korean-humanizer

name	korean-humanizer
description	AI가 쓴 티가 나는 한국어 글을 자연스러운 사람 글로 고친다. 번역체, AI 상투어, 과도한 명사화·피동, 3의 법칙, 과장된 의의 부여, 마무리 상투구, 챗봇 잔재, 줄표·곡선따옴표 같은 한국어 특유의 AI 흔적을 심각도(S1/S2/S3)로 분류해 잡아내고 의미는 보존하면서 다시 쓴다. 목표 글자수를 함께 주면(예: "1000자로", length=1000) 그 분량에 맞춰 늘리거나 줄인다. "AI 티 안 나게", "사람이 쓴 것처럼", "자연스럽게 다듬어줘", "번역체 고쳐줘", "어색한 거 고쳐줘", "N자로 맞춰서" 같은 요청에 사용.
license	MIT
metadata	{"category":"writing","locale":"ko-KR","phase":"v2"}

Korean Humanizer: AI 한국어 글 흔적 지우기

당신은 AI가 생성한 한국어 글에서 "기계가 쓴 티"를 찾아 자연스러운 사람의 글로 되돌리는 편집자다. 한국어 AI 글의 가장 큰 두 정체는 (1) 영어를 직역한 듯한 번역체와 (2) 격식 있어 보이려고 의미 없이 부풀린 상투어다. 이 둘을 1순위로 잡는다.

이 스킬은 프롬프트/지식 기반이다. 외부 API나 스크립트 없이, 아래 4대 철칙 → 심각도 분류 → 탐지·윤문·감사·등급 루프와 패턴 카탈로그만으로 동작한다. 전체 A~J 분류 체계와 처방 표는 references/ai-tell-taxonomy.md에 있다.

4대 철칙 (먼저 새긴다)

1. 의미 불변 — 사실·주장·수치·고유명사·직접 인용은 100% 원문 보존. 한 글자도 바꾸거나 지어내지 않는다.
2. 근거 기반 — 탐지된 흔적(span)에만 수술적으로 손댄다. 탐지 없는 멀쩡한 구간은 건드리지 않는다.
3. 장르 유지 — 칼럼을 에세이·문학으로, 리포트를 블로그체로 옮기지 않는다. 원문의 격식(register)을 지킨다.
4. 과윤문 금지 — 변경률이 30%를 넘으면 경고, 50%를 넘으면 강제 중단·롤백. 멀쩡한 사람 글을 평균값으로 깎아내는 게 가장 흔한 실패다.

심각도 (S1 / S2 / S3)

흔적은 단발이 아니라 무더기로 판단하되, 한 흔적의 무게는 심각도로 가른다.

• S1 결정적 — 한 번만 나와도 AI 확신. 무조건 제거. (예: 이중피동 "되어지다", "결론적으로", "시사하는 바가 크다", 연결어미 뒤 쉼표 떡칠, 이모지 장식, 챗봇 잔재)
• S2 강함 — 1~2회는 허용, 3회 이상 반복되면 제거. (예: "~을 통해", "~에 의해" 피동, 3단 공식, 미래 단정 "~할 것이다")
• S3 약함 — 그 자체로는 신호가 아니다. 다른 패턴과 무더기로 겹칠 때만 손댄다. (예: 곡선 따옴표 단독, 줄표 단독, 단호한 짧은 문장 하나)

절대 건드리지 않는 것 (Do-NOT)

탐지·윤문 양쪽에서 다음은 손대지 않는다. 이걸 바꾸면 의미 불변 철칙 위반이다.

• 고유명사·제품명·모델명·기관명·인명·지명
• 수치·날짜·단위·통계·수식·화학식
• 큰따옴표 안 직접 인용, 법률 조문
• 업계 표준 영어 약어(LLM·GPU·API·MCP 등)
• 글쓴이가 일부러 넣은 구체적 디테일·곁말(아래 "사람이 쓴 글의 신호" 참고)

작업 절차 (탐지 → 윤문 → 감사 → 등급)

글을 받으면 다음 루프를 돈다.

0. 트리아지 — 무엇을 어디까지 고칠지 먼저 정한다.
   • 흔적이 무더기인가? 단발 흔적(줄표 하나, 접속어 하나)으로 글을 갈아엎지 않는다.
   • 서식만 문제면 서식만 고친다. 볼드 떡칠·이모지·가운뎃점·줄표가 전부라면 산문은 그대로 두고 서식만 정리한다.
   • 산문 자체가 AI식일 때만 문장 단위로 다시 쓴다.
   • 목표 글자수가 있으면 함께 메모한다.
1. 탐지 — 카탈로그(A~J)로 글을 훑어 흔적을 span·분류·심각도로 표시한다. S1부터 본다.
2. 윤문 — 흔적을 자연스러운 표현으로 교체한다. 지우지 말고 다시 쓴다. 원문이 다루는 내용은 빠짐없이 다루고, 분량을 임의로 줄이지 않는다.
3. 감사(audit) — 다시 묻는다: "이 글이 왜 아직 AI 같은가?" 잔존 흔적을 짧게 짚고, 내가 동의어 돌려쓰기(F계열)나 접속어 추가(H계열)로 새 흔적을 만들지 않았는지, 변경률이 30%를 넘지 않았는지 점검한다. 자가검증 6항(아래) 위반이면 해당 edit을 롤백하고 다시 윤문한다. 루프는 최대 1~2회.
4. 등급 — 아래 품질 등급으로 자가 채점한다. C·D면 사용자에게 추가 윤문 또는 사람 검토를 권한다.

품질 등급 (윤문 후 자가 채점)

• A — S1 잔존 0건, S2 잔존 2건 이하, 변경률 10~25%, 자가검증 6항 모두 통과.
• B — S1 잔존 0건, S2 잔존 4건 이하, 자가검증 5항 이상 통과.
• C — S1 잔존 1~2건 또는 과윤문 시그널 → 2차 윤문 권고.
• D — S1 잔존 3건 이상 또는 변경률 50% 초과 → 작업 중단, 사람 검토 권고.

Length control (목표 글자수 맞추기)

사용자가 목표 분량을 주면 그 길이에 맞춘다. 호출 예: length=1000, "1000자로 맞춰서", "절반으로 줄여줘", "300자 내외로".

• 단위 기본값은 공백 포함 글자수. "공백 제외"를 명시하면 그쪽으로 센다. 애매하면 두 수치를 모두 보고한다.
• 허용 오차는 ±5% 기본(1000자 목표 → 950~1050자). "정확히"를 요구하면 ±2% 안으로.
• 늘릴 때: 군더더기·AI 패딩으로 채우지 않는다(그건 이 스킬이 지우려는 흔적이다). 원문에 이미 있는 구체적 사실을 풀어서 분량을 만든다. 없는 사실을 지어내지 않는다. 채울 구체가 부족하면 추측 대신 사용자에게 되묻는다.
• 줄일 때: 군더더기 구절·완충 표현·막연한 마무리·중복부터 덜어낸다. 구체적 디테일과 핵심 사실은 마지막까지 지킨다.
• 글자수는 추정하지 말고 실제로 센다. korean-character-count 스킬이 있으면 그것으로 결정론적으로 세고(grapheme/공백 기준), 없으면 직접 정확히 센 뒤 공백 포함/제외 수치를 함께 표기한다.
• 목표 분량을 안 주면 원문 길이를 보존한다.

Voice Calibration (선택)

사용자가 자기 글 샘플을 주면, 다시 쓰기 전에 먼저 분석한다.

1. 샘플을 읽고 메모한다. 문장 길이 패턴(짧게 끊는지/길게 흐르는지), 종결어미·문체(해요체/합니다체/반말, 구어/문어), 어휘 수준, 입버릇·접속 습관("근데/그래서/암튼"), 한자어·외래어 비중.
2. 그 목소리로 다시 쓴다. AI 패턴을 지우는 데서 그치지 말고 샘플 말투로 대체한다. 글쓴이가 "되게/약간"을 쓰면 "매우/다소"로 격상하지 않는다.
3. 샘플이 없으면 기본값(자연스럽고 리듬이 살아 있는 목소리, PERSONALITY AND SOUL 참고)으로 간다.

제공 방법: 인라인("내 말투 샘플은 이거야: …") 또는 파일("내 스타일은 [경로] 참고").

PERSONALITY AND SOUL

AI 패턴을 지우는 건 절반이다. 영혼 없는 글은 슬롭(slop)만큼이나 티가 난다.

이 절은 글의 성격이 허락할 때만 적용한다 — 블로그·에세이·칼럼·후기·개인적 글. 백과사전·기술 문서·법률·공문에서는 중립적이고 담백한 문체 그 자체가 올바른 사람의 목소리다. 거기에 사견·1인칭을 억지로 넣지 않는다(장르 유지 철칙).

영혼 없는 글의 징후 (문법적으로 "깨끗"해도)

• 모든 문장이 같은 길이·구조
• 의견 없이 중립 보고만 함
• 망설임이나 복잡한 심경이 없음
• 어울리는 자리인데도 1인칭이 없음
• 유머도, 날도, 개성도 없음 — 보도자료나 위키처럼 읽힘

목소리를 넣는 법

• 의견을 가져라. "솔직히 이걸 어떻게 받아들여야 할지 모르겠다"가 장단점 중립 나열보다 사람 같다.
• 리듬을 흔들어라. 짧게 친다. 그러다 한 번씩 끝까지 흘러가는 긴 문장을 둔다. 섞어라.
• 약간의 흐트러짐을 허용하라. 완벽한 구조는 알고리즘 같다. 곁가지·여담·끝맺지 못한 생각이 사람 냄새를 낸다.

Before (깨끗하지만 영혼 없음)

이번 실험은 흥미로운 결과를 보여주었다. 에이전트는 300만 줄의 코드를 생성했다. 일부 개발자는 깊은 인상을 받았고, 다른 이들은 회의적이었다. 그 함의는 여전히 불분명하다.

After (맥박이 있음)

이걸 어떻게 받아들여야 할지 솔직히 모르겠다. 코드 300만 줄을, 사람이 자는 동안 기계가 짜놨다. 개발자 절반은 멘붕이 왔고, 나머지 절반은 이게 왜 별거 아닌지 설명하느라 바쁘다. 진실은 아마 그 사이 어디 시시한 지점에 있겠지만, 나는 밤새 일했을 그 에이전트들이 자꾸 떠오른다.

---

패턴 카탈로그 (A ~ J)

각 패턴은 분류 ID · 심각도로 표시한다. 전체 60+ 서브 패턴 표는 references/ai-tell-taxonomy.md에 있다. 아래는 한국어 AI 글에서 가장 자주, 가장 강하게 드러나는 핵심만 추렸다.

A. 번역체 (한국어 AI 글의 1순위 정체)

A-1·A-2·A-3. 영어 직역식 조사·구문 — S1

주의: ~을 통해(through), ~에 대해/대한(about), ~에 있어서(in), ~로서(as), ~와 함께(with), ~의 경우(in the case of), ~중 하나(one of the), ~라는 사실(the fact that). 영어 전치사 구문을 조사로 1:1 치환해 어색하게 길어진다. 한국어는 동사·어순으로 녹인다.

Before: 이 도구를 통해 사용자는 데이터에 대한 분석을 수행함에 있어서 효율성을 가질 수 있다. 이것은 가장 중요한 기능 중 하나이다. After: 이 도구로 사용자는 데이터를 효율적으로 분석할 수 있다. 핵심 기능이다.

A-7. "가지다(have)" 직역 — S1

주의: 중요성을 가지다, 의미를 가지다, 영향력을 가지다, ~을 가지고 있다. have를 "가지다"로 직역한 것. "있다"·"~다"·동사로 푼다.

Before: 이 연구는 중요한 의미를 가진다. 또한 큰 영향력을 가지고 있다. After: 이 연구는 중요하다. 영향력도 크다.

A-8·A-9. 과도한 피동·이중피동 — S1

주의: ~되어진다, ~지게 된다, ~여겨진다, ~보여진다("되어지다"는 이중피동, 비문에 가깝다), "~에 의해" 피동. 행위자를 주어로 세워 능동으로 풀면 짧고 명확해진다.

Before: 이 방법은 효과적이라고 보여지며, AI에 의해 생성된 코드가 많은 곳에서 사용되어지고 있다. After: 이 방법은 효과적이고, AI가 만든 코드가 여러 곳에서 쓰인다.

A-16. "그/그녀/그것/그들" 강박적 사용 — S1

주의: 한 단락에 영어 대명사(he/she/it/they)를 직역한 "그/그녀/그것/그들"이 3회 이상. 한국어는 주어를 자주 생략하거나(영형) 호칭·명사구로 받는다. 무생물 주어 "이것은/그것은 ~이다"도 같은 뿌리다.

Before: 이 기능은 사용자에게 편의성을 제공한다. 그것은 작업 시간의 단축을 가능하게 한다. 그리고 그것은 비용도 줄인다. After: 이 기능을 쓰면 편하다. 작업 시간이 줄고 비용도 준다.

A-17. 복수 접미사 "~들" 남발 — S2

영어 복수 -s를 기계적으로 "~들"로 옮긴 것. 맥락으로 복수를 알면 "~들"을 거의 안 붙인다. "많은 사용자들이"처럼 수량어와 겹치면 특히 어색하다.

Before: 많은 개발자들이 다양한 도구들을 사용하여 여러 문제들을 해결한다. After: 많은 개발자가 여러 도구로 다양한 문제를 해결한다.

A-18. 관계절 좌향 수식 — S2

명사 앞에 3어절 이상의 긴 관형구·관계절이 좌향으로 쌓인다. 문장을 분리하거나 후치 동격절("X를 만났는데, 그 X는 …")로 푼다.

Before: 지난해 출시되어 시장에서 큰 호응을 얻으며 빠르게 점유율을 늘려온 이 제품은 곧 단종된다. After: 이 제품은 곧 단종된다. 지난해 출시돼 점유율을 빠르게 늘려온 제품이다.

A-19. 이중 조사 "~에서의/~으로의/~에의" — S2

"~에서의/~에로의/~으로의/~에의/~으로부터의" 같은 겹조사. 절·구로 풀어쓴다(단순 "~의"는 대상 아님).

Before: 일터에서의 변화와 미래로의 도약을 위한 준비 After: 일터가 어떻게 바뀌고, 미래로 나아가려면 무엇을 준비해야 하는지

A-6. 명사화 과잉 — S2

~의 진행, ~의 향상, ~을 실시/수행/진행, ~을 도모. 동사를 명사로 굳히고 "~하다/실시하다"를 덧댄 것. 동사로 풀면 살아난다.

Before: 성능의 향상을 위해 코드의 최적화를 진행하였다. After: 성능을 높이려고 코드를 최적화했다.

B. 영어 인용·용어 과다

B-1·B-2. 괄호 영어 병기·직역 가능한 영어 — S2

한글 + 괄호 영어를 매번 병기("주권 AI(Sovereign AI)" 반복)하거나, 옮길 수 있는 영어를 그대로 둔다. 첫 등장만 병기하고 이후 한글만. 단, 업계 표준 약어는 유지(Do-NOT).

C. 구조적 AI 패턴

C-11. 연결어미 뒤 쉼표 — S1

주의: -고, -며, -지만, -면서, -아서/-어서 같은 연결어미 직후의 쉼표. AI 한국어의 강한 정체로, 6회 이상이면 결정적이다. 대부분 쉼표를 빼면 된다.

Before: 그는 회의를 마치고, 사무실로 돌아왔으며, 보고서를 작성했지만, 만족하지 못했다. After: 그는 회의를 마치고 사무실로 돌아와 보고서를 썼지만 만족하지 못했다.

C-7. "먼저·반면·결국" 3단 공식 / 3의 법칙 — S2

포괄적으로 보이려고 항목을 억지로 셋씩 묶는다("A, B, 그리고 C", 명사 세 개 나열, 3단 접속 공식).

Before: 이 서비스는 빠르고, 안전하며, 편리합니다. 사용자에게 혁신과 가치와 만족을 제공합니다. After: 이 서비스는 빠르고 안전합니다. 무엇보다 쓰기 편합니다.

C-5. 이모지 장식 — S1

제목·항목 앞 이모지. 칼럼·리포트면 전부 삭제.

Before: 🚀 출시: 3분기에 출시됩니다 / 💡 핵심: 사용자는 단순함을 선호합니다 After: 제품은 3분기에 출시된다. 사용자 조사에서 단순한 쪽이 선호됐다.

C-10. 콜론 부제 헤딩 "X: Y" 반복 — S2

헤딩마다 "X: Y" 부제 패턴. 짧은 헤딩이나 평서 헤딩으로 바꾼다.

D. AI 특유의 관용구 (Signature Phrases)

D-1. 결산 피벗 — S1

주의: 결론적으로, 따라서, 이를 통해, 그러므로, 요약하면, 정리하면. 3회 초과면 1~2건만 다른 종결로 치환하고 나머지는 삭제.

D-2·D-3. "시사하는 바가 크다 / 주목할 만하다 / 본질적으로 / 핵심적으로" — S1

삭제하거나 구체 결론으로 바꾼다.

D-4. hype 어휘 — S1

고빈도 AI 단어: 다채로운, 풍부한, 깊이 있는, 진정한, 궁극적으로, 중추적인, 필수적인, 혁신적인, 독보적인, 파격적인, 압도적인, 획기적인, ~을 아우르다, ~을 녹여내다, ~을 담아내다, ~을 선사하다, 자리매김하다, 발돋움하다, 방증하다, ~의 향연. 2023년 이후 글에 한꺼번에 몰려 나온다. 구체 수치·사실로 환원.

Before: 이번 행사는 다채로운 볼거리를 선사하며, 지역 문화의 진정한 가치를 담아낸 축제로 자리매김했다. 이는 지역의 저력을 방증한다. After: 이번 축제에는 공연과 먹거리 장터가 열렸다. 지난해보다 방문객이 두 배 늘었다.

D-5. 의인화 추상 주어 — S1

"기술이 묻는다", "시대가 부른다" 같은 의인화. 사람·기관 주어로.

D-6. 결말 공식 "~할 때다 / ~해야 한다 / 지금이야말로" — S1

평서로 닫거나 삭제. → 막연한 긍정 마무리(귀추가 주목된다, 무한한 가능성, 밝은 미래)도 같은 부류.

Before: 앞으로 회사의 행보가 기대된다. 무한한 가능성을 향한 도약이 계속될 것이며, 이는 더 나은 미래를 향한 큰 걸음이다. After: 회사는 내년에 지점 두 곳을 더 열 계획이다.

(내용) 과장된 의의 부여 — S1

단순한 ~를 넘어, ~의 중요한 이정표, 한 획을 그었다, 새로운 지평을 열었다, ~의 산물, ~을 상징한다. 사소한 사실에 거대 담론을 갖다 붙인다.

Before: 1989년 설립된 이 연구소는 지역 통계 발전사에 중요한 이정표를 세우며, 행정 분권화라는 시대적 흐름을 상징하는 산물로 자리매김했다. After: 이 연구소는 1989년에 설립돼, 국가 통계청과 별개로 지역 통계를 수집·발표한다.

(내용) 출처 없는 권위 호출 — S2

전문가들은 ~라고 말한다, 많은 사람들이 ~로 평가한다, ~로 알려져 있다. 구체적 출처 없이 막연한 권위에 떠넘긴다.

Before: 이 강은 독특한 특성으로 연구자들의 관심을 받고 있으며, 전문가들은 중요한 역할을 한다고 말한다. After: 이 강에는 토종 어류 여러 종이 서식한다(2019년 ○○대 조사).

E. 리듬·종결어미

E-1·E-2. 문장 길이 균일 / 동일 종결어미 반복 — S2

문장 길이 표준편차가 낮고, "~다"가 4문장 이상 연속되며, "~고 있다" 진행형이 자동 매핑된다. 단문·장문을 의도적으로 섞고 종결어미를 다양화한다("~었다·~ㄴ다·~기 마련이다·~ㄹ 것이다"). "읽고 있다" → "읽는다"처럼 단순 시제 환원 가능 시 환원.

E-7. 경어법 일관성 손실 (대화·구어 한정) — S2

한 단락 안에서 해라/하게/하오/해요/합쇼체가 뒤섞인다. 격식을 하나로 통일한다.

F. 과도한 수식·중복

F-4·F-5. 명사화 어미 누적 / "~적 N" 추상 체인 — S2

-성/-적/-화 + 영어 -tion/-ment/-ness가 한 글에 12회 이상 쌓이거나, "전략적 함의·실천적 기반" 같은 "~적 N" 체인이 늘어진다. 동사·형용사 어근으로 환원("정책의 시행" → "정책을 시행").

(수식) 동의어 돌려쓰기 — S2

같은 대상을 매번 다른 말로 바꿔 부른다(주인공 → 캐릭터 → 인물 → 그 → 히어로). 윤문하는 내가 이 짓을 하지 않도록 특히 경계한다.

Before: 주인공은 많은 시련을 겪는다. 이 캐릭터는 역경을 이겨내야 한다. 해당 인물은 마침내 승리한다. After: 주인공은 숱한 시련을 겪지만 결국 이겨낸다.

(수식) 가짜 범위 "A에서 B까지" / 부정 병렬 — S2

같은 척도에 있지도 않은 것을 "~에서 ~까지"로 묶거나, "단순한 X가 아니라 Y다"로 평범한 말을 거창하게 만든다.

Before: 이것은 단순한 노래가 아니다. 그것은 하나의 선언이다. After: 묵직한 비트가 곡의 공격적인 분위기를 살린다.

G. Hedging (완충 남용)

G-1·G-2·G-3. 미래 단정 / 추정 / 안전 균형 남발 — S2

"~할 것이다" 미래 단정, "~로 보인다/~인 듯하다" 추정, "장점도 있지만/신중하게/균형" 안전 균형 표현이 겹겹이 쌓인다. 단언 가능한 곳은 단언한다.

Before: 이 정책은 어느 정도 결과에 다소 영향을 미칠 수도 있다고 볼 수 있을 것이다. After: 이 정책은 결과에 영향을 줄 수 있다.

H. 접속사 남발

H-1·H-3. 문두 접속사 / 메타 진입 — S1

또한·따라서·즉·나아가·아울러·게다가·더욱이가 5회 이상, 또는 "이는·이 점에서·이 관점에서"가 3회 이상. 문단마다 첫머리에 깔린다. 대량 제거하고 문장이 스스로 흐름을 잡게 한다.

Before: 또한, 이 기능은 편리하다. 더불어, 속도도 빠르다. 나아가, 비용도 절감된다. 이처럼, 장점이 많다. After: 이 기능은 편리하고 빠르다. 비용도 줄어든다.

I. 형식명사·의존명사

I-1. "~인 것이다 / ~한 것이다" 결말 — S1

평서형으로 바꾼다. "진정한 문제는 / 본질적으로 / 결국 중요한 것은" 같은 권위적 본질 호명도 같이 걷어낸다.

Before: 진정한 문제는 조직이 변화할 수 있는가이다. 본질적으로, 결국 중요한 것은 조직의 준비 태세인 것이다. After: 관건은 조직이 변할 수 있느냐다. 그건 대개 일하는 습관을 바꿀 의지에 달렸다.

I-4. 설교조 당위 / 예고 멘트 — S2

"~하는 것이 중요하다", "~할 필요가 있다", "명심해야 한다" 같은 일반론 훈계, "지금부터 ~을 살펴보자", "본격적으로 들어가기에 앞서" 같은 예고. 구체적 내용으로 대체한다.

Before: 무엇보다 사용자 경험을 최우선으로 고려하는 것이 중요하다. 지금부터 그 방법을 자세히 살펴보겠습니다. After: 가입 절차를 3단계에서 1단계로 줄이자 이탈률이 절반으로 떨어졌다.

J. 시각 장식

J-1. 볼드 남용 / 불릿+굵은 머리말 — S2

강조할 필요 없는 구절까지 굵게 칠하거나, 항목마다 "굵은 머리말:"을 붙인 세로 목록으로 토막 낸다. 칼럼·리포트면 줄글로 푼다.

Before: - 사용자 경험: 인터페이스가 개선되었습니다. - 성능: 알고리즘으로 향상되었습니다. - 보안: 암호화로 강화되었습니다. After: 이번 업데이트로 인터페이스가 새로워졌고, 알고리즘 최적화로 속도가 빨라졌으며, 종단 간 암호화가 추가됐다.

J-2. 줄표(—)·가운뎃점(·)·곡선따옴표·물결표 — S1(줄표)/S2/S3

규칙: 최종본에 em dash(—)·en dash(–)를 쓰지 않는다. 영어 AI 글의 최대 정체가 em dash이고 한국어 AI 글도 그대로 가져온다. 마침표·쉼표·콜론·괄호로 바꾸거나 문장을 다시 짠다. 가운뎃점(·)으로 단어를 줄줄이 잇는 것, 따옴표 강조 5회 이상, 문장 끝 물결표(~)도 정리. 최종본을 내기 전 —와 –를 검색한다. 하나라도 남으면 끝난 게 아니다.

Before: 이 정책은 — 예고도 없이 발표되어 — 수천 명에게 영향을 준다. 빠르고·정확하고·강력한 처리가 가능하다. After: 이 정책은 예고 없이 발표돼 수천 명에게 영향을 준다. 처리가 빠르고 정확하다.

소통 잔재 (챗봇 흔적)

챗봇 응대·아첨 — S1

물론이죠!, 좋은 질문이에요!, 도움이 되었으면 좋겠습니다, 더 궁금한 점이 있으면 말씀해 주세요, 아래는 ~입니다. 챗봇 대화 잔재가 본문에 섞여 든다. 통째로 삭제.

Before: 좋은 질문이에요! 아래는 프랑스 혁명에 대한 개요입니다. 도움이 되었으면 좋겠습니다! After: 프랑스 혁명은 1789년 재정 위기와 식량난으로 인한 불만에서 시작됐다.

지식 한계 면피·추측성 빈칸 메우기 — S2

"공개된 정보가 제한적이지만", "~로 추정된다", "조용한 행보를 보이는 것으로". 모르면 "자료에 없다"고 하거나 문장을 뺀다. 추측을 사실처럼 포장하지 않는다(의미 불변 철칙).

---

DETECTION GUIDANCE (오탐 방지)

깃발 꽂으면 안 되는 것 (false positive)

멀쩡한 사람도 위 패턴 몇 개는 친다. 다음은 그 자체로는 AI 신호가 아니다(전부 S3 취급).

• 반듯한 맞춤법·일관된 문체 — 다듬어졌다고 AI가 아니다.
• 격식체·한자어 — AI는 특정 단어(D-4)를 과용할 뿐, 모든 한자어가 AI는 아니다. 법률·학술 글에서 "방증·기실"은 정상.
• 접속어 한두 개 — 문단마다 줄줄이 쌓일 때만 신호.
• 곡선 따옴표·줄표 단독 — 한글·워드·구글 문서 기본값이거나 편집자 습관. 다른 흔적과 겹칠 때만 센다.
• 단호한 짧은 문장 하나 — 여러 개 연달아 톤을 부풀릴 때만 잡는다.
• 개조식·번호 목록 자체 — 보고서·매뉴얼의 정상 형식.
• 편지투 인사말·맺음말, 출처 없는 주장 — 그 자체로는 아무것도 증명하지 않는다.

헷갈리면 단발이 아니라 무더기를 봐라. 줄표 하나는 의미 없다. 줄표 + 3의 법칙 + "다채로운 향연" + "전망" 단락이 한 글에 다 있으면 자백이다.

사람이 쓴 글의 신호 (지켜라)

다음이 보이면 그냥 두는 쪽으로 기운다. 과하게 손대면 사람다움이 사라진다.

• 구체적이고 별난, 지어내기 힘든 디테일 — 실제 주소, 이상한 인용, "치과 윗층 변호사" 같은 표현.
• 복잡한 심경·해소되지 않은 긴장 — AI는 깔끔한 결론으로 수렴한다.
• 시대·집단에 묶인 레퍼런스 — 특정 연도·하위문화 밈·슬랭·내부 농담.
• 글쓴이가 변호할 수 있는 1인칭 편집 선택, 들쭉날쭉한 문장 길이, 진짜 곁말·괄호·자기 정정.

자가검증 체크리스트 (윤문 후 자가 점검, 한 항목이라도 위반이면 해당 edit 롤백)

1. 고유명사·수치·날짜·인용 100% 보존 — 원문 대비 한 글자도 다르지 않은가.
2. 변경률 30% 이하인가 (50% 초과는 작업 중단).
3. 장르 이탈 없음 — 칼럼이 에세이·문학으로, 리포트가 블로그체로 떨어지지 않았는가.
4. register 보존 — 원문이 격식체면 결과도 격식체.
5. 잔존 S1 0건 — A-7·A-8·A-16·C-5·C-10·C-11·D-1~D-6·H-1·I-1·J-2 같은 S1이 남지 않았는가.
6. 인공 표현 자제 — 원문에 없던 비유·수사·문학적 표현을 윤문 과정에서 임의로 더하지 않았는가.

Process and Output

산출물: 초안 → "아직 AI 같은 점" 짧은 글머리표(잔존 흔적 + 심각도) → 최종본 → (선택) 무엇을 고쳤는지 한 줄 요약 + 자가 채점 등급(A~D). 목표 글자수가 있으면 최종 글자수(공백 포함/제외)를 함께 적는다. 사용자가 "결과만 줘"라고 하면 최종본만 낸다.

Full Example

Before (AI 티 나는 글):

좋은 질문이에요! 아래에 이 주제에 대한 글을 작성해 드릴게요. 도움이 되었으면 좋겠습니다!

AI 코딩 도구는 거대 언어 모델의 혁신적 잠재력을 보여주는 진정한 증거이자, 소프트웨어 개발 역사에 중요한 이정표를 세운 산물이라 할 수 있다. 빠르게 변화하는 오늘날의 기술 환경 속에서, 연구와 실무의 교차점에 자리한 이 획기적인 도구들은 — 개발자가 아이디어를 구상하고, 반복하고, 전달하는 방식을 — 재편하며 현대 워크플로우에서의 핵심적 역할을 방증하고 있다.

본질적으로 그 가치는 명확하다: 프로세스의 간소화, 협업의 강화, 그리고 정렬의 촉진. 이것은 단순한 자동완성이 아니다. 그것은 창의성의 확장이다.

• 💡 속도: 코드 생성이 비약적으로 빨라져 마찰이 감소됩니다.
• 🚀 품질: 향상된 학습을 통해 결과물의 품질이 향상되었습니다.

공개된 정보가 제한적이지만, 이러한 도구들이 어느 정도 긍정적인 효과를 가질 수도 있다고 볼 수 있을 것이다. 결론적으로, 미래는 밝다. 앞으로의 행보가 기대된다. 더 궁금한 점이 있으면 말씀해 주세요!

탐지 (분류·심각도): 챗봇 잔재(S1) · 과장된 의의(S1) · D-4 hype 어휘(S1) · J-2 줄표(S1) · C-5 이모지(S1) · J-1 불릿 머리말(S2) · A-7 "가지다"(S1) · G hedging 누적(S2) · D-1 "결론적으로"(S1) · D-6 막연한 마무리(S1).

최종본 (AI 티 안 나게):

AI 코딩 도구는 지루한 부분을 빠르게 해준다. 전부는 아니고. 설계는 확실히 아니다.

보일러플레이트엔 강하다. 설정 파일, 테스트 골격, 반복 리팩터링. 그리고 멀쩡해 보이면서 틀리는 데도 강하다. 컴파일되고 린트도 통과한 제안을 받았다가, 주의를 놓는 바람에 핵심을 빗나간 적이 있다.

주변 사람들은 보통 두 쪽으로 갈린다. 잡일 자동완성처럼 쓰며 줄마다 검토하는 쪽, 원치 않는 제안에 질려 꺼버린 쪽. 둘 다 그럴 만하다.

생산성 지표는 영 미끄럽다. 깃허브야 "제안 수락률 30%"라고 할 수 있지만, 수락이 곧 정확함은 아니고 정확함이 곧 가치도 아니다. 테스트가 없으면 사실상 찍는 거다.

고친 내용 / 등급: 챗봇 인사말·과장된 의의·hype 어휘·"가지다" 직역·3의 법칙·줄표·이모지·불릿 머리말·hedging·막연한 마무리를 걷어내고, 들쭉날쭉한 리듬과 구체적 디테일로 목소리를 다시 세웠다. (변경률 약 40% — 원문이 거의 전체 AI식이라 불가피, 의미는 보존. 등급 B)

---

When to use

• "이 글 AI 티 안 나게 고쳐줘 / 사람이 쓴 것처럼 바꿔줘"
• "번역체 / 어색한 문장 자연스럽게 다듬어줘", "ChatGPT로 쓴 티 나는데 고쳐줘"
• "이 글에서 AI 흔적 찾아줘"(고치지 말고 진단·심각도만)
• "1000자로 맞춰서 자연스럽게 다듬어줘"(목표 글자수, Length control)
• 블로그·자기소개서·이메일·보고서를 자연스러운 한국어로 재작성

When NOT to use

• 맞춤법·띄어쓰기 교정만 필요할 때 → korean-spell-check
• 유행어·밈을 입히는 작업 → korean-slang-writing
• 사실관계 확인·출처 보강이 핵심일 때 (이 스킬은 문체만 고치고 사실을 검증하지 않는다)
• 원문에 없는 내용을 창작해 채워야 할 때 (의미 보존이 원칙이다)

Done when

• 최종본에 줄표(—, –)·이모지가 없고, 잔존 S1 패턴이 0건이다.
• 번역체(직역 조사, "가지다", 이중피동, "그/그녀" 강박, 좌향 수식)가 자연스러운 한국어로 풀렸다.
• D-4 hype 어휘·3의 법칙·마무리 상투구·연결어미 뒤 쉼표가 정리됐다.
• 원문 내용을 빠짐없이 다뤘고, 사실관계를 바꾸거나 지어내지 않았다(변경률 ≤30%, 50% 초과면 중단).
• false positive 가이드로 멀쩡한 사람 글의 디테일을 망치지 않았는지 점검했다.
• 목표 글자수가 있었다면 실제로 세어 ±5%(엄격 시 ±2%) 안에 들었고, 공백 포함/제외 수치를 적었다.
• 자가검증 6항을 통과했고 등급(A~D)을 매겼다.

Notes & Credits

• 이 스킬의 분류 체계(번역체 A · 영어 인용 B · 구조 C · 관용구 D · 리듬 E · 수식 F · hedging G · 접속사 H · 형식명사 I · 시각 장식 J), 심각도(S1/S2/S3), 4대 철칙, 변경률 30%/50% 가드, 품질 등급(A~D)은 epoko77-ai/im-not-ai (Humanize KR, MIT)의 방법론을 한국어 단일 스킬 형식에 맞게 재구성한 것이다. A-16(그/그녀 강박)·A-18(관계절 좌향 수식)·A-19(이중 조사)·C-11(연결어미 뒤 쉼표)·E-7(경어법 일관성) 같은 한국어 고유 패턴은 im-not-ai의 학술 인용(김도훈 2009, 박옥수 2018, 김정우 2007 등)에 기반한다.
• 최초 한국어 humanizer 스킬과 33개 패턴 카탈로그·예문·triage/length-control 설계는 happy-nut(Hyungsun Song) 님이 PR #311로 기여했다. 이 v2는 그 토대 위에 im-not-ai의 프레임워크를 얹은 것이다.
• 영어권 원형은 blader/humanizer이고, 영어판이 Wikipedia: Signs of AI writing에 기반하듯 한국어판은 번역체와 격식을 가장한 상투어를 1순위 정체로 본다.
• 핵심 통찰: LLM은 통계적으로 가장 그럴듯한 다음 토큰을 고른다. 그래서 가장 무난하고 넓게 들어맞는 표현으로 수렴한다. AI 티를 지운다는 건 그 평균값에서 벗어나 구체적이고 들쭉날쭉한 사람의 선택으로 되돌리는 일이다. 패턴은 단발이 아니라 무더기로 판단하고, 의심스러우면 지우기보다 남긴다.