인터넷의 새 글 가운데 상당수가 이미 AI의 도움을 받아 쓰이고 있다는 연구가 나왔습니다. Internet Archive 데이터를 바탕으로 한 분석에 따르면 2025년 중반에는 새로 게시된 웹페이지의 약 35%가 전부 또는 일부 AI 생성·보조 텍스트로 분류됐습니다.12
중요한 건 "AI 글이 좋으냐 나쁘냐"가 아닙니다. 더 실용적인 질문은 따로 있습니다. 어떤 글쓰기 작업에서 AI는 시간을 줄여주고, 어떤 단계에서는 오히려 신뢰·독창성·판단력을 깎아먹는가. 이 기준 없이 AI를 쓰면, 문법은 멀쩡하지만 읽고 나면 아무것도 남지 않는 글이 빠르게 늘어납니다.
문제가 된 건 '거짓'보다 '평균으로 수렴하는 말투'였다
이번 연구가 흥미로운 이유는, 사람들이 막연히 걱정하던 지점과 실제로 관측된 현상이 다소 달랐기 때문입니다. 연구진은 AI 텍스트 확산이 웹에 미치는 영향을 여섯 가지 가설로 점검했는데, 통계적으로 뚜렷하게 확인된 것은 둘이었습니다. 하나는 의미적 다양성 축소, 다른 하나는 긍정성 증가입니다.2
구체적으로 AI 생성 텍스트는 인간 작성 텍스트보다 의미적으로 서로 33% 더 비슷했고, 긍정 감성 점수는 107% 더 높았습니다.2 쉽게 말해, 웹의 문장이 점점 같은 방향으로 닮아가고, 어딘가 과하게 친절하고 낙관적으로 들린다는 뜻입니다. 원문 기사는 이를 "uniform and weirdly cheerful"하다고 요약했습니다.1
여기서 조심할 점도 있습니다. 이 연구는 상관관계를 보여주지, AI가 유일한 원인이라고 증명한 것은 아닙니다. 또 영어권 웹페이지, Internet Archive 표본, 특정 탐지기 성능에 의존했다는 한계도 있습니다.12 다만 해석의 방향은 충분히 설득력 있습니다. 언어모델은 본질적으로 학습 데이터의 평균적인 표현으로 수렴하기 쉽고, 안전성 조정 과정에서 지나치게 협조적이고 무난한 톤을 띠는 경향이 있기 때문입니다.
실무적으로는 이 지점이 핵심입니다. AI 글의 가장 큰 문제는 늘 사실 오류가 아니라, 차별점 없는 구조와 무해하게만 들리는 어조일 수 있습니다. 즉 "틀린 글"보다 "아무 생각이 안 남는 글"이 더 많이 생긴다는 뜻입니다.
AI가 잘하는 글쓰기 4가지, 망치기 쉬운 4가지
이걸 뉴스가 아니라 작업 기준으로 바꿔보면 훨씬 선명해집니다.
AI가 대체로 잘하는 일은 초반 생산성 업무입니다. 아이디어 벌리기, 개요 짜기, 초안 속도 내기, 그리고 한 원고를 요약·확장·채널별로 재가공하는 일입니다. 실제 상용 도구들도 이쪽에 집중합니다. Semrush는 블로그 개요, 문단, 이메일, 소셜 포스트 생성을 전면에 내세우고 있고,3 Heymarket은 문자 메시지의 길이·톤 조정 같은 리라이팅 작업을 강조합니다.4 즉 AI는 "빈 페이지 공포"를 줄이는 데 특히 강합니다.
반대로 AI가 자주 망치는 일도 분명합니다. 첫째, 독자만 얻을 수 있는 현장감. 둘째, 실제 이해관계와 맥락이 얽힌 설득. 셋째, 책임이 따르는 사실 판단. 넷째, 글쓴이만의 관점이 드러나는 결론입니다. Nature에 실린 비교 연구에서도 AI 에세이는 구조와 언어 완성도에서 강했지만, 인간 필자의 태도와 관점이 실리는 표현 특성은 다르게 나타났습니다.5 잘 쓴 것처럼 보여도 "누가 왜 이 말을 하는가"는 비어 있을 수 있다는 뜻입니다.
그래서 기준은 단순합니다.
AI는 재료를 만들게 하고, 인간은 입장과 책임을 결정해야 합니다.
왜 AI 글은 멀쩡한데도 어색한가
독자가 AI 글을 "티 난다"고 느끼는 이유는 오탈자 때문이 아닙니다. 보통은 다섯 가지입니다. 문장이 너무 일반적이고, 자신감은 과한데 근거는 얕고, 리듬이 반복되고, 디테일이 빈약하고, 무엇이 중요한지 우선순위가 없습니다.
이 현상은 연구의 "의미적 수축"과도 연결됩니다.2 비슷한 프롬프트, 비슷한 학습 데이터, 비슷한 안전 조정이 겹치면 결과물도 평균적인 문장으로 모이기 쉽습니다. 게다가 많은 AI 글쓰기 서비스가 "빠르게, 간단하게, 어떤 포맷이든"을 약속하면서 결과의 매끈함을 장점으로 내세웁니다.34 그런데 바로 그 매끈함이, 읽는 사람에게는 무취·무난·무책임으로 느껴질 수 있습니다.
반론도 있습니다. 연구에서는 사람들이 우려한 것과 달리 스타일 다양성의 붕괴, 외부 링크 감소, 정보 밀도 저하, 명백한 사실 오류 증가는 통계적으로 확인하지 못했습니다.12 즉 "AI 글은 다 똑같고 다 틀린다"는 식의 단정도 과장입니다.
하지만 이것이 곧 안심 신호는 아닙니다. 연구진도 지적했듯, 사실성 검증은 표본이 작았고 "명확히 반박 가능한 주장" 위주라서, 애매하고 검증 불가능한 주장 증가는 포착하지 못했을 수 있습니다.1 실무에서는 바로 이런 문장이 더 위험합니다. 틀렸다고 바로 잡히지는 않지만, 독자를 헷갈리게 만들기 쉽기 때문입니다.
초안은 AI로, 출판은 인간의 지문으로 끝내야 한다
그래서 가장 현실적인 방식은 전면 자동화가 아니라 분업입니다.
AI에는 세 가지를 맡기면 됩니다. 초안 여러 버전 만들기, 구조적 빈칸 채우기, 표현 압축·확장하기. 대신 사람은 다섯 가지를 반드시 붙잡아야 합니다. 사실 확인, 근거 링크, 실제 사례, 이해관계 판단, 마지막 톤 조정입니다.
실무용으로는 이런 순서가 가장 안전합니다.
먼저 AI에게 완성본이 아니라 선택지를 받습니다. "한 버전 써줘"보다 "서로 다른 관점의 개요 3개"가 낫습니다.
그다음 쓸 만한 문장보다 쓸 만한 구조를 가져옵니다.
이후 숫자·날짜·인용·주장은 사람이 검증합니다.
마지막으로 경험, 사례, 반론, 손해 보는 사람까지 넣습니다. 이 단계가 들어가야 비로소 글에 인간의 지문이 생깁니다.
앞으로 경쟁력은 더 많은 텍스트를 찍어내는 데서 나오지 않을 가능성이 큽니다. 이미 웹은 충분히 넘칩니다. 오히려 무엇을 자동화하지 않을지 아는 편집 판단이 더 중요해집니다. 브랜드를 운영하는 사람, 콘텐츠 팀, 고객 커뮤니케이션을 다루는 조직이라면 특히 그렇습니다. 빠른 글보다 믿을 만한 글이 점점 더 희소해지고 있기 때문입니다.
참고
1Researchers find AI text is making the internet more uniform and weirdly cheerful
2The Impact of AI-Generated Text on the Internet
3Free AI Text Generator - No Login Required
4Free AI text message generator: Refine tone & stay on brand
5A large-scale comparison of human-written versus ChatGPT-generated essays
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.