핵심 요약
대형 언어 모델(LLM)이 생성하는 텍스트에는 특유의 반복적인 패턴과 상투적인 표현이 존재하며, 이는 글의 독창성과 신뢰도를 떨어뜨리는 요인이 된다. 본 아티클은 delve, tapestry와 같은 특정 단어 선택부터 It's not X -- it's Y와 같은 문장 구조, 그리고 과도하게 교훈적인 어조까지 AI 특유의 슬롭(Slop) 현상을 상세히 분류한다. 이러한 패턴들을 시스템 프롬프트에 추가하여 AI가 더 인간답고 자연스러운 글을 쓰도록 유도하는 구체적인 방법을 제안한다. 결과적으로 AI의 언어적 습관을 이해함으로써 더 높은 품질의 콘텐츠 생성이 가능해진다.
배경
LLM 프롬프팅 기초 지식, 영문 글쓰기 패턴 및 수사법에 대한 이해
대상 독자
LLM을 활용해 기술 블로그나 마케팅 콘텐츠를 제작하는 작가 및 개발자
의미 / 영향
AI 생성 콘텐츠가 급증하는 환경에서 AI 특유의 상투성을 제거하는 능력은 콘텐츠의 차별화와 신뢰성 확보를 위한 핵심 역량이 될 것이다. 시스템 프롬프트를 통해 이러한 패턴을 제어함으로써 더 인간에 가까운 자연스러운 커뮤니케이션이 가능해진다.
섹션별 상세
AI는 quietly, deeply, fundamentally와 같은 부사를 남용하여 평범한 내용을 과장하거나, delve, harness, leverage 등 특정 단어에 집착하는 경향이 있다. tapestry, landscape, ecosystem과 같이 화려하지만 모호한 명사를 사용하여 문장을 불필요하게 장식하는 것도 주요한 특징이다. 이러한 단어들은 실제 의미 전달보다 문장을 거창하게 만드는 데 주로 소모된다.
문장 구조 측면에서 가장 흔한 패턴은 It's not X -- it's Y 식의 부정 병렬 구조를 통해 가짜 통찰력을 만들어내는 것이다. 또한 스스로 질문하고 즉답하는 수사적 질문이나 세 가지 요소를 나열하는 삼분법(Tricolon)을 기계적으로 반복 사용한다. 이는 인간이 자연스럽게 글을 쓸 때 나타나는 불규칙성과 대조되는 명확한 AI의 식별 표식이다.
AI는 독자를 가르치려 드는 교사 모드를 기본값으로 설정하며, Think of it as...와 같은 비유를 남용한다. Here's the kicker와 같이 별것 아닌 내용에 가짜 긴장감을 조성하거나, Imagine a world where...와 같은 전형적인 미래주의적 도입부를 즐겨 사용한다. 이러한 어조는 독자에게 권위주의적이거나 인위적인 느낌을 준다.
가독성을 높인다는 명목으로 한 문장으로 된 짧은 문단을 남용하거나, 모든 불렛 포인트의 시작을 굵은 글씨로 처리하는 등 정형화된 형식을 고수한다. 또한 엠 대시(—)를 남용하여 문장의 흐름을 끊거나 유니코드 화살표(→)를 사용하는 등 일반적인 타이핑 습관과는 다른 서식 패턴을 보인다. 이는 RLHF 과정에서 학습된 가독성 최적화의 부작용이다.
하나의 주장을 다양한 비유와 표현으로 바꾸어 수천 단어로 늘리는 단일 포인트 희석 현상이 나타난다. 글의 서두에서 할 말을 예고하고, 본문에서 말하고, 결론에서 다시 요약하는 프랙탈 요약 구조를 사용하여 정보 밀도를 낮춘다. 이는 모델이 이전 맥락을 유지하면서 분량을 채우려 할 때 발생하는 구조적 결함이다.
AI는 전문가, 업계 보고서 등 구체적이지 않은 대상을 인용하며 주장의 근거를 흐리는 경향이 있다. 또한 supervision paradox, acceleration trap과 같이 그럴듯해 보이지만 실제로 정의되지 않은 합성어 레이블을 만들어내어 분석적인 척한다. 이러한 모호한 인용과 명명은 글의 전문성을 오히려 저해한다.
실무 Takeaway
- 시스템 프롬프트에 delve, tapestry, landscape 등 AI가 선호하는 금지 단어 목록을 명시하여 어휘 다양성을 확보한다.
- 부정 병렬 구조나 삼분법 같은 특정 수사적 패턴의 사용 빈도를 제한하여 문장 구조의 단조로움을 피한다.
- 교훈적인 어조나 가짜 비유 대신 구체적인 데이터와 사실 관계를 중심으로 능동태 문장을 작성하도록 지시한다.
언급된 리소스
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료