유튜브 피드를 넘기다 보면 어느 순간부터 사람이 만든 영상과 생성형 AI로 찍어낸 영상을 구분하기 어려워졌다는 감각을 갖게 된다. 최근 해커뉴스의 'Show HN'에 소개된 위드아웃(Weedout)은 바로 이 지점을 파고든다. 사파리용 브라우저 확장 프로그램인 위드아웃은 유튜브가 '메이드 위드 AI(Made with AI)'로 표시한 영상을 피드에서 조용히 걸러낸다. 개발자는 이를 '잡초를 뽑는다'는 비유로 설명하는데, 차단 화면이나 경고창을 띄우는 방식이 아니라 사용자가 스크롤로 지나치기 전에 해당 항목을 목록에서 아예 제거하는 방식이라는 점이 특징이다.
어떻게 걸러내는가
위드아웃의 작동 원리에서 핵심은 '추측하지 않는다'는 것이다. 이 확장은 자체 알고리즘으로 영상이 AI로 만들어졌는지 판별하지 않는다. 대신 유튜브가 이미 붙여 놓은 '메이드 위드 AI' 공개 배지를 신호로 삼는다. 즉 유튜브가 공식적으로 AI 제작이라고 표기한 영상만 대상이 되며, 휴리스틱이나 화질·화법 분석 같은 어림짐작이 개입하지 않는다. 개발자는 이 설계를 두고 '잘못된 지목(false accusation)이 없다'고 표현한다. 판별의 책임을 확장 프로그램이 지지 않고 플랫폼의 라벨에 위임하기 때문에, 사람이 만든 영상을 AI로 오인해 숨기는 일은 구조적으로 발생하지 않는다는 논리다.
적용 범위는 단순히 홈 피드에 그치지 않는다. 개발자 설명에 따르면 걸러내기는 메인 피드는 물론 검색 결과, 추천 영상(관련 영상), 그리고 쇼츠까지 확장된다. 유튜브에서 AI 라벨 영상이 노출될 만한 주요 지점을 두루 덮는 셈이다. 속도에 대해서는, 소개 페이지의 시연 화면은 시뮬레이션이지만 실제 피드에서는 라벨이 붙은 영상이 약 0.5초 안에 사라지고, 이미 캐시된 항목은 애초에 화면에 나타나지도 않는다고 밝히고 있다.
실무자에게 주는 함의
한국의 IT 실무자 입장에서 위드아웃이 흥미로운 이유는 개별 도구의 편의성보다 그 설계 철학에 있다. 콘텐츠 필터링 도구는 보통 자체 분류 모델을 돌려 오탐과 미탐의 늪에 빠지곤 하는데, 위드아웃은 그 부담을 플랫폼의 공식 메타데이터에 넘기는 전략을 택했다. 이는 확장 프로그램이나 사내 도구를 만들 때 참고할 만한 접근이다. 신뢰할 수 있는 1차 신호(플랫폼이 직접 부여한 라벨)가 존재한다면, 굳이 불확실한 추론 레이어를 새로 쌓기보다 그 신호를 소비하는 얇은 클라이언트를 만드는 편이 오탐 리스크와 유지보수 비용을 모두 줄인다.
동시에 이 방식은 명확한 한계를 안고 있다. 위드아웃이 걸러낼 수 있는 것은 어디까지나 유튜브가 라벨을 붙인 영상뿐이다. 라벨이 없는 저품질 AI 양산 콘텐츠, 이른바 '슬롭(slop)'은 개발자 스스로도 현재 대상에서 제외된다고 못 박고 있다. 문제는 유튜브의 AI 공개 표기가 상당 부분 창작자의 자율 신고에 의존한다는 데 있다. 표기를 하지 않거나 우회하는 영상은 이 도구의 그물에 걸리지 않으며, 결국 필터의 완전성은 플랫폼 정책의 집행 강도에 종속된다.
또 하나 짚어둘 점은 이 확장이 사파리 전용이라는 사실이다. 애플 생태계 사용자에게는 자연스러운 선택이지만, 크롬이나 파이어폭스 기반 환경이 다수인 국내 데스크톱 사용 현실을 감안하면 활용 폭은 제한적이다. 문의나 버그 제보, 걸러지지 않고 새어 나온 영상이 있으면 개발자 이메일로 연락하되 판별 관련이면 영상 링크를 함께 보내라고 안내하는 정도가 현재 지원 창구의 전부다.
결국 위드아웃은 '생성형 AI 콘텐츠를 개인이 어떻게 통제할 것인가'라는 큰 물음에 대한 작지만 구체적인 답변에 가깝다. 스스로 판단하는 대신 플랫폼의 공개 라벨을 소비하는 이 방식은, AI 콘텐츠 표기가 얼마나 성실하게 이뤄지느냐에 도구의 효용이 정직하게 비례한다는 사실을 역으로 드러낸다. 라벨링 제도가 촘촘해질수록 이런 얇은 필터의 가치는 커지고, 반대로 표기가 형식에 그친다면 도구 역시 그만큼의 사각지대를 남길 수밖에 없다.