AI 생성물의 전형적 패턴과 인지적 거부 반응

업무 중 전달받은 문서의 내용을 뇌가 분석하기를 거부하는 현상이 보고됐다. 문서를 읽고는 있지만 정작 내용에 집중하지 못해, 이미 문서에 포함된 내용을 발신자에게 다시 묻는 식의 비효율적인 소통이 반복되는 상태다. 이러한 인지적 거부 반응은 문서에서 AI의 흔적이 강하게 느껴질 때 공통적으로 발생한다.

구체적인 거부 징후는 AI 모델 특유의 말투와 구성에서 나타난다. 클로드(Claude)를 그대로 복사해 붙인 듯한 디자인 문서의 경우, "이것이 핵심을 꿰뚫는다(This cuts just through it)"거나 "첫 번째 관문이 실제적이다(The first gate is real)" 같은 모델 특유의 분석 방식과 용어가 섞여 있다. 20페이지에 달하는 마케팅 컨셉 덱에서는 합리적인 전략 사이에 "레디스(Redis) 백본이 제품을 재정의한다"는 식의 맥락 없는 기술적 헛소리가 혼재되기도 한다. 단순한 개념을 지나치게 장황하게 설명하거나, 결정에 확신이 없는 LLM(대규모 언어 모델) 특유의 내부 추론 과정이 그대로 드러나는 기술 요구사항 문서 역시 분석 대상에서 제외되는 경향을 보인다.

이런 현상은 과거 웹사이트의 광고 배너를 무의식적으로 무시하던 '배너 블라인드니스(Banner Blindness)'와 유사하다. 링크드인(LinkedIn)의 게시물, 이메일, 웹사이트 등 의미는 없지만 텍스트만 가득한 AI 생성 콘텐츠에 반복적으로 노출되면서, 인간의 뇌가 저효율 AI 생성물을 빠르게 식별하고 무시하도록 일종의 '사전 학습'이 된 결과다.

생산성 도구의 역설과 채택 흐름의 변화

생산성을 높이기 위해 도입한 AI가 오히려 업무 속도를 늦추는 병목 현상을 만든다. AI를 활용해 문서를 빠르게 작성하는 '생성'의 효율은 올라갔지만, 이를 읽고 해석하는 '소비'의 효율은 급격히 떨어지는 구조다. 이는 AI 채택의 흐름이 단순히 '얼마나 잘 쓰는가'에서 '어떻게 읽히게 하는가'로 이동하고 있음을 보여준다.

특히 낮은 노력으로 생성된 결과물(low-effort results)에 대한 인간의 식별 능력은 기존 연구 결과보다 더 예리하게 작동하는 모습이다. 단어 선택뿐만 아니라 문장의 전반적인 흐름, 그리고 아주 작은 세부 사항조차 획기적인 돌파구인 것처럼 포장하려는 AI 특유의 서술 방식이 필터링의 기준이 된다. 기업용 애플리케이션의 RBAC(역할 기반 액세스 제어) 설정 뷰에 있는 체크박스를 설명하면서 마치 불을 발명한 것처럼 묘사하는 과장된 톤은 수신자가 내용을 읽지 않고 넘기게 만드는 결정적인 신호가 된다.

실무자가 점검해야 할 커뮤니케이션 비용

실무자가 경계해야 할 지점은 AI 도구의 사용 여부가 아니라, 수신자의 뇌가 해당 문서를 '분석할 가치가 없는 것'으로 분류하게 만드는 패턴이다. AI가 작성한 초안을 그대로 전달하는 행위는 발신자의 작성 시간을 줄여주지만, 수신자가 내용을 파악하기 위해 더 많은 질문을 던지게 함으로써 전체 커뮤니케이션 비용을 증가시킨다.

한국의 AI 실무자와 기업 개발자가 관찰해야 할 신호는 팀 내 소통의 지연 양상이다. AI 도입 이후 문서의 양은 늘어났는데 정작 핵심 내용에 대한 합의나 피드백 속도가 느려졌다면, 이는 조직 내에 'AI 블라인드니스'가 작동하고 있다는 증거일 수 있다. 이를 방지하기 위해서는 AI 특유의 과장된 수식어를 제거하고, 단순한 개념은 장황한 설명 대신 명확한 구조로 재편집하는 과정이 필수적이다.

결국 AI 시대의 문서 작성 능력은 생성 능력이 아니라, AI의 흔적을 지우고 인간이 즉각적으로 분석할 수 있는 형태로 정보를 정제하는 '편집 능력'에서 결정된다.