생성형 AI (Generative AI)는 유창한 산문을 저렴하게 생산할 수 있게 만들었으며, 좋은 글쓰기가 곧 실제적인 사고를 의미한다는 독자들과의 오래된 약속을 깨뜨렸습니다. 독자들은 이에 어떻게 반응해 왔으며, 이것이 변화하는 반(反) AI 태도에 대해 무엇을 말해줄 수 있을까요? 우리는 Hacker News와 Reddit의 댓글 2,500만 개(2023-2026)를 분석했습니다. 이 과정에서 샘플링된 7,500개의 AI 사용 비난에 대한 LLM 판단, 감정 궤적 (sentiment trajectories), 확인된 300개의 AI 사용 비난에 대한 화행 코딩 (speech-act coding), 그리고 비난받은 부모 댓글과 비난받지 않은 부모 댓글을 비교한 매칭 대조 테스트 (matched-control test)를 결합하였습니다. 연구 결과, 두 플랫폼 모두에서 비난 중 경멸적 라벨 (pejorative-label)의 비중이 10배 이상 증가한 반면, 2022년 이전의 비진정성 용어들(shill, astroturf 등)을 사용하는 위약 효과 (placebo) 어휘는 증가하지 않았습니다. 이러한 변화는 의심스럽거나 비진정해 보이는 모든 산문을 "AI 슬롭 (AI slop)"으로 낙인찍는 빠르게 성장하는 트렌드를 반영합니다. 현재 슬롭 프레임 (slop frame)은 경멸적 언급의 94%를 차지하고 있으며, 지배적인 댓글의 어조는 조롱에서 게이트키핑 (gatekeeping) 및 구조적 항의로 변화하고 있습니다. 핵심적인 놀라움은 매칭 대조 테스트에서 나타났는데, 통계적으로 AI와 인간의 텍스트를 구분하는 산문 특징들이 어떤 인간의 텍스트가 AI로 비난받을지를 예측하지 못한다는 사실이 밝혀졌습니다. 새로운 비난들은 실제로 AI를 걸러내는 것이 아니라, 인지된 진정성에 대한 사회적 게이트키핑 (social gatekeeping)으로서 작동합니다. 본 연구는 기저의 탐지 문제가 비전문가 수준에서 해결될 수 없다면, 사회적으로 사용되는 대체 신호 (substitute signals)가 부정확하더라도 성장할 수 있음을 보여줌으로써 신호 이론 (signaling theory)을 확장합니다. 또한 AI가 글쓰기에 미치는 영향이 독자 측면에서의 영향은 생산(작가) 측면에서의 영향과 구별된다는 것을 보여줍니다. 탐지 기술은 이러한 역학 관계를 해결할 수 없는데, 이는 비난의 사회적 기능이 AI 생성 글쓰기를 식별하는 것보다는 사회적 게이트키핑과 내집단 신호 전달 (in-group signaling)을 수행하는 방향으로 점점 더 이동하고 있기 때문입니다.