AI가 만든 이미지는 이제 훈련된 눈까지 속입니다. Midjourney, DALL-E 3, Stable Diffusion, Flux는 최근 2년 사이에 워낙 발전해서, "손가락을 세어 보라"는 예전 우스갯소리만으로는 합성 사진을 가려낼 수 없습니다. 그래도 최신 모델에서조차 인공적인 출처를 드러내는 기술적·시각적 신호는 꾸준히 남아 있습니다. 이 글에서는 이미지를 한 겹씩 뜯어보는 방법을 다룹니다. 눈에 보이는 구도부터 파일 안에 숨은 메타데이터, 그리고 지금 가장 믿을 만한 탐지 도구까지 차례로 살펴봅니다.
AI 이미지 판별이 왜 꼭 필요해졌나
얼마 전까지만 해도 AI 이미지를 알아보는 일은 기술적인 호기심에 가까웠습니다. 지금은 일상적인 판단에 직접 영향을 주는 실용적인 능력입니다. 오픈마켓 구매자는 "상품 사진"이 정말 판매자가 찍은 것인지 AI로 대충 만든 것인지 알아야 합니다. 채용 담당자는 링크드인과 이력서의 프로필 사진을 들여다봅니다. 기자와 팩트체커는 SNS에 도는 이미지를 보도 전에 확인합니다. 안타깝게도 로맨스 스캠과 명의 도용에도 AI로 만든 얼굴이 그럴듯한 가짜 계정을 만드는 데 쓰입니다.
모델의 완성도가 올라간 만큼 문제의 규모도 커졌습니다. 2023년만 해도 AI 이미지 대부분은 손과 글자에서 티가 확 났습니다. 2026년의 Midjourney v7, Flux 1.1 Pro, Gemini Image는 대체로 해부학적 일관성을 지켜 내기 때문에, 겉만 훑어보는 방식은 갈수록 믿기 어려워졌습니다. 그래서 단서 하나에 기대기보다 눈으로 보는 신호, 기술적 정보, 외부 도구를 함께 놓고 보는 편이 가장 안전합니다.
한 가지 짚고 갑니다. 여기 소개하는 어떤 방법도 100% 확실하지는 않습니다. 목표는 판단의 확신을 높이는 것이지, 비판적 사고를 대신하는 것이 아닙니다. 같은 방향을 가리키는 신호가 많을수록 결론이 단단해집니다.
여전히 AI 이미지를 드러내는 시각적 신호
이미지 생성 모델은 실제 사진 수백만 장에서 익힌 통계적 패턴을 바탕으로 그럴듯한 픽셀을 예측합니다. 덕분에 질감은 아주 그럴듯하게 만들어 내지만, 구조가 엄격하게 맞아떨어져야 하는 부분에서는 여전히 흔들립니다. 손가락 개수나 얼굴의 좌우 대칭처럼, 사람이 어릴 때부터 세고 확인하며 익힌 요소들이 그렇습니다.
손, 손가락, 관절
많이 나아졌지만 여전히 가장 자주 지적되는 약점입니다. 손가락이 하나 더 있거나 모자라지 않은지, 관절이 해부학적으로 불가능한 각도로 꺾이지 않았는지, 손가락끼리 찰흙처럼 뭉개져 붙지 않았는지 살펴보십시오. 손이 사물이나 주머니, 머리카락 뒤로 반쯤 가려져 있는 것도 따로 눈여겨볼 신호입니다. 많은 생성 모델이 자신 없는 부분을 일부러 가리기 때문입니다.
치아, 눈, 귀
AI가 만든 치아는 실제 치열에 있는 자잘한 불규칙함 없이, 지나치게 고른 한 줄로 나올 때가 있습니다. 눈에서는 양쪽 catchlight가 서로 맞지 않는 경우가 있습니다. 한쪽 눈과 다른 쪽 눈에서 반사광의 위치나 모양이 다르게 나타나는 식인데, 광원이 하나라면 물리적으로 일어날 수 없는 일입니다. 귀는 이륜, 대이륜, 이주로 이어지는 내부 구조가 복잡해서 AI가 단순화하거나 살짝 일그러뜨리는 일이 잦고, 특히 사선으로 찍은 얼굴에서 자주 나타납니다.
머리카락, 옷감, 반복되는 무늬
머리카락 한 올 한 올이 덩어리로 뭉치거나, 체크나 줄무늬 같은 옷감 무늬가 옷 전체에서 규칙적으로 이어지지 않거나, 얼굴 좌우의 귀걸이와 목걸이가 서로 어긋나는 것은 자주 나오는 신호입니다. AI는 반복 무늬라는 "개념"은 이해하지만, 이미지 전체에 걸쳐 그 반복을 수학적으로 완벽하게 유지하지는 못합니다.
이미지 속 글자와 서체
간판, 티셔츠, 제품 라벨, 배경의 표지판은 가장 약한 부분에 속합니다. 뛰어난 모델도 언뜻 보면 맞는 것 같지만 실제로는 뜻 없는 기호에 가까운 글자를 만들어 냅니다. 가까이서 보면 진짜 단어가 되지 않는 "글자 비슷한 것"인 셈입니다. 현재로서는 가장 믿을 만한 신호 중 하나입니다.
빛과 그림자, 반사의 물리
주광원이라면 나올 수 없는 방향으로 그림자가 지거나, 유리나 거울에 비친 모습이 실제로 비쳐야 할 것과 다르거나, 피부에 닿은 빛이 주변 조명과 맞지 않는 것은 미묘하지만 꾸준히 나타나는 단서입니다. 창문 빛과 조명이 함께 있는 것처럼 광원이 여럿인 장면을 특히 눈여겨보십시오. 이런 장면에서 AI는 그림자를 물리적으로 앞뒤가 맞지 않게 "섞어" 버리는 경향이 있습니다.
배경과 장면의 구성
배경 요소들이 경계 없이 서로 녹아 붙지는 않았는지, 구도상 이유 없이 사물이 화면 밖에서 뚝 끊기지는 않았는지, 실제 공간이라면 그렇게 놓일 리 없는 위치에 거의 똑같은 의자 두 개가 있는 식의 이상한 반복은 없는지 살펴보십시오. 흐릿한 배경(보케)이 이런 어긋남을 가려 줄 때가 있으니, 오히려 흐려진 영역을 더 꼼꼼히 볼 만합니다.
💡 팁: 이미지를 최소 200%로 확대해 모서리와 가장자리를 보십시오. 모델의 관심이 화면 가운데로 쏠리다 보니, 세밀한 부분이 가장 많이 무너지는 곳이 바로 여기입니다.
피부 질감과 지나친 완벽함이라는 문제
진짜 사진에는 미묘한 결함이 남습니다. 모공이 보이고, 얼굴에 잔털이 있고, 좌우가 조금 다르고, 피부 아래 혈관 때문에 색조가 미세하게 달라집니다. AI 이미지는, 특히 "스튜디오" 인물 사진에서 이런 요소를 전부 매끈하게 밀어 버려 밀랍처럼 보이는 질감을 만듭니다. 커버력 높은 화장을 고르게 펴 바른 것 같은 느낌입니다. 밝은 피부에 직접광이 닿는 사진에서 이 효과가 가장 잘 보이는데, 자연스러운 변화가 없다는 점이 더 두드러지기 때문입니다.
다만 휴대폰 카메라 앱에 흔한 피부 보정 필터를 강하게 먹인 진짜 사진에서도 같은 현상이 나타납니다. 그래서 이 신호는 단독 증거보다는 다른 신호를 뒷받침하는 근거로 쓰는 편이 낫습니다.
EXIF 메타데이터: 파일에 숨은 정보가 알려 주는 것
디지털카메라나 스마트폰으로 찍은 사진에는 EXIF(Exchangeable Image File Format)라는 기술 정보가 파일 안에 함께 담깁니다. 카메라나 휴대폰 기종, 렌즈 종류, 조리개, 셔터 속도, ISO, 촬영한 정확한 날짜와 시각이 들어가고, 경우에 따라 GPS 좌표까지 기록됩니다.
AI가 만든 이미지를 도구에서 바로 내보내면 이 항목들이 대개 비어 있거나, 실제 카메라 정보 대신 생성 소프트웨어의 일반적인 정보만 들어 있습니다. EXIF 제거 도구로 금방 확인할 수 있습니다. 지울지 남길지 정하기 전에 파일의 모든 메타데이터를 보여 줍니다.
Content Credentials와 C2PA
최근 들어 점점 중요해지는 흐름이 C2PA(Coalition for Content Provenance and Authenticity) 표준입니다. Adobe, OpenAI, Google, Microsoft, 라이카 등이 참여하고 있습니다. 이 표준을 지원하는 도구로 만든 이미지에는 "Content Credentials" 표시가 붙습니다. 이미지의 출처를 암호학적으로 기록한 것으로, AI로 생성되었는지 편집되었는지까지 담깁니다. 아직 모든 이미지에 붙어 있지는 않지만, 있다면 지금 확인할 수 있는 근거 중 가장 믿을 만합니다.
💡 팁: 메타데이터가 없다는 사실만으로 AI 이미지라고 볼 수는 없습니다. SNS, 카카오톡, 대부분의 편집 앱도 저장하거나 공유하기 전에 사진을 다시 압축하면서 이 정보를 지웁니다. 하나의 참고 신호로만 쓰고, 그 자체를 결정적인 증거로 삼지 마십시오.
자동 탐지 도구: 지금 쓸 수 있는 것들
직접 눈으로 보는 것 외에, 자체 AI 모델로 사람 눈에 보이지 않는 픽셀의 통계적 패턴을 잡아내는 전문 서비스들이 있습니다. 생성 모델이 결과물에 남기는 미세한 흔적을 찾는 것입니다. 어느 것도 완벽하지는 않지만, 앞에서 설명한 육안 분석과 함께 쓰면 두 번째 의견으로 쓸모가 큽니다.
| 도구 | 작동 방식 | 가장 알맞은 용도 |
|---|---|---|
| Hive Moderation | 라벨이 붙은 이미지 수백만 장으로 학습한 분류 모델 | 업로드나 API를 통한 빠른 확인 |
| Illuminarty | 픽셀 패턴과 압축 방식의 통계 분석 | 사진과 디지털 일러스트 |
| AI or Not | 여러 분류기를 조합 | 여러 이미지를 한꺼번에 확인 |
| Google SynthID | 생성 단계에서 삽입되는 보이지 않는 워터마크(해당하는 경우) | 구글 제품에서 만든 이미지 |
| Optic (por AI or Not) | 얼굴과 인물 사진에 특화된 탐지 | 프로필 사진과 아바타 확인 |
중요한 점이 하나 있습니다. 이 도구들이 분석하는 통계적 패턴은, 생성 모델이 새 버전을 내놓을 때마다 없애려고 애쓰는 바로 그 흔적입니다. 그래서 탐지 정확도는 시간이 지나면서 달라집니다. Stable Diffusion 1.5 이미지를 95% 잡아내던 도구가 최신 Flux 앞에서는 적중률이 크게 떨어질 수 있습니다. 결론을 내리기 전에 항상 두 개 이상의 도구를 돌려 보십시오.
보조 수단으로서의 이미지 역방향 검색
구글 렌즈나 TinEye로 역방향 검색을 하면 쓸모 있는 맥락이 드러납니다. 같은 이미지가 다른 사이트에 다른 설명과 함께 올라온 적이 있는지, 이미 합성으로 지목된 적이 있는지, 심지어 AI 편집의 바탕이 된 실제 원본 사진까지 찾아낼 수 있습니다. 사기에서 흔히 쓰이는 수법이 남의 진짜 사진을 가져와 생성형 AI로 "손보는" 것입니다.
데이팅 앱이나 SNS에서 수상한 프로필 사진을 확인할 때 특히 유용합니다. 가짜 계정 상당수가 실제 사람의 사진을 동의 없이, AI 편집을 거치거나 거치지 않고 그대로 가져다 쓰기 때문입니다.
생성 모델마다 어디서 어떻게 실수하나
이미지 생성 모델마다 고유한 오류 "서명"이 있습니다. 어떤 데이터로 학습했는지, 구조를 어떻게 설계했는지에 따라 달라집니다. 이 차이를 알아 두면 이미지의 출처를 짐작해 가며 어디부터 볼지 정할 수 있습니다.
| 생성 모델 | 가장 흔한 오류 | 강점 |
|---|---|---|
| Midjourney | "지나치게 완벽한" 구도, 인물 사진의 밀랍 같은 피부 | 매우 설득력 있는 미감과 조명 |
| DALL-E 3 | 읽힐 듯하지만 틀린 글자, 살짝 과한 채도 | 복잡한 프롬프트를 잘 이해함 |
| Stable Diffusion(구버전) | 일그러진 손, 좌우가 다른 눈 | LoRA를 통한 유연한 조정 |
| Flux | 배경에 미묘하게 반복되는 무늬 | 훨씬 일관된 인체 묘사와 손 |
| Gemini Image / Imagen | 복잡한 장면에서 반사와 그림자가 어긋나기도 함 | 단순한 장면에서의 사진 같은 사실감 |
이 표는 고정된 규칙이 아닙니다. 모델은 자주 갱신되고, 오늘의 특징적인 오류가 다음 버전에서는 이미 고쳐져 있을 수 있습니다. 그래도 특정 이미지의 출처가 의심스러울 때 어디부터 봐야 할지 정하는 데는 도움이 됩니다.
이 능력이 실제로 필요한 순간들
중고 거래와 오픈마켓: 지나치게 완벽한 중고 상품 사진을 믿기 전에, 메타데이터가 있는지, 배경이 앞뒤가 맞는지, 라벨이나 박음질, 질감 같은 작은 부분이 물리적으로 말이 되는지 확인하십시오.
보도 검증: 팩트체커는 재난이나 큰 사건 때 빠르게 퍼지는 이미지의 진위를 확인하기 전에 역방향 검색, 메타데이터 분석, 탐지 도구를 함께 씁니다.
SNS와 데이팅 앱 프로필: "지나치게 완벽한" 스튜디오 조명의 프로필 사진, 과거 게시물이 전혀 없는 계정, 영상 통화를 한사코 피하는 태도가 AI 흔적이 보이는 사진과 겹친다면 각별히 조심할 일입니다.
채용과 인사: 일부 기업은 신원 확인 절차를 강화하면서, 이력서나 링크드인 사진이 인공적으로 만들어진 것인지 이미 확인하고 있습니다.
AI 이미지를 가려낼 때 흔히 하는 실수
가장 잦은 실수는 신호 하나를 결정적 증거로 받아들이는 것입니다. EXIF 메타데이터가 없다는 이유만으로 진짜 사진을 가짜로 몰아붙이는 식인데, 단지 카카오톡을 거쳤기 때문일 수도 있습니다. 자동 탐지 도구 하나의 결과를 맹신하는 것도 흔한 실수입니다. 이런 도구 역시 진짜 사진을 AI로 잘못 표시하기도 하고, 최신 합성 이미지를 놓치기도 합니다.
자기 눈썰미를 과신하는 것도 흔합니다. 여러 연구를 보면, 최신 고품질 모델이 만든 이미지에 대해서는 도구 없이 판단할 때 정답률이 찍는 것과 크게 다르지 않았습니다. 그래서 "훈련된 눈"에만 기대기보다 여러 방법을 함께 쓰는 편이 언제나 더 믿을 만합니다.
세 번째 실수는 이미지가 퍼지는 맥락을 무시하는 것입니다. 출처를 확인할 수 없고, 이전에 게시된 기록도 없고, 당장 공유하라는 식의 감정을 자극하는 설명이 붙어 도는 사진은, 꾸준한 활동 이력이 있는 인증 계정이 올린 이미지보다 훨씬 의심스럽습니다. 이미지 자체에서 발견한 기술적 신호와는 별개로 그렇습니다. 실제로 출처의 맥락과 확산 방식은 픽셀 단위 분석만큼이나 중요합니다.
끝으로, 이미지가 부분적으로만 AI로 만들어질 수 있다는 점을 기억하십시오. 진짜 사진에서 배경만 바꾸거나, 사물 하나를 지우거나, 옷을 디지털로 갈아입힌 경우입니다. 이런 혼합형에서는 AI의 흔적이 장면 전체에 고르게 퍼지지 않고 특정 영역, 대개 손댄 부분에 몰려 나타납니다. 완전히 합성된 이미지와 다른 점입니다.
의심스러운 이미지를 점검하는 빠른 체크리스트
- 이미지를 확대해 손, 치아, 귀, 장신구에 좌우 어긋남이나 일그러짐이 없는지 봅니다.
- 장면 안의 글자와 서체를 살핍니다. 간판, 라벨, 표지판이 대상입니다.
- 보이는 광원과 빛, 그림자가 서로 앞뒤가 맞는지 확인합니다.
- ImageTools의 EXIF 제거 도구로 파일의 EXIF 메타데이터를 확인합니다.
- Hive, Illuminarty, AI or Not 중 하나 이상의 자동 탐지 도구에 이미지를 넣어 봅니다.
- 역방향 검색으로 이미지의 맥락과 출처를 확인합니다.
이 목록의 어느 항목도 그 하나만으로 결론이 될 필요는 없습니다. 근거를 쌓아 가는 데 의미가 있습니다. 네다섯 항목을 무리 없이 통과한 이미지는, 여러 항목에서 동시에 걸리는 이미지보다 진짜일 가능성이 훨씬 높습니다.