AI;DR: 다듬지 않은 AI 글은 읽지 않겠다
AI;DR (AI; Didn't Read)
TL;DR Highlight
검수 안 한 AI 글은 안 읽겠다는 'AI;DR' 정책이 HN 1위를 찍었다
Who Should Read
슬랙·PR·문서에 AI 출력을 그대로 붙여 팀 소통 품질 문제를 겪는 개발자와 팀 리드
Core Mechanics
- 검수 안 한 글은 안 읽는다
- 저자는 직접 검토·편집하지 않은 AI 출력은 읽지 않는 정책을 세웠다.
- 신뢰하는 사람이 AI 출력을 그대로 보내면 몸이 움찔할 정도라고 쓴다.
- AI 사용 자체는 문제가 아니다
- 저자는 자신을 최대한 친AI라고 소개한다.
- 아이디어 수집·개요·문장 다듬기에 AI를 쓰는 것은 2026년 3분기 기준 당연하다고 본다.
- 고객지원은 예외로 본다
- 고객지원은 100% AI 생성 문구를 기대해도 되는 상황의 예로 든다.
- 슬랙 토론에 Claude 출력을 통째로 붙이면 의도와 다른 메시지가 전달된다고 말한다.
- 내 이름이 붙는 글이면 책임진다
- 뉴스레터와 소셜 글은 본인 이름이 달리니 AI 특유의 말투까지 본인이 책임져야 한다고 한다.
- 그냥 읽을 거면 직접 Claude에게 물어보면 된다는 논리다.
- TL;DR의 AI 버전이다
- TL;DR이 소셜미디어의 해법이었듯 AI;DR은 AI 슬롭(성의 없는 대량 AI 글)의 해법이라고 한다.
- 이 글은 2026-08-18 HN 1위에 올랐고 댓글이 600개를 넘었다.
Community Reactions
- PR에 AI 문서·주석이 넘친다는 경험
- 동료들이 PR마다 수백 줄의 AI 문서를 붙이고 코드 줄마다 AI 주석을 단다는 댓글이 있었다.
- 기능과 지표는 좋아지지만 가독성은 무너진 코드베이스라는 얘기다.
- 프롬프트만 보내 달라는 의견
- AI 출력 대신 프롬프트를 보내 달라는 의견이 여러 개 나왔다.
- 동료가 AI 리포트를 주면 프롬프트와 모델을 달라고 해서 직접 세션을 굴린다는 경험도 있었다.
- 품질이 기준이라는 반론
- 잘 쓰고 통찰 있는 글이면 AI가 썼어도 상관없다는 반론이 있었다.
- 다만 읽을 만한 AI 글은 10% 정도이고 90%는 시간 낭비라는 의견도 있었다.
- AI 글을 읽고 질문했더니 답이 없었다는 경험
- 흥미로운 글의 저자에게 질문했더니 예시가 본인 경험이 아니라 답하지 못했다는 댓글이 있었다.
- PCIe over TCP/IP 글이 DMA·인터럽트는 빼고 거창한 주장만 했다는 사례도 나왔다.
How to Apply
- AI 출력에 프롬프트와 출처 같이 붙이기
- 오늘 팀 슬랙·PR 템플릿에 'AI 사용 시 프롬프트와 모델 병기' 한 줄을 추가하라.
- 긴 AI 출력은 본인이 읽고 3줄 요약을 맨 위에 적어라.
- PR 설명은 직접 쓰고 AI 문서는 분리하기
- PR 본문에는 변경 이유를 본인 말로 쓰라.
- AI가 만든 긴 문서나 주석은 별도 파일로 두거나 리뷰 전에 지워라.
- 대외 글 발행 전 검수 체크하기
- 뉴스레터·릴리스 노트·블로그는 발행 전에 AI 말투를 직접 고쳐라.
- 내가 질문에 답할 수 없는 내용이 있으면 빼라.
Try It
# Claude나 ChatGPT에 붙여넣기 (원문 정책을 적용한 간이 검수 프롬프트)
아래 {{초안}}은 AI가 쓴 슬랙/PR 글이다. 읽는 동료의 시간을 아끼도록 편집해 줘.
{{초안}}
지시:
1. 핵심 메시지를 3줄 이내로 요약해.
2. 과장된 표현, 군더더기, 'AI 말투'로 보이는 문장을 표시해.
3. 내가 직접 확인해야 할 주장과 근거 없는 주장을 목록으로 뽑아.
이어서 해 볼 것: 결과를 읽고 내 말투로 다시 써서 보내자.Terminology
관련 논문
AI는 도구다, 잘 쓰려면 기술이 필요하다
Hickey의 'AI는 도구가 아니다'에 맞서, LLM도 쓰는 사람의 기술이 결과를 가른다고 반박
딥리서치 에이전트의 Reflective Prompt Optimization: 토픽 분리·멀티 시드로 본 진짜 성능 향상과 프롬프트 과적합
GEPA로 프롬프트를 최적화했더니 held-out 인용 보상 0.702→0.781
GPT-6와 Intelligent UI: 채팅 안에서 시각·인터랙티브 응답 만들기
OpenAI가 GPT-6로 채팅 응답에 UI를 넣는다는데 원문이 없어 댓글 반응만 확인된다
Base 모델도 첫 토큰 단서(cue) 하나로 추론한다: 학습 데이터가 만든 연상
응답 첫 두 토큰만 고정했더니 Olmo-3-7B의 MATH-500 정답률이 42%에서 78%로 올랐다
Jev식 Typed Decision Model에서는 정의보다 라벨이 이긴다
옵션 이름을 A, B로 바꿨더니 정확도가 +0.1511 올랐다
프롬프트는 얼마나 필요한가? Few-shot 예시를 블랙박스로 최소화하는 DD-FSM
Delta debugging으로 few-shot 예시를 평균 65.3% 줄여도 출력은 그대로
언어모델은 "불안정한(Insecure)" 보고자다: 결함을 숨기는 LLM 리포트
"Be honest" 한 줄을 붙였더니 GPT-5.5의 부정 결과 공개가 2/200에서 190/200으로 늘었다