귀하의 보고서가 AI 작성으로 판정되었지만, 용어와 수치를 정확히 유지해야 하므로 자유롭게 다시 쓸 수는 없습니다. 해결책은 재작성이 아니라 편집 순서입니다. 모든 숫자, 용어, 인용은 그대로 두고 리듬과 문장 구조만 바꾸세요. 문서의 아래에서 위로 작업하고, 탐지기가 실제로 표시한 문장만 손대세요.
보고서에서 기술적인 문장이 AI 탐지에서 왜 나쁜 점수를 받나요?
탐지기는 변화를 살핍니다. 기계 텍스트는 문장 길이를 고르게 유지하고, 같은 연결어를 사용하며, 균형 잡힌 절을 선호하는 경향이 있습니다. 기술 문서는 그중 상당 부분을 의도적으로 그렇게 합니다.
분석 보고서는 병렬 구조로 가득합니다: “북부 지역에서는 매출이 증가한 반면, 남부 지역에서는 비용이 감소했습니다.” 이는 좋은 보고입니다. 또한 모델이 기본적으로 만들어내는 리듬이기도 합니다. 정의, 범위 진술, 방법론 단락은 의도적으로 균일하기 때문에 가장 문제가 됩니다.
우리는 2026-09-13에 자체 측정을 실행했습니다: 손으로 작성한 DeAIze 가이드 23개는 평균 AI 점수 21%(중앙값 22%, 범위 0-46%)를 기록했으며, 23개 중 5개가 30% 임계값에서 표시되었습니다. 편집되지 않은 모델 구절 12개는 평균 33%(중앙값 34%)를 기록했습니다. 인간과 기계 문장 사이의 격차는 실제이지만, 이는 분포의 중간에 있는 격차이지 명확한 경계선이 아닙니다. 기술 작가는 장르가 일관성을 보상하기 때문에 기계 쪽에 더 가깝습니다.
이는 대응 방식에 중요합니다. 표시는 확률 추정치이지, 보고서를 누가 작성했는지에 대한 판정이 아닙니다. 이는 편집하라는 신호이지, 평결이 아닙니다.
편집 순서: 고정한 후, 풀어라
이 순서대로 작업하세요. 각 단계는 다음 단계에서 손상될 수 있는 것을 보호합니다.
- 실질 내용을 고정하세요. 보고서를 작업 파일로 복사하세요. 모든 수치, 표 참조, 정의된 용어, 인용을 고정으로 표시하세요. 실제로는: 강조 표시하거나, 마지막에 대조할 별도의 고정 목록에 넣으세요.
- 탐지를 먼저 실행하세요, 마지막이 아니라. 문서를 채점하고 문장 수준 하이라이트를 읽으세요. 문서 점수가 아니라 표시된 줄을 원합니다. DeAIze는 AI 확률로 각 문장을 하이라이트하므로 어떤 줄이 신호를 담고 있는지 볼 수 있습니다. 눈을 감고 편집하면 좋은 문장을 다시 쓰고 평범한 문장은 그대로 둘 것입니다.
- 표시된 문장에서만 리듬을 고치세요. 문장 길이와 시작 단어를 바꾸세요. 절 내용은 건드리지 마세요.
- 다시 채점하고 비교하세요. 점수가 개선되고 의미가 온전할 때만 편집을 유지하세요.
자르기 전에 문장 수준 보기를 보고 싶다면, DeAIze의 무료 요금제는 가입 시 신용카드 없이 200단어를 제공하며, 유료 요금제는 1,000단어에 $20.99부터 시작합니다 — 전체 내역은 /pricing/를 참조하세요.
정밀도를 약화시키지 않고 변화를 추가할 곳
변화는 데이터를 담지 않는 세 곳에 존재합니다: 문장 길이, 문장 시작, 그리고 연결어입니다.
문장 길이. 표시된 문단에 비슷한 길이의 문장이 네 개 있다면, 하나는 나누고 둘은 합치세요. 긴 문장 뒤에 오는 짧은 문장은 사람이 쓴 것처럼 읽히는데, 모델은 따로 지시받지 않으면 좀처럼 그렇게 하지 않기 때문입니다.
도입부. 모델은 “Additionally”, “Furthermore”, “Moreover”, “It is worth noting that”을 좋아합니다. 이런 표현을 실제 관계를 드러내는 말로 바꾸세요: “The same pattern holds in Q3.” “Costs moved the other way.” 논리는 유지하면서 템플릿은 버리는 겁니다.
연결어. 한 곳에서는 “therefore”를 “so”로, 다른 곳에서는 “which means”로 바꾸세요. 의미는 같지만 겉모습은 달라집니다.
다음은 예시일 뿐, 실제 고객 수치가 아닙니다. Before: “The methodology employed in this analysis is consistent with prior reporting cycles, and the data sources remain unchanged from the previous period.” After: “We used the same method as last cycle. The data sources did not change.” 주장은 동일합니다. 리듬만 달라졌습니다.
해서는 안 되는 것은 더 캐주얼하게 들리도록 용어를 완화하는 것입니다. 보고서에 “statistically significant”라고 되어 있으면 그대로 둡니다. 수치가 근사치라면 이미 가지고 있던 한정어를 유지하세요.
표, 글머리 기호 목록, 경영진 요약
이 세 섹션은 산문보다 더 자주 플래그되며, 각각 다른 처리가 필요합니다.
| 섹션 | 탐지기가 반응하는 요소 | 변경할 사항 | 그대로 둘 사항 |
|---|---|---|---|
| 요약 | 균일한 문장 길이, 요약 표현 | 긴 문장 하나를 분할하고 시작 부분을 다양화 | 모든 수치와 결론 |
| 글머리 기호 목록 | 병렬 구조, 동일한 동사 형태 | 한두 항목에서 병렬 구조 깨기 | 각 글머리 기호의 내용 |
| 데이터 표 | 셀 내부에는 아무것도 없음 | 주변 캡션과 주석만 다시 작성 | 모든 셀 값과 열 머리글 |
| 방법론 | 수동태, 반복되는 문장 틀 | 일부 수동태를 능동태로 전환 | 정의와 범위 |
| 권고 사항 | 조동사 중첩(“고려해야 한다”) | 문장당 하나의 권고, 다양한 길이 | 권고 자체 |
요약은 압축하기 때문에 가장 어렵습니다. 압축하면 자연스럽게 균일한 문장이 나옵니다. 해결책은 요약을 확장하는 것이 아니라 대칭을 깨는 것입니다. 짧은 문장 하나, 긴 문장 하나, 전환어 대신 주어로 시작하는 문장 하나를 넣으세요.
글머리 기호 목록이 플래그되는 이유는 완벽한 병렬 구조가 기계의 습관이기 때문입니다. 한 번 깨보세요. 모든 글머리 기호가 동사로 시작한다면, 하나는 명사구로 시작하게 만드세요. 검토자는 눈치채지 못할 것입니다. 탐지기는 눈치챌 것입니다.
표는 셀 내부가 안전합니다. 위험은 캡션, 각주, 표를 소개하는 단락에 있습니다. 이런 부분은 종종 상투적인 문구이기 때문에 상투적으로 읽힙니다.
고객이나 검토자가 점수를 올리면 어떻게 해야 할까
대부분의 가이드가 건너뛰는 부분이며, 이 부분이 계약이 유지될지를 결정합니다.
첫째, 점수를 산출한 도구가 무엇이며 무엇을 보고했는지 물어보세요. 도구 이름과 임계값이 없는 단일 숫자는 실행에 옮길 수 없습니다. 탐지기 점수는 확률 추정치이며, 같은 문서에 대해 두 도구가 일상적으로 서로 다른 결과를 내놓습니다.
둘째, 짧은 편집 로그를 작성하세요. 표시된 문장, 무엇을 변경했는지 나열하고, 어떤 수치, 용어 또는 인용도 이동하지 않았음을 확인하세요. 이것이 대화를 끝내는 문서입니다. 이는 내용 자체가 문제된 적이 없음을 보여줍니다.
셋째, 검토자가 고객이라면 다음번에는 계약서에 정책을 명시하세요. 어떤 탐지기가 기준이 되는지, 임계값은 얼마인지, 표시가 발생하면 어떻게 할지를 사전에 합의하세요. 프리랜서와 컨설턴트는 실제 탐지보다 정의되지 않은 검토 기준 때문에 훨씬 더 자주 피해를 입습니다.
넷째, 인간 기준선에 대한 자체 기록을 유지하세요. 2026-09-13 측정에 따르면, 손으로 작성한 23개 가이드 중 5개가 30% 임계값에서 표시되었습니다. 인간이 쓴 글도 표시됩니다. 고객이 표시가 AI 저작을 의미한다고 믿는다면, 그 믿음은 다음 납품 후가 아니라 전에 바로잡아야 합니다.
한 줄로 정리한 순서
핵심 내용은 고정하고, 문서를 채점하고, 리듬을 위해 표시된 문장만 편집하고, 다시 채점하고, 의미가 유지될 때만 편집을 반영하세요. 보고서의 다른 부분은 움직여서는 안 됩니다. 점수 이면의 원리를 알고 싶다면 /blog/how-ai-detection-works/에서 신호를 설명하고, /humanize-ai-text/에서 재작성 루프를 처음부터 끝까지 다룹니다.
솔직한 한계: 어떤 도구도 문장을 누가 썼는지 알려줄 수 없습니다. 당신의 데이터, 분석, 결론은 당신의 것이어야 합니다. 편집 단계는 확률 추정치가 당신의 작업에 대한 증거로 오인되는 것을 막기 위해 존재합니다.
측정 참고: 이 글의 수치는 2026-09-13에 자체 탐지기를 실행한 결과입니다 — n = 23개의 직접 작성한 가이드 대 n = 12개의 편집되지 않은 모델 출력, 중앙값 AI 점수는 각각 22%와 34%입니다. 방법: /methodology/.