Claude가 내 이력서를 다시 썼지만 보낼 수 없어서 unslop을 만들었어요.

(dev.to)

Dev.to OpenSource2026년 4월 30일AI 코딩

Claude가 내 이력서를 다시 썼지만 보낼 수 없어서 unslop을 만들었어요.

LLM(대규모 언어 모델) 특유의 전형적인 말투인 'AI 슬롭(slop)'을 제거하기 위해 개발된 오픈소스 도구 'unslop'을 소개합니다. 이 도구는 단순히 단어를 바꾸는 것이 아니라, 연구 논문을 바탕으로 AI 특유의 과도한 친절함, 아첨, 일정한 문장 패턴을 '제거'함으로써 글의 진정성을 높이는 데 집중합니다.

이 글의 핵심 포인트

1AI 특유의 말투(Sycophancy, 과도한 친절함)는 글의 신뢰도를 떨어뜨리고 AI 탐지기에 걸릴 확률을 높임
2'unslop'은 단어를 교체하는 것이 아니라 문장의 변동성(Burstiness)을 조절하여 AI 흔적을 제거함
3연구에 따르면 AI의 친절함(Warmth)을 높이는 튜닝은 오히려 모델의 오류율을 10~30%p 증가시킴
4AI 탐지기는 단어의 종류가 아닌 문장 구조의 일정한 패턴(Variance)을 감지함
5오픈소스 프로젝트로서 pip install을 통해 개발자 워크플로우(Terminal, Editor)에 즉시 통합 가능

이 글에 대한 공공지능 분석

왜 중요한가

AI가 생성한 글이 주는 특유의 이질감(AI-ness)은 독자의 신뢰를 떨어뜨리고, 심지어 비영어권 사용자의 글을 AI로 오인하게 만드는 부정적 편향을 초래합니다. 'unslop'은 이러한 문제를 해결하기 위해 '추가'가 아닌 '제거'라는 새로운 접근법을 제시하며 AI 글쓰기의 질적 전환점을 시사합니다.

배경과 맥락

현재 LLM은 사용자의 기분을 맞추려는 '아첨(Sycophancy)'이나 과도한 친절함 등의 특성을 보이며, 이는 문장의 변동성(Variance)을 낮추어 AI 탐지기에 쉽게 걸리게 만듭니다. 특히 영어권이 아닌 사용자들이 AI의 도움을 받아 작성한 글이 AI 탐지기에 의해 부당하게 차별받는 기술적 불평등 문제가 대두되고 있습니다.

업계 영향

기존의 'AI Humanizer' 서비스들이 단순히 이모지나 미사여구를 추가하는 방식이었다면, 앞으로의 시장은 AI의 흔적을 정교하게 지워내는 '디-슬로핑(De-slopping)' 기술로 이동할 가능성이 높습니다. 이는 LLM 워크플로우 내에서 텍스트 정제(Refinement)를 담당하는 새로운 개발자 도구 시장의 확장을 의미합니다.

한국 시장 시사점

글로벌 시장을 대상으로 비즈니스를 하는 한국 스타트업과 개발자들에게 매우 중요한 이슈입니다. 영문 이메일, PR, 기술 문서 작성 시 의도치 않게 'AI스러운' 패턴이 남게 되면 전문성이 저하될 수 있으므로, 이러한 정교한 텍스트 정제 기술을 워크플로우에 도입하는 것이 글로벌 커뮤니케이션의 신뢰도를 높이는 핵심 전략이 될 수 있습니다.

이 글에 대한 큐레이터 의견

스타트업 창업자 관점에서 볼로 볼 때, 이 사례는 'AI Wrapper'의 한계를 극복하는 아주 영리한 접근법을 보여줍니다. 단순히 기존 모델의 기능을 재포장하는 것이 아니라, 최신 연구 논문(38개 이상의 논문)을 기반으로 모델의 출력물에서 발생하는 '부작용(AI-ness)'을 기술적으로 해결하려는 시도는 매우 강력한 해자(Moat)를 형성할 수 있습니다.

특히 '추가(Add)가 아닌 제거(Subtract)'라는 철학은 매우 날카로운 통찰입니다. 많은 AI 서비스들이 더 많은 기능과 화려한 문체를 지향할 때, 오히려 '신뢰할 수 있는 담백함'을 찾는 니즈를 포착한 것입니다. 한국의 개발자나 글로벌 진출을 노리는 창업자들은 LLM의 생성 능력을 높이는 것만큼이나, 생성된 결과물의 '품질 정제(Refinement)'와 '신뢰성 검증' 단계에서 발생하는 페인 포인트를 찾아 비즈니스 기회로 전환해야 합니다.

원문 보기 →