AI-ness 제거 스킬 — 사람답게 글 쓰는 방법

TL;DR. AI-ness 제거가 스킬 카테고리가 됐다. UI는 Leonxlnx/taste-skill, prose는 hardikpandya/stop-slop. 둘 다 같은 골격 — AI tell 카탈로그 + 점수 루브릭 + revise 임계치. bitter-medicine의 결론(심판이 필요하다)이 1인 워크플로 수준으로 떨어진 자리다. 단, 카탈로그가 약한 marker에 무게를 두고 있고, 점수 통과가 곧 anti-slop sycophancy가 되는 자리가 같이 열렸다.

왜 이 카테고리가 굳었나

지난 한 분기 동안 두 신호가 같이 누적됐다. 사람들이 자기 글·자기 UI에서 AI tell을 알아보기 시작했고, 그걸 생성 시점에 막는 도구가 만들어졌다.

Hardik Pandya는 stop-slop의 동기를 한 줄로 못 박는다 — "AI writing has tells. 'Here's the thing.' 'Let that sink in.' 'The uncomfortable truth is.' Once you notice them, you see them everywhere"(Hardik substack). 패턴이 눈에 띄기 시작한 지점에서 도구가 따라 나온다. 같은 모먼트가 시각에서도 일어났다 — Leonxlnx는 taste-skill을 *"stops the AI from generating boring, generic, 'slop'"*이라고 한 줄로 정의한다(repo).

학계도 같은 시점에 움직였다. Measuring AI "Slop" in Text는 slop을 "low-quality AI-generated text"로 정의하고 expert taxonomy + span-level annotation으로 측정 가능한 차원을 만든다 — 직관적 거부감 위에 측정 도구가 얹힌 첫 자리. The Last Fingerprint는 em-dash이 markdown leak임을 12개 모델 × 5개 provider 실험으로 입증했다 — em-dash 빈도가 fine-tuning procedure의 signature다.

도구가 따라오면 카테고리가 굳는다.

두 스킬 비교

같은 자리에 같은 골격이 나란히 떨어졌다.

taste-skill — UI 영역의 심판

taste-skill은 context-aware 디자인 시스템 역할을 한다. 사용자 brief가 들어오면 한 줄로 *"Reading this as: [page kind] for [audience], with [vibe] language"*를 선언한 다음, 3개 다이얼을 추론한다. 디폴트 8/6/4는 기본값이지 자동 발동이 아니다 — Magnetic Micro-Physics·Sticky-Stack·Glassmorphism 같은 도구는 MOTION_INTENSITY > 5 AND brief가 premium/playful/agency로 읽힐 때만 켜진다.

핵심은 **Pre-flight check (비-옵션)**다 — 출하 전 다음을 모두 통과해야 한다:

• em-dash 0개 — headlines·eyebrows·body·quotes·captions 전부. zero tolerance. 마침표·콤마·줄바꿈으로 대체.
• accent color 1개 lock
• shape consistency lock
• button contrast WCAG AA
• hero가 viewport에 fit (스크롤 없이)
• eyebrow 개수 ≤ ceil(섹션 수 / 3) (mechanical count)

한 박스라도 실패하면 출력이 incomplete다. 즉 점수가 아니라 gate다 — 통과 못 하면 다음 단계가 없다.

Anti-Default 4 LLM cliché:

• Inter+slate 디폴트 금지 (편집 디자인용 brief에는 override path 존재)
• AI-purple gradient 금지
• 중앙 hero 금지
• 3 equal cards 금지

scope 명시는 정직하다 — "In scope: landing pages, portfolios, redesigns. Out of scope: dashboards, data tables, multi-step forms, code editors, native mobile, realtime collab UIs." (대시보드에 들고 가지 마라는 자기 한정.)

stop-slop — prose 영역의 심판

stop-slop은 prose를 받아 5축에 점수를 매기고, 35점 미만이면 rewrite한다.

8 core rules:

1. Cut filler phrases — throat-clearing·부사 제거
2. Break formulaic structures — 이진 대비·수사적 setup 피하기
3. Use active voice — 인간 주체가 동작 수행
4. Be specific — 추상 대신 구체
5. Put the reader in the room — 거리 둔 narrator 대신 직접 지칭
6. Vary rhythm — 문장 길이 다양화, 반복 패턴 피하기
7. Trust readers — 손잡아주기 제거, 사실 직서
8. Cut quotables — pull-quote 느낌 문장 rewrite

5축 루브릭 (각 1-10): Directness · Rhythm · Trust · Authenticity · Density → 35/50 미만이면 revise.

quick check가 같이 박혀 있다 — 부사·passive·inanimate agents·Wh- 시작·throat-clearing·이진 contrast·문장 길이 패턴·em-dash·vague declaratives. 즉 flag 후 rewrite의 사이클을 강제하는 게 본체.

파생 둘이 같은 분기에 나왔다:

• drm-collab/stop-slop — Claude Code skill format으로 재패키징한 fork. cp SKILL.md .claude/commands/stop-slop.md 한 줄 설치.
• jalaalrd/anti-ai-slop-writing (~125 stars) — Carnegie Mellon 2025 연구 기반. 50+ 금지 단어("delve"·"tapestry"·"landscape")·35+ 금지 구문("In today's competitive…")·16개 문장 시작 패턴("Certainly,"). 8+ agents 호환.

stop-slop이 rules 골격, jalaalrd가 blocklist 골격. 같은 카테고리의 두 가지 구현.

공유 골격 = 심판 패턴의 mini 버전

두 스킬을 줄 세워 보면 골격이 같다 — AI tell 카탈로그 → 점수 루브릭 → revise 임계치. 토론자 없이 루브릭 든 심판만 있는 국면.

bitter-medicine에서 multi-agent debate의 결론이 *"심판이 필요하다"*였다. Khan 등은 토론자보다 판정자가 결론의 하중을 진다고 했고(arxiv 2402.06782), Constitutional AI는 critic→revise 루프가 판정자가 하나뿐인 퇴화된 경우였다(arxiv 2212.08073). taste-skill과 stop-slop은 그 결론의 1인 워크플로 변형이다 — 토론은 없고, 심판만 있다.

여기서 심판의 신뢰도가 곧 스킬의 신뢰도가 된다. 카탈로그가 약한 marker에 비중을 두면 통과한 글이 여전히 AI 글이고, 임계치가 헐거우면 어떤 글이라도 통과한다.

학술이 휴리스틱을 직접 반박하는 자리

두 스킬 모두 em-dash을 큰 marker로 둔다. taste-skill은 zero tolerance, stop-slop은 quick check에 박았다. 이게 학술적으로는 약한 대목이다.

em-dash은 신호로서 약하다. The Last Fingerprint는 em-dash의 모델별 빈도 차가 크다고 보였다 — GPT-4.1은 억제 후에도 9.1/1000 단어, Llama는 0.0/1000(arxiv 2603.27006). 즉 fine-tuning procedure의 signature지 AI 글의 보편적 marker가 아니다. Duey AI의 반박이 직설적이다 — "많은 인간 글쓴이가 em-dash를 지속적으로 쓰며, 한 줄 시스템 프롬프트로 회피 설정 가능". 약한 marker.

더 강한 marker는 cadence uniformity다. 18-24 단어 문장이 paragraph 단위로 반복되는 패턴 — perplexity + burstiness로 측정된다(같은 Duey AI 분석). 두 스킬 모두 rhythm 변화를 rule에 넣었지만, 측정 가능한 임계치로 박지 않았다. stop-slop이 "vary rhythm"을 8개 rule 중 하나로 두지만, 점수에 들어가는 건 "Rhythm: 다양 vs 단조"의 1-10 자기보고 — 문장 길이 분포의 표준편차 같은 quant이 아니다.

휴리스틱이 측정 가능한 지점에 도달했지만, 두 스킬은 eyeball 판정에 무게를 둔 대목이다. 측정 가능성과 점수 사이의 간극이 다음 분기의 가장 큰 빈 자리다.

한계 다섯 갈래

1. 단어·구문 blocklist는 hammer 접근. jalaalrd가 50+ 금지 단어를 박았지만, "delve"·"tapestry"·"landscape"는 작가 본인이 정당하게 쓰는 단어일 수 있다. 작가의 voice가 약한 쪽에서는 anti-slop이 유일한 voice가 되고, voice가 있는 쪽에서는 anti-slop이 그 voice를 깎는다. 둘 다 안 좋은 국면.

*2. 5축 만점 받아도 의미 없는 글은 통과 가능.* Directness 10 + Rhythm 10 + Trust 10 + Authenticity 10 + Density 10의 완벽한 anti-slop 글이 내용은 비어 있는 경우는 루브릭이 막지 못한다. 점수가 형식만 본다. 의미는 다른 곳에서 와야 한다.

*3. anti-slop sycophancy의 위험.* 모델이 "이 글 잘 썼어요"라고 답하는 doubt-first식 sycophancy가 *"이 글 anti-slop 점수 통과"*로 옮겨갈 수 있다. 점수만 본 모델이 내용이 빈약한 글에 35/50을 주고 통과시키는 대목. 새 mode의 sycophancy.

4. taste-skill의 시각적 회귀 테스트 부재 — andrew.ooo 리뷰가 짚는 대목. Pre-flight check이 명목상 강제지만, em-dash 0개 검증은 grep 한 줄이고 디자인이 진짜 다르게 보이는지는 검증 도구가 없다. AI가 체크박스만 통과시키고 본질은 같은 UI를 출력해도 시스템적으로 잡히지 않는다. 사용자가 눈으로 봐야 한다.

5. 학습 cutoff에 고정된 카탈로그. jalaalrd의 50+ 금지 단어는 2025년 모델이 자주 쓴 단어다. 다음 분기 모델이 다른 슬롭 단어로 옮겨가면 blocklist는 stale해진다. taste-skill의 "Inter+slate 디폴트 금지"도 2024-2025의 LLM 디자인 클리셰에 박혀 있다. 카탈로그는 시점에 묶인다.

언제 쓰고 언제 끌지

prose 쪽:

• trust 축이 약한 자리에서 stop-slop을 켠다 — 본인 voice가 굳지 않은 글, 사실 기반인데 수사적으로 흐른 대목.
• 본인 voice가 굳은 자리에서는 끈다 — 작가가 의도해서 쓴 부사·em-dash·이진 대비가 카탈로그에 차단된다.
• Matt Pocock의 caveman과 함께 쓰면 보완 — caveman이 토큰 압축, stop-slop이 문체 정화. 같은 결의 다른 축.

UI 쪽:

• taste-skill scope 명시(landing/portfolio/redesign) 안에서만 켠다. 대시보드·데이터 테이블·realtime collab UI에 들고 가면 Anti-Default가 정작 필요한 패턴(예: 정보 밀도 높은 표)을 깎는다.
• React/Next 락인을 의식 — Vue·Svelte 사용자는 코드 스켈레톤 번역 비용을 들고 들어가야 한다.
• 라이선스 부재가 기업 도입의 게이트가 된다 — 사이드 프로젝트로만.

공통:

• 심판으로 쓴다. 작가로 두지 말 것. 점수 통과가 글의 가치를 보증하지 않는다는 걸 카탈로그 안 본문에 박아 둘 필요가 있다 — 두 스킬 모두 이 줄이 없다.

독자가 LLM이면 AI-ness는 결함이 아니다

anti-slop의 전제는 독자가 사람이라는 것이다. tell이 거슬리는 이유는 사람이 그걸 알아보기 때문이고, 루브릭이 깎는 건 사람의 읽기 경험이다. 독자가 사람이 아니면 이 전제가 통째로 빠진다.

AI-네이티브로 설계된 사이트가 그 경우다 — 1차 독자를 사람이 아니라 LLM 요약기로 잡고, *"복사 버튼 → LLM 요약"*을 사이트를 쓰는 가장 빠른 경로로 두는 국면. 거기서는 AI-ness를 의도적으로 배제하지 않는 선택이 합리적이다. 단조로운 cadence, 문단마다 반복되는 구문 — 사람이 읽으면 부자연스럽고 피로한 바로 그 성질이 설계 결정이 된다. stop-slop을 돌리면 5축에서 낙제하는 본문이, 그런 사이트에서는 결함이 아니다.

그게 결함인지는 독자가 누구냐에 달렸다. LLM 요약기에게는 균질한 cadence와 반복되는 구문이 오히려 파싱하기 쉬운 입력이다 — 사람을 지치게 하는 바로 그 성질이 기계에는 비용이 아니다. 그래서 anti-slop을 켜고 끄는 진짜 스위치는 trust 축이 약한가 위에 하나 더 있다 — 이 글을 누가 읽는가. 사람이면 켜고, 기계면 꺼도 되고, 둘 다면 양쪽 비용을 잰다. 두 스킬 모두 이 스위치를 카탈로그 밖에 둔다 — 독자가 사람이라고 암묵적으로 전제하고, 그 전제 자체를 사용자 몫으로 남긴 자리다.

종합

AI-ness 제거는 이번 분기에 카테고리가 됐다. UI에 taste-skill, prose에 stop-slop이 표지로 굳었고, 양쪽에서 같은 골격이 떨어졌다 — 카탈로그·루브릭·임계치.

이게 심판 패턴의 1인 워크플로 변형이라는 점이 가장 흥미로운 대목이다. multi-agent debate의 결론이 "심판이 필요하다"였는데, 두 스킬은 토론자 없이 심판만 박았다 — 1인 사용자의 내부 토론은 사용자 머릿속에서 일어나고, 스킬은 루브릭 든 판정자 역할만 한다.

약한 marker에 비중을 둔 대목(em-dash), 단어 blocklist의 hammer 성격, anti-slop sycophancy의 위험까지가 다음 분기에 풀어야 할 부분. 측정 가능한 anti-slop — cadence uniformity의 표준편차, slop taxonomy의 span-level annotation — 이 휴리스틱을 따라 잡으면, 그때가 심판이 진짜 심판이 되는 시점이다.

지금은 심판이 있는 자리가 없는 자리보다 낫다는 단정만으로 충분하다. 다만 voice가 이미 굳은 쪽에서는 심판을 끄는 결정도 똑같이 중요하다.

참고

스킬 (1차 자료)

• Leonxlnx/taste-skill
• taste-skill 공식 페이지
• hardikpandya/stop-slop
• drm-collab/stop-slop (fork-as-skill)
• jalaalrd/anti-ai-slop-writing

리뷰·해설

• andrew.ooo — Taste Skill Review: Anti-Slop Frontend Skill for AI
• Hardik Pandya — New Claude Skill: Stop AI Slop in Your Content
• DEV — One Open Source Project a Day No. 78: stop-slop
• Duey AI — The Em-Dash Myth: What Actually Gives Away AI Writing

학술

• The Last Fingerprint: How Markdown Training Shapes LLM Prose (arxiv 2603.27006)
• Measuring AI "Slop" in Text (arxiv 2509.19163)
• Khan et al., Debating with More Persuasive LLMs (arxiv 2402.06782)
• Bai et al., Constitutional AI (arxiv 2212.08073)

관련 글

• 반대를 위한 반대가 필요하다 — 심판 패턴
• 확인 질문은 헛수고다 — 검증을 앞으로
• 고수들은 skills를 어떻게 사용하는가 — Karpathy·Matt·Addy 3개 팩