ChatGPT가 알려준 PDF 출처와 페이지 번호, 그대로 믿어도 될까

AI가 제시한 인용문과 페이지 위치도 오류 가능성…출처 표시만으로 원문 검증 끝나지 않아

PDF 파일 순서·인쇄 페이지·문서 개정판 구분해야…기사·연구·계약서에 활용할 때 원본 확인 필수

기업의 사업보고서나 연구기관의 조사자료를 ChatGPT에 업로드하고 특정 내용을 질문하면 인공지능(AI)이 답변과 함께 출처나 페이지 번호를 제시하는 경우가 있다. 사용자는 해당 위치를 통해 원문을 확인할 수 있으며, 수십 페이지에 이르는 보고서에서 필요한 정보를 찾는 시간을 줄일 수 있다. 그러나 AI가 출처를 표시했다고 해서 그 문장에 담긴 사실관계와 페이지 위치까지 정확하다고 보장되는 것은 아니다.

특히 연구자료와 언론 보도, 계약서 검토에서는 출처의 정확성이 중요한 의미를 갖는다. 보고서에 없는 결론을 실제 연구 결과로 소개하거나 다른 연도의 통계를 인용하면 독자가 사실과 다른 정보를 받아들일 수 있다. 계약서에서도 특정 조건이 실제로 존재하는 조항을 잘못 안내하면 담당자가 중요한 문구를 놓칠 가능성이 있다.

AI의 출처 오류는 단순히 페이지 번호를 잘못 입력하는 문제에 그치지 않는다. 실제 문서에 존재하는 문구를 잘못 해석하거나, 관련은 있지만 질문의 답을 뒷받침하지 못하는 부분을 근거로 제시하는 상황도 발생할 수 있다. 여러 문서를 함께 분석하면서 다른 파일의 내용을 인용하거나, 이전 개정판에 기록된 정보를 최신 자료로 설명하는 문제 역시 검토해야 한다.

2026년 10월 현재 OpenAI는 ChatGPT 검색 결과에 포함된 출처와 인용이 불완전하거나 오래됐거나 부정확할 수 있다고 공식적으로 안내하고 있다. 해당 안내는 웹 검색에 관한 것이지만, 출처가 표시됐다는 사실만으로 답변의 정확성이 보장되지 않는다는 점을 분명하게 보여준다. 업로드한 PDF에서도 인용 표시의 존재와 실제 원문 일치 여부는 별도로 검토해야 한다.

또한 Adobe는 PDF의 페이지 탐색에 표시되는 번호와 문서에 실제로 인쇄된 페이지 번호가 서로 다를 수 있다고 설명한다. 이러한 차이는 AI가 문서의 올바른 위치를 찾았더라도 사용자가 다른 페이지를 확인하게 되는 원인이 될 수 있다.

따라서 ChatGPT가 제공한 PDF 출처는 확인 작업을 도와주는 정보로 이해해야 한다. 중요한 것은 출처가 있는지보다 그 출처에서 실제로 해당 주장을 확인할 수 있는지다.

━━━━━━━━━━━━━━━━━━━━

AI의 출처 표시는 무엇을 의미할까

━━━━━━━━━━━━━━━━━━━━

ChatGPT가 PDF 내용을 설명하면서 출처를 표시하면 사용자는 해당 답변이 원본 문서를 근거로 작성됐다고 이해하기 쉽다. 그러나 실제로 출처 표시가 어떤 의미를 갖는지는 사용 중인 기능과 답변의 생성 방식에 따라 달라질 수 있다.

예를 들어 사용자가 업로드한 PDF에서 특정 문단을 찾아 제시하는 경우에는 해당 문단이 포함된 파일이나 위치를 근거로 표시할 수 있다. 반면 웹 검색을 이용한 답변에서는 외부 웹페이지와 문서가 출처로 제시될 수 있다. 두 경우 모두 사용자는 실제 자료를 열어 관련 내용이 존재하는지 확인해야 한다.

이때 구분해야 할 것은 출처의 존재와 주장의 정확성이다. 특정 보고서가 실제로 존재하고 해당 보고서의 페이지에 관련 주제가 언급돼 있더라도 AI가 작성한 문장이 원문에서 직접 도출되는 결론인지는 별개의 문제다.

예를 들어 AI가 어떤 연구보고서를 근거로 제시하면서 ‘해당 정책의 효과가 입증됐다’고 설명했다고 가정해 보자. 그러나 원문에는 ‘일부 지표에서 긍정적인 변화가 관찰됐으며 추가 연구가 필요하다’고 기록돼 있을 수 있다.

이 경우 출처 자체는 실제로 존재하고 관련성도 있지만 AI의 결론은 원문보다 강한 의미를 전달한다. 따라서 단순히 출처가 연결돼 있다는 이유만으로 해당 설명을 확인된 사실로 취급해서는 안 된다.

문서 분석에서 신뢰할 수 있는 출처란 제목과 페이지 번호가 표시된 자료만을 의미하지 않는다. 제시된 문장이 원문의 어느 부분에 근거하며, 그 근거가 실제로 해당 주장을 뒷받침하는지 확인할 수 있어야 한다.

━━━━━━━━━━━━━━━━━━━━

PDF의 10페이지가 실제 보고서의 10페이지는 아닐 수 있다

━━━━━━━━━━━━━━━━━━━━

PDF 출처를 검증할 때 가장 먼저 확인해야 할 문제는 페이지 번호의 기준이다. PDF 파일은 첫 번째 페이지부터 순서대로 구성되지만, 문서 안에 인쇄된 페이지 번호는 반드시 같은 방식으로 표시되는 것이 아니다.

예를 들어 보고서의 앞부분에 표지와 발간사, 목차가 포함돼 있다고 가정해 보자. 실제 본문은 PDF 파일의 일곱 번째 페이지에서 시작하지만 문서에는 해당 페이지가 1페이지로 표시될 수 있다.

이 경우 PDF 파일 기준으로 20번째 페이지에 있는 내용은 문서에 인쇄된 번호로는 14페이지에 해당할 수 있다. 다만 이는 앞부분 여섯 페이지에 번호가 부여되지 않았다는 가정에 따른 예시이며, 실제 차이는 문서마다 다르다.

Adobe의 공식 기술문서에 따르면 PDF의 페이지 탐색창과 축소판에 표시되는 번호는 문서에 실제로 인쇄된 번호와 일치하지 않을 수 있다. Acrobat은 페이지 레이블 기능을 통해 로마 숫자와 아라비아 숫자, 장별 번호 등 다양한 번호 체계를 사용할 수 있도록 지원한다.

따라서 ChatGPT가 ’20페이지’라고 안내했다면 이것이 PDF 파일의 스무 번째 페이지를 의미하는지, 문서 본문에 인쇄된 20페이지를 의미하는지 확인해야 한다.

특히 학술보고서와 정부 정책자료에서는 목차와 부록에 별도의 페이지 번호가 사용되는 경우가 있어 이러한 구분이 중요하다.

AI에 페이지를 찾아달라고 요청할 때는 PDF 파일 기준의 페이지 순서와 문서 내부에 인쇄된 페이지 번호를 가능한 범위에서 각각 표시하도록 하는 것이 바람직하다.

━━━━━━━━━━━━━━━━━━━━

페이지 레이블과 인쇄된 번호를 혼동하면 어떤 일이 발생할까

━━━━━━━━━━━━━━━━━━━━

PDF에는 파일 내부의 페이지 순서와 별개로 탐색에 사용하는 페이지 레이블을 설정할 수 있다. 예를 들어 서론 부분에는 i, ii, iii와 같은 로마 숫자를 사용하고 본문부터 1, 2, 3으로 다시 번호를 매기는 방식이다.

Adobe는 페이지 레이블을 변경하는 기능이 탐색창에 표시되는 번호를 조정하는 것이며, 문서 페이지에 실제로 보이는 숫자를 추가하거나 변경하는 기능과는 구분된다고 설명한다.

이는 PDF를 검토할 때 최소한 세 가지 개념이 혼재할 수 있다는 뜻이다. 파일에서 몇 번째 페이지인지 나타내는 순서, PDF 프로그램이 탐색에 사용하는 페이지 레이블, 문서에 실제로 인쇄된 페이지 번호다.

세 가지가 항상 일치하는 것은 아니다.

예를 들어 학술자료의 목차에는 ‘제3장 연구 방법, 35페이지’라고 기록돼 있지만 PDF 뷰어의 탐색창에서는 해당 부분이 42번째 페이지에 해당할 수 있다. 여기에 페이지 레이블이 별도로 설정돼 있다면 탐색창에는 문서 본문과 동일한 35라는 번호가 나타날 수도 있다.

따라서 AI가 제시한 페이지가 맞는지 확인할 때 단순히 숫자만 비교하는 방식에는 한계가 있다.

특히 계약서나 보고서의 특정 문구를 외부에 안내할 때는 파일 기준의 위치를 명확히 제시하는 편이 실무상 도움이 될 수 있다. 필요하다면 장 제목이나 조항 번호, 표 번호까지 함께 표시해 출처를 확인하기 쉽게 만들어야 한다.

페이지 번호가 달라 보인다는 사실만으로 AI가 잘못된 내용을 찾았다고 단정할 수는 없지만, 실제 원문이 어디에 존재하는지 확인하는 과정은 반드시 필요하다.

━━━━━━━━━━━━━━━━━━━━

실제 페이지에 있는 문장이더라도 잘못 인용될 수 있다

━━━━━━━━━━━━━━━━━━━━

출처가 정확한 페이지를 가리키더라도 AI가 문장의 의미를 잘못 설명하는 경우가 있을 수 있다. 이는 위치 검색의 정확성과 내용 해석의 정확성이 서로 다른 문제이기 때문이다.

예를 들어 어떤 보고서에서 ‘2027년까지 사업 확대 여부를 검토한다’는 문구가 있다고 가정해 보자. AI가 같은 페이지를 근거로 제시하면서 ‘2027년까지 사업을 확대하기로 결정했다’고 설명한다면 페이지 번호는 맞더라도 사실관계가 달라진다.

또한 원문에 ‘일부 지역에서는 효과가 확인되지 않았다’는 제한 조건이 포함돼 있는데 AI가 ‘정책 효과가 확인됐다’고만 요약하면 해당 문장의 적용 범위가 달라질 수 있다.

이러한 문제는 직접 인용문에서도 발생할 수 있다. AI가 원문의 표현을 자연스럽게 바꾸거나 여러 문장을 결합한 뒤 따옴표로 표시하면 사용자는 실제 문서에 존재하는 문장으로 오해할 가능성이 있다.

따라서 출처 검증에서는 해당 문장이 원문에 존재하는지와 AI가 원문의 의미를 정확하게 전달했는지를 구분해야 한다.

특히 법률문서와 연구보고서에서는 부정 표현과 조건문, 예외 규정이 중요한 역할을 한다. 원문에 기록된 제한 사항을 생략하면 전체 결론이 달라질 수 있기 때문이다.

AI가 제공한 출처를 확인할 때는 인용된 문장뿐 아니라 앞뒤 문단을 함께 읽는 것이 바람직하다. 특정 문구의 의미가 다른 조항이나 각주에 의해 제한되는지도 검토해야 한다.

━━━━━━━━━━━━━━━━━━━━

같은 보고서라도 개정판이 다르면 출처가 달라진다

━━━━━━━━━━━━━━━━━━━━

연구기관과 공공기관은 보고서를 발표한 뒤 오류를 수정하거나 새로운 통계를 반영해 개정판을 공개하는 경우가 있다. 기업의 사업보고서 역시 최초 공개본과 정정 자료가 서로 다른 내용을 포함할 수 있다.

이러한 상황에서는 문서 제목이 같다는 이유만으로 동일한 자료라고 판단해서는 안 된다.

예를 들어 어떤 보고서의 최초 발표본에는 조사 대상이 1200명으로 기재돼 있었지만 이후 수정본에서 1180명으로 정정됐다고 가정해 보자. AI가 이전 문서의 값을 제시하면서 최신 보고서의 제목을 출처로 표시한다면 실제 문서와 수치가 일치하지 않을 수 있다.

또한 개정 과정에서 표와 그림이 추가되거나 삭제되면 페이지 번호 자체가 달라질 수 있다.

따라서 AI가 제시한 페이지 번호가 실제 파일에서 확인되지 않을 때는 다른 버전의 문서를 기준으로 작성된 정보인지 검토할 필요가 있다.

특히 통계자료와 정책문서는 발표일과 개정일, 적용 시점을 함께 확인하는 것이 중요하다. 동일한 제목의 자료라도 어느 시점의 정보를 기준으로 작성됐는지에 따라 내용이 달라질 수 있기 때문이다.

AI에 출처를 확인하도록 요청할 때는 문서의 제목뿐 아니라 작성 기관과 발행일, 개정 여부를 함께 기록하도록 하는 것이 좋다.

다만 파일 이름이나 문서 속 날짜만으로 최종 승인 여부를 확정할 수 없는 경우도 있으므로 필요한 경우 발행기관의 공식 자료를 확인해야 한다.

━━━━━━━━━━━━━━━━━━━━

여러 PDF를 함께 분석할 때 출처가 뒤섞일 수 있을까

━━━━━━━━━━━━━━━━━━━━

ChatGPT에 여러 PDF를 동시에 제공하면 각 문서에서 필요한 정보를 찾아 비교하거나 공통된 내용을 정리하도록 요청할 수 있다. 그러나 이러한 작업에서는 어느 문서에서 어떤 사실을 확인했는지 명확하게 구분해야 한다.

예를 들어 세 개의 연구보고서가 같은 정책의 효과를 분석하고 있다고 가정해 보자. 첫 번째 보고서는 고용 증가를 확인했고, 두 번째 보고서는 통계적으로 유의한 효과를 발견하지 못했으며, 세 번째 보고서는 특정 지역에 한정된 긍정적인 결과를 제시할 수 있다.

AI가 이 내용을 하나로 종합하면서 ‘세 보고서 모두 정책의 긍정적인 효과를 확인했다’고 설명한다면 실제 결과와 다른 결론이 된다.

또한 특정 통계가 두 번째 보고서에 포함돼 있는데 첫 번째 보고서를 출처로 표시하는 문제도 발생할 가능성이 있다.

이러한 오류를 줄이려면 파일마다 고유한 식별명을 부여하고, 분석 과정에서 모든 수치와 주장에 해당 문서의 이름을 연결하도록 요청해야 한다.

비슷한 제목의 파일을 여러 개 업로드한 경우에는 문서의 작성 기관과 발행 연도까지 함께 표시하는 것이 바람직하다.

특히 여러 PDF의 내용을 통합한 보고서를 작성할 때는 종합된 결론과 개별 문서의 사실을 구분해야 한다. 서로 다른 연구 결과를 하나의 결론으로 단정하기보다 어떤 문서에서 어떤 결과가 제시됐는지 먼저 정리하는 것이 중요하다.

━━━━━━━━━━━━━━━━━━━━

표와 그래프를 근거로 제시할 때는 무엇을 확인해야 할까

━━━━━━━━━━━━━━━━━━━━

PDF 출처가 본문 문장이 아니라 표나 그래프에 해당하는 경우에는 검증해야 할 정보가 더 많아질 수 있다. 표에서는 숫자의 위치와 제목, 단위가 함께 의미를 결정하기 때문이다.

예를 들어 AI가 특정 보고서의 35페이지 표를 근거로 기업의 매출 증가율을 설명했다고 가정해 보자. 실제 페이지에 관련 표가 존재하더라도 해당 수치가 매출액인지 영업이익인지, 연결 기준인지 별도 기준인지 확인해야 한다.

또한 표의 상단에 표시된 연도와 각주의 조사 대상이 정확하게 연결돼 있는지도 검토해야 한다.

이미지 형태로 삽입된 그래프에서는 축의 단위와 눈금 범위, 데이터의 범례가 중요하다. AI가 그래프의 흐름을 설명했더라도 원본의 축 설정을 잘못 해석했다면 결과가 달라질 수 있다.

OpenAI의 공식 안내에 따르면 PDF 내부에 삽입된 이미지와 시각자료를 분석하는 기능은 이용하는 요금제와 파일 처리 환경에 따라 차이가 있다. 이미지 기반 자료를 직접 분석할 수 없는 환경에서는 표나 그래프의 일부 정보가 처리되지 않을 수 있다.

따라서 시각자료를 근거로 한 답변에서는 AI가 실제 그림을 확인했는지, 별도의 텍스트 설명을 바탕으로 답했는지 구분할 필요가 있다.

특히 중요한 숫자는 원본 페이지에서 직접 확인하고, 표 번호와 제목, 단위를 함께 기록하는 것이 바람직하다.

━━━━━━━━━━━━━━━━━━━━

각주를 확인하지 않으면 같은 수치도 다르게 해석된다

━━━━━━━━━━━━━━━━━━━━

연구보고서와 통계자료에서는 중요한 조건이 본문이 아니라 각주에 표시되는 경우가 있다. 조사대상과 집계 기준, 제외된 자료, 단위 변경 등이 대표적이다.

예를 들어 표에 어떤 정책의 참여율이 70%라고 표시돼 있다고 가정해 보자. 그러나 각주에는 이 수치가 전체 인구가 아니라 일정한 자격을 갖춘 조사대상자 가운데 응답한 집단을 기준으로 계산됐다는 설명이 포함돼 있을 수 있다.

이 경우 AI가 참여율 70%라는 숫자와 페이지 번호를 정확하게 제시하더라도 각주의 조건을 생략하면 독자는 전체 인구의 70%가 정책에 참여한 것으로 오해할 수 있다.

이러한 문제는 출처의 위치가 정확하다는 사실만으로 해결되지 않는다. 해당 출처에서 어떤 범위의 주장을 뒷받침할 수 있는지 확인해야 하기 때문이다.

특히 정부 통계와 학술자료에서는 추정치와 확정치, 표본과 전체 모집단, 명목값과 실질값 등의 구분이 중요하다.

따라서 AI에 숫자의 출처를 확인하도록 요청할 때는 표의 제목뿐 아니라 단위와 각주, 관련 설명까지 함께 확인하도록 해야 한다.

언론 보도에서는 이러한 제한 조건을 생략한 채 숫자만 인용하지 않도록 주의할 필요가 있다.

━━━━━━━━━━━━━━━━━━━━

출처가 정확한 것과 결론이 타당한 것은 별개다

━━━━━━━━━━━━━━━━━━━━

AI의 PDF 출처를 검증할 때는 원문 일치 여부를 넘어 결론의 타당성도 살펴봐야 한다. 실제로 존재하는 문장과 수치를 사용하더라도 그 자료에서 도출할 수 없는 결론을 제시할 수 있기 때문이다.

예를 들어 한 기업의 매출이 증가했고 같은 기간 광고비도 증가했다는 사실이 보고서에 기록돼 있다고 가정해 보자.

AI가 두 수치의 출처를 정확하게 제시하면서 광고비 증가가 매출 성장의 원인이라고 설명한다면 추가적인 근거가 필요하다.

두 지표가 함께 증가했다는 사실과 광고비 확대가 실제 매출 증가를 일으켰다는 주장은 서로 다르다.

또한 연구보고서에서 특정 집단의 결과가 확인됐는데 이를 전체 국민이나 모든 기업에 적용할 수 있다고 설명한다면 원문의 적용 범위를 넘어서는 결론이 된다.

따라서 출처 검증에서는 세 가지를 구분할 필요가 있다. 원문에 실제로 해당 정보가 존재하는지, AI가 그 정보를 정확하게 옮겼는지, 제시된 정보가 AI의 결론을 충분히 뒷받침하는지다.

이러한 구분은 특히 정책 효과와 기업 성과, 의학 연구, 투자 전망 등을 다루는 자료에서 중요하다.

AI가 정확한 페이지 번호를 제시했다는 이유만으로 그 문장에 포함된 인과관계와 일반화까지 승인해서는 안 된다.

━━━━━━━━━━━━━━━━━━━━

ChatGPT에 PDF 출처를 정확하게 제시하도록 요청하는 방법

━━━━━━━━━━━━━━━━━━━━

ChatGPT로 PDF의 내용을 확인할 때는 단순히 출처를 표시해 달라고 요청하는 것보다 검증 가능한 근거를 어떤 방식으로 제시해야 하는지 구체적으로 지정하는 것이 좋다.

특히 문서의 제목과 발행일, 페이지 번호, 원문 인용을 구분하도록 하면 사용자가 실제 자료를 확인하는 데 도움이 된다.

다음은 연구보고서에서 특정 통계와 결론을 확인하는 상황을 가정한 요청문이다.

“첨부한 PDF를 근거로 주요 통계와 연구 결과를 확인해 주세요.

먼저 파일명과 문서 제목, 발행기관, 발행일 또는 개정일, 전체 페이지 수를 확인할 수 있는 범위에서 정리해 주세요.

질문에 대한 답변을 작성할 때는 원문에 실제로 존재하는 정보만 사용해 주세요.

각 핵심 주장마다 해당 문서의 파일명과 원문 위치를 표시해 주세요.

PDF 파일 기준 페이지 순서와 문서에 인쇄된 페이지 번호가 다를 경우 가능한 범위에서 두 번호를 구분해 주세요.

각 주장을 뒷받침하는 짧은 원문을 제시하되 실제 문서에 존재하지 않는 문장을 직접 인용으로 작성하지 마세요.

표에서 추출한 숫자는 표 제목과 단위, 기준 기간, 관련 각주를 함께 알려주세요.

여러 페이지에 분산된 정보를 결합한 경우에는 각 정보의 출처를 별도로 제시해 주세요.

원문에서 확인할 수 없는 내용은 임의로 작성하지 말고 확인 불가로 표시해 주세요.

마지막으로 페이지 위치나 원문 일치 여부를 직접 확인해야 하는 항목을 별도로 정리해 주세요.”

이 요청문은 PDF 출처를 검증하기 쉽게 제시하도록 설계한 예시다. 실제 ChatGPT의 인용 정확도를 측정한 시험 결과는 아니다.

또한 이러한 지시를 제공했다고 해서 AI의 출처와 페이지 번호가 항상 정확하게 생성된다는 보장은 없으므로, 중요한 자료에서는 사용자가 직접 원문을 확인해야 한다.

━━━━━━━━━━━━━━━━━━━━

출처를 확인할 때는 원문과 답변을 나란히 비교해야 한다

━━━━━━━━━━━━━━━━━━━━

AI가 PDF의 출처를 제시한 뒤에는 실제 문서에서 해당 내용을 확인해야 한다. 이 과정은 단순히 페이지 번호가 존재하는지 확인하는 작업보다 조금 더 구체적인 절차를 필요로 한다.

먼저 AI가 제시한 파일명이 실제 검토하려는 문서와 일치하는지 확인해야 한다. 같은 제목의 다른 버전이나 유사한 연구보고서가 존재할 수 있기 때문이다.

다음으로 제시된 페이지의 실제 문구를 찾아야 한다. 페이지 번호가 맞더라도 해당 문장이 존재하지 않을 수 있으므로, 핵심 단어나 수치를 이용해 원문을 다시 확인하는 방법이 유용하다.

세 번째는 인용문의 정확성이다. 직접 인용문에 사용된 표현이 원문과 일치하는지 대조하고, 일부 표현이 생략되거나 변경되면서 의미가 달라지지 않았는지 살펴봐야 한다.

네 번째는 앞뒤 문맥과 각주 확인이다. 특정 문구에 예외 조건이나 제한 사항이 존재한다면 그 내용을 함께 반영해야 한다.

마지막으로 AI의 설명이 원문에서 실제로 도출될 수 있는 결론인지 확인해야 한다. 숫자는 정확하지만 원인에 관한 설명은 근거가 부족한 경우처럼 위치와 인용이 맞더라도 해석이 잘못될 수 있기 때문이다.

특히 기사와 보고서의 핵심 결론을 구성하는 자료라면 원본 확인을 생략하지 않는 것이 바람직하다.

이러한 검증 절차는 AI를 사용하지 않는 일반적인 자료 조사에서도 필요하지만, AI가 여러 정보를 빠르게 결합해 설명하는 환경에서는 더욱 중요해질 수 있다.

━━━━━━━━━━━━━━━━━━━━

PDF 출처를 기록하는 방식도 표준화할 필요가 있다

━━━━━━━━━━━━━━━━━━━━

기업과 연구기관에서는 같은 자료를 여러 사람이 반복적으로 이용하는 경우가 많다. 이때 출처가 단순히 보고서 제목과 페이지 번호만으로 기록돼 있다면 나중에 정확한 원문을 다시 찾기 어려울 수 있다.

특히 문서가 개정되거나 파일명이 변경되는 경우에는 기존의 페이지 안내가 다른 위치를 가리킬 가능성이 있다.

따라서 중요한 자료를 관리할 때는 문서 제목과 발행기관, 발행일, 버전, 페이지 번호 등을 함께 기록하는 것이 바람직하다.

PDF 파일 기준의 페이지 순서와 문서에 인쇄된 페이지 번호가 다른 경우에는 두 정보를 구분해 보관하면 검증에 도움이 된다.

또한 표와 그래프에서 수치를 인용할 때는 표 번호나 그림 번호를 함께 기록할 수 있다. 이러한 방식은 개정판에서 페이지가 이동하더라도 해당 항목을 다시 찾는 데 유용할 수 있다.

실무에서는 AI가 찾아낸 정보를 별도의 근거 목록으로 정리하는 방법도 고려할 수 있다. 각 항목에 핵심 주장과 원문 위치, 확인 상태를 기록하면 검토 과정의 진행 상황을 파악하기 쉽다.

예를 들어 중요한 재무 수치와 법률 조항은 원본 대조를 완료한 상태로 관리하고, 아직 확인하지 못한 항목은 검토 필요로 남기는 방식이다.

이러한 출처 관리 체계는 AI가 작성한 자료뿐 아니라 사람이 작성한 보고서에도 적용할 수 있다.

━━━━━━━━━━━━━━━━━━━━

AI의 출처 정확도는 어떻게 시험할 수 있을까

━━━━━━━━━━━━━━━━━━━━

ChatGPT가 PDF에서 제시한 출처와 페이지 번호를 얼마나 정확하게 찾는지 평가하려면 정답을 알고 있는 문서와 질문을 준비할 수 있다.

예를 들어 100페이지 보고서에서 특정 연구 결과와 표의 수치, 부록의 예외 조건 등을 선정하고, 각 항목이 실제로 위치한 페이지와 원문을 미리 확인하는 방식이다.

이후 AI에 동일한 질문을 제시하고 답변의 내용과 출처, 페이지 번호가 정답과 일치하는지 평가할 수 있다.

이때 단순히 맞는 페이지를 찾았는지뿐 아니라 제시된 원문이 실제 질문의 답을 뒷받침하는지도 확인해야 한다.

또한 문서에 존재하지 않는 정보를 질문하는 항목도 포함할 필요가 있다. 이러한 상황에서 AI가 임의의 페이지 번호나 인용문을 만들어 내지 않고 확인할 수 없다고 답하는지 평가하는 것이다.

평가에서는 실제 존재하는 정보를 정확한 출처와 함께 제시한 경우와 관련성은 있지만 충분한 근거가 없는 페이지를 제시한 경우를 구분해야 한다.

PDF 파일의 페이지 순서와 인쇄된 페이지 번호가 다른 자료를 시험에 포함하면 번호 체계에 따른 오류도 확인할 수 있다.

다만 이러한 시험의 정확도는 문서의 길이와 구조, 질문의 난도, 사용한 모델과 파일 처리 환경에 따라 달라질 수 있으므로 일부 결과를 모든 PDF 분석에 일반화해서는 안 된다.

이번 기사는 공식 기술문서를 바탕으로 출처 검증의 문제를 분석한 것으로, 실제 ChatGPT의 PDF 페이지 인용 정확도를 측정한 시험 결과는 포함하지 않았다.

━━━━━━━━━━━━━━━━━━━━

언론과 연구기관은 AI 출처를 어떻게 활용해야 할까

━━━━━━━━━━━━━━━━━━━━

언론사와 연구기관에서는 자료의 출처가 내용의 신뢰성을 판단하는 중요한 기준으로 사용된다. 특정 통계나 연구 결과를 인용할 때 독자가 해당 자료를 직접 확인할 수 있어야 하며, 인용된 내용이 원문과 일치하는지도 검토해야 한다.

AI는 긴 보고서에서 필요한 문구를 찾고 관련 정보를 정리하는 작업을 지원할 수 있지만 원문 검증의 책임을 대신하지는 않는다.

특히 언론 보도에서는 숫자와 날짜, 조사기관, 조사대상, 표본 수 등을 정확하게 확인해야 한다. 통계 수치를 올바르게 옮겼더라도 조사 대상의 범위를 잘못 설명하면 독자에게 부정확한 정보를 전달할 수 있기 때문이다.

또한 보고서에 기록된 전망을 확정된 사실처럼 표현하거나 일부 연구 결과를 전체 집단에 적용하는 방식은 주의해야 한다.

AI가 출처를 제시한 경우에도 중요한 정보는 원문을 직접 확인하고, 보도에 사용할 문장은 확인된 자료의 범위를 넘어가지 않도록 작성해야 한다.

연구기관에서도 마찬가지다. AI가 찾아낸 관련 문헌과 보고서의 제목, 저자, 발행 연도, 페이지 번호를 실제 자료와 대조해야 한다.

특히 학술논문이나 정책보고서의 직접 인용에서는 문구와 페이지 위치의 정확성이 중요하다. AI가 생성한 요약문을 원문의 직접 인용처럼 사용하는 것은 적절하지 않다.

출처가 제시된 AI 답변은 조사와 검토의 출발점이 될 수 있지만 최종적인 사실 확인을 완료한 자료와 동일하게 취급해서는 안 된다.

━━━━━━━━━━━━━━━━━━━━

출처를 표시한 AI 답변도 검증이 필요한 이유

━━━━━━━━━━━━━━━━━━━━

ChatGPT는 PDF에서 특정 정보를 찾고 출처를 제시하는 작업을 지원할 수 있다. 이러한 기능은 수십 페이지에 이르는 문서에서 필요한 내용을 확인하고 자료의 위치를 추적하는 데 도움을 줄 수 있다.

그러나 출처가 표시됐다는 사실만으로 해당 답변의 정확성과 타당성이 보장되는 것은 아니다.

실제 페이지에 관련 문장이 존재하더라도 AI가 원문의 의미를 잘못 해석했을 수 있으며, 표와 각주의 조건을 생략하거나 계획 단계의 정보를 확정된 사실로 설명했을 가능성도 있다.

또한 PDF 파일의 페이지 순서와 문서에 인쇄된 페이지 번호가 서로 다를 수 있고, 같은 보고서의 개정판에 따라 수치와 페이지 위치가 변경됐을 수도 있다.

따라서 AI가 제시한 출처를 확인할 때는 문서의 제목과 버전, 실제 페이지 위치, 원문 문구, 해당 문구가 뒷받침하는 주장의 범위를 함께 검토해야 한다.

OpenAI는 공식 검색 안내에서 출처와 인용이 불완전하거나 부정확할 수 있다고 설명하고 있으며, Adobe는 PDF의 페이지 레이블과 실제 인쇄 번호가 다를 수 있다는 점을 기술문서에서 안내하고 있다.

이러한 사실은 출처의 위치를 찾는 기술과 출처의 내용을 올바르게 해석하는 작업을 구분해야 한다는 점을 보여준다.

AI가 제시한 문구와 페이지 번호를 실제 원본과 대조할 수 있다면 문서 분석의 효율을 높이는 데 활용할 수 있다. 반면 출처 표시만 보고 내용을 확정하면 원문의 의미가 달라지거나 잘못된 근거가 후속 보고서와 기사에 반영될 가능성이 있다.

특히 법률과 재무, 정책, 학술 분야에서는 작은 수치나 표현의 차이에도 중요한 영향이 발생할 수 있으므로 검증 절차가 필요하다.

결국 신뢰할 수 있는 AI 문서 분석은 출처를 얼마나 많이 제시하느냐보다, 그 출처가 실제로 존재하고 해당 주장을 정확하게 뒷받침하는지 확인할 수 있느냐에 따라 평가돼야 한다.

━━━━━━━━━━━━━━━━━━━━

주요 확인 자료

━━━━━━━━━━━━━━━━━━━━

OpenAI, 「Searching the web with ChatGPT」, 검색 결과의 출처와 인용 검증 안내, 2026년 10월 확인.

OpenAI, 「Uploading files and audio to ChatGPT」, 업로드한 문서의 처리 방식 및 시각자료 지원 범위 안내.

Adobe Acrobat, 「PDF에서 페이지 번호 다시 매기기」, 2025년 12월 18일 업데이트.

Adobe Acrobat, 「PDF에 페이지 번호 추가」, 2025년 11월 5일 업데이트.

Adobe Acrobat, 「Create a URL to open a PDF file at a specific page」, 2025년 4월 16일 업데이트.