솔직히 저도 동의합니다. AI 생성 콘텐츠가 폭발적으로 늘어나고 있고, 그에 따라 인간이 만든 고유한 관점과 경험은 더욱 중요해집니다. 저 역시 저에게서 [인간의 관점]이 사라지지 않도록 노력을 합니다.
그런데 한편으로는 이런 생각도 들었습니다. 우리가 저런 자동화 블로그 글을 쓸 때 정말 엄청난 깊이 있는 생각을 해서, 많은 노력을 들여서 작성했었나?
제 관점과 의견을 제공하는 글, 제 이야기를 담은 글에는 당연히 100% 제 인풋이 들어갑니다. 이건 자동화 하려고 해도 되지도 않습니다.
그런데 단순 정보 전달, 포맷이 정해진 '양산'에 포커싱이 된 정보성 글들은? 이전에도 그렇게 큰 힘을 들이지 않았습니다.(물론 이건 SEO 전문가 아닌 저의 관점입니다.) ROI 관점에서 보면, 그냥 시간을 잡아먹던 일을 더 수월하게 하는 것 아닐까요.
하지만 이건 너무 개인적인 생각이기는 해서 관련 내용들을 좀 찾아봤습니다.
Model Collapse: 쓰레기가 쓰레기를 낳는다
2024년 7월 Nature 저널에 발표된 연구가 있더라구요. AI 모델이 AI가 생성한 데이터로 학습할 때 품질이 저하되는 'model collapse' 현상을 실증적으로 증명한 논문입니다.
그리고 연구진들은 이 현상을 'Model Autophagy Disorder (MAD)'라고 명명했어요. AI 모델이 자신이 생성한 데이터를 재학습하면서 스스로를 잡아먹는 현상인거죠. 단 몇 세대만 지나도 품질이 급격히 저하됩니다.
갈수록 이상해지는 데이터 / https://news.rice.edu/news/2024/breaking-mad-generative-ai-could-break-internet
문제는 이게 '나 혼자 잘하면 돼'로 해결되지 않는다는 겁니다. AI 모델들이 웹에서 크롤링할 때 선택적으로 좋은 콘텐츠만 가져올 수 없습니다. 쓰레기가 10%, 20%, 50%로 늘어나면 전체 훈련 데이터가 오염됩니다.
부록: 인간 데이터(Human-generated Data)가 더 귀해진다
- 원본 데이터의 중요성: 모델 붕괴를 막기 위해서는 진짜 인간이 만든 데이터에 접근하는 것이 필수적입니다. 특히 데이터 분포의 '꼬리' 부분(희귀하고 독창적인 정보)을 유지하려면 인간 데이터가 반드시 필요합니다. - 인터넷 데이터의 오염: 앞으로 인터넷은 AI가 쓴 글로 채워질 것입니다. 이는 미래의 AI 모델을 훈련시킬 '깨끗한 물'이 점점 사라진다는 뜻입니다. - 선점 효과: 오염되기 전의 데이터(Pre-AI data)를 많이 확보한 기업이나 모델이 장기적으로 우위를 점할 것입니다.
악화가 양화를 구축한다
Gresham's Law(그레셤의 법칙)가 여기서도 적용됩니다. 나쁜 돈이 좋은 돈을 시장에서 몰아내듯이, 저품질 대량 생산 콘텐츠가 고품질 콘텐츠를 검색 결과에서 밀어낼 수 있습니다.
왜냐하면 규모의 경제학이 작동하기 때문입니다.
•
쓰레기 콘텐츠 양산자들은 검증 비용을 들이지 않아서 더 싸고 빠르게 생산합니다
•
저처럼 검증하고 품질을 유지하는 사람은 비용이 더 듭니다
•
검색 엔진과 알고리즘은 '품질'보다 '양'과 '최신성'에 더 반응하는 경우가 많습니다
집단행동 문제
이건 집단행동 문제(Collective Action Problem)입니다. 제가 혼자 품질을 유지해도, 다른 1000명이 쓰레기를 양산하면 생태계 전체가 나빠집니다. 이건 개인 윤리로 해결 안 되는 구조적 문제입니다.
마치 "기후변화도 개인이 분리수거 잘하면 되지?"라고 말하는 것과 같습니다. 개인 실천은 중요하지만, 시스템 변화 없이는 불충분합니다.
Google도 답을 찾는 중입니다
Google의 2025년 8월 Spam Update의 내용을 보면, 검색 순위 조작을 위해 대량으로 제작된 콘텐츠(저품질 AI 기반 콘텐츠 포함)의 순위를 낮췄습니다.
그리고 SpamBrain이라는 시스템을 사용해 스팸을 탐지하도록 강화했습니다. SpamBrain은 단순히 "AI로 만들었나?"를 체크하는 게 아닙니다. 콘텐츠의 패턴을 분석합니다. 링크 스팸, 키워드 stuffing, 얇은(thin) 콘텐츠, 자동 번역된 글, 스크레이핑된 내용 같은 스팸 특징들을 학습해서 찾아냅니다. 그리고 계속 진화합니다. 새로운 스팸 패턴이 나타나면 SpamBrain도 학습해서 적응합니다.
이번 업데이트에서 타격을 받은 건 대량으로 자동 생성한 얇은 콘텐츠들이었습니다. 반면 인간의 전문성과 실제 가치가 담긴 AI 활용 콘텐츠는 문제가 되지 않았습니다. Google이 처벌한 건 'AI 사용 여부'가 아니라 '독자에게 가치를 주지 않는 대량 생산'이었습니다.
그래서 답은 뭘까요
개인만으로는 부족합니다. 제가 아무리 검증해도, 다른 1000명이 쓰레기를 양산하면 생태계 전체가 오염됩니다.
플랫폼만으로도 부족합니다. Google의 SpamBrain이 아무리 정교해져도, '좋은 AI 활용'과 '나쁜 AI spam'의 경계선은 여전히 흐릿합니다.
결국 둘 다 필요합니다. (너무 뻔한가요?ㅎㅎ)
플랫폼은 계속 발전하고 있습니다. Google 알고리즘은 실제로 저품질 콘텐츠를 걸러냅니다. 독자들도 점점 품질을 구분합니다. 이탈률, 체류시간 같은 지표가 시그널이 되죠.
동시에 개인도 책임져야 합니다. 저는 AI로 콘텐츠를 만들더라도 검증하고, 제 관점을 넣고, 가치를 주려고 합니다. 블로그 자동화 시스템 글을 읽은 사람들이 "검증 프로세스를 이렇게 넣어야 하는구나"를 생각한다면, 그게 좋은 사례가 됩니다. "AI로 막 찍어내면 되겠네"가 아니라요.
싫어요 3개를 누른 분들의 우려를 이해합니다. 저도 같은 우려를 합니다. 하지만 답은 AI 자동화를 멈추는 게 아니라, 올바르게 사용하는 방법을 함께 만들어가는 겁니다.
발행 전 확인하는 'AI 콘텐츠 품질 체크리스트'
저 역시 이번 생각을 계기로, 제 자동화 시스템이 '쓰레기'를 생산하지 않도록 아래 5가지 기준을 더 엄격하게 적용하기로 했습니다. 여러분도 AI로 글을 쓸 때 이 체크리스트를 활용해 보세요.
1.
[희소성] 나만 아는 '고유한 데이터'가 포함되었는가?
AI는 웹에 있는 데이터만 조합합니다. 나의 개인적인 에피소드, 직접 겪은 시행착오, 혹은 나만의 통찰이 단 한 문장이라도 들어갔는지 확인합니다. (Model Collapse를 막는 유일한 방법입니다.)
2.
[정확성] 수치와 고유명사를 직접 검증했는가?
AI의 할루시네이션(환각)은 생태계를 오염시키는 주범입니다. 언급된 날짜, 논문 이름, 통계 수치는 반드시 원문을 대조해 봅니다..
3.
[가독성] 인간의 언어로 '재편집'했는가?
AI 특유의 딱딱하고 반복적인 말투를 걷어냈는지, 독자가 읽기 편하게 문장 구조와 문단을 다듬었는지 점검합니다.
4.
[목적성] 이 글이 독자에게 '시간 절약' 혹은 '새로운 정보'를 주는가?
단순히 키워드를 선점하기 위한 '양 늘리기'용 글은 아닌지, 읽고 난 독자가 얻어갈 실질적인 가치(Action Item)가 있는지 자문해 봅니다.
5.
[책임감] '발행인' 이름에 부끄럽지 않은가?
AI 뒤에 숨지 않고, 이 글의 내용에 대해 내가 끝까지 답변하고 책임질 수 있는지 확인합니다.
'zoeylog' 구독하기
주제가 읎써요 노션에 메모할까 하다가 그냥 푸는 메모장 https://zoey.day/
구독
5
13
2
15
고
고대의 사파이어 체리
작성하고픈 내용을 AI를 활용해 효율화하는 건 괜찮다고 생각하는 편입니다.
하지만 소비자 측면에서, 네이버에 검색하면 AI로 작성된 글만 나와서 정보 탐색에 방해되는 경험을 한두번 하다보면 AI로 작성된 글이 싫어지더라고요.
1
1
조이
맞아요~ 얼마전 네이버에서 '화경버섯' 레시피가 난리였었죠. 독버섯인데 효능이 있다면서 그냥 AI가 작성한 말도 안 되는 글이 검색되다니요ㅜ 팩트 체크 없이 그냥 무지성으로 올린 글들은 정말 지탄받아야 마땅하다 생각해요
1
1
1
Haebom
저도 싫어요랑 토 이모지가 너무 반복적으로 달려서 너무 스트레스 받아서 받응을 꺼버리고 그냥 "나는 라이브로 내가 편집없이 말해." 라고 증명하고 싶어서 유튜브도 같이 운영하기 시작했어요. 그냥 AI 까라가 느껴지면 무조건 싫어요 누르고 보는 것 같기도 하고... 생각이 많아지네요. 비슷한 고민을 하고 있습니다.
조이
어마마마 해봄님이라니! 기억나실지 모르겠지만 한 2년전..? 복직하고 고민이 많아서 꼬치코칭으로 만나뵈었답니다..! 판교에서 햄버거 사주셨어요ㅋㅋ 어쩐지 요즘 블로그 안 올라오더라니 그런 일이 있었군요.. 유튜브도 요즘 잘 보고 있고 나름 카톡방도 과거부터 참여하고 있는, 멀리서 응원하는 익명의 팬이랍니다ㅋㅋㅋㅋ 응원해요!
블로그 글 하나 쓰는 데 얼마나 걸리세요? 저는 한 편 쓰는 데 최소 30분? 1시간은 걸린 것 같아요. 키워드 찾고, 검색 의도 분석하고, 경쟁 글 읽고, 구조 짜고, 본문 쓰고, 이미지 만들고... 그런데 이제는 "키워드 10개 뽑아줘" 한마디면 키워드 발굴부터 블로그 글 완성까지 자동으로 처리돼요. 어떻게 만들었는지, 왜 이렇게 만들었는지 공유할게요. 왜 만들었나 이 블로그 말고, 저 멀리 다른 블로그도 해야지 해야지, 하면서 초반 몇 개만 올려놓고 안 하고 있었는데요 ....... 왜 내가 안 올릴까, 도대체 나를 가로 막고있는 병목이 뭘까, 생각해보니까 반복 작업이었어요. 키워드 리서치 (네이버 자동완성, 경쟁 글 분석) 검색 의도 파악 글 구조 짜기 (H1, H2, H3...) 본문 작성 (SEO 신경 쓰면서) 이미지 제작 (Figma 켜서 하나하나...) 썸네일 만들기 메타데이터 작성 이 과정을 매번 반복하는 게 너무 지쳤어요. 사실 전부터 Claude Skills로 블로그 글 작성은 자동화했었는데, 키워드 찾기나 이미지 만들기는 여전히 제가 직접 해야 했죠. "이거 전부 다 자동화할 수 없을까?" 그래서 Claude Code의 멀티 에이전트 시스템으로 처음부터 끝까지 자동화해보기로 했어요. 자동 블로그 구조를 설계해보자 처음에는 이렇게 설계했어요:
멀티 에이전트 vs 단일 에이전트, Agent 개념 쉽게 정리
Claude에서 말하는 에이전트(Agent)개념을 기준으로 단일 에이전트와 멀티 에이전트의 차이를 정리한 자료입니다. 1. 에이전트란 무엇인가? 에이전트(Agent) 환경(파일, 웹, API, DB 등)을 관찰하고 정보를 바탕으로 계획을 세우고 도구(코드 실행, Bash, 웹 검색, 사내 API 등)를 호출해 목표를 달성하기 위해 여러 번 반복해서 행동하는 시스템 Claude 관점의 에이전트 루프 (개념적으로) 컨텍스트 수집: 파일/검색/메모리에서 필요한 정보 찾기 계획 수립: 지금 무엇을 먼저/나중에 할지 결정 도구 사용: 코드 실행, Bash, 외부 API, Skill 등을 호출 결과 검증: 출력이 기대와 맞는지 체크, 부족하면 다시 반복 즉, 에이전트는 단순히 "한 번 답변하는 LLM"이 아니라, 도구를 쓰면서 스스로 반복적으로 일하는 실행 주체입니다. 1-1. 커스텀 GPT, Gem이랑 같은거 아니야? "그럼 GPTs나 Gem에 지시 프롬프트 넣어 둔 것도 에이전트 아닌가?"라는 질문이 자연스럽게 나오기 때문에, 직관적으로만 구분해 보면 다음과 같습니다. 공통점 둘 다 시스템/지시 프롬프트로 역할과 말투, 출력 형식을 세팅한다.
a16z가 제시한 2026년을 위한 14가지 빅아이디어
페이스북, 에어비앤비, 깃헙과 같은 빅테크를 초기 투자한 앤드리슨 호로위츠, 일명 a16z에서는 매년 Big Ideas라는 걸 발표합니다. 이 내용을 다 읽을 수 없어 TRAE로 '쉽게 설명하는 강의 전문 에이전트'를 만들고 노션에 바로 붙일 수 있게 md파일을 만들어달라고 했습니다. 정말 읽기 쉽게 적혀있으니 다들 한번 쉭쉭 보면서 2026년에는 무슨 빅아이디어들이 있을지 확인해보세요.. 라고 사내에 공유했던 내용을 그대로 붙여봅니다. a16z가 뭔데? - 정식 명칭: Andreessen Horowitz (창립자 마크 앤드리슨과 벤 호로위츠의 성을 따서 지음) - 별칭: a16z (A와 z 사이에 16개의 글자가 있다는 뜻) - 위상: 실리콘밸리에서 가장 영향력 있는 벤처 캐피털(VC) 중 하나입니다. 페이스북, 에어비앤비, 슬랙, 깃허브 등 우리가 아는 수많은 테크 거인들의 초기 투자자이기도 하죠. 단순히 돈만 투자하는 곳이 아닙니다. 이들은 기술의 흐름을 읽고, 미디어를 통해 담론을 주도하며, 스타트업이 성장할 수 있는 생태계를 직접 만들어가는 '테크 업계의 킹메이커'입니다. 그렇기 때문에 이들이 매년 발표하는 "Big Ideas"는 단순한 예측을 넘어, 앞으로 실리콘밸리의 돈과 인재가 어디로 몰릴지를 보여주는 중요한 나침반이 됩니다. 이 자료는 단순한 정보 전달을 넘어, AI가 기술 산업과 우리 삶을 어떻게 근본적으로 재편하고 있는지에 대한 통찰을 제공하기 위해 작성되었습니다. 각 섹션은 배경 설명, 구체적인 변화 양상, 그리고 미래 전망으로 구성되어 있습니다. 팀원들과 함께 읽으며 "우리 조직에는 어떤 영향이 있을까?"를 토론해 보시기를 권장합니다. 1. 생성형 월드 경험 (Generative World Experiences) 제안자: Jonathan Lai 지금까지 우리가 즐겨온 게임은 개발자가 미리 만들어둔 '무대' 위에서 노는 것이었습니다. 맵의 끝이 정해져 있고, 몬스터의 위치도 고정되어 있었죠. 하지만 Jonathan Lai는 '월드 모델(World Models)'이라는 기술이 이 한계를 완전히 깨뜨릴 것이라고 말합니다.
