LinkedIn AI 글 범람, 신뢰 시장이 열린다

소셜 피드가 AI 작성 실험장이 됐다

Pangram Labs의 분석은 2026년 7월 9일 공개된 소셜 피드 AI 콘텐츠 보고서다. Pangram은 Chrome 확장 프로그램 사용자가 옵트인으로 공유한 스캔 통계를 바탕으로 LinkedIn, Medium, Substack, X/Twitter, Reddit의 글을 분석했다고 설명했다. 보고서의 핵심은 단순하다. 긴 글일수록 AI 작성 비율이 높고, 특히 LinkedIn에서 AI 글의 존재감이 크다.

Pangram은 전체 스캔 항목의 평균 AI 비율을 13.8%로 제시하고, 250단어 초과 longform 항목에서는 완전 AI 생성으로 표시된 비율이 25.72%라고 밝혔다. LinkedIn은 장문 게시물의 40% 이상이 완전 AI 생성으로 표시됐고, Pangram이 AI 콘텐츠로 분류한 전체 항목 중 62%를 차지했다고 주장한다. 데이터는 탐지 모델과 옵트인 표본에 의존하므로 인터넷 전체의 확정 통계로 읽어서는 안 된다. 그러나 방향성은 중요하다.

Cloudflare AI 크롤러 통행료, Kagi AI 토글, AI PR 스팸과 오픈소스 평판 인프라에서 다룬 것처럼, AI 웹의 핵심 문제는 생성 능력보다 신뢰 필터다.

전문 네트워크에서 AI 글이 더 많다는 역설

LinkedIn은 실명, 경력, 회사 브랜드가 붙는 공간이다. 그래서 익명 커뮤니티보다 AI 글이 적을 것처럼 보인다. Pangram의 결과는 반대 신호를 준다. 전문적 정체성이 붙은 공간일수록 사람들은 더 안전하고 매끈한 문체를 원하고, 그 요구를 AI가 채운다. 문제는 그 결과가 모두 비슷한 어조로 수렴한다는 점이다.

Pangram은 2026년 4월 24일 확장 프로그램 출시 이후 1,002,627개 게시물 데이터셋을 만들었다고 밝혔다. 각 게시물은 한 번만 계산했고 50단어 초과 항목만 스캔했으며, 분석에는 Pangram 3.3을 사용했다고 설명한다. 이 같은 방법론은 투명하지만 한계도 있다. 확장 프로그램 사용자는 일반 사용자와 다를 수 있고, AI 탐지는 항상 오탐과 미탐 가능성이 있다. Pangram의 AI 탐지 설명과 AI 생성 웹 연구를 함께 봐야 하는 이유다.

콘텐츠 신뢰는 HR과 세일즈 문제다

AI 글 범람은 미디어만의 문제가 아니다. LinkedIn은 채용, 투자, B2B 세일즈, 파트너십의 첫 접점이다. 임원 글, 채용 공고, 고객 성공 사례, 영업 메시지가 모두 AI 문체로 평평해지면 브랜드 차별화가 어려워진다. 더 나아가 지원자의 자기소개, 리크루터 메시지, 영업 자동화가 같은 모델 문체를 쓰면 사람들은 어떤 신호를 믿어야 하는지 혼란스러워진다.

The Impact of AI-Generated Text on the Internet 연구는 2025년 중반 신규 웹사이트의 약 35%가 AI 생성 또는 AI 보조로 분류됐다고 추정했다. 또한 AI 글 증가와 의미적 다양성 감소, 긍정 정서 증가 사이의 상관 신호를 제시했다. 이는 LinkedIn 현상과 맞물린다. 모두가 더 긍정적이고 더 매끈하게 쓰면, 정작 판단에 필요한 거친 정보가 사라진다.

탐지보다 표시와 책임이 중요해진다

AI 탐지기는 필요하지만 만능은 아니다. 모델이 바뀌고, 사람이 편집하고, 여러 언어가 섞이면 탐지 정확도는 흔들릴 수 있다. 그래서 다음 시장은 탐지 API만이 아니라 provenance, disclosure, workflow log, human approval로 넓어진다. C2PA 같은 콘텐츠 출처 표준, 플랫폼의 AI 라벨 정책, 기업 내부 승인 절차가 함께 움직일 가능성이 크다.

한국 기업의 소셜 운영팀은 AI 사용을 금지할 필요는 없다. 대신 어떤 글을 AI가 초안 작성했는지, 누가 최종 책임을 지는지, 수치와 고객 발언은 어떤 출처를 거쳤는지, 임원 계정에 자동 게시를 허용할지 명확히 해야 한다. 특히 채용과 투자자 커뮤니케이션은 법적·평판 리스크가 크다.

생성의 효율이 신뢰의 비용을 만든다

AI는 글쓰기 비용을 낮췄다. 그 결과 독자의 검증 비용은 올라갔다. 앞으로 좋은 콘텐츠 팀은 "하루에 몇 개를 올렸는가"보다 "이 글이 왜 이 사람 또는 이 회사만 쓸 수 있는가"를 증명해야 한다. 구체적 현장 데이터, 반대 사례, 실패 경험, 작성 책임자의 관점이 더 중요해진다. 역설적으로 AI가 많아질수록 인간적 디테일은 더 비싼 자산이 된다.

자주 묻는 질문

Q1: Pangram 수치를 인터넷 전체 통계로 봐도 되나요?

A: 아니다. 옵트인 확장 프로그램 데이터와 탐지 모델에 기반한 표본이다. 다만 플랫폼별 방향성을 보는 신호로는 의미가 있다.

Q2: LinkedIn에서 AI 글을 쓰면 안 되나요?

A: 금지보다 투명성과 책임이 중요하다. 초안 보조는 가능하지만 사실, 수치, 고객 발언은 사람이 검증해야 한다.

Q3: AI 탐지기는 믿을 만한가요?

A: 보조 지표로 유용하지만 완전한 판정 도구는 아니다. 탐지 결과만으로 개인을 처벌하는 방식은 위험하다.

Q4: 기업은 무엇을 바꿔야 하나요?

A: 브랜드 계정의 AI 사용 정책, 승인 흐름, 출처 기록, 임원 글의 책임 범위를 문서화해야 한다.

Q5: 독자는 어떻게 대응해야 하나요?

A: 과도하게 매끈한 글보다 구체적 경험, 원자료 링크, 반대 근거, 책임 있는 작성자를 확인하는 습관이 필요하다.