뉴욕대와 텍사스대 오스틴 캠퍼스 연구진(Clark, Martin & Mahowald, 2026)이 AI가 쓴 글이 사람에게 유독 읽기 힘든 이유를 분석한 논문을 냈다. 클로드, GPT-5.6, GLM-5, 키미 K2.5, 라마, 올모 등 14개 언어모델에 일상 대화·코딩·논증형 에세이를 쓰게 한 뒤, 대화 120건·코딩 세션 45건·에세이 980건을 영화 자막, 스택익스체인지, 학생 에세이 등 사람이 쓴 글과 비교했다.

연구진은 AI 글에서 공통으로 나타나는 어색한 표현 패턴 6가지를 추려냈다. 사람 글에는 잘 쓰이지 않는 단어 조합, 문장 성분이 멀리 떨어져 작업기억에 부담을 주는 구조, 관계대명사 등 연결어 생략, 명사를 줄줄이 붙여 수식 관계를 헷갈리게 하는 표현, 명사를 동사처럼 쓰는 표현, 무생물 주어에 생물 동사를 붙이는 표현이다.

라마와 올모 베이스 모델처럼 작은 모델일수록 사람 글과 비슷했다. 올모 계열 안에서도 베이스 모델에서 인스트럭트, 추론 모델로 갈수록 사람 글과의 차이가 커졌는데, 연구진은 이를 후속학습 단계가 원인일 가능성이 크다고 봤다.

반면 클로드 오퍼스 5.5는 전작 오퍼스 5보다 21개 비교 항목 중 19개에서 더 사람 같은 글을 썼다. 연구진은 목표를 둔 미세조정으로 가독성을 개선할 수 있다는 근거로 이 결과를 들었다.

연구진은 정답 여부만 보상받고 명료함은 보상받지 못하는 수학·코드 중심 학습, 그리고 사람의 피드백(RLHF) 대신 검증 가능한 보상(RLVR)을 쓰는 최근 흐름이 이런 현상의 원인일 수 있다고 분석했다. 실제로 짧은 답에 보상을 주는 간단한 실험에서는 모델이 사람이라면 다양하게 표현할 상황에서도 거의 항상 짧은 표현만 선택했다.

출처: the-decoder.com/researchers-find-six-patterns-that-make-ai-text-so-exhausting-to-read