AI 슬롭체를 넘어서려는 클로드 코드 문체 복제 도구들

챗GPT나 클로드로 글을 다듬어본 사람이라면 한 번쯤 겪었을 상황이 있다. 분명 내가 쓴 초고인데, AI가 손을 대고 나면 "첫째, 둘째, 셋째"로 시작하는 개요형 문단이 되거나 "단순한 도구가 아니라 하나의 패러다임"류의 상투적 반전 문장으로 바뀌어 있는 것이다. 오픈채팅방 '클코단'에서도 최근 이 문제가 화두에 올랐다. 참여자들은 AI 윤문이 자기 글을 얼마나 뻔한 '슬롭체'로 바꿔놓는지 예시문을 공유하며 공감했고, 이를 해결하겠다며 만든 오픈소스 도구 두 개가 함께 소개됐다. 이 글은 그 도구들이 실제로 무엇이고, '슬롭체' 문제의 정체가 무엇인지, 웹 조사와 커뮤니티 반응을 엮어 정리한다.

'슬롭체'란 무엇인가

AI 슬롭(AI slop)은 원래 대량 생산된 저품질 AI 생성 콘텐츠를 가리키는 멸칭으로, 2025년 이후 영어권 인터넷에서 급속히 퍼진 표현이다. 반생성형 AI 밈 페이지에서 시작된 "Your AI slop bores me"라는 문구가 대표적 상징이 됐고, 이후 이 문구를 딴 게임 사이트까지 등장해 화제를 모았다. 문체 차원에서 '슬롭체'는 조금 더 구체적인 대상을 가리킨다. 위키백과가 정리한 'AI 글쓰기의 징후' 문서에 따르면 AI 생성 텍스트는 특유의 패턴을 반복한다. "단순히 X가 아니라 Y"식의 부정 병렬구문으로 거짓 심오함을 연출하고, 번호나 라벨을 붙인 목록을 산문으로 위장하며, "그럼에도 불구하고 도전에 직면했지만"으로 시작해 모호한 낙관론으로 끝맺는 정형화된 결론부를 즐겨 쓴다. 어휘 면에서도 delve(파고들다), tapestry(태피스트리), leverage(활용하다), crucial(중대한) 같은 단어가 비정상적으로 자주 튀어나오는 것이 2026년 기준 가장 신뢰도 높은 AI 글쓰기 식별 지표로 꼽힌다. 한국어 환경에서는 문제가 더 도드라진다. 대부분의 대형 언어모델이 영어권 데이터로 학습되다 보니, 모델 성능이 좋아져도 번역투와 기계적 나열 구조, 불필요한 수식어가 쉽게 사라지지 않는다는 지적이 많다.

문체 복제라는 발상과 스타일로메트리

이 문제에 내놓은 대응 하나가 '내 문체를 AI에게 학습시킨다'는 접근이다. 근거가 되는 학문은 스타일로메트리(stylometry), 즉 함수어 빈도·문장 길이 변동·구두점 습관 등을 통계적으로 분석해 저자의 '언어적 지문'을 찾아내는 계량문체학이다. 원래는 저자 판별이나 표절 탐지, AI 생성 여부 검증에 쓰이던 기법인데, 최근에는 반대 방향으로도 활용되기 시작했다. 실제로 지난 3월 공개된 클로드 코드 플러그인 'Voiceprint'가 이런 흐름을 보여준다. 캐주얼·설명적·흥분·좌절·설득 다섯 가지 톤의 글쓰기 샘플을 수집해 스타일로메트리 분석을 수행하고, 이를 바탕으로 AI가 생성하는 글이 사용자 본인의 문체처럼 들리게 만드는 방식이다. 다만 학계 연구는 이런 시도의 한계도 함께 짚는다. UCC(유니버시티칼리지코크)의 최근 연구는 AI가 인간처럼 완벽하게 쓰지는 못한다고 결론지었다. AI는 유창하고 매끈한 문장을 만들어내지만 여전히 좁고 균일한 패턴을 반복하는 반면, 인간 저자는 개인적 경험과 창작 의도에 따라 훨씬 넓은 문체적 편차를 보인다. 즉 AI에게 표면적 어휘 습관을 학습시키는 것과, 저자 고유의 '사고의 결'까지 재현하는 것은 다른 차원의 과제라는 뜻이다.

클코단에서 나온 오픈소스, clone-n-write

이번에 방에서 공유된 clone-n-write는 바로 이 간극을 정면으로 다루려는 시도다. 깃허브에 공개된 프로젝트로, 단순 어휘 모방을 넘어 저자의 사고 과정 자체를 복제하겠다는 목표를 내세운다. 구조는 8단계 파이프라인으로 짜여 있다. 저자의 기존 발행글에서 통계를 뽑아 코퍼스를 구축하고, 어미 분포로 장르를 자동 판별한 뒤, 산문을 쓰기 전에 개요부터 검증받는다. 이어 같은 장르의 기존 글에서 서술 기법을 차용해 초고를 쓰고, 구조·독자·회의론자·목소리라는 네 가지 관점에서 다중 리뷰를 거치며, 저자의 문체 지문 대역과 비교해 정량 점수를 매긴 뒤, 발행 전 마지막 게이트를 통과시킨다. 이 도구는 "측정→반려→코칭→수렴"이라는 루프로 객관적 진단을 제공한다. 예컨대 "합니다체 54.5%는 AI 특유의 격식 도배"라는 식으로 문제를 수치로 짚어주고, "명사형 종결로 절반을 대체하라"처럼 구체적인 수정 지침을 제시한다. 외부 API 없이 파이썬 표준 라이브러리만으로 작동하며, 코퍼스도 로컬에 비공개로 유지된다. 방에서는 이 도구가 만들어낸 AI 윤문 전후 비교 예시가 공유되며 많은 참여자들이 공감을 표했다는 후문이다. 특유의 개요형·나열형으로 뭉개지는 결과물을 실제로 눈으로 확인하니 문제의식이 한층 뚜렷해졌다는 반응이 많았다.

한 화면에 모은 tmux 에이전트, chatmux와 가재코드

같은 참여자가 함께 소개한 또 다른 프로젝트는 chatmux다. 이는 문체 도구가 아니라, tmux에서 실행 중인 여러 코딩 에이전트 세션을 데스크톱이나 휴대폰 브라우저에서 발견·열람·제어할 수 있게 해주는 셀프호스팅 웹 인터페이스다. 클로드 코드, 코덱스, 커서, 오픈코드는 물론 국내에서 만들어진 저가형 대안 CLI인 가재코드(Gajae Code) 세션까지 자동으로 감지해 하나의 대화형 화면에 모아낸다. 태일스케일을 통한 모바일 접근과 로컬호스트 바인딩 기반 보안을 지원하며, AGPL-3.0 라이선스로 공개돼 있다. 방 논의에서 이 프로젝트를 소개한 참여자는 "슬롭이 아니게 만들겠다"는 지향을 두 프로젝트에 공통으로 걸었는데, 이는 AI 도구의 결과물이든 인터페이스든 정형화되고 뻔한 형태로 수렴하는 것을 경계하겠다는 문제의식으로 읽힌다.

입문자를 위한 자료와 생태계 맥락

이런 논의와 함께 LLM을 처음 접하는 사람들을 위한 학습 자료로 byteforce.ai.kr가 소개됐다. 이 사이트는 부산 해운대에 거점을 둔 클로드 특화 AI·AX 컨설팅 팀이 운영하는 곳으로, 교육과 전환, 보안을 한 팀에서 다루는 것이 특징이다. 이런 도구들이 나오는 배경에는 클로드 코드 플러그인·스킬 생태계의 빠른 팽창이 있다. 2026년 3월 기준 관련 생태계는 9천 개를 넘어섰고, 플러그인은 스킬·에이전트·훅·MCP 서버 등을 하나의 설치 단위로 묶어 재사용할 수 있게 해준다. 문체 복제나 tmux 통합처럼 특정 문제 하나를 파고드는 커뮤니티 제작 도구가 계속 나오는 것도 이런 확장성 덕분이다.

정리

AI가 쓴 글이 다 비슷해 보이는 현상에는 위키백과가 정리했을 정도로 뚜렷한 패턴이 있고, 이를 되돌리려는 시도도 스타일로메트리를 앞세운 상용 플러그인부터 커뮤니티발 오픈소스까지 여러 갈래로 진행 중이다. 다만 학계 연구가 지적하듯 표면적 어휘 흉내와 저자 고유의 사고 결을 재현하는 일 사이에는 여전히 간극이 있다. clone-n-write 같은 도구가 이 간극을 얼마나 좁힐 수 있을지는 더 지켜봐야 하지만, 적어도 "AI가 쓰면 다 똑같아진다"는 불만이 도구로 이어지는 흐름 자체는 뚜렷해지고 있다.