AI가 유독 사랑하는 단어 'load-bearing' — 챗봇 글이 티 나는 진짜 이유

혹시 요즘 영어권 기술 글이나 이메일에서 “load-bearing"이라는 표현이 부쩍 자주 눈에 띄지 않으셨나요? 원래 건축에서 “하중을 지지하는 벽"을 뜻하는 이 단어가, 이제는 챗봇이 쓴 글에서 “이 부분이 사실상 핵심이다"라는 의미로 시도 때도 없이 튀어나옵니다. 재미있는 건, 이게 우연이 아니라는 점입니다. AI가 쓴 글에는 사람 눈에는 잘 안 보이지만 통계적으로는 뚜렷하게 찍히는 언어 지문이 있거든요.

먼저 솔직하게 말씀드리면, 이번 주제는 최근 30일 사이 커뮤니티에서 화제가 된 신선한 논쟁이라기보다는, 지난 1년 넘게 개발자와 언어학자 사이에서 꾸준히 관찰되어 온 현상에 가깝습니다. 실시간 반응 데이터가 넉넉하지는 않다는 점을 미리 밝혀둡니다. 대신 이 현상 자체가 왜 생기는지, 그 원리를 차분히 뜯어보겠습니다.

’load-bearing’이 뭐길래 AI가 그렇게 좋아할까

“load-bearing"의 원래 뜻은 간단합니다. 건물에서 무게를 실제로 떠받치는 구조물이죠. 이걸 빼면 건물이 무너집니다. 반대로 장식용 벽은 없어도 그만입니다.

문제는 이 비유가 너무 매력적이라는 데 있습니다. “이 문장에서 load-bearing 단어는 무엇인가”, “이 코드에서 정말로 하중을 지지하는 부분은 어디인가” 같은 표현은 똑똑해 보이면서도 설명이 깔끔합니다. 그래서 사람도 즐겨 쓰지만, AI는 이걸 훨씬 더 자주 씁니다.

왜일까요. LLM은 결국 “다음에 올 가장 그럴듯한 단어"를 확률로 고르는 기계입니다. 그런데 “핵심적인”, “중요한”, “결정적인"을 뜻하는 수많은 후보 중에서 “load-bearing"처럼 살짝 세련되고 안전한 표현이 반복 학습 과정에서 점점 더 높은 점수를 받게 됩니다. 사람이라면 “이 단어 방금 썼으니 다른 걸 쓰자"고 스스로 브레이크를 밟지만, AI에게는 그런 사회적 눈치가 없습니다.

‘슬롭(slop)‘이라 불리는 AI 글의 정체

영어권 개발자 커뮤니티에서는 이런 AI 특유의 밋밋하고 반복적인 문체를 슬롭이라고 부릅니다. 원래 “죽처럼 걸쭉한 사료"를 뜻하는 단어인데, 스팸(spam)에 빗대어 “대량 생산된 저품질 AI 콘텐츠"를 가리키는 신조어로 자리 잡았습니다.

슬롭의 특징은 명확합니다. 문법은 완벽한데 이상하게 개성이 없습니다. 모든 문단이 비슷한 리듬으로 흘러가고, 결론은 항상 “양날의 검입니다” 같은 안전한 균형으로 마무리됩니다. 어딘가 본 듯한 표현이 계속 반복되고요.

여기서 재미있는 지점이 있습니다. AI가 남발하는 단어는 “load-bearing” 하나가 아닙니다. 영어권에서는 특히 세 부류가 유명합니다.

• “delve into”(깊이 파고들다) — 한때 AI 탐지의 대표적 신호로 꼽혔습니다
• “tapestry”(태피스트리, 복잡하게 얽힌 것)
• “it’s important to note”(주목할 점은)
• “boasts”, “leverage”, “seamless” 같은 마케팅풍 단어들

이런 표현이 몇 개씩 겹쳐 나오면, 사람들은 무의식적으로 “아, 이거 챗봇이 썼구나"라고 감지합니다.

언어 지문 — 왜 이런 편향이 생기나

그럼 이 편향은 대체 어디서 오는 걸까요. 크게 두 가지 원인이 지목됩니다.

첫째, 학습 데이터의 쏠림입니다. AI는 인터넷의 방대한 글을 학습하는데, 그중에는 특정 스타일의 격식 있는 영어가 과대 대표되어 있습니다. 예를 들어 “delve"는 일부 지역 영어권에서 실제로 더 자주 쓰이는데, 그 지역 사람들이 대량으로 참여한 데이터 라벨링 과정에서 이 단어의 가중치가 올라갔다는 분석도 있었습니다. 즉, AI의 말버릇은 사람의 말버릇이 증폭되어 되돌아온 것입니다.

둘째, 강화학습의 부작용입니다. AI는 사람이 “좋다"고 평가한 답변을 더 많이 내놓도록 훈련됩니다. 그런데 사람 평가자들은 대체로 격식 있고, 조심스럽고, 균형 잡힌 문장을 선호합니다. 그 결과 AI는 점점 더 “무난하고 안전한 단어"로 수렴합니다. 튀는 표현은 위험하니 피하고, 검증된 세련된 단어만 골라 쓰는 것이죠. “load-bearing"은 딱 그 조건에 맞는 단어입니다. 똑똑해 보이지만 논란의 여지가 없거든요.

이렇게 만들어진 통계적 편향이 바로 언어 지문입니다. 사람 한 명의 글에서는 안 보여도, 수천 개의 AI 글을 모아 단어 빈도를 세어보면 특정 단어의 사용 빈도가 사람 평균보다 몇 배씩 튀어 오릅니다.

AI 탐지기가 못 믿을 이유이기도 합니다

여기서 한 가지 짚고 넘어갈 문제가 있습니다. “그럼 이런 단어를 세면 AI 글을 잡아낼 수 있는 것 아니냐"는 기대인데요. 현실은 그렇게 간단하지 않습니다.

첫째, AI가 사람의 말버릇을 학습한 이상, 이제는 반대로 사람이 AI의 말버릇을 학습하고 있습니다. AI 글을 하도 많이 읽다 보니 진짜 사람도 무의식적으로 “delve"나 “load-bearing"을 쓰기 시작한 겁니다. 언어가 서로를 오염시키는 셈이죠.

둘째, 단어 빈도만으로 판별하는 AI 탐지기는 오탐이 심각합니다. 격식 있게 잘 쓴 사람의 글을 AI로 오인해서, 학생이 억울하게 부정행위로 몰리는 사례가 실제로 문제가 됐습니다. 지문이 존재한다는 것과, 그 지문으로 개인을 확실히 특정할 수 있다는 것은 전혀 다른 이야기입니다.

마무리 — 말버릇은 결국 거울입니다

정리하면, “load-bearing” 같은 단어의 남발은 AI가 이상해서가 아니라, 우리 인간의 글쓰기 습관이 통계로 응축되어 되돌아온 결과입니다. AI는 우리가 자주 쓰고, 좋다고 칭찬한 단어를 성실하게 학습했을 뿐입니다. 그 성실함이 지나쳐서 개성으로 드러난 것이 바로 슬롭이고요.

그렇다면 우리에게 던져지는 질문은 이겁니다. 앞으로 AI 글과 사람 글의 경계가 점점 흐려질 텐데, 우리는 “누가 썼는가"를 따지는 데 계속 매달려야 할까요, 아니면 “이 글이 실제로 쓸모 있는가"를 보는 쪽으로 기준을 옮겨야 할까요. 다음번에 여러분의 글에서 “load-bearing"이 튀어나온다면, 한 번쯤 웃으며 되돌아봐도 좋겠습니다.