AI 요약
AI가 생성한 문장은 읽기 편하지만 특유의 '인공적인 위질감'을 주는데, Wikipedia의 유의 프로젝트인 'WikiProject AI Cleanup'은 수천 건의 문서를 정밀 조사하여 그 패턴을 체계화했습니다. 이들은 2023년 이후 급증한 'pivotal', 'tapestry' 같은 특정 어휘와 LLM 도입 전후로 달라진 em 대시(—) 사용 빈도를 결정적 증거로 꼽습니다. 기사 작성자는 Claude Code의 출력을 개선하기 위해 GitHub의 두 프로젝트, 'blader/humanizer'와 'matsuikentaro1/humanizer_academic'을 활용하여 영어 기반의 AI 탐지 패턴을 일본어 환경에 맞춰 재구성했습니다. 특히 의학 논문 데이터(2019년 Circulation 게재 EMPA-REG OUTCOME 시험)를 활용한 전문적 접근과 함께, 단순한 패턴 제거를 넘어 '의견을 가질 것'이나 '리듬을 깰 것'과 같은 '영혼이 담긴 글쓰기' 원칙을 통합했습니다. 최종적으로 16가지 체크리스트와 집필 후 셀프 감사 프로세스를 통해 AI 느낌을 최소화하는 워크플로우를 구축한 것이 핵심입니다.
핵심 인사이트
- Wikipedia WikiProject AI Cleanup: AI가 작성한 문서를 수천 건 분석하여 'Signs of AI writing' 페이지를 통해 구체적인 패턴(pivotal, landscape 등 단어 급증)을 공개했습니다.
- 2개의 오픈소스 스킬 통합: 24개 패턴을 정의한 'blader/humanizer'와 2019년 Circulation 논문을 샘플로 한 'humanizer_academic'을 Claude Code에 적용했습니다.
- 일본어 최적화 16개 항목: 영어의 'Additionally'가 일본어의 'さらに'로 과도하게 번역되는 등의 문제를 해결하기 위해 학술용 10개, 범용 6개 항목의 체크리스트를 도출했습니다.
주요 디테일
- 어휘 및 문장 구조의 특징: AI는 'serves as'와 같은 복잡한 연결구를 선호하며, 일본어에서는 이를 '〜의 역할을 하고 있습니다'라는 불필요하게 긴 표현으로 출력하는 경향이 있습니다.
- 기호의 특징적 사용: em 대시(—)나 전각 대시를 문장 중간에 삽입하는 것은 AI의 전형적인 습관으로, 이를 괄호나 쉼표로 대체하여 자연스러움을 높였습니다.
- Claude Code 특유의 양식 수정: '- 항목: 설명' 형태의 인라인 헤더가 포함된 불릿 포인트는 AI의 전형적인 출력 양식임을 지적하고 이를 문장으로 통합할 것을 권장합니다.
- 영혼이 담긴 글쓰기: 단순히 패턴을 지우는 것이 아니라, "새벽 3시에 에이전트가 코드를 쓰는 것을 상상하면 불안하다"와 같은 구체적인 감정과 1인칭 시점을 포함하여 인간성을 부여합니다.
- 안티 AI 패스(Self-Audit): 초안 작성 후 '어디가 AI처럼 보이는가?'를 스스로 묻고, 특히 정형화되기 쉬운 서론과 결론을 중점적으로 수정하는 단계를 추가했습니다.
향후 전망
- 표준 워크플로우화: AI 생성물에 대한 거부감을 줄이기 위해 'Humanizer' 기술과 셀프 감사 프로세스가 글쓰기의 필수 단계로 자리 잡을 것입니다.
- AI 모델의 진화 반영: 사용자들이 AI의 특징을 역으로 수정함에 따라, 향후 LLM 모델 자체가 이러한 '인간적인 리듬'을 학습하여 더 정교한 텍스트를 생성하게 될 것으로 보입니다.
출처:hatena