AI 탐지기의 비영어 텍스트: 플래그가 빗나가는 이유

AI 탐지기의 비영어 텍스트에서 신뢰도가 가장 빠르게 떨어집니다. 대부분의 탐지기는 주로 영어로 훈련되기 때문에 스페인어나 프랑스어 논문은 빌려온 증거에 기반한 점수를 받습니다. 그 점수는 확률 추정치일 뿐, 저자임을 증명하는 것이 아닙니다. 왜 이런 일이 발생하는지, 어떤 언어가 견고한지, 그리고 직접 플래그를 테스트하는 방법을 알아보겠습니다.

왜 탐지기 신뢰도는 영어 이외의 언어에서 떨어질까요?

세 가지가 동시에 무너집니다.

첫째, 훈련 데이터입니다. 탐지 모델은 인간과 모델이 작성한 대규모 텍스트 코퍼스에서 기계 텍스트가 어떻게 보이는지 학습합니다. 그 코퍼스는 영어가 압도적입니다. 수백만 개의 영어 에세이와 극소수의 스페인어 에세이만 본 모델은 스페인어의 리듬, 접속사, 문장 구조에 대한 참조가 빈약합니다.

둘째, 토큰화입니다. 탐지기는 퍼플렉서티와 버스티니스 같은 통계적 속성을 측정합니다. 즉, 다음 단어가 얼마나 예측 가능한지, 문장 길이와 구조가 얼마나 다양한지를 봅니다. 토크나이저는 보통 영어 단어 경계에 맞춰 만들어집니다. 스페인어나 프랑스어에 적용하면 단어를 다르게 분할하고, 그 결과 숫자는 영어에서의 의미를 잃습니다. 이러한 신호에 대한 자세한 내용은 버스티니스와 퍼플렉서티 설명 가이드에서 확인할 수 있습니다.

셋째, 유창성 함정입니다. 비원어민 작가는 문법적으로 깔끔하고, 속도가 고르며, 관용구가 적은 텍스트를 자주 생산합니다. 그 프로필은 역시 깔끔하고 고르며 관용구가 적은 언어 모델의 출력과 유사합니다. 탐지기는 AI를 탐지하는 것이 아닙니다. “비정상적으로 규칙적인 산문”을 탐지하는 것이며, 규칙적인 산문은 바로 신중한 다국어 작가가 생산하는 것입니다.

우리는 2026-09-19에 DeAIze 탐지기(로컬 앙상블, 라이트 티어)를 사용해 30% 플래그 임계값으로 자체 측정을 진행했습니다. 사람이 작성한 DeAIze 가이드 46개에서 평균 AI 점수는 27%, 중앙값은 25%였고, 46개 중 17개가 플래그되었습니다. 편집되지 않은 모델 구절 12개에서는 평균이 35%, 중앙값이 34%였습니다. 이 두 분포는 크게 겹칩니다. 이것이 솔직한 현실입니다. 영어에서도 사람의 글과 기계의 글이 서로 가까이 위치하므로 단일 임계값은 놓침과 오탐을 모두 만들어냅니다. 다른 언어에서는 참조 데이터가 더 약하기 때문에 겹침이 더 넓어집니다.

현재 가장 잘 지원되는 언어는 무엇인가요?

지원 수준은 고르지 않으며, 어떤 공급업체도 언어별 신뢰도 표를 깔끔하게 공개하지 않습니다. 관찰할 수 있는 것은 대략적인 등급 구분입니다.

혼합 언어 문서는 그 자체로 별개의 문제입니다. 영어 초록, 스페인어 본문, 프랑스어 인용이 섞인 논문은 처음부터 끝까지 하나의 언어를 기대하는 탐지기를 혼란스럽게 할 수 있습니다. 문서가 언어를 전환한다면 모든 문장이 당신의 것일지라도 불안정한 출력을 예상하세요.

숫자에 대해 논쟁하기 전에 문장별 보기를 원한다면, 먼저 DeAIze AI 탐지기를 통해 초안을 실행하세요. 문장별 강조 표시가 “도구가 내가 부정행위를 했다고 말한다”를 “도구가 플래그한 네 줄은 이것이고, 이것이 내 것인 이유는 이렇다”로 바꿔줍니다.

비영어권 플래그를 어떻게 제대로 검증하나요?

순서대로 진행하세요. 약 20분이 걸리며, 강사나 편집자에게 보여줄 수 있는 구체적인 결과물을 얻게 됩니다.

1. 문장 단위로 살펴보세요. 문서 전체 점수만으로는 거의 알 수 없습니다. 어떤 문장이 신호를 담고 있는지 확인해야 합니다. DeAIze의 AI 탐지기는 문서를 채점하고 각 문장을 AI 확률로 표시하므로, 플래그가 세 줄에 걸쳐 있는지 서른 줄에 걸쳐 있는지 확인할 수 있습니다.
2. 플래그가 군집을 이루는지 확인하세요. 실제 기계 패턴은 군집을 이룹니다: 높은 점수를 받은 인접한 여러 문장, 비슷한 길이, 비슷한 구조. 긴 인간 초안 전반에 흩어진 고립된 플래그 문장들은 보통 작성자가 아니라 탐지기의 불확실성을 반영합니다.
3. 플래그된 문장을 모국어로 소리 내어 읽어보세요. 그 문장이 당신처럼 들린다면 - 당신의 접속사, 당신의 완곡 표현, 당신의 습관적인 표현 - 그 이유를 적어두세요. 도구가 낮게 채점한 문단과 비교해보세요. 차이를 구분할 수 없다면, 탐지기도 아마 구분하지 못할 것입니다.
4. 같은 텍스트를 두 도구에서 테스트하세요. 도구 간의 불일치는 정상이며 유익합니다. 한 도구는 어떤 구절을 플래그하고 다른 도구는 그렇지 않다면, 불안정성을 문서화한 것이며 이는 당신에게 유리한 정당한 근거입니다.
5. 원본 증거를 보관하세요. 보고서, 날짜, 도구 이름, 표시된 경우 임계값을 저장하세요. 공식 절차를 앞두고 있다면, 학문적 정직성 청문회가 실제로 평가하는 것에 대한 저희 가이드가 패널이 무엇을 찾는지 설명하고, 탐지기가 논문을 플래그했을 때 준비할 것이 문서 추적 과정을 안내합니다.

비영어권 플래그로 인해 부당하게 고발당했다면 어떻게 해야 하나요?

점수가 아니라 절차부터 시작하세요.

탐지기 출력은 확률 추정치입니다. 사실 판정이 아니며, 대부분의 기관 정책은 이를 여러 입력 중 하나로 취급합니다. 고발당했다면 어떤 도구가 사용되었는지, 어떤 임계값이 적용되었는지, 보고서가 고발로 이어지기 전에 사람이 검토했는지 물어보세요. 이는 합당한 질문이며, 대화를 “당신 숫자가 우리 숫자보다 높다”에서 “증거가 무엇인가”로 전환시킵니다.

그런 다음 자신의 기록을 제시하세요. 타임스탬프가 찍힌 초안, 메모, 개요, 이전 버전, 지도교수 피드백, 직접 작성한 참고문헌 목록까지. 가장 강력한 방어는 두 번째 탐지기 점수가 아닙니다. 실제 글쓰기 과정의 눈에 보이는 흔적입니다.

표현 방식을 조심하세요. 번역 도구나 언어 모델을 사용해 문장 표현을 도왔다면, 그렇게 말하세요. 이를 숨기다가 나중에 들키는 것은 미리 밝히는 것보다 훨씬 나쁩니다. 학생을 위한 AI 지원 글쓰기에 관한 저희 글은 보통 어디에 선이 그어지는지 설명하고, AI 탐지를 우회하는 것은 부정행위인가는 무엇이든 제출하기 전에 자신의 초안에 적용할 수 있는 공개 테스트를 제공합니다.

소속 기관이 아직 읽지 않은 정책을 시행하고 있다면, 읽어보세요. 여러분의 대학이 실제로 허용하는 것은 중요한 조항들을 실용적으로 요약한 글입니다.

텍스트를 영어로 번역하는 것이 왜 아무것도 해결하지 못하는가

이것은 다국어 필자들이 저지르는 가장 흔한 실수이며, 양방향으로 역효과를 냅니다.

번역은 다시 쓰기입니다. 스페인어 문단을 기계 번역기에 넣으면, 실제로 모델이 생성한 새로운 텍스트를 탐지기에 넘기는 셈입니다. 문장 길이는 평평해지고, 연결어는 일반적으로 변하며, 관용구는 사라집니다. 원문보다 더 높은 점수를 받을 수 있습니다. 그리고 이제 정말로 기계 생성된 문서가 기록에 남게 되는데, 이는 설명하기 곤란한 일입니다.

반대의 경우도 발생합니다. 번역문이 원문보다 낮은 점수를 받을 수 있고, 그러면 사람들은 “보세요, 제 텍스트는 괜찮아요”라고 주장합니다. 그것은 원문에 대해 아무것도 증명하지 못합니다. 당신은 다른 문서를 테스트한 것입니다.

정당한 용도가 있습니다: 번역은 탐지기가 무엇에 반응하는지 이해하는 데 도움이 될 수 있습니다. 스페인어 문장이 기계가 만든 것처럼 읽히는 평범한 영어 문장이 된다면, 근본적인 문제는 아마도 그 문장이 스페인어에서도 너무 규칙적이었다는 것입니다. 원문을 고치세요. 번역문을 증거로 제출하지 마세요.

실제로 신호를 담고 있는 문장은 어떻게 고치나요?

표시된 문장을 볼 수 있게 되면, 작업은 평범한 편집입니다. 기계가 만든 문장은 균일한 경향이 있습니다. 인간의 문장은 그렇지 않습니다.

• 문장 길이를 의도적으로 다양하게 하세요. 긴 문장 옆에 짧은 문장을 두세요. 그런 다음 또 다른 짧은 문장을 두세요.
• 일반적인 연결어를 당신이 실제로 말할 때 사용하는 것으로 바꾸세요. 스페인어로 “y ademas”라고 말할 거라면, 학술적으로 들린다는 이유로 영어로 “furthermore”라고 쓰지 마세요.
• 각 단락에 구체적인 세부 사항을 하나 추가하세요: 날짜, 장소, 자신의 데이터에서 나온 특정 수치, 이름이 있는 출처. 기계 텍스트는 기본적으로 추상적입니다.
• 페이지당 하나의 병렬 구조를 깨세요. 세 항목 목록과 일치하는 절 패턴은 가장 명확한 기계의 흔적입니다.
• 단락을 소리 내어 읽어보세요. 그런 식으로 절대 말하지 않을 것 같으면 다시 쓰세요.

이 중 어느 것도 당신의 주장을 바꾸지 않습니다. 그것은 리듬을 바꾸는데, 탐지기가 반응하는 것이 바로 그 리듬입니다. 자신의 초안에서 기계가 만든 패턴을 정리하는 방법에 대한 우리의 가이드에서 이 과정을 더 자세히 다룹니다. 그리고 Word 문서에서 작업 중이고 서식을 유지하고 싶다면, 이 워크플로가 스타일과 표를 깨뜨리지 않도록 합니다.

편집 루프를 대신 처리해 주길 원한다면, DeAIze 초안 편집기가 텍스트를 점수화하고, 표시된 문장만 다시 쓰고, 의미가 유지되었다고 의미적 유사도가 말할 때만 재작성을 유지한 다음, 다시 점수화하여 전후를 보여줍니다. 이 사이트는 휴머나이징 후 평균 AI 점수 감소가 60% 이상이며, 최고 사례는 71%라고 보고합니다. 그리고 이는 제품 자체의 예측 점수이지, 어떤 제3자 탐지기의 판정이 아닙니다. 사이트에 사용된 예시 문단에서는 92% 점수가 4%가 됩니다. 이를 루프의 예시로 받아들이고, 당신의 논문에 대한 약속으로 받아들이지 마세요.

시작할 때 가정해야 할 한계는 무엇인가요?

어떤 인터페이스가 시사하는 것보다 더 많은 불확실성을 가정하세요.

• 어떤 탐지기도 언어별 신뢰도를 공개하지 않습니다. 프랑스어에서 자신감 있어 보이는 백분율이 영어에서 완곡하게 표현된 것보다 더 신뢰할 만한 것은 아닙니다.
• 짧은 텍스트는 신뢰할 수 없습니다. 200단어 초록은 모델이 작업할 수 있는 정보가 매우 적습니다.
• 격식체는 모든 언어에서 비격식체보다 더 기계처럼 읽힙니다. 학술 글쓰기는 설계상 불리합니다.
• 탐지기는 변합니다. 지난달의 점수는 오늘 재현되지 않습니다.
• 구성된 경우 제3자 탐지기 API와의 교차 확인은 내부 추측보다 더 유용하지만, 여전히 확률 추정치입니다.

여러 도구가 같은 구절을 어떻게 보고하는지 보고 싶다면, 탐지기 비교와 Copyleaks 점수가 실제로 무엇을 의미하는지에 대한 분석(/blog/copyleaks-ai-detector-accuracy/)이 가장 유용한 후속 자료 두 가지입니다.

구체적인 예시

다음은 편집의 형태를 보여주기 위한 짧은 전후 예시입니다(영어). 이는 예시일 뿐 실제 제출물이 아닙니다.

수정 전: “결과는 제안된 방법론이 전반적인 성능에서 상당한 개선을 제공한다는 것을 입증한다. 또한, 분석은 근본적인 메커니즘을 완전히 이해하기 위해 추가 연구가 필요하다는 것을 시사한다.”

수정 후: “그 방법은 성능을 향상시켰다. 우리는 여전히 그 이유를 모른다. 세 번의 실행이 다르게 작동했고, 두 번째 실행은 완전히 실패했는데, 이 부분을 다음에 조사할 것이다.”

주장은 동일합니다. 두 번째 버전은 더 짧고, 고르지 않으며, 구체적인 관찰을 포함합니다. 그게 이 기법의 전부입니다.

어떤 문장이 기계가 만든 것처럼 읽히는지 확인할 준비가 되셨나요?

어떤 줄이 플래그를 발생시켰는지 추측할 필요가 없습니다. AI 탐지기를 열고 초안을 붙여넣은 다음, 문장 수준 하이라이트를 읽어보고 결정하세요. 플래그된 줄이 진짜 본인의 것이라면, 이제 구체적으로 방어할 근거가 생긴 것입니다. 그렇지 않다면, 초안 편집기가 해당 문장만 다시 쓰고 결과를 다시 점수화하므로 정확히 무엇이 바뀌었는지 확인할 수 있습니다. 가입 시 받는 200개의 무료 단어보다 더 필요하면 가격을 확인하거나, 계정 만들기로 먼저 자신의 문단에서 테스트해 보세요. 크레딧은 종량제이며 만료되지 않으므로 도움이 되지 않아도 취소할 구독이 없습니다.

탐지는 신호일 뿐, 판결이 아닙니다. 당신의 아이디어, 데이터, 결론은 여전히 당신의 것이어야 합니다.