em 대시는 AI의 흔적일까요?

공급업체 자체 문서에서 저희가 찾을 수 있었던 그 어느 것도 이 주장을 뒷받침하지 않습니다. 그리고 저희가 정확히 어디를 확인했는지는 다음 절에서 보여드립니다. 2026년 8월 18일에 Turnitin 도움말 페이지 세 곳, 즉 AI Writing Report 안내서, AI 작성 탐지 FAQ, 파일 요건 페이지를 검색했습니다. 이 세 페이지를 통틀어 "dash"라는 문자열은 정확히 한 번만 등장하는데, 그것도 "dashboard"라는 단어 안에서입니다. "punctuation"이라는 단어도 정확히 한 번만 등장하며, 탐지기가 "is not tuned to target Grammarly-generated spelling, grammar, and punctuation modifications to content" (Grammarly가 생성한 맞춤법·문법·문장부호 수정을 겨냥하도록 조정되어 있지 않습니다)라고 설명하는 답변 안에 있습니다. 그리고 "what parameters or flags does Turnitin's model take into account when detecting AI writing?" (AI 작성을 탐지할 때 Turnitin 모델은 어떤 매개변수나 플래그를 고려합니까)라는 질문에 답하는 페이지는, 그 답을 전적으로 단어의 배열이라는 관점에서만 서술합니다. 즉, 문장부호 하나에 대해 이토록 자신 있게 반복되는 조언은, 탐지기를 만든 회사가 그에 관해 말한 것으로 저희가 찾을 수 있는 그 무엇에도 근거하지 않습니다.

그렇다고 해서 대시가 아무런 영향을 주지 않는다는 것을 증명한 것은 아닙니다. 통계적 패턴을 학습하는 모델은 자신이 무엇을 학습했는지 공개해야 할 의무가 없으며, 공개된 자료 중 어느 것도 대시가 어떤 기여를 한다는 가능성을 배제하지 않습니다. 빠진 것은 나머지 절반입니다. 대시에 가중치를 두어야 한다는 근거 역시 저희가 찾을 수 없었습니다. 그 사이 사람들이 택하는 해결책, 즉 em 대시를 문서 전체에서 모조리 바꾸는 조치는 하나의 동작으로 문서의 거의 모든 문단을 바꾸는 일이며, 그 결과를 아무도 읽지 않습니다.

"em 대시는 AI의 흔적입니다"라는 말은 하나의 주장처럼 말해집니다. 하지만 그것은 둘이며, 둘을 이어 주는 것은 아무것도 없습니다.

• 생성된 텍스트에는 em 대시가 많이 들어 있습니다. 언어 모델에서 무엇이 나오는지에 대한 주장입니다. 누구나 직접 확인해 보실 수 있습니다.
• em 대시는 AI 작성 점수를 높입니다. 특정 분류기가 무엇에 가중치를 두는지에 대한 주장입니다. 공급업체 외부에서는 아무도 확인할 수 없습니다.

첫 번째는 전적으로 참일 수 있고 동시에 두 번째는 거짓일 수 있습니다. 어떤 특징이 한 집단에서 흔하다는 사실은, 두 집단을 모두 학습한 탐지기가 그 특징을 어떻게 활용하는지에 대해 아무것도 말해 주지 않기 때문입니다. 대시를 자주 쓰는 사람이 바로 두 번째 주장이 오판을 내릴 집단이며, 첫 번째 주장에는 그들이 어떻게 되는지에 대한 정보가 전혀 없습니다.

이 일반적인 지적을 저희가 처음 한 것은 아닙니다. AI 탐지기가 측정하는 것에 관한 저희 페이지에서도, 어떤 부분이 눈에 보이는 습관 하나 때문에 높은 점수를 받는 것은 아니라고 밝히고 있습니다. 여기서 하려는 이야기는 더 좁습니다. 이렇게 널리 퍼진 주장이라면 어딘가에 근거 문서가 있어야 한다는 생각에, 이 특정한 습관이 공급업체 자체 문서에 등장하는지 저희가 직접 확인해 보았습니다.

2026년 8월 18일에 내려받은 세 페이지를 렌더링된 페이지 텍스트 그대로 읽고, 대소문자를 구분하지 않고 검색했습니다. 대상은 "Using the AI Writing Report", "Turnitin's AI writing detection capabilities FAQs" (Turnitin의 AI 작성 탐지 기능 FAQ), "File requirements for an AI Writing Report" (AI Writing Report의 파일 요건)입니다. 이 페이지들은 작동 방식과 파일 규칙을 정하고 있는 곳이며, 릴리스 노트와 알려진 문제 페이지는 이번 검색에 포함하지 않았습니다. 아래 숫자는 줄 수가 아니라 등장 횟수입니다.

마지막 행을 넣은 이유는, 아무것도 찾지 못한 검색과 애초에 페이지에 도달하지 못한 검색이 밖에서 보면 똑같아 보이기 때문입니다. 세 페이지 모두에 있다는 것이 확인된 구절이 각각 한 번씩 검색된다는 사실이 바로 위의 0에 의미를 부여합니다.

그러면 실제로 걸린 것은 하나뿐입니다. 그것이 들어 있는 답변 전체를, Grammarly의 문법 검사가 탐지되는지라는 질문에 대한 답으로 그대로 옮깁니다.

"No. Our detector is not tuned to target Grammarly-generated spelling, grammar, and punctuation modifications to content but rather, other AI content written by LLMs such as GPT-3.5. Based on tests we conducted on human-written documents with no AI-generated content in them, in most cases, changes made by Grammarly (free & premium) and/or other grammar-checking tools were not flagged as AI-written by our detector. Please note that this excludes content generated by Grammarly's generative AI-powered features, including draft generation, paraphrasing, summarizing, and other features. Content produced using these features will likely be flagged as AI-generated by our detector." (아니요. 저희 탐지기는 콘텐츠에서 Grammarly가 생성한 맞춤법·문법·문장부호 수정을 겨냥하도록 조정되어 있지 않으며, GPT-3.5와 같은 LLM이 작성한 다른 AI 콘텐츠를 대상으로 합니다. AI가 생성한 콘텐츠가 전혀 없는 사람이 쓴 문서를 대상으로 저희가 실시한 테스트에 따르면, 대부분의 경우 Grammarly 무료 버전과 유료 버전 또는 다른 문법 검사 도구가 적용한 변경 사항은 저희 탐지기에서 AI가 작성한 것으로 표시되지 않았습니다. 다만 여기에는 초안 생성, 문장 바꾸기, 요약 등 Grammarly의 생성형 AI 기능이 만들어낸 콘텐츠는 포함되지 않습니다. 이러한 기능으로 만들어진 콘텐츠는 저희 탐지기에서 AI 생성으로 표시될 가능성이 높다는 점에 유의해 주십시오.)

이 답변을 있는 그대로 읽어 주십시오. 이것은 문법 검사기가 적용한 수정에 관한 것이지, 대시에 관한 것이 아닙니다. "결코 아니다"가 아니라 "in most cases" (대부분의 경우)라고 말하고 있습니다. 그리고 마지막 두 문장은 Grammarly가 교정한 것이 아니라 생성한 내용에 대해서는 정반대 방향으로 강하게 작용합니다. 교정된 텍스트와 생성된 텍스트의 경계는 그 자체로 별개의 주제이며, 저희는 Turnitin이 Grammarly를 탐지하는지에서 그 경계를 정리했습니다. 여기에서 이 답변이 주는 것은 하나뿐입니다. 세 페이지에서 문장부호와 탐지가 같은 문장에 등장하는 유일한 곳에서, 그 문장은 문장부호 수준의 조정 쪽이 아니라 그 반대쪽을 가리킵니다.

그다음에는, 답이 그쪽이었다면 저희 질문에 직접적으로 답해 주었을 질문이 있습니다. "What parameters or flags does Turnitin's model take into account when detecting AI writing?" (AI 작성을 탐지할 때 Turnitin 모델은 어떤 매개변수나 플래그를 고려합니까)라는 제목 아래, 핵심 부분은 다음과 같이 쓰여 있습니다.

"Our classifiers are trained to detect these differences in word probability and are adept at the particular word probability sequences of human writers." (저희 분류기는 단어 확률의 이러한 차이를 탐지하도록 학습되어 있으며, 인간 필자가 보이는 특유의 단어 확률 배열에 능숙합니다.)

단어 확률. 단어의 배열. 공급업체가 자사 분류기가 작동하는 수준으로 설명하는 것이 바로 이것이며, 자사 FAQ가 모델이 무엇을 고려하는지 직접적으로 물었을 때 내놓은 답변에서 그렇게 밝히고 있습니다.

점수가 어떻게 산출되는지에 관한 공개된 설명에서 사용된 용어를 따라 내려가 보면, 문자에 도달하기 전에 멈춥니다.

"When a paper is submitted to Turnitin, sentences from the submission are extracted and segmented into overlapping sections for prediction analysis. Each segment is classified by the AI detection model and given a value between 0 and 1 … Each qualifying sentence within these segments inherits the segment's score." (논문이 Turnitin에 제출되면 제출물에서 문장이 추출되어 예측 분석을 위해 서로 겹치는 구간으로 분할됩니다. 각 구간은 AI 탐지 모델에 의해 분류되고 0에서 1 사이의 값을 부여받습니다 … 이러한 구간 안에서 조건을 충족하는 각 문장은 해당 구간의 점수를 물려받습니다.)

구간. 문장. 자격을 갖춘 텍스트인데, 같은 FAQ에서는 이를 표준적인 문법을 갖춘 문장으로 작성된 덩어리로 정의합니다. 단어 확률의 배열. 이 연쇄에서 언급되는 모든 단위는 단어이거나 그보다 크며, 독자적인 값을 부여받는 가장 작은 대상은 여러 문장에 걸친 구간이고, 개별 문장은 그 구간에서 값을 물려받습니다.

대시는 그 구간 안에 놓여 있습니다. 그것을 빼도 구간에는 같은 단어가 같은 순서로 남아 있습니다. 그것이 바로 문장부호를 바꿔도 달라지지 않는 지점이며, 단어의 순서는 공급업체가 직접 언급한 것입니다. 토크나이저가 여기에 영향을 받는지는 별개의 문제이며, Turnitin 외부에서는 아무도 답할 수 없습니다. 저희는 아는 척하지 않겠습니다. 다만 이 조언은 대개 메커니즘이 밝혀져 있다는 전제로 전달되며, 공개된 메커니즘에는 그것이 들어갈 자리가 없습니다.

em 대시를 지웠을 때 측정 가능한 결과가 하나 있는데, 금세 직접 확인하실 수 있고 탐지와는 아무런 관련이 없습니다. Microsoft Word는 em 대시와 en 대시를 단어 경계로 취급하고 하이픈은 경계로 취급하지 않습니다. 그래서 "cost—benefit"은 두 단어로, "well-known"은 한 단어로 셉니다. 공백 없는 em 대시 마흔 개를 하이픈으로 바꾸면 단어 수가 마흔 개 줄어듭니다.

대부분의 문서에서는 그저 흥미로운 사실일 뿐입니다. 하지만 분량 제한에 걸린 제출물에게는 그렇지 않습니다. Turnitin의 파일 요건 자체가 처리 대상에 상한을 두고 있으며, 그래서 저희는 Turnitin이 학위 논문 전체를 검사할 수 있는지에서 대시와 단어 수 계산에 한 절을 할애했습니다. 여기서 주목하실 점은 다음과 같습니다. 실제로 입증할 수 있는 영향은 분류기가 아니라 단어 수 계산을 통해 나타납니다.

em 대시는 문장 안에서 일정한 역할을 합니다. 그 자리에 무엇을 넣든 다른 역할을 하게 되며, 이 선택은 단순한 모양새의 문제가 아닙니다.

• 쉼표는 끊어지는 힘을 약하게 만듭니다. 대시가 실제로 문장의 흐름을 끊는 역할을 하고 있던 자리에서는, 쉼표는 그 끊어짐을 잃어버리거나 잘못된 연결을 만들어 냅니다.
• 세미콜론은 문체의 격을 높이며, 뒤에 오는 것이 하나의 절로서 단독으로 성립하기를 요구합니다. 하지만 흔히 그것은 성립하지 않습니다.
• 괄호는 해당 내용을 곁들이는 설명으로 격하시킵니다. 이는 그 내용의 중요성에 대해 무엇을 주장하는지를 바꾸는 일이며, 고찰 섹션에서는 서식상의 결정이 아니라 논거가 됩니다.
• 마침표는 하나의 생각을 둘로 나눕니다. 그 결과가 더 나아질 때도 있지만, 그 문장의 핵심이었던 연결을 끊어 버릴 때도 있습니다.
• 아무것도 넣지 않는 것은 사람들이 예상하는 것보다 훨씬 자주 통하며, 이 목록에서 새로운 결정을 끌어들이지 않는 유일한 선택지입니다.

여기에 문서에 들어 있는 개수를 곱해 보십시오. 찾아 바꾸기는 그 모든 결정을 같은 방식으로, 한 번의 동작으로, 열어 볼 다른 이유가 없던 본문에 대해 수행합니다. 이는 대부분의 사람이 완성된 원고에 가하는 가장 큰 규모의 수정이며, 동시에 가장 주의를 기울이지 않고 이루어지는 수정입니다.

문서에 적용되는 스타일 가이드가 있다면, 대시에 관해 지켜야 할 규칙은 온라인 게시물의 규칙이 아니라 그 가이드의 규칙입니다. 자신의 대시가 em인지 en인지를 가려내는 일은 적어도 답이 있는 질문입니다.

분류기에 관한 이론을 걷어내고도 남는 것이 있습니다. 다만 그것이 가리키는 것은 점수가 아니라 사람입니다.

이 규칙을 믿는 독자가 적지 않습니다. 지도교수님이 그중 한 분이라면, 대시는 실제로 값을 치르게 합니다. 어떤 탐지기도 개입하기 전에 첫 페이지에서 형성되는 인상입니다. 이 위험은 소프트웨어가 어떻게 작동하는지에 대한 어떤 설명에도 의존하지 않으며, 바로 그렇기 때문에 이 주장에서 더 단단한 절반입니다. 저희는 이 절반이야말로 진지하게 받아들이실 가치가 있다고 봅니다. 다만 이는 공개된 사실이 아니라 저희의 해석으로 드리는 말씀입니다.

하지만 찾아 바꾸기가 이에 대한 좋은 답이 되지 못한다는 점에 유의해 주십시오. 글에 대한 인상을 형성하는 사람은 문자를 세는 것이 아니라 페이지에 반응합니다. 기계가 쓴 것처럼 보였던 문단은 쉼표로 바꾸어도 똑같이 보입니다. 독자를 움직이는 것은 글이 분명히 본인의 것이라는 점과 그것에 대해 설명할 수 있다는 점입니다. 이는 초안을 보관해야 하는 이유이며, 저희는 그 증거가 실제로 어떻게 활용되는지를 버전 기록을 증거로 활용하는 방법에서 정리했습니다.

독자가 받는 문체의 인상과 AI 탐지 결과는 서로 종류가 다른 정보입니다. Turnitin은 학생이 AI 작성 지표나 리포트를 직접 볼 수 없다고 밝히고 있으며, 담당 교수가 내려받아 공유해야 합니다. 문장부호로 결과를 짐작하지 마시고, 리포트를 받아 실제 강조 표시를 확인한 다음 초안과 집필 기록으로 자신의 작성 과정을 설명하십시오.

대시에 대해 어떤 결정을 내리시든, 도움이 되는 원칙은 전역 바꾸기가 위반하는 바로 그것입니다. 즉 무엇이 바뀌었는지 여전히 읽을 수 있는 규모에서 텍스트를 수정하라는 것입니다. 검토하지 않은 변경 하나하나가 문서가 조용히 잘못될 수 있는 지점입니다.

이 제약이야말로, 문장부호에 대한 어떤 견해가 아니라 HumanPen 도구의 설계를 결정한 것입니다. 파일과 Turnitin 또는 iThenticate의 AI 리포트를 함께 넘겨 주시면 표시된 부분이 곧 작업 범위가 되고, 그 밖의 부분은 작성자가 쓰신 표현 그대로 유지됩니다. 저희 페이지에는 세분화 기준이 분명하게 적혀 있습니다. "a paragraph is the smallest unit a rewrite can touch, so a selection is expanded to full paragraphs before it is counted." (문단은 재작성이 건드릴 수 있는 가장 작은 단위이므로, 선택 영역은 집계 전에 전체 문단으로 확장됩니다.) 문단은 이 글에서 다루는 대상보다 몇 단계나 위에 있습니다.

여기서 두 가지가 뒤따르는데, 이는 기능이 아니라 한계로 밝히는 편이 옳습니다. 청구는 실제로 재작성한 단어 수를 기준으로 하므로, 범위가 정해진 작업의 비용은 파일의 크기가 아니라 그 범위의 크기에 따라 결정됩니다. 조건을 충족하는 부분은 무료로 다시 실행할 수 있습니다.

저희가 할 수 없는 것은 숫자를 알려드리는 일입니다. Turnitin 자체의 입장은 개별 예측이 "may not always be explainable in simple feature-by-feature terms" (항상 특징별로 단순하게 설명할 수 있는 것은 아닐 수 있습니다)는 것이며, 어떤 수정이 점수의 어떤 변화로 이어지는지에 관한 자료는 전혀 공개하지 않았습니다. 따라서 결과 수치를 제시하는 도구는 자신이 갖지 못한 것을 제시하는 셈입니다. 기준선 아래에서는 사정이 더 나빠집니다. 1%에서 19% 사이의 점수는 백분율도 강조 표시도 없이 별표로만 표시되므로, 그 구간에서 실제로 개선이 이루어져도 본인을 포함한 그 누구도 확인하실 수 없습니다. 같은 문단에 대해 두 도구가 다른 수치를 보고하는 이유가 궁금하시다면 탐지기들이 의견을 달리하는 이유를, 지금 바로 리포트를 들고 계시다면 Turnitin AI 작성 리포트를 읽는 방법을 먼저 확인해 보십시오.

em 대시를 모두 삭제하면 AI 점수가 내려갈까요? 아무도 확실하게 말씀드릴 수 없으며, 확실히 그렇다거나 확실히 아니라고 말하는 사람은 공개된 범위를 넘어서는 것입니다. 저희가 말씀드릴 수 있는 것은, 저희가 검색한 Turnitin 도움말 페이지 세 곳에는 대시에 대한 언급이 전혀 없었고, 문장부호가 등장하는 곳은 탐지기가 문장부호 수정을 겨냥해 조정되지 않았다고 밝힌 답변 한 곳뿐이라는 사실입니다.

AI 모델은 실제로 사람보다 em 대시를 더 많이 사용할까요? 충분히 그럴 수 있으며, 이는 생성된 텍스트로 직접 검증해 보실 수 있는 주장입니다. 그것은 "탐지기가 거기에 가중치를 둡니다"라는 주장과는 다른 주장이며, 그 주장을 함의하지도 않습니다.

삭제했을 때 측정 가능한 효과가 있나요? 직접 확인하실 수 있는 효과가 하나 있으며, 그것은 탐지와는 무관합니다. Word는 em 대시를 단어 경계로 세고 하이픈은 경계로 세지 않습니다. 따라서 공백 없는 em 대시를 하이픈으로 바꾸시면 바꿀 때마다 단어 수가 하나씩 줄어듭니다.

지도교수님이 제 대시가 ChatGPT 같다고 하셨습니다. 어떻게 해야 하나요? 이는 탐지 결과가 아니라 독자의 인상으로 받아들여 주십시오. 실제로 그것이 인상이기 때문입니다. 인상에 대응하는 방법은 초안과 메모, 그리고 자신의 논지를 직접 설명하실 수 있는 능력이며, 상대가 알아차리지도 못할 찾아 바꾸기가 아닙니다.

이 문제를 아예 피하려고 글쓰기 방식을 바꿔야 할까요? 의도적으로 자신의 수준보다 낮게 쓰는 것은 성적에서 일정한 비용을 치르게 하며, 대개는 보실 수조차 없는 점수에 대해 측정되지 않은 이익을 얻을 뿐입니다. 공급업체가 공개한 오탐지 사례의 목록, 즉 구조적 변화가 거의 없는 텍스트나 문자 그대로 반복되는 텍스트는 문장부호의 목록이 아닙니다. 저희는 그 목록이 실제로 뒷받침하는 수동 편집 방법을 도구 없이 AI 텍스트를 사람의 글로 다듬는 방법에서 살펴보았습니다.