AI 메시지 체커가 확인할 수 있는 것, 그리고 직접 확인하는 법

AI 메시지 체커를 검색했다면, 아마 메시지는 이미 다 써놓은 상태일 거예요. 입력창 안에 그대로 있고, 벌써 여섯 번은 읽었고, 눈에 띄게 잘못된 곳은 없어요. 그냥 뭔가 이상하게 느껴질 뿐이에요. 너무 차갑거나, 너무 과하거나, 콕 집어 말할 수는 없지만 방어적으로 읽히거나요.

AI 메시지 체커는 이미 쓴 메시지를 읽고, 그 표현이 보내기 전에 어떻게 가닿을 수 있는지 보여줘요. 그다음에 다시 써주는 도구도 있고요. 중요한 건 확인하는 그 부분인데, 대부분의 도구가 건너뛰는 부분이기도 해요.

저는 Subtext를 공동 창업했어요. 정확히 이 순간을 위해 만든 앱이라, 이 카테고리에 대해 중립적이지는 않아요. 제가 쓸모 있을 수 있는 건 더 좁은 질문이에요. 소프트웨어가 메시지에 대해 실제로 알려줄 수 있는 게 뭐고, 여전히 직접 판단해야 하는 건 뭔지요. 아래 나오는 모든 연구 주장에는 출처 링크를 달아뒀어요.

메시지 체커가 확인할 수 있는 것, 그리고 넘지 말아야 할 선

체커는 눈앞에 있는 언어를 분석할 수 있어요. 표현이 격식 있게 읽히는지 캐주얼하게 읽히는지, 직설적인지 에두르는지, 따뜻한지 거리감 있는지요. 어떤 문구가 상대의 의도를 사실인 것처럼 단정 짓고 있는지도요. 두 줄짜리 거절 안에 사과가 세 번 들어 있는지도요.

할 수 없는 건, 누군가 마음속으로 실제로 뭘 느끼는지 확인하는 거예요.

두 단어짜리 초안을 예로 들어볼게요. “됐어. 너 하고 싶은 대로 해.” 체커는 “됐어”가 딱 잘라내는 느낌이고 “하고 싶은 대로 해”가 물러서는 느낌으로 읽힌다고는 합리적으로 말할 수 있어요. 이걸 쓴 사람이 화났다는 걸 입증할 수는 없고요. 이 둘은 서로 다른 주장인데, 어조 감지를 내세운 마케팅 상당수가 아무 말 없이 그 둘을 넘나들어요. 이 부분의 근거는 AI가 어조에 대해 알 수 있는 것과 알 수 없는 것을 다룬 별도의 글에서 정리한 적이 있어요.

어차피 지금 보내려는 메시지에 필요한 건 마음을 읽는 게 아니에요. 두 번째 독자가 필요한 거예요. 자기 초안한테는 스스로 그 역할을 해줄 수 없으니까요.

자기 초안을 다시 읽는 게 왜 소용없을까요

Kruger, Epley, Parker, Ng¹는 2005년에 이 주제로 다섯 개의 실험을 진행했는데, 이 논문은 읽히는 것보다 인용되는 일이 훨씬 많아요.

다섯 개 중 가장 규모가 큰 실험에서는 학생 154쌍이 빈정거림, 진지함, 분노, 슬픔 중 하나를 담아 문장을 쓴 다음, 파트너가 의도한 어조를 알아맞힐지 예측했어요. 보내는 사람들은 88.8%를 맞힐 거라고 예상했어요. 실제로 맞힌 비율은 70.4%였어요.

그 간극이 바로 발견이고, 저자들은 이게 무슨 뜻이 아닌지에 대해서도 신중해요. 첫 번째 실험의 정확도는 84%였고, 저자들은 이 데이터만으로 “사람들이 이메일로 빈정거림을 전달하는 데 서투르다고 말하는 건 오해의 소지가 있다”고 적어요. 이게 실제로 뜻하는 바를 저자들은 이렇게 요약해요. “사람들이 아무리 능숙해도, 스스로 믿는 만큼 능숙하지는 않다.”

세 가지 디테일이 보내는 사람 입장에서 이걸 더 까다롭게 만들어요. 친구는 낯선 사람보다 더 정확하지 않았고, 과신하는 정도도 똑같았어요. 그러니 나를 잘 아는 사람에게 쓴다고 그 간극이 좁혀지지는 않아요. 이모티콘도 마찬가지고요. 같은 논문 안에 실린 후속 실험은 보내는 사람이 이모티콘을 쓸 수 있는지 여부를 조작했는데, “이모티콘을 쓴 사람과 안 쓴 사람 사이에 과신의 정도는 차이가 없었다”는 걸 발견했어요. 그리고 사람들이 어조를 56%의 확률로 정확히 읽어낸다는, 널리 퍼진 그 주장은 본문의 숫자가 아니라 그래프를 읽어낸 값이에요. 논문이 그 조건에 대해 실제로 적어놓은 건, 29쌍을 대상으로 한 우연과 구분할 수 없는 수준의 정확도예요. 56이라는 숫자는 다시 인용할 가치가 없어요.

단계로 넘어가기 전에 솔직한 한계 하나요. 이건 2005년에 이메일을 대상으로 한 연구예요. 저자들은 이 메커니즘이 채팅과 인스턴트 메시징으로도 확장될 거라고 예상했고 그렇게 밝히기도 했지만, 요즘 문자메시지를 대상으로 다시 검증한 사람은 아무도 없어요. 메커니즘 자체는 탄탄하게 확립됐다고 보되, 정확한 퍼센트 수치는 이메일에 한정된 걸로 받아들이세요.

당신의 메시지가 확실하게 전달하는 것, 그리고 잃어버리는 것

Holtgraves²는 요즘 기준으로 가장 쓸모 있는 숫자를 내놔요. 보내는 사람들이 22가지 감정 중 하나를 이름 붙이지 않고 담아 문자메시지를 썼어요. 받는 사람들이 자유 응답으로 그 감정을 정확히 맞힌 비율은 20.1%였고, 객관식으로는 46.3%였어요. 틀렸을 때조차, 긍정인지 부정인지 큰 방향은 자유 응답 연구에서 84.5%, 객관식 연구에서 90.6% 맞게 짚었어요.

여기서 보내는 사람을 위한 지침이 하나 나와요. 받는 사람은 뭔가 이상하다는 걸 거의 틀림없이 알아챌 거예요. 다만 그 이유는 아마 잘못 짚을 거고요. 그러니 체크는 감정을 감추는 게 아니라, 받는 사람이 더 나쁜 이유로 그 빈틈을 채우게 만드는 애매함을 겨냥해야 해요.

Byron의 이론 틀³은 이 손실이 어느 방향으로 일어나는지 예측해요. 긍정적인 이메일은 중립으로, 중립적인 이메일은 부정적으로 도착하는 경향이 있다는 거예요. 실험이 아니라 이론 논문이니 그 무게만큼만 받아들이세요. 자연스럽게 느껴지는 것보다 한 단계 더 따뜻하게 쓰면, 받는 사람에게는 자연스럽게 도착해요.

7단계 체크

문자가 괜찮게 들리는지 검증된 과학적 테스트는 없어요. 아래는 자기 초안과 거리를 만드는 방법이에요. 1분도 안 걸리고, 앱도 필요 없어요.

1. 원래 의도했던 뜻을 채워 넣지 말고 읽어보세요

가장 무게가 실린 문장을 골라서, 누가 썼는지 모르는 것처럼 읽어보세요.

“뭐, 그냥 아무거나 편한 걸로 해.” 이게 진심이었는지는 당신은 알아요. 받는 사람은 몰라요. “뭐”는 마지못해 하는 느낌을 줄 수 있어요. “그냥”은 조바심을 더할 수 있고요. “아무거나”는 그 결정에서 발을 빼는 것처럼 읽힐 수 있어요.

이 중 어느 해석도 자동으로 정답인 건 아니에요. 다만 받는 사람에게는 그 해석들이 열려 있고, 그게 바로 체크가 필요한 이유예요.

2. 사과와 얼버무리는 표현을 세어보세요

제가 가장 자주 보는 결함이고, 두 부분 모두 뒷받침하는 근거가 있어요.

Freedman, Burgoon, Ferrell, Pennebaker, Beer⁴는 참가자를 합쳐서 약 1,880명 규모의 여러 연구를 통해, 거절에 사과를 덧붙이면 상처받은 감정이 더 커지고 “너를 용서해”라는 말을 하게 만드는 압박만 생길 뿐, 실제 용서는 늘어나지 않는다는 걸 발견했어요. 사과가 섞인 거절은 행동 과제에서 더 많은 공격성을 낳았고요. 좋은 거절문을 써보라고 했을 때 사람들의 약 39%가 자발적으로 사과를 넣었으니, 역효과를 내는 그 선택이 동시에 가장 인기 있는 선택이기도 한 거예요. 이 근거는 거절과 딱 잘라 말하는 상황에 한정돼 있고, 저도 여기서 더 넓게 끌고 가지는 않을게요.

얼버무리는 표현 쪽은, Givi, Kirk, Grossman, Sedikides⁵가 여섯 개의 실험을(그중 다섯 개는 사전등록됐어요) 초대에 딱 잘라 거절하는 대신 애매한 “글쎄”로 답하는 상황을 놓고 진행했어요. 초대받은 사람들은 초대한 사람이 그 “글쎄”를 얼마나 더 선호할지 과대평가했는데, “글쎄”가 초대한 사람을 얼마나 더 무시당한 기분으로 만드는지를 과소평가했기 때문이에요. 곱씹어볼 만한 건 이들의 설명이에요. “글쎄”는 받는 사람보다 보내는 사람을 위해 일하고, 그다음은 동기화된 추론이 알아서 채워준다는 거예요. 이 근거는 초대에 대한 거니까, 이미 내려놓은 결정을 불확실한 척 포장하는 모든 상황에 갖다 붙이는 건 저자들의 발견이 아니라 제가 확장한 거예요.

실용적으로 말하면 이래요. 모든 미안해, 모든 “귀찮게 해서 미안한데”, 모든 “이게 성가시지 않았으면 좋겠는데” 같은 표현을 세어보세요. 많아야 하나만 남기고, 그것도 당신이 실제로 한 일에 대해 사과하는 경우에만요. 그다음엔 “글쎄”, “아마도”, “두고 보자”, “확인하고 다시 알려줄게” 같은 표현을 찾아보세요. 이 중 일부는 정직한 불확실함이라 남겨둬도 돼요. 잘라내야 하는 건, 쓰면서 마음이 놓였던 그 표현들이에요.

이 세어보기는 Subtext가 초안에 대해 가장 먼저 하는 일이기도 해요. Freedman의 수치가 시사하는 이유 때문이에요. 본능적으로 넣은 사과일수록, 다시 읽을 때 알아챌 가능성이 가장 낮으니까요.

3. 상대가 아니라 당신 얘기를 하는 문장을 찾으세요

문장마다 이게 누구를 위한 건지 물어보세요. “진작 연락했어야 했는데, 진짜 미안해 죽겠어” 같은 문장은, 당신이 자기 죄책감을 다스리는 걸 상대 앞에서 하고 있는 거예요. 이제 상대가 당신을 안심시켜줘야 하는 상황이 되고요. 고백의 옷을 입은 부탁인 셈이에요.

이 단계는 연구 결과가 아니라 추론이에요. 이걸 실험한 사람은 없어요. 그런데도 넣은 건, 수천 개의 초안을 읽으면서 찾아낸 가장 신뢰할 만한 패턴이기 때문이고, 연구가 실제로 기록해둔 것과도 맞닿아 있기 때문이에요. 용서를 구하는 사과와 대가를 인정하는 사과는 서로 다른 행위이고, 받는 사람에게 뭔가 해주는 건 후자뿐이라는 것요.

고치는 법은 대개 지우는 거예요. 가끔은 그 문장을 맨 끝으로 옮기는 것만으로도, 핵심이 아니라 각주처럼 읽히게 만들 수 있어요.

4. 요청 안에 비난이 섞여 있는지 확인하세요

“목요일까지 알려줄 수 있어?”와 “이번엔 진짜 좀 알려줄래?”를 비교해보세요.

둘 다 요청이에요. 두 번째는 상대의 과거 행동에 대한 코멘트도 함께 담고 있고요. 의도적일 수도 있고, 때로는 그래야 마땅할 수도 있어요. 하지만 더 자주는, 타이핑하는 동안 짜증이 나 있었고 그 짜증이 자리를 찾아 들어간 것뿐이에요.

그 일을 하는 단어는 대개 작아요. 진짜. 또. 드디어. 이번엔. 이런 단어를 특히 찾아보세요.

5. 설명이 주도권을 가져가 버리지 않았는지 확인하세요

설명은 쓸모 있는데, 조용히 방어로 변해버려요. 사과, 취소, 의견 충돌에서 특히 그래요. 무슨 일이 있었는지로 시작해서, 왜 그런 일이 있었는지, 그다음엔 그에 대한 당신의 반응이 왜 타당했는지로 이어져요. 끝에 가면 받는 사람은 사과를 받는다고 생각했는데 실제로는 변론을 받게 되는 거예요.

잠깐 그 설명을 지워보고 남은 걸 보세요. 요청은 여전히 명확한가요? 인정하는 부분은 여전히 남아 있나요? 거절은 여전히 거절인가요? 설명 없이 메시지가 무너진다면, 그 설명이 원래 그러면 안 되는 걸 떠받치고 있었던 거예요.

6. 뭔가를 더해주는지, 아니면 답장만 재촉하는지 물어보세요

Lew, Walther, Pang, Shin⁶은 응답 지연 시간과 대화 연동성, 즉 메시지가 바로 앞 내용에 얼마나 직접적으로 반응하는지를 교차해서 봤어요. 전체적으로는 연동성이 있는 답장이 일반적인 답장보다 더 좋은 평가를 받았는데, 속도의 효과는 연동성에 달려 있었어요. 빠른 답장은 그게 연동성까지 갖췄을 때만 도움이 됐고, 빠르지만 일반적이고 정해진 대사처럼 들리는 답장은 네 조건 중 가장 나쁜 평가를 받았어요. 느린데 일반적인 답장보다도 나빴고요. 연동성이 느림을 덮어주는 게 아니었어요. 오히려 속도가 효과를 내기 위한 전제 조건이었어요.

그러니 대화에 반응하는 메시지는 그 내용으로 평가받고, 답장을 재촉하기만 하는 메시지는 당신이 마땅히 받아야 한다고 느끼는 뭔가를 요구하는 걸로 평가받아요. “?”와 “여보세요?”가 가장 순수한 형태고요. “이거 봤는지 확인차”는 겉옷만 더 그럴듯할 뿐 똑같은 일을 해요.

빠른 테스트요. 마지막 줄을 지워보세요. 그래도 메시지가 뭔가를 말하고 있다면, 그 마지막 줄은 재촉이었던 거고 그대로 지워둬도 돼요.

7. 일부러 틀린 어조로 소리 내어 읽어보세요

여기 나온 단계 중 실험이 직접 뒷받침하는 건 이것뿐이고, 결과도 흔히 듣는 조언보다 훨씬 구체적이에요.

Kruger 논문의 네 번째 실험에서는¹, 학생 54명이 이메일로 보낼 빈정거리는 문장과 진지한 문장을 타이핑한 다음, 파트너가 얼마나 잘 해독할지 예측하기 전에 각 문장을 녹음기에 대고 소리 내어 읽었어요. 절반은 원래 의도한 어조로 읽었어요. 나머지 절반은 반대 어조로 읽었는데, 빈정거리는 문장은 진지하게, 진지한 문장은 빈정거리듯 읽었어요.

두 번째 그룹은 더 이상 과신하지 않게 됐어요. 논문의 표현을 빌리면, “현상학적 조작이 참가자들의 과신을 완전히 지워버렸다”는 거예요. 자기 말을 원래 의도한 어조로 읽은 첫 번째 그룹은, 앞선 연구들의 모든 사람과 정확히 똑같은 수준으로 오차가 남아 있었고요.

그러니 초안을 원래 의도한 대로 소리 내어 읽는 건 아무 효과가 없어요. 흔히 듣는 조언의 표준 버전으로서는 좀 곤란한 얘기죠. 대신 두려워하는 그 어조로 소리 내어 읽어보세요. 무미건조하게 말해보세요. 차갑게 말해보세요. 그 사람한테 짜증 난 것처럼 말해보세요. 그걸 견디고 살아남으면 보내세요. 입 밖으로 나오는 순간 다른 메시지가 돼버린다면, 그 해석은 처음부터 텍스트 안에 있었는데 당신 눈에만 안 보였던 거예요.

실험 하나, 54명, 이메일 대상이에요. 그래도 이 글에서 가장 근거가 탄탄한 항목이에요. 그리고 Subtext가 초안을 읽을 때 하는 일을 가장 가깝게 설명해주는 대목이기도 해요. 머릿속 목소리가 아닌 다른 목소리로 당신의 말을 한 번 통과시켜보는 것요.

그다음엔 받는 사람이 되어서 한 번 읽어보세요

메시지가 어떻게 읽히는지는 그걸 손에 쥔 사람이 누구냐에 달려 있고, 그 사람들도 과신하기는 마찬가지예요. 같은 Kruger 연구에서, 이메일을 받는 사람들은 자기가 보내는 사람의 의도한 어조를 89.3% 맞혔다고 믿었지만, 실제로 맞힌 건 62.8%였어요¹. 당신의 메시지가 무슨 뜻이었다고 결론 내리든, 받는 사람은 그걸 다시 확인하지 않을 거예요.

받는 사람이 누구냐에 따라 확률이 달라져요. Sillars, Zorn⁷은 직장 이메일에서 부정 증폭 편향을 기록했는데, 수신자들은 관련 없는 관찰자들보다 메시지를 더 부정적으로 평가했고, 메시지의 실제 특징에는 약하게만 기대고 있었어요. 이 효과는 소통 분위기가 나쁜 곳에서, 그리고 위계상 아래에 있는 사람들 사이에서 더 강했어요. Kingsbury, Coplan⁸은 215명과 353명 표본에서, 사회불안이 있는 독자일수록 애매한 문자를 더 부정적으로 해석한다는 걸 발견했어요.

그러니 당신보다 아래 직급인 사람에게, 요즘 긴장 관계인 사람에게, 혹은 불안이 있는 사람에게 메시지를 보낸다면, 지금 나올 수 있는 가장 날카로운 해석은 피해망상이 아니라 개연성 있는 해석이에요. 그 사람이 되어서, 그 상태로 메시지를 읽어보고 그게 버텨내는지 보세요.

분명히 짚어둘 만한 게 있어요. 널리 퍼진 버전은 도가 지나치거든요. 근거가 보여주는 건 모두가 모든 걸 최악으로 해석한다는 게 아니에요. 부정적인 해석이 누가 읽는지와 그 시점의 관계가 어떤지로 예측된다는 거예요.

메시지 체커냐, 메시지 리라이터냐

이 둘은 밑바탕에서는 비슷한 모델로 돌아갈 수 있어요. 쓸모 있는 순간이 일어나는 지점이 다를 뿐이에요.

다시 “됐어. 너 하고 싶은 대로 해.”로 돌아가볼게요. 리라이터라면 “좋아, 편한 쪽으로 하자.”를 건네줄 수 있어요. 더 매끄럽고, 다른 메시지예요. 어쩌면 당신은 짜증이 나 있고 그중 일부는 살아남길 바랄 수도 있어요. 먼저 체크하면, 지우기로 할지 정하기 전에 그 효과를 볼 수 있어요.

ChatGPT로 보내기 전에 메시지를 확인할 수 있을까요

맞는 방식으로 물어본다면 가능해요. 흔히 실패하는 지점은, 범용 어시스턴트가 더 쉬운 문제를 풀어버려서 아무것도 알려주기 전에 다시 쓴 결과부터 건넨다는 거예요.

둘을 명확히 분리하세요.

이걸 받는 사람 입장에서 읽어줘. 아직 다시 쓰지는 마. 내가 의도한 것보다 더 차갑거나, 더 방어적이거나, 더 격하게 읽힐 수 있는 표현이 어디인지 짚어주고, 왜 그런지 각각 설명해줘.

그다음 초안을 붙여넣고, 관계와 이전 메시지가 뜻을 바꿀 수 있다면 그것도 함께 넣으세요.

가끔 어려운 문자를 쓸 때는 이 방법이 잘 통해요. 전용 체커가 없애주는 건 이 준비 과정인데, 이게 중요한 이유는 주로 이거예요. 신중한 프롬프트가 가장 필요한 바로 그 순간에, 당신은 그걸 만들어낼 여유가 가장 없거든요.

휴대폰이 이미 해주는 것

Apple Intelligence 글쓰기 도구는 선택한 텍스트를 다시 써주고 친근하게, 전문적으로, 간결하게 세 가지를 제안해요. 더 구체적으로 바꾸고 싶으면 “어떻게 바꿀지 설명하기” 입력창도 있고요⁹. Google의 Magic Compose는 지원되는 기기의 Google Messages 안에서 답장을 제안하고 초안을 여러 스타일로 다시 써줘요¹⁰. Samsung의 Writing Assist는 지원되는 Galaxy 폰에서 글을 생성하고, 문체를 바꾸고, 맞춤법과 문법을 확인해줘요¹¹. Grammarly는 감지 쪽으로 가장 멀리 가 있는데, 어조 체커가 단어 선택, 표현, 구두점, 대소문자를 분석한다고 밝혀요¹².

이 모든 도구는 당신이 원하는 걸 이미 알고 있을 때 좋아요. “이거 너무 격식 있으니까 좀 캐주얼하게”는 이미 해결된 문제고, 이미 갖고 있는 기기에서 무료예요.

더 어려운 버전은 “이게 뭐가 문제인지 모르겠는데, 이 정도면 괜찮은 걸까” 하는 질문이에요. 바로 이 질문에서 확인하는 일과 바꾸는 일이 서로 다른 작업이 돼요.

Subtext가 체크를 하는 방식

Subtext는 지금 쓰고 있는 메시지에서 출발해서, 뭘 바꿀지 결정하기 전에 그게 어떻게 가닿을 수 있는지 보여줘요. 처음부터 쓸 수도 있고, 초안을 붙여넣을 수도 있고, 맥락을 위해 대화 스크린샷을 더할 수도 있어요.

분석은 초안의 어조와 명확함을 읽고, 불명확하거나, 거칠거나, 수동적이거나, 오해하기 쉽게 읽힐 수 있는 표현을 짚어줘요. 거기서부터 대안 표현을 고를 수도 있고, 더 짧게, 더 따뜻하게, 더 캐주얼하게, 자신감 추가를 탭할 수도 있는데, 그러면 당신의 말투는 유지한 채로 다시 써줘요¹³.

스크린샷은 다른 일을 해요. 답장이 그 대화에 맞도록 맥락을 제공하는 거예요. 이 부분은 정확하게 짚어둘 가치가 있어요. 트리거와 감정 분석은 당신 자신의 초안에 대해서만 돌아가요. 상대가 보낸 걸 찍은 스크린샷은 당신의 답장을 위한 맥락이지, 상대가 마음속으로 뭘 느끼는지에 대한 증거가 아니에요. 이 도구를 포함해서 어떤 도구도 스크린샷만으로 그걸 입증할 수는 없어요.

제가 신경 쓰는 건 이 순서예요. 초안을 읽어요. 의도한 것과 다르게 가닿을 수 있는 부분을 봐요. 그다음에 뭘 바꿔야 할지 정해요. 가끔은 그 유용한 결과가, 메시지가 이미 괜찮았다는 것일 때도 있어요.

Subtext는 무료로 시작할 수 있고, iPhone과 Android에서 써요.

이 중 어느 것도 잡아내지 못하는 것

세 가지 한계가 있는데, 위의 단계들보다 이게 더 중요해요.

체크는 구조적이에요. 사과, 얼버무리는 표현, 재촉, 비난, 자기 위주의 문장을 찾아줘요. 당신이 말하려는 그 내용이 맞는지, 공정한지, 할 가치가 있는지에 대해서는 아무 의견이 없어요. 표현이 아무리 잘 다듬어져도, 정말 중요한 방식으로는 얼마든지 틀린 메시지일 수 있어요.

받는 사람은 자기만의 날씨를 데려와요. 2025년의 사전등록된 51쌍 커플 연구¹⁴는 사람들이 지금 자기 기분을 상대의 메시지에 어느 정도 얹어서 읽는다는 걸 발견했어요. 당신의 초안 안에 있는 그 무엇도 그걸 통제할 수 없어요.

그리고 체크는 문제가 표현이라고 가정해요. 가끔은 아닐 때도 있어요. 같은 메시지를 아홉 번째 고쳐 쓰고 있거나, 상대가 짜증 났는지 알아보려고 후속 메시지를 세 개나 보내고 있다면, 이제 힘든 건 표현이 아니에요. 메시지 불안에 대한 연구와 애매한 메시지에서 분노를 읽어내는 것에 대한 연구는 따로 글을 쓴 적이 있는데, 둘 다 더 나은 초안보다 훨씬 쓸모 있어요. 그게 하루하루를 흔들 만큼 계속된다면, 앱을 만드는 사람이 쓴 글보다 의사나 상담사가 더 나은 자원이에요.

자주 묻는 질문

AI 메시지 체커가 뭔가요? 이미 써놓은 메시지를 분석해서, 보내기 전에 그 표현이 어떻게 가닿을 수 있는지 보여주는 도구예요. 도구에 따라 어조, 명확함, 격식, 애매함, 오해받기 쉬운 표현까지 다룰 수 있어요. 그다음에 다시 써주는 기능이 있는 도구도 있고요.

AI가 내 메시지가 무례하게 들리는지 알 수 있나요? 직설적이거나, 무시하는 것처럼, 혹은 비난하는 것처럼 합리적으로 읽힐 수 있는 표현을 찾아낼 수는 있어요. 특정한 그 사람이 무례하다고 느낄 거라고 보장할 수는 없고요. 쓸 만한 체커는 라벨 하나를 던져주는 대신, 그 해석을 만들어낸 구체적인 표현을 짚어줘요.

메시지 체커와 어조 체커는 같은 건가요? 겹치는 부분이 있어요. 어조 체커는 대개 격식 있음, 자신감 있음, 비난조 같은 글의 성질에 이름을 붙여요. 메시지 체커는 명확함, 구체적인 표현, 대화 맥락까지도 함께 볼 수 있고요.

AI가 문자만 보고 그 사람이 어떻게 느끼는지 알 수 있나요? 언어를 분석해서 그럴듯한 해석을 내놓을 수는 있어요. 문자 하나만으로는 쓴 사람의 사적인 감정 상태가 입증되지 않고, 그 사람이 실제로 뭘 느끼는지에 대한 자신 있는 주장은 그 단어들이 뒷받침하는 범위를 넘어서요.

메시지 체커와 AI 문자 앱은 뭐가 다른가요? “AI 문자 앱”은 데이팅 답장 생성기, 글쓰기 키보드, 챗봇, 자동 답장 도구까지 아우르는 넓은 말이에요. 메시지 체커는 더 좁은 일을 해요. 이미 써놓은 걸 보내기 전에 분석하는 거예요.

---

제가 어떤 연구를 잘못 읽었다고 생각되시거나, 제가 놓친 연구를 알고 계시다면 LinkedIn으로 알려주세요.

Samet Durgun은 Subtext의 공동 창업자예요. 메시지에 담긴 감정의 어조를 잡아내서 당신다운 말투로 다시 써주는 앱을 만들어요. 베를린에 살아요.

출처

위의 링크는 1차 출처가 있는 경우 모두 그쪽으로 연결되고, 등장한 순서대로 번호를 매겼어요. 어떤 단계가 근거가 아니라 추론에 기대고 있을 때는, 근처 연구의 권위를 빌려오는 대신 이 글이 그렇다고 밝혀요. 인용문은 원문 그대로예요.

1. Kruger, J., Epley, N., Parker, J., & Ng, Z.-W. (2005). Egocentrism over e-mail: Can we communicate as well as we think? Journal of Personality and Social Psychology, 89(6), 925-936. 실험 다섯 편이에요. 연구 1은 N = 12, 연구 2는 N = 60, 연구 3은 154쌍으로 N = 308, 연구 4는 N = 54, 연구 5는 N = 58이에요. University of Illinois Board of Trustees와 NSF grant SES-0241544의 지원을 받았어요. 널리 인용되는 56%라는 수치는 본문의 숫자가 아니라 연구 2의 Figure 1을 읽어낸 값이에요. doi.org
2. Holtgraves, T. (2022). Implicit communication of emotions via written text messages. Computers in Human Behavior Reports, 7, 100219. N = 136, N = 167. doi.org
3. Byron, K. (2008). Carrying too heavy a load? The communication and miscommunication of emotion by email. Academy of Management Review, 33(2), 309-327. 이론 논문으로, 표본은 없어요. doi.org
4. Freedman, G., Burgoon, E. M., Ferrell, J. D., Pennebaker, J. W., & Beer, J. S. (2017). When Saying Sorry May Not Help: The Impact of Apologies on Social Rejections. Frontiers in Psychology, 8, 1375. 합산 N은 약 1,880명이고, 발견은 거절 상황에 한정돼요. doi.org
5. Givi, J., Kirk, C. P., Grossman, D. M., & Sedikides, C. (2025). Maybe don’t say “maybe”: How and why invitees fail to realize that they should not respond to invitations with a “maybe”. Journal of Experimental Social Psychology, 121, 104814. 실험 여섯 편, 그중 다섯 편은 사전등록됐어요. 발견은 초대 상황에 한정돼요. doi.org
6. Lew, Z., Walther, J. B., Pang, A., & Shin, W. (2018). Interactivity in Online Chat: Conversational Contingency and Response Latency in Computer-Mediated Communication. Journal of Computer-Mediated Communication, 23(4), 201-221. N = 131, 2×2 피험자 간 설계예요. doi.org
7. Sillars, A., & Zorn, T. E. (2021). Hypernegative Interpretation of Negatively Perceived Email at Work. Management Communication Quarterly, 35(2), 171-200. doi.org
8. Kingsbury, M., & Coplan, R. J. (2016). RU mad @ me? Social anxiety and interpretation of ambiguous text messages. Computers in Human Behavior, 54, 368-379. N = 215, N = 353. doi.org
9. Apple 고객지원. Use Writing Tools with Apple Intelligence on iPhone. support.apple.com
10. Google Messages 고객지원. Draft messages with Magic Compose. support.google.com
11. Samsung 고객지원. Use Writing Assist on Galaxy phones and tablets. samsung.com
12. Grammarly. Writing Tone Detector and Tone Suggestions. grammarly.com
13. Subtext. subtext.it, 2026년 8월 기준으로 확인했어요.
14. Steinebach, P., Stein, M., & Schnell, K. (2025). Messenger-based assessment of empathic accuracy in couples’ smartphone communication. BMC Psychology, 13, 147. 커플 51쌍, N = 102. 모집 인원이 사전등록된 목표에 못 미쳤어요. doi.org