**LinkedIn AI 슬롭 (AI slop)**이 단순한 짜증을 넘어 플랫폼 리스크로 변했습니다. LinkedIn의 긴 글(long-form) 게시물의 **41%**가 완전히 AI로 생성된 것으로 추정되며, 가장 큰 피해를 보는 이들은 일반적인 경력 과시용 콘텐츠가 아닌 전문적인 신호를 얻기 위해 피드에 의존하는 사용자들입니다.

이 수치는 AI 탐지 기업인 Pangram에서 나온 것으로, PYMNTS에 따르면 이들은 LinkedIn, Medium, Reddit, Substack 및 X에 걸쳐 100만 개 이상의 게시물을 분석했습니다. Pangram은 조사 대상 플랫폼 중 LinkedIn이 긴 글 형태의 AI 콘텐츠 비율이 가장 높다는 것을 발견했습니다.

LinkedIn의 핵심 문제: 전문적인 피드는 합성된 신뢰성(synthetic credibility)으로 운영될 수 없다

LinkedIn의 가치는 단순한 전제에 달려 있습니다: 게시물은 그 뒤에 있는 개인이나 조직에 대해 무언가를 알려주어야 한다는 것입니다. 만약 실질적인 게시물의 거의 절반이 기계에 의해 작성된 것이라면, 그 전제는 약화됩니다.

Pangram 연구의 핵심 임계값은 250단어 이상의 게시물이었습니다. 이는 중요합니다. 짧은 게시물은 종종 격식이 없거나, 재활용되었거나, 맥락이 낮습니다. 반면 긴 게시물은 다른 기대를 형성합니다. 독자들은 전문 지식, 판단력, 경험 또는 실제 관점을 보고 있다고 가정합니다.

만약 이러한 게시물들이 대신 AI에 의해 완전히 생성된 것이라면, 피드는 정확히 무엇을 신호(signaling)하고 있는 것일까요?

XOOMAR 분석: LinkedIn의 정화 작업은 표면적인 수준에 그쳐서는 안 됩니다. "전문적인" 네트워크는 엔터테인먼트 플랫폼보다 합성된 콘텐츠를 무시할 수 있는 여지가 적습니다. 사용자들은 평판 신호, 채용 힌트, 산업 논평 및 비즈니스 관계를 위해 찾아옵니다. 만약 이러한 신호들을 대규모로 속이기가 너무 쉬워진다면, 피드는 상업적으로 유용하게 만드는 핵심 요소를 잃기 시작할 것입니다.

LinkedIn은 이 위협을 이해하고 있는 것으로 보입니다. 목요일(7월 30일), LinkedIn 최고 제품 책임자(Chief Product Officer) Hari Srinivasan은 게시물의 점 세 개 메뉴를 통해 사용할 수 있는 “Seems like AI slop(AI 슬롭 같습니다)” 신고 버튼을 발표했습니다.

“우리는 게시물이 AI 슬롭(AI slop)인지 또는 일반적으로 저품질 콘텐츠인지 식별하는 일련의 새롭고 개선된 분류기(classifiers)를 강화하고 있습니다,”라고 Srinivasan은 말했습니다. “이를 통해 추천 콘텐츠 및 네트워크 외부의 콘텐츠에서 여러분이 보게 될 수도 있는 AI 슬롭의 양을 줄일 것입니다.”

이러한 표현은 시사하는 바가 큽니다. LinkedIn은 신고된 모든 게시물이 사라진다고 말하지 않고 있습니다. 대신 도달 범위(distribution), 특히 추천 콘텐츠와 사용자의 네트워크 외부 게시물을 타겟팅하고 있습니다. 이는 도달 범위를 둘러싼 싸움입니다.

빌더(Builders)와 플랫폼 팀은 이제 자신들이 정상화하는 데 일조했던 도구들을 정리해야 한다

Srinivasan에 따르면, LinkedIn은 자체적인 “게시물 개선(Enhance your post)” AI 글쓰기 도구를 은퇴시키고, 사용자의 원래 목소리를 보존하는 더 보수적인 교정(proofreading) 기능으로 대체하고 있습니다.

이는 발표 내용 속에 담긴 조용한 인정입니다. 플랫폼은 외부 스팸과 싸우고 있을 뿐만 아니라, 자체적인 제품 인센티브(product incentives)를 수정하고 있는 것입니다.

LinkedIn은 전문적인 네트워크 내에서 AI가 무엇을 하기를 원하는가: 인간의 표현을 다듬는 것인가, 아니면 제조하는 것인가?

이제 그 답은 저자(authorship)가 아닌 편집(editing) 쪽으로 기울고 있는 것으로 보입니다. LinkedIn은 또한 콘텐츠가 과도한 AI 사용으로 인해 비진정성(inauthentic) 있게 느껴질 경우 사용자에게 비공개로 알릴 계획입니다. 이는 공개적인 라벨링(labeling)보다는 부드러운 개입이지만, 여전히 제품 관계를 변화시킵니다. 사용자는 더 이상 단순히 글을 작성하는 것이 아닙니다. 그들은 진정성(authenticity)에 대해 점수를 매겨지고 있습니다.

Substack은 7월 21일, Pangram과 함께 구축한 AI 탐지 기능을 출시하며 다른 경로를 택했습니다. 독자들은 해당 날짜 이후에 게시된 100단어 이상의 모든 게시물, 노트, 댓글 또는 답글을 스캔하여 인간이 작성한 텍스트와 AI가 생성한 텍스트 사이의 예상 비율을 확인할 수 있습니다. 크리에이터는 “내가 이것을 만드는 방법(How I make this)” 공개 사항을 추가하거나, 개별 게시물에 대한 탐지를 비활성화하거나, 결과에 대해 이의를 제기할 수 있습니다.

Substack의 CEO인 Chris Best는 이번 조치를 LinkedIn의 운명을 피하는 것과 직접적으로 연관 지어 설명했습니다:

“아무도 만들지 않은 콘텐츠가 인간의 영역이어야 할 인터넷의 일부를 점령할 때, 그것은 공공의 영역(commons)을 오염시키고 인간의 목소리를 발견하고 듣는 것을 어렵게 만듭니다.”

“아무도 만들지 않은 콘텐츠(content made by no one)”라는 이 문구는 “AI 생성 콘텐츠(AI-generated content)”라는 표현보다 평판 문제를 더 잘 포착합니다. 문제는 단순히 AI가 텍스트에 관여했는지 여부가 아닙니다. 제시된 주장, 경험 또는 전문성에 대해 누군가가 책임을 질 수 있는지의 문제입니다.

독자와 전문가들이 직면한 더 까다로운 진위 확인 테스트

사용자들에게 LinkedIn의 새로운 AI 슬롭(slop) 신고 버튼은 피드백 루프(feedback loop)를 생성합니다. 모든 신고는 LinkedIn의 분류기(classifiers)를 위한 학습 데이터가 되며, 이는 신고된 콘텐츠가 게시자의 기존 네트워크 외부로 노출되는 빈도를 줄일 수 있습니다.

이는 독자들에게 힘을 실어주지만, 확실성을 보장하지는 않습니다. Pangram의 점수는 스타일 패턴에 기반한 추정치일 뿐, 저자성을 증명하는 것은 아닙니다. 또한 원문 자료에 따르면, 독립적인 연구자들은 일부 AI 생성 텍스트가 탐지기(detectors)에 인간의 글로 읽힐 수 있다는 점을 발견했습니다.

그렇다면 AI를 가볍게 사용하는 전문가들은 어떤 상황에 놓이게 될까요?

실질적인 해답은 구체성(specificity)에 있습니다. 이제 일반적이고 매끄럽기만 한 글은 더 위험합니다. 검증 가능한 세부 사항, 책임 있는 주장, 그리고 인식 가능한 인간의 관점이 담긴 게시물은 대량 생산된 채움용 글(filler)과 혼동하기 어렵습니다. 마찰 없는(frictionless) 비즈니스 조언처럼 읽히는 게시물은, 설령 사람이 직접 썼더라도 인내심을 얻기 어려울 수 있습니다.

XOOMAR 분석: LinkedIn에서 AI를 사용하는 가장 안전한 방식은 아마도 인간이 경험, 판단력, 이해관계를 제공하고 AI는 교정(proofreading), 구조 및 조사 지원을 담당하는 방향으로 이동할 것입니다. 이는 “게시물 개선하기(Enhance your post)”에서 교정 기능으로 전환하려는 LinkedIn 자체의 제품 변화와도 일치합니다.

이러한 신뢰의 긴장 상태는 단순히 소셜 피드뿐만 아니라 AI 제품 전반에서 나타나고 있습니다. XOOMAR는 Google Earth AI Gets Yanked After Fake Map Backlash 및 AI-Generated Children's Books Ignite Privacy Fights 사례를 통해 인접한 신뢰성 분쟁들을 추적해 왔으며, 여기서 핵심 문제는 AI의 참신함이 아니라 사용자가 결과물과 그 출처를 신뢰할 수 있는지 여부였습니다.

Substack, Reddit, X는 “AI 슬롭(slop)”이 특정 플랫폼만의 문제가 아님을 보여준다

Pangram의 교차 플랫폼 비교는 LinkedIn을 특히 취약해 보이게 만들지만, 그렇다고 다른 플랫폼들이 깨끗하다는 뜻은 아닙니다.

Reddit의 수치는 플랫폼 AI 지표가 왜 오해를 불러일으킬 수 있는지 보여주는 가장 좋은 사례입니다. **4.4%**라는 결합된 비율은 낮게 들리지만, PYMNTS는 이것이 LinkedIn 게시물이나 Substack 글과 비교할 만한 상위 레벨 게시물이 아니라 주로 답글(replies)에 의해 주도되었다고 언급했습니다.

경쟁적 신호는 명확합니다. 플랫폼들은 콘텐츠 뒤에 실제 사람이 있다는 것을 증명할 수 있는지에 따라 차별화를 시작하고 있습니다. Substack은 탐지 기능을 독자의 손에 맡겼습니다. LinkedIn은 사용자 신고를 랭킹 시스템(ranking systems)으로 전달하고 있습니다. 이는 서로 다른 설계 방식이지만, 동일한 전략적 우려를 공유합니다.

플랫폼이 저노력 합성 콘텐츠(low-effort synthetic content)의 유통을 어렵게 만들면서도 높은 참여도(engagement)를 유지할 수 있을까요?

이것이 현재의 제품 과제입니다.

시장의 신호: 증명이 정교함을 앞서기 시작하다

LinkedIn의 행보에서 얻을 수 있는 가장 유용한 교훈은 “AI를 사용하지 마라”가 아닙니다. 그것은 바로 정교하게 다듬어진 결과물(polished output)의 희소성이 사라지고 있다는 점입니다.

만약 어떤 도구가 유능한 전문가 수준의 게시물을 즉각적으로 생성할 수 있다면, 유능함 그 자체만으로는 더 이상 신호(signal)로서의 역할을 하지 못하게 됩니다. 이제는 증거가 더 가치 있어집니다. 즉, 이름이 명시된 프로젝트, 명확한 증거, 실제 경험한 세부 사항, 책임 있는 의견, 그리고 모델이 대량 생산할 수 없는 인간관계 등이 중요해집니다.

LinkedIn의 다음 단계는 도덕적 논쟁이 아닌 배포 규칙(distribution rules)에 의해 결정될 가능성이 높습니다. LinkedIn 측은 신고 데이터가 분류기(classifiers)를 학습시켜, 추천 콘텐츠 및 사용자의 네트워크 외부에서 오는 게시물 내의 AI 슬롭(AI slop)을 줄이는 데 사용될 것이라고 밝혔습니다. Substack은 독자가 확인할 수 있는 탐지 기능 측면에서 한 발 더 나아갔습니다. 하지만 두 기업 모두 완벽한 정확성을 보장한다고 주장하지는 않았습니다.

주시해야 할 구체적인 증거는 다음과 같습니다. LinkedIn 사용자들이 자신의 네트워크 외부에서 일반적인(generic) 장문 게시물을 덜 보게 되는지, 오탐(false-positive) 불만이 증가하는지, 크리에이터들이 AI 도움을 받았음을 공개하는 방식을 바꾸는지, 그리고 “AI 슬롭 같습니다(Seems like AI slop)” 버튼이 의미 있는 랭킹 신호(ranking signal)가 될지 아니면 그저 또 다른 차단(mute) 버튼에 그칠지 여부입니다.

만약 LinkedIn의 피드가 단순히 권위 있게 들리는 게시물보다 증거를 포함한 게시물에 보상을 주기 시작한다면, 정화 작업이 효과를 거두고 있는 것입니다. 만약 똑같이 일반적인 권위주의적 글들이 더 매끄러운 문체로 계속 유통된다면, **LinkedIn AI 슬롭(LinkedIn AI slop)**은 첫 번째 단속을 견뎌낸 셈이 될 것입니다.

영향 분석 (Impact Analysis)

• LinkedIn의 전문적 가치는 게시물이 실제 전문 지식과 판단을 반영한다는 사용자의 신뢰에 달려 있습니다.
• 41%에 달하는 AI 생성 장문 콘텐츠 비율은 채용 신호, 업계 논평 및 비즈니스 신뢰도를 약화시킬 수 있습니다.
• LinkedIn의 새로운 AI 슬롭 신고 도구는 플랫폼이 합성 콘텐츠(synthetic content)를 평판 리스크로 간주하고 있음을 시사합니다.

원문은 XOOMAR에 게시되었습니다. 더 많은 뉴스 및 분석을 보려면 XOOMAR를 방문하세요.