edutrend

AI가 써준 글은 왜 잘 읽히지 않을까? Clark 등(2026)의 연구는 이 문제에 대해 Claude, ChatGPT, GLM, Kimi 등 최신 AI 모델 14종이 쓴 글을 모아 분석하였다. 최신 모델 대부분이 인간이 쓴 글보다 읽기 어려운 표현들을 더 많이 사용하였는데, AI가 쓴 글의 특징을 정리하면 아래와 같다. (1) 연결 단어 생략 :문장을 부드럽게 이어주는 단어를 생략하여, 읽는 사람이 머릿속에서 앞뒤 관계를 맞추어야 함. (2) 사물의 지나친 의인화 : "대화가 제 꼬리를 물고 있다", "함수가 에러를 삼켜버린다"처럼 사물에 갑작스러운 동작을 붙여 직관적인 이해가 어려워짐. (3) 명사 이어 붙이기 : "공포 영화 배경음악 생성기"처럼 명사만 3개 이상 연속으로 붙여 써 이해를 어렵게 만듦. (4) 짝이 되는 단어 띄워놓기 : 주어와 동사, 수식어의 거리를 너무 멀리 떨어뜨려 놓아서 문장 앞부분을 기억하며 읽느라 작업 기억에 피로감이 쌓임. 이는 LLM의 본질적인 특성으로 인함이라고 할 수 있는데, 사람은 상대방이 편하게 이해하도록 완급을 조절하며 이야기하는 반면, AI는 여러 제약 속에서 효율적으로 정답을 내놓는 데만 집중하기 때문이다. 즉, AI가 글 생성을 손쉽게 한다고 하여 이를 읽는 인간이 쉽게 이해할 수 있는 것은 아니라는 점을 항상 기억해야 하겠다. ■ 참고 문헌 Clark, T. H., Martin, M. B., & Mahowald, K. (2026). Why is AI-generated language so hard to understand? arXiv preprint arXiv:2610.29162v1. https://arxiv.org/abs/2610.29162

AI와 인간의 출력이 비슷하다고 해서, 과정까지 유사한 것은 아니다. 이는 인간지능과 인공지능에 대한 흔한 오해라고 볼 수 있는데, Tao 등(2026)의 실험을 참고할만하다. 저자들은 보상과 벌칙이 반복되는 쇼핑 환경에서 사람과 최신 AI가 과연 똑같이 행동하는지를 확인하였다. 참가자(인간, DeepSeek-v.3.2, Qwen3-Max)들은 120일 동안 쇼핑을 하면서 '빠른 배송'과 '느리지만 포인트를 주는 친환경 배송' 중 하나를 매일 선택하였다. 전체 통계치만 보면 AI가 인간의 반응을 완벽히 모사(보상이 없을 때는 빠른 배송, 보상이 있을 때는 친환경 배송)하는 것처럼 보였다. 하지만 세부적인 데이터를 뜯어보면 그 과정은 매우 달랐다. AI는 계산기처럼 규칙을 적용해 이론적 최적점에 가장 가깝고 일관된 결정을 내리는 반면, 인간은 습관적으로 비합리적 결정을 내리는 편향적 모습을 보이기도 하였다. 또한 인간은 일관된 반응을 유지하는 AI와 달리 시행착오를 거치며 경험 기반으로 전략을 수정하는 모습을 보였다. 같은 종착지이지만, 상이한 경로를 따라 AI와 인간은 각각 행동한다. 즉, 겉보기에 비슷하다고 하여 AI를 인간의 대리지표로 삼는 것은 위험한 발상이라고 할 수 있겠다. ■ 참고 문헌 Tao, S., Wang, L., Zhu, Z., & Lee, D.-H. (2026). Similar aggregate but divergent disaggregate responses in human and AI under sequential reward-penalty incentives. iScience, 29, 117800. https://doi.org/10.1016/j.isci.2026.117800

인간이라는 종을 구별 짓는 것은 가능한 대안 세계를 상상하는 능력이다(Pievani, 2026) Charness & Grieco(2026)의 '창의성과 AI' 논문 실험결과가 흥미롭다. 저자들은 인간과 AI에게 창의성을 요구하는 과제를 부여하였는데, 두 가지 다른 조건에서 실험을 하였다.

• 폐쇄적인 과제: 10개 단어(house, zero, forgive, curve, relevance, cow, tree, planet, ring, send)를 반드시 넣어 창의적인 이야기 쓰기
• 개방적인 과제: 생각만으로 무엇이든 발명할 수 있다면, 무엇을 만들것이며 왜 그러한가에 답하기

결과는 폐쇄형에서는 AI의 승리, 개방형에서는 인간의 승리. 특히 개방형 과제에서 인간 창의성 점수의 22~45%는 '상상력'이 차지하였다. 또한 개방형 과제에서 AI 모델의 진보는 인간 창의성 점수와의 격차를 줄여오긴 하였으나, GPT4o에서 GPT4.5 구간에서 좁혀진 폭은 상당히 정체되었다. 새롭고 특이한 아이디어를 만들어 내는 인간의 능력, 즉 상상력은 기계에 대한 우위를 차지하는 핵심 요소인 반면, 시간에 따른 AI의 진보는 창의적 답변이 더 매끄러워지는 데 있을 뿐, 더 새롭거나 독창적이 된 것은 아니다. ■ 참고문헌 Charness, G., & Grieco, D. (2026). Creativity and AI. The Economic Journal. Advance online publication. https://doi.org/10.1093/ej/ueag015