AI 글쓰기가 로봇처럼 들리는 이유는 하나의 신비한 특성 때문이 아니라 네 가지 기계적인 습관 때문입니다. 문장 길이가 좁은 범위에 몰려 있습니다. 완곡어법은 글쓴이가 확신하지 못하는 곳에 몰리지 않고 고르게 퍼져 있습니다. 문단은 대칭적인 블록으로 도착합니다. 그리고 추상 명사가 사람이 실제로 이름 붙일 법한 사물과 행동을 밀어냅니다. 이 네 가지를 고치면 평평함이 사라집니다.
무엇이 문단을 페이지 위에서 죽은 것처럼 느껴지게 할까요?
초안을 소리 내어 읽고 문장당 음절 수를 대략 세어 보세요. 인간의 산문은 흔들립니다. 길고 절이 많은 문장, 그다음 네 단어. 질문. 단편. AI 출력은 문장마다 같은 중간 길이 범위에 머무는 경향이 있으며, 그 균일함이 바로 귀에 단조롭게 들리는 것입니다.
우리는 자체 도구로 이것을 측정했습니다. 2026-09-13에 우리는 23개의 손으로 쓴 DeAIze 가이드와 12개의 편집되지 않은 모델 구절을 30% 플래그 임계값으로 로컬 탐지기를 통해 실행했습니다. AI 티나는 빈도는 인간 샘플에서 100단어당 4회, 편집되지 않은 모델 출력에서 100단어당 1회로 나왔습니다. 인간의 글은 페이지 위에서 생각하는 사람을 표시하는 작은 불규칙성을 더 많이 담고 있습니다.
그렇다고 해서 인간 샘플이 깨끗한 점수를 받았다는 뜻은 아닙니다. 그렇지 않았습니다. 23개 중 5개가 그 임계값에서 플래그되었고, 평균 점수는 21%, 범위는 0에서 46%였습니다. 편집되지 않은 모델 출력은 평균 33%였습니다. 두 가지가 따릅니다. 인간의 글도 플래그에서 자동으로 안전하지 않으며, 두 코퍼스 사이의 차이는 경향이지 벽이 아닙니다.
네 가지 기계적 티나는 신호와 각각의 모습
| 구분 | AI가 하는 것 | 사람이 하는 것 | 빠른 해결 |
|---|---|---|---|
| 문장 길이 | 좁은 중간 범위에 몰림 | 짧고 긴 문장이 크게 진동 | 문단당 한 문장을 여섯 단어 이하로 끊기 |
| 완곡 표현 | 한정어를 고르게 분산 | 불확실성을 있어야 할 곳에 모음 | 의도하지 않은 완곡 표현은 모두 삭제 |
| 문단 모양 | 대칭적인 블록 | 불균등, 때로는 한 줄 | 가장 짧은 문단을 독립적으로 두기 |
| 명사 선택 | 추상 명사 | 사물, 행동, 이름 | 문단당 추상어 하나를 구체적인 것으로 교체 |
각 행은 한 번 훑어 읽기만 해도 보이는 습관이다. 어느 것도 탐지 도구가 필요하지 않다. 문장 수준에서 속도를 늦추기만 하면 된다.
어떤 문장이 그 신호를 담고 있는지 보고 싶다면, 우리 탐지기가 문서 전체를 채점하고 각 문장을 AI 확률로 표시해 주므로, 전부 다시 쓰지 않고 표시된 줄만 편집할 수 있다.
AI 텍스트는 왜 이렇게 밋밋할까? 완곡 표현 문제
완곡 표현은 일단 알게 되면 가장 명확한 단서다. 일반적으로, 자주, 보통, ~할 수 있다, ~일 수 있다, 많은 경우에 같은 표현이 일정한 비율로 나타난다. 사람의 글에서는 완곡 표현이 모여 있다. 방법론에는 확신이 있고 결론에는 확신이 없는 연구자는 논의 부분에 완곡 표현을 두 번 쓰고 방법 부분에는 전혀 쓰지 않는다. 모델은 문단마다 하나씩 고르게 분산시키는데, 완곡 표현이 주장의 속성이 아니라 문체의 속성이기 때문이다.
해결책은 모든 완곡 표현을 걷어내는 것이 아니다. 그것을 옮기는 것이다. 초고를 읽으면서 각 한정어에게 물어보라. 이 문장에 이게 필요한가? 답이 아니오라면 잘라내라. 답이 예라면 남기고, 그 문장이 이웃 문장보다 더 확신에 차 있게 읽힌다는 점을 받아들여라. 고르지 않은 확신이야말로 진짜 논증의 모습이다.
이것은 문체를 넘어서는 문제입니다. 당신이 실제로 어떤 주장을 지지하는지 분간할 수 없는 독자는 그 모든 주장을 깎아내릴 것입니다. 심지어 얼버무리는 것조차 아무 말도 하지 않는 방식입니다.
문단 대칭성: 모든 블록이 똑같아 보이는 이유
AI 출력은 비슷한 길이와 비슷한 내부 구조의 문단을 만들어내는 경향이 있습니다. 주제 문장, 두 개의 뒷받침 문장, 마무리입니다. 다섯 개를 연달아 읽어 보면 리듬이 똑같습니다. 사람이 쓴 초고는 울퉁불퉁합니다. 어떤 문단은 아이디어에 공간이 필요했기 때문에 길어집니다. 다음 문단은 할 말이 그것뿐이었기 때문에 한 줄입니다.
자신의 초고에서 이것을 시도해 보세요. 가장 강한 논점을 만든 문단을 찾아 한 문장으로 줄이세요. 그런 다음 가장 약한 논점을 찾아 삭제하거나 위 문단에 접어 넣으세요. 당신이 목표로 하는 것은 패턴이 아닙니다. 논증이 실제로 지닌 형태입니다.
대칭성은 문서 수준에서도 나타납니다. 모든 섹션이 같은 길이이고 모두 요약 문장으로 끝난다면, 그것은 더 큰 규모에서 같은 단서입니다.
추상성 대 구체성
이것이 글의 느낌에 가장 큰 타격을 주는 요소입니다. 모델은 안전하기 때문에 추상 명사를 선택합니다: 고려 사항, 함의, 프레임워크, 접근법, 해결책, 과제. 인간은 사물 자체를 선택합니다. 교통 솔루션이 아니라 자전거. 이해관계자 정렬이 아니라 재무팀의 승인을 받아내는 것.
간단한 테스트: 한 단락의 모든 명사를 표시하세요. 그중 두 개 이상이 눈으로 볼 수 없거나, 만질 수 없거나, 구체적으로 이름 붙일 수 없는 것이라면 그 단락은 추상에 기대고 있는 것입니다. 그중 하나를 구체 명사로 다시 쓰면 문장은 보통 절반으로 줄어듭니다.
이것은 또한 가벼운 편집을 거쳐도 가장 살아남기 쉬운 단서입니다. 추상적인 문장을 바꿔 쓰면 보통 또 다른 추상적인 문장이 나옵니다. 표현 방식만이 아니라 문장이 무엇에 관한 것인지를 바꿔야 합니다. 그 차이에 대한 유용한 설명은 AI 텍스트 바꿔 쓰기 대 다시 쓰기 가이드에 있습니다.
전과 후: 한 단락, 네 가지 수정
다음은 예시이며, 실제 고객 초안이 아닙니다.
전:
전문적인 환경에서 커뮤니케이션 전략의 전반적인 효과성에 영향을 미칠 수 있는 다양한 요소들을 고려하는 것이 중요합니다. 조직은 다양한 접근 방식을 평가함으로써 자신들의 메시지가 다양한 청중에게 일반적으로 잘 받아들여지도록 하는 데 도움을 받을 수 있습니다.
After:
독자가 해야 할 일을 첫 줄에 명시하면 이메일은 읽힙니다. 대부분은 그렇게 하지 않습니다. 요청을 먼저 쓰고, 그다음 이유를 쓰고, 그리고 멈추세요.
무엇이 바뀌었나:
- 문장 길이. 원문은 두 개의 긴 문장으로 되어 있었다. 재작성된 글은 짧게, 그다음 더 짧게, 그다음 중간 길이로 이어진다.
- 완곡 표현. May, generally, various가 사라졌다. 재작성된 글은 주장을 한다.
- 문단 형태. 네 문장이 세 문장이 되었고, 그중 하나는 두 단어다.
- 추상성. Communication strategies, messaging, diverse audiences가 email, first line, the ask가 되었다.
의미는 원문보다 좁아졌고, 바로 그 점이 핵심이다. 원문은 아무것도 말하지 않았기 때문에 틀릴 수 없었다. 재작성된 글은 반대할 수 있으며, 바로 그것이 읽히게 만든다.
AI가 쓴 글을, 사용하지 않은 척하지 않으면서 사람이 쓴 것처럼 만드는 방법
이 작업의 솔직한 본질은, 첫 초안을 무엇이 만들었든 결국 당신이 자기 초안을 편집하는 것이라는 점입니다. 주장과 수치와 결론에 대한 책임은 당신에게 있습니다. 어떤 문단이 모호하다면, 그것은 당신이 아직 자기 생각을 정하지 못했기 때문에 모호한 것이며, 문장 단위의 수술로는 결코 고쳐지지 않습니다.
효과가 있는 루틴:
- 초안 전체를 한 번 소리 내어 읽습니다. 위원회가 쓴 것처럼 들리는 모든 문장에 표시합니다.
- 문장 길이를 먼저 고칩니다. 그러면 나머지가 읽히는 방식이 달라집니다.
- 진심이 아닌 완곡한 표현은 모두 잘라내거나 옮깁니다.
- 한 문단을 한 줄로 쪼갭니다. 또 다른 문단은 옆 문단과 합칩니다.
- 문단마다 추상 명사 하나를 구체 명사로 바꿉니다.
- 다시 읽습니다. 그래도 생성된 것처럼 들리는 문장은 보통 아무것도 하지 않는 주어를 가지고 있습니다.
어떤 문장이 신호를 담고 있는지에 대한 제2의 의견을 원한다면, 문장 단위 탐지가 문서 점수보다 더 유용합니다. 다시 쓸 가치가 있는 문장을 짚어주기 때문입니다. 위에서 우리가 직접 측정한 결과, 사람이 쓴 글 대부분은 낮은 점수를 받았지만 일부는 여전히 플래그 임계값을 넘었습니다. 따라서 플래그는 살펴보라는 신호일 뿐, 판결이 아닙니다. 탐지기 출력은 확률 추정치이며, 작성자의 증거가 아닙니다.
이 질문 아래 깔린 두려움에 대한 한 가지 주의점. 초안에 붙은 플래그가 곧 무언가로 비난받을 것이라는 뜻이라고 걱정된다면, 유용한 대처는 초안과 메모, 편집 이력을 보관해 작업 과정을 보여줄 수 있게 하는 것입니다. 이것은 기술적인 습관이 아니라 기록 관리 습관이며, 어떤 재작성보다도 더 잘 버팁니다. AI 보조 초안이 왜 밋밋하게 읽히는지에 관한 가이드도 플래그를 줄이는 관점에서 같은 원리를 설명합니다.
다음에 할 일
현재 초안에서 문단 하나를 골라라. 네 가지 점검을 순서대로 실행하라: 문장 길이 편차, 완충 표현 위치, 문단 구조, 명사의 구체성. 문서의 나머지 부분을 건드리기 전에 그 문단을 직접 고쳐라. 이 네 가지 습관은 일관성이 충분히 높아서, 한 문단에서 그것들을 보게 되면 어디서든 보게 될 것이고, 고치는 속도는 매번 더 빨라질 것이다.
측정 참고: 이 글의 수치는 2026-09-13에 자체 탐지기를 실행한 결과에서 나왔다 — n = 23개의 직접 작성한 가이드 대 n = 12개의 편집되지 않은 모델 출력, 중앙값 AI 점수는 각각 22%와 34%였다. 방법: /methodology/.