동일한 문단을 Sapling와 GPTZero에 각각 통과시켰는데 서로 다른 판정이 나왔다면, 당신이 잘못한 것은 아무것도 없습니다. 두 도구는 겹치지만 서로 다른 신호를 측정하며, 짧은 텍스트는 그 차이를 더 크게 만듭니다. 어느 점수도 작성자의 증거가 아닙니다. 유용한 행동은 어느 쪽이 맞는지 묻는 것을 멈추고 각 도구가 표시한 부분을 편집 목록으로 취급하기 시작하는 것입니다.
왜 Sapling와 GPTZero은 같은 텍스트에 대해 서로 다른 결과를 내나요?
두 도구 모두 어떤 문단이 언어 모델에 의해 생성되었을 가능성을 추정합니다. 하지만 방식은 다릅니다. GPTZero는 혼란도(perplexity)와 버스트니스(burstiness)를 중심으로 만들어졌습니다. 즉, 각 단어가 얼마나 예측 가능한지, 문장 리듬이 얼마나 다양한지를 봅니다. Sapling의 탐지기는 토큰 수준 확률 패턴도 살펴보지만, 인터페이스에서 결과를 다르게 제시하고 임계값도 별도로 조정되어 있습니다.
두 모델이 서로 다른 데이터로, 서로 다른 컷오프와 서로 다른 보정으로 학습되면 경계 영역에서 의견이 갈립니다. 이는 정상입니다. 또한 이것이 단일 점수로 다시 쓸지 여부를 결정해서는 안 되는 이유이기도 합니다. 탐지기 출력은 확률 추정치일 뿐, 사실 판정이 아닙니다.
2026-09-13에 우리가 직접 측정한 결과가 이 점을 잘 보여줍니다. 우리는 사람이 작성한 DeAIze 가이드 23개를 우리 탐지기로 채점했고, 평균 AI 점수 21%, 중앙값 22%, 범위 0-46%를 얻었습니다. 그런 다음 고정 프롬프트에서 나온 편집되지 않은 모델 출력 12개를 채점했습니다: 평균 33%, 중앙값 34%, 범위 4-46%. 범위가 겹칩니다. 사람이 쓴 글도 높은 점수를 받을 수 있고, 기계가 쓴 글도 낮은 점수를 받을 수 있습니다. 우리 자체 도구가 알려진 샘플에서 겹치는 범위를 산출한다면, 두 개의 제3자 도구도 당신의 초안에 대해 서로 다른 결과를 낼 것입니다.
왜 짧은 텍스트는 더 잡음이 많나요?
탐지기가 패턴을 추정하려면 충분한 텍스트가 필요합니다. 60단어 문단은 정보가 거의 없습니다. 1,200단어 에세이는 평균을 낼 수백 개의 판단을 제공합니다.
짧은 텍스트가 더 노이즈가 많은 데에는 세 가지 이유가 있습니다:
- 토큰이 적을수록 분산이 커집니다. 표본이 작으면 특이한 문장 하나가 전체 점수를 흔듭니다. 단일 절 하나가 짧은 텍스트를 낮음에서 플래그됨으로 옮길 수 있습니다.
- 작성자 자신의 문체에 대한 기준선이 없습니다. 긴 문서는 탐지기에게 당신의 정상 범위를 보여줍니다. 짧은 문서는 그렇지 않으므로 모델의 예상 범위를 벗어나는 모든 것이 의심스러워 보입니다.
- 인용문, 목록, 제목이 신호를 왜곡합니다. 글머리 기호 목록에는 문장 리듬이 없습니다. 블록 인용문은 다른 사람의 것입니다. 둘 다 산문을 기대하는 모델에게는 기계적인 것으로 읽힐 수 있습니다.
자기소개서, 초록 또는 LinkedIn 게시물을 확인하는 경우 점수를 약한 증거로 취급하세요. 전체 초안을 확인하는 경우 대략적인 지도로 취급하세요.
어떤 줄이 실제로 신호를 담고 있는지 확인하고 싶다면, DeAIze가 전체 문서를 채점하고 각 문장을 AI 확률로 강조 표시하므로 추측하는 대신 플래그된 줄을 편집할 수 있습니다. 무료 등급은 가입 시 200단어를 제공하며 신용카드가 필요 없고, 유료 크레딧은 1,000단어당 $20.99부터 시작합니다 — /pricing/ 또는 /register를 참조하세요.
각 도구는 문장 수준 출력을 어떻게 제시하나요?
이것이 편집에 중요한 부분입니다. 단일 문서 점수는 실행 가능한 정보를 거의 제공하지 않습니다. 문장별 보기는 어디를 봐야 할지 알려줍니다.
| 도구 | 보이는 내용 | 세분성 | 가장 유용한 용도 |
|---|---|---|---|
| GPTZero | 문서 점수와 강조된 문장 및 perplexity/burstiness 판독 | 문서 점수 내 문장 강조 | 긴 초안에서 평탄하고 변동이 적은 구간을 찾아내기 |
| Sapling | 문장별 확률이 히트 스타일 목록으로 표시된 문서 점수 | 문장 수준 확률 | 다시 쓸 가치가 있는 특정 문장 찾기 |
| DeAIze | 문서 점수와 AI 확률로 강조된 모든 문장, 그리고 재점수를 매기는 폐쇄 루프 재작성 | 문장 수준 감지 및 재작성 | 강조를 편집으로 전환하고 결과 확인하기 |
GPTZero의 강점은 문서 수준 보기와 burstiness 프레이밍입니다. Sapling의 강점은 훑어보기 쉬운 문장 테이블입니다. 어느 것도 판결이 아닙니다. 둘 다 살펴볼 곳의 목록입니다.
각 도구가 보고하는 내용을 더 폭넓게 비교하려면 /blog/ai-detector-comparison/를 참조하세요. Sapling의 문장 점수가 실제로 무엇을 의미하는지 구체적으로 이해하려면 /blog/sapling-ai-detector/에서 자세히 설명합니다.
강조를 편집 체크리스트로 어떻게 전환하나요?
표시된 문장을 별도 문서에 복사하세요. 전체 글을 다시 쓰지 마세요. 순서대로 처리하세요.
- 문장을 소리 내어 읽어보세요. 말이 막히면 문제는 어휘가 아니라 리듬입니다. 문장을 나누거나 줄이세요.
- 시작 부분을 확인하세요. 기계 초안은 종종 같은 접속사로 문장을 시작합니다: “Moreover”, “Furthermore”, “Additionally”. 이를 삭제하거나 다양하게 바꾸세요.
- 삼중 구조를 찾아보세요. 세 개의 균형 잡힌 절이 연속으로 나오는 것은 기계의 습관입니다. 패턴을 깨세요.
- 추상 명사를 구체적인 명사로 바꾸세요. “Implementation of the solution”은 “we shipped the fix on Friday”가 됩니다.
- 당신만이 알 수 있는 구체적인 세부 사항을 하나 추가하세요. 날짜, 이름, 자신의 작업에서 나온 숫자 등입니다. 이것이 인간 저자임을 보여주는 가장 강력한 신호입니다.
- 문장이 아니라 단락을 다시 읽으세요. 고친 문장도 단락 안에서 여전히 어색할 수 있습니다.
다음은 실제 점수가 아닌 예시입니다. 이전: “The implementation of the proposed methodology facilitates the optimisation of operational outcomes across multiple domains.” 이후: “The new method cut our batch time from two days to four hours.” 두 번째는 더 짧고 구체적이며, 첫 번째에는 없는 정보를 담고 있습니다.
단일 점수가 재작성 여부를 결정해서는 안 되는 이유
탐지기는 두 분포를 구분하도록 훈련됩니다. 당신의 글은 하나의 표본입니다. 초안이 경계 근처에 있으면 도구는 어떤 문장에 가장 큰 가중치를 두는지에 따라 결과가 뒤집힙니다. 이는 모델의 속성이지, 당신에 대한 판단이 아닙니다.
무엇이든 다시 쓰기 전에 해야 할 세 가지:
- 표시된 문장을 확인하세요, 헤드라인 숫자가 아니라. 표시된 줄이 인용된 정의와 글머리 기호 목록이라면, 문제가 전혀 없을 수도 있습니다.
- 원본 사본을 보관하세요. 점수를 위해 다시 쓰면 당신의 목소리가 평평해질 수 있습니다. 여전히 당신처럼 들리는 버전을 원합니다.
- 점수가 무엇을 위한 것인지 물어보세요. 학술지, 교사 또는 고객에게 제출하는 경우, 관련 질문은 그 작업이 당신의 것인지 그리고 당신이 과정을 공개했는지입니다. 탐지기 점수는 그 질문에 답하지 않습니다.
비원어민 영어 작가들이 여기서 가장 큰 타격을 받습니다. 신중하고 격식 있는 문장은 모델에게 낮은 변동성으로 보이기 때문입니다. 이는 알려진 실패 모드이지, 부정행위의 증거가 아닙니다. /blog/ai-detector-flags-non-native-english-writers/에서는 이런 일이 발생할 경우 무엇을 문서화해야 하는지 다룹니다.
언제 다시 점수를 매겨야 하며, 무엇을 예상해야 할까요?
문장마다가 아니라 편집한 후에 다시 점수를 매기세요. 보통 두 번이면 충분합니다: 구조 편집 후 한 번, 문장 편집 후 한 번.
예상할 것: 확실성이 아니라 변화입니다. 문장이 단조로운 리듬 때문에 표시되었다가 리듬을 고쳤다면, 다음 점수는 이를 반영해야 합니다. 계속 표시된다면 문제는 단락의 다른 곳에 있습니다.
우리 자체 예시 단락에서는 92%의 AI 점수가 인간화 후 4%가 되었습니다. 이는 한 단락에 대한 제품 자체의 예측 점수이지, Sapling, GPTZero 또는 다른 누구의 공식 판정이 아닙니다. 우리 테스트 세트 전반에서 사이트는 인간화 후 평균 AI 점수 감소가 60% 이상, 최고 71%라고 보고합니다. 이는 우리 도구에서 나온 우리 수치입니다. 결과는 텍스트 중 기계 생성된 부분과 원래부터 당신의 것이었던 부분이 얼마나 되는지에 따라 달라집니다.
어떤 점수든 신뢰하기 전에 근본적인 신호를 이해하고 싶다면, /blog/how-ai-detection-works/에서 시작하세요. 그리고 이 두 가지뿐만 아니라 여러 도구를 폭넓게 비교하고 있다면, /gptzero-alternative/에서 대안들을 나란히 모아 놓았습니다.
솔직한 요약: Sapling와 GPTZero이 불일치하는 이유는 서로 연관되지만 구별되는 것을 측정하기 때문이며, 짧은 텍스트는 모든 차이를 증폭시킵니다. 어느 도구든 문장 수준 보기를 할 일 목록으로 활용하세요. 정말로 평범하게 읽히는 줄을 고치세요. 이동 방향을 확인하기 위해 한 번 다시 점수를 매기세요. 그런 다음 저자로서 초안이 의도한 내용을 담고 있는지 판단하세요.
측정 참고: 이 글의 수치는 2026-09-13에 자체 탐지기를 실행한 결과입니다 — 손으로 작성한 가이드 n = 23 대 편집되지 않은 모델 출력 n = 12, 중앙값 AI 점수는 각각 22%와 34%입니다. 방법: /methodology/.