글쓰기용 ChatGPT 대안: 3대 모델이 당신의 말에 하는 일

같은 메시지를 열한 번 고쳐 쓰는 사람을 옆에서 본 적이 있어요. 지웠다가. 다시 쓰고. 소리 내서 읽어보고. 친구한테 보내서 한번 봐달라고 하고. 그러고는 아무 말도 안 하는 거나 다름없는, 짧게 줄인 버전을 보내죠.

그러다 어느 순간, 대부분은 그걸 ChatGPT에 붙여넣어요.

돌아오는 건 대개 더 나아요. 문법은 깔끔해지고, 문장은 단단해지고, 늘어지던 부분은 사라져요. 그리고 대개 더 이상 그 사람의 말이 아니게 되죠. 새벽 한 시에 불안한 사람이 쓴 문장이, 화요일 오전 열 시에 유능한 낯선 사람이 쓴 문장으로 바뀌어요. 받는 쪽은 그 차이를 콕 집어 말하지는 못해도 느껴요.

저는 이 분야에서 앱을 만들고 있어요. 그러니 편향은 기본값이고, 나머지도 그걸 감안하고 읽어주셨으면 해요. 설득하는 글보다는 쓸모 있는 글이고 싶어서, 이 글의 대부분은 3대 어시스턴트가 실제로 잘하는 일에 대한 이야기예요. 그다음에 글이 사적인 영역으로 넘어가는 순간 이들이 무너지는, 꽤 잘 기록되어 있는 구체적인 방식들을 다뤄요.

잘하는 것부터 이야기해요

메시지를 문법에 맞게, 더 짧게, 더 분명하게, 혹은 다른 언어로 바꾸고 싶다면 셋 다 훌륭하고, 그냥 쓰시면 돼요. 잘못 이어 붙인 문장을 바로잡고, 본론 앞에 붙은 헛기침 같은 도입부를 잘라내고, 늘어지는 문단을 깔끔한 세 문장으로 만들고, 시키는 대로 격식을 바꿔줘요. ChatGPT의 Canvas는 새로 뽑아낸 텍스트 덩어리 대신, 원문과 나란히 놓고 고칠 수 있는 편집 화면을 줘요.¹ Gemini의 Help me write는 Gmail과 Docs 안에 그대로 들어 있어서, 애초에 도구를 열기까지의 번거로움을 거의 없애줘요. Claude의 프로젝트는 스타일 가이드와 참고 문서 묶음을 세션이 바뀌어도 붙들고 있고요.

누구의 심기도 건드리지 않고 정확하기만 하면 되는 업무 이메일이라면, 그게 일의 전부예요. 여기서 그만 읽으셔도 돼요.

나머지는 다른 종류의 메시지에 대한 이야기예요. 사과. 몇 주째 미루고 있는 선 긋기. 엄마한테 보낼 답장. 예전에 사귀던 사람에게 보내는 문자. 이 부류는 다르게 움직이고, 모델들 사이의 차이가 비로소 의미를 갖기 시작하는 지점이기도 해요.

고쳐 쓰기가 망가뜨릴 수 있는 네 가지

편집 연구에는 표면적 완성도와 수정 충실도를 가르는 유용한 선이 있어요. 메시지는 매끄러워지면서 동시에 나빠질 수 있어요. 매끄럽게 다듬는 과정이 정작 일을 하고 있던 부분을 걷어내니까요. “그렇게 볼 수도 있죠”를 “그 사람은 강하게 반대했어요”로 바꾸면 훨씬 분명해지지만, 그만큼 덜 사실이에요.

수정이 건드리면 안 되는 건 대략 네 가지예요.

이 글 아래쪽에 나오는 모든 불만은 저 넷 중 하나가 무너진 경우예요. 문법 도구는 첫 번째만 본다는 점, 그리고 AI가 고쳐 쓴 글을 평가하는 사람 대부분도 첫 번째만 알아챈다는 점은 짚어둘 만해요.

ChatGPT: 분위기는 읽는데, 시키지 않은 데까지 손대요

대화문에 관해서라면 ChatGPT가 셋 중 감정적으로 가장 감이 좋아요. 두 사람이 아픈 이야기를 피해 가면서 시시한 얘기를 나누는 장면을 주면, 보통 그 아픈 부분을 말하지 않은 채로 남겨둬요. 결과물의 리듬도 자연스럽고, 쓰인 글 아래에 깔린 감정의 흐름을 잘 잡아내요.

고질적인 문제는 편집자 자리에 가만히 앉아 있지 않는다는 거예요. 편집 방식에 대해 이야기하는 사용자들은 늘 같은 불만에 도착해요. 아무도 손대라고 하지 않은 부분까지 고쳐 쓴다는 것.

“요청한 수정이랑 아무 상관도 없는 문장까지 ChatGPT는 굳이 다시 쓰고 싶어 하는 것 같아요.”

ChatGPT 편집 방식에 대한 사용자 후기²

메시지에서 문제가 되는 파급 효과는 둘이에요. 첫째, 구체성을 걷어내요. 그 사과를 당신의 사과로 만들어주던 문장, 예를 들면 “네가 밖에서 사십 분을 서 있었던 거 알아” 같은 말이 “기다리게 해서 미안해”로 뭉개져요. 소설 쓰는 사람들은 같은 본능의 더 심한 버전을 이야기해요. 문장을 다듬어달라며 삼천 단어를 넘겼는데, 길이는 유지해달라고 분명히 말했는데도 절반이 안 되는 분량으로 돌아왔다는 거죠.³

둘째, 두루뭉술한 톤 지시는 조정이 아니라 극단적인 널뛰기를 만들어내요.

“되게 딱딱한 말투로 돌아올 때가 많아요. 덜 격식 있게 해달라고 하면 완전 편한 말투까지 끝까지 가버리고요.”

톤 조절에 대한 사용자 후기⁴

그리고 자기 글을 더 많이 먹인다고 말투 문제가 확실히 풀리지도 않아요. 어떤 작가는 자기가 쓴 글 육천 단어쯤을 참고 자료로 넣었는데도 결과물에서 여전히 “ChatGPT 냄새가 진동했다”고 했어요.⁵

Claude: 시킨 대로 하고, 그다음 당신을 당신에게 설명해요

부탁한 것만 하고 그 이상은 하지 않는 능력에서는 Claude가 셋 중 가장 강해요. 제약을 지키고, 없는 디테일을 지어내지 않고, 인물의 속마음을 잘 다뤄요. 내 초안을 통째로 가져가버리지 않는 모델을 찾는 사람들 입에서 Claude가 반복해서 나오는 이유죠.

딱딱한 비교 근거에 가장 가까운 것도 여기 있어요. 영어, 독일어, 한국어, 중국어에서 화용론적 이해를 측정한 벤치마크 MultiPragEval은 함축과 그라이스식 해석에서 Claude 3 Opus를 GPT-4보다 확실히 앞에 놓았어요. 상대가 문자 그대로 말한 것이 아니라 무엇을 의미했는지를 알아내는 데 더 나았다는 걸 학술적으로 표현한 거예요.⁶ 단서 두 개. 이 벤치마크는 해석을 테스트하지, 편집을 테스트하지 않아요. 그리고 여기 쓰인 모델들은 이제 몇 세대나 지난 것들이라, 현재의 순위표라기보다 계열의 경향을 가리킨다고 보는 게 맞아요.

Claude가 무너지는 방식은 ChatGPT와 정반대예요. 속뜻을 이해하고, 그걸 그대로 받아 적어요. 소설 쓰는 사람들은 이걸 설명 과잉이라고 불러요. 암시로 두어야 할 것을 모델이 진술로 바꿔버리는 거죠. “둘 사이의 침묵은 말하지 못한 세월의 무게를 지고 있었다” 같은 문장으로요. 문자 메시지에서는 이게 상담실 말투로 나타나요.

실제 출력이 아니라 이해를 돕기 위한 예시예요

나 화난 거 아니야, 그냥 답장이 없길래

당신이 쓴 문장. 일부러 축소해서 말한 거고, 그게 핵심이에요.

답장이 늦어지는 동안 제가 조금 서운함을 느꼈다는 걸 전하고 싶어요. 그리고 그건 제가 우리 관계를 정말 소중하게 여기는 마음에서 비롯된 것 같아요.

속뜻이 그대로 본문이 됐어요. 차분하고, 조리 있고, 당신이 굳이 말하지 않기로 한 바로 그것을 말해버려요.

미리 대비해둘 만큼 자주 나오는 Claude 패턴이 둘 더 있어요. 제약을 걸지 않으면 꾸며요. 어떤 사용자는 “문체가 확실히 좋아지긴 하는데” 결과물을 “과장되게” 만들 수도 있다고 표현했어요.⁷ 그리고 칭찬에 후해서, 비판을 칭찬 사이에 끼워 넣어요.⁸ 두 번째는 내 메시지가 나쁘게 읽히는지 아닌지에 대한 냉정한 판단이 필요할 때 진짜 문제가 돼요.

Gemini: 이미 당신이 있는 곳에 있지만, 말을 아끼는 데는 서툴러요

Gemini의 강점은 위치예요. Gmail에 있고, Docs에 있고, 많은 안드로이드 폰에서 기본 어시스턴트고, 무료로 쓸 수 있는 양도 넉넉해요. 글을 자꾸 줄이는 ChatGPT의 버릇도 없고, 다루기 껄끄러운 내용에 대고 훈계하는 일도 덜해요.

글쓰기 품질에 대한 평가는 진짜로 갈려요. 이건 적당히 뭉개기보다 그대로 말하는 게 맞다고 봐요. 창작 비평과 뉘앙스에서는 셋 중 최고라고 보는 숙련된 작가들이 있어요. 반대로 절대 안 버리는 특유의 문체가 있다고 느끼는 사람들도 있고요.

“저한테 걸리는 건 문체예요. 딱 레딧 유저처럼 써요.”

Gemini의 기본 문체에 대한 사용자 후기⁹

개인적인 메시지에서 가장 문제가 되는 패턴은 Gemini에게 서사적 절제가 거의 없다는 거예요. 감춰둔 게 있으면 기어이 다 꺼내놔요. 소설가들은 이걸 두고, 숨겨져 있어야 할 디테일 위에 번쩍거리는 네온사인을 걸어놓는다고 표현해요. 메시지에서는, 당신이 조심스럽게 돌아가고 있던 그 얘기가 두 번째 문장에 떡하니 등장한다는 뜻이에요.

셋 모두가 가진 문제

하나: 당신 편을 들어줘요

이게 제일 중요하고, 기록도 가장 잘 되어 있는 문제예요.

2025년 4월 OpenAI는 ChatGPT를 눈에 띄게 아부하게 만드는 업데이트를 내보냈다가 나흘 만에 되돌렸어요. 자체 발표문에서는 모델이 “지나치게 지지적이지만 진심은 아닌 응답 쪽으로 기울었다”고 했고, 원인을 단기적인 사용자 만족에 과도한 가중치를 둔 데서 찾았어요.¹⁰ 며칠 뒤에 나온 후속 글은 검수 과정이 무엇을 놓쳤는지 더 자세히 다뤘고요.¹¹

그 밑에 깔린 메커니즘은 OpenAI만의 것이 아니에요. 프런티어 어시스턴트 다섯 종을 살펴본 연구는, 사람의 선호 데이터로 학습한 모델이 “사용자의 믿음에 맞추기 위해 진실성을 자주 희생한다”는 걸 발견했어요. 보상을 받는 쪽이 동의니까요.¹²

이제 사람들이 이 도구에 실제로 뭘 묻는지 생각해봐요. 메시지를 붙여넣고 문법을 봐달라고 하는 사람은 거의 없어요. 다들 “이거 너무 세게 들려?” 아니면 “내가 예민한 건가?”의 어떤 버전을 물어요. 그 질문이, 당신은 괜찮다고 말해주는 쪽으로 구조적으로 기울어 있는 시스템에 도착하는 거예요.

범용 어시스턴트는 더 잘 먹히는 죄책감 유발 메시지를 쓰도록 도와줘요. 당신이 지금 죄책감을 자극하고 있다는 말은 하지 않고요.

당신은 다른 시각을 원했는데, 받은 건 문장부호가 더 정확한 동조자였어요.

둘: 일부러 그렇게 쓴 걸 평범하게 만들어요

셋 다 불완전한 문장, 반복, 특이한 문장부호, 말 흐리기, 사투리를 고쳐요. 그게 의도한 선택이었을 때도요. “말투를 살려줘”라고 부탁해도 해결되지 않아요. 어떤 어색함이 당신의 것이고 어떤 게 실수인지 모델은 알 방법이 없거든요.

이것과 이어지면서 더 알아채기 어려운 게 의미 부풀리기예요. 모델은 “나 못 갈 수도 있어”를 “나 못 가”로, “너 좀 안 좋아 보였어”를 “너 화났었잖아”로 바꿔요. 고칠 때마다 더 확신에 차서 읽히고, 그만큼 덜 정확해져요. 관계에 대한 메시지에서는 정도를 정확하게 맞추는 게 내용의 대부분이고요.

셋: 사람들이 알아보는 특유의 말투로 써요

모델마다 말버릇이 있어요. 작가들이 한동안 그걸 목록으로 정리해왔는데, 한 번 보이기 시작하면 멈출 수가 없어요.

단어 목록 뒤에는 더 큰 걱정이 있어요. AI를 끼고 쓴 글에 대한 연구들은 모델이 개입하면 서로 다른 작가들이 같은 지배적 패턴 쪽으로 밀려간다는 걸 발견했어요. 이 도구를 많이 쓸수록 모두의 글이 한곳으로 수렴한다는 뜻이죠.¹³ 누가 봐도 당신에게서 온 것이어야 한다는 게 존재 이유의 전부인 메시지에게는, 완전히 반대 방향이에요.

넷: 받는 사람이 알아챌 수 있고, 그 대가는 당신이 치러요

사람들이 가장 과소평가하는 부분이에요. AI 매개 커뮤니케이션이라고 불리는 연구 분야가 있는데, 핵심 발견이 좀 불편해요. 사람들은 AI가 쓴 글을 제대로 못 알아보고¹⁴, 알아보려고 할 때는 엉뚱한 단서에 기대요. 그런데 어떤 글이 AI가 쓴 거라고 믿으면, 쓴 사람을 덜 신뢰해요.¹⁵

그러니까 뻔한 고쳐 쓰기의 위험은 그저 그런 메시지가 나오는 것만이 아니에요. 진심이 내용의 전부인 바로 그 순간에, 진심이 아닌 것처럼 읽히는 메시지가 되는 거예요. 상대의 AI 감지기를 건드리는 사과는, 당신이 직접 썼을 어설픈 사과보다 더 큰 손해를 남겨요.

다섯: 당신이 누구에게 보내는지 몰라요

모든 대화는 빈 상태에서 시작해요. 괜찮은 초안을 받으려면 십 년짜리 우정을 설명하고, 3월에 무슨 일이 있었는지 설명하고, “괜찮아”라는 말이 왜 둘 사이에서만 특별한 뜻을 갖는지까지 설명해야 해요. 그렇게 하는 사람은 거의 없으니, 모델은 불특정한 수신자를 향해 써요. 관계에 대해 아무것도 모르는 시스템이 내놓는 기본값이 격식이고, 결과물이 그렇게 자주 고객센터 말투처럼 들리는 이유예요.

사람들이 조용히 덧붙이는 부분도 있어요. 싸운 대화 캡처나 이별 문자 초안, 가족 얘기가 담긴 메시지를 범용 챗봇에 붙여넣는 건 코드 디버깅을 부탁하는 것과 느낌이 달라요. 그 찝찝함은 과민한 게 아니에요.

소설가들은 이 문제를 어떻게 했나

이 빈틈이 팔 것을 만들려고 제가 지어낸 게 아니라 진짜라는 걸, 저는 이걸 보고 확신했어요.

소설 쓰는 사람들이 정확히 같은 실패를 먼저, 더 큰 부담과 더 많은 분량으로 겪었어요. 그들의 대응은 모델을 안 쓰는 게 아니었어요. 날것 그대로 쓰지 않는 거였죠. 그 위에 도구 계층이 통째로 생겨났어요. Novelcrafter¹⁶ 같은 환경에서는 금지할 상투어 사전을 직접 만들어두면 글이 생성되는 동안 빨간색으로 표시되고, 드래그한 부분에만 “설명하지 말고 보여주기” 같은 작업을 골라서 돌릴 수 있어요. Sudowrite¹⁷ 역시 요약을 구체적인 감각 묘사로 바꾸는 전용 패스로 비슷한 일을 해요.

진지한 사용자들은 더 나아가서 여러 모델을 이어 붙인 파이프라인을 돌려요. 구조 검토와 속뜻 분석에 한 모델, 엄격한 제약 아래 문장을 다듬는 데 또 한 모델, AI 어휘를 걸러내는 필터링 단계, 그리고 마지막으로 사람이 말투를 되돌려놓는 단계. 연구 문헌도 반대편에서 출발해 같은 구조에 도착해요. 수정에 손대기 전에 해석 단계를 따로 두고, 전면 재작성 대신 구간 단위로 고치고, 요청한 범위 밖의 것이 움직이지 않았는지 검증기가 확인하라고요.¹⁸

챕터 하나 고치는 데 도구 넷과 체크리스트 하나예요. 잘 작동해요. 동시에 뭔가를 말해주죠. 범용 모델은 이 일을 혼자 해내지 못하고, 결과물에 가장 진심인 사람들은 이미 그걸 받아들였다는 것.

이걸 문자 메시지에 대입해봐요. 동생한테 답장하려고 4단계 파이프라인을 돌리는 사람은 없어요. 다듬어진 계층이 필요한 정도는 똑같은데 들일 수 있는 수고는 사실상 0이에요. 이게 진짜 제품 문제예요.

더 정교한 도구는 무엇을 다르게 해야 하나

세 가지고, 그중 어느 것도 “더 잘 쓰기”가 아니에요.

고쳐 쓰기 전에 분석하기. 한 단어라도 건드리기 전에, 그 초안이 무엇을 신호하고 있는지 이름을 붙여요. 쓴 사람이 의도하지 않은 부분까지요. 연구도 같은 방향을 가리켜요. 어떤 대목이 무엇을 함축하는지 먼저 파악하고 그 해석 아래에서 고치는 쪽이, 뭉뚱그린 “이거 좋게 만들어줘” 한 번보다 더 나은 결과를 낸다고요.¹⁹ 이건 아부 문제에 대한 유일한 진짜 답이기도 해요. 진단을 먼저 내놓는 도구는, 당신 편을 들 기회를 잡기 전에 뭐라도 말해야 하니까요.

거리를 감추지 말고 보여주기. 당신이 쓴 것에 가까운 버전과 아예 새로 쓴 버전을 나란히 놓는 쪽이, 잘 다듬은 대체본 하나보다 쓸모 있어요. 뭐가 바뀌었는지 보이고, 그렇게 들려도 괜찮을지 직접 정할 수 있으니까요.

메시지만이 아니라 관계를 기억하기. 이 사람이 당신에게 어떤 사람인지, 이미 뭘 시도해봤는지, 바로 이 관계에서 “괜찮아”가 무슨 뜻인지.

그게 제가 만들고 있는 거예요. 그러니 이 문단은 그렇게 감안하고 읽어주세요. Subtext는 뭔가를 제안하기 전에 당신이 쓴 글의 감정에 먼저 태그를 붙여요. 일부러 성가시게 만든 설계예요. 가장 도움이 되는 순간이 하필 가장 듣기 싫은 순간이거든요.

실제 출력이 아니라 이해를 돕기 위한 예시예요

괜찮아, 바쁜 거 알지. 이제 안 물어볼게

당신이 보낼 문장. 마음을 닫는 것처럼 읽히고, “이제 안 물어볼게”는 사과의 옷을 입은 협박이에요.

안녕, 요즘 많이 바쁜 거 충분히 이해해. 오늘 밤은 전혀 신경 쓰지 않아도 돼. 편할 때 알려주면 그때 맞춰서 다시 잡아보자.

뻔한 고쳐 쓰기예요. 문법에 맞고, 상냥하고, 당신이 서운하다는 사실을 지워버렸어요. 원문에 담긴 정보는 그것뿐이었는데요.

괜찮아. 근데 좀 서운하긴 해, 이번이 세 번째잖아. 아무렇지 않은 척하느니 그냥 말하는 게 나을 것 같아서.

같은 말투, 같은 길이, 서운함은 남기고 협박은 뺐어요.

그래도 제가 ChatGPT를 여는 순간

긴 문서. 업무 이메일. 누가 봐도 나다운 것보다 정확한 게 더 중요한 모든 것. 자료 조사, 초고, 번역, 그리고 도무지 시작이 안 될 때 빈 화면에 일단 글자를 채워주는 그 특유의 자비.

그리고 제 주장에 불리한 사실 하나. 빼기보다 넣는 쪽을 택할게요. 공개 포럼에 올라온 의료 질문을 다룬 연구에서, 평가자들은 비교의 78.6%에서 의사의 답변보다 챗봇의 답변을 선호했고, 챗봇의 응답을 공감적이거나 매우 공감적이라고 평가한 비율은 거의 열 배에 달했어요.²⁰ 이 모델들은 따뜻하게 읽히는 글을 만들어낼 수 있어요. 그 능력은 진짜예요.

이들이 하지 않는 건, 당신의 메시지가 최후통첩처럼 읽힌다고 말해주는 거예요. 대신 그 최후통첩이 더 매끄럽게 흐르도록 다듬어주고, 감정에 참 솔직하시다고 칭찬해줄 거예요. 그 빈틈은 좁고, 사실상 일의 대부분이에요.

모델 버전에 대한 참고. 위의 모든 내용은 각 모델 계열에서 여러 세대에 걸쳐 유지된 행동을 다뤄요. 그래서 특정 버전을 콕 집어 부르는 건 대체로 피했고요. 이 시스템들은 몇 달마다 바뀌고, 주장을 릴리스 번호 하나에 못 박은 글은 겨울이 오기 전에 틀린 글이 돼요.

---

제가 당신이 아끼는 모델에게 부당했다고 생각하시나요? LinkedIn에서 말씀해주세요.

Samet Durgun은 메시지의 감정적인 어조를 잡아내 당신의 말투 그대로 다시 써주는 앱 Subtext의 공동 창업자예요. 베를린에 살고 있어요.

---

출처

위의 모든 링크는 1차 출처가 있는 경우 그곳으로 연결돼요.

1. OpenAI, “Introducing Canvas,” 2024년 10월 3일. openai.com
2. ChatGPT의 편집 범위에 대한 사용자 코멘트. 공개 포럼과 후기에서 모은 것.
3. 문장 다듬기 과정에서 일어나는 분량 축소에 대해, 소설 창작 커뮤니티에서 모은 보고들.
4. 톤 지시 민감도에 대한 사용자 코멘트. 같은 출처.
5. 긴 글 샘플을 이용한 문체 모방에 대한 사용자 코멘트. 같은 출처.
6. Park et al., “MultiPragEval: Multilingual Pragmatic Evaluation of Large Language Models,” 2024. 그라이스 범주 전반에 걸쳐 영어, 독일어, 한국어, 중국어를 테스트했고, Gemini는 당시 API 접근 문제로 제외됨.
7. Claude의 문장 꾸밈에 대한 사용자 코멘트. 같은 출처.
8. Claude의 편집 피드백 방식에 대한 사용자 코멘트들. 같은 출처.
9. Gemini의 기본 문체에 대한 사용자 코멘트. 같은 출처.
10. OpenAI, “Sycophancy in GPT-4o: what happened and what we’re doing about it,” 2025년 4월 29일. openai.com
11. OpenAI, “Expanding on what we missed with sycophancy,” 2025년 5월 2일. openai.com
12. Sharma et al., “Towards Understanding Sycophancy in Language Models,” Anthropic, arXiv:2310.13548, 2023년 10월. arxiv.org
13. AI를 활용한 글쓰기의 문체 동질화에 대한 연구. Padmakumar and He, “Does Writing with Language Models Reduce Content Diversity?”, ICLR 2024, 그리고 Doshi and Hauser, “Generative AI enhances individual creativity but reduces the collective diversity of novel content,” Science Advances, 2024 포함.
14. Jakesch, Hancock and Naaman, “Human heuristics for AI-generated language are flawed,” PNAS, 2023. pnas.org
15. Jakesch, French, Ma, Hancock and Naaman, “AI-Mediated Communication: How the Perception that Profile Text was Written by AI Affects Trustworthiness,” CHI 2019. Hancock, Naaman and Levy, “AI-Mediated Communication: Definition, Research Agenda, and Ethical Considerations,” Journal of Computer-Mediated Communication, 2020도 함께 참고.
16. Novelcrafter, Codex 및 텍스트 치환 프롬프트 기능. novelcrafter.com
17. Sudowrite, “Show, Don’t Tell” 및 Describe 기능. sudowrite.com
18. 구간 단위 편집과 불변성 검증을 포함해, 제약 있는 수정 시스템을 위해 공개적으로 논의되어 온 프로덕션 아키텍처 방식들을 종합한 것.
19. 함축을 고려한 프롬프팅에 대한 연구. 생성 전에 잠재된 의도를 명시하면 결과물의 적합성과 품질이 개선된다는 것을 발견함.
20. Ayers et al., “Comparing Physician and Artificial Intelligence Chatbot Responses to Patient Questions Posted to a Public Social Media Forum,” JAMA Internal Medicine, 2023년 4월 28일. 585건의 평가. 비교의 78.6%에서 챗봇 응답이 선호됐고, 공감적이거나 매우 공감적이라고 평가된 비율은 의사 응답의 9.8배였음. jamanetwork.com