보통은 깔끔하게 통과되지 않으며, 누구도 통과할 거라고 약속할 수 없습니다. Turnitin의 AI 작성 감지는 통계적으로 기계처럼 읽히는 텍스트를 표시하는데, 편집하지 않은 Claude 출력은 흔히 그렇게 읽힙니다. 솔직히 말하면, 플래그는 작성자의 증거가 아니고, 깨끗한 보고서가 당신이 썼다는 증거도 아닙니다. 당신이 통제할 수 있는 것은 문구입니다.
Claude 텍스트가 Turnitin를 통과할까? 짧은 답변
통과나 실패는 없습니다. Turnitin의 AI 작성 감지는 지표를 생성하며, 자체 문서에서 낮은 수치를 어떻게 처리하는지 설명합니다. Turnitin은 “AI 감지 점수가 1%에서 19% 범위인 경우 점수나 하이라이트가 부여되지 않는다”고 밝히며, 20% 임계값 미만의 수치는 백분율 없이 별표로 표시된다고 합니다(출처: turnitin.com, AI 작성 감지 제품 페이지). Turnitin는 또한 문서의 50%가 AI 도구로 작성된 것으로 보인다고 식별하면 그 문서가 “최대 65%의 AI 작성 내용을 포함할 수 있다”고 언급합니다(출처: turnitin.com, 같은 페이지) — 이는 그 숫자가 뒤에 범위가 있는 추정치이지, 모델에서 나온 문장이 몇 개인지를 측정한 값이 아니라는 점을 상기시켜 줍니다.
걱정하는 독자에게 불편한 답변: 편집하지 않은 Claude 출력을 Turnitin로 평가되는 제출물에 붙여 넣으면 높은 지표가 나올 실제 가능성이 있습니다. Turnitin가 Claude가 썼다는 것을 “알기” 때문도 아니고, Claude가 텍스트에 감지 가능한 무엇인가를 찍기 때문도 아닙니다. Claude가 기본으로 사용하는 문장 패턴이 분류기가 인식하도록 훈련된 바로 그 패턴이기 때문입니다.
한 가지 더 분명히 말할 가치가 있습니다. 깨끗한 보고서가 당신을 인증하지 않고, 플래그가 지정된 보고서가 당신을 유죄로 만들지도 않습니다. Turnitin의 자체 자료에 따르면 완전히 사람이 작성한 문서 중 일부에서 사람이 작성한 문서를 AI 작성으로 플래그할 수 있다고 합니다(출처: turnitin.com, 같은 페이지). 감지 출력은 해석해야 할 신호이지, 판결이 아닙니다.
편집하지 않은 Claude 출력이 신호를 지니기 쉬운 이유
Claude는 깔끔한 문장을 씁니다. 바로 그게 문제입니다. 기본 문체는 균형 잡힌 문장, 정돈된 전환, 완곡한 주장, 균일한 문단 길이를 선호합니다. 탐지기는 바로 그 균일성을 알아차리도록 만들어졌습니다. 인간의 글은 울퉁불퉁하기 때문입니다. 짧은 문장 옆에 긴 문장, 갑작스러운 곁말, 고르지 않은 리듬이 섞입니다.
이 기기에서 자체 탐지기를 돌린 결과, 참조 문장과 원시 모델 출력 사이의 격차가 드러납니다. 2026-09-28에 우리는 30% 플래그 임계값에서 DeAIze 탐지기(로컬 앙상블, 라이트 등급)로 두 코퍼스를 채점했습니다. 생성됨으로 표시되지 않은 DeAIze 가이드에서 뽑은 709개 참조 문단 표본은 평균 26%, 중앙값 25%를 기록했고, 709개 중 239개가 임계값 이상이었습니다. 고정 프롬프트로 생성한 편집되지 않은 모델 출력 문단 12개는 평균 33%, 중앙값 34%를 기록했습니다. 이는 하나의 도구에서 나온 문단 수치이며, 독립 문서도 아니고 검증된 인간 오탐률도 아닙니다. 하지만 방향은 분명하며, 예상할 수 있는 것과 일치합니다. 편집되지 않은 모델 텍스트는 일반적인 인간 문장보다 더 높게 위치합니다.
그 실행에서 AI 티(tell) 빈도는 두 코퍼스 모두 100단어당 1회였습니다. 이 부분이 유용합니다. 티는 이국적인 것이 아니라, 손으로 편집해 없앨 수 있는 셀 수 있는 습관입니다.
자신의 초안에서 신호가 실제로 어디에 있는지 보고 싶다면, DeAIze가 문서 전체를 채점하고 각 문장을 AI 확률에 따라 강조 표시하므로, 신호를 담고 있는 줄을 편집할 수 있습니다. 리라이트 체험은 이메일 확인 후 200단어를 제공하며, 신용카드는 필요 없습니다. 크레딧 팩은 /pricing/를 참조하세요.
Turnitin 보고서가 보여주는 것과 보여주지 않는 것
Turnitin의 보고서는 문서 수준의 백분율과, 받는 보기에 따라 문장 수준 강조 표시를 제공합니다. 어떤 모델이 무엇을 썼는지 목록을 제공하지 않으며, Claude의 훈련 데이터와 텍스트를 비교하지도 않습니다. 이는 표면 통계를 읽는 분류기입니다.
어떤 탐지기 출력도 저자임을 증명하지 못합니다. 그 문장은 우리에게도 다른 누구에게도 똑같이 적용됩니다. 학문적 정직성에 관한 대화를 앞두고 있다면, 유용한 행동은 초안, 노트, 버전 기록, 출처를 보존하는 것이지, 혐의를 없애주는 도구를 찾는 것이 아닙니다. 위원회가 실제로 무엇을 평가하는지에 대한 안내는 /blog/academic-integrity-hearing-ai/에 있고, 무엇이 허위 진술로 간주되는지에 대한 정책 문제는 /blog/academic-integrity-policy-ai/에서 다룹니다.
같은 파일에 대해 두 도구가 왜 서로 다른 숫자를 내놓는지 이해하고 싶다면, /blog/ai-detector-comparison/에서 각 도구가 무엇을 보고하는지 살펴봅니다.
예시 하나: Claude 문장 하나를 편집한 경우
다음은 예시임을 분명히 밝힌, 지어낸 사례입니다. 점수도 아니고 전후 측정값도 아닙니다.
Claude의 초안: “The implementation of renewable energy policies has become increasingly important in recent years, and it is crucial to consider both the economic and environmental implications of these changes.”
당신의 편집: “Renewable policy got serious in the last few years. The cost question and the emissions question now pull in different directions, which is why the 2023 subsidy fight went the way it did.”
두 번째 버전이 더 나은 이유는 탐지기를 피해 가기 때문이 아닙니다. 무언가를 말하고 있기 때문입니다. 첫 번째 버전은 어느 나라, 어느 시대, 어느 정책에 대해서도 쓸 수 있는 문장이었습니다. 두 번째 버전에는 연도, 갈등, 입장이 있습니다. 탐지기는 첫 번째 종류의 문장을 더 자주 표시하는 경향이 있는데, 일반성이 바로 모델 기본값이 만들어내는 것이기 때문입니다.
선택지 비교
| 선택지 | 비용 | 잘하는 점 | 부족한 점 |
|---|---|---|---|
| 편집하지 않은 Claude 출력 제출 | 무료 | 빠름; AI 지원이 허용되고 공개된 곳에서는 문제없음 | 가장 강한 신호를 지님; 단 하나의 주장도 검증하지 않은 상태 |
| 유의어 사전이나 바꿔쓰기 도구로 패러프레이즈 | 무료~저렴 | 표면적 표현을 바꿈 | 대개 같은 문장 구조와 같은 일반성을 유지함; 의미가 조용히 흐트러짐 |
| 직접 문장별로 다시 쓰기 | 본인의 시간 | 자신의 목소리, 사실, 인용을 유지함 | 느림; 올바른 줄을 편집할 수 있도록 문장 수준 신호를 보여주는 탐지기가 필요함 |
| DeAIze 리라이트 패스 | 스타터 $20.99 / 1,000단어; 스탠다드 $44.99 / 3,000; 프로 $99.99 / 10,000; 맥스 $199.99 / 30,000. 크레딧은 만료되지 않으며 구독 없음 | 같은 페이지에서 탐지와 함께, 본인 초안의 문장별 수정 문구를 제안함 | 의미 유사도는 검토 보조 수단일 뿐 모든 의미가 살아남았다는 증거는 아님 — 주장, 수량, 인용, 부정, 한정어는 여전히 직접 검증해야 함 |
| 탐지 불가능한 출력을 약속하는 “우회” 도구 | 다양함; 대개 구독제 | 감사할 수 있는 것이 없음 | 무엇을 바꿨는지 확인할 수 없고, 어떤 도구도 다른 탐지기에서의 점수를 보장하지 않음 |
이것이 잘못된 선택인 경우
다음 중 하나라도 해당된다면 리라이트 패스를 사지 마세요.
본인의 학교나 고용주의 AI 지원 정책을 읽지 않았습니다. 그것부터 먼저 해결하세요. 어떤 과정은 편집 도움은 허용하고 생성은 금지하며, 어떤 과정은 공개를 조건으로 둘 다 허용하고, 어떤 과정은 둘 다 금지합니다. 문제가 있는지 없는지는 규정이 결정하지, 탐지기 숫자가 결정하지 않습니다.
당신은 도구가 에세이를 써주기를 바란다. 그것은 쓰지 않을 것이고, 써서도 안 된다. 아이디어, 데이터, 결론은 당신의 것이어야 한다. 충분히 생각하지 않은 텍스트를 다시 쓰는 작업은 뒤에 아무것도 없는 유창한 문장을 만들어낸다.
당신은 현재 진행 중인 진실성 분쟁에 놓여 있고, 점수가 낮아지면 문제가 사라지기를 바라고 있다. 원본을 보존하고, 과정 증거를 수집하고, 절차를 운영하는 사람과 이야기하라. 분쟁 중인 파일을 다시 쓰는 것은 증거 조작으로 보일 수 있다.
당신은 재작성 엔진이 아니라 인간 편집자가 필요한 언어로 글을 쓰고 있다. 비원어민 영어 작성자는 불균형적으로 표시되며, 기계 재작성은 당신에게 실제로 필요한 문체를 평평하게 만들 수 있다. /blog/ai-detector-flags-non-native-english-writers/는 그런 상황에서 무엇을 문서화해야 하는지 다룬다.
해결책, 순서대로
- 먼저 자신의 초안에 대해 탐지를 실행하라. 숫자를 쫓기 위해서가 아니라 어떤 문장이 신호를 담고 있는지 찾기 위해서다. 문서 전체 점수는 당신 텍스트 대부분이 괜찮다는 사실을 가린다.
- 가능하면 표시된 문장을 직접 다시 써라. 구체적인 사실, 자신의 데이터에서 나온 숫자, 이름, 날짜를 추가하라. 구체성은 가장 신뢰할 수 있는 인간 표지다.
- 리듬을 깨라. 연속 세 문장의 길이가 비슷하다면, 하나를 절반으로 줄여라. 소리 내어 읽어보라. 브로셔처럼 들리면 브로셔처럼 읽힌다.
- 재작성 후 모든 주장을 확인하라. 수량, 인용, 부정 및 한정어가 조용히 바뀌는 부분이다. “did not”을 “did”로 뒤집는 재작성은 표시보다 더 나쁘다.
- 규칙이 요구하는 곳에서는 공개하라. /blog/ai-content-disclosure-label/는 무엇을 언제 말해야 하는지 다룬다.
- 원본 파일을 보관하라. 항상. 그것이 당신의 증거이자 대비책이다.
Word에서 작업 중이라면, DeAIze를 통해 .docx를 다시 쓰면 글꼴, 스타일 및 표가 보존되므로 나중에 서식을 다시 만들 필요가 없다는 점을 기억하라.
실제로 지표를 낮추는 것
구체성, 변화, 그리고 자신의 판단. 이 세 가지는 글을 더 좋게 만드는 부수 효과로 지표를 낮춘다. 글을 개선하지 않으면서 지표를 직접 낮추겠다고 약속하는 도구들은 원문보다 더 이상하게 읽히는 문장을 만들어내는 경향이 있으며, 무엇을 바꿨는지 검증할 수도 없다.
DeAIze는 탐지기와 인간화 도구, 두 부분으로 이루어진 웹 앱이다. 탐지는 문장 단위로 이루어진다. 인간화 도구는 자신의 초안에 대해 수정된 표현을 제안하며, 무엇이든 받아들이기 전에 원문과 비교할 수 있다. Turnitin이나 다른 어디에서도 특정 점수를 보장하지 않으며, 다른 사람의 작업을 자신의 것처럼 속이는 수단이 아니다. 붙여넣은 텍스트는 현재 작업에만 처리되며, 학습에 사용되거나 재판매되지 않는다.
이러한 시스템이 텍스트를 읽는 방식에 대한 더 넓은 맥락을 원한다면, /blog/how-ai-detection-works/에서 시작하는 것이 좋다.
측정 참고: 이 글의 수치는 2026-09-28에 자체 탐지기를 실행한 결과에서 나온 것이다 — 생성됨으로 표시되지 않은 가이드의 참조 구절 n = 709 대 편집되지 않은 모델 구절 n = 12, 중앙값 AI 점수는 각각 25%와 34%. 참조 저자는 독립적으로 검증되지 않았으며, 구절들은 독립적인 문서가 아니다. 방법: /methodology/.