내가 쓴 글이 AI로 감지되는 이유와 대처법 (2026)

직접 쓴 글이 AI로 판정받았더라도 당황할 필요는 없습니다. 같은 일을 겪는 사람이 생각보다 훨씬 많습니다. AI 감지기는 소프트웨어 사용 흔적을 감지하는 것이 아니라, 단어의 통계적 예측 가능성과 문장 구조 패턴을 점수화합니다. 글이 군더더기 없이 명확하거나, 지나치게 격식적이거나, 문법 교정 도구로 매끄럽게 다듬어진 경우, 감지기가 기계 생성 텍스트로 오인하는 통계적 조건과 정확히 일치할 수 있습니다.

직접 공들여 쓴 과제, 입사 지원서, 고객용 원고에서 높은 AI 확률 점수가 나오면 큰 스트레스를 받기 마련입니다. 다행인 점은 이러한 오탐이 일정한 수학적 규칙을 따른다는 것입니다. 감지기가 무엇을 확인하는지 이해하면 초안이 왜 AI로 의심받았는지 진단하고, 직접 썼다는 증거를 수집하며, 딱딱한 표현을 자연스럽게 수정할 수 있습니다.

AI 감지기가 글을 평가하는 실제 원리

내 글이 왜 AI로 감지되었는지 이해하려면 AI 감지 소프트웨어가 실제로 무엇을 하는지 알아야 합니다. 감지기는 AI 생성 텍스트 데이터베이스를 뒤져 일치 항목을 찾거나 작업 중인 키보드 입력을 감시하지 않습니다. 대신 완성된 글을 스캔하여 두 가지 핵심 언어학적 지표인 퍼플렉시티(perplexity)와 버스티니스(burstiness)를 계산합니다.

퍼플렉시티: 단어 선택이 얼마나 예측 가능한가

퍼플렉시티는 언어 모델이 다음에 올 단어를 보았을 때 얼마나 '놀라는지(예측하기 어려워하는지)'를 측정하는 지표입니다. ChatGPT, Claude, Gemini 같은 대규모 언어 모델(LLM)은 문맥에서 통계적으로 가장 확률이 높은 다음 단어를 예측하는 방식으로 작동합니다. 방대한 인터넷 데이터셋을 바탕으로 학습되었기 때문에, 모델은 언제나 안전하고 표준적인 표현을 선호합니다.

AI 감지기가 글을 평가할 때도 단어 선택이 얼마나 뻔하고 예측 가능한지 계산합니다. 정돈된 표준 어휘와 흔한 관용구 위주로 글을 쓰면 퍼플렉시티 점수가 낮아집니다. 감지기 입장에서는 머릿속에서 모든 단어를 직접 생각해 썼더라도, 퍼플렉시티가 낮으면 기계가 만든 텍스트처럼 보이게 됩니다.

버스티니스: 문장 길이와 구조가 얼마나 다양한가

버스티니스는 문장 길이, 구조, 리듬의 변화 폭을 측정합니다. 사람이 쓰는 글에는 자연스러운 기복과 리듬이 있습니다.

• 여러 논거를 연결하고 전제를 부연 설명하는 길고 복잡한 문장을 씁니다.
• 그런 다음 짧은 문장을 덧붙입니다.
• 질문을 던지기도 합니다.
• 잠시 멈춥니다.

별도의 프롬프트 지시가 없는 한, AI 모델은 이렇게 쓰지 못합니다. AI가 작성한 글은 일정한 호흡을 유지하며 한 문장당 15단어에서 25단어 내외(영어 기준)로 균일하게 이어지는 경향이 있습니다. 모든 문장의 길이나 문법 구조가 비슷하게 균형 잡힌 정갈한 문체로 글을 쓰면, AI 감지기는 버스티니스가 낮다고 판단하여 해당 글을 합성 텍스트로 분류합니다.

또한 감지기끼리 결과가 엇갈리는 일도 허다합니다. 실제로 Turnitin에서 AI 확률 80%가 나온 단락이 GPTZero에서는 10%, Copyleaks에서는 90%로 나올 수 있습니다. 감지기는 확률 추정기일 뿐, 거짓말 탐지기가 아닙니다.

사람이 쓴 글이 AI로 오탐되는 5가지 이유

사람이 쓴 글에서 오탐이 발생하는 원인은 대체로 글쓰기 습관이나 문체에서 비롯되는 다음 5가지 요인 중 하나입니다.

사람의 글이 AI로 의심받는 이유:
1. 지나치게 격식적인 학술 문체 -> 딱딱하고 판에 박힌 어구
2. 문법 도우미의 과도한 수정   -> 문장의 리듬이 평탄화됨
3. 영어가 모국어가 아닌 경우   -> 교과서적인 엄격한 구문
4. 상투적인 접속 표현 남발     -> "Furthermore(게다가)", "In conclusion(결론적으로)"
5. 텍스트 분량이 너무 짧음     -> 통계적 표본 데이터 부족

1. 격식 있는 학술적 혹은 전문적인 어조로 작성함

학술 및 전문 글쓰기에서는 객관성, 수동태 표현, 전문 용어가 중시됩니다. 학술 논문이나 비즈니스 보고서를 작성할 때는 개인적인 일화나 비속어, 감정적인 어휘를 의식적으로 배제하게 됩니다.

전문적으로 보이기 위해 개인적인 개성을 덜어내다 보면, 본의 아니게 교과서 말뭉치에서 발견되는 평균적인 통계 패턴과 일치하게 됩니다. 감지기는 이러한 학술적인 엄격함을 기계의 자동 생성물로 착각합니다.

2. 문법 도구의 수정 제안을 너무 많이 수락함

맞춤법 검사기와 글쓰기 보조 도구는 단순한 철자 교정을 넘어 진화했습니다. 최신 도구들은 전체 문장 다시 쓰기, 어조 변경, 가독성 향상을 위한 간결화 등을 수시로 제안합니다.

문서 전체에서 수십 개의 문장 단위 제안을 무비판적으로 수락하다 보면, 나만의 문장 흐름이 소프트웨어의 알고리즘 표현으로 대체됩니다. Grammarly의 AI 감지기는 정확한가에서 다루었듯이, 자동 글쓰기 도우미를 과도하게 사용하면 외부 감지기가 AI로 분류하는 패턴으로 글이 매끄럽게 다듬어질 수 있습니다.

3. 영어가 모국어가 아님

AI 감지 기술에서 가장 명백하게 입증된 결함 중 하나는 영어가 모국어가 아닌 사람에 대한 편향입니다. 스탠퍼드 대학교 연구진(Liang 등)이 발표한 2023년의 대표적인 연구에 따르면, 유학생들이 작성한 TOEFL 에세이를 상용 AI 감지기로 테스트한 결과, 사람이 쓴 에세이의 61% 이상이 AI 생성물로 잘못 판정되었습니다.

영어가 모국어가 아닌 작성자는 표준 어휘, 암기한 문법 규칙, 교과서에서 배운 정형화된 구문에 의존하는 경향이 짙습니다. 일상적인 구어 표현이나 독특한 관용구를 덜 쓰기 때문에, AI 감지기는 이들이 세심하게 다듬은 문장을 기계가 만든 것으로 오분류합니다.

4. 상투적인 접속 문구에 지나치게 의존함

대규모 언어 모델은 생각을 연결할 때 특정한 접속 부사를 자주 활용합니다. 예를 들면 furthermore(게다가), moreover(더욱이), consequently(결과적으로), in addition(덧붙여), it is important to note(주목할 점은) 등입니다.

단락 사이를 넘나들 때 이러한 정형화된 연결어에 자주 기대면 감지기가 이를 단번에 알아챕니다. AI 글쓰기 징후 10가지 체크리스트를 살펴보면 어떤 습관이 자동 감지 필터를 자극하는지 파악할 수 있습니다.

5. 검사 대상 텍스트가 너무 짧음

통계 분석이 제 기능을 하려면 충분한 샘플 크기가 필요합니다. 교수나 고객이 단락 하나, 이메일 한 통, 혹은 서론 몇 줄만 감지기에 붙여 넣는다면 버스티니스를 정확히 측정할 문장이 턱없이 부족합니다.

단 두세 문장만으로 평가할 경우 흔한 단어 조합 하나만으로도 감지 점수가 0%에서 100%까지 요동칠 수 있습니다. 짧은 글 샘플은 주요 감지 플랫폼 전반에서 가장 높은 오탐률을 보입니다.

억울하게 AI로 의심받았을 때 즉시 해야 할 일

교수, 상사, 고객이 감지기 점수를 근거로 AI 사용을 의심하더라도 당황하지 마세요. 파일을 삭제하거나 놀라서 글을 처음부터 다시 쓰는 일은 피해야 합니다. 아래 단계별 대응 계획을 따르세요.

1단계: 문서의 수정 이력 확보

AI 사용 의혹에 맞서는 가장 강력한 방패는 문서의 수정 이력입니다. 변경 내용 추적이 켜진 Google Docs나 Microsoft Word에서 글을 썼다면, 소프트웨어가 편집의 상세한 타임라인을 보존하고 있습니다.

Google Docs에서의 AI 감지 가이드에 설명되어 있듯이, Google Docs는 타임스탬프와 작성자 정보를 포함해 버전 기록을 저장합니다. 실제 사람이 쓴 초안은 점진적인 타이핑, 문장 삭제, 단락 재구성, 몇 시간에 걸친 작업 흔적을 고스란히 보여줍니다. 반면 AI 복사 붙여넣기는 거대한 텍스트 덩어리가 단 한 번에 삽입된 형태로 나타납니다.

2단계: 리서치 흔적 모으기

초안을 완성하기까지 거쳐온 배경 자료들을 수집하세요.

• 초기 개요와 브레인스토밍 메모
• 참고 문헌을 조사한 브라우저 방문 기록
• 다운로드한 PDF 논문, 책갈피, 주석을 단 자료
• 해당 주제에 관해 나눈 메시지나 이메일 기록

기계는 며칠 동안 이어진 불규칙하고 사실적인 연구 흔적을 흉내 낼 수 없습니다. 이러한 자료를 제시하면 아이디어가 시간을 두고 자연스럽게 발전했음을 명백히 입증할 수 있습니다.

3단계: 구체적인 감지 리포트 요청

평가자에게 어떤 감지 도구가 사용되었는지 묻고 리포트 사본을 요청하세요. Turnitin과 같은 기관용 감지기는 점수에 영향을 준 특정 문장을 색깔로 강조 표시해 줍니다.

어떤 도구가 사용되었는지 아는 것은 매우 중요합니다. 많은 기관이 감지기의 신뢰성에 관한 엄격한 지침을 두고 있기 때문입니다. 학교에서 Turnitin을 쓴다면, 학생을 위한 Turnitin AI 체커 안내를 확인하여 교육 기관의 규정이 이러한 점수를 확정적 증거가 아닌 단순 참고 지표로 보는 방식을 확인해 보세요.

4단계: 직접 소명할 수 있는 면담 제안

평가자에게 직접 만나 글에 대해 이야기하자고 제안하세요. 논문의 핵심 주장을 설명하고, 특정 출처를 왜 인용했는지 밝히며, 지적받은 문장의 전문 용어를 정의해 줍니다. AI로 글을 만든 사람은 복잡한 문장의 이면에 깔린 논리를 설명하기 어려워하지만, 손수 글을 쓴 사람은 자신의 사고 과정을 막힘없이 풀어낼 수 있습니다.

의심받은 글을 자연스러운 문체로 다듬는 법

제출 전에 높은 AI 점수를 받은 초안을 수정하고 싶다면, 핵심 목표는 인간다운 자연스러운 다양성을 불어넣는 것입니다. 일부러 맞춤법을 틀리거나 조잡한 문법을 쓰지 마세요. 그 대신 문장 구조와 리듬을 다듬어야 합니다.

1. 문장 길이에 의도적으로 변화 주기

문제가 된 단락의 각 문장 길이를 살펴보세요. 모든 문장이 대략 18단어에서 22단어 안팎(영어 기준)으로 균일하다면, 의도적으로 리듬을 깨뜨리세요.

• 수정 전 (단조로운 길이): "The economic ramifications of the policy were substantial throughout the entire region. Many local businesses experienced severe disruptions to their supply chains over several quarters. Municipal governments struggled to maintain balanced fiscal budgets during that time frame." (해당 정책의 경제적 파급 효과는 지역 전체에 걸쳐 상당했습니다. 많은 지역 기업이 몇 분기에 걸쳐 공급망에 심각한 차질을 빚었습니다. 지방 정부는 그 기간 동안 균형 재정을 유지하는 데 어려움을 겪었습니다.)
• 수정 후 (다양한 버스티니스): "The regional economic fallout was severe. Across three consecutive quarters, local businesses watched their supply chains buckle under new shipping constraints. Cities could barely balance their budgets." (지역 경제의 타격은 극심했습니다. 세 분기 연속으로 지역 기업들은 새로운 운송 제약 속에서 공급망이 무너지는 것을 지켜봐야 했습니다. 도시들은 가까스로 예산 균형을 맞췄습니다.)

이렇게 수정하면 문장 길이가 다채로워지고, 동사가 구체화되며, 자연스러운 사람의 호흡이 되살아납니다.

2. 판에 박힌 접속사를 문맥형 연결어로 교체

furthermore(게다가)나 moreover(더욱이) 같은 추상적인 연결어를 글의 내용과 직접 연결되는 맥락형 표현으로 바꾸세요.

• 피해야 할 표현: "Furthermore, the second experiment confirmed the hypothesis." (게다가 두 번째 실험도 가설을 확인했다.)
• 권장하는 표현: "When the team repeated the trial with a larger sample, the same pattern held." (연구팀이 더 큰 표본으로 시험을 반복했을 때도 동일한 패턴이 유지되었다.)

맥락에 맞는 자연스러운 연결은 정형화된 접속사 틀에 의존하지 않고도 생각을 논리적으로 이어 줍니다.

3. 검증 가능한 구체적 디테일 추가

AI 모델은 매우 구체적인 지시를 받지 않는 한 두루뭉술하고 일반적인 서술을 합니다. 사람의 글은 구체적인 고유명사, 날짜, 수치, 직접적인 관찰이 들어갈 때 생명력을 얻습니다.

단락이 굳어 있거나 추상적으로 느껴질 때마다 구체적인 디테일로 중심을 잡아주세요. 정확한 장소를 언급하거나, 구체적인 사례 연구를 인용하거나, 직접 관찰한 내용을 서술하는 식입니다. 고유한 세부 정보는 통계적으로 예측하기 어렵기 때문에 자연스럽게 퍼플렉시티를 높여 줍니다.

Unflag로 제출 전 초안 자가 점검하기

중요한 과제, 보고서, 지원서를 제출하기 전에 자가 점검을 거치면 자동화 시스템이 내 글을 어떻게 해석할지 객관적인 시각을 얻을 수 있습니다.

Unflag는 웹(/?tool=ai-detector#tool)과 모바일 앱에서 자체 AI 감지기를 제공합니다. 감지기는 글을 분석하여 종합 AI 점수와 함께 AI 대 인간 비율을 백분율로 제공합니다.

1. 기준 점수 확인: AI 감지기에 초안을 붙여 넣어 문장 호흡이 낮은 버스티니스 경고를 유발하는지 확인합니다.
2. 어색한 구간 파악: 점수가 높다면 문장 길이가 너무 균일하지 않은지, 문법 도우미의 교정이 과하지 않았는지, 반복적인 연결어가 쓰이지 않았는지 살펴봅니다.
3. 딱딱한 표현 다듬기: Unflag의 다시 쓰기 도구에서 '단순화'나 '말바꾸기' 등의 옵션을 사용해 본래 의미를 훼손하지 않으면서 진부한 표현을 부드럽게 고쳐 봅니다.
4. 핵심 팩트 보존: 중요한 데이터가 포함된 문장을 수정할 때도, Unflag의 자체 팩트 잠금 기능이 작동하여 가격, 백분율, 날짜, 숫자가 왜곡되지 않도록 그대로 지켜 줍니다.

AI 감지기 점수는 결코 절대적인 진실이 아닙니다. 감지기는 통계적 기준에 따른 자동 추정치를 제공할 뿐입니다. 버전 기록을 꼼꼼히 저장하고, 나만의 진솔한 목소리로 글을 쓰며, 제출 전 자가 점검 도구로 굳은 표현을 미리 바로잡아 내 정당한 노력을 지키세요.

자주 묻는 질문

직접 쓴 글인데 왜 AI가 작성한 것으로 감지되나요?

AI 감지기는 사용자가 실제로 AI 도구를 썼는지 확인하지 않습니다. 대신 통계적 예측 가능성(퍼플렉시티)과 문장 길이의 다양성(버스티니스)을 측정합니다. 초안의 문법이 지나치게 엄격하거나, 구조가 판에 박혀 있거나, 문법 교정 소프트웨어로 매끄럽게 다듬어진 경우, 그 통계적 패턴이 대규모 언어 모델의 평균적인 출력과 유사해질 수 있습니다.

사람이 쓴 글도 AI 점수 100%가 나올 수 있나요?

그렇습니다. 특히 학술 논문 초록, 기술 보고서, 영어가 모국어가 아닌 작성자가 쓴 에세이에서 오탐이 빈번하게 발생합니다. 높은 점수는 해당 글이 감지기가 학습한 통계 패턴과 일치한다는 의미일 뿐, 기계가 작성했다는 확정적 증거는 아닙니다.

Grammarly를 쓰면 에세이가 AI로 감지될 가능성이 커지나요?

글쓰기 도우미가 제안하는 전체 문장 다시 쓰기나 자동 톤 조절을 많이 수락하면, 감지기가 AI 특유의 것으로 인식하는 정형화된 표현이 글에 섞이게 됩니다. 단순한 맞춤법과 문장부호 수정만으로는 잘 감지되지 않지만, 대대적인 구조 수정을 받아들이면 자연스러운 문장 리듬이 평탄해집니다.

과제가 AI로 의심받을 때 내가 썼다는 것을 어떻게 증명하나요?

수정 과정의 기록을 제시하세요. Google Docs나 Microsoft Word의 버전 기록을 활용해 타임스탬프, 타이핑 진행 과정, 초기 개요를 보여줍니다. 여기에 리서치 메모, 참고 자료 링크, 주석이 달린 인용 자료를 함께 제출해 글이 발전해 온 과정을 증명하면 됩니다.

AI 점수를 낮추기 위해 일부러 오타를 넣어야 할까요?

아닙니다. 의도적인 맞춤법 오류, 엉뚱한 문장부호, 어색한 문법을 넣으면 글의 완성도가 떨어지며, 감지기마다 기준이 달라 점수가 낮아진다는 보장도 없습니다. 그 대신 문장 길이를 다양하게 조절하고, 구체적인 사실을 보강하며, 초안 작성 기록을 남기는 데 집중하세요.