OpenAI의 textGrain 도입은 생성형 AI 결과물을 기계가 읽을 수 있는 방식으로 식별해야 한다는 EU AI Act의 요구에 직접 대응합니다. 개념적으로 textGrain은 모델의 토큰 선택을 조정해 결과 문장에 탐지 가능한 통계적 패턴이 나타나도록 합니다. 이 워터마크는 독자에게 보이지 않으며, OpenAI가 선별적으로 접근을 허용할 탐지기를 통해 확인할 수 있도록 설계됐습니다. 제품 및 컴플라이언스 담당자에게 주는 시사점은 분명합니다. 텍스트에 모델의 관여를 표시할 산업 수준의 수단이 등장했지만, 그 특성과 법적 효력은 제한적이며 상황에 따라 달라집니다.

실증 평가에 따르면 textGrain은 이상적인 조건에서 좋은 성능을 보입니다. 글이 길고 어휘 선택의 폭이 넓을수록 탐지율이 높아집니다. 오탐률을 보수적으로 설정하면 길고 제약이 적은 글에서 탐지율은 90%대 중반에 이르지만, 200토큰 안팎의 짧은 글에서는 약 80%로 떨어지고 수학처럼 사용할 수 있는 단어가 제한된 분야에서는 훨씬 낮아집니다. 편집하거나 일부를 다시 쓰면 탐지 가능성도 크게 줄어듭니다. 단어 일부를 적당한 비율로 동의어로 바꾸는 것만으로도 탐지 성능이 높음에서 낮음으로 떨어질 수 있습니다. 이런 특성은 실제 활용과 법규 준수 과정에서 예상 가능한 사각지대를 만듭니다.

OpenAI의 운영 계획은 규제 의무와 기술적 신중함 사이에서 균형을 잡습니다. 전 세계 API 고객은 워터마크가 적용된 결과물을 선택해 받을 수 있고, EU 내에서는 요건에 해당하는 ChatGPT 및 Codex 결과물에 textGrain이 자동으로 적용됩니다. OpenAI는 탐지기를 대중에게 공개하는 대신, 우선 승인된 연구자와 전문 기관에 접근 권한을 부여해 성능과 한계를 연구하도록 할 예정입니다. 탐지기 접근을 제한하는 방식은 오탐이나 워터마크 미탐지가 규제 집행 또는 플랫폼 콘텐츠 관리에 잘못된 판단을 초래할 수 있다는 위험을 반영합니다. 또한 탐지 결과는 다른 신호와 함께 해석해야 한다는 점을 분명히 합니다.

실무적으로 텍스트의 출처를 추적하는 일은 이미지나 오디오보다 어렵습니다. 언어는 쉽게 편집·압축·번역·바꿔 쓰기가 가능하며, 이런 작업은 통계적 신호를 빠르게 약화시킵니다. 이미지 워터마크나 파일 인증 정보는 메타데이터가 제거되거나 파일이 다시 압축된 뒤에도 남을 수 있지만, 텍스트에는 고정된 ‘컨테이너’가 없습니다. 의미를 바꾸어 쓰더라도 지속적인 출처 정보가 남지 않을 수 있습니다. 따라서 의사결정자는 워터마킹을 다층적인 출처 관리 체계의 일부로 도입해야 합니다. 메타데이터, 사용자 고지, 행동 신호, 플랫폼 제어 기능은 모두 textGrain을 보완하는 데 여전히 필요합니다.