AI 에이전트가 쓴 한글 초안에서 번역투와 AI 특유 관용구를 제거하려는 팀이라면, im-not-ai는 검토할 만한 오픈소스 후보입니다. 이 저장소는 한글에 특화된 AI 티 제거 스킬로, 10대 카테고리·70개 서브 패턴을 기준으로 문체만 다듬고 사실·수치·고유명사는 보존하는 설계를 주장합니다. 2026년 8월 수집 시점 기준 GitHub 스타 4,601개, MIT 라이선스, 최신 릴리스 v2.3.2이며 Claude Code·GitHub Copilot CLI·OpenAI Codex CLI·Gemini CLI 설치를 안내합니다. 다만 이 글은 저장소와 릴리스·이슈 문서만 근거로 작성했고 직접 설치·실행·성능 검증은 하지 않았습니다. 도입 판단은 문서가 주장하는 기능과 운영에서 실제로 마주치는 이슈를 구분해 내리는 것이 안전합니다.
한글에 특화된 AI 티 제거 스킬, 어떤 도구인가
im-not-ai는 “AI가 쓴 한글을 사람 글처럼 윤문하는” 목적의 오픈소스 스킬로, 저장소 설명과 README에 따르면 번역투, 기계적 병렬, AI 특유 관용구 등 10대 카테고리·70개 서브 패턴(검증 대기 1건 포함)을 심각도 S1/S2/S3로 분류해 스팬 단위로 탐지하고 윤문합니다. README가 안내하는 설치 대상은 Claude Code, GitHub Copilot CLI, OpenAI Codex CLI, Gemini CLI이며, 설치 없이 체험하는 웹 버전(imnotai.kr)도 운영 중이라고 밝히고 있습니다.
| 항목 | 공개 문서 기준 내용 |
|---|---|
| 저장소 | epoko77-ai/im-not-ai (Python) |
| 정식 버전 | Humanize KR v2.3.2 (2026-08-18 릴리스) |
| 라이선스 | MIT |
| 분류 체계 | 10대 카테고리 × 70 서브 패턴 (+검증 대기 hold 1건) |
| 심각도 | S1 결정적 / S2 강함 / S3 약함 |
| 실행 경로 | light 1콜 / standard 2콜 / heavy 3+콜 |
| 과윤문 게이트 | 변경률 30% 초과 경고, 50% 초과 강제 중단 |
| 설치 대상 | Claude Code · GitHub Copilot CLI · OpenAI Codex CLI · Gemini CLI |
| 커뮤니티 포트 | opencode Web UI, Codex Desktop 어댑터 등 (공식 범위 밖) |
| 지표 (2026-08 수집) | 스타 4,601 · 포크 492 · 오픈 이슈 8 |
의미 보존과 과윤문 방지를 중심에 둔 설계
README가 공개한 4대 철칙은 의미 불변, 근거 기반 수정, 장르 유지, 과윤문 금지입니다. 특히 과윤문 금지는 변경률 게이트로 구현되어 30% 초과 시 경고하고 50% 초과 시 강제로 중단합니다. 사실·수치·고유명사·직접 인용은 보존 대상으로 명시되어 있습니다.
실행 구조도 비용 관점에서 설계됐습니다. v2.2 릴리스에 따르면 입력을 정량 채점한 뒤 light(1콜)·standard(2콜)·heavy(3+콜) 경로를 정하고, 청킹은 heavy 전용이며 15,000자 이하는 권장하지 않습니다. 메인테이너가 공개한 실측에서는 1만자 글을 7콜 청킹으로 돌리면 610K 토큰, 단일 콜이면 134K로 4.5배 차이가 났다고 밝히고 있습니다. 절감 원인을 모델 교체가 아니라 콜 수 축소로 설명하는 점은 콘텐츠 비용을 관리하는 팀이 이해하기 좋은 구조입니다.
v2.3.0 릴리스는 분류 체계에 판별력 근거를 추가했습니다. AI 생성 60편과 2022년 이전 인간 산문 60편을 대조해 로그우도비 검정을 했고, “A가 아니라 B” 부정 대구가 AI에서 인간보다 9~18배 강하게 나타난 반면 “~를 통해”는 무조건 제거 기준(S1)에서 남발 기준(S2)으로 강등했다고 공개했습니다. 다만 이러한 실측 수치는 모두 메인테이너가 공개한 자료이며, 독립적으로 재현되기 전까지는 그런 한계를 붙여 읽어야 합니다.
도입·업데이트 시 확인할 운영 이슈
설치 방식이 다양하다는 점은 편리함이자 운영 리스크입니다. 플러그인 마켓플레이스 설치, 클론 후 install.sh, 심링크 설치가 나뉘며, 최근 릴리스 노트가 설치 경로와 관련된 결함을 직접 고쳤습니다.
- v2.3.2 릴리스는 플러그인 로더가 스킬을 기본 skills/ 위치에서 스캔하는데 저장소가 .claude/skills/에 두고 있어, 마켓플레이스 설치 시 정량 shim·진단이 조용히 빠지는 문제가 있었다고 밝혔습니다. 스킬을 skills/로 옮기고 심볼릭 링크 유도 방식을 수정했으며, 심링크 설치본은 링크가 끊어질 수 있으니 install.sh를 다시 실행하라고 안내합니다.
- v2.3.1 릴리스는 심링크 설치 시 첫 실행부터 실패하던 경로 해석 버그(#71), 프로덕션 게이트가 tests/ 트리를 런타임 import하던 경계 위반(#59), light 경로에서 finalize가 실행 불가했던 계약 공백(#54)을 수정했다고 밝혔습니다.
- 아직 열려 있는 Windows 이슈(#95)는 Git Bash에서 심링크 권한이 없으면 ln -s가 조용히 일반 복사로 전락하고 “설치 완료”로 보고되어, 이후 업데이트가 반영되지 않는 스냅샷이 될 수 있다는 제보입니다.
- 업데이트 수단은 플러그인이면 /plugin update, 스크립트 설치면 ./update.sh 또는 ./install.sh이며, 재실행 시 구버전·은퇴 링크 자동 정리를 포함합니다.
요약하면 설치 후 사용법보다 설치 방식 선택과 업데이트 체계가 실제 운영의 결정 변수입니다. 설치 방식 차이로 인한 실행 실패나 업데이트 후 끊긴 링크 복구가 반복된다면, AI 에이전트 워크플로우 통합·유지보수 전문 지원을 검토할 시점입니다.
통합·보안·프로젝트 인수 관점
통합: README는 GitHub Copilot CLI와 OpenAI Codex CLI가 단일 콜 경로만 제공하고, 진단·finalize가 포함된 멀티콜 경로(standard 2콜·heavy 3+콜)는 Claude Code 전용이라고 명시합니다. 같은 스킬이라도 실행 환경에 따라 처리 깊이가 다르므로 기대치를 환경에 맞춰야 합니다. opencode 웹 UI와 Codex Desktop 어댑터 등 커뮤니티 포트는 공식 지원 범위 밖으로 구분됩니다.
보안·데이터: 이 스킬은 사용 중인 CLI의 LLM 호출로 실행되는 구조이므로, 입력 텍스트가 해당 환경의 모델 제공자로 전송된다는 점을 전제로 삼아야 합니다. 이번 리뷰에서 확인한 저장소·릴리스 문서에는 데이터 보관·폐기 정책에 대한 명시가 확인되지 않아, 기밀 콘텐츠나 고객 데이터를 다루는 팀은 자체 보안 검토가 필요합니다.
프로젝트 인수: 저장소는 2026년 4월에 생성됐고 단일 GitHub 사용자 계정(epoko77-ai)이 운영합니다. MIT 라이선스라 포크·재배포가 자유롭고, taxonomy·rewriting playbook·학술 인용 SSOT 등 문서가 풍부해 내부화 난이도는 낮은 편입니다. 다만 오픈 이슈 8건과 2026년 4월부터 8월까지 이어진 빠른 릴리스 주기를 따라갈 담당자가 필요합니다.
비슷한 문제를 겪고 있나요?
한계: 문서가 알려주지 않는 것
- 독립 검증 부재: 이 리뷰는 저장소·릴리스·이슈 문서만 사용했고, 로컬 설치·실행·벤치마크 증거는 없습니다. 메인테이너가 공개한 토큰 절감, 등급 A, 회귀 0건 같은 수치는 동료 검토 전의 주장입니다.
- 열린 이슈: Codex 경로에서 “열두 센티” 같은 한글 수사+구어적 단위 표현이 탐지되지 않는다는 이슈(#98)가 열려 있습니다. Do-NOT 목록이 수치·단위 전체를 보호하는 설계와 관련이 있어, 콘텐츠 성격에 따라 탐지 범위가 달라집니다.
- 환경·모델 의존성: 결과 품질은 사용하는 CLI와 모델 선택, 장르, 글 길이에 따라 달라집니다. 장르별 baseline 보정은 메인테이너가 스스로 다음 과제로 남긴 항목입니다.
- 비용 변동: 경로에 따라 LLM 콜 수와 토큰이 다르고 heavy 경로는 3콜 이상입니다. 잘 쓴 글일수록 light 경로로 저렴해지는 설계지만, 입력 상태에 따라 비용이 달라진다는 뜻입니다.
- 전면 자동화에는 부적합: S1 3건 이상 또는 심각한 과윤문 시그널이면 사람 검토 등급(D)으로 판정하는 설계 자체가 사람 검수와의 결합을 전제로 합니다.
도입 판단 기준: 파일럿으로 확인할 것
- 실행 환경을 먼저 고정하라: Claude Code 멀티콜 경로를 쓸지, Codex·Copilot 단일 콜 경로로 충분한지 결정해야 합니다.
- 검수 워크플로우와 연결하라: 변경률 게이트(30%/50%)와 등급 판정을 사내 리뷰 절차에 어떻게 반영할지 정해야 합니다.
- 데이터 정책을 확인하라: 입력 텍스트가 외부 LLM 제공자로 전송되는 것이 허용되는지 검토해야 합니다.
- 업데이트 담당자를 정하라: 심링크·마켓플레이스 방식 선택과 버전 추적을 누가 할지 정해야 합니다.
- 실제 초안으로 평가하라: README 예시만 보지 말고, 자사 초안 5~10편으로 파일럿 후 변경률·등급·검수 시간을 비교해야 합니다.
- 운영 지원을 검토하라: 설치 실패, 업데이트 후 링크 끊김, 다중 CLI 환경 통합이 반복된다면 에이전트 워크플로우 통합·유지보수 전문 지원이 실용적 선택지가 됩니다.
최종 평가
문서 기준으로 im-not-ai는 도입 검토 가치가 있는 후보입니다. 한글 번역투와 AI 특유 패턴에 특화했고, 의미 보존과 과윤문 방지를 설계의 핵심으로 삼았으며, 대조 코퍼스로 일부 패턴을 재검증하는 절차를 도입한 점이 강점입니다. 반면 독립 검증 증거가 아직 없고, 실행 환경별 기능 차이, 열린 이슈, 빠른 릴리스에 따른 업데이트 관리 부담이 약점입니다. 가장 안전한 도입 형태는 전면 자동화가 아니라 사람 검수와 변경률 게이트를 결합한 반자동 파이프라인에서 파일럿을 거치는 것입니다. 결론: 조건부 채택 — 자사 초안으로 파일럿을 통과하고 사내 검수 절차와 함께 도입하는 것을 권장합니다.
비슷한 문제를 겪고 있나요? 장애, 공격, 업그레이드 또는 유지보수 공백이 운영에 영향을 준다면 진단과 복구를 도와드릴 수 있습니다.