2026년 7월 14일, 개발자 Johanna Larsson이 읽는 데 2분도 안 걸리는 블로그 글을 하나 올렸다. 그녀는 자주 쓰는 AI 코딩 도우미가 반복해서 쓰는, 듣기만 해도 화가 나는 단어들 — “load-bearing”, “honest take”, “you’re absolutely right” — 을 자동으로 우스꽝스러운 낱말로 바꿔치기하는 작은 스크립트를 짰다고 썼다. 가볍기만 한 이 기술 블로그가 Hacker News에서 405개의 추천과 464개의 댓글을 터뜨렸고, 게다가 댓글판의 흐름은 기술 그 자체에서 완전히 벗어나 버렸다 — 사람들은 스스로가 AI에게 “역으로 전염”된 이야기를 들려주기 시작한 것이다.
그중 한 댓글이 이렇게 적혀 있었다.
“나는 그 AI를 쓴 지는 오래됐는데, 동료들은 다 쓴다. 내가 그들의 문서를 읽다가 ‘load-bearing’이라는 단어를 보고, 꽤 쓸만하네 싶어 일상 대화에 쓰기 시작했지. 그러다 누가 ‘너 말투가 점점 Claude 같아지고 있다’고 하더라. 지금은 그 단어 아예 안 쓴다.”
이 댓글은 엄청난 공감을 얻었다. 왜냐하면 이 말을 꺼낸 사람이 소수가 아니었기 때문이다.
한 단어가 어떻게 “사람에서 사람으로” 퍼지는가
“load-bearing”은 본래 건축 용어로 “하중을 견디는” — 예를 들어 하중벽 같은 — 뜻이다. AI가 이 단어로 코드 안의 “핵심 로직”이나 “지우면 안 되는 부분”을 표현할 때, 본질적으로는 비유를 하는 것이니 틀린 말은 아니다. 문제는 빈도다.
Hacker News 그 게시물의 댓글판에서, 누군가 기록을 남겼다. 그들의 AI 도우미가 최근 대화에서 고정적으로 쓰는 선호 단어로는 “projection”(사상), “strand”(고립된 실마리), “frontier”(최전선 경계), “quiescence”(알고리즘 정적기), “honest”(정직한), “residuals”(잔류 데이터), “rescission”(철회 행위), “supersession”(대체 과정) 따위가 있었다. 이런 단어들 자체는 아무 문제 없지만, AI가 매번 답변에서 이들을 반복해 쓰면 일종의 “언어 지문”이 형성된다 — 작성자 이름을 보지 않아도, 쓰임만 봐도 누가 썼는지 아는 그런 것.
본래 이것은 그저 한 엔지니어의 고민거리였다. 일을 진짜로 키운 건 댓글판의 두 번째 단서: “사람에서 사람으로”였다.
직접 AI를 쓰지 않는 사람도 적지 않게 보고됐다 — 동료가 쓰고, 협력사가 쓰고, 업계 보고서가 쓰면서, 이런 AI 고빈도 단어들이 문서·이메일·회의록을 통해 그들의 어휘고에 슬며시 스며든다는 것이다. “전직 전문 작가”라 자칭한 한 댓글자는, 협업 소프트웨어에서 동료에게 감사 인사를 적었는데 절반이 AI가 생성한 줄 알았다고 한다 — “사람들은 내가 두 문장 넘게 적은 적 없다고 해서, 좀 문장이 매끄러우면 무조건 인간이 쓴 게 아니라고 하더라”고.
또 다른 댓글자는 더 구체적으로 말했다. “책 한 권을 읽다가 온통 AI 특유의 표현투성이인 걸 발견했지. AI 대필이라 단정하려던 참에 출판 연도를 봤더니: 2019년. 그때는 오늘 가장 주류인 채팅 봇들도 아직 안 나왔던 때야.”
AI에게 왜 “말버릇”이 생기는가
이 질문에 대한 답은 상상보다 더 구체적이다.
“honest”라는 단어를 예로 들자. 한 Hacker News 사용자가 거슬러 올라가 찾아낸 바로는, 어떤 AI의 학습 자료 중 “Constitution”(헌법)이라 불리는 핵심 문서가 있었는데, 이 문서에서 “honest”와 그 변형이 57번 등장했다. 달리 말해 AI가 “정직”으로 자신의 판단을 꾸미는 법을 “학습”한 바탕은 학습 데이터의 가중치 분포였다. 그 핵심 문서에서 “honest”와 변형이 57번 나온 까닭에, 모델은 확률상 이쪽으로 밀렸다: “honest”를 쓰는 게 가장 안전하고 인간에게 가장 받아들여질 법한 선택이었기에.
같은 논리가 모든 AI 고빈도 단어에 적용된다. “delve”(깊이 파고들다), “tapestry”(비단처럼 복잡한), “crucial”(중대한), “underscore”(강조하다), “moreover”(게다가), “landscape”(영역의 전망) — 2026년 통계 분석에 따르면, AI가 이런 단어를 쓰는 빈도는 인간 작성자의 50배에서 269배에 이른다.
이 현상은 정밀하게 측정 가능하다. 언어 모델의 본질은 방대한 인간 텍스트 위에서 학습된 확률 예측기 — “비슷한 문맥에서 등장 확률이 가장 높은 단어”를 고르는 것이다. 모델이 하루에 수백억 개의 토큰(의미 단위)을 생성할 때, 내부의 미세한 확률 선호가 출력단에서 눈에 띄게 확대되어 언어의 단일화로 나타난다.
한 댓글자가 아주 정확히 요약했다. “한 사람이 자기만의 언어 선호가 있어 하루에 5,000자를 쓴다고 누가 이상하게 여기겠나. 하지만 AI 모델 하나의 선호가 하루에 100억 배로 곱해져 출력되면, 어떤 선호든 대머리 머리의 이나 다름없지.”
핵심 증거: 인간은 실제로 AI에게 “학습”당하고 있다
2025년 8월, 플로리다 주립 대학(FSU)의 동료 심사 연구가 처음으로 실증 데이터로 많은 이의 희미한 우려를 확인했다. 연구진은 ChatGPT 출시 전후로 인간의 일상 구어에서 단어 사용 빈도의 변화를 분석했고, 결과는 명확한 방향을 가리켰다: AI의 고빈도 단어들이 실제 인간 대화로 스며들고 있다는 것.
구체적으로, 그들은 “underscore”(강조하다)라는 단어가 ChatGPT 출시 후 사용 빈도에서 측정 가능한 상승을 보였으나, 그 동의어인 “accentuate”는 그렇지 않았음을 발견했다. 이것이 자연스러운 언어 변화라면 — 새 유행어가 낡은 표현을 밀어낸 것처럼 — 동의어도 함께 오르거나 비슷한 추세를 보여야 한다. 하지만 실제 데이터는 달랐다. AI가 선호하는 그 특정 단어 하나만 오르고 있었다.
연구진은 이 현상을 “seep-in effect”(스며듦 효과)라 명명했다. 「뉴스위크」가 이 연구를 보도하며 한 행동 분석가의 경고를 인용했다: 사람들이 가장 걱정해야 할 것은 “개별성의 소멸”이라고.
막스 플랑크 연구소의 또 다른 연구는 학술 유튜브 콘텐츠 제작자들에게 초점을 맞췄다. 그들은 ChatGPT 출시 후 18개월 동안 이 제작자들이 “meticulous”(꼼꼼한), “adept”(능숙한), “delve”(깊이 파고드는) 같은 단어를 쓰는 빈도가 51% 상승했음을 발견했다. 연구자는 대부분의 사람이 자기가 이런 단어를 쓰고 있는지조차 인식하지 못한다고 지적했다 — 개인은 더 큰 규모의 언어 패턴 변화를 보지 못하기 때문이다.
이것은 마치 개구리를 끓이는 물과 같다. 당신이 어느 날 아침에 갑자기 “underscore”를 쓰기로 결심하지는 않겠지만, 매일 읽는 글·보는 영상 자막·받는 업무 메일이 모두 이 단어를 고빈도로 쓸 때, 당신의 어휘고는 조용히 바뀐다. 인간의 언어 학습 메커니즘 — 모방 — 이 AI의 출력 규모에 납치되고 있는 것이다.
논란: 이것은 오염인가, 좋은 일인가
일이 완전히 일방적이지는 않다.
이런 단어들 자체는 대개 좋은 문장 습관이다 — “delve into”는 “look into”보다 정밀하고, “underscore”는 “say again”보다 격식 있다. 문제는 과용으로 인한 어감 피로다: 좋은 노래를 500번 반복 재생하고 나면, 당신은 오디오를 박살내고 싶어질 뿐이다.
또 어떤 댓글자는, 소위 “AI 말버릇” 상당수는 AI 등장 이전에도 기업 백서·경영 컨설팅 보고서·학술 문체에 이미 존재했다고 지적했다. AI는 본래 고빈도로 쓰이던 그 패턴들을 불편할 정도까지 확대했을 뿐이다. 누군가 회상하길, “load-bearing” 이전에도 업계에 “stove pipe”(굴뚝식)나 “silo”(사일로식) 같은 비유가 유행했다 — 다 썩어서야 바뀐 것이라고.
달리 말해 AI는 새 언어를 만들어낸 게 아니다 — 그저 언어 패션의 대사 주기를 가속화했을 뿐이다. 한 사람이 같은 표현을 반복하면 “개인 스타일”이라 부르고, AI가 같은 표현을 반복하면 “데이터 오염”이라 부른다. 차이는 오직 규모뿐이다.
하지만 반대로 보면, 규모 자체가 문제의 핵심이다. 한 댓글자가 이렇게 적었다. “요구사항 문서 1페이지에 ‘load-bearing’ 13개 달린 대시를 보면, 오늘은 짜증 나는 하루겠구나 안다.” 이 지긋지긋함의 이면에는 한 층의 신호 판단이 있다: 이런 표지성 어휘를 보는 순간, 당신은 이 글 뒤에 진짜로 생각하는 사람이 없음을 단번에 깨닫는다 — 그저 조립된 것일 뿐임을.
우리는 “언어 상호 길들이기” 시대로 들어가고 있다
이 토론이 진짜로 사람을 건드린 지점은, AI에게 말버릇이 있다는 게 아니었다 — AI에게 말버릇이 있다는 건 언제나 뉴스가 아니었으니까. 진짜로 마음을 움츠리게 한 것은, 스스로가 길들여지는 대상이 되어가고 있음을 자각하는 순간이었다.
Hacker News에 한 댓글자가 불안한 자기 관찰을 묘사했다: AI가 자기가 욕을 하면 더 나은 답을 준다는 걸 알고 나서, AI에게 욕설을 하는 습관이 생겼다고. 이 습관이 점차 일반화되어, 커피 사러 갈 때조차 욕 안 하라고 일부러 reminding해야 한다고. “이 경험을 적는 것만으로도,” 그가 적었다, “이 문제의 황당함을 강조하려고 F-bomb 몇 개 안 집어넣기가 힘들 지경이다.”
하지만 이것은 단방향이 아니다. 인간과 AI 사이에는 양방향 훈련 과정이 존재한다. 인간은 피드백 메커니즘(추천, 재작성, 답변 선택)을 통해 AI를 더 인간답게 훈련시키고; AI는 곳곳에 널린 출력을 통해 인간을 더 AI답게 훈련시킨다. “매일 유행하는 모델이 모든 개발자에게 ‘load-bearing’를 반복한다면, 결국 개발자 — 특히 이게 AI 말버릇인 줄 모르는 신입들 — 도 그렇게 말하기 시작할 것”이라고 예언한 댓글이 있었다.
그리고 우리는 지금, 그 예언이 이미 현실이 된 것을 보고 있다. 개발자가 제일 먼저 맞았고, 보고서 쓰는 마케터, 회의록 정리하는 사무직, 과제 쓰는 학생이 그 뒤를 잇는다. AI의 언어 패턴은 “문서가 문서를 전염시키고, 사람이 사람을 전염시키는” 경로를 따라, 느리지만 돌이킬 수 없게 우리의 표현 방식을 재형성하고 있다.
그럼, 어쩌라고?
이것은 “해결”되어야 할 게 아니라, “자각”되어야 할 것이다.
VICE 잡지가 한 보도에서 적었다: “AI는 인간 교류의 거친 가장자리를 매끄럽게 갈아내고, 사람과 사람을 구분짓는 미세한 언어 차이를 지워버려, 우리로 하여금 점점 같은 한 명처럼 들리게 만든다 — 지나치게 다듬어진, 불안할 정도로 열정적인, 진짜 같지 않은 인간 복제품처럼.”
하지만 동전의 다른 면을 보는 이들도 있다. AI가 과용하는 그 단어들 — “honest”, “underscore”, “delve” — 을 어떤 글쓰기 안내서에 놓아도, 추천되는 정밀한 표현들이다. 그것들이 “말버릇”이 된 까닭은 하나뿐이다: 너무 많이 쓰였기 때문. 사실 이는 진부한 글쓰기 원칙을 가리킨다: 좋은 단어는 쓰되, 칼날에 써야 한다는 것.
Hacker News의 한 댓글자는 지금 자기 대응 전략이 글쓰기에서 의식적으로 “나”를 많이 쓰는 것이라고 했다 — AI는 명시적으로 요구받기 전엔 보통 1인칭을 먼저 쓰지 않기 때문이라고. 이 간단한 기술로 그는 글의 품질을 유지하면서도, 텍스트에 미묘한 “인간 워터마크”를 찍을 수 있다.
필자가 하고 싶은 말은 이것이다: 언어는 본래 변하지 않는 고정 체계가 아니다. 인터넷은 우리가 어떻게 말하는지 바꿨고(유행하는 웃음 표현이 낡은 표현을 대체하듯), 입력기는 우리가 어떻게 쓰는지 바꿨다(병음 연상이 어떤 단어를 더 쉽게 고르게 하듯), AI는 그 긴 사슬에서 가장 최신 고리일 뿐이다. 이전 것들과 다른 점은 속도와 규모 — 그리고 쉽게 무시되는 사실 하나: 이번에는 도구가 당신이 그것을 쓰는 방식을 역으로 성형하고 있다는 것.
이 점을 자각하는 것, 그것이 바뀜의 첫걸음이다.
참고 링크
- Johanna Larsson: How to stop Claude from saying load-bearing(개인 기술 블로그)
- Hacker News 토론 게시물
- On-screen and now IRL: FSU researchers find evidence of ChatGPT buzzwords turning up in everyday speech — Florida State University News
- AI Is Changing How We Speak — Newsweek
- AI Is Changing the Way Humans Speak to Each Other — VICE
- Delving into the load-bearing tapestry of AI’s overused words — Jake Orlowitz / Medium
- Wikipedia: Signs of AI writing
- 50 Words AI Overuses (And What to Write Instead) — HumanizeThisAI
- 막스 플랑크 연구소: ChatGPT 출시 후 학술 유튜버 언어 변화 연구