AI 생성 제출물이 의학·법률·문학 출판계를 압박하다

Google News는 의학 저널, 법학 리뷰, 문학 잡지라는 세 출판 분야로 확산되는 갈등을 포착했다. 이들 매체는 AI가 생성한 원고 제출에 직면하고 있다.

당면한 문제는 소프트웨어가 매끄러운 문장을 만들 수 있다는 사실 자체가 아니다. 편집자들은 수년간 언어 도구와 선별 도구를 사용해 왔다. 갈등은 생성된 텍스트가 누가 연구를 수행했고, 논지를 전개했으며, 이야기를 창작했는지를 흐릴 때 시작된다.

이 구분은 분야마다 서로 다른 결과를 낳는다. 조작된 인용은 의학적 근거를 훼손할 수 있다. 존재하지 않는 판례는 법학 연구의 신뢰를 약화시킬 수 있다. 공개되지 않은 기계 작성 소설은 창작 저자성에 관한 잡지의 기대를 위반할 수 있다.

출판물들은 또한 비대칭적인 상황에 놓여 있다. 작성자는 몇 분 안에 또 다른 원고를 생성해 제출할 수 있다. 반면 편집자들은 여전히 출처, 논리, 독창성, 공개 여부를 검토해야 한다. 이들에게 가장 비싼 자원은 사람의 주의력이다.

Google News 항목은 더 լայն은 제도적 대응을 가리킨다. 출판사들은 비공식적인 의심에서 벗어나 공개 규정, 저자 책임, 기밀성 제한, 인간 심사로 옮겨가고 있다.

그러나 이런 정책도 가장 어려운 질문을 해결하지는 못한다. 편집자들은 허용 가능한 지원과 은폐된 대체를 구별할 신뢰할 만한 방법을 여전히 갖추지 못했다.

따라서 이는 기계가 작성한 문장을 잡아내는 문제를 넘어선다. 기존 출판 시스템이 채택된 모든 작업 뒤에 있는 인간의 책임을 검증할 수 있는지를 둘러싼 싸움이다.

Google News가 드러낸 공통의 편집 병목

생성형 AI는 그럴듯한 원고를 만드는 비용은 낮췄지만, 이를 평가하는 비용은 낮추지 못했다.

의학 저널, 법학 리뷰, 문학 잡지는 서로 다른 독자를 대상으로 한다. 그러나 모두 선택적 심사를 통해 열린 제출물을 신뢰할 수 있는 출판물로 바꾼다.

이 과정은 자동화된 텍스트 생성을 염두에 두고 설계되지 않은 신호에 의존한다. 편집자들은 문장의 질, 인용, 방법론적 세부사항, 새로움, 그리고 저자의 주제 이해도를 살핀다.

생성형 AI는 이런 신호 가운데 여러 가지를 모방할 수 있다. 대규모 언어 모델(LLM)은 학습 중 익힌 패턴을 바탕으로 그럴듯한 텍스트 순서를 예측한다. 모든 기저 주장을 검증하지 않아도 체계적인 글을 만들어낼 수 있다.

따라서 유창한 글쓰기는 예전만큼 많은 정보를 전달하지 못한다. 매끄러운 서론이 인용된 출처를 저자가 이해했거나 논지를 직접 구성했다는 보장은 더 이상 아니다.

이 문제는 AI 활용이 연속선상에 존재한다는 점에서 특히 심각하다. 어떤 저자는 문법 교정에 소프트웨어를 사용할 수 있다. 다른 저자는 개요 작성을 요청할 수 있다. 또 다른 저자는 전체 섹션을 생성한 뒤 결과물을 가볍게 편집할 수 있다.

이런 행위들은 동일한 편집상 위험을 만들지 않는다. 일률적인 금지는 접근성 지원을 대필과 같은 것으로 취급할 수 있다. 관대한 정책은 모델이 작업의 핵심 주장을 형성했다는 사실을 독자가 알지 못하게 할 수 있다.

편집자들은 AI 지원 글쓰기와 AI를 연구 대상으로 삼는 연구도 구분해야 한다. 의학 연구자는 문서화된 방법론의 일부로 모델을 적절하게 평가할 수 있다. 그렇다고 동일한 모델이 결과를 꾸며내거나 검증되지 않은 결론을 작성하도록 허용되는 것은 아니다.

법학 리뷰는 경계 문제의 또 다른 형태에 직면한다. 저자는 AI를 활용해 가능한 사건을 찾고, 판결을 요약하며, 문장을 다듬거나 논지를 생성할 수 있다. 각 단계는 요구되는 검증 수준을 바꾼다.

문학 잡지는 더 철학적인 구분과 마주한다. 이들의 편집 목적에는 읽기 쉬운 텍스트를 고르는 것뿐 아니라 인간의 목소리를 발견하는 일도 포함되는 경우가 많다. 공개되지 않은 생성은 모든 문장이 일관되더라도 그 목적과 충돌할 수 있다.

이들 기관은 문체 판단만으로 문제를 해결할 수 없다. 예측 가능한 연결어나 반복적 표현처럼 흔히 거론되는 신호는 인간이 쓴 글에서도 나타날 수 있다.

영어를 추가 언어로 사용하는 작성자는 특히 노출될 수 있다. 탐지기나 편집자가 격식 있고 표준화된 문장을 기계 출력으로 오인할 수 있다. 강한 편집 역시 같은 인상을 만들 수 있다.

따라서 공통의 병목은 취향이 아니라 검증이다. 편집자들은 누가 책임을 지는지, 어떤 도구가 작업에 영향을 미쳤는지, 그리고 기저 증거가 검토를 견뎌내는지를 알아야 한다.

Google News는 분야 전반의 갈등을 가시화하지만, 집계는 출발점일 뿐이다. 더 깊은 이야기는 저자성에 관한 가정을 대체하고 있는 정책에 있다.

의학 저널은 저자 표기보다 책임성을 앞세운다

의학 출판사들은 대체로 제한적인 AI 지원을 허용하지만, 책임은 식별 가능한 인간 저자에게 남긴다.

의학 출판에는 신중해야 할 가장 분명한 이유가 있다. 논문은 임상 연구, 전문 지침, 투자, 환자와의 대화에 영향을 줄 수 있다. 권위적인 어조가 검증된 근거를 대신할 수는 없다.

국제의학학술지편집인위원회는 챗봇을 저자로 등재해서는 안 된다고 밝힌다. 그 근거는 책임성에 있다. 소프트웨어는 최종 원고를 승인하거나, 이해충돌을 공개하거나, 작업에 관한 의혹에 답할 수 없다.

이 원칙은 AI 사용을 규율하는 의학 저널 권고사항에도 나타난다. 저자는 AI 지원 기술을 어떻게 사용했는지 공개하고, 제출한 자료에 대한 책임을 계속 져야 한다.

그 책임에는 생성된 주장, 인용문, 참고문헌을 확인하는 일이 포함된다. 표절과 편향된 출력으로부터 보호하는 일도 포함된다. 공개가 도구 제공자에게 어떤 의무도 이전하지는 않는다.

New England Journal of Medicine은 편집 정책에서 이러한 권고를 따른다. 이 저널은 저자들에게 AI가 생성한 자료에 부정확하거나 불완전하거나 편향된 내용이 없는지 검토하라고 경고한다.

이 접근법은 중요한 선을 긋는다. AI는 인간 저자를 지원할 수 있지만, 의학적 주장 뒤에서 책임을 지는 당사자가 될 수는 없다.

이 정책은 인용도 다룬다. 챗봇 응답은 과학적 근거에 기대되는 안정성과 출처 이력을 갖추지 못하므로, AI 생성 자료는 일차 출처로 사용해서는 안 된다.

생성된 인용은 여러 방식으로 실패할 수 있다. 언급된 논문이 존재하지 않을 수 있다. 제목이 약간 바뀌었을 수 있다. 논문은 실제로 존재하지만 해당 주장과 무관할 수도 있다.

이런 오류는 심사 과정에서 불균형적으로 많은 작업을 만든다. 조작된 참고문헌은 몇 초 만에 생성되지만, 심사자는 데이터베이스를 검색하고 기록을 확인하며 무엇이 잘못됐는지 판단해야 한다.

기밀성은 또 다른 제약이다. 동료 심사자는 저자의 아이디어, 데이터, 지식재산을 보호하는 조건 아래 미공개 원고를 받는다.

그 원고를 외부 챗봇에 업로드하면 기밀 자료가 노출될 수 있다. 심사자는 제공자가 프롬프트를 어떻게 저장하고, 활동을 어떻게 모니터링하며, 제출된 콘텐츠를 어떻게 사용하는지 알지 못할 수 있다.

Elsevier의 저널 AI 정책은 저자, 심사자, 편집자를 각각 다룬다. 저자는 생성된 결과물을 검증하고 원고 준비 과정에서의 사용을 공개해야 한다.

이 회사는 편집 평가에 더 엄격한 제한을 둔다. 과학 원고를 심사하려면 여전히 인간에게 귀속되는 판단이 필요하다. 기밀성과 인간의 감독은 핵심 요건으로 남는다.

의학 저널은 이미 더 좁은 업무에 자동화 시스템을 사용한다. 여기에는 유사성 검사, 참고문헌 검증, 형식 검토, 메타데이터 추출, 이미지 무결성 검사가 포함된다.

이런 활용은 모델에게 연구의 결론이 방법론에서 도출되는지 판단하라고 요청하는 것과 다르다. 전자는 정해진 검사를 지원할 수 있다. 후자는 과학적 판단을 위임한다.

이 구분은 저널들이 단순히 “AI에 반대하는” 것이 아닌 이유를 설명한다. 많은 출판사는 번역, 언어 편집, 탐색, 업무 흐름 지원을 위한 정당한 활용을 인정한다.

이들이 우려하는 것은 대체적 활용이다. 모델은 누군가를 저자, 심사자, 편집자로 만드는 지적 작업이나 책임성을 대신해서는 안 된다.

집행은 여전히 어렵다. 공개 항목은 정직한 사용을 포착할 수 있지만, 회피적인 저자가 공개되지 않은 생성을 설명하도록 강제하지는 못한다.

의학 저널은 참고문헌, 원자료, 윤리 승인, 통계 방법, 수정 이력을 검토할 수 있다. 이런 검사는 문체로 추측하는 것보다 더 유용하게 문장 주변의 실질을 살핀다.

그럼에도 더 강한 검증에는 시간과 전문 인력이 필요하다. 소규모 저널은 포렌식 심사를 위한 자원이 더 적다. 이러한 불균형은 저품질 자동화 제출물에 구조적 이점을 준다.

따라서 압박은 개별 원고를 넘어선다. 선별 비용이 계속 상승하면 저널들은 제출 접근성을 좁히거나, 초기 반려를 늘리거나, 정당한 저자에게 더 많은 요구를 할 수 있다.

법학 리뷰에는 판단을 외주화하지 않는 공개가 필요하다

법학 리뷰는 AI 사용을 단순한 글쓰기 선호가 아니라 저자성과 신뢰성의 문제로 다루고 있다.

법학 연구는 추적 가능한 권위에 의존한다. 설득력 있는 문장은 그 판례, 법령, 역사적 기록, 논리적 단계가 검증을 견뎌낼 때에만 의미를 가진다.

생성형 AI는 이 연결고리를 복잡하게 만든다. 모델은 관습적인 법률 문체를 만들어낼 수 있지만, 관할권을 뒤섞거나 판결 취지를 잘못 서술하거나 인용을 조작할 수 있다.

이런 실패는 이론적 특이점이 아니다. 변호사들은 이미 챗봇이 생성한 존재하지 않는 판례가 포함된 서면을 제출한 뒤 법원 제재를 받은 바 있다. 법학 리뷰는 학술 초안이 이런 문제에서 자유롭다고 가정할 수 없다.

학생이 편집하는 법학 리뷰는 별도의 업무 부담을 안고 있다. 편집자들은 흔히 방대한 제출량을 평가하는 동시에 촘촘한 각주를 확인하고, 자신들의 학업도 수행한다.

AI는 저자들이 더 많은 원고, 초록, 커버레터를 작성하도록 도울 수 있다. 그러나 편집자에게 이를 검증할 더 많은 시간을 제공하지는 않는다.

이에 따라 여러 법학 리뷰는 명시적인 공개 정책을 채택했다. University of Pennsylvania Law Review는 이제 저자들에게 제출물 준비 과정에서의 AI 사용을 공개하도록 요구한다.

이 저널의 저자 공개 규정은 공개만으로 제출물에 불이익이 생기지는 않는다고도 명시한다. 이 문구는 지원 활용이 음지로 숨어들기보다 정직한 공개를 장려하려는 시도다.

Stanford Law Review는 더 구체적인 기준을 사용한다. 제출물의 실질, 독창성 또는 신뢰성에 중대한 영향을 미친 생성형 AI 사용은 공개하도록 저자들에게 요청한다.

이런 접근은 핵심적인 정책 선택을 반영한다. 저널은 모든 상호작용의 공개를 요구할 수도 있고, 작업을 실질적으로 형성한 활용에 초점을 맞출 수도 있다.

전면적인 보고는 명확해 보이지만 잡음을 만들 수 있다. 위험이 크게 다른데도 저자는 생성된 법률 분석과 함께 일상적인 철자 지원까지 보고해야 할 수 있다.

중대성 기준은 더 유연하다. 그러나 AI의 기여가 언제 중요해졌는지를 저자가 판단하도록 요구한다. 두 작성자는 그 기준을 다르게 해석할 수 있다.

가장 어려운 사례는 연구 지원과 관련된다. 가령 모델이 유용한 판결을 제안하고, 저자가 이후 전문을 독립적으로 읽는 경우를 생각해 볼 수 있다. 모델은 탐색에 영향을 미쳤지만, 저자가 해당 권위를 검증했다.

이제 저자가 사건 원문을 열어보지 않고 생성된 요약에 의존한다고 가정해 보자. 겉으로 드러나는 원고는 비슷해 보일 수 있지만, 그 증거 기반은 훨씬 약해진다.

법학 리뷰는 필자의 문체가 아니라 작업 자체를 검증함으로써 대응할 수 있다. 편집자는 인용된 모든 권위를 확인하고, 인용문을 원문과 대조하며, 이례적인 주장에 대해서는 설명을 요구할 수 있다.

또한 저자가 편집 전 과정에서 계속 연락 가능한 상태를 유지하도록 요구할 수 있다. 논지를 전개한 필자라면 그 구조를 방어하고, 출처를 명확히 하며, 취약한 추론을 수정할 수 있어야 한다.

이것이 완벽한 진정성 검증을 만드는 것은 아니다. 인간 저자 역시 실수하거나 판례를 오해하거나 작업을 부적절하게 위임할 수 있다.

목적은 책임성이다. 문제가 발생했을 때 논지에 대해 답변하고 기록을 바로잡을 수 있는 실명 당사자가 저널에는 필요하다.

학생 편집자들은 또 다른 질문에 직면한다. 자신들이 AI를 사용해도 되는가라는 문제다. 미출간 논문을 일반 소비자용 챗봇에 입력하면 기밀 연구를 노출하고 블라인드 심사를 훼손할 수 있다.

로컬 도구나 기관 승인 도구도 거버넌스를 필요로 한다. 편집자에게는 데이터 보존, 접근 권한, 승인된 작업, 저자에 대한 고지를 다루는 규칙이 필요하다.

따라서 핵심 충돌은 인간의 판단과 검증 불가능한 자동화 사이에 있다. AI는 인용 형식 정리나 쟁점 포착에는 도움이 될 수 있지만, 편집 결정에 대한 책임을 질 수는 없다.

이 기준이 순수성 검증으로 변질되어서는 안 된다. 장애가 있거나 전문 편집에 대한 접근이 제한된 필자는 보조 도구의 혜택을 받을 수 있다.

실행 가능한 정책은 도구가 문서를 건드렸는지가 아니라 무엇을 했는지를 살핀다. 문법 지원과 실질적인 논지 생성은 동일하게 취급되어서는 안 된다.

법학 리뷰에는 일관된 집행도 필요하다. 저명한 저자에게 비공식적 예외가 주어진다면, 공개 규칙은 보호 장치가 아니라 상징에 그칠 수 있다.

광범위한 경고보다 명확한 양식, 문서화된 검토 절차, 비례적인 구제 조치가 더 중요하다. 우발적인 누락이 조작된 권위와 자동으로 동일한 대응을 받아서는 안 된다.

정책의 목표는 출처에서 주장까지 이어지는 신뢰할 수 있는 사슬을 만드는 것이다. 그 사슬이 없다면 유려한 법률 문장은 연구의 증거가 아니라 책임이 된다.

문예지는 인간과 기계의 충돌이 가장 첨예하게 드러나는 곳이다

문예지에서 공개되지 않은 AI 생성은 편집 역량과 창작 저작의 의미 모두에 도전한다.

의학 저널은 증거가 주장을 뒷받침하는지 물을 수 있다. 법학 리뷰는 판례가 논지를 지지하는지 검증할 수 있다. 그러나 문학 편집자는 목소리와 예술적 의도에 대해 더 측정하기 어려운 판단을 내려야 한다.

그렇다고 문제가 덜 구체적인 것은 아니다. 공개 투고를 받는 문예지는 소규모 팀, 제한된 예산, 방대한 원고 검토 대기열 속에서 운영된다.

생성형 AI는 한 사람이 많은 이야기를 빠르게 생산하게 한다. 형편없는 작품도 편집자가 거절하기 전에 주의를 소모시킨다.

Clarkesworld는 2023년 2월 초기 경고 사례가 되었다. 이 SF 잡지는 기계 생성으로 의심되는 단편이 급증하자 투고를 일시적으로 중단했다.

편집자 Neil Clarke는 Time에, 투고를 닫기 전 그달 잡지가 정당한 투고 700편과 기계가 작성한 투고 500편을 받았다고 밝혔다.

투고 폭주는 해로운 경제적 비대칭을 보여 주었다. 자동화는 공급을 늘렸지만, 편집자가 원고를 읽을 수 있는 역량은 그대로였다.

이 사건은 탐지만으로는 충분하지 않은 이유도 보여 주었다. 품질이 낮은 생성 소설은 뻔히 드러날 수 있지만, 편집자는 여전히 모든 투고를 열어 보고, 평가하고, 처리해야 한다.

모델이 개선될수록 표면적 완성도는 정보 가치가 떨어진다. 생성된 이야기는 명백한 오류를 피할 수는 있어도 일관된 예술적 목적을 발전시키지 못할 수 있다.

문학적 판단은 텍스트 뒤에 놓인 선택에 부분적으로 의존한다. 편집자는 긴장감, 형식, 시점, 이미지, 그리고 작품과 문화적 맥락의 관계를 고려한다.

모델은 이러한 요소를 통계적으로 모방할 수 있다. 하지만 특정 기억, 위험, 혹은 형식적 결정이 왜 그 이야기를 형성했는지에 관한 인간의 증언을 제공할 수는 없다.

일부 독자는 완성된 텍스트만 중요하다고 주장할 것이다. 이 관점에서는 제작 방식과 무관하게 설득력 있는 이야기는 검토받을 가치가 있다.

그 입장에는 지적 설득력이 있지만, 편집 정책을 없애지는 않는다. 한 잡지는 인간이 창작한 작품을 중심으로 자신의 사명을 정의할 수 있고, 다른 매체는 계산문학을 명시적으로 환영할 수 있다.

공개는 두 모델이 공존하도록 한다. 출판물이 기준을 명확히 밝힐 때 독자와 편집자는 AI 보조 작품을 판단할 수 있다.

더 큰 갈등은 은폐에서 발생한다. 인간 전용 매체에 생성 소설을 투고하는 필자는 다른 참여자들이 자신이 무시한 규칙을 지키길 요구하면서 속도상의 이점을 얻는다.

허위 의혹은 반대의 위험을 만든다. AI 탐지기는 특히 다듬어진, 정형적인, 번역된, 혹은 대폭 편집된 산문에 인간 작품임에도 의심스러운 점수를 부여할 수 있다.

탐지기를 결정적 증거로 취급하는 문예지는 의미 있는 근거 없이 진정한 작가를 거절할 수 있다. 또한 단지 인간적으로 보이기 위해 저자에게 산문을 덜 정돈되게 쓰도록 압박할 수도 있다.

가장 잘 알려진 사례들은 자동화된 확신이 아니라 신중한 검토를 뒷받침한다. 편집자는 투고 패턴, 계정 활동, 메타데이터, 수정 이력, 반복되는 텍스트 구조를 살펴볼 수 있다.

최종 후보에 오른 작품이 중대한 의문을 제기할 경우 대화를 요청할 수 있다. 진정한 저자라면 대체로 수정 과정, 영향, 버린 선택에 관해 이야기할 수 있어야 한다.

그 과정에도 한계는 있다. 일부 작가는 자신의 창작 방식에 관해 의사소통을 잘하지 못한다. 다른 이들은 광범위한 협업, 번역, 또는 편집 지원을 활용한다.

프라이버시도 중요하다. 모든 초안이나 프롬프트를 요구하는 것은 특히 이야기가 트라우마, 정체성, 또는 기밀 경험을 다룰 때 침해적일 수 있다.

따라서 문학 출판사는 비례적인 절차를 마련해야 한다. 초기 선별은 스팸 행태를 겨냥할 수 있지만, 더 심층적인 진정성 검토는 출간에 가까워진 작품에 집중해야 한다.

잡지는 허용되는 지원과 금지되는 생성을 구분할 수도 있다. 브레인스토밍, 접근성 지원, 번역, 문장 단위 편집에는 서로 다른 규칙이 필요하다.

업계는 정당한 예술에 대한 단 하나의 보편적 정의를 거부해야 한다. 실험적 출판물은 인간과 기계의 협업을 의도적으로 탐구할 수 있다.

중요한 것은 출판물이 자신의 기준을 밝히고 정직하게 적용하는지다. AI 보조 글쓰기를 허용하는 잡지는 그러한 작품을 표시해 독자의 선택권을 보존할 수 있다.

인간 전용 잡지는 기계가 생성한 산문을 금지하면서도, 기계 보조 문장마다 가치가 없다고 주장할 필요는 없다. 서로 다른 편집적 사명은 공존할 수 있다.

당면한 위험은 AI가 결정적인 단편소설을 쓸 것이라는 점이 아니다. 자동화된 물량이 공개 발굴을 재정적으로 불가능하게 만들 수 있다는 점이다.

공개 투고를 닫으면 편집자는 보호받지만 신진 작가는 피해를 본다. 기성 작가는 여전히 에이전트, 인맥, 또는 초대를 통해 잡지에 닿을 수 있다.

이는 우려스러운 역전을 만든다. 창의성을 민주화한다고 홍보된 도구가 선별적 출판물을 더 폐쇄적이고 관계 중심적인 시스템으로 밀어 넣을 수 있다.

공개 정책만으로는 여전히 기만을 신뢰성 있게 탐지할 수 없다

새롭게 형성되는 정책 합의는 누가 책임을 지는지에는 답하지만, 공개되지 않은 AI 사용을 판별할 신뢰할 수 있는 검사를 제공하지는 않는다.

이 분야 전반에서 몇 가지 원칙이 반복된다. AI는 책임을 지는 저자가 될 수 없다. 인간은 생성된 자료를 검증해야 한다. 중요한 사용은 공개되어야 한다. 기밀 투고물은 보호되어야 한다.

이러한 원칙은 분쟁이 발생하기 전에 의무를 정의한다는 점에서 유용하다. 편집자가 승인된 지원과 부정행위를 구별하는 데도 도움이 된다.

그러나 정책 선언은 탐지 시스템이 아니다. 공개할 가능성이 가장 높은 사람은 이미 규칙을 따르려는 사람인 경우가 많다.

자동화된 탐지기는 확장 가능한 해답을 제시하는 듯 보인다. 이들은 통계적 특성을 분석해 모델이 특정 구절을 생성했을 가능성을 추정한다.

그 추정은 증거가 아니다. 바꿔쓰기, 번역, 또는 일반적인 편집 뒤에도 결과는 달라질 수 있다. 서로 다른 탐지기는 같은 구절에 대해서도 의견이 엇갈릴 수 있다.

오탐은 심각한 결과를 낳는다. 의혹은 연구자의 경력, 법학자의 평판, 혹은 작가와 출판사 간 관계를 훼손할 수 있다.

미탐은 또 다른 문제를 만든다. 숙련된 사용자는 생성된 텍스트를 수정하고, 여러 도구를 결합하거나, 모델에 덜 예측 가능한 문체를 모방하도록 요청할 수 있다.

이로 인해 출판사가 쉽게 이길 수 없는 군비 경쟁이 생긴다. 탐지 기술의 개선은 새로운 회피 기법을 부추기지만, 공정한 결정을 내릴 책임은 여전히 편집자에게 남는다.

더 지속 가능한 대응은 출처 이력이다. 출처 이력이란 자료가 어디에서 왔고 어떻게 변화했는지에 관한 증거를 유지하는 것을 뜻한다.

연구 출판에서 출처 이력에는 실험실 기록, 분석 코드, 데이터 파일, 윤리 문서, 수정 관련 서신이 포함될 수 있다.

법학 연구에서는 출처 메모, 판례 이력, 인용문 확인, 논지가 어떻게 발전했는지에 관한 설명이 포함될 수 있다.

문학 작품에서는 초안이나 집중적인 저자 대화가 여기에 해당할 수 있다. 이러한 조치는 출판 결정과 명시된 정책에 비례해야 한다.

어느 것도 확실성을 제공하지는 않는다. 그 가치는 제출된 작품이 신뢰할 만한 인간의 과정과 연결되는지 검증하는 데서 나온다.

출판사는 다층 검토로 그 과정을 강화할 수 있다. 투고 양식은 도구, 작업, 영향을 받은 부분에 관해 구체적인 질문을 해야 한다.

“AI를 사용했습니까?”와 같은 모호한 질문은 일관성 없는 답변을 낳는다. 필자들은 문법 소프트웨어, 검색 요약, 또는 전사 도구가 포함되는지 알지 못할 수 있다.

더 나은 양식은 언어 교정, 번역, 연구 탐색, 데이터 분석, 초안 작성, 이미지 생성, 인용 생성 작업을 구분한다.

그다음 편집자는 위험 기반 검토를 적용할 수 있다. 생성형 교정은 모델이 만든 의학적 해석이나 법적 권위보다 덜 엄격한 검토를 필요로 한다.

정책에는 구제 조치도 설명되어야 한다. 저널에는 무조건적 게재 수락과 영구 배제 사이의 선택지가 필요하다.

검토를 계속하기 전에 저자가 불완전한 공개를 바로잡을 수 있다. 조작된 증거나 의도적인 은폐는 거절과 추가 조사를 정당화할 수 있다.

절차에는 의혹에 이의를 제기할 방법도 포함되어야 한다. 탐지기 점수가 검토 불가능한 판결이 되어서는 안 된다.

출판사는 내부 공개도 해야 한다. 저자는 편집자나 심사자가 기밀 투고물에 AI를 사용하는지 알 권리가 있다.

이 요구는 불편한 대칭성을 드러낸다. 기관은 자신의 결정을 조용히 자동화하면서 기여자에게만 투명성을 요구할 수 없다.

인간 검토는 여전히 필수적이지만, “인간 감독”을 언급하는 것만으로는 충분하지 않다. 검토 없이 AI의 권고를 수용하는 바쁜 편집자는 이름뿐인 감독만 제공하는 셈이다.

워크플로는 누가 각각의 중대한 결정을 내렸는지, 그리고 어떤 증거가 이를 뒷받침했는지를 기록해야 한다. 특히 거절이 직업적 발전에 영향을 미칠 때 중요하다.

AI 공급업체는 출판 대기열이 매력적인 시장을 만들기 때문에 선별 시스템을 계속 제공할 것이다. 기관은 마케팅 시연이 아니라 실제 오류를 기준으로 이러한 제품을 평가해야 한다.

독립 감사는 분야, 언어, 글쓰기 배경 전반에서 성능을 측정해야 한다. 한 종류의 영어로 학습된 탐지기는 다른 환경에서 성능이 낮을 수 있다.

출판사는 선별이 언제 이루어지는지와 결과가 어떻게 사용되는지도 공개해야 한다. 비밀 시스템은 저자가 오류를 바로잡거나 불평등한 대우를 평가하기 어렵게 만든다.

개별 연구자와 작가에게는 개인 지식 베이스를 유지하는 것이 출처 메모, 초안, 의사결정 이력을 보존하는 데 도움이 될 수 있다. 이러한 기록은 분쟁이 전혀 발생하지 않을 때에도 신중한 작업을 뒷받침한다.

목표는 지속적인 감시가 아니다. 출판물, 그 출처, 그리고 그 결과에 책임을 지는 사람들 사이의 검증 가능한 연결이다.

편집자와 저자가 다음으로 주목해야 할 것

다음 단계는 집행 데이터, 출처 추적 표준, 그리고 공개 투고가 경제적으로 계속 가능한지에 따라 결정될 것이다.

첫 번째 신호는 출판사가 공개 규정을 어떻게 집행하는지다. 많은 기관이 이제 정책을 갖추고 있지만, 조사, 정정, 또는 이의가 제기된 결정에 관한 정보를 공개하는 곳은 그보다 적다.

편집자들은 유사한 사례가 유사한 대우를 받는지 지켜봐야 한다. 일관성 없는 집행은 정직한 공개를 저해하고 침묵을 지키는 저자에게 보상을 줄 것이다.

가장 강력한 증거는 익명화된 사례 보고서에 담길 것이다. 이러한 보고서는 무엇이 검토를 촉발했는지, 어떤 증거가 중요했는지, 저자가 판정에 어떻게 이의를 제기했는지를 설명할 수 있다.

그러한 보고는 핵심 주장을 강화할 것이다. 공개 정책이 웹사이트 문구가 아니라 실제로 작동하는 시스템이 되고 있음을 보여줄 것이기 때문이다.

보고가 부족하면 판단의 설득력은 약해질 것이다. 정책은 무언가가 실패한 뒤 책임을 저자에게 전가하기 위해 존재하는 것일 수도 있다.

두 번째 신호는 출처 추적 표준의 발전이다. 출판사는 모든 사적인 키 입력을 요구하지 않으면서도 중대한 AI 사용을 기록할 수 있는 상호운용 가능한 방식을 필요로 한다.

유용한 표준은 도구, 작업, 영향을 받은 콘텐츠, 그리고 수행된 인간 검증을 식별할 수 있어야 한다. 또한 투고 플랫폼과 출판사 전반에서 작동해야 한다.

의학 저널은 방법론, 윤리, 자금 지원, 이해 충돌에 관한 구조화된 정보를 이미 수집하고 있으므로 아마 가장 빠르게 움직일 것이다.

법학 리뷰지는 법률 조사와 논증 개발에 맞춰 공개 양식을 조정할 수 있다. 문예지는 창작의 프라이버시를 존중하는 더 단순한 범주가 필요할 것이다.

출처 추적은 작업에 오류가 없다고 주장하는 배지가 되어서는 안 된다. 사람이 만든 연구와 글에도 여전히 사기, 편향, 또는 실수가 포함될 수 있다.

그 목적은 더 좁다. 검토 가능한 이력을 구축하고 최종 작업에 책임이 있는 사람을 식별하는 것이다.

공통 표준이 등장하면 여기서 설명한 압박은 더 관리하기 쉬워진다. 편집자들은 공개 내용을 일관되게 비교하고 고위험 사용 사례에 검토를 집중할 수 있다.

표준이 파편화되면 저자들은 출판물마다 서로 다른 정의를 마주하게 될 것이다. 그러한 혼란은 의도치 않은 위반과 선택적 집행을 부추길 것이다.

세 번째 신호는 공개 투고 채널이 계속 열려 있는지다. 이는 AI가 편집 접근성에 미치는 영향을 가장 눈에 띄게 보여주는 척도다.

일반 투고 대기열을 닫는 잡지는 제한된 원고 검토 역량을 보호한다. 동시에 기회는 초청받은 작가와 이미 관계를 구축한 사람들에게 이전된다.

학술지는 데스크 리젝 비율을 높이거나 더 엄격한 투고 요건을 적용하는 방식으로 대응할 수 있다. 법학 리뷰지는 독점 제출 기간, 인정받는 학자, 또는 더 강한 기관 신호를 선호할 수 있다.

그러한 변화는 자동화된 스팸을 줄이겠지만, 낯선 목소리가 진입할 수 있는 통로도 좁힐 것이다.

따라서 독자들은 투고 대기열 폐쇄, 길어지는 응답 시간, 투고 건수 제한, 초청 전용 실험을 지켜봐야 한다. 이는 단순한 행정적 세부 사항이 아니다.

이는 기관이 모든 진지한 투고를 사람이 평가해야 하는 상황에서도 폭넓은 접근성을 유지할 수 있는지를 보여준다.

이 전환기 동안 저자에게도 실질적인 책임이 있다. 한 저널의 규칙이 다른 곳에도 적용된다고 가정하지 말고, 각 출판물의 최신 정책을 읽어야 한다.

AI가 조사나 글쓰기에 영향을 미친 지점을 기록해야 한다. 인용한 출처를 직접 열어 보고, 인용문을 검증하며, 의미 있는 초안을 보관해야 한다.

편집자들은 허용되는 사용 방식을 쉽게 이해할 수 있게 해야 한다. “부적절한 AI”에 대한 일반적인 경고보다 사례가 더 도움이 된다.

또한 근거 없는 비난으로부터 기고자를 보호해야 한다. 의심은 공정한 검토 절차를 촉발해야지, 자동적인 위법 행위 판정으로 이어져서는 안 된다.

독자에게도 역할이 있다. 특히 논란이 공백을 드러낼 때, 출판물이 자신의 기준을 설명할 것을 기대해야 한다.

Google News는 의학, 법률, 문학 전반의 분쟁을 계속 부각할 것이다. 결정적인 질문은 출판사가 문을 닫지 않으면서 신뢰를 보호하는 시스템을 구축하는지다.

가장 바람직한 결과는 무제한 자동화도 상징적인 금지도 아니다. 도구는 보조하고 인간은 계속 책임을 지는, 문서화된 역할 분담이다.

그 기준은 유용한 언어 지원, 조사 도구, 창의적 실험을 위한 여지를 보존한다. 동시에 은폐를 정당화하기도 더 어렵게 만든다.

신뢰하는 저널이나 잡지의 다음 정책 업데이트를 지켜보라. 중대한 사용을 정의하고, 기밀 작업을 보호하며, 고발을 어떻게 검토하는지 설명하는가?

그렇다면 그 기관은 불안을 넘어 거버넌스로 나아가고 있는 것이다. 그렇지 않다면 그 투고 절차는 생성형 AI가 이미 무너뜨린 가정 위에 여전히 서 있다.