구독 조건이 가득한 착륙 페이지는 인지하기 힘들었습니다. 특정 요소 하나만으로 사기 광고 판별은 어렵고, 이 경우 옛 검사법은 광고를 승인할 가능성이 큽니다.

하지만 AI 시스템은 맥락까지 이해해 좀 더 확실하게 판단하고 ‘나쁜 광고’로 인지할 수 있습니다. 공항 보안이 여행자가 가방에 불법 물품만 보는 게 아니라, 이상 행동(이름 여러 개 사용, 편도 항공권만 사기, 자주 경로 변경 등)을 바탕으로 수상하게 여기는 것과 비슷합니다.

Gemini는 이런 맥락을 모두 고려해 광고의 의도를 판단하며, (Google에 따르면) 사기 광고 탐지에서 매우 뛰어납니다. 2025년 한 해 동안 6억 개 넘는 사기 관련 광고가 삭제됐고, 400만 개 계정이 사기 활동으로 정지 당했습니다. 또 AI 통합 덕분에 사용자 신고 대응 건수도 2024년 대비 4배나 증가했다고 Google은 밝혔습니다.

AI 전환, 광고 차단 분야의 변화

Google의 광고 생태계에서 나쁜 광고를 탐지하는 옛날 방식과 최신 방식을 비교하면, 사실 전체 광고 차단 시장의 변화와도 닮아 있습니다. 예전에는 광고를 차단하는 게 간단했습니다. 광고를 전달하는 서버 주소가 ‘나쁜’ 도메인 목록과 일치하기만 하면 광고를 막았기 때문입니다. 예를 들어, adserver.example.com 같은 주소에서 온 광고라면 무조건 차단했습니다. 지금도 DNS 필터링은 대체로 이런 방식을 사용해서, 덜 유연하지만 효과적이고 가벼우면서 시스템 전체에 적용할 수 있습니다.

하지만 오늘날 광고 차단기는 완전히 다른, 훨씬 더 어려운 문제에 직면해 있습니다. 광고와 원하지 않는 요청들이 유용한 콘텐츠와 자연스럽게 섞여 있어서 구분하기 정말 어렵습니다. 현재 필터링 규칙은 초기 광고 차단 규칙처럼 짧고 간단하지 않으며, 오히려 복잡한 프로그래밍 언어처럼 정교하고 복합적입니다.

광고 차단 문법은 이런 어려움에 맞춰 계속 발전해 왔고, 지금까지 꽤 성공적이었습니다. 하지만 전통적인 필터링 규칙 기반 방법이 아직 AI로 완전히 대체되지 않았다고 해서, 광고 차단기 개발자들이 AI 도입을 포기한 것은 아닙니다. 오히려 AI의 가능성을 여러 방향에서 열심히 탐색하는 중입니다. 머신러닝(ML)을 광고 차단에 활용하려는 시도는 적어도 2019년 Brave의 AdGraph 개발 당시부터 진행됐습니다. AdGraph는 실시간으로 광고와 트래커를 차단해 놀라운 정확도를 보였지만, 브라우저 깊숙이 통합되어야 하고 계속 관리가 필요해 대중화되지는 못했습니다. 다른 연구와 실험도 있었지만 널리 쓰이지는 못했죠.

최근 몇 년간 AI 기술이 급속도로 발전하면서, AI를 광고 필터링에 활용하는 아이디어가 점점 더 많이 논의되고 있습니다. 예를 들어, 지난해 열린 Ad Filtering Dev Summit(AFDS 2025)에서는 여러 연사가 광고 차단 분야에서 AI 역할에 대해 발표했습니다. NYU의 리틱 룽타(Ritik Roongta)는 AI가 광고 내용을 평가할 때 특히 비침해적이지만 해로울 수 있는 허용 광고에 도움을 줄 수 있다고 설명했고, 브레이브의 안톤 라자레프(Anton Lazarev)는 AI 에이전트와 에이전트 브라우저가 등장해도 광고 차단기가 여전히 중요한 역할을 할 것이라고 이야기했습니다.

AdGuard 실험: LLM이 광고를 식별할 수 있을까?

AdGuard도 비슷한 방향을 연구해 왔습니다. AdGuard 웹 확장 프로그램팀 리더인 맥심 토프치우(Maxim Topciu)가 직접 연구를 진행했는데요, ‘광고 차단기가 웹 페이지에 나타난 내용을 이해하고 숨겨야 할지 스스로 결정할 수 있을까?’라는 질문에 답하려는 시도였습니다.

앞서 말했듯 필터 리스트는 여전히 강력하지만 한계가 있습니다. 수동 관리가 필요하고, 네이티브 광고(native advertising)를 처리하기 어렵고, Manifest V3 같은 한계 때문에도 복잡해집니다. 광고 차단기가 알아서 ‘이게 광고야’, ‘아니야’ 하며 판단할 수 있다면 얼마나 좋을까요? 이런 생각은 새로운 건 아니지만, 맥심 토프치우는 한 걸음 더 나아갔습니다. LLM의 장점 중 하나는 아이디어를 비교적 빠르게 시제품으로 만들 수 있다는 점인데요, 그래서 맥심 토프치우는 광고를 분석하고 차단하는 프로토타입을 무려 세 가지나 만들었습니다.

맥심 토프치우는 이 프로토타입들을 X(전 트위터) 피드에서 시험했는데요, 첫 번째는 모든 게시물을 흐릿하게 처리했다가 ‘좋은’ 게시물만 다시 선명하게 보여주는 방식이었습니다. 두 번째는 각 게시물을 블록 코드가 아니라 이미지로 분석하는 방법이었고, 세 번째는 사용자가 특정 기준을 설정하면 LLM이 그 기준에 맞는지 검사해 차단 여부를 결정하는 방식이었습니다. 세 가지 모두 나름 작동했지만, 프로토타입이니만큼 각각 단점도 있었습니다.

이 실험은 AI 기반 광고 차단이 기술적으로는 가능하다는 점을 보여줬지만, 동시에 AI가 전통적인 필터 방식 완전히 대체하려면 아직 멀었다는 사실도 드러났습니다.

Google의 Gemini 기반 ‘나쁜 광고’ 탐지와 AdGuard 실험은 목표는 다르지만 같은 방향을 가리키고 있습니다. 즉, 광고 필터링이 점점 더 의미 중심, 즉 ‘시맨틱’으로 진화한다는 점입니다. AdGuard 실험은 LLM이 단순한 셀렉터(selector)나 URL뿐 아니라 ‘의미’로 콘텐츠를 분류할 수 있음을 보여줬습니다. 비전 기반 접근법은 텍스트가 적거나 HTML이 난독화된 경우에도 사용자가 실제로 보는 것을 분석하는 데 도움을 줍니다. 광고 차단 판단 핵심이 이제는 “이 웹 요소가 규칙에 맞나?”에서 “이게 무슨 의도로 만들어진 걸까?”로 옮겨간다는 뜻입니다.

만약 모든 광고, 스폰서 게시물, 추적기, 사기 요소를 ‘의도 판단’으로 정확히 식별할 수 있다면 필터링 규칙은 필요 없을지도 모릅니다. 하지만 현실은 아직 그렇지 않습니다. LLM 기반 광고 차단 방식은 비용, 속도, 현실성에서 여전히 한계가 크기 때문입니다. AI가 광고 차단에서 점점 더 중요한 역할을 하겠지만, 가까운 미래에 전통적인 필터 기반 광고 차단기를 완전히 대체하진 못하고, 오히려 규칙만으로 한계가 있는 부분을 보완하는 역할을 할 것으로 보입니다.

플랫폼에 안전한 광고와 사용자가 원하는 광고의 차이

하지만 여기서 Google의 Gemini 활용과 독립 광고 차단기들의 AI 활용은 기본적인 목표 차이가 있다는 점에서 비교가 끝납니다. Google은 AI를 자사 광고 정책 준수를 강제하는 데 사용하지만, 광고 차단기는 사용자 개개인의 선호를 존중하며 그에 맞춰 작동합니다.

현재 사용자는 원하는 필터 리스트를 선택하거나 맞춤 필터링 규칙을 직접 추가해 자신의 선호를 설정합니다. 하지만 AdGuard 실험은 미래의 AI 기반 광고 차단기에도 사용자 제어 기준을 도입하는 것이 충분히 가능하다는 점을 보여줬습니다.

Google 알고리즘은 분명히 악성 광고와 위험한 광고를 차단하거나 제한하는 데 효과적이며, 이는 칭찬받아 마땅합니다. 하지만 Google의 관심사는 자사 광고 생태계 안에서 광고가 허용되는지 여부에 집중되어 있습니다.

사용자는 무엇이 차단되고 무엇이 통과하는지를 직접 결정하지 못합니다. 어떤 광고가 Google 정책에 어긋나지 않아도 불필요하게 느껴질 수 있습니다. 주의 산만하거나, 사생활 침해 소지가 있거나, 무겁고, 단순히 관심사와 맞지 않는 광고도 많기 때문입니다.

이 차이가 갈등의 뿌리입니다. Google이 신경 쓰는 것은 오직 자사 생태계 내 허용 여부이고, 사용자의 관점에서는 ‘내 기기에서 이 광고를 보고 싶느냐’가 더 중요합니다.

Google의 사기 광고 차단 작업은 필수적이고 당연한 책임입니다. 하지만 광고 안전 보고서가 나쁜 광고 문제의 최종 해답이라고 보기는 어렵습니다. 수십억 개 광고가 차단됐지만 그만큼 더 많은 광고가 여전히 존재합니다. 이 숫자는 온라인 광고 생태계에 얼마나 많은 해롭거나 의심스러운 콘텐츠가 있는지 실감하게 합니다.

그리고 여기서 Google 노력의 진짜 이유를 알 수 있습니다. Google은 무엇보다 광고 회사입니다. Android 폰 판매 같은 사업은 본질이 아니며, 자신이 구축한 광고 생태계가 중심입니다. 다른 많은 사업도 이 생태계를 지원하는 방향으로 움직입니다. Google은 여러 차례 제품 결정을 광고 사업 보호 위주로 내렸고, 광고 안전 작업도 예외가 아닙니다. 이는 사용자가 Google 광고 생태계 안에 머무르게 하기 위한 필수적인 연합 태도이기도 합니다.

Google의 사기 방지 노력이 의미 없는 것은 절대 아닙니다. 위험하고 사기성 광고가 없거나 거의 없는 게 당연히 낫습니다. 하지만 사용자가 보고 싶은 광고를 직접 선택하는 게 훨씬 더 좋은 일입니다. Google 광고 안전 보고서는 AI가 원치 않는 콘텐츠를 얼마나 잘 가려내는지 보여줬습니다. 이제는 광고 차단기들이 이 강력한 도구를 더 잘 활용해 좋은 방향으로 서비스를 발전시킬 차례입니다.