Claude 텍스트의 AI 탐지 점수를 낮출 수는 있지만, 탐지기를 속여서 낮추는 건 아닙니다. 초안을 자신만의 논증으로 편집함으로써 낮추는 겁니다: 더 짧은 문장, 구체적인 세부 사항, 자신만의 예시. 만약 Claude을 타이핑만이 아니라 사고 자체를 위해 사용했다면, 이는 정말 불편한 일입니다 — 편집해서 나아갈 자신만의 것이 아무것도 없기 때문입니다. 그런 상황이라면 여기서 멈추고 직접 글을 쓰세요.
Claude이 이미 이해하고 있던 내용을 초안으로 잡는 데 도움을 주었다면, 아래의 해결책이 효과가 있으며, 이는 대부분 편집이지 회피가 아닙니다.
Claude 텍스트는 애초에 왜 탐지되는가?
Claude은 알아볼 수 있는 문체로 씁니다. 길고 균형 잡힌 문장. 완곡한 주장 (“X가 사실이지만, Y도 중요하다”). 스스로를 드러내는 전환어 (“Furthermore”, “It’s worth noting”). 모든 문단이 거의 같은 길이. 어떤 주제에도 들어맞는 일반성 수준에서 진술된 주장.
탐지기는 바로 그 형태를 찾습니다. 의미를 읽는 게 아니라, 앞 단어들을 고려할 때 각 단어가 얼마나 예측 가능한지, 그리고 문장 길이가 얼마나 다양한지를 측정합니다. Claude 출력은 유난히 예측 가능하고 유난히 고르습니다. 그건 표절이 아닙니다. 문체적 특징입니다.
우리 자체 측정이 이 점을 잘 보여줍니다. 2026-09-28에 우리는 DeAIze 탐지기(로컬 앙상블, lite 등급)로 30% 플래그 임계값에서 두 코퍼스의 점수를 매겼습니다. 생성됨으로 표시되지 않은 DeAIze 가이드에서 뽑은 709개 구절의 참조 샘플은 평균 AI 점수 26%, 중앙값 25%, 범위 0-69%였으며, 709개 중 239개가 임계값 이상이었습니다. 이는 구절 수이지 검증된 인간 오탐률이 아니며, 같은 가이드에서 나온 구절들은 독립적인 표본이 아닙니다. 이를 고정 프롬프트에서 나온 편집되지 않은 모델 출력 12개 구절과 비교해 보세요: 평균 33%, 중앙값 34%, 범위 4-46%. 격차는 실재하지만 그리 크지는 않습니다. 모델 출력은 일반 산문보다 높게 위치하며, 일반 산문 자체도 때때로 그 선을 넘습니다.
그게 불편한 부분이다. 플래그는 문체를 읽는 것이지, 저자 여부에 대한 판결이 아니다.
실제로 점수를 낮추는 것은 무엇인가? (결과를 바꾸는 여섯 가지 수정)
이 순서대로 작업하라. 각 단계는 단순한 표현이 아니라 텍스트의 통계적 형태를 바꾼다.
1. 얼버무리는 표현을 잘라내라. Claude는 기본적으로 단서를 붙인다: “일반적으로”, “많은 경우에”, “흔히 주장된다”. 주장에 정말로 필요한 경우에만 단서를 남겨라. 나머지는 삭제하라. 분량의 상당 부분을 잃는 대신 구체성을 얻을 것이다.
2. 리듬을 깨라. 연속된 문장 길이를 세어 보라. 네 문장이 연달아 25~35단어라면, 하나를 여덟 단어로 쪼개라. 하나는 길게 이어지게 두라. 의도적인 불균일함은 인간의 손길을 보여 주는 가장 신뢰할 만한 신호다.
3. 추상 명사를 구체적인 것으로 바꿔라. “효과적인 의사소통 전략의 실행”은 “금요일에 고객에게 두 줄짜리 업데이트를 보내기”가 된다. Claude는 당신의 구체적인 사정을 모르기 때문에 일반화한다. 당신은 알고 있다.
4. 오직 당신만이 알 수 있는 세부 사항을 하나 추가하세요. 날짜. 방. 당신의 데이터에서 나온 숫자. 이름이 있는 출처. 이것은 장식이 아닙니다. 모델이 추측할 수 없었던 정보이기 때문에 예측 가능성 곡선을 깨뜨립니다.
5. 전환용 발판을 제거하세요. “게다가”, “더욱이”, “결론적으로”. 두 문단을 연결하는 접속사가 필요하다면, 논리가 그 역할을 하게 두세요.
6. 소리 내어 읽어보세요. 당신이 막히는 부분은 모델이 쓴 것입니다. 그 문장을 동료에게 말하듯이 다시 쓰세요.
편집을 시작하기 전에 어떤 문장이 신호를 담고 있는지 보고 싶다면, 초안을 DeAIze에 돌려보세요 — 탐지는 문장 단위로 이루어지므로 하나의 불투명한 숫자가 아니라 줄별 판독값을 얻을 수 있습니다. 재작성 체험은 이메일 확인 후 200단어이며, 신용카드가 필요 없고, 탐지에는 인터페이스에 표시된 자체 구성 가능한 한도가 있습니다.
실제 예시: 한 문단, 전과 후
아래 두 버전 모두 편집 패턴을 보여주기 위해 제가 작성한 예시이며, 측정값이 아닙니다.
이전 (전형적인 Claude 형태): “효과적인 온보딩은 장기적인 직원 유지의 핵심 요소입니다. 체계적인 온보딩 프로그램에 투자하는 조직은 일반적으로 참여도 개선 성과를 봅니다. 더욱이, 그러한 프로그램은 초기 역할 전환과 관련된 마찰을 줄이는 데 기여할 수 있습니다.”
이후: “작년에 첫 달에 두 명의 신입 사원을 잃었습니다. 둘 다 퇴사 시 같은 말을 했습니다: 첫날에 무엇을 해야 하는지 아무도 알려주지 않았다고요. 그래서 우리는 체크리스트를 만들었습니다 — 11개 항목, 각각 담당자 한 명, 출근 전 금요일에 발송합니다. 그 이후로 첫 달에 그만둔 사람은 없습니다.”
두 번째 버전은 더 짧고, 고르지 않으며, 구체적이고, 어떤 모델도 지어낼 수 없는 사실을 포함합니다. 그것이 전체 방법입니다. 탐지기 점수는 일반적으로 더 낮게 나오는데, 텍스트가 더 이상 모델이 기본적으로 생성할 법한 모습이 아니기 때문입니다.
각 옵션이 실제로 하는 일 — 그리고 그 비용
아래 표는 현실적인 경로를 비교합니다. 다른 도구의 수치는 해당 도구의 공개 자료에서 가져왔으며, 행에 출처를 표시했습니다.
| 옵션 | 하는 일 | 장단점 | 적합한 경우 |
|---|---|---|---|
| Claude 초안을 직접 편집 | 완곡한 표현을 제거하고, 리듬을 다양화하며, 자신의 구체적인 내용을 추가 | 느림; 주제를 알고 있어야 함 | 이미 아이디어가 자신의 것인 사람 |
| DeAIze 휴머나이저 | 자신의 초안에 대해 문장별로 수정된 표현을 제안 | 원본과 비교하고 주장, 수량, 인용, 부정 및 한정어를 확인해야 함; 의미 유사성은 검토 보조 수단이지 증거가 아님 | 이해하지만 한 줄씩 다시 쓰기 어려운 초안 |
| Turnitin의 자체 지침 | 1%에서 19% 범위에서는 점수나 하이라이트가 부여되지 않는다고 명시; 20% 임계값 미만에서는 보고서가 백분율 대신 별표를 표시 (출처: turnitin.com) | 기관 도구; 보고서에 직접 접근하지 못할 수 있음 | 기관 보고서가 실제로 무엇을 보여주는지 이해 |
| GPTZero의 공개 FAQ | 클래스 확률은 탐지기가 유사 문서에서 정확할 확률로 읽을 수 있다고 설명 — 90%는 유사 문서에서 90%의 경우를 의미 (출처: gptzero.me) | 도구에 대한 신뢰도 진술이지, 당신의 에세이에 대한 것이 아님 | 점수를 당황하지 않고 읽기 |
| 패러프레이징 도구 | 동의어 교체 | 보통 리듬과 구조를 그대로 유지하는데, 그것이 바로 당신이 표시된 이유 | 솔직히 별로 없음 |
Turnitin 수치는 곱씹어 볼 가치가 있습니다. Turnitin의 자체 제품 페이지에 따르면, 완전히 사람이 작성한 문서 100건 중 1건을 AI가 작성한 것으로 표시할 수 있으며, AI 작성 가능성이 50%로 식별된 문서는 최대 65%까지 AI 작성 내용을 포함할 수 있다고 합니다. 이는 벤더가 자사의 불확실성에 대해 직접 한 말입니다. 도구 제작자가 그 정도의 여유를 언급한다면, 플래그는 텍스트를 살펴보라는 신호일 뿐, 당신에 대한 판정이 아닙니다.
이것이 잘못된 선택인 경우
아이디어, 구조, 결론이 Claude에서 나온 것이고 표면만 바꾸는 것이라면 이 중 어느 것도 사용하지 마세요. 다른 사람의 — 또는 모델의 — 추론을 검사를 통과할 목적으로 바꿔 쓰는 것은 허위 진술이며, 누군가 후속 질문을 하는 순간 드러납니다. 어떤 편집 방법으로도 그것을 해결할 수 없으며, 어떤 도구도 그럴 수 있는 것처럼 판매되어서는 안 됩니다.
또한 stakes가 공식적인 경우에도 잘못된 선택입니다. 학문적 정직성 절차, 출판사 문의, 또는 문서가 어떻게 작성되었는지 묻는 고용주에 직면한 경우, 유용한 행동은 다릅니다: 원본 초안과 버전 기록을 보존하고, 노트를 유지하며, 자신의 과정을 설명할 수 있어야 합니다. 학문적 정직성 청문회에서 패널이 실제로 평가하는 것에 대한 가이드는 중요한 증거를 안내하며, 학문적 정직성 정책 글은 도움과 허위 진술 사이의 경계가 보통 어디에 있는지 다룹니다.
마지막으로, 짧은 글을 쓸 때는 건너뛰세요. 90단어 이메일은 어떤 탐지기도 안정적으로 읽을 만큼 충분한 신호를 담고 있지 않습니다. 그냥 쓰세요.
다음 실행에 대한 현실적인 기대
위의 여섯 가지 편집을 거치면 대부분의 초안은 눈에 띄게 덜 기계적으로 읽힙니다. 그러나 어떤 방법도 특정 도구에서 특정 점수를 보장하지 않으며, DeAIze도 그렇다고 주장하지 않습니다. 점수는 도구마다 다릅니다. 모델 확률, 조건을 충족하는 산문의 비율, 유사도 백분율은 같은 양이 아니며, 그중 어느 것도 저자임을 입증하지 않습니다.
당신이 통제할 수 있는 것은 텍스트입니다. 구체적으로 만드세요. 고르지 않게 만드세요. 자신만의 사실을 넣으세요. 그런 다음 기관이나 고객이 사용하는 도구로 확인하고, 결과를 여러 해석 중 하나로 읽으세요. 그래도 표시된다면 어떤 문장이 신호를 담고 있는지 살펴보고 — 문장 단위 보기에서 그것이 보입니다 — 문서 전체가 아니라 그 문장들을 편집하세요.
이 방법의 더 긴 버전을 원한다면, AI 텍스트 인간화 필러에서 편집 순서를 더 깊이 다루고, Claude 출력 편집 가이드에서는 재작성 과정에서 자신의 목소리를 유지하는 방법을 다룹니다.
측정 참고: 이 글의 수치는 2026-09-28에 자체 탐지기를 실행한 결과입니다 — 생성됨으로 표시되지 않은 가이드의 참조 구절 n = 709 대 편집되지 않은 모델 구절 n = 12, 중앙값 AI 점수는 각각 25%와 34%입니다. 참조 저자 여부는 독립적으로 검증되지 않았으며, 구절들은 독립적인 문서가 아닙니다. 방법: /methodology/.