누가 이름으로 언급되는가: 인용 유형이 그라운딩된 언어 모델의 개인 이름 언급을 예측하며, 명단 기반 측정 도구는 이를 0.5%만 포착한다
Who Gets Named: Citation Type Predicts Individual Naming by Grounded Language Models, and a Roster Instrument Captures 0.5% of It
AI 브랜드 가시성에 대한 선행 연구는 기업 수준을 측정한다: 모델이 회사를 추천하는지, 그리고 그것이 기업의 평판과 일치하는지를 본다. 본 연구는 구매자가 사람을 선택하는 카테고리에서 한 단계 아래 수준의 질문을 던진다. 2026년 7월 24일 2시간 창구에 걸쳐 2,400건의 그라운딩 API 호출을 수행했다: 구매 의도 프롬프트 120개, 네 가지 모델(GPT-5.6 Sol, Gemini 3.6 Flash, Perplexity Sonar Pro, Grok 4.5), 각각 5회 반복, 네 개 유럽 시장과 다섯 가지 질의 언어. 모든 응답은 개인 전문가를 이름으로 언급했는지 여부에 대해 코딩되었으며, 명단을 참조하지 않는 규칙 연쇄를 통해 이루어졌고, 동명의 미국 도시로 해석되는 탐지는 제외했다(정밀도 96.9%, 재현율 61.7%, 따라서 아래의 모든 비율은 하한이다). 모든 추론은 프롬프트 내 클러스터링을 보정한다: 클래스 내 상관 0.258, 명목 2,400 대비 유효 n 407. 모델은 응답의 25.8%에서 개인을 이름으로 언급했다. 카테고리가 지배적이다: 부동산 35.4%, 자동차 대리점 32.9% 대 보험 9.1%(chi-square 159.3, 보정 후 p = 5.8e-8). 모델은 4배 차이를 보인다: Grok 38.0%에서 Gemini 9.3%까지. 인용 유형은 이름 언급을 예측하고 인용량은 그렇지 않다: 이름을 언급한 응답은 해당 개인의 자체 사이트를 2.6%p 더 자주 인용하고(95% CI +1.4~+3.9) 카테고리 포털을 4.3%p 더 자주 인용하며, 기업 소유 페이지는 동일한 비율로 인용한다(44.1% 대 45.5%). 아홉 쌍의 대응 번역 쌍에서 영어 프롬프트는 응답의 36.7%에서 개인을 이름으로 언급했고, 동일 질문을 현지어로 한 경우 15.6%였다(OR 3.14, 클러스터링 보정 p = 0.074, 방향은 분명하나 설계로 이를 확정할 수는 없다). 공개 LinkedIn 검색으로 구축한 939명 명단은 27,293건의 이름 형태 언급 중 128건과 일치했다(0.47%), 939명 중 26명만이 한 번이라도 언급되었고, 0.0%~25.4%의 명단 기반 비율은 그 중첩을 측정한다. 개인 AI 가시성의 명단 기반 측정은 모델이 실제로 하는 일의 작고 대표성 없는 일부만 본다.