AI가 만든 글을 쉽게 읽게 하는 다섯 원칙

셰리야 샹카르(Shreya Shankar)는 대시보드나 웹페이지처럼 AI가 대량으로 생성하는 글을 빠르게 훑어볼 수 있도록 다섯 가지 작성 원칙을 제안한다. 문장 구조와 어휘를 일관되게 하고, 중요한 정보를 앞에 두며, 표현의 차이는 의미가 있을 때만 사용하라는 내용이다.

셰리야 샹카르는 AI가 생성한 제목과 요약을 대량으로 접하는 일이 흔해졌지만, 이런 글의 피드는 사람이 빠르게 읽기 어렵다고 말한다. 사람들은 항목이 예측 가능하고 일관될수록 많은 글을 빠르게 읽기 쉽기 때문이다. 이 글의 원칙은 AI로 대시보드 문구를 만들고 AI가 작성한 대시보드 글을 읽은 경험을 바탕으로 제시됐다.

문장 구조와 정보 순서

1. 사람이 문장을 읽는 방식에 맞춘다

심리언어학자 토머스 비버(Thomas Bever)는 1970년 영어 독자가 문장을 읽을 때 ‘NVN’ 전략을 쓴다고 설명했다. 독자는 첫 번째 명사를 주어로, 다음 동사를 그 주어의 행동으로, 그다음 명사를 행동의 대상으로 해석한다.[[1]](https://fsdatalab.github.io/blog/agent-text-at-scale/#note-1) 예를 들어 “The agent fixed the login bug”에서는 ‘agent’가 주어, ‘fixed’가 행동, ‘bug’가 대상이 된다.

문장이 이 순서를 따르지 않으면 독자는 여러 번 읽어야 할 수 있다.[[2]](https://fsdatalab.github.io/blog/agent-text-at-scale/#note-2) “Login bug fixed by the agent”라고 쓰면 독자는 처음에 ‘bug’를 주어로, ‘fixed’를 그 행동으로 받아들여 버그가 무언가를 고친 것처럼 해석한다. “by the agent”를 읽고서야 실제 주어를 알아차리고 문장을 다시 파악한다.

목록의 항목을 읽는 데 필요한 인지적 노력을 줄이려면 다음 절차를 쓸 수 있다.

• 각 항목을 주어나 동사로 시작한다. 모든 항목의 주어가 같으면 주어를 생략하고 동사로 시작한다.
• 각 항목의 첫 동사는 독자의 기대에 맞는 시제로 쓴다. 과거, 진행, 미래 중에서 고른다.

코딩 에이전트 앱 Claude나 Codex의 사이드바에는 에이전트 세션 목록이 표시된다. [[그림 1]](https://fsdatalab.github.io/blog/agent-text-at-scale/#figure-1) 왼쪽의 Claude 사이드바 제목은 명사구(“KV persistence”), 동명사형 표현(“Switching to main”), 명령문(“Fine-tune model on personal writing”)이 섞여 있다. 오른쪽은 위 절차에 따라 제목을 고친 예다. 모든 세션의 주어가 에이전트로 같으므로 동사로 제목을 시작하고, 세션이 진행 중인 상태이므로 “Measuring vLLM performance”처럼 진행형을 쓴다. 그림에는 셰리야 샹카르의 Claude 사이드바에서 가져온 세션 제목 일곱 개를 양식화해 왼쪽에, 동사 진행형으로 시작하도록 고친 제목을 오른쪽에 보여준다.

2. 가장 중요한 단어를 앞에 둔다

웹 사용성을 연구하는 야코프 닐슨(Jakob Nielsen)은 시선 추적 연구에서 독자가 웹페이지를 ‘F’자 모양으로 훑어보며 각 줄의 시작 부분을 읽고 나머지 대부분은 건너뛴다고 밝혔다.[[3]](https://www.nngroup.com/articles/f-shaped-pattern-reading-web-content-discovered/) 목록에서는 항목마다 앞의 두 단어만 보는 경우도 많다.[[4]](https://www.nngroup.com/articles/first-2-words-a-signal-for-scanning/) 따라서 각 항목을 다른 항목과 구별하는 단어를 찾아 가능한 한 앞쪽에 배치해야 한다.

주문 이메일 제목을 “Your order #1001 has shipped”처럼 쓰면 상태가 뒤에 있어 모든 제목이 같은 말로 시작한다. 반면 아마존은 Ordered: "Bounty Essentials..."처럼 상태를 먼저 보여준다. [[그림 2]](https://fsdatalab.github.io/blog/agent-text-at-scale/#figure-2)는 상태가 뒤에 올 때와 앞에 올 때 제목을 훑어보는 차이를 비교한다.

목록의 일관성과 표현

3. 같은 구조와 같은 어휘를 사용한다

린 프레이저(Lyn Frazier)와 동료들은 1980년대 연구에서 ‘and’로 연결된 두 절의 구조가 같을 때 독자가 두 번째 절을 더 빠르게 읽는다는 점을 측정했다. 예를 들어 두 절이 모두 능동태이거나 모두 수동태일 때다.[[5]](https://link.springer.com/article/10.3758/BF03198303) 같은 원리를 글 목록에도 적용할 수 있다. 앞선 항목과 구조가 같으면 각 항목을 더 빠르게 읽을 수 있다.[[6]](https://doi.org/10.1016/j.jml.2010.01.001)

같은 개념을 두 가지 다른 단어로 표현하지 않는 것도 중요하다.[[7]](https://www.asd-ste100.org/about.html) 따라서 목록의 모든 항목에 같은 구조를 쓰고, 개념마다 한 단어를 정해 사용한다.

예를 들어 노션의 AI 자동 입력 기능은 표의 각 행에 요약을 작성한다. 샹카르와 동료들은 Ollama의 공개 GitHub 이슈 10개를 표로 만들고 노션 AI에 ‘Summary’ 열을 채우게 했다.[[8]](https://github.com/ollama/ollama/issues) [[그림 3]](https://fsdatalab.github.io/blog/agent-text-at-scale/#figure-3)의 요약은 빠르게 훑어보기 어렵다. 어떤 항목은 “The issue reports that”로 시작하고, 다른 항목은 “The page reports”나 행동 표현(“Pressing Ctrl+C”)으로 시작한다. 같은 대상을 어떤 행에서는 ‘issue’, 다른 행에서는 ‘page’라고 부르기도 한다.

반면 퍼플렉시티의 Discover 피드는 이 원칙 3과 원칙 1을 잘 따른다고 샹카르는 설명한다.[[9]](https://www.perplexity.ai/discover) [[그림 4]](https://fsdatalab.github.io/blog/agent-text-at-scale/#figure-4)에 실린 모든 헤드라인은 주어, 현재형 동사, 목적어 순서로 같은 구조를 쓴다. 예를 들면 “Bank of Canada hikes rate to 2.5%”와 “Brewers beat Rays in Game 5 for first World Series title”이다. 그림은 2026년 10월 28일 Perplexity Discover에 나온 기사 네 개를 양식화해 보여준다.

4. 의미 있는 차이를 보여줄 때만 표현을 바꾼다

시각화 연구자 조크 매킨레이(Jock Mackinlay)는 1986년 차트를 자동으로 설계하는 방법을 다룬 논문에서 ‘표현성(expressiveness)’을 핵심 개념으로 제시했다. 차트는 데이터에 있는 사실을 모두, 그리고 데이터에 있는 사실만 표현해야 한다.[[10]](https://doi.org/10.1145/22949.22950) 예를 들어 막대그래프에서 막대 하나만 빨간색이면 독자는 그 색에 의미가 있다고 여긴다. 따라서 막대 사이의 차이는 의미 있는 변수만 나타내야 한다.[[11]](https://courses.cs.washington.edu/courses/cse512/24sp/)

이 연구는 표 형식의 구조화된 데이터를 다루지만, 샹카르는 같은 생각을 비정형 텍스트에도 적용할 수 있다고 본다. 목록에서 한 항목만 길이, 구조, 단어가 다르면 독자는 그 차이에 의미가 있다고 생각할 수 있다.

예를 들어 대규모 언어 모델은 사용자 피드백의 ‘핵심 주제’를 요약하는 데 자주 쓰인다. 샹카르와 동료들은 Claude의 데이터 분석 플러그인으로 Duolingo 앱스토어 리뷰 100개를 분석해 프런티어 모델의 결과를 살펴봤다.[[12]](https://fsdatalab.github.io/blog/agent-text-at-scale/#note-12) [[그림 5]](https://fsdatalab.github.io/blog/agent-text-at-scale/#figure-5) 왼쪽의 Claude 카드들은 서로 다른 종류의 세부 정보를 덧붙인다. 버그 카드에만 앱 버전 7.146.0이 나오고, 에너지 카드에만 일부 리뷰가 러시아어와 터키어로 작성됐다는 내용이 나온다. 독자는 이 정보가 중요한지 판단하기 어렵다. 버그가 있는 버전이 7.146.0뿐인지, 다른 주제는 영어 리뷰에서만 나온 것인지 알 수 없기 때문이다.

오른쪽에서는 모든 카드에 같은 구성, 즉 사용자가 무엇을 말하는지 설명하는 문장과 리뷰의 사례 하나를 넣었다. 중요한 변수인 주제별 리뷰 수는 막대그래프로 표시했다. 다시 쓴 카드에서는 일부 세부 정보가 빠졌지만, 독자는 관심 있는 주제의 리뷰를 열어볼 수 있다.

Claude가 만든 카드의 내용은 다음과 같다.

• ‘즐겁고 쉽고 효과적인 학습’(리뷰 74개): 대부분의 리뷰는 듀오링고가 재미있고 쉽고 학습에 도움이 된다고 칭찬하며, 짧은 별 다섯 개 리뷰가 많다. 사용자는 새 어휘, 발음 도움, 자기 속도에 맞춘 수업, 가족이나 친구와 대화할 수 있다는 점을 언급한다. 스페인어가 가장 많이 언급되고 일본어, 이탈리아어, 한국어, 독일어 등이 뒤를 잇는다. 일부 리뷰어는 에너지 제한이나 비용 같은 불만도 제기한다.
• ‘체스·음악·수학 강좌’(리뷰 12개): 체스는 새롭고 인기 있는 요소이며, 일부 사용자는 음악, 피아노, 수학도 언급한다. 반응은 대체로 긍정적이지만, 잘못된 것처럼 보이는 체크메이트 규칙, 숙련자가 앞부분을 건너뛸 방법이 없는 점, 산만한 새 부엉이 음성과 체스 퍼즐의 잘 보이지 않는 말, 게임 사이에 클릭을 많이 해야 하는 점에 대한 구체적인 불만도 있다.
• ‘버그와 기술 문제’(리뷰 9개): 음성 답변이 등록되지 않거나 앱이 멈추는 문제(한 사용자는 연속 학습 기록을 잃었다), 실행 시 앱이 종료되는 문제, 완료한 수업이 반영되지 않는 문제, 리더보드 멤버가 사라지는 문제, 가족 요금제 구성원 한 명에게 새 이벤트가 표시되지 않는 문제, 공유 iPad에서 새 학습자가 잘못된 단계에서 시작하는 문제 등이 보고됐다. 대부분은 현재 버전인 7.146.0에서 발생했다.
• ‘수업의 에너지 및 배터리 제한’(리뷰 8개): 에너지(배터리) 시스템과 이전의 하트 시스템이 연습량을 제한한다. 사용자는 에너지가 빨리 바닥나 기다리거나 광고를 봐야 한다고 말하며, 이를 Super 구매를 유도하는 방식으로 본다. 일부 리뷰는 러시아어와 터키어로 작성돼 이런 불만이 여러 시장에서 나타난다. 한 사용자는 체스, 음악, 수학을 하면 에너지를 얻도록 하자고 제안한다.
• ‘새 언어 요청’(리뷰 3개): 사용자는 새 강좌를 요청한다. 두 명은 듀오링고가 다른 북유럽 언어를 이미 제공한다며 아이슬란드어를 요청했고, 한 명은 《반지의 제왕》의 엘프어를 요청했다.

샹카르와 동료들이 다시 쓴 카드에는 같은 주제를 유지하면서 각 항목의 표현을 통일했다.

• ‘즐겁고 쉽고 효과적인 학습’(리뷰 74개): 사용자는 앱이 재미있고 학습에 도움이 되는 점을 좋아한다. 예를 들어 새 어휘와 발음 학습을 언급한다.
• ‘체스·음악·수학 강좌’(리뷰 12개): 사용자는 새 강좌를 즐기지만, 잘못된 것처럼 보이는 체크메이트 규칙 같은 문제를 지적한다.
• ‘버그와 기술 문제’(리뷰 9개): 사용자는 매일 이어온 학습 기록을 잃게 한 앱 멈춤처럼 진행 상황에 손실을 주는 버그를 지적한다.
• ‘수업의 에너지 및 배터리 제한’(리뷰 8개): 사용자는 에너지가 빨리 바닥나 연습을 계속하려면 기다려야 한다고 말한다.
• ‘새 언어 요청’(리뷰 3개): 사용자는 아이슬란드어 같은 새 강좌를 요청한다.

그림 5는 Claude의 데이터 분석 플러그인이 듀오링고 앱스토어 리뷰 100개에서 만든 핵심 주제 대시보드를 보여준다. 왼쪽은 11개 주제 중 5개를 원래 내용 그대로 양식화했고, 오른쪽은 같은 주제를 하나의 템플릿으로 다시 쓴 결과와 주제별 리뷰 수를 막대그래프로 표시한다. 카드나 막대를 누르면 세 가지 보기에서 같은 주제가 강조된다.

목적에 맞는 어휘

5. 동사의 뉘앙스를 대시보드의 목적과 맞춘다

많은 대시보드는 고객이 무엇을 싫어하는지, 또는 무엇을 좋아하고 어떤 일이 잘되고 있는지처럼 한 종류의 정보를 보여주도록 만들어진다. 대시보드의 동사는 그 목적을 분명히 드러내야 한다. 고객 불만을 다루는 대시보드라면 ‘불평한다’처럼 부정적인 동사를, 칭찬을 다루는 대시보드라면 ‘좋아한다’처럼 긍정적인 동사를 쓰는 식이다. 독자는 대시보드를 주의를 많이 기울이지 않고 훑어보므로, 뚜렷한 뉘앙스가 있는 동사는 각 항목의 뜻을 빠르게 파악하는 데 도움이 된다.[[13]](https://doi.org/10.1016/j.cognition.2009.06.007)

그림 5의 Claude가 만든 체스 카드는 대부분 불만을 나열하면서도 “Chess is a popular new draw”로 시작한다. 이 때문에 독자는 그 주제가 좋은 소식인지 나쁜 소식인지 한눈에 알기 어렵다. 다시 쓴 카드들은 칭찬에는 “Users love”, 문제에는 “Users complain”처럼 감정의 방향이 분명한 동사로 시작한다. 따라서 독자는 동사만 보고도 주제가 칭찬인지 불만인지 알 수 있다.

샹카르는 이 다섯 원칙이 간단한 대시보드 사례에만 적용되는 것이 아니라 웹사이트처럼 AI가 만드는 다른 결과물에도 활용될 수 있다고 말한다. 코딩 에이전트에 체크리스트를 입력하거나 이를 스킬로 만들어, AI가 생성한 글을 사람이 쉽게 읽도록 하자는 제안이다.

참고 자료와 주석

• [1] 토머스 G. 비버, “The Cognitive Basis for Linguistic Structures.” J. R. Hayes 편, *Cognition and the Development of Language*, 279–362쪽, Wiley, 뉴욕, 1970. 비버는 명사, 동사, 명사를 행위자, 행동, 행동의 대상으로 읽는 전략을 설명했다.
• [2] 린 프레이저와 키스 레이너, “Making and Correcting Errors During Sentence Comprehension: Eye Movements in the Analysis of Structurally Ambiguous Sentences”, *Cognitive Psychology* 14권 2호, 178–210쪽, 1982. 시선 추적 연구에서 독자는 오해를 유도하는 시작 부분이 있는 문장을 읽을 때 앞부분으로 시선을 되돌려 다시 해석했다.
• [3] 야코프 닐슨, “F-Shaped Pattern for Reading Web Content (Original Study)”, Nielsen Norman Group, 2006년 4월 16일. 이 연구는 사용자 232명이 수천 개의 웹페이지를 읽을 때 시선을 추적했다.
• [4] 야코프 닐슨, “First 2 Words: A Signal for the Scanning Eye”, Nielsen Norman Group, 2009년 4월 6일.
• [5] 린 프레이저, 로리 태프트, 톰 로퍼, 찰스 클리프턴, 케이트 에를리히, “Parallel Structure: A Source of Facilitation in Sentence Comprehension”, *Memory & Cognition* 12권 5호, 421–430쪽, 1984. 2010년 스터트, 켈러, 두베이는 두 구절 사이에 ‘and’가 없어도 앞 구절과 구조가 같은 구절을 독자가 더 빨리 읽는다는 사실을 발견했다. 패트릭 스터트, 프랭크 켈러, 아미트 두베이, “Syntactic Priming in Comprehension: Parallelism Effects with and without Coordination”, *Journal of Memory and Language* 62권 4호, 333–351쪽, 2010.
• [6] 현대 데이터 압축 알고리즘도 반복 패턴을 활용한다. 예를 들어 gzip은 패턴이 처음 나타날 때 이를 저장하고, 이후 같은 패턴은 앞의 패턴을 가리키는 짧은 포인터로 바꾼다. 따라서 하나의 패턴을 따르는 목록은 gzip뿐 아니라 독자에게도 쉽게 처리된다.
• [7] 항공기 정비 매뉴얼을 위한 작성 표준인 ASD Simplified Technical English의 핵심 규칙 가운데 하나는 “한 단어에 한 가지 의미”다. 야코프 닐슨의 네 번째 사용성 휴리스틱도 사용자가 서로 다른 단어, 상황, 행동이 같은 뜻인지 고민하지 않도록 해야 한다고 말한다. 야코프 닐슨, “10 Usability Heuristics for User Interface Design”, Nielsen Norman Group, 1994.
• [8] 2026년 10월 28일 ollama/ollama에서 공개 이슈 10개를 복사하고, 기본 설정으로 ‘Summary’라는 노션 AI 자동 입력 속성을 추가했다. 그림 3에는 이슈 #19359, #19342, #19375, #19340의 요약을 수정 없이 실었다.
• [9] Perplexity Discover, 2026년 10월 28일 확인.
• [10] 조크 매킨레이, “Automating the Design of Graphical Presentations of Relational Information”, *ACM Transactions on Graphics* 5권 2호, 110–141쪽, 1986.
• [11] 제프 히어, “CSE 512: Data Visualization”, 워싱턴대학교, 2024년 봄. 데이터와 이미지 모델, 시각화 설계 강의를 참고했다.
• [12] 2026년 10월 28일 애플의 공개 리뷰 피드에서 미국 앱스토어의 최신 듀오링고 리뷰 100개를 내려받았다. 리뷰는 2026년 10월 26일과 27일에 작성됐다. Claude는 데이터 분석 플러그인의 data:analyze 스킬을 실행해 주제 카드 11개를 만들었다. 그림 5에는 그중 다섯 개를 수정 없이 실었다. 본문의 단어 수는 샹카르와 동료들이 계산했으며 플러그인이 보고한 값은 아니다.
• [13] 샹카르가 Claude에 질문한 뒤 관련 선행 연구가 있다는 사실을 알았지만, 자세히 읽지는 않았다고 밝혔다. 예를 들어 쿠스타, 빈슨, 비글리오코는 긍정적이든 부정적이든 감정 단어가 중립 단어보다 빠르게 인식된다는 점을 발견했다. 스타브룰라-탈리아 쿠스타, 데이비드 P. 빈슨, 가브리엘라 비글리오코, “Emotion Words, Regardless of Polarity, Have a Processing Advantage over Neutral Words”, *Cognition* 112권 3호, 473–481쪽, 2009.