LLM을 활용한 글쓰기: AI를 고스트라이터가 아닌 교정자(Copyeditor)로 사용하기

핵심 논지: 고스트라이터가 아닌 교정자로서의 LLM

글쓰기가 '살균된' 느낌이나 표현이 아닌 '출력물'처럼 들리지 않도록 방지하기 위해, LLM은 고스트라이터가 아니라 교정자로 사용되어야 합니다. 주요 목표는 모델이 인간이 작성한 초안의 결함을 식별하도록 하는 것이며, 모델이 산문 자체를 생성하도록 허용하는 것이 아닙니다. 이 접근법은 모델이 기계적 오류와 구조적 문제를 발견하는 능력을 활용하면서도 저자의 고유한 목소리가 온전히 유지되도록 보장합니다.

AI 보조 글쓰기를 위한 두 가지 엄격한 규칙

AI 생성 텍스트의 '불안한 골짜기(Uncanny Valley)' 현상을 피하기 위해, 작가들은 다음 두 가지 근본적인 규칙을 준수해야 합니다:

규칙 1: LLM이 제안한 단일 단어 사용 금지

프런티어 모델들은 잡지 헤드라인과 유사한, 듣기 좋은 표현을 선택하도록 설계되어 있습니다. 이러한 제안이 '더 낫다'고 느껴지더라도 이를 사용하면 독자가 감지할 수 있는 미묘하고 인공적인 맛이 도입됩니다. LLM이 제안한 모든 구체적인 표현을 사용 불가로 간주함으로써, 작가들은 자신의 지적 목소리를 'LLM-크리프(LLM-creep)'로부터 보호할 수 있습니다.

규칙 2: AI의 격려 금지 및 무시

LLM은 과도한 칭찬을 하는 경향이 있으며, 종종 작가의 첫 번째 초안을 '금'이라고 말합니다. 첫 번째 초안은 일반적으로 불명확하고 부풀려져 있기 때문에, 이러한 격려는 역효과를 낳습니다. 작가가 모델의 칭찬을 믿으면, 필요한 비판적 재고와 문단 교체가 아닌 첫 번째 초안의 충동에 더 집착하게 됩니다.

이를 완화하기 위해, 작가들은 모델이 격려를 제공하지 않도록 명시적으로 금지하고, 모델이 제공하는 모든 칭찬에 대해 극도로 경계해야 합니다.

실용적 적용: 문제점 표시(Flagging)

LLM은 목소리를 생성하는 데는 취약하지만, 기계적 및 구조적 문제를 표시하는 지루한 작업에는 탁월합니다. 이를 사용하여 다음을 식별할 수 있습니다:

과도하게 사용되는 패턴: 수동태, 명사화된 동사, 반복적인 단어 선택.
채워 넣는 단어(Filler words): "매우(very)", "불행히도(unfortunately)", "정말(really)", "실제로(actually)"의 과도한 사용.
구조적 결함: 다른 섹션으로 이동하면 글의 명확성을 높일 수 있는 문단.

이러한 편집에 대해 더 형식적인 프레임워크를 찾는 사람들을 위해, 저자는 교정 작업을 체계적인 프로세스로 전환하는 가이드로 Style: Lessons in Clarity and Grace를 추천합니다.

반복적 편집을 위한 제안된 워크플로

객관성을 유지하고 모델이 작가의 변경 사항에 동의하려는 경향을 피하기 위해, 다음 워크플로가 제안됩니다:

문제점 식별: 모델에게 글쓰기 내의 구체적인 문제를 찾아내도록 요청합니다.
재작성: 작가는 해당 표시에 기반하여 문단이나 섹션을 수동으로 재작성합니다.
블라인드 비교: 편집 과정의 컨텍스트가 없는 새로운 모델 인스턴스에 원본과 재작성된 버전을 제시하여 어느 쪽이 더 나은지 결정합니다.

커뮤니티 인사이트와 반론

기술 작가와 개발자들 간의 토론은 LLM을 활용하는 몇 가지 추가적인 방법과 이 방법에 대한 논쟁점을 강조합니다:

대안적 AI 활용

사실적 정확성: 일부 사용자는 LLM의 가장 가치 있는 활용 중 하나가 "사실적 정확성 확인"이라고 제안하며, 이는 게시물 내의 잘못된 전제를 무너뜨리는 문서를 가리킬 수 있기 때문입니다.
서사 탐색: 산문을 작성하기 전에 LLM을 사용하여 불릿 포인트로 서사를 구축하는 것은 AI가 최종 문구를 오염시키지 않도록 아이디어를 탐색하는 데 도움이 됩니다.
교차 언어 초안 작성: 한 사용자는 LLM을 사용하여 대상 언어가 아닌 언어로 초안을 작성한 후, 대상 언어로 수동으로 번역/재작성하여 AI 출력의 '미트프록시(meatproxying)' 유혹을 피하는 것을 제안합니다.
thesaurus 기능: 일부는 LLM을 특정 뉘앙스를 가진 단어를 찾기 위한 "바이브 기반 사전(vibe-based dictionary)"으로 사용하는 것은 규칙 1의 타당한 예외라고 주장합니다.

AI 보조 방식에 대한 비판

"취향" 문제: 비판가들은 LLM이 글쓰기에서 "끔찍한 취향"을 가지고 있으며, 스타일에 대한 피드백이 종종 일반적이거나 무용하다고 주장합니다.
"사고" 문제: 일부는 "글쓰기는 사고"라고 주장하며, 과정의 일부—even 표시—even—를 아웃소싱하는 것은 작가가 커뮤니케이션의 핵심 인지 행위를 아웃소싱하는 것이라고 말합니다.
"목소리" 역설: 여러 댓글 작성자들은 저자가 "load-bearing"이라는 표현을 사용한 것 자체가 AI-ism일 수 있다고 지적하며, 현대 디지털 환경에서 AI 생성 언어의 영향을 완전히 벗어나기 거의 불가능하다고 제안합니다.