AI 탐지기 최소 단어 수: Turnitin, GPTZero 및 기타 도구가 필요로 하는 단어 수

AI 탐지기의 최소 단어 수는 도구에 따라 다릅니다. 일부 도구, 예를 들어 Turnitin은 최소 300단어의 적격 산문이 필요하지만, 다른 도구, 예를 들어 ZeroGPT는 일관된 결과를 얻기 위해 최소 150단어에서 200단어를 쓸 것을 권장합니다. 탐지기가 몇백 단어 이하에서 결과를 보여주든 그렇지 않든, 그 결과의 신뢰성은 더 낮습니다.

일부는 여전히 각 문단에 대해 백분율을 제공하며, 짧은 텍스트에서는 점수가 대체로 덜 정확합니다. TextPulse Research의 연구자들은 인간이 작성한 학술 텍스트 25,561쌍과 그 AI 재작성본을 사용해 이를 시험했습니다. 300단어에서 그들은 AI 재작성본의 95%를 잡아내도록 분류기를 조정했습니다. 이 분류기는 인간 텍스트의 33.9%도 표시했습니다. 25단어에서는 67.6%를 표시했습니다.

AI 탐지에는 몇 단어가 필요한가?

AI 탐지는 신뢰할 수 있으려면, 즉 안정적인 결과를 얻으려면 몇백 단어가 필요합니다. 신뢰성은 약 100단어 이하에서 가장 빠르게 떨어집니다. TextPulse 연구에서 신뢰성의 대부분은 약 150단어 부근에서 확립되었습니다. 그 이후에는 정확도가 더 천천히 상승하여, 150단어에서 84.0%였던 것이 300단어에서 86.8%로 올랐습니다.

다른 연구도 비슷한 임계값을 제시합니다. TextPulse 논문에서 인용한 2025년 Journal of Artificial Intelligence Research의 조사에서는 지금까지 보고된 수치를 모읍니다. 통계적 분류기와 미세 조정된 분류기는 정확하게 작동하려면 대략 100단어가 필요합니다. 여러 표준 탐지기는 완전한 성능에 도달하려면 대략 120단어가 필요하며, 가장 강력한 모델을 탐지하는 데는 약 200단어가 필요합니다.

탐지기가 더 많은 토큰, 즉 언어 모델이 다루는 단어 조각을 볼수록 인간 텍스트와 AI 텍스트를 구분하기가 더 쉬워집니다. 탐지기가 짧은 답변에서 몇 개의 토큰만 보았다면, 어느 쪽이든 판단할 만한 근거가 많지 않습니다. 관련된 perplexity, burstiness, 그리고 다른 지표들은 AI 탐지기가 어떻게 작동하는지에 대한 안내에서 설명합니다.

도구별 AI 탐지기 최소 단어 수, Turnitin, GPTZero 및 기타

각 공급업체는 자체적인 하한선이나 지침을 설정하며, 모두 같은 단위를 사용하지는 않습니다. Turnitin은 적격 산문의 단어 수를 셉니다. 다른 공급업체들은 길이를 권장하거나 텍스트가 길어질수록 정확도가 어떻게 변하는지 설명합니다.

탐지기	공급업체가 텍스트 길이에 대해 밝힌 내용
Turnitin	AI 점수가 생성되기 전에 최소 300단어의 적격 산문이 필요하며, 정확도는 더 많은 텍스트에서 높아지므로 이 최소 기준은 이전의 150단어에서 상향되었다
GPTZero	더 많은 텍스트가 제출될수록 정확도가 향상된다. 전체 문서는 문단보다 더 정확하게 분류되며, 문단은 단일 문장보다 더 정확하게 분류된다
ZeroGPT	안정적인 결과를 위해 최소 150단어에서 200단어가 권장되며, 500단어에서 1,000단어 이상이면 신뢰성이 더 향상된다. 매우 짧거나 크게 편집된 발췌문은 "신호를 덜 담고 있다"
Pangram	완전한 문장으로 작성된 더 긴 텍스트에서 가장 잘 작동한다. 회사는 짧은 글머리표 목록이나 매우 형식적인 텍스트를 검사하지 말 것을 권고한다
Sapling	공개된 탐지 및 오탐지 수치는 더 긴 텍스트에 적용된다. 더 짧은 텍스트는 "다른 정확도 비율을 보일 수 있다"

이것이 대부분의 학생이 접하는 하한선인데, Turnitin이 많은 대학의 학습 플랫폼에 기본으로 탑재된 탐지기이기 때문이다. AI 글쓰기 보고서에서는 300단어의 적격 산문 미만에 대해서는 점수가 주어지지 않는다. 이 하한선 아래의 구간 점수와 20% 미만 점수에 대해 Turnitin이 표시하는 별표는 Turnitin이 AI를 탐지하는 방식 안내에서 다룬다.

화면에 표시된 백분율이 텍스트가 도구 자체의 권장 길이를 충족했다는 뜻은 아니다. 많은 일반 사용자용 검사 도구는 단일 문단도 점수화할 수 있기 때문이다. 2023년에 OpenAI의 AI 텍스트 분류기는 최소 1,000자의 입력이 필요했다. OpenAI는 이 도구가 짧은 텍스트에서 매우 신뢰할 수 없다고 밝혔고, 정확도가 낮다는 이유로 6개월 후 이를 제거했다.

텍스트 길이에 따른 AI 탐지기 정확도: TextPulse 연구가 발견한 내용

TextPulse의 텍스트 길이와 AI 탐지 신뢰성에 관한 연구 논문은 다른 모든 텍스트 특성과 분리된 길이만을 살펴본다. 데이터셋에는 인간이 쓴 텍스트와 그 AI 재작성본이 모두 최소 300단어 이상인 25,561쌍의 텍스트가 포함되어 있다. 모든 텍스트는 25, 50, 100, 150, 200, 250, 300단어로 잘렸다. 각 단어 길이마다 분류기를 학습하고 테스트했다.

같은 텍스트가 모든 길이에서 나타난다. 즉, 주제, 학문 분야, AI 모델은 고정되어 있다. 재작성본은 6개 모델 계열에 걸친 8가지 서로 다른 AI 모델 조합에서 나온다. 분류기는 단어 길이와 어휘 다양성과 같은 45개의 문체 특성을 평가한다. 이것은 연구 도구이며, 이 논문은 상업적 탐지기가 이러한 특성이나 임계값을 어떻게 사용할 수 있는지에 대해 어떤 주장도 하지 않는다. 상업적 도구에 대한 시험은 AI 탐지기가 정확한지 여부 안내서를 참조하라.

텍스트 길이	정확도	AI 재작성본의 95%가 적발될 때 잘못 표시된 인간 텍스트	인간 텍스트의 1%가 잘못 표시될 때 적발된 AI 재작성본
25 words	73.9%	67.6%	17.2%
50 words	78.2%	58.8%	28.0%
100 words	82.3%	49.4%	40.5%
150 words	84.0%	44.1%	47.9%
200 words	85.2%	40.1%	50.5%
250 words	86.1%	36.7%	54.2%
300 words	86.8%	33.9%	56.5%
Full text	88.4%	28.6%	60.6%

AI 탐지에서 짧은 텍스트의 정확도는 표의 모든 열에서 더 낮으며, 정확도 열은 손실을 과소평가한다. 사용 가능한 판정에는 척도의 양 끝 중 어느 한쪽에 가까운 점수가 필요하며, 더 짧은 텍스트는 인간과 AI 점수 모두를 중간값 쪽으로 밀어낸다. AI 재작성의 95%를 포착하도록 절단값을 설정하면, 분류기는 100단어에서 인간 텍스트의 약 절반을 오탐지로 표시한다. 인간 텍스트의 1%만 표시하도록 절단값을 설정하면, 25단어에서 AI 재작성의 17.2%를 포착한다.

분류기가 두 집단을 얼마나 잘 구분하는지를 보여주는 논문의 주요 지표인 AUC는 25단어에서 0.817이던 것이 300단어에서 0.940으로 상승했다. 인간 쪽 평균이 466단어였던 전체 텍스트에서는 0.950에 도달했다. 이러한 상승의 가장 가파른 부분은 100단어 이하에서 나타났고, 150단어를 넘는 각 단계는 더 적은 증가를 더했다.

짧은 텍스트에서 거짓 양성이 증가하는 이유

긴 문서를 바탕으로 구축된 탐지기는 짧은 문서에서 훨씬 더 높은 거짓 양성률을 보인다. 이 논문은 전체 길이 텍스트로 훈련되었고, 짧은 텍스트 분류에 기본 절단값으로 사용된 분류기를 제시했다. 인간 텍스트에 대한 이 시스템의 거짓 양성률은 300단어에서 16.1%, 100단어에서 39.1%, 25단어에서 69.8%였다.

AI 재작성에 대한 탐지는 같은 범위에서 거의 변하지 않아, 300단어에서 88.4%, 25단어에서 92.4%였다. 추가 오류는 인간 글쓰기에 대한 오탐지였다. 논문은 짧은 입력에 대한 분류기가 이를 AI로 판정하는 쪽으로 체계적으로 편향되어 있다고 설명한다.

그 원인은 기계적이다. 유형-토큰 비율, 즉 텍스트에서 서로 다른 단어가 차지하는 비율은 텍스트가 짧아질수록 증가하는데, 짧은 표본은 단어를 반복할 기회가 더 적기 때문이다. 연구에서 인간 텍스트의 평균 비율은 전체 길이에서 0.47, 25단어에서 0.87이었다. 전체 길이 AI 재작성의 평균은 0.55였다.

전체 길이의 텍스트로 학습된 이 분류기는 약 0.55의 비율이 AI와 인간의 글쓰기를 가른다는 것을 학습한다. 누가 썼든 25단어 텍스트는 모두 이 비율을 훨씬 넘어서며, AI 쪽으로 밀려난다. 이 논문은 배포된 탐지기가 입력 길이를 바꿀 때마다 다시 학습되는 것은 아니라고 지적한다. Turnitin의 공개된 오탐지율에 대한 안내는 그 수치에 무엇이 포함되고 무엇이 제외되는지를 다룬다.

짧은 텍스트가 분류하기 어려운 이유

짧은 텍스트는 탐지기가 측정하는 모든 것을 더 적게 제공한다. 단어 수가 적으면 비교할 토큰도 적고, 문장 수가 적으면 측정할 리듬도 적다. 연구에서 25단어 텍스트는 평균 1.6문장, 50단어 텍스트는 2.7문장, 300단어 텍스트는 13.4문장이었다.

문장 길이의 변동성은 흔히 burstiness라고 부르며, 문장들을 서로 비교하는 데 의존한다. 연구에서는 전체 텍스트에서 인간과 AI 텍스트를 0.71 표준편차만큼 구분했고, 100단어에서는 0.31이었다. 50단어에서는 그 차이가 사실상 0이었다. burstiness에 의존하는 탐지기는 이를 신뢰성 있게 측정하려면 여러 문장이 필요하다.

이 힘의 더 많은 부분은 단어 수준에서 유지된다. 평균 단어 길이와 긴 단어의 비율은 25단어에서 구분력의 약 3분의 2를 유지했다. 그러나 중첩도 또한 증가했다. 50단어에서는 두 집단의 점수가 중심 쪽으로 모이는 경향이 있었다. 각 집단의 상당 부분이 중첩 영역에 들어간다.

인용문이나 상투적 표현도 짧은 텍스트에서는 더 큰 비중을 차지한다. 50단어 답변은 대략 세 문장으로 이루어지므로, 각 문장은 탐지기가 보는 내용의 대략 3분의 1이다. 그중 하나에 있는 인용된 정의는 2,000단어 에세이 안에 같은 문장이 있을 때보다 훨씬 더 큰 비중을 가진다.

토론 게시물, 초록, 단답형 시험, 자기소개서

토론 게시판 게시물

200단어 분량 요구에 맞춰 작성된 게시물은 Turnitin의 300단어 하한선보다 짧으므로, Turnitin은 이에 AI score를 부여하지 않는다. 다른 도구들은 여전히 이를 점수화할 수 있다. 200단어에서, 연구의 분류기는 AI 재작성문을 95% 포착하도록 설정했을 때 인간 텍스트의 40.1%를 오탐지했으며, 전체 텍스트에서는 28.6%였다.

초록

250단어 분량의 학술 초록은 하한선에 가깝고, 초록은 밀도가 높고 형식적인 글쓰기이다. TextPulse의 이전 연구는 분류기가 인간이 쓴 텍스트를 오분류하는 경우가 가장 형식적인 텍스트라는 점을 발견했다. 길이 관련 논문은 텍스트 길이를 거짓 표시의 두 번째, 별개의 원인으로 추가하며, 짧고 형식적인 초록은 두 가지 모두에 노출된다. 초록이 의심을 받는다면, 전체 논문을 확인하면 탐지기에 공급업체가 권장하는 길이를 제공하게 된다.

단답형 시험

50단어에서 100단어 사이의 답변은 연구의 수치가 가장 빠르게 떨어지는 범위에 해당한다. 50단어에서, AI 재작성의 95%를 잡도록 설정된 분류기는 인간 텍스트의 58.8%를 거짓으로 표시했다. 논문은 50단어 미만에서는 실용적인 절단값으로는 유용한 결과를 얻을 수 없다고 결론짓는다. 또한 짧은 텍스트에 대해 판정을 내리지 않는 것이 점수를 매기는 것보다 더 신뢰할 만하다고 덧붙인다.

커버 레터

구직이나 학술지 투고를 위한 한 페이지 분량의 커버 레터는 수백 단어 정도이며, 그중 상당 부분이 정해진 표현을 따른다. Pangram은 매우 공식화된 텍스트를 검사하지 말라고 권고한다. 커버 레터를 확인한다면, 어떤 점수든 넓은 오차 범위를 가진 추정치로 간주해야 한다.

텍스트가 하한선 아래에 있을 때 해야 할 일

텍스트는 작성한 그대로 두고, 대신 점수에 맥락을 부여하라. 이 단계들은 작성자와 점수를 검토하는 사람 모두에게 적용된다.

1. 텍스트를 부풀리지 말라. 하한선에 도달하기 위해 덧붙인 단어는 작성하라고 요청받은 글을 바꾸며, 그때의 점수는 부풀려진 버전을 설명하게 된다.
2. 가능하다면 전체 문서를 확인하라. 전체 에세이나 장은 탐지기에 권장 길이를 제공하며, 짧은 구간은 더 긴 텍스트의 일부로 점수가 매겨진다.
3. 문장 보기로 살펴보라. 문장 단위로 점수를 매기는 탐지기는 어떤 문장이 결과를 이끄는지 보여주며, 짧은 텍스트에서는 그것이 인용된 정의와 같은 한두 문장인 경우가 많다.
4. 초안과 버전 기록을 보관하라. 그것들은 텍스트가 어떻게 발전했는지 보여주며, 짧은 구절에 대한 점수는 그것을 보여줄 수 없다.
5. 점수가 어떻게 사용될지 물어보라. 공급업체가 자체적으로 권장하는 길이보다 짧은 텍스트에 대한 결과는 약한 신호이며, 검토자는 그렇게 가중해야 한다.

직원에게는, 이 논문의 논의가 하나의 단순한 규칙을 제시합니다. 더 많은 텍스트를 요구하거나, 명시된 길이보다 짧으면 판단을 내리지 않는 것입니다. Turnitin의 300단어 하한은 바로 그런 규칙입니다. 전체 보고서가 존재하면, 좋은 Turnitin 점수가 무엇인지에 대한 안내에서 이를 어떻게 해석할지 다룹니다.

TextPulse가 짧은 텍스트를 처리하는 방식

TextPulse는 AI 탐지기를 사용하지 않으며 탐지기 검사도 판매하지 않습니다. TextPulse는 모든 인간화 후에 Human Score(0에서 100까지)를 표시합니다. 이 점수는 앱 내부에서 텍스트의 재작성 깊이, 어휘 다양성, 토큰 분포, 문장 길이 변화를 바탕으로 산출한 추정치입니다. 이 점수를 계산하는 데 탐지기는 사용되지 않았습니다.

AI Humanizer는 인간화 1회당 최소 50단어가 필요하며, Pro에서는 회당 최대 500단어, Plus에서는 1,000단어까지 처리합니다. Document Humanizer는 최대 15,000단어 길이의 전체 영어 .docx 파일을 처리할 수 있습니다. 본문 텍스트는 최소 50단어가 필요하며, 제목, 목록, 표, 캡션, 참고문헌은 작성된 그대로 유지합니다. 두 기능 모두 수업이나 학술지에서 AI 지원을 허용하는 초안에서 AI 점수를 낮추도록 설계되었습니다.

텍스트를 탐지기에 붙여 넣기 전에, 무료 Word Counter를 사용하여 길이를 확인하십시오. 이 도구는 단어 수, 공백 포함 및 제외 문자 수, 문장 수, 고유 단어 수를 계산하므로, 두 단위 중 어느 하나로 제시된 하한과 텍스트를 비교할 수 있습니다. 길이 연구에 관한 모든 세부 사항, 즉 텍스트별 점수와 분석 코드는 Zenodo에서 공개적으로 이용할 수 있으며, 연구 허브에는 이 연구가 다른 TextPulse 논문들과 함께 목록화되어 있습니다.