AI 탐지기 API 워크플로는 탐지기 점수를 여러 입력 중 하나로 취급하며, 절대 자동 차단으로 사용하지 않습니다. 콘텐츠를 사람 검토 대기열로 보내는 임계값을 설정하고, 모든 결정을 그 근거와 함께 기록하며, 몇 달 후에도 사용자에게 설명할 수 있는 기록을 유지합니다.
핵심 요점
- 탐지기 점수에 대한 이진 게이트는 규모가 커지면 실패합니다. 탐지기 출력은 확률 추정치일 뿐, 작성자의 증거가 아니기 때문입니다.
- 임계값은 상상 속 정확도 수치가 아니라 검토 역량에 따라 설정하세요. 두 개의 임계값(자동 통과, 사람 검토)이 하나보다 낫습니다.
- 점수, 모델 버전, 적용 중인 임계값, 검토자의 결정을 기록하세요. 그렇지 않으면 나중에 플래그를 설명할 수 없습니다.
- 문장 수준 점수는 어떤 줄이 신호를 담고 있는지 알려줍니다. 문서 전체 점수는 실행 가능한 정보를 거의 주지 않습니다.
- 탐지는 텍스트가 모델 출력과 유사하다는 것을 알려줄 수 있습니다. 누가 썼는지, 아이디어가 독창적인지는 알려줄 수 없습니다.
탐지기 점수에 대한 하드 게이트는 왜 규모가 커지면 실패할까요?
게이트는 확률을 판결로 바꾸고, 판결은 이의 제기의 대상이 되기 때문입니다.
충분히 큰 코퍼스에 어떤 탐지기를 실행해도 일부 사람이 작성한 글이 컷오프를 넘습니다. 우리가 직접 측정했습니다. 2026-09-19에 우리는 자체 탐지기(로컬 앙상블, 라이트 티어)로 46개의 손으로 작성한 DeAIze 가이드를 30% 플래그 임계값으로 점수화했습니다. 평균 AI 점수는 27%, 중앙값은 25%, 범위는 0에서 55%였습니다. 그 임계값에서 46개의 사람이 작성한 문서 중 17개가 플래그되었습니다.
다시 한번 읽어보세요. 우리가 인간이 작성했다고 아는 문서 중 3분의 1 이상이 30% 선을 넘었습니다. 이는 우리 자체 작성 텍스트에 우리 도구를 적용한 결과인데도 여전히 경계선상의 판정을 내놓습니다. 경쟁사의 탐지기도 똑같이 작동할 것입니다. 모든 탐지기가 문체적 신호로부터 확률을 추정하기 때문입니다.
게이트는 그 추정치를 사용자에게 직접 영향을 주는 처벌로 전환합니다. 제출 차단, 업로드 실패, 지원 티켓이 그것입니다. 점수가 옳았는지에 대한 논쟁을 떠안게 되지만, 로깅을 먼저 구축하지 않았다면 답변할 증거가 없습니다.
대안은 탐지를 결제 플랫폼의 사기 신호를 다루는 방식으로 취급하는 것입니다. 탐지는 결정에 기여할 뿐, 결정을 내리지는 않습니다.
탐지가 텍스트 한 편에 대해 실제로 알려줄 수 있는 것은 무엇인가?
대부분의 통합 기획서가 가정하는 것보다 적습니다. 코드를 작성하기 전에 그 경계를 정확히 짚어둘 가치가 있습니다.
탐지가 알려줄 수 있는 것:
- 해당 구절의 통계적 질감이 주변 텍스트보다 언어 모델의 출력과 더 유사하다는 점.
- 도구가 문장 수준 점수를 보고하는 경우, 어떤 특정 문장이 그 신호를 가장 많이 담고 있는지.
- 문서가 귀하가 통제하는 참조 코퍼스에 비해 이상치라는 점.
알 수 없는 것:
- 누가 썼는지. 모델 초안을 편집하는 사람, 사람 초안을 바꿔 쓰는 모델, 평범한 문체로 쓰는 사람 모두 비슷한 판독 결과를 낼 수 있습니다.
- 내용이 정확한지, 독창적인지, 또는 귀하가 실제로 가진 정책을 위반하는지.
- 어떤 사람이 귀하의 규칙이 허용하는 방식으로 AI를 사용했는지. 탐지는 귀하의 정책 개념이 없고, 문체 개념만 있습니다.
여기에는 이름 붙일 가치가 있는 두 번째 함정이 있습니다. 사람의 글은 문체적으로 균일하지 않고, 기계 출력은 문체적으로 명백하지 않습니다. 동일한 2026-09-19 측정에서 우리의 사람 작성 샘플은 100단어당 3개의 AI 티 나는 표현을 담고 있었고, 편집되지 않은 모델 출력은 100단어당 1개를 담고 있었습니다. 그 특정 측정에서 사람의 글은 더 깨끗한 것이 아니라 더 잡음이 많았습니다. 파이프라인이 플래그된 텍스트가 명백히 기계 제작처럼 보일 것이라고 가정한다면, 실제 사람을 잘못 분류할 것입니다.
게이트에 무엇이든 연결하기 전에, 자체 코퍼스를 탐지기에 통과시키고 실제 사용자가 어디에 위치하는지 확인하세요. DeAIze의 무료 등급은 신용카드 없이 가입 시 200단어를 제공하며, 유료 크레딧 팩은 $20.99부터 시작합니다 — 등급은 /pricing/을 참조하세요. 자체 분포를 아는 것이 컷오프를 추측하는 것보다 낫습니다.
탐지기 임계값 설정은 어떻게 선택합니까?
검토 역량에서 임계값을 정한 다음, 그 역량이 함의하는 오류율을 받아들이세요. 그 반대가 아닙니다.
단일 임계값은 이진 선택을 강제합니다. 두 개의 임계값은 분류 구간을 만들어 줍니다:
| 구간 | 일반적인 조치 | 비용 | 적합한 경우 |
|---|---|---|---|
| 낮은 임계값 미만 | 자동 통과, 점수만 기록 | 일부 모델 지원 텍스트가 검토 없이 나가는 것을 받아들임 | 대량, 저위험 콘텐츠 |
| 임계값 사이 | 사람 검토 대기열에 추가 | 검토자 시간, 사용자가 볼 수 있는 지연 | 결과가 따르는 모든 것 |
| 높은 임계값 초과 | 우선순위 대기열에 추가, 추가 신호 포함 | 동일한 검토자 시간, 수집할 맥락 증가 | 결제, 자격 증명, 게시된 주장 |
두 가지 실용적인 규칙이 있습니다. 첫째, 낮은 임계값을 검토 대기열이 인력 범위 안에 머물 만큼 충분히 높게 설정하세요. 모든 것을 잡을 만큼 낮게 설정하지 마세요. 아무도 처리할 수 없는 대기열은 대기열이 없는 것보다 나쁩니다. 읽지 않게 되는 백로그가 되기 때문입니다. 둘째, 높은 임계값을 낮은 임계값보다 훨씬 높게 설정하세요. 두 값이 가까이 있으면 분류 구간이 무너지고 다시 게이트로 돌아갑니다.
각 임계값의 비용은 다음과 같습니다. 낮은 임계값을 더 낮추면 커버리지를 얻고 검토자 시간을 소모합니다. 더 높이면 처리량을 얻고 무언가 빠져나갈 위험을 감수합니다. 어느 쪽도 무료가 아닙니다. 어떤 것을 선택했고 왜 그런지 기록하세요. 결정이 문제 제기될 때 누구나 가장 먼저 요구할 것이 그 기록이기 때문입니다.
플래그된 콘텐츠를 위한 사람 검토 대기열은 어떻게 설계하나요?
검토자의 결정을 중심으로 설계하세요, 탐지기의 출력이 아니라.
- 문장 수준 보기를 보여주세요. “이 문서는 높은 점수를 받았습니다”라는 말을 마주한 검토자는 아무것도 할 수 없습니다. 문장별 점수와 함께 강조된 문장을 마주한 검토자는 어떤 줄이 결과를 이끌었는지 볼 수 있습니다. DeAIze가 문서 점수와 문장별 AI 확률을 모두 보고하는 이유가 바로 이것입니다 — 전체 문서 숫자는 요약이고, 문장 보기는 증거입니다.
- 그들에게 두 번째 신호를 주세요. 계정 나이, 편집 이력, 이전 플래그, 사용자가 AI 지원을 공개했는지, 콘텐츠가 이미 허용하는 템플릿과 일치하는지. 탐지기 점수는 패널의 한 행일 뿐, 패널 자체가 아닙니다.
- “증거 불충분”을 유효한 결과로 만드세요. 플래그의 유일한 이유가 경계선 점수라면, 올바른 결정은 통과시키고 그 이유를 기록하는 것입니다. 반드시 판정을 내려야 한다고 믿는 검토자는 판정을 내릴 것입니다.
- 큐의 지연을 제한하세요. 사용자가 이미 떠난 후에 해결되는 검토는 지원 티켓이지, 검토가 아닙니다.
실무에서 나온 한 가지 설계 노트: 점수가 아니라 결과에 따라 라우팅하세요. 댓글 초안의 높은 점수와 인증 업로드의 높은 점수는 동일한 숫자라도 다른 큐에 배정되어야 합니다.
나중에 설명할 수 있도록 탐지 결정을 어떻게 기록하나요?
영향을 받은 사용자에게 전달해야 할 경우 원하는 것과 동일한 형태로, 이유가 포함된 기록으로 결정을 기록하세요.
최소한 다음을 캡처하세요:
- 원점수와 문장별 점수, 그리고 이를 산출한 도구와 모델 버전.
- 그 시점에 적용된 임계값. 임계값은 변하므로, 결정은 그것을 산출한 구성에 비추어야만 해석할 수 있습니다.
- 결정 시점에 존재했던 다른 신호들과 그 값.
- 결과: 자동 통과, 대기, 검토, 번복, 유지.
- 검토된 항목의 경우, 검토자가 자신의 말로 밝힌 사유.
두 가지 습관이 이를 지속 가능하게 만듭니다. 탐지기의 출력을 렌더링된 문자열이 아닌 데이터로 저장하여 나중에 다시 점수를 매기지 않고도 분석을 재실행할 수 있게 하세요. 그리고 모든 것에 단일 시계 기준으로 타임스탬프를 찍으세요. 로그가 세 가지 다른 시간 소스를 사용한다면 “모델 버전이 화요일에 변경되었다”는 답할 수 없기 때문입니다.
무엇을 저장할지 정하기 전에 기본 메커니즘을 알고 싶다면, AI 탐지 작동 방식에서 탐지기가 읽는 신호와 단일 숫자가 많은 정보를 압축해 없애는 이유를 다룹니다.
두 번째 탐지기로 교차 확인해야 할까요?
때로는, 그리고 의도적으로 해야 합니다. 모든 문서를 여러 탐지기로 실행하면 비용과 불일치율이 배로 늘어나지만 정보는 크게 늘지 않습니다.
더 유용한 패턴: 분류 구간에 해당하는 항목만, 그리고 결정이 중대할 때만 교차 확인하세요. DeAIze는 내부 추측을 신뢰하는 대신 구성된 경우 실제 타사 탐지기 API에 대해 출력을 실행합니다 — GPTZero, Turnitin, Copyleaks, Originality.ai, Sapling가 사이트에 명시된 것들입니다. 이는 파이프라인에도 합리적인 형태입니다: 기본 탐지기가 분류를 수행하고, 명명된 외부 검사가 경계 사례를 확인하며, 두 결과를 나란히 기록합니다.
두 도구가 서로 다른 결과를 낼 때, 그 불일치 자체가 정보입니다. 이는 보통 텍스트가 판단 경계선 근처에 있다는 뜻이며, 더 높은 수치를 선택할 이유가 아니라 사람이 검토할 이유가 됩니다. AI 탐지기는 정확한가요?에서는 두 도구가 같은 구절을 다르게 읽는 이유를 자세히 설명합니다.
문장 단위 워크플로는 처음부터 끝까지 어떤 모습인가요?
다음은 실제 운영 환경에서 견고하게 유지되는 구조입니다.
- 텍스트가 들어옵니다. 접수 시점에 한 번 점수를 매기고 원시 응답을 저장합니다.
- 분류 구간을 적용합니다. 대부분의 콘텐츠는 점수가 기록된 채 자동 통과되고 아무도 사람이 보지 않습니다.
- 분류 구간에 해당하면 문장 단위 보기를 불러오고 보조 신호를 큐 항목에 첨부합니다.
- 검토자가 서면으로 결정하며, “증거 불충분”을 선택할 수 있습니다.
- 전체 기록을 영구 저장합니다: 점수, 임계값, 신호, 결정, 사유.
- 번복된 결정을 정기적으로 임계값 조정에 반영합니다. 검토자가 한 구간에서 많은 항목을 번복한다면, 그 구간은 잘못 설정된 것입니다.
3단계는 대부분의 통합이 흐지부지되는 지점입니다. “점수: 높음”이라고만 표시하는 큐 항목은 형식적인 승인을 낳습니다. 점수를 이끌어낸 세 문장을 보여주는 큐 항목은 진짜 결정을 낳습니다.
예시이며 실제 고객 기록이 아닙니다: 제출된 글이 높은 문서 점수와 함께 도착합니다. 검토자가 문장 보기를 열어보니 상단의 두 개의 밀도 높은 문단이 신호의 대부분을 차지하고, 나머지 부분은 평이하고 구체적으로 읽힙니다. 검토자는 표시된 문단이 작성자가 이전에 발표한 문체와 일치한다는 점을 확인하고, 해당 항목을 증거 불충분으로 표시한 뒤 통과시킵니다. 로그에는 점수, 문장, 메모, 결과가 남습니다. 6주 후 작성자가 자신의 제출이 왜 지연되었는지 묻자, 그 기록이 한 화면에서 답을 줍니다.
이것을 운영하는 데 비용이 얼마나 드나요?
세 가지 예산이 있고, 그중 하나만 돈입니다.
탐지 비용. 단어당 가격 책정은 비용이 볼륨에 따라 확장된다는 것을 의미하므로, 접수 시 점수를 매기고 동일한 문서를 페이지 로드마다 다시 점수 매기는 것을 피하세요. 콘텐츠 해시를 기준으로 결과를 캐시하세요.
검토자 시간. 이것이 실제 비용입니다. 제출물의 몇 퍼센트를 포착하는 분류 밴드는 일일 볼륨을 곱하기 전까지는 저렴해 보입니다. 보유한 인력에 맞춰 밴드 크기를 정하고, 볼륨이 변하면 다시 검토하세요.
지원 부하. 결정이 잘못되었다고 생각하는 자동 차단된 모든 사용자는 티켓입니다. 차단 대신 검토로 라우팅하면 대부분의 티켓이 짧은 지연으로 바뀌며, 이는 설명하기 훨씬 저렴한 일입니다.
다양한 도구가 API 응답에서 실제로 반환하는 내용과 그중 얼마나 많은 부분이 파이프라인 신호로 사용 가능한지 비교하려면, AI 탐지기 비교가 실용적인 출발점입니다.
어떤 문장이 기계가 쓴 것처럼 읽히는지 확인할 준비가 되셨나요?
워크플로를 설계하고 있다면, 설계를 구체화하는 가장 빠른 방법은 샘플이 아니라 자신의 텍스트에서 실제 문장 단위 출력을 살펴보는 것입니다.
/ai-detector/의 탐지기로 시작하세요 — 출처를 알고 있는 문서를 붙여넣고 문장별 점수가 어떻게 분포하는지 살펴보세요. 그 분포가 바로 여러분의 임계값이 위치해야 하는 범위입니다.
점수가 잘못되어서가 아니라 표시된 문장이 평범하기 때문에 실제로 다듬어야 할 초안이 있을 때, 초안 편집기는 폐쇄 루프를 실행합니다: 점수를 매기고, 표시된 문장만 다시 쓰고, 의미적 유사도가 의미가 유지되었다고 말할 때만 재작성을 유지한 다음, 다시 점수를 매기고 전후를 보고합니다. 이 사이트는 휴머나이징 후 평균 AI 점수 60%+ 감소를 보고하며, 최고 사례는 71%입니다 — 이는 제품 자체의 예측 점수이지, 어떤 제3자 탐지기의 판정이 아닙니다.
크레딧 팩, 종량제, 만료되지 않는 크레딧, 구독 없음에 대해서는 /pricing/을 확인하거나, 200단어 무료로 신용카드 없이 시작하려면 /register/를 확인하세요.
한 가지 분명히 말할 가치가 있는 것은, 우리 문서만큼이나 여러분의 통합 문서에도 속한다는 점입니다: 탐지는 스타일에 관한 신호이고, 휴머나이징은 자신의 초안을 위한 편집 도구입니다. 어느 것도 문서의 아이디어, 데이터, 결론이 저자 자신의 것인지 결정하지 않습니다. 그 판단은 콘텐츠에 책임이 있는 사람에게 남아 있으며, 여러분의 파이프라인은 그 판단이 내려지고 기록될 수 있도록 구축되어야 합니다.