최근 AI가 생성한 글을 사람이 쓴 것처럼 보이게 만들 방법을 찾아보셨다면, 'unslop'이라는 단어를 접했을 것입니다. 이 단어는 Cursor 스킬 목록, Claude Code 플러그인 마켓플레이스, 그리고 글쓰기 도구 관련 스레드 등에서 등장하며 마치 제품 이름처럼 들립니다. 하지만 실제로는 그렇지 않습니다. 이것은 민간 용어(folk name)이며, 'AI 슬롭(slop)'을 제거하는 것이 무엇을 의미하는지에 대해 서로 의견이 다른 최소 7개의 오픈 소스 프로젝트들이 공유하고 있는 명칭입니다.
본 가이드에서는 이들을 세 가지 철학으로 분류하고, 각 방식에 대한 솔직한 평가를 제공하며, 사용자님의 작업 흐름(workflow)에 어떤 것이 적합한지 알려드립니다. 마지막으로는 가장 저렴하게 개입할 수 있는 지점, 즉 슬롭을 제거하는 대신 예방하는 방법을 제시합니다.
'unslop'이 하나의 카테고리가 된 이유
1년 전만 해도 'AI 슬롭'은 단순한 불만이었지만, 이제는 편집상의 표준(editorial standard)이 되었습니다. 출판사들은 기계가 작성한 것처럼 보이는 원고를 거부하고, 팀들은 고객들이 실제로 읽을 수 있는 문서를 제작하며, 모두들 너무나 많이 접했던 대시(-)와 글머리 기호로 가득 찬 산문 구조를 보자마자 알아챌 정도입니다. 'Unslop'은 이러한 식별 가능한 특징의 반대를 약속하기 때문에 인기를 얻었습니다. 즉, 인간의 검증을 통과하는 글쓰기 말입니다. 아래 소개할 7개의 프로젝트는 어떻게 그 지점에 도달해야 하는지에 대해서는 의견이 다르지만, 이 문제가 실재한다는 점에는 동의합니다.
1. 타이포그래피 스와핑 unslop: 빠르고 결정론적이며 표면적인 방식
가장 문자 그대로의 unslop은 jere-mie/unslop입니다. 이것은 Zig으로 작성된 작은 CLI 도구로, README에서 'LLM 악센트(LLM accent)'라고 부르는 요소를 제거합니다. 대시(-)는 하이픈(-)으로 바뀌고, 곡선 따옴표(curly quotes)는 직선 따옴표(straight quotes)가 되며, 줄임표(...)는 세 개의 점으로 바뀝니다. 공여분(dependency)은 없고, 정적 바이너리 하나로 구성되어 있으며, 재귀적인 저장소 정리(recursive repo sanitizing)를 밀리초 단위로 수행하고, 기본적으로 gitignore 경로를 건너뛰며, 충돌이 발생해도 파일이 절반만 작성되는 일이 없도록 원자적 파일 쓰기(atomic file writes) 기능을 갖추고 있습니다.
형제 계보(sibling lineage)(uv, unslop --stdin --deterministic를 통해 패키징됨)는 한 가지 중요한 아이디어, 즉 재현성(reproducibility)을 추가합니다. 동일한 입력에 대해 매번 실행할 때마다 동일한 출력을 보장하는 것—이는 파이프라인에서 단계가 사람이 개입하지 않고 실행될 때 필요한 것입니다. cluxion skill wrapper는 이를 정확하게 정의합니다: 문서를 커밋하거나 게시하기 전에 수행하는 결정론적(deterministic) 최종 검토 과정입니다.
솔직한 평가를 하자면, 이 계층은 글리프 지문(glyph fingerprint)을 제거할 뿐, 목소리(voice) 자체는 아닙니다. 여전히 AI처럼 읽히는 단락은 그저 하이픈(-)을 사용하고 있을 뿐, 여전히 AI처럼 읽힙니다. 이를 프리-커밋 훅(pre-commit hook)이나 CI 단계로 설치하세요. 이것을 글쓰기 품질 전략으로 착각하지 마십시오.
2. LLM 카피에디터: 느리지만 실제로 목소리를 바꾼다
두 번째 계열은 타이포그래피가 문제가 아니라 문장 구조(sentence shapes)가 문제임을 인정합니다. crypdick/unslop는 AI 글쓰기가 인식되는 습관들의 조합을 감지하고, 인간 카피에디터가 텍스트를 수정하는 방식—필러(filler) 제거, 중요성 약화, 직설적으로 말하기—으로 텍스트를 재작성하는 Claude Code 플러그인입니다.
솔직한 평가: 이 레이어는 글의 '느낌(sound)' 자체를 변화시키는 유일한 부분입니다. 대가는 문서당 추가 모델 호출, 가변적인 출력물, 그리고 건너뛸 수 없는 검토 단계를 거쳐야 한다는 것입니다. LLM이 슬럽을 다듬으려다 사용자의 목소리까지 함께 샌딩해 버릴 수 있습니다. 따라서 비포/애프터 테이블이 이에 대한 최고의 방어책입니다.
3. 경험주의자(The empiricists): 추측하지 말고 측정하라
가장 영리한 아이디어는 어떤 것도 규정하지 않습니다. 사람이 어느 구절이 과도하게 사용되었는지 추측하는 대신, 모델을 통해 50개 이상의 도메인별 출력을 생성하고, 반복되는 기본값에 대한 통계 분석을 수행하여 맞춤형 회피 프로필을 작성합니다. 시각적 모드(Visual mode)는 CSS나 레이아웃의 진부한 표현을 포착하기 위해 HTML 출력을 스크린샷으로 찍습니다. 이 기능은 글쓰기와 React 디자인을 위한 사전 구축된 프로필과 함께 제공됩니다. (이 전체 공간을 카탈로그화한 avoid-slop 디렉토리에서 찾아볼 수 있습니다.)
그 배경 철학은 반(反)슬럽 문헌에서 가장 날카로운 문장입니다: 모델에게 '더 잘 쓰라'고 지시하는 것은 단지 새로운 종류의 슬럽을 만들어낼 뿐이며, 무엇을 하지 말아야 목록화하는 것이 템플릿 대체가 아니라 참신함을 강제하기 때문입니다. 이는 어떤 도구를 선택하든 기억할 가치가 있습니다.
솔직한 평가: 설정 비용은 가장 높지만, 잠재력(ceiling)도 가장 높습니다. 반복적인 출력 유형을 가진 팀에게 가장 적합합니다—한 번 측정하고 영원히 혜택을 얻을 수 있습니다.
더 저렴한 방법: 클리닝보다 예방이 낫다
위의 세 가지 계열 모두 사후적(post-hoc)입니다. 즉, 슬럽이 먼저 작성된 후 다듬어지는 방식입니다. 가장 비용 효율적인 개입 지점은 상류(upstream)에 있습니다—애초에 모델이 특징적인 표현을 생성하는 것을 막는 기술입니다.
그것이 바로 stop-slop의 설계 원리입니다: 7가지 카테고리에 걸쳐 약 30개의 금지된 구절, 8가지 금지된 구조적 패턴, 그리고 초안 점수가 50점 만점에 35점 미만일 때 수정 단계를 유발하는 채점 루브릭을 가지고 있습니다. 이 시스템의 가장 좋은 아이디어는 '가짜 주체성(false agency)' 감지입니다—AI가 실제 행위자를 명시하는 것을 피하기 위해 무생물에 인간 동사(
솔직히 말하자면: 예방이 청소(cleanup)를 대체할 수는 없습니다. 금지 구문 목록은 문장의 흐름이나 구조 문제를 해결해 줄 수 없으며, 그것이 바로 카피 에디터 레이어의 역할입니다. 하지만 이는 대부분의 작업을 가장 저렴한 순간, 즉 생성 시간으로 옮겨줍니다.
어떤 것을 설치해야 할까요?
- CI(지속적 통합)에서 커밋 메시지, 문서, 변경 로그를 작성할 때 — Zig CLI가 적합합니다. 결정론적이고, 즉각적이며, 의존성이 없습니다.
- 중요하게 생각하는 블로그 게시물이나 에세이의 경우 — mcnamee's skill(비교 전/후 표가 글의 톤을 보호해 줍니다) 또는 Claude Code에서 작업한다면 crypdick 플러그인이 적합합니다.
- 랜딩 페이지나 릴리스 노트 같은 반복적인 팀 결과물 — empirical profiler를 사용하세요. 한 번 측정하고, 영원히 이점을 얻으세요.
- 모든 것, 소스 단계에서부터 — 시스템 프롬프트 또는 Claude Project에 예방 스킬을 추가하는 것이 좋습니다. 설치하는 데는 1분밖에 걸리지 않지만, 다른 레이어들의 작업을 더 작게 만듭니다.
이 내용은 저희의 더 긴 가이드(Unslop 설명: 어떤 AI 글쓰기 클리너가 당신에게 맞는지)에서 각색된 것이며, 프론트엔드 디자이너를 위한 구체적인 선택지까지 다루고 있습니다.