슬롭은 창작자의 노력을 독자에게 옮기는 것이다 - Ahrefs가 모든 글에 AI를 쓰면서 지키는 네 가지

슬롭은 창작자의 노력을 독자에게 옮기는 것이다

TL;DR

• 전제가 과감한데 Ahrefs가 발행하는 모든 글이 어떤 방식으로든 AI를 쓰며, 조사와 개요, 초안, 팩트체크까지 해서 거의 발행 준비가 된 글을 6분에서 12분 만에 만드는 파이프라인까지 구축했고 이론상 수만 편을 생산할 수 있다는 것이다. 그런데 하지 않는다고 밝힌다. 그럴 수 있지만 그렇게 쓰지 않으며 그 이유를 설명하겠다는 것이다.
• 슬롭의 정의가 문체에서 책임으로 옮겨지는데 AI가 얼마나 개입했는지가 슬롭을 만드는 것이 아니고 흔한 문체 흔적, 즉 지나친 엠 대시나 delve 같은 단어, X가 아니라 Y다 같은 구문도 아니다는 것이다. 그래서 비꼬듯 정리된다. 엠 대시와 금지어를 전부 없애면 축하한다, 이제 구두점이 더 깔끔한 슬롭을 갖게 된 것이다.
• 재정의가 핵심인데 AI 슬롭은 독자의 주의를 정당화할 만큼의 인간의 이해와 판단, 근거, 독창적 기여 없이 발행된 콘텐츠라는 것이다. 그리고 한 문장으로 압축된다. 요컨대 슬롭은 창작자에게서 독자에게로 노력을 전가하는 것이고, 창작자는 시간을 절약하고 다른 모두가 그 값을 치른다.
• 효율의 사용처가 갈린다고 지목되는데 분명한 비용 절감 수법은 대략 같은 글을 더 싸게 만들어 그 절약분을 물량에 쓰는 것이지만 물량은 효율의 유일한 수익이 아니다는 것이다. 그래서 질문이 바뀐다. AI가 몇 편을 더 발행하게 해주는지 묻지 말고, 예전에는 불가능했던 무엇을 이제 글 안에 넣을 수 있는지 물으라는 것이다.
• 마지막 조건이 사람에게 돌아오는데 인간이 루프에 있다는 것은 그 인간이 산출물에 도장만 찍는다면 거의 의미가 없으며, 아니라고 말할 지식과 권한, 의지가 필요하다는 것이다. 그리고 결론이 못 박힌다. AI는 문제가 아니고 책임을 포기하는 것이 문제이며, 결과를 진짜로 소유하는 사람이 없다면 그것이 슬롭이다.

Source

How We Use AI for Every Article Without Making AI Slop — Si Quan Ong(Ahrefs SEO & Marketing Educator), 리뷰 Ryan Law, 2026년 8월 28일 · 9분 분량

[ahrefs.com/blog/how-we-use-ai-without-making-ai-slop](https://ahrefs.com/blog/how-we-use-ai-without-making-ai-slop/)

Knowledge

모든 글에 AI를 쓴다는 고백

글은 선언으로 시작한다. Ahrefs에서 발행하는 모든 글이 어떤 방식으로든 AI를 쓴다는 것이고 그렇다 전부라는 것이다. 그리고 파이프라인이 공개된다. 조사하고 개요를 잡고 초안을 쓰고 팩트체크까지 해서 거의 발행 준비가 된 글을 6분에서 12분 만에 만들 수 있는 Letaido 파이프라인을 구축했으며 이론상으로는 수만 편의 글을 생산할 수 있다는 것이다. 그런데 곧바로 유보가 붙는다. 그럴 수 있지만 그것이 우리가 그것을 쓰는 방식은 아니며 그 이유를 설명하겠다는 것이다.

그리고 중요한 구분이 제시된다. AI가 얼마나 개입했는지가 어떤 것을 슬롭으로 만드는 것이라고 생각하지 않는다는 것이다. 흔한 문체 흔적들도 아니라고 열거된다. 지나치게 많은 엠 대시나 delve 같은 단어, 또는 그 X가 아니라 Y다 같은 구문들이 아니라는 것이다. 그래서 비꼬는 정리가 나온다. 엠 대시와 금지된 표현을 전부 없애 보라는 것이고 축하한다 이제 구두점이 더 깔끔해진 슬롭을 갖게 되었을 수 있다는 것이다.

정의를 직접 시도한다. AI 슬롭은 독자의 주의를 정당화할 만큼의 인간의 이해와 판단, 근거, 또는 독창적 기여 없이 발행된 콘텐츠라는 것이다. 그리고 한 문장으로 압축된다. 요컨대 슬롭은 창작자에게서 독자에게로 노력을 전가한다는 것이다.

전가의 내용이 구체적으로 서술된다. 발행자는 어려운 부분들을 건너뛰는데 주제를 조사하고 주장을 검증하고 의견을 발전시키고 무엇이 중요한지 결정하는 일이라는 것이다. 그러면 독자가 무엇이 신뢰할 만하고 관련이 있으며 그 주제를 이해하는 사람이 쓴 것인지를 알아내야 한다는 것이다. 그래서 결산이 나온다. 창작자는 시간을 절약하고 다른 모두가 그 값을 치른다는 것이다.

그리고 이 회사의 입장이 정리된다. Ahrefs에서 AI 우선이라는 것은 AI 이전에 콘텐츠를 읽을 가치가 있게 만든 관행들을 포기한다는 뜻이 아니라는 것이다. 오히려 AI가 더 많은 일을 맡을 때조차 그 관행들을 보존할 방법을 찾는다는 뜻이라는 것이다.

첫째 — 초안 전에 인간의 작업을 하라

작업의 무게중심 이동이 지적된다. 대부분의 필자에게 글쓰기는 곧 그 일 자체였고 시간이 들어가는 곳이었다는 것이다. 그런데 AI가 그 부분을 엄청나게 싸게 만들었으므로 우리의 노력이 더 많이 상류로 옮겨가야 한다는 것이다. 상류가 무엇인지도 명시된다. 무엇이 쓰일 가치가 있는지, 글을 어떻게 구조화할지, 우리가 무엇을 기여할 수 있는지를 결정하는 일이라는 것이다.

AI에게 산문을 쓰게 하기 전에 답해야 할 다섯 가지가 열거된다. 독자는 이것이 누구를 위한 것이고 그들이 무엇을 이루려 하는지다. 약속은 읽은 뒤 무엇을 이해하거나 할 수 있게 되어야 하는지다. 관점은 내가 실제로 무슨 말을 하려 하는지, 그리고 누군가 어디서 동의하지 않을 수 있는지다. 근거는 어떤 주장에 출처나 데이터, 시연, 전문가 의견이 필요한지다. 정보 이득은 이미 검색 결과에 놓여 있지 않은 무엇을 우리가 더할 수 있는지다.

그리고 이것들이 새롭지 않다고 강조된다. 이들은 AI 이전에도 존재했고 AI가 있어도 존재해야 한다는 것이다. AI의 역할도 선이 그어진다. AI가 그 질문들에 답하는 것을 도울 수 있으며 검색 결과 지형을 그리게 하거나 내 각도를 반박하게 하거나 반론을 찾게 하거나 빠진 근거를 지적하게 할 수 있다는 것이다. 그러나 AI가 그 결정들을 나를 대신해 내려서는 안 된다는 것이다.

원재료 문제도 제기된다. 계획은 절반일 뿐이고 모델에게도 작업할 흥미로운 무언가가 필요하다는 것이다. 그리고 냉정한 진단이 나온다. 모두가 가진 것과 같은 인터넷을 주면 모두가 가진 것과 같은 글의 한 버전을 줄 것이며 상세한 문체 프롬프트로는 그것이 해결되지 않는다는 것이다. 그래서 필요한 것이 규정된다. AI가 스스로 만들어낼 수 없었던 원재료가 필요한데 인터뷰와 내부 지식, 자체 데이터, 실제 시연, 실패한 실험, 자기 일에서 나온 구체적 사례라는 것이다.

실무 장치가 소개된다. 여기서 자기 작업을 위한 진실의 원천 같은 것이 필요하며 동료 Mateusz가 Letaido에 진실의 원천 앱을 만들었는데 그와 그의 에이전트가 콘텐츠를 만들 때 의존하는 정보를 검색할 수 있는 라이브러리라는 것이다. 그 도구가 저장하는 네 종류도 밝혀진다. 사실과 통계, 설명, 제품 세부 정보, 하우투 가이드라는 것이다.

개인적으로 만든 가장 큰 변화도 공개된다. 타이핑하는 대신 말하는 것이라는 것이다. 이유가 설명된다. 타이핑할 때는 진행하면서 편집하게 되고 머릿속의 엉망을 AI가 보기 전에 깔끔한 요약으로 바꿔버린다는 것이다. 그런데 문제가 지적된다. 불행히도 그 엉망 안에 유용한 부분이 자주 들어 있는데 불확실성과 유보, 의견, 절반만 형성된 연결들이라는 것이다.

그래서 방법이 서술된다. Wispr Flow로 구술하는데 방을 돌아다니거나 책상에 앉아서 말하며 머릿속에서 가능한 한 많은 것을 덜어내려고 마구 쏟아내서 AI에게 작업할 원재료를 더 많이 준다는 것이다. 그리고 자기 방식을 이렇게 요약한다. 그렇다, 기본적으로 나 혼자 팟캐스트 에피소드를 한 편 돌리는 것이며 편집 없이라는 것이다.

대안도 제시된다. 또는 AI에게 나를 인터뷰하고 빈틈을 찾고 가능한 주장들을 뽑아낸 뒤 개요를 제안하게 한다는 것이다. 그래서 역할이 정리된다. AI는 더 이상 내용을 발명하라고 요구받는 것이 아니라, 내가 공급한 내용을 정리하고 심문하는 것이라는 것이다.

둘째 — 멈춰서 판단을 내릴 지점을 만들라

AI의 특성이 지목된다. AI는 잘 다듬어진 산문 안에 결정들을 숨기는 데 아주 능하다는 것이다. 원샷 프롬프트의 문제가 설명된다. 조사와 각도, 구조, 주장, 예시, 어조를 한꺼번에 선택한다는 것이고 그 선택들을 볼 때쯤에는 이미 한 편의 글로 포장되어 있다는 것이다. 그래서 효과가 지적된다. 실제보다 더 확정된 것처럼 느껴진다는 것이다.

그래서 파이프라인의 설계 원칙이 밝혀진다. Ryan의 파이프라인은 하나의 알 수 없는 최종 파일을 만들어내는 대신 인간의 편집 워크플로를 그대로 반영한다는 것이다. 구체적으로는 조사와 콘텐츠 빈틈, 개요, 초안이 별도로 저장된다는 것이다. 그래서 이점이 정리된다. 어느 단계든 검사할 수 있고 문제를 일으킨 산출물이나 지시를 고칠 수 있으며 마지막으로 받아들일 수 있었던 지점에서 다시 시작할 수 있다는 것이다.

그리고 진입 장벽을 낮춘다. 이 원칙을 따라 하려고 23개 스킬로 된 Claude Code 파이프라인이 필요하지는 않다는 것이며 작업을 단계로 쪼개고 그 사이에 결정을 놓으라는 것이다.

네 개의 게이트가 열거된다. 아이디어 게이트는 우리가 더할 유용한 무언가가 있는지, 아니면 이 글이 이미 순위에 올라 있는 것을 그저 반복하게 될지를 묻는다. 개요 게이트는 모든 섹션이 독자를 돕고 글의 약속을 뒷받침하는지를 묻는다. 근거 게이트는 중요한 주장들을 뒷받침할 수 있는지, 무엇이 아직 테스트나 검증을 필요로 하는지를 묻는다. 초안 게이트는 AI가 확신이나 군더더기, 우리가 벌지 않은 예시를 몰래 들여왔는지를 묻는다.

그리고 각 게이트에서 필자가 판단을 내려야 한다고 못 박는다. 더 많은 조사를 요청하거나 섹션을 삭제하거나 각도를 바꾸거나 글을 아예 포기하는 것을 뜻할 수 있다는 것이다.

이것이 중요한 이유가 심리로 설명된다. 값싼 산출물이 이상한 종류의 매몰 비용을 만들기 때문이라는 것이다. 구체적으로는 AI가 잘 다듬어진 2,000 단어를 주는 순간, 그것들이 왜 존재하는지 의문을 제기하기보다 개선하고 싶어진다는 것이다. 그리고 통렬한 한 마디가 붙는다. 매몰 비용 오류라고 해도 좋은데, 다만 AI는 6분마다 그 매몰 비용을 만들어낼 수 있다는 것이다.

파이프라인 없이 한 편의 글에 AI를 쓰는 경우의 방법도 제시된다. 작업을 단계로 쪼개고 먼저 브레인스토밍부터 시작하되 초안 작성은 하지 말라는 것이다. 그리고 주고받은 뒤 각도가 만족스러워지면 다음 단계로 넘어가 개요를 요청하고 만족할 때까지 AI와 계속 작업하고 다시 작업한 다음 그다음 단계로 넘어가라는 것이다. 하나 더 권한다. 그 과정에서 AI에게 내 논증을 가장 강한 형태로 만들어 보게 할 수도 있다는 것이다.

요점이 정리된다. 요점은 더 나은 결정을 내리는 것이지 단어 수가 올라가는 것을 지켜보는 것이 아니라는 것이다. 그리고 경고가 붙는다. 그러지 않으면 AI는 당신이 생각하는 사람이기를 끝내기도 전에 당신을 편집자로 만들어 버린다는 것이다.

셋째 — 절약한 시간을 더 나은 콘텐츠에 쓰라

여기서 다른 회사들과의 차이가 지목된다. 콘텐츠에 AI를 쓰는 많은 회사와 Ahrefs가 다른 지점이 여기라고 생각한다는 것이다.

분명한 수법이 먼저 서술된다. 비용 절감 수법은 대략 같은 글을 더 싸게 만든 뒤 그 절약분을 물량에 쓰는 것이며 더 많은 글과 더 많은 키워드, 구글이 크롤링할 더 많은 페이지라는 것이다.

솔직한 인정도 붙는다. 분명히 하자면 우리도 지루한 일을 자동화해 시간을 절약하려고 AI를 쓰며 그렇지 않은 척하는 것은 어리석다는 것이다. 사례가 제시된다. 내가 만든 데이터 리프레시 허브는 12개 데이터셋의 갱신분을 가져오고 정리하고 준비해서 매달 최소 하루치 수작업을 절약한다는 것이다. 그리고 효과가 서술된다. 분기마다 하거나 불규칙하게 하거나 아예 하지 않던 작업이 이제 매달 일어날 수 있다는 것이다. 그래서 그렇다, AI가 우리가 더 많이 발행하고 갱신하도록 돕는다고 인정한다.

그러나 반전이 온다. 물량은 효율에 대한 유일하게 가능한 수익이 아니라는 것이다. 그리고 진짜 제약이 재규정된다. 초안 작성과 발행이 우리 콘텐츠의 유일한 제약이었던 적은 없으며 더 큰 제약은 글 주변에 넣고 싶었지만 정당화하거나 투자할 수 없었던 모든 것이었다는 것이다.

예시가 구체적으로 열거된다. 간단한 데이터 분석을 하고 싶으면 데이터 과학자의 도움이 필요할 수 있었고 무료 도구를 만들고 싶으면 개발자가 필요했다는 것이다. 더 인터랙티브한 글에는 디자인과 엔지니어링 도움이 필요했고 큰 리서치 프로젝트는 콘텐츠 마케터 한 명에게는 그저 너무 수작업이었을 수 있다는 것이다.

그래서 변화가 정리된다. AI가 그 장벽들을 낮추므로 이제 필자가 데이터셋을 분석하고 도구를 프로토타이핑하고 인터랙티브 요소를 만들고 글의 UI를 개선하고 리서치 프로젝트의 일부를 자동화할 수 있다는 것이다. 유보도 정직하게 붙는다. 완벽하지 않고 판돈이 요구할 때 전문가 없이 되는 것도 아니지만 시도해 보는 문턱이 훨씬 낮아졌다는 것이다.

성과가 제시된다. 그것이 수십만 개 웹사이트에 기반한 벤치마크를 발행하고 그 기반 데이터를 신선하게 유지할 수 있는 방법이라는 것이며 평균 오가닉 트래픽 연구와 무엇이 좋은 클릭률에 해당하는지에 대한 연구가 예로 든다. 다른 예도 있다. 기본적인 TablePress 임베드가 AI 모드에서 가장 많이 인용되는 도메인들을 탐색하는 더 풍부한 인터페이스가 될 수 있는 방법이라는 것이다. 또 하나는 콘텐츠 마케터가 드물게 나는 개발자 시간을 기다리지 않고 퀴즈나 무료 도구, 데이터 시각화를 만들 수 있는 방법이며 무료 LLMs.txt 생성기가 예로 든다.

그래서 이 회사가 중요하게 여기는 구분이 명시된다. AI를 써서 각 글 뒤에 있는 작업을 없앨 수도 있고 예전에는 할 여력이 없었던 작업을 시도하는 데 쓸 수도 있다는 것이다. 그리고 질문이 교체된다. AI가 몇 편을 더 발행하게 해주는지만 묻지 말고 예전에는 불가능했던 무엇을 이제 글 안에 넣을 수 있는지 물으라는 것이다.

절제도 요구된다. 규모를 키울 능력에는 여전히 절제가 필요하며 모든 필자를 콘텐츠 공장으로 만들려는 것이 아니라는 것이다. 그래서 목표가 정리된다. 무엇이 게시될 자격이 있는지에 대한 기준을 낮추지 않으면서 각 필자가 만들 수 있는 것을 확장하는 것이 목표라는 것이다.

넷째 — 모든 글에 소유자와 두 번째 인간을 두라

책임의 소재가 규정된다. AI가 과정의 많은 부분을 실행할 수 있지만 특정한 사람이 여전히 결과를 소유해야 한다는 것이다. 그 사람의 자격도 구체적이다. 워크플로를 돌리는 사람은 주장을 검증하고 잘못된 정보를 바로잡고 근거가 어디서 왔는지 설명하고 자기 이름을 붙여도 좋을지 결정할 만큼 주제를 잘 이해해야 한다는 것이다.

그래서 파이프라인을 가진 사람의 행동이 설명된다. 이것이 Ryan이 파이프라인을 가지고도 하룻밤에 수백 편을 발행하지 않는 이유라는 것이다. 그의 역할이 밝혀진다. 콘텐츠 마케팅 디렉터로서 그는 우리 모든 콘텐츠의 편집자이기도 하며 요컨대 Ahrefs 블로그에 도달하는 모든 글의 모든 단어를 읽는다는 것이다.

편집자의 능력도 서술된다. 업계의 소트 리더로서 Ryan은 글을 읽고 전제를 반박하고 근거를 의문시하고 일반적인 섹션들을 식별하고 그 글이 독자에게 한 약속을 실제로 이행하는지 물을 수 있는 능력을 갖고 있다는 것이다.

그리고 핵심 조건이 못 박힌다. 인간이 루프에 있다는 것은 그 인간이 산출물에 도장만 찍는다면 거의 의미가 없다는 것이다. 필요한 것이 셋으로 제시된다. 아니라고 말할 지식과 권한, 그리고 의지가 필요하다는 것이다.

투입도 인정된다. 그렇다, 어떤 글이 AI로 생성되었거나 AI 보조를 받았더라도 발행될 가치가 있게 만들기 위해 필자와 편집자의 사람 시간을 충분히 들인다는 것이다.

성능이 떨어지는 진짜 이유

마지막으로 데이터가 인용된다. AI가 생성한 콘텐츠가 자동으로 슬롭인 것은 아니라는 것이며 구글이 AI 콘텐츠를 어떻게 다루는지에 대한 자체 연구가 보여주듯 상당 부분 AI가 생성한 페이지도 순위에 오를 수 있고 상위 세 위 안에도 들 수 있다는 것이다.

그런데 경향이 지적된다. AI 사용이 늘어날수록 검색 성능은 하락하는 경향이 있었다는 것이다. 그리고 원인 해석이 제시된다. 그럴 법한 이유는 구글이 AI 콘텐츠를 처벌하기 때문이 아니라, 기업들이 어려운 작업을 건너뛰고 더 많은 평범한 콘텐츠를 발행하는 데 AI를 자주 쓰기 때문이라는 것이다.

그래서 글의 심장부로 돌아온다. AI는 문제가 아니며 책임을 포기하는 것이 문제라는 것이다. 그리고 처방이 정리된다. AI가 실행을 싸게 만들므로 그것이 글을 읽을 가치가 있게 만드는 판단과 근거, 경험, 아이디어에 더 많은 시간을 줘야 한다는 것이다.

마지막으로 질문이 교체된다. 중요한 질문은 AI가 몇 단어를 썼거나 어떤 종류의 단어를 썼는지가 아니라, 인간이 게시된 것을 이해하고 판단하고 검증하고 그 뒤에 서 있었는지라는 것이다. 그리고 한 문장으로 끝난다. 결과를 진짜로 소유하는 사람이 아무도 없다면 그것은 슬롭이라는 것이다.

더 생각해보기

• 슬롭을 노력의 전가로 정의하면, 잘 검증된 AI 생성 글과 게으른 인간 글 중 어느 쪽이 슬롭에 가까운가.
• 6~12분에 수만 편을 만들 수 있는 능력을 쓰지 않는 절제는 경쟁 압력 앞에서 얼마나 오래 유지되는가.
• 엠 대시와 금지어를 없애도 슬롭이 남는다면, 지금 유행하는 AI 탐지 문체 규칙들은 무엇을 잡고 있는가.
• 타이핑 대신 구술해서 정리되지 않은 엉망을 넘긴다는 방법은 어떤 종류의 글에서 역효과를 내는가.
• 네 개의 게이트 중 실제로 가장 자주 무력화되는 것은 어디이며, 그 이유는 무엇인가.
• AI가 6분마다 매몰 비용을 만든다는 지적은 코드 리뷰나 설계 문서에서도 같은 방식으로 작동하는가.
• 절약한 시간을 물량이 아니라 글 내부의 깊이에 쓰겠다는 선택은 어떤 지표로 정당화할 수 있는가.
• 모든 글의 모든 단어를 편집자 한 명이 읽는 구조는 어느 발행량에서 무너지는가.
• 아니라고 말할 지식과 권한, 의지 중에서 조직에서 가장 먼저 사라지는 것은 무엇인가.
• AI 사용이 늘 때 검색 성능이 떨어지는 상관관계를 어려운 작업 건너뛰기로 해석하는 것 말고 다른 설명은 없는가.