2026년 3월, 국가AI전략위원회가 정책 문서를 마크다운(.md) 형식으로 전환한다고 발표했다. 한글이나 워드 문서의 복잡한 서식이 AI가 구조를 인식하는 데 방해가 된다는 이유였다. 마크다운(Markdown)은 간단한 기호만으로 문서의 구조를 표현할 수 있는 경량 마크업 언어다. 더 이상 개발자만 쓰는 문법이 아니다. AI와 소통하는 시대에 글을 쓰는 사람이라면 누구나 알아야 할 형식이 되고 있다. 이 글에서는 AI가 마크다운을 잘 이해하는 이유, 검색과 AI 답변 엔진에 유리한 구조, 그리고 마케터가 마크다운을 시작하는 방법에 대해 이야기하고자 한다.
AI는 왜 마크다운을 가장 잘 이해하는가?
ChatGPT, Claude, Gemini 같은 대규모 언어 모델(LLM)은 GitHub에 올라와 있는 방대한 마크다운 문서를 학습 데이터로 사용했다. README.md, 기술 문서, 위키 — 이 모든 것이 마크다운으로 작성되어 있다. LLM에게 마크다운은 사실상 모국어인 셈이다.
실제로 구조화된 정보를 전달할 때 마크다운 형식이 다른 포맷보다 훨씬 효과적이라는 연구 결과가 있다. 키-값 쌍을 마크다운으로 전달했을 때 60.7%의 정확도를 기록했는데, 이는 CSV 형식 대비 약 16%p, 차순위 형식인 XML 대비 약 5%p 높은 수치다. "사람이 읽기 쉬운 문서는 AI도 읽기 쉽다"는 말이 데이터로 증명된 것이다.
참고: Improving Agents - Which Table Format Do LLMs Understand Best?
흥미로운 점은 AI 도구의 출력도 마크다운이라는 것이다. ChatGPT에 질문하면 제목에는 #, 목록에는 -, 강조에는 **를 사용한 마크다운 형식으로 답변한다. AI의 입력과 출력 모두 마크다운으로 이루어지는 시대가 된 것이다.
마크다운은 SEO를 넘어 AEO/GEO에 왜 유리한가?
마크다운의 # 체계는 HTML의 H태그 구조와 직접 대응한다. ##로 쓰면 H2가 되고, ###으로 쓰면 H3가 된다. 워드프로세서에서 제목 스타일을 일일이 지정하는 것보다 훨씬 직관적이고, 구조를 무너뜨리기도 어렵다. 글을 쓰는 동시에 검색 엔진이 좋아하는 구조가 자연스럽게 만들어지는 셈이다.
그런데 지금은 SEO만으로 충분하지 않다. AI 시대에 웹 분석이 어떻게 달라지고 있는지 이전 글에서 다룬 것처럼, ChatGPT나 Perplexity 같은 AI 검색 엔진이 직접 답을 내놓는 시대가 열렸다. 이 환경에서 우리 콘텐츠가 AI에 인용되려면 기계가 구조를 파악하기 쉬운 형식이 중요하다. 이것이 바로 AEO(Answer Engine Optimization, 답변 엔진 최적화)와 GEO(Generative Engine Optimization, 생성형 엔진 최적화)의 핵심이다.
이 흐름에서 주목할 것이 llms.txt다. llms.txt는 AI 크롤러가 웹사이트의 콘텐츠를 빠르게 파악할 수 있도록 마크다운으로 작성하는 사이트 인덱스 파일이다. Anthropic, Stripe, Cloudflare 등 600개 이상의 사이트가 이미 채택했다. robots.txt가 검색 엔진 크롤러를 위한 것이었다면, llms.txt는 AI 크롤러를 위한 것이라고 이해하면 된다.
마케터가 마크다운을 시작하는 가장 쉬운 방법은?
핵심 문법 다섯 가지
마크다운의 핵심 문법은 다섯 가지면 충분하다.
| 문법 | 마크다운 | 결과 |
|---|---|---|
| 제목 | ## 제목 | H2 헤딩 |
| 목록 | - 항목 | 불릿 리스트 |
| 강조 | **굵게** | 굵게 |
| 링크 | [텍스트](URL) | 하이퍼링크 |
| 인용 | > 인용문 | 인용 블록 |
이 다섯 가지만 알면 블로그 포스트, 회의록, 기획서의 80%는 마크다운으로 작성할 수 있다. 복잡한 서식 없이 내용에만 집중하게 되는 것이 마크다운의 가장 큰 장점이다.
추천 도구
도구를 고르자면, 지식을 체계적으로 관리하고 싶다면 옵시디언(Obsidian), 글쓰기에 집중하고 싶다면 타이포라(Typora), 팀 협업이 필요하다면 구글 독스(Google Docs)의 마크다운 자동 감지 기능을 활용하면 된다.
AI와 함께 쓰는 워크플로우
AI와 함께 쓰는 워크플로우도 간단하다. ChatGPT나 Claude에 프롬프트를 줄 때 마크다운으로 구조화하면 AI가 의도를 더 정확히 파악한다. 예를 들어 역할, 맥락, 과업, 출력 형식을 ##으로 구분해서 전달하면 평문으로 쓸 때보다 훨씬 정돈된 결과를 받을 수 있다. AI가 마크다운으로 출력한 결과를 그대로 블로그 초안으로 활용하는 것도 가능하다. 이 블로그(ogaeng.com) 역시 마크다운 파일로 포스트를 관리하고 있으며, Jekyll에서 Next.js로 마이그레이션할 때도 마크다운 파일을 그대로 옮길 수 있었다.
마크다운은 글쓰기의 미래를 어떻게 바꾸고 있는가?
국가AI전략위원회의 마크다운 전환은 상징적인 사건이다. 문서의 "보이는 서식"보다 "구조화된 내용"이 중요해졌다는 신호이기 때문이다. 이 흐름은 정부 문서에만 한정되지 않는다.
바이브코딩(Vibe Coding)이라는 개발 방식이 빠르게 퍼지고 있다. 자연어로 AI에게 지시하면 AI가 코드를 생성하는 방식인데, 이를 더 체계화하여 마크다운으로 명세를 작성하고 AI가 코드를 생성하는 명세 기반 개발(Spec-Driven Development) 방식도 등장했다. GitHub은 이를 위해 Spec Kit이라는 도구를 출시했다. 개발자가 아니더라도 알아두면 좋은 흐름인데, AI 에이전트의 설정 파일인 CLAUDE.md, .cursorrules 같은 파일도 모두 마크다운이다. 마크다운이 단순한 글쓰기 도구를 넘어 AI와 소통하는 인터페이스가 된 것이다.
마이크로소프트는 윈도우 메모장에 마크다운 지원을 추가했고, 구글 독스는 마크다운 자동 감지 기능을 제공하고 있으며, 애플 노트도 iOS 26에서 마크다운 가져오기/내보내기 기능을 도입할 예정이다. 마크다운은 이제 개발자의 전유물이 아니라 누구나 사용하는 범용 글쓰기 형식으로 자리 잡고 있다.
마치며
마크다운은 배우는 데 5분이면 충분하지만, AI 시대에 글쓰기의 효율과 도달 범위를 근본적으로 바꿔주는 도구다. AI가 가장 잘 이해하는 형식으로 글을 쓰고, 검색 엔진과 AI 답변 엔진 모두에 최적화된 구조를 자연스럽게 만들 수 있다.
거창하게 시작할 필요 없다. 다음에 회의록을 쓸 때 #으로 제목을 달고, -로 목록을 만들어 보는 것부터 시작하자. 한번 마크다운에 익숙해지면 워드프로세서의 복잡한 서식 메뉴로 돌아가기 어려울 것이다.
관련 글: AI 시대, 웹 분석은 어떻게 달라지는가
자주 묻는 질문
Q. 마크다운을 배우려면 얼마나 걸리나?
핵심 문법 다섯 가지(제목, 목록, 강조, 링크, 인용)는 5분이면 익힐 수 있다. 표, 코드 블록, 각주 등 확장 문법까지 포함해도 하루면 충분하다. 실무에서 자연스럽게 쓰려면 1~2주 정도 의식적으로 사용해 보자.
Q. 마크다운으로 글을 쓰면 SEO에 정말 유리한가?
마크다운 자체가 SEO 점수를 올려주는 것은 아니다. 다만 # 체계가 H태그 구조를 자연스럽게 만들어주고, 링크와 이미지 삽입이 일관된 형식으로 이루어지기 때문에 구조적으로 검색 엔진 친화적인 콘텐츠가 만들어진다. 여기에 llms.txt까지 적용하면 AI 검색 엔진 대응도 가능하다.
Q. ChatGPT에 마크다운으로 프롬프트를 쓰면 결과가 달라지나?
달라진다. 역할, 맥락, 과업을 ##으로 구분하고, 조건을 -로 나열하면 AI가 각 요소를 명확히 구분하여 처리한다. 특히 코드 생성이나 긴 문서 작성처럼 복잡한 요청일수록 차이가 크다. 같은 내용이라도 마크다운으로 구조화하면 AI가 빠뜨리는 조건이 눈에 띄게 줄어든다.
