AI를 쓰라던 링크드인이 ‘AI 슬롭 신고’ 버튼을 만들었다
링크드인에는 글을 대신 다듬어 주는 버튼이 있습니다. 영어로 20단어 이상 아이디어를 적으면 Rewrite with AI가 초안을 만들어 줍니다. 그런데 2026년 7월 30일, 정반대 방향의 버튼이 포착됐습니다. 게시물 오른쪽 위 신고 메뉴에 “Seems like AI slop”, 우리말로 옮기면 “AI 슬롭처럼 보임”이라는 선택지가 나타났다는 것입니다 — 404 Media.
한쪽에서는 AI로 쓰라고 권하고, 다른 쪽에서는 AI로 쓴 것 같은 글을 신고받습니다. 앞문으로 들인 손님을 뒷문에서 검사하는 듯한 장면입니다. 404 Media의 화면 설명을 읽고 처음 든 생각도 “그럼 AI를 쓰라는 건가, 쓰지 말라는 건가”였습니다.
하지만 링크드인이 지난 몇 달 동안 내놓은 자료를 순서대로 놓으면 경계선은 조금 다르게 보입니다. 이 회사가 줄이겠다고 한 것은 AI의 흔적 자체가 아니라, 매끈하지만 아무 경험도 책임도 남지 않은 글입니다. AI가 문장을 고치는 것은 허용하지만 AI가 사람의 관점을 대신하는 순간에는 외부 네트워크로 퍼지는 길을 좁히겠다는 것입니다.
이 변화는 단순한 글쓰기 취향 문제가 아닙니다. 링크드인의 글은 실명, 회사, 직무, 경력 연도와 한 화면에 붙습니다. 일반 SNS에서 뻔한 문장 하나는 몇 초의 지루함으로 끝나지만, 링크드인에서는 그 문장이 “이 사람이 실제로 해본 일은 무엇인가”라는 평가 자료가 됩니다. 이제 AI를 자연스럽게 숨기는 기술보다, 내 말에 실제 경험의 영수증을 붙이는 기술이 더 중요해졌습니다.
먼저 구분할 것 — 버튼은 포착됐지만 전면 도입은 확인되지 않았다
새 기능 뉴스일수록 ‘나왔다’와 ‘모두에게 나왔다’를 나눠야 합니다. 404 Media는 7월 30일 자사 테스트에서 링크드인 게시물 신고 사유로 “Seems like AI slop”을 확인했다고 보도했습니다. 이 매체가 직접 재현한 화면이라는 점은 분명하지만, 링크드인이 같은 날 낸 공식 출시 발표는 찾을 수 없었습니다.
링크드인의 기존 신고 도움말도 아직 새 선택지를 설명하지 않습니다. 도움말에는 게시물의 점 세 개 메뉴에서 Report this post를 누르고 우려 사유를 고르라고만 적혀 있습니다. 문서는 ‘1년 전 업데이트’ 상태입니다. 따라서 7월 31일 현재 확정할 수 있는 범위는 아래와 같습니다.
| 구분 | 지금 확인되는 내용 | 아직 공개되지 않은 내용 |
|---|---|---|
| 신고 선택지 | 404 Media가 자체 테스트에서 “Seems like AI slop” 문구를 확인 | 어느 국가·언어·기기·계정에 배포됐는지 |
| 링크드인 공식 방향 | AI를 과도하게 사용한 일반적·반복적 콘텐츠와 자동화 댓글의 노출을 줄이겠다고 발표 | 신고 몇 건이 어떤 분류 점수로 연결되는지 |
| 신고 뒤 처리 | 기존 도움말상 신고된 글은 검토하며, 필요하다고 판단될 때 제거 | 이 사유가 삭제·경고·노출 축소 중 무엇에 얼마나 영향을 주는지 |
| 작성자 통지 | 커뮤니티 정책 위반 시 노출 제한·라벨·삭제·계정 제한이 가능 | ‘AI 슬롭’ 신고만으로 작성자에게 별도 알림이 가는지 |
그러므로 “이제 AI로 쓴 글은 신고 한 번에 삭제된다”는 결론은 근거가 없습니다. 링크드인의 기존 도움말은 신고가 들어와도 검토 결과 이용약관 위반이 아니면 글을 제거하지 않는다고 설명합니다. 신고는 판결이 아니라 하나의 사용자 신호입니다.
반대쪽 과장도 피해야 합니다. “버튼 하나 시험한 것뿐이니 의미 없다”고 넘기기에는 이미 공식 노출 정책이 움직였습니다. 링크드인은 3월부터 자동 댓글, 참여 품앗이, 반복적이고 내용이 빈약한 게시물의 도달을 줄인다고 밝혔고, 6월에는 ‘AI 슬롭’이라는 말을 직접 사용했습니다. 신고 선택지는 갑자기 떨어진 독립 기능이라기보다, 앞서 시작된 피드 정리 작업에 사용자의 판단을 더하는 장치로 읽는 편이 자연스럽습니다. 이것은 공개 자료를 이어 붙인 해석이며, 링크드인이 신고 신호의 내부 가중치를 밝힌 것은 아닙니다.
AI 글쓰기 버튼과 AI 슬롭 신고는 정말 모순일까
링크드인의 AI 글쓰기 도움말을 보면 회사가 원하는 선이 꽤 노골적으로 드러납니다. 이 기능은 현재 영어와 프리미엄 구독자에게 제공됩니다. 이용자가 먼저 20단어 이상 핵심 내용을 적어야 초안을 만들 수 있고, 생성된 글을 고치지 않으면 “당신의 생각을 더하라”는 안내창이 다시 뜹니다. 개인적으로 아는 주제와 직접 경험한 분야를 쓰고, 구체적인 입력을 주며, 생성된 사실을 검토하라는 권고도 붙어 있습니다 — LinkedIn Help.
6월의 공식 글은 더 짧게 선을 그었습니다. AI가 언어를 다듬는 데 도움을 주는 것은 괜찮지만 게시물과 댓글은 작성자의 목소리와 관점을 나타내야 한다는 것입니다. 링크드인이 정의한 AI 슬롭은 ‘겉은 매끈하지만 독특한 관점이나 내용이 부족한, 낮은 노력의 AI 생성 콘텐츠’입니다.
이 기준대로라면 문제는 도구가 아니라 대체 관계입니다.
| 글을 만든 방식 | 글 안에 남은 것 | 링크드인 발표에서 읽히는 위험 |
|---|---|---|
| 사람이 경험을 메모하고 AI로 문장만 정리 | 구체적 상황·판단·결과·한계 | AI 사용만으로 슬롭이라 할 근거 없음 |
| 한 줄 주제를 넣고 AI 초안을 거의 그대로 게시 | 일반론·익숙한 결론·비슷한 문장 구조 | 관점 없는 일반적 콘텐츠로 분류될 가능성 |
| 사람이 직접 썼지만 유행 문구와 참여 유도만 반복 | 독창적 맥락 없이 “동의하면 댓글” 같은 장치 | AI 여부와 무관하게 반복·참여 미끼로 노출 축소 가능 |
| 자동화 도구가 여러 게시물에 비슷한 댓글을 연속 작성 | 원글 요약과 상투적 칭찬 | 링크드인이 명시적으로 제한하는 자동화 활동 |
첫 번째와 두 번째는 모두 AI를 사용했지만 같은 글이 아닙니다. 세 번째는 사람이 직접 썼어도 링크드인이 줄이겠다는 콘텐츠에 들어갈 수 있습니다. 이 표가 보여주는 것은 ‘AI 판별’보다 ‘정보 가치 판별’이 더 넓은 문제라는 점입니다.
특히 자동화와 AI 보조는 구분해야 합니다. 내가 챗봇에서 초안을 받아 직접 검토하고 게시 버튼을 누르는 것과, 브라우저 확장 프로그램이 수십 개 글에 댓글을 생성해 자동 게시하는 것은 정책상 다른 행동입니다. 링크드인은 제3자 프로그램이나 확장 기능을 이용해 게시·댓글·좋아요·공유를 자동화하는 행위를 이용약관에서 금지합니다. 3월 공식 발표에서는 탐지된 자동 댓글을 ‘관련성 높은 댓글’에서 제외하거나 작성자의 네트워크 밖에 보여주지 않을 수 있고, 계정 사용을 제한할 수도 있다고 밝혔습니다.
결국 역설은 이렇게 풀립니다. 링크드인은 AI를 생산성 도구로 팔면서, 그 도구 때문에 싸진 ‘말의 생산비’가 피드를 망치지 않도록 유통 기준을 다시 세우고 있습니다. AI는 써도 되지만, 누구나 같은 프롬프트로 복제할 수 있는 문장은 더 이상 전문성의 증거로 충분하지 않다는 선언에 가깝습니다.
신고 버튼보다 더 중요한 변화는 ‘외부 네트워크로 나가는 문’이다
링크드인 글의 노출은 한 번에 모든 사람에게 열리는 구조가 아닙니다. 공식 도움말에 따르면 게시물은 연결 강도와 알림 상태 등에 따라 먼저 연결·팔로워 일부에게 공유됩니다. 네트워크 밖에서 보이는 ‘Suggested’ 게시물은 전문적 관련성, 품질, 맥락, 과도한 홍보 여부, 이용자 피드백과 신고 같은 신호를 별도로 봅니다.
이 구조에서 6월 발표의 한 문장이 중요합니다. “AI가 만든 것처럼 보이고 분명한 관점이 부족한 콘텐츠”는 작성자의 직접 네트워크를 넘어 널리 배포될 가능성이 낮아진다고 링크드인은 밝혔습니다. 글이 반드시 삭제되는 것은 아니지만, 처음 보는 사람에게 추천될 다음 문이 닫힐 수 있다는 뜻입니다.
게시물을 세 층으로 나누면 차이가 보입니다.
- 프로필 보관: 내 활동 목록에는 글이 남을 수 있습니다.
- 가까운 네트워크 배포: 일부 연결·팔로워가 피드에서 볼 수 있습니다.
- 네트워크 밖 확장: 관심 주제가 맞는 낯선 사람에게 추천되어 새로운 채용·거래·협업 접점이 생깁니다.
AI 슬롭 정책이 겨냥한 핵심은 세 번째 층입니다. 작성자에게는 “글이 정상 발행됐는데 조회만 적다”로 보일 수 있습니다. 삭제 안내가 없으니 정책 영향을 알아채기도 어렵습니다. 그래서 신고 버튼의 존재보다 외부 확장 자격이 바뀌었다는 사실이 커리어 글 작성자에게 더 실질적입니다.
여기서 ‘94%’라는 숫자를 정확히 읽어야 합니다. 링크드인은 자체 초기 테스트에서 일반적 콘텐츠를 94%의 비율로 올바르게 식별하고 있다고 발표했습니다. 그러나 공개 글에는 테스트 자료의 크기, 사람이 정한 정답 기준, 정밀도와 재현율, 언어별 결과가 없습니다. 따라서 이를 “AI가 쓴 글을 94% 정확도로 잡는 탐지기”라고 옮기면 의미가 달라집니다.
링크드인이 공개한 표현은 ‘AI 작성 여부 94%’가 아니라 ‘generic content, 일반적 콘텐츠를 94% 올바르게 식별’했다는 것입니다. 판단 시스템도 관점·맥락·전문성이 더해진 글과 일반적·반복적인 글을 구분하도록 편집팀과 함께 만들었다고 설명합니다. AI 문체만 쫓는 탐지기라기보다, 콘텐츠 가치와 행동 패턴을 함께 보는 분류 시스템에 가까워 보입니다. 다만 세부 모델과 평가표가 공개되지 않았으므로 그 이상은 추정하면 안 됩니다.
| 조치 | 무엇을 뜻하나 | 같은 말이 아닌 것 |
|---|---|---|
| 사용자 신고 | 독자가 검토를 요청하는 신호를 보냄 | AI 작성이 확정됨 |
| 일반적 콘텐츠 분류 | 시스템이 관점·맥락·전문성 부족 신호를 판단 | 작성자가 AI를 사용했다는 증명 |
| 노출 축소 | 특히 직접 네트워크 밖 추천 가능성이 낮아짐 | 게시물이 즉시 삭제됨 |
| 정책 위반 조치 | 위반의 심각도에 따라 라벨·제한·삭제·계정 조치 가능 | 모든 낮은 품질의 글이 이용약관 위반이라는 뜻 |
이 네 가지를 한 덩어리로 섞으면 “AI를 쓰면 계정이 정지된다”거나 “신고 버튼은 아무 효력이 없다”는 양극단으로 갑니다. 지금 말할 수 있는 것은 더 좁습니다. 링크드인은 일반적이고 반복적인 AI 콘텐츠를 덜 퍼뜨리겠다고 공식화했고, 별도로 일부 이용자 환경에서 이를 신고하는 선택지가 관찰됐습니다.
왜 하필 링크드인에서 ‘매끈함’이 약점이 됐을까
인터넷 글은 오래전부터 과장되고 반복됐습니다. 그런데 링크드인에서 같은 문제가 유난히 민감한 이유는 글쓴이의 말과 이력이 붙어 있기 때문입니다. 게시물 위에는 이름만 있는 것이 아니라 현재 회사, 직무, 과거 경력, 기술, 추천인과 연결망이 있습니다. “데이터 기반으로 조직을 혁신했다”는 한 문장은 감상이면서 동시에 능력 주장입니다.
생성형 AI 이전에는 긴 글을 매끄럽게 쓰는 데 시간과 숙련이 필요했습니다. 완벽하지 않더라도 글의 구체성이 작성자의 지식과 어느 정도 함께 움직였습니다. 이제는 두 문장짜리 입력으로도 전략, 리더십, 혁신, 회복탄력성에 관한 그럴듯한 장문이 나옵니다. 문장 품질과 경험의 깊이가 분리된 것입니다.
그래서 매끈함의 가치가 사라진 자리에 다른 신호가 올라옵니다. 링크드인이 2026년에 내놓은 기능들을 나란히 보면 방향이 선명합니다.
- 1억 명이 넘는 회원이 프로필에 적어도 하나의 인증을 추가했고, 링크드인은 댓글과 대화에서도 인증된 회원을 거를 수 있게 했다고 밝혔습니다.
- 채용 담당자 직함을 추가하는 회원에게 직장 인증을 의무화하고, 구인 공고에서 인증 배지를 더 잘 보이게 했습니다.
- Descript, Lovable, Relay.app, Replit 같은 도구 회사가 실제 사용 패턴, 결과물 또는 도구 안에서 입증된 숙련을 바탕으로 AI 활용 능력을 확인하는 ‘Verified Skills’를 시작했습니다. 영어로 전 세계에 제공되며, 인증서는 이용자가 선택해 프로필에 붙입니다.
하나는 ‘이 사람이 실제 누구인지’를 확인하고, 다른 하나는 ‘이 도구를 실제로 다뤄봤는지’를 확인합니다. 그리고 피드에서는 ‘이 글에 실제 관점과 전문성이 있는지’를 확인하려 합니다. 서로 다른 기능처럼 보여도 전부 싸진 주장에 비싼 증거를 다시 붙이는 작업입니다.
Verified Skills가 완벽한 능력 보증이라는 뜻은 아닙니다. 파트너 도구 안의 사용 기록은 특정 제품 숙련을 보여줄 뿐, 좋은 판단이나 팀 성과 전체를 증명하지 못합니다. 인증된 실명 계정도 틀린 말을 할 수 있습니다. 다만 플랫폼이 자기소개 문장보다 검증 가능한 신호의 비중을 높이고 있다는 방향은 분명합니다.
이 변화는 구직자만의 일이 아닙니다. 영업 담당자의 사례 글은 잠재 고객이 역량을 판단하는 자료이고, 프리랜서의 게시물은 공개 제안서이며, 관리자의 회고는 다음 조직이 리더십을 가늠하는 기록입니다. 글이 외부 네트워크로 나가지 못하면 ‘좋아요’ 몇 개가 줄어드는 데서 끝나지 않고, 아직 연결되지 않은 기회의 입구가 좁아질 수 있습니다.
링크드인에 AI 글이 정말 그렇게 많을까 — 100만 건 조사에서 빠뜨리면 안 되는 것
AI 탐지 업체 Pangram은 2026년 7월 흥미로운 자료를 공개했습니다. 크롬 확장 프로그램 이용자 가운데 연구용 통계 공유에 동의한 사람들이 스캔한 링크드인·미디엄·서브스택·X·레딧 게시물 100만 2,627건을 분석했습니다. 50단어가 넘는 글만 포함했고, 같은 게시물은 한 번만 셌습니다.
자사 탐지 모델 Pangram 3.3으로 분류한 결과, 링크드인은 전체 스캔 항목의 약 3분의 1이었지만 ‘완전 AI 생성’으로 표시된 항목의 62%를 차지했습니다. 링크드인의 250단어 초과 장문은 40% 넘게 완전 AI 생성으로 표시됐습니다. 조사 대상 다섯 플랫폼 중 링크드인의 AI 비중이 가장 높았다는 것이 회사의 결론입니다.
숫자는 강하지만 ‘링크드인 글 10개 중 4개가 확실히 AI 슬롭’이라고 말할 수는 없습니다. 이유가 네 가지입니다.
첫째, 표본은 링크드인 전체 게시물에서 무작위로 뽑힌 것이 아닙니다. 탐지 확장 프로그램을 설치하고 통계 공유에 동의한 이용자가 본 글입니다. AI 글을 의심해 도구를 설치한 사람의 피드는 전체 이용자보다 AI 콘텐츠가 많을 수 있습니다.
둘째, 분류기는 Pangram이 판매하는 자사 제품입니다. 회사는 모델의 오탐률이 0.01%라고 밝히지만, 이번 데이터에서 사람이 모든 결과를 다시 판정한 독립 검증 자료는 공개하지 않았습니다. 회사의 성능 주장과 실제 피드 표본의 정답률은 구분해야 합니다.
셋째, ‘AI가 썼다’와 ‘슬롭이다’는 같은 말이 아닙니다. 사람이 취재한 내용과 숫자를 넣고 AI로 번역·교정한 좋은 글도 탐지 모델에는 혼합 또는 AI 작성으로 보일 수 있습니다. 반대로 사람이 직접 쓴 상투적인 리더십 글도 낮은 정보 가치를 가질 수 있습니다.
넷째, 50단어 이하 게시물은 조사에서 빠졌습니다. 플랫폼별로 짧은 글과 긴 글의 비중이 다르므로 이 결과를 전체 게시물 유병률처럼 사용할 수 없습니다.
따라서 Pangram 자료가 보여주는 것은 확정된 인구통계가 아니라 방향성입니다. 전문 경력과 실명이 붙는 공간에서도 상당한 양의 문장이 AI에 맡겨지고 있으며, 특히 장문에서 그 신호가 강하게 관찰됐다는 것입니다. 링크드인이 AI 슬롭을 공개적으로 언급하고 사용자 신고까지 시험하는 배경을 이해하는 보조 자료로는 유용하지만, 특정 작성자를 판정하는 증거로 써서는 안 됩니다.
“AI처럼 보인다”는 신고가 만들 수 있는 새로운 오판
신고 문구에는 중요한 단어가 하나 있습니다. “AI slop”이 아니라 “Seems like AI slop”, 즉 ‘그렇게 보인다’입니다. 독자는 원본 메모, 수정 이력, 작성자의 언어 습관을 보지 못합니다. 화면에 나온 완성본만 보고 판단합니다.
문제는 사람도 AI처럼 보일 수 있다는 데 있습니다. 회사 보도자료에 익숙한 사람은 원래 형식적인 문장을 쓰고, 영어가 모국어가 아닌 이용자는 번역 도구로 어조를 고르게 만들 수 있습니다. 읽기·쓰기 보조 기술이 필요한 이용자도 있습니다. 오랫동안 업계 보고서를 써온 사람의 문체가 최신 챗봇의 문체와 닮았을 수도 있습니다. 매끄럽다는 이유 하나로 신고가 몰리면 AI가 아니라 표준어와 형식에 익숙한 사람을 벌주는 결과가 생길 수 있습니다.
반대로 맞춤법을 일부러 틀리고 문장을 거칠게 만들어 ‘사람처럼 보이게’ 하는 방법도 해결책이 아닙니다. 탐지기를 피하려는 표면 장식은 정보 가치를 늘리지 않습니다. 더구나 링크드인이 공개한 기준은 어색한 문장 부호나 특정 단어가 아니라 관점·맥락·전문성, 반복성, 자동화 행동입니다. 철자 몇 개를 흔들어도 텅 빈 주장은 그대로입니다.
신고 기능이 경쟁자 공격에 쓰일 위험도 있습니다. 링크드인 이용약관은 중복·사기·근거 없는 신고로 신고 및 이의제기 절차를 악용하는 것을 금지합니다. 커뮤니티 정책도 신고 도구를 책임 있게 원래 목적에만 사용하라고 적습니다. 마음에 들지 않는 주장, 나와 경쟁하는 사람, AI 도움을 받았다고 공개한 사람을 무더기로 신고하는 것은 정책의 취지와 반대입니다.
플랫폼에도 숙제가 남습니다. 신고 수만 세는 것이 아니라 게시물의 실제 내용, 계정의 자동화 패턴, 반복 게시 이력, 신고자의 악용 패턴을 함께 봐야 합니다. 언어·지역·장애 보조 도구에 따른 오차를 점검하고, 노출 제한이 잘못됐을 때 이의를 제기할 통로도 필요합니다. 링크드인은 자동 시스템과 훈련된 검토자를 함께 사용하고 잘못된 조치에 이의를 제기할 수 있다고 정책에 적었지만, AI 슬롭 전용 분류의 세부 절차는 아직 공개하지 않았습니다.
독자에게도 선이 필요합니다. 글이 뻔하다는 감상과 정책 위반 신고는 다른 행동입니다. 도움이 되지 않는 글은 숨기거나 팔로우를 끊을 수 있습니다. 대량 자동 댓글, 허위 경력, 반복 스팸처럼 구체적인 문제가 있을 때 신고 사유를 선택하는 편이 맞습니다. ‘AI 냄새’만으로 사람의 진실성을 판결하지 않는 것이 이 기능이 오래 살아남기 위한 조건이기도 합니다.
경력 글에는 문체가 아니라 ‘여섯 장의 영수증’을 남긴다
그렇다면 AI를 쓰는 사람은 무엇을 바꿔야 할까요. 답은 “사람처럼 쓰기”가 아닙니다. 실제로 한 일을 다른 사람이 검토할 수 있게 쓰는 것입니다. 나는 경력 글의 증거를 여섯 장의 영수증으로 나누는 편이 실용적이라고 봅니다.
| 영수증 | 글 안에서 답해야 할 질문 | 빠졌을 때 생기는 문제 |
|---|---|---|
| 상황 | 언제, 어떤 규모와 조건에서 벌어진 일인가 | 어디에나 붙는 사례가 됨 |
| 제약 | 시간·예산·인력·보안·규정 중 무엇이 제한했나 | 실제 업무의 난도가 사라짐 |
| 선택 | 여러 방법 중 무엇을 골랐고 왜 골랐나 | 도구 소개는 남지만 판단은 보이지 않음 |
| 관찰 결과 | 전후에 무엇이 얼마나 달라졌나 | “향상됐다”는 주장만 남음 |
| 실패와 한계 | 어디에서 틀렸고 무엇은 아직 모르는가 | 홍보 문구처럼 보임 |
| 확인 경로 | 공개 가능한 문서·제품·자료·방법이 있는가 | 독자가 주장을 검증할 수 없음 |
예를 들어 “우리 팀은 AI를 도입해 고객 경험을 혁신했다”는 문장은 매끄럽지만 경력 정보는 거의 없습니다. 업종도, 팀 규모도, AI가 한 일도, 혁신의 크기도 알 수 없습니다. 이 문장을 더 인간적으로 보이게 고치는 대신 영수증을 붙여 보겠습니다.
아래는 구조를 설명하기 위한 가상 예시입니다. 실제 회사나 성과를 주장하는 사례가 아닙니다.
“4월 2주 동안 3명인 고객지원팀이 받은 문의 312건을 대상으로 AI를 시험했다. 개인정보가 공개형 모델에 들어가지 않도록 주문번호를 제거한 뒤, AI에는 문의 분류와 답변 초안까지만 맡겼다. 중앙값 기준 첫 답변 시간은 7시간에서 4시간으로 줄었지만 환불·배송지 변경 18건은 문맥을 놓쳐 사람이 다시 처리했다. 이후 자동 발송은 포기하고, 분류 결과와 초안만 상담원 화면에 보여주는 방식으로 바꿨다. 재현할 수 있도록 익명화한 분류 기준표를 링크에 남긴다.”
이 예시가 강한 이유는 문장이 인간적으로 울려서가 아닙니다. 작성자가 책임져야 할 선택이 보이기 때문입니다. 기간과 표본이 있어 과장 범위를 알 수 있고, 개인정보 제약이 있어 실제 설계 판단이 드러나며, 실패 18건이 있어 성공 수치의 한계도 보입니다. 무엇보다 ‘자동 발송을 포기했다’는 결정은 AI가 업계 일반론만으로 만들어 내기 어려운 현장 맥락입니다.
모든 글에 숫자가 있어야 하는 것은 아닙니다. 상담, 교육, 디자인처럼 결과를 한 수치로 줄이기 어려운 일도 많습니다. 그때는 관찰 단위를 바꾸면 됩니다. 어떤 질문을 받았는지, 초안과 최종안 사이 무엇을 고쳤는지, 이해관계자 두 명이 어디서 반대했는지, 이전에는 없던 절차가 무엇인지, 다음번에는 무엇을 하지 않을지를 남길 수 있습니다.
기밀 정보 때문에 구체적으로 쓰기 어려울 수도 있습니다. 그렇다고 “보안상 말할 수 없지만 큰 성과”로 끝낼 필요는 없습니다. 회사명과 고객명을 가리고 기간을 범위로 표시하며, 절대 매출 대신 변화율이나 처리 단계 수를 쓸 수 있습니다. 공개할 수 없는 숫자는 억지로 만들지 말고 측정 방법과 의사결정 기준을 설명하면 됩니다. 증거를 남기는 것과 비밀을 누설하는 것은 같은 일이 아닙니다.
AI를 끄지 않고도 글의 출처를 보존하는 작업 순서
AI 초안을 쓰기 전에 먼저 자료를 남기면 글의 중심이 바뀝니다. 빈 입력창에서 “전문적으로 써줘”라고 시작하면 모델은 인터넷에서 가장 익숙한 문장을 평균 내놓습니다. 반대로 사람의 원자료가 먼저 있으면 AI는 구조 편집자가 될 수 있습니다.
첫 단계는 다섯 줄짜리 원본 메모입니다. 날짜와 기간, 내가 직접 본 사실, 내가 내린 결정, 그 결정 전후의 변화, 아직 확신하지 못하는 부분을 문장으로 적습니다. 고객명·개인정보·회사 기밀은 이때부터 가립니다. 이 메모는 게시하지 않아도 되지만 나중에 AI가 만든 문장을 검증할 기준점이 됩니다.
둘째, AI에게 역할의 경계를 줍니다. “새로운 성과나 숫자를 추가하지 말고, 이 메모의 순서만 바꿔 1,000자로 정리하라. 근거가 없는 문장은 [확인 필요]로 표시하고, 실패와 한계를 삭제하지 말라”처럼 요청합니다. 멋진 통찰을 발명하라고 시키는 대신 이미 있는 경험을 독자가 따라갈 수 있게 정리하라고 시키는 것입니다.
셋째, 완성된 문장을 원본 메모와 한 줄씩 대조합니다. 날짜, 수치, 제품명, 인과관계, 타인의 발언을 따로 확인합니다. ‘덕분에’, ‘때문에’, ‘입증했다’처럼 원인과 확실성을 키우는 단어는 특히 봐야 합니다. 실제로는 동시에 일어난 두 변화를 AI가 인과관계로 묶었을 수 있습니다.
넷째, 문체보다 결정을 되찾습니다. “AI가 효율을 높였다”라는 문장을 “어느 작업까지 맡기고 어디서 사람이 멈춰 세웠는가”로 바꿉니다. “많은 것을 배웠다”는 문장은 “다음번에 어떤 순서를 바꾸는가”로 바꿉니다. 관점은 감탄사나 솔직하다는 선언이 아니라 선택과 포기의 기록에서 나옵니다.
다섯째, 공개 가능한 확인 경로를 붙입니다. 제품 링크, 발표 자료, 익명화한 작업 흐름, 측정 정의, 수정 전후 일부, 사용한 공개 데이터가 될 수 있습니다. 화면 캡처가 고객정보를 노출한다면 올리지 않습니다. 증거는 많을수록 좋은 것이 아니라, 독자가 핵심 주장을 확인할 수 있을 만큼만 정확하면 됩니다.
마지막으로 AI 사용 고지를 판단합니다. 링크드인의 이번 공식 글은 모든 AI 보조 텍스트에 일률적인 표시를 요구한 것이 아닙니다. 다만 회사 규정이나 고객 계약이 고지를 요구하거나, AI가 분석·번역·이미지·핵심 초안에 실질적으로 관여해 독자의 판단에 중요하다면 사용 범위를 짧게 밝히는 편이 신뢰에 도움이 됩니다. “AI로 작성” 한마디보다 “현장 메모는 본인이 작성했고 AI는 영문 교정에 사용했으며 수치와 결론은 다시 확인했다”처럼 역할을 나누는 고지가 더 많은 정보를 줍니다.
이 순서는 탐지기를 속이는 요령이 아닙니다. 플랫폼의 분류 방식이 바뀌어도 살아남는 작업 기록을 만드는 방법입니다. 설령 글이 외부 네트워크에 널리 추천되지 않더라도, 프로필을 찾아온 채용 담당자나 고객이 무엇을 했는지 판단할 자료가 남습니다.
20대부터 50대까지, 같은 글쓰기 조언이 통하지 않는 이유
“성과를 숫자로 쓰라”는 조언은 경력 초반 사람에게 불리할 수 있습니다. 반대로 “성장 과정을 솔직히 쓰라”는 조언만 따르면 20년 경력자의 결정 무게가 사라집니다. 나이만으로 사람을 단정할 수는 없지만, 경력의 위치에 따라 남겨야 할 영수증은 달라집니다.
20대·경력 초반이라면 거대한 매출 성과를 만들 필요가 없습니다. 맡은 범위, 기준을 익힌 과정, 처음 틀린 가정과 수정 과정을 보여주는 편이 낫습니다. “인턴으로 시장조사를 했다”보다 “경쟁사 37곳을 같은 기준으로 분류했는데 첫 기준으로는 구독형과 거래형 서비스가 섞여, 과금 단위를 다시 정의하고 37곳을 재분류했다”가 실제 능력을 더 잘 보여줍니다. 숫자는 자랑의 크기가 아니라 일의 경계를 표시합니다.
30대·독립 실무자라면 결과와 재현성이 중요해집니다. 내가 한 일과 팀이 한 일을 나누고, 도구를 선택한 이유, 이전 방식과 달라진 수치, 다른 팀이 다시 따라 할 수 있는 절차를 남길 수 있습니다. “프로젝트를 리드했다”보다 의사결정 권한이 어디까지였고 무엇을 직접 만들었는지를 적는 편이 정직합니다.
40대·관리자라면 일반적인 리더십 교훈을 줄이는 것이 오히려 유리합니다. 인력·예산·일정이 충돌했을 때 무엇을 우선했고 누구의 반대를 받아들였는지, 성과를 위해 하지 않기로 한 일이 무엇인지가 관리자의 전문성입니다. 팀의 성과를 자신의 개인 성과처럼 쓰지 않고, 본인이 만든 조건과 팀이 만든 결과를 구분하면 신뢰가 생깁니다.
50대·고경력 전문가에게는 암묵지가 강한 자산입니다. 업계의 오래된 상식이 언제 예외가 되는지, 젊은 실무자가 놓치기 쉬운 위험 신호가 무엇인지, 과거 방식 중 지금도 남길 것과 버릴 것을 구체적인 비교로 설명할 수 있습니다. “30년 경험으로 안다”는 권위보다 “세 번의 제도 변경에서 이 지표는 늘 늦게 움직였지만 이번에는 이 조건이 다르다”는 경계 조건이 더 귀합니다.
어느 연령이든 AI는 이 재료를 정리할 수 있습니다. 그러나 재료 자체를 대신 만들게 하면 모두 같은 글로 수렴합니다. 20대의 수정 기록, 30대의 실행 구조, 40대의 선택 책임, 50대의 예외 판단은 모델의 평균 문장보다 희소합니다. 링크드인의 새 정책은 잘 쓰는 사람과 못 쓰는 사람을 가르기보다, 실제로 겪은 사람이 아니면 남기기 어려운 정보를 요구하는 방향으로 가고 있습니다.
게시 직전, ‘AI 냄새’ 대신 이 일곱 가지를 확인한다
글을 다 쓴 뒤 “AI 탐지기에 걸릴까”를 검색하기 전에 아래 질문을 보는 편이 낫습니다.
- 이름만 바꾸면 같은 업계의 누구나 그대로 게시할 수 있는 글인가.
- 내가 직접 본 사실과 다른 자료에서 가져온 사실이 구분돼 있는가.
- 기간·규모·역할 중 적어도 하나가 있어 일의 경계가 보이는가.
- 내가 고른 것뿐 아니라 포기한 선택과 이유가 있는가.
- 좋은 결과와 함께 실패·예외·아직 모르는 부분을 남겼는가.
- 공개한 수치와 인용을 다른 사람이 확인할 경로가 있는가.
- AI가 원본 메모에 없던 성과·인과관계·감정을 추가하지 않았는가.
첫 질문에 ‘예’라면 맞춤법을 흐트러뜨릴 때가 아니라 경험을 더 찾을 때입니다. 세 번째 질문에 답할 수 없다면 숫자를 꾸미지 말고 작업 범위나 판단 기준을 적으면 됩니다. 여섯 번째의 확인 경로는 언제나 외부 링크일 필요는 없습니다. 자료를 공개할 수 없는 이유와 어떤 방식으로 측정했는지 설명하는 것만으로도 주장의 경계는 선명해집니다.
이 일곱 항목을 모두 채운다고 노출이 보장되지는 않습니다. 링크드인 피드는 관심사, 연결 관계, 반응, 지역과 수많은 신호를 함께 봅니다. 좋은 글도 관심 대상과 맞지 않으면 멀리 퍼지지 않습니다. 이 점검표의 목적은 알고리즘 공략이 아니라, 글이 어디에 노출되든 경력 기록으로서 부끄럽지 않게 만드는 것입니다.
또 하나, 게시 빈도로 품질을 대신하지 않는 편이 좋습니다. 매일 한 편을 올리기 위해 경험 하나를 열 개의 교훈으로 잘게 쪼개면 반복성이 높아집니다. 링크드인은 3월부터 재활용된 저내용 게시물과 “동의하면 댓글” 같은 참여 미끼를 줄이겠다고 밝혔습니다. 쓸 말이 생겼을 때 쓰고, 다른 사람 글에는 원문을 되풀이하는 칭찬 대신 질문·반례·추가 자료 중 하나를 남기는 편이 정책 방향과도 맞습니다.
링크드인이 만든 것은 AI 금지선이 아니라 ‘주장의 증거금’이다
‘AI 슬롭 신고’라는 문구는 자극적입니다. AI를 쓰는 사람과 쓰지 않는 사람을 가르는 문화 전쟁의 버튼처럼 보입니다. 그러나 공식 자료에서 확인되는 변화는 더 실용적입니다. AI가 문장을 도울 수는 있지만, 그 문장이 네트워크 밖으로 퍼질 자격은 사람의 관점·맥락·전문성으로 다시 얻으라는 것입니다.
링크드인도 이 모순에서 자유롭지 않습니다. 직접 AI 글쓰기 기능을 제공했고, 피드 추천에는 더 큰 언어모델을 사용하며, 구직 검색에도 AI를 확대하고 있습니다. 플랫폼이 생산 속도를 높인 뒤 넘쳐난 일반론을 이용자와 분류 시스템에 다시 치우게 하는 셈입니다. 오탐과 신고 악용을 줄일 책임도 링크드인에 있습니다.
그럼에도 커리어를 기록하는 사람에게 남는 결론은 분명합니다. AI를 숨기기 위해 일부러 서툴게 쓸 필요는 없습니다. 대신 어떤 상황에서 무엇을 보고, 무엇을 선택했고, 결과가 어디까지였으며, 무엇을 틀렸는지를 남겨야 합니다. 문장은 빌릴 수 있어도 경험의 경계와 책임까지 빌릴 수는 없습니다.
기존 AI 슬롭 글이 유튜브와 인터넷 전반의 저품질 양산을 다뤘다면, 링크드인의 문제는 그 양산물이 개인의 경력 증명서에 붙었다는 데 있습니다. 회사 안에서 AI 결과물이 동료에게 검수 비용을 떠넘기는 현상은 워크슬롭에서 이어집니다. 채용 단계에서 AI가 쓴 자기소개서를 다시 AI가 거르는 구조는 AI 자소서 선별 글과 맞닿아 있습니다.
신고 버튼은 유행이 지나면 이름이 바뀌거나 사라질 수도 있습니다. 하지만 말의 생산비가 거의 0이 된 뒤 전문성의 증거금이 올라가는 흐름은 쉽게 되돌아가지 않을 것 같습니다. 앞으로 경력 글에서 가장 비싼 문장은 가장 화려한 문장이 아니라, 작성자가 “이 부분은 내가 직접 확인했고 여기까지 책임질 수 있다”고 말할 수 있는 문장일 것입니다.
참고 자료
- 404 Media. LinkedIn Introduces a ‘Seems Like AI Slop’ Button (자체 테스트에서 신고 선택지 확인). 2026-07-30. 2026-07-31 확인. 자료 보기
- LinkedIn Corporate Communications. Keeping conversations real on LinkedIn (AI 슬롭 정의·직접 네트워크 밖 노출 축소·일반적 콘텐츠 94% 초기 테스트·인증 회원 1억 명 이상). 2026-06-04, 원문 2026-05-20. 2026-07-31 확인. 자료 보기
- LinkedIn Help. Create posts with our AI-powered writing tool (영어·Premium 대상, 20단어 입력, Rewrite with AI, 검토·수정·직접 경험 권고). 2026-07-31 확인. 자료 보기
- LinkedIn Corporate Communications. How LinkedIn Is Improving the Feed to Show More Relevant, Authentic Professional Content (생성형 추천 모델·자동 댓글·참여 품앗이·반복 콘텐츠·참여 미끼 축소). 2026-03-12. 2026-07-31 확인. 자료 보기
- LinkedIn Corporate Communications. What We’re Doing to Support Authentic Content and Conversations on LinkedIn (자동화 활동 제한·인증 회원 1억 명 이상·채용 담당자 직장 인증). 2026-03-13. 2026-07-31 확인. 자료 보기
- LinkedIn Corporate Communications. LinkedIn Gives Professionals the Edge with Verified Skills (실제 사용 패턴·제품 결과·도구 숙련에 기반한 파트너 인증). 2026-01-26. 2026-07-31 확인. 자료 보기
- LinkedIn Help. Distribution of your content on LinkedIn (연결·팔로워 일부에 우선 배포되는 구조와 전문적 관련성). 2026-07-31 확인. 자료 보기
- LinkedIn Help. Suggested posts in feed (네트워크 밖 추천 게시물의 품질·맥락·피드백·신고 신호). 2026-07-31 확인. 자료 보기
- LinkedIn Help. Report inappropriate or offensive updates in your LinkedIn Feed (신고 절차와 검토 후 제거 원칙). 2026-07-31 확인. 자료 보기
- LinkedIn. User Agreement·Professional Community Policies (게시·댓글 자동화 금지, 근거 없는 신고 악용 금지, 신고 검토와 노출 제한·삭제 가능성). 2026-07-31 확인. 이용약관 · 커뮤니티 정책
- Pangram Labs. AI Content Is Everywhere on Social Media, Especially LinkedIn (옵트인 확장 프로그램 표본 100만 2,627건·50단어 초과·LinkedIn의 탐지 결과와 연구 한계). 2026-07-09. 2026-07-31 확인. 자료 보기