의미와 인용을 바꾸지 않고 AI 텍스트를 휴머나이징하는 법

AI의 도움을 받은 텍스트를 의미를 바꾸지 않고 휴머나이징하려면, 고쳐 쓰기에서 여섯 가지를 고정해야 합니다. 주장, 숫자와 단위, 각 완곡 표현의 강도, 인용과 그 인용이 붙는 대상, 분야 용어, 그리고 문장 사이의 논리적 연결입니다. 문체, 리듬, 문장 구조는 바뀌어도 됩니다. 이 여섯 가지는 바뀌면 안 됩니다.

고쳐 쓰기 도구의 실패는 대부분 정확히 이 목록에서 일어나며, 결과물이 여전히 잘 읽히기 때문에 놓치기 쉽습니다. 이 가이드는 무엇이 그대로 남아야 하는지, 가장 자주 보이는 실패 유형은 무엇인지, 그리고 고쳐 쓴 원고를 지도교수나 공저자, 학술지에 보내기 전에 적용할 수 있는 검토 순서를 정리합니다.

절대 바뀌면 안 되는 것

학술 문장은 주제 이상의 것을 담습니다. 저자가 얼마나 확신하는지, 근거가 어디서 왔는지, 정확히 무엇을 측정했는지가 들어 있습니다. 주제는 유지하되 이 중 하나라도 바뀐 고쳐 쓰기는 다른 문장입니다.

완곡 표현은 특히 주의해야 합니다. Ken Hyland는 연구 논문을 분석하면서 완곡 표현을 과학자가 주장을 제시하는 방식의 핵심으로 봅니다. 완곡 표현은 확실성 대신 가능성을 나타내고, 주장이 동료 연구자에게 받아들여지도록 돕습니다(Hyland, Hedging in Scientific Research Articles, 1998). 명사가 모두 살아남더라도 완곡 표현을 지우면 주장이 바뀐 것입니다.

흔한 실패 유형

이런 패턴은 패러프레이저, "이거 고쳐 써 줘"라는 요청을 받은 범용 챗 모델, 일부 휴머나이저에서 두루 나타납니다. 하나같이 대충 읽으면 통과합니다.

완곡 표현 변질

고쳐 쓰기 도구는 글을 더 단정적으로 만드는 경향이 있습니다. 단정적인 문장이 더 짧고 매끄럽기 때문입니다. "These results suggest a possible association"(가능한 연관성을 시사한다)이 "These results show an association"(연관성을 보여 준다)이 됩니다. 고찰 섹션 전체에 걸쳐 이런 일이 쌓이면, 눈에 띄는 오류 하나 없이 신중한 논문이 과장된 논문으로 바뀔 수 있습니다.

인용 분리

문장 구조가 바뀌면 인용이 엉뚱한 절 옆으로 가거나, 서로 다른 주장을 뒷받침하던 두 인용이 문장 끝에 합쳐질 수 있습니다. 참고문헌 목록은 여전히 정확하지만, 근거와 주장의 연결은 틀어집니다.

숫자 반올림과 단위 누락

"p = .047"이 "p < .05"가 됩니다. "A 23% decrease"가 "a decrease of nearly a quarter"(거의 4분의 1 감소)가 됩니다. "0.8 mL"에서 단위가 사라집니다. 모두 문체 변화처럼 보이지만, 하나하나가 독자가 확인할 수 있는 내용을 바꿉니다.

용어 치환

유의어 도구는 고정된 용어를 일상어로 바꿉니다. 극단적인 경우 Cabanac, Labbé, Magazinov가 "tortured phrases"(뒤틀린 구문)라고 부른 것이 생깁니다. "artificial intelligence"를 "counterfeit consciousness"로 바꾸는 식입니다(Cabanac et al., 2021). "significant"가 통계적 의미를 잃는 것처럼 미묘한 경우는 잡아내기가 더 어렵습니다.

범위 변경

"In this sample of 84 rural clinics"(이 84개 농촌 진료소 표본에서)가 "in rural clinics"(농촌 진료소에서)가 됩니다. 주장의 범위를 제한하던 한정어가 사라집니다.

원문

In our cohort, higher baseline HbA1c may be associated with slower wound healing (Okafor et al., 2020), although the effect (β = 0.31, 95% CI 0.12 to 0.50) was limited to patients over 60.

부주의한 고쳐 쓰기

Higher baseline HbA1c slows wound healing, an effect of roughly 0.3 that was strongest in older patients (Okafor et al., 2020).

두 번째 버전만 읽으면 아무 문제도 없어 보입니다. 첫 번째와 대조해 읽으면 문제가 드러납니다. 완곡하게 표현된 연관성이 인과 주장으로 바뀌었고, 신뢰구간이 사라졌으며, 하위집단 제한이 정도의 차이로 바뀌었고, 인용이 이제 주된 연관성이 아니라 하위집단 결과를 뒷받침하는 것처럼 보입니다.

선택적 고쳐 쓰기가 위험을 줄이는 이유

고쳐 쓴 문장 하나하나가 이런 오류가 생길 기회입니다. 문서 전체를 고쳐 쓰는 도구는 바꿀 필요가 없던 문장까지 포함해 모든 주장, 숫자, 인용을 변질 위험에 노출시킵니다. 탐지기가 실제로 표시한 문장만 고쳐 쓰는 도구는 노출이 훨씬 적습니다. 여덟 문장 중 두 문장이 표시된 문단이라면 여섯 문장은 쓴 그대로 돌아오고, 검토는 두 문장에 집중하면 됩니다.

저희가 문장 단위 AI 탐지에서 문장 단위 작업을 주장하는 주된 이유이자, 패러프레이징 도구가 탐지 점수를 움직이더라도 학술 환경에서 실패하는 이유입니다. 용어는 그 자체로 별도의 주제입니다. 연구 용어에 특별한 처리가 필요한 이유를 참고하세요.

고쳐 쓴 원고 검토 순서

어떤 도구도 저자의 최종 확인을 대신할 수 없습니다. ICMJE 권고안은 분명히 말합니다. AI 지원 기술을 사용한 경우 "Humans are responsible for any submitted material"(제출된 모든 자료에 대한 책임은 사람에게 있다)이며, 저자는 인용한 자료의 출처를 올바르게 밝혀야 합니다(ICMJE). 다음 순서를 따르면 이 확인을 효율적으로 할 수 있습니다.

1. 다시 읽지 말고 비교하기새 버전을 처음 보듯 읽지 말고, 바뀐 문장마다 원문과 나란히 비교하세요.
2. 숫자 모두 확인하기원문의 수치, 단위, p값, 구간을 결과물에서 하나씩 찾아 똑같은지 확인하세요.
3. 완곡 표현 맞추기원문의 may, might, suggest, appear, likely마다 고쳐 쓴 문장에서 같은 강도의 표현을 찾으세요.
4. 인용을 주장에 고정하기각 인용이 같은 문장 안에 있는 것만이 아니라, 뒷받침하던 주장 바로 옆에 있는지 확인하세요.
5. 용어 치환 살피기정의된 용어, 약어, 변수명이 그대로인지 확인하세요.
6. 문단 소리 내어 읽기문장 사이의 논리가 끊긴 곳, 특히 바뀐 연결어에 귀 기울이세요.

두 가지 실용적인 팁이 있습니다. 첫째, 원문을 별도 파일로 보관해 언제든 깨끗하게 비교할 수 있게 하세요. 이런 기록이 저작 여부를 의심받을 때도 도움이 되는 이유는 작업 과정이 드러나는 연구 노트 남기기에서 다룹니다. 둘째, 고쳐 쓴 문장이 의미를 바꿨다면 그 문장을 손보지 말고 버리세요. 잘못된 패러프레이즈를 고치다 보면 오류가 남기 쉽습니다. 전부 직접 하고 싶다면 GPT 티 안나게 직접 고치는 법에서 단계별로 안내합니다.

Academic Humanizer가 의미를 다루는 방식

Academic Humanizer는 이 목록을 중심으로 설계되었습니다. Humanizer는 AI 탐지기가 표시한 문장만 고쳐 쓰고 다른 문장은 쓰신 그대로 두며, 논지, 근거, 숫자, 인용, 분야 용어를 온전히 유지하는 것을 목표로 합니다. AI 탐지 리포트는 표시된 문장과 고쳐 쓴 문장을 나란히 보여 주므로 위의 비교 검토를 빠르게 할 수 있습니다. 그래도 AI 출력에는 오류나 의미 변화가 있을 수 있으니 리포트를 직접 확인하는 출발점으로 삼고, 제출 전에는 학술지나 기관의 AI 사용 공개 규정을 확인하세요.