ChatGPT 엠 대시 티ell: 초안을 들통나게 하는 표면적 습관

ChatGPT 엠 대시의 신호는 실제로 존재하지만 결정적이지는 않습니다. 대시 자체는 중립적입니다. 기계가 만든 것처럼 읽히는 것은 빈도와 일관된 배치입니다. 더 큰 피해를 주는 세 가지 다른 표면적 습관이 있습니다: 리듬으로 사용되는 삼중 구조, 겹쳐진 완곡어법, 그리고 요점을 만들기 전에 미리 알리는 굵은 목록 도입부입니다. 삭제가 아니라 교체로 고치세요.

ChatGPT는 왜 엠 대시를 과용할까요?

모델은 엠 대시가 많은 역할을 하는 산문 — 잡지 특집, 에세이, 비즈니스 글쓰기 — 으로 훈련되었고, 대시가 언제 제 역할을 하는지에 대한 감각이 없기 때문입니다. 마치 긴장한 화자가 “있잖아요”를 찾듯이 대시를 찾습니다: 쉼표, 콜론, 마침표를 쓰기를 피하는 멈춤으로서요. 그 결과는 세 번째 문장마다 같은 통사적 위치에 중단이 있는 초안입니다.

그 일관성이 바로 신호입니다. 한 단락에 엠 대시 하나는 눈에 띄지 않습니다. 연속된 네 단락에서 같은 자리 — 절, 대시, 부연, 절 — 에 대시가 있으면 지문과 같습니다. 독자는 어휘보다 리듬을 먼저 알아차립니다.

이 글에 나온 다른 표면적 습관도 마찬가지입니다: 문제는 장치가 아니라 규칙성입니다. 인간 작가는 부연이 괄호를 쓸 만하지 않고 쉼표가 오독될 때 대시를 사용합니다. 모델은 토큰이 그럴듯했기 때문에 대시를 사용합니다.

이 주장의 기계적인 버전을 원한다면, AI 텍스트 인간화에 관한 필러 페이지에서 탐지 신호가 단일 문장에 머무는 것이 아니라 문서 전체에 걸쳐 어떻게 축적되는지 설명합니다.

초안을 들통나게 하는 네 가지 표면적 습관은 무엇인가?

대부분의 표시된 초안은 네 가지 패턴을 공유합니다. 이들은 함께 나타나는 경우가 충분히 많아서, 하나를 발견하면 다른 것들도 찾아보게 됩니다.

이들 각각은 표면적 습관입니다 — 아이디어가 아니라 구두점, 리듬, 서식에 존재합니다. 이는 중요합니다. 표면적 습관은 논증, 데이터, 인용을 건드리지 않고 고치기 가장 쉬운 것이기 때문입니다.

자신의 초안에서 어떤 문장이 신호를 담고 있는지 보고 싶다면, 먼저 DeAIze AI 탐지기를 통해 실행하세요. 전체 문서를 점수화하고 각 문장을 AI 확률로 강조하므로, 대시가 많은 단락은 편집을 시작하기 전에 스스로 정리됩니다.

삼단 구성과 겹친 완곡어는 왜 기계가 만든 것처럼 읽히는가?

삼단 구성은 완결된 느낌을 준다. 세 개의 항목은 연설, 슬로건, 헤드라인에서 귀가 인식하는 패턴을 충족하기 때문에, 세 번째 항목이 아무것도 더하지 않아도 삼단 구성은 완성된 생각처럼 통할 수 있다. 모델이 이를 끊임없이 만들어내는 이유는 셋이 훈련 데이터에서 흔한 형태이기 때문이다. 독자 입장에서 문제는 삼단 구성이 아직 열려 있어야 할 문장을 닫아버린다는 점이다. 즉, 글쓴이가 실제 항목 두 개와 동의어 하나만 가지고 있었는데도 “이 목록은 완전하다”라고 신호를 보내는 것이다.

겹친 완곡 표현은 반대되는 실패다. 삼단 구성이 과하게 단정한다면, 완곡 표현은 지나치게 단정하지 않는다. “This may potentially indicate that the results could suggest”에는 한 절에 완곡 표현이 네 개나 들어 있다. 신중하게 쓰는 사람은 불확실성이 실제로 자리한 곳에서 한 번만 완곡하게 표현한다. “This suggests the effect is small.” 같은 절에 완곡 표현이 두 개 있다는 것은 보통 글쓴이가 자신이 무엇을 믿는지 결정하지 못했다는 뜻이다.

두 습관 모두 근본적인 이유가 같아서 기계가 만든 것처럼 읽힌다. 즉, 내용이 아니라 형식 차원에서 내린 결정이라는 것이다. 삼단 구성은 셋이 듣기 좋아서 선택된다. 완곡 표현의 겹침은 모델이 과잉 단정을 피하도록 훈련되었기 때문에 만들어진다. 어느 쪽도 문장이 필요로 해서 선택된 것이 아니다.

굵은 글씨 목록 도입부는 왜 기계가 쓴 것처럼 느껴질까?

이 패턴은 모델 출력물과 특정한 종류의 SEO 블로그에서 익숙하다. 굵은 글씨 구절, 마침표, 그리고 그 구절을 더 긴 형태로 다시 말하는 문장이 이어진다.

지연 시간. 지연 시간은 요청과 응답 사이의 지연이다.

굵은 레이블과 문장이 같은 말을 한다. 독자는 후반부에서 아무것도 배우지 못한다. 이것은 서식상의 죄가 아니다 — 많은 인간 작가들이 굵은 런인 헤드를 사용한다 — 하지만 목록의 모든 항목이 동일한 형태를 따르고, 굵은 문구가 주장이 아니라 범주 레이블일 때 이것은 하나의 단서가 된다.

인간이 쓴 버전은 굵은 글씨가 문장이 할 수 없는 일을 하게 만든다:

지연 시간은 요청당 지불하는 비용이다. 호출을 백 번 추가하면 그것이 누적된다.

굵은 글씨가 논지를 담당한다. 문장이 그것을 확장한다. 굵은 인트로를 삭제해도 의미가 손실되지 않는다면, 그것은 헤딩이 아니라 레이블이다.

우리 자신의 측정은 표면적 단서에 대해 무엇을 말하는가?

우리는 30% 플래그 임계값으로 lite 티어의 로컬 앙상블을 사용하여 두 코퍼스에 걸쳐 탐지기를 실행했다. 첫 번째 코퍼스는 46개의 손으로 쓴 DeAIze 가이드였다 — 마감 기한에 맞춰 사람들이 쓴 인간 산문. 평균 AI 점수: 27%. 중앙값: 25%. 범위: 0–55%. 46개 중 17개가 임계값에서 플래그되었다.

그 숫자는 곱씹어 볼 가치가 있습니다. 사람이 쓴 가이드 중 거의 다섯 편 중 두 편이 30% 선을 넘었습니다. 탐지기가 모델 근처에도 가지 않은 산문에서 그렇게 자주 사람의 글을 표시할 수 있다면, 표면적 단서는 저자임을 입증하는 증거가 아닙니다. 그것은 여러 신호 중 하나일 뿐이며, 그 자체로는 약한 신호입니다.

두 번째 코퍼스는 고정된 프롬프트에서 생성되어 편집되지 않은 12개의 지문이었습니다. 평균 AI 점수: 35%. 중앙값: 34%. 범위: 25–49%. 편집되지 않은 모델 출력은 사람이 쓴 글보다 높은 점수를 받았지만, 큰 차이는 아니었고 범위가 크게 겹쳤습니다.

우리는 또한 AI 특유의 단서 빈도를 세었습니다: 사람 표본에서는 100단어당 3회, 편집되지 않은 모델 출력에서는 100단어당 1회였습니다. 그 결과는 우리를 놀라게 했습니다. 사람 필자들은 소위 단서라 불리는 것들 — 대시, 삼단 구성, 완곡 표현 — 을 모델보다 더 많이 사용했습니다. 사람 필자들이 그러한 장치에 의존하는 사내 문체로 글을 쓰고 있었기 때문입니다.

바로 그게 핵심입니다. 단서는 필자의 평소 스타일에서 벗어날 때만 단서입니다. 당신의 초고가 항상 엠 대시를 즐겨 써 왔다면, 그 대시는 증거가 아니라 당신의 목소리입니다. 그렇지 않았는데 모델이 그것을 도입했다면, 그것은 다른 이야기입니다.

단서와 정당한 문체 선택을 어떻게 구분하나요?

초고에서 발견한 어떤 습관에 대해서든 세 가지 질문을 해 보세요.

1. 내 것인가? 모델을 사용하기 전에 쓴 글을 보라. 그 습관이 거기 있다면 유지하라. 없다면 그것은 초안과 함께 들어온 것이므로 아마도 초안과 함께 나가야 한다.
2. 일을 하고 있는가? 당신이 잘못 읽었을 쉼표를 대신하는 엠 대시는 일을 하고 있다. 문장이 길게 느껴져서 던져 넣은 대시는 그렇지 않다.
3. 균일한가? 한 글에 삼단 구성이 하나 있으면 멋이다. 네 문단에 네 개의 삼단 구성이 있으면 패턴이다. 다양성은 인간의 손이라는 가장 값싼 신호이며, 더하는 데 비용이 들지 않는다.

세 가지 모두에 대한 답이 “내 것이고, 제 역할을 하고 있으며, 나는 그것을 다양하게 쓴다”라면, 당신에게는 탐지 신호가 아니라 문체가 있는 것이다. 탐지기를 달래기 위해 그것을 걷어내지 마라 — 위 수치들의 겹침을 고려하면, 글을 평평하게 만들 뿐 점수를 크게 바꾸지도 못할 것이다.

각 습관을 나만의 구성으로 어떻게 대체할까?

삭제보다 대체가 더 쉽다. 각 습관마다, 주변 문장을 다시 쓰지 않고도 할 수 있는 교체 방법이 여기 있다.

엠 대시 → 알맞은 멈춤을 고르라. 삽입구가 진짜 방해라면 대시를 유지하라. 설명이라면 콜론을 써라. 가벼운 수식어라면 쉼표를 써라. 완전한 두 번째 생각이라면 마침표를 써라. 목표는 대시가 전혀 없는 것이 아니라, 선택된 대시다.

삼단 구성 → 둘 또는 넷. 가장 약한 항목을 잘라라. “명확하고, 간결하고, 설득력 있는”은 “명확하고 설득력 있는”이 된다 — 이제 문장은 나열하는 대신 무언가를 주장한다. 정말로 네 개의 항목이 있다면 넷을 써라. 귀는 네 번째를 예상하지 않을 것이고, 그것이 바로 당신이 원하는 것이다.

헤지 중첩 → 하나의 헤지, 불확실성이 있는 곳에 배치하라. “may potentially suggest”는 “suggests”가 된다. 완화가 필요하다면 한 번만 하라: “The data suggests.” 헤지 하나는 신중함으로 읽힌다. 둘은 회피로 읽힌다.

굵은 라벨 → 굵은 주장. 굵은 글씨가 뒤따르는 문장이 할 수 없는 말을 하도록 다시 써라. 굵은 글씨가 명사라면 라벨이다. 문장이라면 논증이다.

예시. 다음은 편집하지 않은 문체의 글귀와, 표면적 교정을 거친 같은 글귀다.

교정 전 (예시):

결과는—어쩌면 더 넓은 추세를 시사할 수도 있는데—지연 시간, 처리량, 신뢰성이 모두 중요하다는 것을 시사한다. 확장성. 확장성은 시스템이 성장해야 하기 때문에 중요하다.

교정 후:

결과는 한 가지를 가리킨다: 지연 시간이 제약 조건이다. 처리량과 신뢰성은 그로부터 따라온다. 확장성은 첫 번째 문제가 해결되었을 때 얻는 것이다.

두 번째 버전은 더 짧고, 주장을 하며, 두 개의 대시 대신 하나의 콜론과 하나의 마침표를 사용한다. 아이디어는 변하지 않았다. 표면만 바뀌었다.

내 초안에 어떤 검토를 실행해야 할까?

다른 사람이 초안을 읽기 전에 이것을 실행하라. 일반적인 길이의 글에서 약 10분이 걸린다.

1. 소리 내어 읽어라. 당신의 목소리가 걸리는 모든 곳 — 숨보다 긴 절, 당신이 말하지 않을 완곡어 — 이 후보이다. 표시만 하고 아직 고치지 마라.
2. 엠 대시를 세어라. 몇백 단어짜리 글에서 한 줌 이상 있고, 그것들이 하나의 통사적 위치에 몰려 있다면, 당신은 그 표식을 가진 것이다. 일을 하지 않는 것들은 교체하라.
3. 삼중항을 찾아라. 목록 맥락에서 “and”라는 단어를 검색하라. 세 번째 항목이 처음 두 항목 중 하나의 동의어인 세 항목 목록은 잘라낸다.
4. 완곡어 쌍을 스캔하라. “May potentially,” “could arguably,” “might possibly” — 각각을 한 단어로 축소하라.
5. 굵은 도입부를 확인하라. 굵은 글씨가 명사라면, 주장으로 다시 쓰거나 삭제하라.
6. 다시 점수를 매겨라. 초안을 탐지기에 다시 통과시키고 전후의 문장 수준 점수를 비교하라. 당신은 전체 숫자가 아니라 움직인 문단을 찾고 있는 것이다.

문장 수준의 관점이 여기서 중요한 이유는 표면적 습관이 몰려 있기 때문이다. 대시 세 개와 삼중항이 있는 문단은 다시 쓸 가치가 있다; 각각 하나씩 있는 문단은 아마 괜찮을 것이다. 초안 편집기는 바로 이를 위해 만들어졌다 — 어떤 문장이 신호를 담고 있는지 보고, 그런 문장을 편집하고, 나머지는 그대로 둔다.

의도적으로 이렇게 쓰면 어떡하죠?

그럼 그대로 두세요. 이 부분이 이 글에서 가장 솔직한 부분이며, 대부분의 편집 가이드가 건너뛰는 부분입니다.

만약 당신의 사내 문체가 엠 대시를 쓰고, 삼단 구성이 10년 동안 이어온 수사적 습관이며, 굵은 도입부가 당신의 출판물이 요구하는 서식 관례라면, 탐지기 점수를 쫓기 위해 그것들을 없애는 것은 잘못된 거래입니다. 당신은 글을 당신답게 만드는 것을 잃게 될 것이고 — 인간의 글쓰기와 편집되지 않은 모델 출력이 크게 겹치는 우리 자체 수치에 따르면 — 아마 점수는 별로 움직이지 않을 것입니다.

대신 해야 할 일은 그것을 기록하는 것입니다. 고객, 편집자 또는 위원회가 당신의 초안을 문제 삼는다면, 가장 강력한 방어는 더 낮은 점수가 아닙니다. 초안이 발전해 온 과정을 보여주는 버전 기록과 그 습관이 항상 당신의 것이었음을 보여주는 스타일 가이드입니다. 탐지기 출력은 확률 추정치일 뿐 저자임을 증명하는 것이 아니며, 자신의 작업 과정을 보여줄 수 있는 작가는 그렇지 못한 작가보다 훨씬 유리한 위치에 있습니다.

이러한 신호가 어떻게 생성되고 무엇을 의미하는지에 대한 더 넓은 질문은 AI 콘텐츠 탐지기의 작동 방식을 다음으로 읽어볼 참고 자료로 추천합니다.

어떤 문장이 기계가 만든 것처럼 읽히는지 확인할 준비가 되셨나요?

이 글에서 다루는 표면적인 습관들은 눈에 보이는 층에 불과합니다. 그 아래에서 실제로 탐지기 점수를 움직이는 신호는 문장 단위에 있습니다. 바로 리듬, 예측 가능성, 그리고 한 문단 안에서 구성이 얼마나 획일적인가입니다. 이는 눈으로 안정적으로 판단할 수 없기 때문에 점수 측정 단계가 중요한 것입니다.

한 단어도 바꾸기 전에 AI 탐지기로 시작해서 문장 하이라이트를 읽어 보세요. 표시된 문장들이 직접 검토하면서 발견한 습관들 주변에 몰려 있다면 진단이 확인된 것입니다. 그렇지 않다면, 어떤 단서 목록보다 더 유용한 것을 배운 셈입니다.

수정할 준비가 되면 초안 편집기가 재작성 루프를 실행합니다. 텍스트에 점수를 매기고, 표시된 문장만 다시 쓰고, 의미가 유지되었다고 의미 유사도가 말할 때만 재작성본을 유지한 다음, 다시 점수를 매기고 전후를 보여 줍니다. 저희 사이트의 예시 문단에서는 92% AI 점수가 이 과정을 거친 뒤 4%가 됩니다. 자체 테스트 전반에서 사이트는 휴머나이징 후 평균 AI 점수 60%+ 감소를 보고하며, 최고 사례는 71%입니다. 이는 제3자 탐지기의 판정이 아니라 저희 자체 예측 점수입니다.

무료 요금제는 신용카드 없이 가입 시 200단어를 제공하며, 이는 결제하기 전에 표시된 문단 하나로 루프를 테스트하기에 충분합니다. 그 이후에는 종량제입니다. Starter는 1,000단어에 $20.99, Standard는 3,000단어에 $44.99, Pro는 10,000단어에 $99.99, Max는 30,000단어에 $199.99입니다. 크레딧은 만료되지 않으며 구독은 없습니다. 전체 내역은 요금제에서 확인하거나 계정을 만들고 가장 확신이 없는 문단을 붙여 넣어 보세요.

마지막으로, 그리고 이것이 중요한 부분입니다. 아이디어, 데이터, 결론이 당신의 것이 아니라면 어떤 표면 수정, 어떤 탐지기, 어떤 휴머나이저도 초안을 당신의 것으로 만들어 주지 않습니다. 대시를 고치고, 삼단 구성을 잘라 내고, 완곡한 표현을 줄이세요. 그런 다음 그 아래에 있는 논증이 회의실에서 당당히 방어할 수 있는 것인지 확인하세요. 그것만이 끝까지 버티는 유일한 버전입니다.