AI를 쓰면 문자가 로봇처럼 들릴까? 연구로 본 답

대체로 그래요. 그리고 왜 그런지에 대한 제대로 된 연구가 처음으로 나왔어요. AI 모델이 메시지를 고쳐 쓰면 뜻은 대부분 살아남아요. 말하는 방식은 그렇지 않고요. 영어 글이라면 “I’m” 같은 축약형이 사라지고, “I”가 덜 나오고, 당신 특유의 리듬을 만드는 작은 단어들이 말끔히 정리돼서, 돌아온 글은 누구에게나 보낼 수 있는 글처럼 읽혀요.

저는 바로 이 문제를 중심으로 만든 앱, Subtext를 공동 창업했으니, 제가 Subtext에 대해 하는 말은 그 점을 감안해서 들어주세요. 제가 드릴 수 있는 건 연구들을 제대로 살펴봤다는 것, 그리고 하나하나 링크를 걸어뒀으니 직접 확인할 수 있다는 거예요. 이 글은 그 연구들이 보여주는 것과 보여주지 않는 것, 그리고 저희 앱을 쓰든 ChatGPT에 초안을 붙여넣든 당신이 할 수 있는 일을 다뤄요.

AI가 고쳐 쓰면 메시지에 무슨 일이 일어날까요

지금까지 가장 큰 연구는 2026년 8월 Nature Human Behaviour에 실렸어요. 연구진은 88만 건이 넘는 글을 살펴봤는데, 같은 글을 “다듬어줘”, “더 분명하게 해줘”, “더 자연스럽게 해줘” 같은 프롬프트로 여러 AI 모델에 돌린 통제 실험도 포함돼 있어요. 핵심 내용은 그대로였어요. 사람들이 글을 쓰는 방식의 다양성은 그렇지 않았고요. 데이터셋과 모델 전반에서 글의 복잡도 분포는 21에서 50퍼센트 좁아졌고, 글을 보고 쓴 사람의 성별, 나이, 정치 성향, 가치관을 추측하는 분류기는 고쳐 쓴 글에서 눈에 띄게 성능이 떨어졌어요. 그 오류는 다수 집단의 프로필 쪽으로 기울었고요 (The shrinking landscape of linguistic diversity in the age of large language models)¹.

그 연구의 고쳐 쓰기 실험에는 Reddit 게시물과 학술 초록이 쓰였어요. 아직 프리프린트인 2026년의 더 작은 연구는 문자 메시지에 좀 더 가까운 걸 살펴봤어요. 개인적인 이야기 300편을 주요 모델 세 개가 각각 고쳐 썼어요. 패턴은 매번 같았어요. 축약형이 줄고, 1인칭 대명사가 줄고, 작은 기능어가 줄었어요. 단어는 길어지고 문장부호는 화려해졌어요. 지시가 “이걸 개선해줘”든 그냥 “다시 써줘”든 상관없었어요. 모델에게 쓴 사람의 목소리를 지키라고 하면 효과가 약 3분의 1 줄었지만, 방향은 한 번도 바뀌지 않았어요. 그리고 모델은 자기가 더하고 싶은 걸 참는 것보다 자기가 빼고 싶은 걸 지키는 데 더 서툴렀어요 (Voice Under Revision: Large Language Models and the Normalization of Personal Narrative)².

반대 방향을 가리키는 발견도 두 가지 있는데, 이것도 중요해요. ChatGPT 이전과 이후의 뉴스 기사를 비교한 2025년 연구는 AI 특유의 단어가 늘었지만, 그 연구가 쓴 지표로는 어휘 다양성이 측정될 만큼 줄지 않았다는 걸 발견했어요. 그러니 이 효과는 통제된 고쳐 쓰기에서 가장 분명하고, 실제로 쓰이는 글에서는 덜 분명해요 (Testing English News Articles for Lexical Homogenization Due to Widespread Use of Large Language Models)³. 그리고 함께 쓰기에 관한 동료 심사 실험은, 에세이들이 서로 비슷해졌을 때 그 비슷함이 모델이 끼워 넣은 글에서 나왔다는 걸 발견했어요. 쓴 사람들이 직접 쓴 부분은 이전만큼 다양하게 남아 있었어요 (Does Writing with Language Models Reduce Content Diversity?)⁴.

쓸모 있는 건 두 번째 발견이에요. 문제는 당신의 문장을 조금 손보는 데서가 아니라, 문장을 통째로 갈아치우는 데서 생겨요.

뜻은 살아남는데 목소리는 사라지는 이유

글쓰기 스타일을 연구하는 사람들은 두 가지를 따로 봐요. 하나는 메시지가 무엇을 말하는지예요. 다른 하나는 어떻게 말하는지이고, 이 “어떻게”는 아주 평범한 재료로 이루어져 있어요. 손이 먼저 가는 일상적인 단어, 문장 길이와 그 들쭉날쭉함, 문장부호 습관, “좀”이나 “솔직히” 같은 완충어, 영어라면 “I’m”과 “I am” 중 어느 쪽을 쓰는지, 은어, 이모지, 문장 중간에 다른 언어로 넘어가는 것까지요. 2021년의 온라인 글쓰기 연구는 이런 습관이 꽤 일관돼서, 수만 명의 글로 학습한 모델이 짧은 게시물 두 개만 보고도 같은 사람이 썼는지 대개 알아맞힐 수 있다는 걸 발견했어요 (Idiosyncratic but not Arbitrary: Learning Idiolects in Online Registers Reveals Distinctive yet Consistent Individual Styles)⁵.

뜻에는 이런 특징이 하나도 필요 없어요. 그래서 고쳐 쓴 글은 뜻을 완벽하게 지키면서도 이 모든 걸 잃을 수 있어요. Nature 연구가 측정한 게 정확히 그거예요. 무엇을 말했는지는 아주 비슷하게 남았고, 어떻게 말했는지의 다양성은 무너졌어요.

그래서 “같은 메시지”와 “같은 목소리”는 서로 다른 두 약속이에요. 대부분의 도구는 첫 번째만 약속하고, 대부분의 사람은 보내기를 누른 뒤에야 두 번째가 빠졌다는 걸 알아채요. 3대 챗봇이 각각 당신의 말에 무슨 일을 하는지는 따로 정리했어요. 이 모든 게 정말 중요한지는 다음 질문에 달려 있어요.

상대가 정말 알아챌까요?

여기서는 증거가 제 예상보다 구체적이에요.

사람들이 기술을 어떻게 쓰는지 연구하는 대표 학회인 CHI에서 발표된 2026년 연구는 연인 관계에서 바로 이걸 검증했어요. 연인에게서 온 메시지를 읽는 704명을 대상으로 한 무작위 실험에서, 연구진은 두 가지를 바꿨어요. AI가 어조만 가볍게 고쳤는지 아니면 메시지 전체를 썼는지, 그리고 보낸 사람이 AI의 도움을 받았다고 밝혔는지예요. AI가 더 많이 쓸수록 메시지는 일관되게 보낸 사람 자신의 것처럼 덜 느껴졌고 진정성도 덜 느껴졌으며, 더 분명하거나 더 매끄럽다고 해서 그게 메워지지는 않았어요. 눈에 띄는 결과는 사과에 관한 거였어요. 가볍게 고친 사과에 보낸 사람이 “어조는 AI 도움을 좀 받았어”라고 말하면, 읽는 사람은 더 진정성 있다고 느꼈고 더 쉽게 용서했어요. 같은 말을 AI가 통째로 쓴 사과에 붙이면 둘 다 떨어졌어요. 보낸 사람 특유의 버릇이 더 많이 담긴 메시지일수록 진정성 점수가 전반적으로 높았어요 (Is It Still You? Attributing Authorship and Authenticity in AI-Assisted Romantic Communication)⁶.

2025년의 두 번째 연구는 그 이유의 일부를 설명해줘요. 399명이 AI의 도움을 받았다고 표시된 메시지를 읽었을 때, 그 표시가 보낸 사람을 나쁘게 보이게 하지는 않았지만, 메시지가 보낸 사람이 어떤 사람인지 보여주는 증거로 여겨지지 않게 됐어요. 도움 없이 쓴 사과는 따뜻하게 읽혔어요. 도움 없이 쓴, 남 탓하는 메시지는 차갑게 읽혔고요. AI 표시를 붙이면 둘 다 중립 쪽으로 움직였어요. 마치 메시지가 그 사람에 대해 아무것도 말해주지 않는 것처럼요 (Explaining the Reputational Risks of AI-Mediated Communication)⁷.

밝히는 데에도 따로 대가가 있어요. 사전등록된 실험 13건에서, AI를 썼다고 말한 사람은 그렇지 않은 사람보다 덜 신뢰받았어요. 채점부터 디자인 작업까지 여러 상황에서요 (The Transparency Dilemma: How AI Disclosure Erodes Trust)⁸. 다만 낯선 사람과 하는 신뢰 게임처럼 감정적으로 중립적인 일회성 상황에서는, AI의 도움은 밝히든 안 밝히든 신뢰에 거의 차이를 만들지 않았어요 (Writing with AI boosts trust-building efficiency)⁹.

함께 놓고 보면 패턴은 일관돼요. 메시지가 개인적일수록 통째로 다시 쓸 때 치르는 대가가 커지고, 당신의 말을 가볍게 손보는 건 더 도움이 될 수 있어요. 특히 사과 연구는 따로 다룰 만해서 문자로 어떻게 사과해야 할까요?라는 글을 한 편 썼어요.

글이 밋밋해지는 영향은 어떤 사람들에게 더 커요

제2언어로 글을 쓰거나 문자할 때 여러 언어를 오간다면, 이미 느껴봤을 거예요.

2025년의 한 실험에서 인도와 미국의 118명이 자기 삶에 대한 짧은 에세이를 썼고, 그중 절반이 조금 넘는 사람은 AI 자동완성을 켠 채로 썼어요. 제안이 켜져 있자 인도 참여자들의 글은 미국 집단의 패턴 쪽으로 흘러갔고, 자기네 음식과 축제를 서구의 시선으로 묘사하기 시작했어요 (AI Suggestions Homogenize Writing Toward Western Styles and Diminish Cultural Nuances)¹⁰.

이건 영어로 진행된 연구 하나이고, 모든 언어를 대변할 수는 없어요. 하지만 원리는 쉽게 짐작할 수 있어요. 모델이 당신의 글에서 가장 “고치고” 싶어 하는 것들, 그러니까 빌려온 단어, 모국어에서 건너온 표현, 터키어나 스페인어로만 말이 되는 부분에서 터키어나 스페인어로 넘어가는 것 같은 게 바로 가장 당신다운 것들이에요.

앱이 내 글쓰기 방식을 배울 수 있을까요?

어느 정도는요. 그리고 그 이상을 말하는 사람은, 저를 포함해서, 의심해봐야 해요.

지금까지 가장 철저한 검증에서는 연구진이 OpenAI, Google, Meta, DeepSeek의 주요 모델에 400명이 넘는 사람의 실제 글 샘플을 주고, 각 사람의 스타일로 새 글을 쓰게 했어요. 예시는 큰 도움이 됐어요. 이메일처럼 형식이 정해진 글에서는, 저자 판별기가 95퍼센트가 넘는 경우에 흉내 낸 글을 그 사람이 진짜로 쓴 글로 받아들였어요. 블로그 게시물처럼 편하게 쓰는 글에서는 속은 비율이 17에서 21퍼센트뿐이었고, 예시를 더 넣어도 그 수치는 거의 움직이지 않았으며, 결과물은 다시 밋밋하고 무난한 어조로 흘러갔어요 (Catch Me If You Can? Not Yet: LLMs Still Struggle to Imitate the Implicit Writing Styles of Everyday Authors)¹¹. 아직 프리프린트인 2026년 4월의 별도 벤치마크는 개인화 방법 네 가지를, 실제 사람이 자기 자신과 얼마나 비슷한지와 비교해 점수를 매겼어요. 모든 방법이 서로 다른 두 사람이 닮은 수준보다도 낮은 점수를 받았어요 (Theory-Grounded Evaluation Exposes the Authorship Gap in LLM Personalization)¹².

그러니 어떤 도구도 당신이 정확히 당신처럼 들릴 거라고 정직하게 약속할 수는 없어요. 도구가 할 수 있는 건 더 좁지만 더 쓸모 있어요. 가능한 한 적게 바꾸고, 당신의 말을 갈아치우는 대신 거기서 출발하고, 무엇을 바꿨는지 보여주고, 결정은 당신에게 맡기는 거예요.

저희는 Subtext를 그렇게 만들었어요. Subtext는 대화와 당신의 초안을 읽고, 뭔가를 고쳐 쓰기 전에 그 메시지가 어떻게 가 닿을 것 같은지, 그리고 당신의 어떤 단어가 그렇게 만드는지 알려줘요. 그다음 버전 세 개를 제시해요. 첫 번째는 당신이 쓴 것에 가깝고, 마지막은 더 많이 바꿔 쓴 버전이에요. 각 버전은 당신의 표현을 얼마나 바꿨는지 알려줘서, 지금 보고 있는 게 다듬은 건지 갈아치운 건지 한눈에 알 수 있어요. 어느 버전이든 더 따뜻하게나 더 짧게로 살짝 조정할 수 있고, 복사하기 전에 직접 편집을 열어 단어를 손수 바꿀 수도 있어요. 기본값은 가볍게 손보는 쪽이에요. 연구를 보면 그래야 읽는 사람에게 닿았을 때 살아남으니까요. 브라우저에서 Subtext 써보기

어떤 도구를 쓰든 내 목소리를 지키는 법

ChatGPT를 포함해 어떤 앱에서든 통하는 방법이에요.

가장 작은 일을 부탁하세요. “맞춤법이랑 오타만 고쳐줘”는 “이거 더 좋게 만들어줘”와 아주 다른 결과를 줘요.
지킬 걸 분명하게 말하세요. 평소 쓰는 줄임말, “나”, 이모지, 욕, 끊긴 문장 같은 거요. 모델은 원래 더했을 걸 참는 것보다 원래 뺐을 걸 지키는 데 더 서투르니까, 콕 집어서 말하세요.
통째로 고쳐 쓴 글을 읽지도 않고 받아들이지 마세요. 초안과 한 줄씩 비교해서 여전히 당신다운 줄만 가져가세요.
감정이 담긴 메시지라면 당신의 초안을 바탕으로 두세요. 연인 간 소통 연구에서, AI가 어조를 가볍게 고친 사과가 AI가 통째로 쓴 사과보다 더 잘 전달됐어요.
보내기 전에 소리 내어 읽어보세요. 그 사람 얼굴을 보고 그 말 그대로 하지 않을 거라면, 보내지 마세요.

같은 확인을 도구가 대신 해주길 원한다면, AI 메시지 체커가 뭘 확인해줄 수 있는지, 그리고 그걸 직접 하는 법에서 하나하나 짚어봤고, 시중의 AI 메시지 리라이터들을 다시 쓰기 전에 진단부터 하는지를 기준으로 비교해뒀어요.

자주 묻는 질문

로봇이 쓴 것처럼 안 들리게 메시지를 바꿔주는 가장 좋은 앱은 뭔가요? 가장 적게 바꾸고, 얼마나 바꿨는지 알려주는 앱이요. 위의 증거를 보면, 당신의 문장을 갈아치우는 도구는 마케팅이 뭐라고 하든 당신의 목소리를 평평하게 만들 거예요. 그러니 초안에 가깝게 머무는 버전, 각 버전이 얼마나 멀어졌는지 알려주는 표시, 그리고 거절할 수 있는 고쳐 쓰기를 찾으세요. 저희는 Subtext를 그렇게 만들었고, 위의 체크리스트는 어떤 앱에서든 통해요.

뻔한 AI 말투 말고 내 말투로 문자를 다시 써주는 앱이 있나요? 어느 정도는요. 지금 어떤 방법도 실제 사람이 자기 자신과 일관된 정도에는 미치지 못하니, “당신의 말투로”는 믿고 쓸 기능이 아니라 시험해볼 주장으로 받아들이세요. 현실적인 버전은 당신의 초안에서 출발하고, 평소 쓰는 줄임말과 완충어, 이모지를 지키고, 각 버전이 당신의 표현에서 얼마나 멀어졌는지 표시해주는 도구예요. 제가 찾을 도구도 그런 거고, Subtext가 하는 일도 그거예요.

메시지를 고쳐 써주면서도 여전히 나처럼 들리게 해주는 앱이 있나요? 저라면 “대부분보다는 가깝지만, 완전히 똑같지는 않다”고 말하겠어요. 위의 연구를 보면 지금의 모든 방법은 실제 사람이 자기 자신과 일관된 정도에 못 미쳐요. 그러니 구별이 안 될 만큼 당신 같은 고쳐 쓰기를 약속하는 앱은 과장하는 거예요. 얻을 수 있는 건 당신의 문장에서 출발하고, 당신의 목소리를 실어 나르는 습관을 지키고, 얼마나 멀어졌는지 알려주는 고쳐 쓰기예요. Subtext는 그렇게 작동하고, 첫 번째 버전은 일부러 당신이 쓴 것에 가장 가깝게 만들어요.

내 말투를 잃지 않고 문자를 더 따뜻하게 쓰려면 어떻게 해야 하나요? 따뜻하게 다시 써달라고 하지 말고, 따뜻함을 당신의 말로 더하세요. 목소리를 지우는 건 통째로 다시 쓰는 거예요. 그 사람이나 그 순간에 대해 구체적인 것 하나를 짚고, 그 주변은 평소 쓰던 표현 그대로 두세요. 도구를 쓴다면, 메시지 전체가 아니라 차갑게 읽히는 줄만 바꿔달라고 하세요.

ChatGPT로 고친 메시지는 왜 이렇게 딱딱해질까요? 유창하고 평균적인 글을 만들도록 학습됐는데, 평균적인 영어는 누구든 실제로 문자하는 방식보다 더 격식 있기 때문이에요. 아무도 격식을 요구하지 않았는데도, 고쳐 쓴 글은 더 긴 단어, 풀어 쓴 축약형, 더 적은 1인칭 대명사 쪽으로 가요. 편한 말투를 원한다면 편하게 써달라고 요청해야 하고, 그대로 두길 바라는 부분을 구체적으로 짚어줘야 해요.

AI로 메시지를 썼다고 상대에게 말해야 할까요? AI가 얼마나 했는지에 달려 있어요. 연인 간 소통 연구에서, 사과의 어조를 가볍게 고쳤다고 밝히면 더 잘 전달됐어요. AI가 통째로 썼다고 밝히면 더 안 좋게 전달됐고요. 말은 당신 것이고 AI가 정리만 했다면, 그렇다고 말해도 괜찮고 오히려 도움이 될 수도 있어요. AI가 썼다면, 정직한 방법은 먼저 직접 다시 쓰는 거예요.

한국어로 문자할 때도 마찬가지인가요? 연구 대부분이 영어로 진행돼서 확실하게 말할 수는 없어요. 문화 간 비교 연구 하나는 AI 제안이 쓰는 사람을 미국식 패턴 쪽으로 끌어당긴다는 걸 발견했어요. 다른 언어로 쓰거나 여러 언어를 오간다면, 가장 안전한 습관은 어떤 단어와 표현은 건드리지 말라고 도구에 분명히 말해두는 거예요.

출처

위의 모든 링크는 1차 출처로 연결되고, 등장한 순서대로 번호를 매겼어요. 프리프린트는 그렇다고 표시했으니, 동료 심사를 거치기 전까지는 그 결과를 잠정적인 것으로 봐주세요.

Sourati, Z., Karimi-Malekabadi, F., Ozcan, M., McDaniel, C., Ziabari, A., Trager, J., Tak, A. N., Chen, M., Morstatter, F. and Dehghani, M. (2026). The shrinking landscape of linguistic diversity in the age of large language models. Nature Human Behaviour.
van Nuenen, T. (2026). Voice Under Revision: Large Language Models and the Normalization of Personal Narrative. arXiv preprint 2604.22142.
Fitterer, S., Gangl, D. and Ulbrich, J. (2025). Testing English News Articles for Lexical Homogenization Due to Widespread Use of Large Language Models. ACL 2025 Student Research Workshop.
Padmakumar, V. and He, H. (2024). Does Writing with Language Models Reduce Content Diversity? ICLR 2024.
Zhu, J. and Jurgens, D. (2021). Idiosyncratic but not Arbitrary: Learning Idiolects in Online Registers Reveals Distinctive yet Consistent Individual Styles. EMNLP 2021.
Fan, G., Liu, D. and Pan, L. (2026). Is It Still You? Attributing Authorship and Authenticity in AI-Assisted Romantic Communication. CHI 2026.
Khadpe, P., Wenzel, K., Loewenstein, G. and Kaufman, G. (2025). Explaining the Reputational Risks of AI-Mediated Communication: Messages Labeled as AI-Assisted Are Viewed as Less Diagnostic of the Sender’s Moral Character. AIES 2025.
Schilke, O. and Reimann, M. (2025). The Transparency Dilemma: How AI Disclosure Erodes Trust. Organizational Behavior and Human Decision Processes, 188.
Purcell, Z. A., Jakesch, M., Dong, M., Nussberger, A.-M. and Köbis, N. (2025). Writing with AI boosts trust-building efficiency. iScience, 28.
Agarwal, D., Naaman, M. and Vashistha, A. (2025). AI Suggestions Homogenize Writing Toward Western Styles and Diminish Cultural Nuances. CHI 2025.
Wang, Z., Tripto, N. I., Park, S., Li, Z. and Zhou, J. (2025). Catch Me If You Can? Not Yet: LLMs Still Struggle to Imitate the Implicit Writing Styles of Everyday Authors. Findings of EMNLP 2025.
Sawant, Y. G. (2026). Theory-Grounded Evaluation Exposes the Authorship Gap in LLM Personalization. arXiv preprint 2604.26460, ICML 2026 CTB 워크숍에 채택됐어요.