혹시 유튜브나 SNS를 보다가 "음? 이건 좀 기괴한데?" 싶은 영상을 보신 적 있나요? 분명 사람이 만든 것 같진 않은데 우리 눈앞에 자꾸 나타나는 조잡한 콘텐츠들 말이에요.
요즘 이렇게 알고리즘 노출과 광고 수익만을 노리고 AI로 대량 생산된 콘텐츠를 ‘AI 슬롭(Slop)’이라고 불러요. 슬롭은 원래 가축에게 주는 음식물 쓰레기나 질 낮은 사료를 뜻하는데요. 디지털 콘텐츠에 이런 이름이 붙었다는 것 자체가 지금 상황이 꽤 심각하다는 신호죠.
더욱이 미국에서 가장 오래된 사전 출판사인 Merriam-Webster가 이를 올해의 단어로 선정하면서, 해당 현상은 개인 차원을 넘어 사회적 문제로 인식되고 있어요.
슬롭의 무서운 점은 사람이 만드는 것보다 수천 배 빠르고 많이 찍어낼 수 있다는 거예요. 단순히 "에이, 질이 좀 낮네" 하고 넘길 문제가 아니에요.
최근 한 조사 결과가 꽤 충격적이었어요. 한국 기반 AI 슬롭 채널의 누적 조회 수가 84억 5,000만 회를 넘어섰는데, 이게 조사 대상 국가 중 1위라고 해요. 더 심각한 건 일부 채널이 이런 저품질 콘텐츠만으로도 상당한 광고 수익을 올리고 있다는 점이에요.
대충 만들어도 돈이 되는 구조가 이미 굳어졌다는 뜻이죠.
슬롭의 형태도 다양해요.
문제는 여기서 한 단계 더 심화돼요. AI가 만든 슬롭을 다시 AI가 학습한다는 점이죠. 이걸 합성 데이터 오염이라고 하는데요, 이 과정이 반복되면 AI가 학습 품질을 상실하며 성능과 추론 능력이 전반적으로 저하되는 ‘모델 붕괴(Model Collapse)’ 현상이 발생할 수 있어요. AI 생태계 자체가 망가질 수도 있다는 뜻이죠.
이건 기술의 문제라기보다 돈과 관심이 만든 구조적 문제예요.
과거에는 좋은 콘텐츠를 만들어야 트래픽을 얻었지만, 주의 경제(Attention Economy)로의 전환 이후 상황은 달라졌죠. 이제는 콘텐츠의 완성도보다 노출 빈도와 자극성이 수익을 좌우하며, 정성 들여 하나 만드는 것보다 AI로 저질 콘텐츠 1,000개를 뿌리는 게 더 이익이 되는 구조로 굳어지고 있거든요.
여기에 누구나 쉽게 찍어낼 수 있는 자동화 도구, 사람보다 저렴한 AI 비용, 자극적인 콘텐츠에 가중치를 주는 플랫폼 알고리즘이 맞물리면서 슬롭의 전성시대가 열린 거예요.
특히 유튜브 쇼츠처럼 자동 재생과 알고리즘 추천이 강한 플랫폼에서는 더 빠르게 확산되고 있어요. 이용자의 의도와 무관하게 AI 슬롭이 계속 추천되다 보니 한국 유튜브가 AI 쓰레기로 변하고 있다는 불만이 나오는 것도 당연해 보여요.
실제로 신규 계정에 추천되는 쇼츠 영상 5개 중 1개가 AI 슬롭으로 분류될 정도로 침투율이 빠르게 증가하고 있거든요.
첫 번째, 정보에 대한 신뢰가 무너진다는 거예요. 특히 의료나 법률처럼 위험도가 높은 영역에서는 치명적이죠. AI가 만든 가짜 판례가 법정에 제출되거나, 잘못된 의학 정보가 퍼지면서 사용자들이 혼란에 빠지는 사례도 이미 나오고 있거든요.
두 번째, 고령층이나 어린아이처럼 정보 판별력이 상대적으로 낮은 이용자들이에요. 자극적인 합성 영상이나 허위 정보를 사실로 받아들이는 사례가 늘어나면서 사람의 판단을 흐리는 문제를 넘어 디지털 오염 문제로 확대되고 있어요.
더해서, 성실한 창작자들의 설 자리가 사라진다는 점도 문제죠. AI 슬롭이 트래픽을 빨아들이면서 정성 들여 만든 콘텐츠의 가치가 점점 희석되고 있거든요.
다행히 문제 인식과 함께, 구체적인 대응 논의도 진행되고 있습니다.
물론 AI 모델이 정교해질수록 판별 도구들의 정확도가 낮아진다는 한계는 여전히 숙제로 남아있지만요.
AI 슬롭은 콘텐츠 제작자에게 분명한 위기예요.
하지만 동시에, 방향을 잘 잡으면 기회가 될 수도 있어요. 정보가 넘쳐나는 시대일수록 정보의 양은 점점 의미를 잃고 출처와 책임이 가장 비싼 자산이 되거든요. 이러한 맥락에서 자신의 이름과 얼굴을 걸고 콘텐츠를 만드는 인간 창작자의 책임감은 AI 슬롭이 흉내 내기 어려운 지점이기도 하죠.
결국 AI 슬롭은 광고 모델과 알고리즘 중심으로 설계된 디지털 경제의 인센티브 구조가 만들어낸 결과입니다. 우리가 콘텐츠의 양보다 질에 보상하는 구조로 전환하지 않는 한, AI 슬롭은 인터넷의 기본값이 될 거예요.
콘텐츠 제공 : 바이라인네트워크(byline.network)