← 라이브러리로 돌아가기

Threads digest · @edutrend_

AI 행동·신뢰

AI가 쓴 글은 왜 갈수록 빽빽하고 읽기 어려울까요?

AI가 써준 글이 짧은데도 읽기 힘들다면, 정보가 너무 빽빽하게 압축돼 있기 때문일 수 있습니다. 사람을 지치게 하는 네 가지 문장 습관과 추론 모델의 변화, 읽는 사람을 배려하도록 요청하는 방법을 살펴봅니다.

빽빽한 인쇄물 위에 놓인 독서용 안경과 확대경 · AI 생성 주제 이미지
글의 주제를 표현한 AI 생성 이미지 · 실제 연구 장면이 아닙니다.

짧게 썼는데, 왜 한눈에 들어오지 않을까

요즘 AI가 써준 글을 읽다 보면 문장이 묘하게 빽빽하고, 한눈에 들어오지 않을 때가 있습니다. 타래는 이 익숙한 느낌에서 시작합니다. AI가 똑똑해질수록 글은 왜 더 어렵게 느껴질까요?

뉴욕대와 텍사스대 오스틴 연구진은 Claude, ChatGPT, GLM, Kimi 등을 포함한 AI 모델 14종의 글을 분석했습니다. 일상 대화와 코딩 문제 해결, 학교 글쓰기 과제 등에서 나온 문장을 살펴보고, 같은 뜻을 가진 다른 표현 및 사람의 글과 비교했습니다. 최신 대표 모델들 대부분에서 읽기 까다로운 표현이 더 자주 나타났습니다.

사람의 머리를 지치게 하는 네 가지 습관

첫째는 ‘징검다리 단어’의 생략입니다. 문장을 매끄럽게 이어 주는 단어를 건너뛰면, 독자가 문맥을 스스로 채워 넣어야 합니다.

둘째는 사물에 사람의 행동을 붙이는 표현입니다. ‘대화가 제 꼬리를 물고 있다’, ‘함수가 에러를 삼켜버린다’ 같은 문장은 뜻을 짐작할 수 있어도 잠깐 멈춰 해석하게 만듭니다.

셋째는 명사를 줄줄이 이어 붙이는 습관입니다. ‘공포 영화 배경음악 생성기’처럼 명사가 세 개 이상 연달아 붙으면, 어떤 말이 무엇을 꾸미는지 풀어 읽어야 합니다.

넷째는 멀리 떨어진 문장 성분입니다. 주어와 동사, 수식어와 수식받는 말 사이가 멀어질수록 앞 내용을 기억한 채 읽어야 하는 부담이 커집니다.

생각하는 능력과 전달하는 능력은 함께 자랄까

타래는 같은 계열의 소형 오픈 모델을 비교한 결과에 주목합니다. 기본 모델에서 대화 학습 모델, 단계별 추론에 특화된 모델로 갈수록 읽기 어려운 문장 특징이 더 뚜렷해졌습니다.

수학이나 코딩처럼 복잡한 문제를 푸는 방향으로 훈련하는 동안, 표현은 사람의 말 습관에서 멀어질 수 있다는 겁니다. 문제를 잘 푸는 것과 사람이 편하게 읽도록 전달하는 것은 함께 살펴야 할 능력입니다.

뜻을 최대한 압축하라는 압력이 생기면

왜 이런 표현이 늘어날까요? 연구진은 AI가 짧게 답할수록 유리한 규칙을 적용해 실험했습니다. 그러자 모델은 같은 뜻을 더 짧은 표현에 욱여넣는 쪽으로 기울었습니다.

타래는 이 결과를 ‘압축 방식’이라는 말로 설명합니다. 사람은 상대가 이해하도록 말의 완급을 조절하지만, 정답을 효율적으로 내놓는 데 집중하는 AI는 읽는 사람의 부담을 놓칠 수 있다는 것입니다.

그렇다고 개선의 여지가 없는 것은 아닙니다. 타래에서 소개한 Claude Opus 5.5는 이전 모델인 Opus 5보다 읽기 어려운 문장 지표가 거의 대부분 줄었습니다. 사람이 이해하기 쉬운 표현을 향한 조정도 가능하다는 대목입니다.

‘짧고 빽빽하게’보다 읽는 사람을 먼저

그렇다면 AI에게 어떤 글을 요청해야 할까요? 타래는 ‘최대한 짧고 핵심만 빽빽하게 요약해 줘’라는 요청을 돌아보게 합니다. 짧게 만드는 데만 집중하면 문장이 억지로 압축될 수 있기 때문입니다.

대신 ‘초보자도 술술 읽히게 써줘’, ‘명사를 너무 줄줄이 잇지 말고 짧고 자연스러운 문장으로 나눠서 설명해 줘’처럼 읽는 사람의 편의를 구체적으로 말해 보자는 제안입니다.

사람은 정보를 파일처럼 압축해서 내려받지 않습니다. 편안한 흐름 속에서 의미를 이해합니다. AI의 능력이 좋아지는 만큼, 전달하는 말투도 사람 친화적으로 다듬어야 한다는 것이 이 타래의 마지막 메시지입니다.

이 글에서 소개한 원문

Why is AI-generated language so hard to understand?

Thomas Hikaru Clark, Matias B. Martin, Kyle Mahowald (2026)

arXiv 사전공개 논문 · v1 · arXiv:2610.29162v1

연구 원문 보기 ↗
원문 타래 이어 읽기Edutrend의 Threads에서

이 글 공유하기