세 줄 요약

• 인공지능이 작성한 문장이 문법적으로는 정확하나 정형화된 패턴으로 인해 독자에게 정서적 거리감을 주는 현상이 발생하고 있다.
• 신뢰와 공감이 필요한 소통 환경에서 인공지능 특유의 중립적이고 예측 가능한 문체는 몰입을 방해하고 진정성을 저해할 수 있어 주의가 필요하다.
• 인공지능을 활용할 때 구체적인 페르소나를 설정하고 문장 길이를 조절하며 최종 단계에서 사람이 직접 맥락을 보완하는 편집 과정을 거쳐야 한다.

예: 오류가 없는 전자우편을 받았는데 오타가 하나도 없고 논리가 정교하다. 그렇지만 어딘지 모르게 차갑고 딱딱하여 정해진 답안지를 읽는 기분이 든다. 글쓴이의 숨결이 느껴지지 않아 끝까지 읽기도 전에 창을 닫고 만다.

이것이 우리가 매일 마주하는 인공지능 문체의 한계이자 거부감의 실체입니다. 대규모 언어 모델(LLM)이 생성한 텍스트가 쏟아지는 시대에 우리는 역설적으로 인간적인 서술을 지향하게 됩니다. 구글, 메타, 오픈AI 등 주요 인공지능 개발사들은 기술 보고서를 통해 텍스트의 유창성과 자연스러움을 개선하려 노력하고 있지만, 사용자가 느끼는 정서적 거리감은 여전히 해결해야 할 과제입니다.

현황

주요 언어 모델의 성능 지표에서 유창성과 자연스러움이 강조되면서 인공지능이 생성한 텍스트가 대량으로 유통되고 있습니다. 2023년 공개된 GPT-4 기술 보고서에 따르면 해당 모델은 여러 전문직 및 학술 벤치마크에서 인간 수준의 성능을 보입니다. 특히 사후 학습 정렬 과정을 통해 사실성과 지침 준수 능력을 개선했습니다. 구글의 제미나이(Gemini) 울트라 역시 MMLU(대규모 다중작업 언어 이해) 벤치마크에서 90.04%를 기록하며 자연스러운 대화 경험 제공을 목표로 합니다.

메타가 2024년 발표한 Llama 계열(Llama 3) 모델군 또한 인간의 대화 패턴을 유사하게 모사하는 능력을 강조합니다. 향상된 어휘력과 이해도를 바탕으로 일관성 있고 맥락에 맞는 텍스트를 작성할 수 있도록 설계되었습니다. 이들 개발사는 주로 인류 피드백을 통한 강화학습(RLHF)을 활용해 모델이 인간이 선호하는 방식으로 대화하도록 유도합니다.

예: 한 사용자가 작성한 거친 초안을 인공지능이 수정하자 문장은 매끄러워졌으나 작성자 특유의 유머나 어조가 사라지고 공공기관 안내문 같은 정형화된 문체로 변했다.

하지만 이러한 유창성은 문법적 정확성과 논리적 일관성에 집중되어 있습니다. 개발사들이 자연스러움을 측정하는 구체적인 하위 가이드라인은 대외비로 취급되는 경우가 많으며, 감정 표현의 적절성이나 상황에 따른 미묘한 어조 변화를 수치화하는 데는 한계가 존재합니다.

분석

인공지능 문체가 거부감을 주는 근본 원인은 모델을 정렬하는 RLHF 과정에 있습니다. 모델이 편향적이거나 공격적인 발언을 하지 않도록 조정하는 과정에서 문체는 중립적이고 방어적인 성격을 띠게 됩니다. 이 과정이 반복되면 텍스트 구조는 정교해지지만, 인간 언어의 특징인 비대칭성, 의외성, 감정적 변주가 줄어듭니다.

또한 정보의 구조적 완결성과 언어적 자연스러움 사이에는 상관관계가 존재합니다. 인간은 대화할 때 모든 정보를 논리적 순서대로 배치하지 않습니다. 때로는 결론을 먼저 말하고 감탄사를 섞으며 상황에 따라 생략을 활용합니다. 반면 인공지능은 학습 데이터의 평균값에 수렴하는 문장을 생성하려는 경향이 있어 예측 가능한 단어 조합을 선택합니다. 독자가 인공지능의 글에서 개성을 느끼지 못하는 이유는 바로 이 예측 가능성 때문입니다.

업계에서는 이를 '텍스트의 불쾌한 골짜기'라고 부르기도 합니다. 문법이 정확해질수록 오히려 인간이 쓴 글이 아니라는 사실이 도드라져 불쾌감을 유발하는 현상입니다. 특히 사과문이나 감사 인사처럼 진정성이 핵심인 텍스트에서 인공지능 특유의 정중함은 오히려 역효과를 낼 수 있습니다.

실전 적용

사용자는 단순히 인공지능에게 수정을 요청하는 수준을 넘어서야 합니다. 자연스러운 소통을 위해서는 기술적인 가이드가 필요합니다. 인공지능을 도구가 아닌 특정한 성격과 맥락을 가진 필자로 설정하는 전략이 중요합니다.

예: 보고서를 작성할 때 직무 선배가 후배에게 조언하는 어조로 요청하고 전문 용어 대신 비유를 사용하도록 지침을 내린다.

프롬프트를 구성할 때 제약 조건을 명확히 하는 것도 방법입니다. 문장 길이를 여러 형태로 섞어달라고 요청하거나 특정 단어의 사용을 제한하는 것만으로도 인공지능 특유의 어조를 완화할 수 있습니다. 인공지능이 만든 결과물을 그대로 사용하는 것이 아니라, 인간이 마지막에 맥락과 의외성을 추가하는 편집 과정이 필요합니다.

오늘 바로 할 일:

• 인공지능 결과물에서 '결론적으로', '더욱이', '무엇보다도'와 같은 상투적인 연결어를 직접 삭제하거나 다른 표현으로 교체한다.
• 프롬프트에 문장 길이를 짧은 것과 중간 정도의 문장이 교차되도록 구성하라는 지침을 추가한다.
• 최종 텍스트를 소리 내어 읽어보고 호흡이 가쁘거나 말이 너무 길어지는 구간을 직접 끊어서 다듬는다.

FAQ

Q: 인공지능이 쓴 글이라는 것을 독자가 인지하게 되는 주된 이유는 무엇입니까? A: 문장 구조가 지나치게 일정하고 모든 문단이 도입-설명-결론이라는 비슷한 논리 전개를 따르기 때문입니다. 인간의 글에는 글쓴이만의 독특한 습관이나 감정적인 강조점이 있지만, 인공지능은 학습된 데이터의 평균적인 패턴을 따르므로 개성이 부족합니다.

Q: RLHF(인류 피드백 강화학습)를 거치면 더 자연스러워져야 하는 것 아닌가요? A: RLHF는 인간이 보기에 적절한 답변을 학습시키지만 이 과정에서 안전성과 범용성을 우선시합니다. 그 결과 논란의 여지가 없는 안전하고 정중한 문체로 수렴하게 되는데, 이것이 사용자에게는 기계적인 친절함으로 느껴져 오히려 자연스러움을 저해하기도 합니다.

Q: 자연스러운 문체를 만드는 효과적인 프롬프트 전략은 무엇입니까? A: 구체적인 청자와 상황을 설정하는 것입니다. 단순히 글을 다듬으라고 하기보다 오래된 친구에게 소식을 전하는 어조나 비기술직 동료에게 복잡한 개념을 설명하는 상황처럼 구체적인 배경을 제공할 때 모델은 더 적절한 문체를 구사합니다.

결론

인공지능의 유창성은 높은 수준에 도달했습니다. GPT-4와 Llama 계열, 제미나이 같은 모델들은 문법과 논리 면에서 인간 전문가와 유사한 결과물을 내놓습니다. 하지만 기술적 정교함이 곧 소통의 성공을 의미하지는 않습니다. 독자가 글에서 읽어내고 싶어 하는 것은 정보 그 이상의 맥락과 연결감입니다.

앞으로의 인공지능 소통은 단순히 오타를 고치고 문장을 매끄럽게 만드는 단계를 넘어, 기계적인 정교함 속에 인간적인 요소를 어떻게 녹여낼 것인가의 싸움이 될 것입니다. 기술이 발달할수록 우리는 가장 인간다운 언어가 가진 힘이 무엇인지 배우고 있습니다.

참고 자료

• 🏛️ GPT-4 Technical Report
• 🏛️ The Llama 3 Herd of Models
• 🏛️ Gemini: A Family of Highly Capable Multimodal Models