LinkedIn이 AI 슬롭(slop)을 위한 버튼을 추가했습니다. 이 기능의 목적은 AI를 탐지하기 어렵게 만드는 것이 아닙니다. 당신의 사고 과정을 더 쉽게 검사할 수 있도록 만드는 것입니다.

이러한 변화가 중요한 이유는 과거의 방식이 단순했기 때문입니다. 게시물을 다듬고, 말투를 매끄럽게 하며, 명백한 기계적 흔적을 제거한 뒤 아무도 눈치채지 못하기를 바라는 것이었습니다. 하지만 그 시대는 끝나가고 있습니다. 플랫폼이 독자들에게 일반적(generic)이라고 느껴지는 콘텐츠를 신고할 수 있는 방법을 제공할 때, 더 안전한 전략은 위장이 아닙니다. 그것은 출처(provenance)를 보여주는 것입니다. 아이디어가 어디에서 왔는지, 어떤 근거가 그것을 형성했는지, 어떤 모순을 발견했는지, 그리고 오직 인간 운영자만이 책임감 있게 내릴 수 있는 결론이 무엇인지를 보여주는 것입니다.

콘텐츠 전략 팀에게 이것은 반(anti)-AI의 순간이 아닙니다. 이것은 반(anti)-공허한 결과물(empty output)의 순간입니다. AI는 여전히 조사 정리, 초안 작성, 비교 및 개선에 도움을 줄 수 있습니다. 취약한 지점은 완성된 게시물이 그 뒤에 숨겨진 가시적인 추론(visible reasoning) 없이 전달될 때입니다.

지난 250년 동안, 중대한 아이디어들은 복잡성을 구조화하고, 가정을 반박하며, 앞으로 나아갈 경로를 가시화할 수 있는 사람들에게 의존해 왔습니다.

이제 동일한 규율이 AI 보조 출판(AI-assisted publishing)에도 적용됩니다. 만약 게시물이 출판할 가치가 있다면, 그 사고 과정은 검사를 견뎌낼 수 있어야 합니다.

LinkedIn에서 변경된 사항

LinkedIn은 두 가지 방식으로 일반적인 AI 생성 콘텐츠에 대응해 왔습니다.

첫째, 회사는 저노력(low-effort) AI 콘텐츠, 자동화된 댓글, 그리고 실제 관점을 추가하지 않고 게시물을 재진술하기만 하는 응답을 식별하는 시스템을 강화하고 있다고 밝혔습니다. 자체 제품 업데이트에서는 문제를 명확하게 정의했습니다. AI는 언어를 다듬는 데 도움을 줄 수 있지만, 게시물과 댓글은 여전히 구성원의 목소리와 관점을 나타내야 한다는 것입니다.

둘째, 최근 보도에 따르면 LinkedIn은 사용자가 "AI 슬롭(slop)처럼 보임"이라고 표시할 수 있는 게시물 메뉴 옵션을 추가했습니다. 실질적인 신호는 직설적입니다. 독자들은 단순히 텍스트가 인간처럼 들리는지를 판단하는 것이 아닙니다. 그들은 게시물이 충분한 노력을 통해 얻어진 것(earned)인지 판단하고 있습니다.

그 차이가 중요합니다.

잘 다듬어진 게시물이라 할지라도 증거(evidence), 긴장감(tension), 판단(judgment), 그리고 독창적인 결론(original conclusion)이 없다면 여전히 슬롭(slop)일 수 있습니다. 반면, 다소 거친 게시물이라도 독자가 그 추론 과정(reasoning)을 볼 수 있다면 여전히 가치가 있을 수 있습니다. 새로운 압박은 단순히 언어적인 것이 아닙니다. 그것은 인식론적(epistemic)입니다. 이 주장은 어디에서 왔는가? 저자는 무엇과 비교했는가? 무엇을 거부했는가? 무엇을 결정했는가?

LinkedIn AI-slop button source card board

AI 보조는 콘텐츠 슬롭(slop)과 같지 않다

게으른 논리는 AI 사용 자체가 문제라고 말합니다. 그것은 너무 광범위하며 유용하지 않습니다.

진짜 문제는 검토되지 않은 출력물(uninspected output)입니다. 어떤 팀이 게시물을 요청하고, 첫 번째로 다듬어진 초안을 수락하고, 후킹(hook) 문구를 추가한 뒤, 그 주장이 근거가 있는지 묻지도 않고 게시해 버립니다. 결과물은 매끄럽게 읽힐지 모르지만, 단 하나의 후속 질문에도 무너질 수 있습니다. 이것이 바로 "사람처럼 들리는 것"이 약한 목표인 이유입니다. 좋은 콘텐츠에는 더 강력한 테스트가 필요합니다.

방어 가능한(defensible) AI 보조 게시물은 세 가지 특성을 갖습니다.

1. 증거가 가시적이다

게시물은 독자로 하여금 저자가 실제적인 무언가, 즉 제품의 변화, 사용자 행동, 패턴, 데이터셋, 고객의 반대, 현장 관찰, 또는 기록된 트렌드로부터 시작했다는 느낌을 주어야 합니다. 증거가 방대할 필요는 없습니다. 하지만 추적 가능(traceable)해야 합니다.

2. 추론(inference)이 사실(fact)과 분리되어 있다

사실은 무엇이 일어났는지를 말합니다. 추론은 그것이 무엇을 의미하는지를 말합니다. AI 생성 콘텐츠는 완결성 있게 들리고 싶어 하기 때문에 종종 이 둘을 흐릿하게 만듭니다. 강력한 콘텐츠는 그 경계를 명확히 유지합니다. 독자는 저자가 전제(premise)를 지어냈는지 의심하지 않고도 그 해석에 동의하지 않을 수 있습니다.

3. 결론에 판단(judgment)이 포함되어 있다

AI는 다섯 가지 출처를 요약할 수 있습니다. 관점을 제안할 수 있습니다. 해석을 비교할 수 있습니다. 하지만 최종적인 지점은 인간의 책임감을 담고 있어야 합니다. 즉, 당신이 무엇을 믿는지, 무엇을 할 것인지, 무엇을 피할 것인지, 그리고 그 이유는 무엇인지 말입니다.

그것이 바로 콘텐츠 팀이 이제 사용해야 할 표준적인 전문적 기준입니다. "이것이 인간이 쓴 것처럼 보이는가?"가 아니라, "사고 과정(thinking)을 검토할 수 있는가?"라고 물어야 합니다.

콘텐츠 팀이 해결해야 할 모순

LinkedIn의 업데이트는 유용한 긴장감을 조성합니다.

사람들이 AI를 사용하는 이유는 전문적인 포스팅이 어렵기 때문입니다. 명확한 요점, 신뢰할 수 있는 근거, 읽기 쉬운 구조, 그리고 스프레드시트에 갇힌 동기 부여 포스터처럼 들리지 않는 목소리가 필요합니다. AI는 이러한 마찰(friction)을 줄이는 데 도움을 줍니다.

하지만 AI는 저노력(low-effort) 출판을 저렴하게 만들기도 합니다. 제작 비용이 낮아지면, 가치가 쉽게 조작할 수 없는 작업으로 이동합니다. 즉, 판단(judgment), 선택(selection), 비교(comparison), 맥락(context), 그리고 책임감(accountability)으로 이동하는 것입니다.

따라서 새로운 콘텐츠의 우위는 AI의 개입을 숨기는 것이 아닙니다. 출력물 뒤에 있는 추론 산출물(reasoning artifact)을 보여주는 것입니다.

그 산출물은 간단할 수 있습니다:

• 포스트가 무엇을 기반으로 하는지 보여주는 소스 카드 (Source cards)
• 무엇이 알려진 사실이고 무엇이 해석된 것인지 보여주는 증거 대 추론 매트릭스 (evidence-versus-inference matrix)
• 포스트가 해결하고 있는 긴장 상태를 보여주는 모순 지도 (contradiction map)
• 저자가 해당 이슈에 대해 어떻게 생각하는지 보여주는 짧은 프레임워크 (framework)
• 보드(board)와 다시 연결된 최종 포스트

이 지점에서 가시적인 사고(visible thinking)는 단순한 멋진 문구 그 이상이 됩니다. 그것은 신뢰 메커니즘(trust mechanism)이 됩니다.

방법 1: AI 메뉴로부터 추론 보드(reasoning board) 구축하기

팀이 최종 소셜 포스트를 작성하기 전에 가이드가 있고 구조화된 워크플로(workflow)를 원할 때 이 방법을 사용하십시오.

1. Jeda.ai 워크스페이스의 왼쪽 상단 영역에서 AI 메뉴를 엽니다.
2. 콘텐츠 작업에 가장 적합한 Matrix 또는 Writer 레시피를 선택합니다.
3. 주제, 대상(audience), 현재 증거, 그리고 의도된 관점을 입력합니다.
4. 캔버스(canvas)에 첫 번째 구조화된 출력물(structured output)을 생성합니다.
5. 모든 주요 주장(claim)이 가시적인 근거를 가질 수 있도록 소스 카드(source cards)를 추가하거나 편집합니다.
6. 사실과 해석을 분리하기 위해 증거 대 추론(evidence-versus-inference) 매트릭스를 추가합니다.
7. 포스트가 해결할 긴장 상태를 보여주는 모순 지도(contradiction map)를 추가합니다.
8. 보드에 더 많은 세부 정보가 필요할 때 AI+를 사용하여 선택된 섹션을 확장하고 심화합니다.
9. 추론을 매트릭스, 마인드맵, 플로우차트(flowchart) 또는 다이어그램(diagram)과 같은 다른 시각적 형식으로 변환해야 할 때는 Vision Transform을 사용합니다.
10. 추론 보드(reasoning board)가 다른 팀원이 검토할 수 있을 정도로 충분히 명확해진 후에만 최종 포스트를 작성합니다.

이 방법은 포스트가 빈 텍스트 박스에서 시작하는 것이 아니라 구조화된 사고(structured thinking)로부터 발전하도록 강제하기 때문에 효과적입니다. Jeda.ai의 시각적 워크스페이스 개요는 이러한 광범위한 패턴을 설명합니다: 프롬프트(prompts), 문서, 데이터 및 연구가 하나의 캔버스 위에서 편집 가능한 시각적 출력물이 될 수 있습니다. 이 주제의 경우, 유용한 결과물은 단순히 포스트만이 아닙니다. 그것은 포스트를 방어 가능하게(defensible) 만드는 추론 경로(reasoning path)입니다.

LinkedIn AI-slop button evidence inference matrix

방법 2: 프롬프트 바(Prompt Bar)에서 동일한 워크플로 구축하기

팀이 이미 구조를 알고 있고 빠르게 진행하기를 원할 때 이 방법을 사용하십시오.

1. 워크스페이스 하단의 프롬프트 바(Prompt Bar)를 엽니다.
2. Matrix 명령을 선택합니다.
3. 소스 카드(source cards), 증거 대 추론(evidence-versus-inference) 행, 모순점(contradictions), 그리고 최종 관점(final point of view)을 요청하는 프롬프트를 입력합니다.
4. 생성된 매트릭스(matrix)를 검토하고, 캔버스(canvas)에서 약한 주장들을 직접 수정합니다.
5. Diagram 또는 Mindmap 명령을 선택하여 긴장 관계(tension)를 시각적 맵(visual map)으로 변환합니다.
6. Text 또는 Writer를 선택하여 추론 보드(reasoning board) 옆에 최종 소셜 포스트 초안을 작성합니다.
7. 팀원들이 게시 전 로직(logic)에 이의를 제기할 수 있도록 보드와 초안을 동일한 워크스페이스에 유지합니다.
8. 추론에 더 깊은 내용이 필요한 경우, AI+를 사용하여 선택된 섹션을 확장하고 심화합니다.
9. 팀이 동일한 사고 과정에 대해 다른 관점이 필요할 때, Vision Transform을 사용하여 보드를 더 유용한 형식으로 변환합니다.
10. 팀이 청중에게 결론이 어떻게 도출되었는지 보여주고 싶을 때, 완성된 시각적 추론 결과물(visual reasoning artifact)을 포스트와 함께 내보내거나 공유합니다.

Jeda.ai의 편집 가능한 화이트보드 워크플로(editable whiteboard workflow)는 캔버스 하나에 매트릭스(matrices), 다이어그램(diagrams), 스티키 노트(sticky notes), 문서(documents), 생성된 글(generated writing)을 모두 보관할 수 있기 때문에 이 과정에서 유용합니다. 포스트가 증거로부터 동떨어지지 않게 됩니다. 그것이 핵심입니다.

LinkedIn AI-slop button contradiction map canvas

Jeda.ai를 위한 예시 프롬프트

팀이 포스트를 작성하기 전에 추론 결과물(reasoning artifact)을 구축하고자 할 때 Jeda.ai 내부에서 이 프롬프트를 사용하십시오.

LinkedIn의 AI 슬롭 (AI-slop) 신고 기능에 관한 전문적인 소셜 포스트를 위해 가시적인 추론 보드 (reasoning board)를 생성하십시오. 출처 카드 (source cards), 증거 대 추론 매트릭스 (evidence-versus-inference matrix), 모순 지도 (contradiction map), 세 가지 가능한 해석, 하나의 독창적인 전략적 프레임워크 (strategic framework), 그리고 최종 포스트 초안을 포함하십시오. 결론은 인간적이고, 증거를 인지하며, 구체적이어야 합니다. 근거 없는 주장을 하지 마십시오. 발생한 사실과 그것이 의미하는 바를 분리하십시오.

출력물은 최종적인 진실로 취급되어서는 안 됩니다. 이는 작업용 보드입니다. 귀하의 팀은 여전히 출처를 검증하고, 취약한 가정을 제거하며, 결론을 날카롭게 다듬고, 무엇을 게시할 가치가 있는지 결정해야 합니다.

이 지점은 또한 Jeda.ai의 웹 검색 및 AI+ 릴리스 노트 (web search and AI+ release note)가 워크플로우 참조로서 중요한 이유이기도 합니다. 웹 컨텍스트 (web context)는 현재의 조사를 지원할 수 있으며, AI+는 팀이 분석을 처음부터 다시 시작할 필요 없이 보드의 섹션들을 확장하고 심화할 수 있습니다.

LinkedIn AI-slop button final post reasoning artifact

방어 가능한 AI 지원 포스트를 위한 간단한 프레임워크

AI 지원 포스트를 게시하기 전에, EIC 테스트인 증거 (Evidence), 해석 (Interpretation), 결론 (Conclusion)을 거치십시오.

증거 (Evidence)

무엇을 근거로 하고 있습니까? 최근의 플랫폼 변화입니까? 직접적인 관찰입니까? 실제 워크플로우 패턴입니까? 고객 대면 문제입니까? 만약 증거를 보여줄 수 없다면, 포스트 작성을 늦춰야 합니다.

해석 (Interpretation)

그 증거가 무엇을 의미한다고 생각합니까? 이곳이 대부분의 일반적인 AI 콘텐츠가 형체 없이 뭉개지는 지점입니다. 중간 단계의 연결 작업 (bridge work) 없이 "무언가 발생했다"에서 "그러므로 모두가 모든 것을 재고해야 한다"로 넘어가 버립니다. 그 연결 고리를 가시화하십시오.

결론 (Conclusion)

당신의 독창적인 요점은 무엇입니까? 가장 안전한 요점이 아닙니다. 가장 바이럴이 될 만한 요점도 아닙니다. 누군가가 "왜 그렇게 생각하시죠?"라고 물었을 때 방어할 수 있는 요점이어야 합니다.

이 주제에 대한 결론은 명확합니다. AI 지원 콘텐츠의 미래는 AI를 덜 사용하는 것이 아닙니다. 그것은 더 검사 가능한 사고 (inspectable thinking)입니다. 중요한 독자들은 숨겨진 자동화 (automation)에 보상을 주지 않을 것입니다. 그들은 가시적인 추론 (visible reasoning)에 보상을 줄 것이며, 특히 게시물이 전략적인 주장 (strategic claim)을 하고 있을 때 더욱 그러할 것입니다.

이것이 콘텐츠 팀에 의미하는 바

콘텐츠 워크플로우 (workflow)는 상류 (upstream)로 이동해야 합니다.

최종 게시물로 시작하지 마십시오. 게시물 뒤에 있는 보드 (board)에서 시작하십시오. 팀이 증거를 검사하고, 추론 (inference)과 사실 (fact)을 분리하며, 긴장 관계를 매핑하고, 해석을 비교한 다음 글을 쓰도록 하십시오. 그것이 더 느리게 들릴 수도 있지만, 종종 최악의 종류의 지연을 방지합니다. 즉, 세련되게 다듬어진 무언가를 게시한 뒤, 그것에 뼈대(spine)가 없다는 사실을 깨닫게 되는 상황 말입니다.