← 라이브러리로 돌아가기

Threads digest · @edutrend_

일·연구의 변화

AI의 언어가 인간의 기준이 될 때

AI가 제안한 표현은 사람의 선택과 반복, 제도적 보존을 거치며 좋은 글과 올바른 표현의 기준에 스며들 수 있습니다. 재귀적 의미 정규화라는 개념으로 언어의 편리함 뒤에 남는 질문을 살펴봅니다.

서로 다른 종이 말풍선이 기계 장치를 지나 같은 형태로 바뀌는 AI 생성 주제 이미지 · AI 생성 주제 이미지
글의 주제를 표현한 AI 생성 이미지 · 실제 연구 장면이 아닙니다.

AI가 만든 말이 사회로 돌아올 때

AI가 생성한 언어가 인간 사회로 다시 유입될 때, 우리가 의미를 만들고 사고하는 기준은 어떻게 변할까요?

그리스 파트라스대 연구진 Liapis와 Panagopoulos는 AI의 언어가 인간 사회의 표준이 되어가는 과정을 ‘재귀적 의미 정규화(Recursive Semantic Normalization, RSN)’라는 개념으로 설명합니다. AI가 문장을 만들어 준다는 사실을 넘어, 그 문장을 받아들이는 사회가 어떻게 달라질 수 있는지 묻는 이론적 논문입니다.

이미 우리의 언어 생태계에 들어온 AI

논문에 인용된 연구들은 AI의 언어가 이미 여러 영역에서 사용되고 있음을 보여줍니다. 2024년 발표된 생물의학 논문 초록의 최소 13.5%가 LLM을 거쳤다는 추정이 있고, 주요 AI 학회에 제출된 동료 심사 텍스트의 6.5~16.9%가 LLM으로 상당 부분 수정되었을 가능성도 제시됩니다.

2024년 말 기준 UN 보도자료 텍스트의 약 14%, 기업 보도자료 텍스트의 최대 24%가 LLM의 도움을 받았다는 추정도 인용됩니다. 챗봇 특유의 어휘가 인간의 대본 없는 말하기에 스며드는 현상을 다룬 연구까지 등장했습니다.

이 수치들은 AI가 텍스트 생산에 참여하는 정도에 관한 기존 연구의 추정입니다. 그 자체로 사회의 의미 규범이 이미 바뀌었다는 사실까지 입증하는 것은 아닙니다.

모델을 재학습시키지 않아도 작동하는 루프

흔히 AI가 자신이 만든 데이터를 다시 학습하며 망가지는 현상을 ‘모델 붕괴’라고 부릅니다. 연구진은 그보다 앞단에서 사람들의 언어 습관이 바뀌는 루프에 주목합니다.

AI의 문장 제안 → 인간의 수용과 선택 → 제도적으로 템플릿화 → 사회 전체의 언어 환경 변화. AI를 재학습시키지 않더라도, 사람이 AI의 표현을 선택하고 반복해서 쓰는 과정에서 말투와 판단 기준이 달라질 수 있다는 것입니다.

자주 쓰는 표현이 따라야 할 규범이 되는 조건

단순히 특정 단어를 자주 쓰는 유행만을 말하는 것은 아닙니다. 논문은 AI에서 비롯된 표현이 규범적 지위를 얻었는지 살펴볼 세 가지 표지를 제시합니다.

첫째는 교정입니다. 그 표현에서 벗어나면 편집자, 교사, 평가자가 오류로 간주해 고칩니다. 둘째는 기대입니다. 모두가 그 형식을 쓸 것이라 기대하며, 쓰지 않으면 해명을 요구받습니다. 셋째는 성문화입니다. 학교의 평가 루브릭, 기업의 스타일 가이드, 행정 템플릿에 들어가 이후의 사람들에게 구속력을 갖습니다.

이것은 특정 교실에서 이미 이런 일이 일어났다는 실험 결과가 아니라, 빈번한 표현이 사회적 기준으로 바뀌는 조건을 설명하는 틀입니다.

“내가 하려던 말이 바로 이거야”

내가 아직 모호한 생각을 떠올리고 있을 때 AI가 그럴듯한 문장 후보들을 던져줍니다. 우리는 그중 하나를 보며 “아, 내가 하려던 말이 바로 이거야!”라고 채택합니다. 논문은 이런 과정을 ‘소급적 안정화’라는 개념으로 다룹니다.

내 생각을 표현하기 위해 도구를 쓴 것 같지만, AI가 제안한 선택지가 내 생각의 형태를 잡는 데도 영향을 줄 수 있습니다. 표현을 고르는 행위와 생각을 만들어가는 행위가 완전히 분리되어 있지 않다는 질문입니다.

무엇이 위험해질 수 있을까요?

타래는 네 가지 위험에 주목합니다. AI가 만든 문장을 사람의 말로 받아들이면서 출처가 흐려지는 ‘출처 세탁’, 관점과 표현이 비슷해지는 생각의 획일화, 비주류 문화나 소수 집단의 고유한 표현이 밀려나는 문제, 그리고 AI의 문장을 습관적으로 받아들이는 무의식적 의존입니다.

바쁘다는 이유로 매끄러운 표현을 반복해 선택하다 보면, 그 표현이 정말 내 생각에 맞는지 따져보는 과정이 약해질 수 있습니다. 연구진의 경고는 이런 위험을 확정된 미래로 단정하기보다, 무엇이 기준으로 자리 잡는지 살펴보자는 데 있습니다.

편리한 언어를 넘어, 기준을 돌아보기

AI가 언어를 손쉽게 생성한다는 사실보다 더 주의해야 할 것은, AI의 언어가 우리가 무엇을 말할 수 있고, 무엇을 좋은 글이라 부르며, 무엇을 알 수 있는지 결정하는 인간의 기준에 소리 없이 스며들 수 있다는 점입니다.

문장을 받아들이는 순간에도 우리는 선택하고 있습니다. 그 선택이 쌓여 어떤 기준을 만드는지 돌아볼 필요가 있습니다.

이 글에서 소개한 원문

Technohybridism: Recursive Semantic Normalization in AI-Mediated Societies

Charalampos M. Liapis, Epameinondas Panagopoulos (2026)

arXiv 사전공개 논문 · 사회기술적 개념 연구 · arxiv:2611.07984v1

연구 원문 보기 ↗
원문 타래 이어 읽기Edutrend의 Threads에서

이 글 공유하기