AI 슬롭이라는 말을 들으면 대개 쓸모없는 자동 생성물을 떠올립니다. 하지만 이 말을 그렇게 넓게 쓰면 문제의 모양을 놓치게 됩니다. University of Miami 연구진은 AI 슬롭의 대표적인 특징을 겉보기에는 유능하지만 내용이 얕은 표면적 유능함, 사람이 만들 때보다 훨씬 적은 노력으로 생산되는 비대칭적 노력, 대량 생산 가능성으로 정리했습니다. 동시에 모든 AI 생성물이 같은 종류의 쓰레기는 아니며, 슬롭도 문화와 정보 시장에서 나름의 기능을 가질 수 있다고 설명합니다.
이 구분은 중요합니다. AI로 만든 요약, 그림, 튜토리얼이 있다는 사실만으로 품질을 판정할 수는 없습니다. 반대로 문장이 매끄럽고 정보가 많아 보인다는 이유만으로 신뢰할 수도 없습니다. 지금 커뮤니티에서 반복되는 불만은 생성물이 존재한다는 데 있지 않고, 유용한 기록과 비슷한 모양의 filler를 찾는 데 드는 시간이 늘어난다는 데 있습니다.
정보가 많아져도 발견은 쉬워지지 않는다
생성 비용이 내려가면 콘텐츠의 공급은 빠르게 늘어납니다. 짧은 제품 소개, 비슷한 벤치마크 해설, 서로를 다시 요약한 기술 글, 실제 실행 없이 만들어진 예제 저장소가 검색 결과와 피드에 함께 들어옵니다. 이것이 모든 개발자 커뮤니티가 이미 망가졌다는 증거는 아닙니다. 다만 정보의 양이 늘어나는 것과 신호의 비율이 좋아지는 것은 다른 문제입니다.
독자가 마주하는 비용도 바뀝니다. 예전에는 자료를 찾는 데 시간이 들었다면, 이제는 찾은 자료가 원문에 닿아 있는지, 누가 확인했는지, 실제로 재현되는지를 다시 확인하는 데 시간이 듭니다. 읽기 비용이 아니라 검증 비용이 커지는 것입니다.
생성물의 양보다 중요한 것은 출처와 검증 경로가 남아 있는지입니다.
숫자와 매끄러운 문장이 신호를 보장하지 않는다
AI 콘텐츠가 기술 논의에 들어오면 숫자가 신뢰의 장식처럼 쓰이기 쉽습니다. 벤치마크 점수, 조회 수, 별 개수, 인용 횟수가 나열되면 글이 검증된 것처럼 보입니다. 하지만 원본 데이터와 실행 조건이 없으면 숫자는 결론이 아니라 또 하나의 주장일 뿐입니다.
Nature에 실린 연구는 정확도 중심의 평가가 불확실할 때 모른다고 말하는 것보다 추측을 하도록 유도할 수 있다고 분석합니다. 이 논문은 AI 슬롭을 직접 측정한 연구가 아닙니다. 다만 평가가 무엇을 보상하느냐가 모델의 행동을 바꾼다는 점을 보여줍니다. 같은 논리는 콘텐츠 유통에도 적용할 수 있습니다. 양과 반응만 보상하면, 조심스럽고 검증 가능한 글보다 빠르고 자신감 있는 글이 더 멀리 퍼질 수 있습니다. 이 문장은 연구 결과의 직접 결론이 아니라 그 결과에서 도출한 해석입니다.
개발자가 확인할 세 가지
첫째는 출처입니다. 글이 공식 발표, 원문 논문, 실제 저장소, 재현 가능한 데이터로 이어지는지 확인해야 합니다. 링크가 많다는 것과 출처가 분명하다는 것은 다릅니다. 원문이 하나도 없이 다른 요약문만 서로 인용한다면 정보의 사슬은 길어져도 근거는 강해지지 않습니다.
둘째는 구체성입니다. 어떤 환경에서 실행했는지, 실패 조건은 무엇이었는지, 공개된 코드와 결과가 같은 말을 하는지 살펴봐야 합니다. “쉽게 된다”는 문장보다 입력·출력·버전·제한 조건이 남은 기록이 더 가치 있습니다.
셋째는 책임과 갱신입니다. 오류가 발견됐을 때 누가 수정하는지, 글이 언제 업데이트됐는지, 오래된 결과가 여전히 현재 주장처럼 유통되는지를 봐야 합니다. 완벽한 저자를 찾자는 뜻이 아니라, 검증과 수정의 경로가 있는 자료를 우선하자는 뜻입니다.
에이전트는 슬롭을 기억하지 않아야 한다
이 문제는 사람의 검색 습관에만 머물지 않습니다. 에이전트가 웹 자료와 대화 기록을 장기기억으로 저장한다면, 표면적으로 그럴듯한 내용이 다음 답변의 전제가 될 수 있습니다. 출처, 작성 시점, 확신 수준, 만료 조건을 기록하지 않은 메모리는 검색 가능한 오염에 가깝습니다.
따라서 에이전트의 기억 쓰기에는 검색보다 엄격한 기준이 필요합니다. 출처가 없는 주장, 단순 반복, 광고성 문구, 검증되지 않은 요약은 기억 후보로만 남기거나 저장하지 않아야 합니다. 저장하더라도 사실, 해석, 미확인 주장을 분리하고 나중에 다시 확인할 수 있어야 합니다. AI 슬롭의 시대에는 잘 기억하는 시스템보다 잘 버리는 시스템이 더 유용할 수 있습니다.
답은 생성 중단이 아니다
AI로 만든 콘텐츠가 모두 사라져야 한다는 결론은 현실적이지도, 필요한 결론도 아닙니다. 초안, 번역, 아이디어 정리, 접근성 보조처럼 생성물이 실제 가치를 주는 영역은 분명히 있습니다. 필요한 것은 생산량을 줄이는 구호보다 신호를 보존하는 운영 방식입니다.
원문을 가까이 두고, 생성과 검증을 구분하고, 중요한 주장은 사람이 확인하며, 검색과 에이전트 기억에 출처와 불확실성을 함께 남겨야 합니다. AI 슬롭이 많아질수록 우리에게 필요한 능력은 더 빨리 만드는 능력이 아니라 무엇을 믿고, 무엇을 보류하고, 무엇을 버릴지 구분하는 능력입니다.
