퀼봇(QuillBot) vs 엔그램(Engram) 비교 (2024)

퀼봇(QuillBot)은 패러프레이징 도구 분야에서 오랜 시간 동안 최고로 손꼽혀온 AI 기반 패러프레이징 툴입니다. 얼마전 주요 생성형 AI 웹 순위에서 5위를 차지할 정도로 많은 사람들이 사용하는 도구입니다.

여기서 패러프레이징이란 바꾸어 표현하기, 말 바꿔 쓰기 등으로 번역할 수 있는데, 기존에 작성한 문장에서 뜻이 유사하지만 다른 어휘와 표현을 사용하여 문장을 다르게 작성하는 것을 의미합니다.

많은 블로거들이 퀼봇(QuillBot)의 특징들을 다룬 포스트를 작성해왔습니다. 다만, 그 포스트들은 퀼봇의 기능에 대한 소개에 중점을 두고, 퀼봇이 제공하는 문장의 품질에 대해서는 많이 언급하지 않았습니다.

그래서 저희는 퀼봇이 패러프레이징한 글들의 품질을 평가해보고, 그 결과물들이 신뢰할 수 있는지 알아보기로 했습니다. 그리고 비교대상으로 삼기위해 엔그램 패러프레이징 도구에 똑같은 문장들을 입력해보았습니다.

평가 내용 요약
• 결과물의 품질 평가를 위해 의미의 정확성, 자연스러움, 적절성의 세 가지 기준을 적용했습니다.
• 문장 100개에 대한 평가 및 문장 5개에 대한 심층적 분석을 통해 엔그램과 퀼봇의 패러프레이징 도구를 비교했습니다. 이 과정에서 엔그램 패러프레이징 도구의 표준 스타일과 퀼봇의 Standard 및 Fluency 모드를 사용했습니다.
• 엔그램의 격식 스타일에 대한 추가적인 분석을 진행했습니다.
• 엔그램과 퀼봇의 패러프레이징 도구 각각에 소설의 한 구절을 입력했을 때 제공되는 패러프레이즈 문장에 대한 평가를 진행하였습니다.

엔그램 패러프레이징 도구 바로가기

세 줄 요약

평가 결과, 둘 중 엔그램이 확연하게 더 나은 결과를 보여주었습니다.

퀼봇 vs 엔그램 둘 다 좋은 성능을 보여주었지만, 엔그램 패러프레이징 도구가 만들어낸 결과물의 품질이 압도적으로 좋았습니다. 또, 엔그램은 격식 문체를 무료 버전에서도 제공한다는 추가적인 장점이 있었습니다.

퀼봇이 뭔가요?

퀼봇(QuillBot)은 인공지능을 기반으로 하여 글을재구성해서 다시 써주는 온라인 패러프레이징 도구입니다. 사용자들이 원문의 의미를 유지하면서도 입력한 문장이나 문단의 대안을 만들어낼 수 있게 도와주도록 고안되었습니다. 퀼봇은 표절을 방지하기 위해서나, 글의 명확성을 높이거나, 혹은 단순히 생각을 표현할 수 있는 또다른 방법을 찾고자 학생, 글을 써야하는 사람들, 연구자들이 자주 사용합니다.

엔그램이 뭔가요?

엔그램(Engram)은 비원어민 영어 사용자들이 영어의 수준을 높일 수 있도록 돕는 것에 최적화된 AI 기반 글쓰기 도구입니다. 문법 검사기, 패러프레이징 도구, 번역기와 같은 여러가지 기능을 갖추어, 누구든지 영어를 통한 완전한 잠재력의 실현을 이룰 수 있게끔 도와줍니다.

엔그램을 방문하여 다양한 엔그램의 기능들을 사용해보세요.

패러프레이징 도구를 고를 때 중요한 점은 무엇인가요?

학교든 직장에서든, 메시지나 생각을 전달할 때는 명확하고 효과적으로 하는 것이 좋습니다.

연구에 따르면, 73%의 고용주들이 글을 통한 의사소통 능력이 좋은 지원자를 선호한다는 결과가 있지만, 놀랍게도 X세대의 40%는 글을 통한 의사소통을 하는 과정에서 소통 오류가 발생한다는 조사 결과가 있습니다. 이를 고려하여 저희는 좋은 글쓰기에 있어 반드시 필요한 최소한의 요건들을 갖추었는지를 중점으로 패러프레이징 도구들을 평가했습니다.

점수 평가 기준

본격적인 평가에 앞서, 엔그램은 의미의 정확성, 자연스러움, 적절성이라는 세 가지의 기본적 요소들로 "퀄리티"를 정의했습니다. 이렇게 퀄리티를 정의함으로써 주관성이나 결과의 변수를 배제하고자 하였습니다.

의미의 정확성: 패러프레이징 결과물에 원문의 의미가 그대로 유지되어있는가?

자연스러움: 결과물에 문법적인 오류는 없는가? 문장에 어색함은 없는가?
*이 포스트 내에서는 '자연스러움'과 '유창성'이 동일한 의미로 사용될 것입니다.

적절성: 결과물이 특정 맥락이나 목적에 적절한가?

평가

평가는 엔그램의 데이터에서 무작위로 선정된 100개의 문장을 대상으로 블라인드 평가를 진행하였습니다. 본 평가의 경우 엔그램의 표준 스타일과 퀼봇의 Standard Mode를 사용했으며, 다음의 두 기준만을 적용하여 점수를 부여하였습니다.

의미의 적절성
자연스러움

그리고 두 번째 기준인 자연스러움은 아래의 두 가지 요소를 기반으로 합니다.

문법적, 형태적 오류가 없는지
어색한 표현이나 어휘가 없는지

결과를 살펴보면, 두 개의 기준 모두에서 엔그램이 퀼봇보다 나은 결과를 보여주는 것을 확인할 수 있습니다. 엔그램의 결과물은 97%의 경우에 의미의 정확성을 지닌 동시에 83%의 경우에 자연스러움을 갖춘 반면, 퀼봇의 결과물은 75%의 경우에 원문과 같은 의미를 유지했고 단 65%의 경우에만 자연스러움을 갖췄습니다.

심층 분석

퀼봇 vs. 엔그램

퀼봇의 무료 버전은 Standard 모드와 Fluency 모드, 총 두 개의 모드를 제공합니다. 엔그램의 표준 스타일은 Standard 및 Fluency 모드의 성능을 모두 포함하기 때문에, 이 포스트에서는 이 두 가지의 모드를 엔그램의 표준 스타일과 비교하여 평가하도록 하겠습니다. 앞서 언급한 세 개의 기준인 문법적 오류, 유창성, 적절성을 가지고 모드들과 문체의 점수를 매길 것이며, 일상생활 속에서 사용할 수 있는지 여부를 고려하여 문장들을 평가했습니다.

Input	Quillbot's Standard	Quillbot's Fluency	Engram's Standard
1. The apples in the basket taste well.	The apples in the hamper have a good flavor.	The apples in the basket taste good.	The apples in the basket taste delicious.
2. We measured the fit and used the recruitment site to filter talent and run the recruitment process	We used the recruitment site to manage the hiring process, filter talent and measure fit.	We assessed fit and used the recruitment site to filter candidates and manage the recruitment process.	We assessed the suitability and utilized the hiring platform to screen candidates and manage the hiring process.
3. I observed everyone trying.	I saw that everyone was attempting.	I saw that everyone try.	I saw everyone making an effort.
4. They have smiley faces.	Their faces are happy.	Their faces are happy.	They have happy expressions.
5. With whom did she get married?	Who was her spouse at marriage?	To whom did she get married?	Who did she marry?

1. Engram

엔그램의 문장에서 원문의 의미가 유지되었고, "taste delicious"라는 구절에서 셋 중 가장 세련된 표현을 사용했습니다.

2. Engram

입력한 문장의 의미가 100% 정확하게 전달되지는 않았지만, 엔그램의 문장이 셋 중 가장 나은 선택지입니다. 대부분 "Hiring"과 "recruitment"를 유의어로 받아들이긴 하지만, 둘에는 의미의 차이가 존재합니다. 퀼봇의 결과물들에서는 단어 "fit"이 다른 의미를 내포하기도 하여 어색하게 느껴집니다. 따라서 퀼봇의 문장을 사용한다면 단어 "fit"이 의미에 있어 혼란을 야기시킬 가능성이 있습니다.

3. Engram

퀼봇의 두 문장과는 달리, 엔그램의 문장은 동사로 끝나지 않고 이해하기가 더 용이합니다.

4. Engram

퀼봇이 내놓은 두 문장은 "faces"를 인격화시켜서 의미를 흐린 반면, 엔그램의 문장은 "they"가 행복한 감정을 느끼는 것으로 확실히 전달하고 있습니다.

5. Engram

퀼봇의 문장들에도 틀린 부분은 없지만, 엔그램의 "Who did she marry?"가 가장 일반적으로 사용될만한 문장입니다.

총평

모든 항목에서 엔그램의 문장이 가장 좋은 문장으로 선정되어 의미의 정확성, 문법적 정확성, 적절성에 따라 점수를 매겼을 때 엔그램의 패러프레이징 도구가 가장 퀄리티가 좋다는 것을 증명했습니다. 엔그램의 패러프레이징 도구를 사용해보시고 싶다면, 아래의 버튼을 눌러보세요.

엔그램 패러프레이징 도구 바로가기

아래에 각 문장들을 따로따로 분석한 내용을 실었습니다. 위 결과를 도출해내기까지의 더 자세한 설명이 궁금하시다면 계속해서 읽어주시기 바랍니다.

분석 내용 전체

퀼봇의 Standard 모드

퀼봇의 웹사이트에는 Standard 모드가 "a middle ground between changing the input text and keeping its meaning." (입력된 텍스트를 바꾸는 것과 텍스트의 의미를 유지하는 것의 중간 지점)을 제공한다고 나와있습니다.

1. The apples in the basket taste well. ➡️ The apples in the hamper have a good flavor.

2. We measured the fit and used the recruitment site to filter talent and run the recruitment process ➡️ We used the recruitment site to manage the hiring process, filter talent and measure fit.

3. I observed everyone trying. ➡️ I saw that everyone was attempting.

4. They have smiley faces. ➡️ Their faces are happy.

5. With whom did she get married? ➡️ Who was her spouse at marriage?

첫 번째 문장에서 "basket"이 "hamper"로 바뀌었고 "taste well"이 "good flavor"로 바뀌었습니다. "basket"이 "hamper"로 바뀐 것에는 의미상의 문제가 있습니다. "hamper"은 바구니 중에서도 빨랫감을 넣는 바구니를 가리키기 때문입니다. "taste well"이 "good flavor"로 바뀐 것은 의미의 변화는 없지만 "apples have a good flavor"은 흔히 사용되는 표현이 아닙니다.
"Measure fit"은 채용과정의 맥락에서 일반적으로 쓰이는 표현이 아니며, 특히 "fit"이 다른 의미로도 쓰이기 때문에 이 문장에서 어색하게 느껴집니다. 원문에서는 이 구절이 "recruitment site"의 기능과는 독립적인 절로 존재하는 반면, 퀼봇의 문장은 "measure fit"이 recruitment site의 기능 중 하나인 것처럼 서술했습니다.
결과물에 원문의 의미가 올바르게 전달되긴 했으나, 영어에서 문장이 동사로 끝나는 것은 일반적으로 권고되지 않습니다. 따라서 어색함으로 감점이 이루어졌습니다.
"faces are happy"는 얼굴을 인격화하여 말하고있기 때문에 어색합니다. 행복감을 느끼는 것은 얼굴들이 아닌 사람들입니다.
결과 문장에 문법적인 오류는 없지만, 틀린 표현은 아님에도 불구하고 일상적인 맥락에서 "spouse"라는 표현은 잘 쓰이지 않습니다.

퀼봇의 Fluency 모드

퀼봇은 Fluency 모드가 "improves the clarity and readability of text." (글의 명확성을 높여주고 읽기 쉽게 만들어준다)고 말하고 있습니다.

1. The apples in the basket taste well. ➡️ The apples in the basket taste good.

2. We measured the fit and used the recruitment site to filter talent and run the recruitment process ➡️ We assessed fit and used the recruitment site to filter candidates and manage the recruitment process.

3. I observed everyone trying. ➡️ I saw that everyone try.

4. They have smiley faces. ➡️ Their faces are happy.

5. With whom did she get married? ➡️ To whom did she get married?

결과 문장이 의미에 있어 정확하고 유창합니다. 일상적인 맥락에서 사용이 가능합니다. 유일한 단점은 "apples taste good"이 너무 단순하게 여겨질 수도 있다는 점입니다.
앞서 말했듯이 "fit"은 채용과정의 맥락에서 일반적으로 쓰이는 표현이 아닙니다.
"everyone"이 무엇에 노력을 하는 것인지에 대한 목적어가 없기 때문에 불완전한 문장입니다.
문장이 "faces"를 인격화하고 있습니다. 행복한 감정을 느끼는 것은 "faces"가 아닌 사람들입니다.
문법적으로 올바르며 원문의 의미가 결과 문장에 잘 유지되어 있습니다.

Engram's Standard

엔그램의 웹사이트를 보면, 표준 스타일은 "업무와 일상에서 일반적으로 사용"이 가능하다고 나와있습니다.

1. The apples in the basket taste well. ➡️ The apples in the basket taste delicious.

2. We measured the fit and used the recruitment site to filter talent and run the recruitment process ➡️ We assessed the suitability and utilized the hiring platform to screen candidates and manage the hiring process.

3. I observed everyone trying. ➡️ I saw everyone making an effort.

4. They have smiley faces. ➡️ They have happy expressions.

5. With whom did she get married? ➡️ Who did she marry?

의미 전달이 정확하게 되었고 어색하지 않습니다.
Recruitment와 hiring은 약간의 의미의 차이가 있기 때문에 정확성을 따졌을 때 완벽한 문장은 아닙니다. 하지만 대부분의 사람들은 둘의 차이를 구분해내지 못할 것입니다. 그래도 퀼봇과 달리 엔그램은 어색한 "fit"을 주어진 문장에 더 적절한 "suitability"로 바꾸긴 했습니다.
좋습니다. 마침내 동사가 아닌 명사로 문장이 끝나도록 문장이 바뀌었습니다.
퀼봇의 문장과 다르게 "faces"를 인격화하지 않고 "happy expressions"의 주어를 "they"로 설정했습니다. 문버적 오류가 없고 패러프레이징된 문장에 원문의 의미가 유지되어 있습니다.
"Who did she marry?"가 일상적인 맥락의 대화에서 쓰이는 가장 일반적이고 옳은 표현입니다.

Engram의 격식 스타일

퀼봇과 다르게 엔그램은 격식 스타일을 지원합니다. 엔그램의 표준 스타일이 비교 심층 분석에서 더 나은 결과를 보여준만큼, 저희는 엔그램의 격식 스타일 패러프레이징 결과물의 심층 분석도 해보기로 결정했습니다.

엔그램 웹사이트에서, 격식 스타일은 예의를 갖춰야하는 격식있는 맥락과 업무적인 맥락에서 사용될 글을 위한 기능이라고 나와있습니다.

1. The apples in the basket taste well. ➡️ The apples in the basket taste good.

2. We measured the fit and used the recruitment site to filter talent and run the recruitment process. ➡️ We assessed suitability and utilized the recruitment platform to screen candidates and facilitate the recruitment procedure.

3. I observed everyone trying ➡️ I observed everyone making an effort.

4. They have smiley faces ➡️ They exhibit expressions of happiness.

5. With whom did she get married? ➡️ With whom was she married?

문법적으로 올바른 문장이며 의미가 정확하게 전달되었습니다. 다만 너무 단순해보일 수 있는 문장이라는 한 가지 단점이 있기 때문에 적절성에서 감점 처리되었습니다.
문법적으로 올바르고 의미가 정확하며, 또한 격식 문체에 적절합니다.
문법적으로 올바르고 의미가 정확하며, 또한 격식 문체에 적절합니다.
문법적으로 올바르고 의미가 정확하며, 또한 격식 문체에 적절합니다.
문법적으로 올바르고 의미가 정확하며, 또한 격식 문체에 적절합니다.

총평

5개 중 5개의 문장이 의미 전달이 정확했고 문법적인 오류가 없었습니다. 그 중 "The apples in the basket taste good."이라는 문장이 적절성 기준에 미치지 못했지만, 이는 문장의 단순함 때문이었습니다. 예의를 갖춰야하는 상황에서 사용하기에 틀린 문장은 아닙니다.

업무적인 이메일을 작성해야하거나, 격식있는 자리를 위한 연설문을 써야하나요? 아래의 버튼을 눌러 엔그램의 패러프레이징 툴을 무료로 사용해볼 수 있습니다. 격식 문체 버전을 사용하기 위해서는 계정을 생성하고 대시보드의 패러프레이징 툴을 사용해야 합니다.

엔그램 패러프레이징 도구 바로가기

재미로 해보는 분석

많은 글쓴이들이 창작물이나 소설의 변환에 있어 퀼봇의 패러프레이징 도구에 비판적인 입장을 보여왔습니다. 그래서 엔그램에서는 J. D. 샐린저의 작품인 "호밀밭의 파수꾼"에서 따온 유명한 인용문을 퀼봇과 엔그램의 패러프레이징 도구에 입력해보는 재미있는 테스트를 해보기로 했습니다. 인용문은 퀼봇의 Standard 모드와 엔그램의 표준 스타일을 적용하여 테스트되었습니다.

“The mark of the immature man is that he wants to die nobly for a cause, while the mark of the mature man is that he wants to live humbly for one.” - J.D. Salinger

Quillbot
The mark of the immature man is that he wants to die nobly for a cause, while the mark of the mature man is that he wants to live humbly for one. ➡️ A guy who wishes to die honorably for a cause is immature, whereas a man who wishes to live humbly for a purpose is mature.

Engram
The mark of the immature man is that he wants to die nobly for a cause, while the mark of the mature man is that he wants to live humbly for one. ➡️ The immature man seeks to die nobly for a cause, while the mature man strives to live humbly for one.

총평

엔그램의 결과물이 원문보다 더 이해하기가 쉽고 명료합니다. 퀼봇의 결과물은 아마 미성숙함(immaturity)를 강조하려는 목적으로 "man"을 "guy"로 바꾼 것으로 보입니다만, 결과적으로 문장이 엉성하고 억지스러워 보이게 만들었습니다. 또한 퀼봇은 "nobly"를 "honorably"로 바꾸어 인용문의 함축적인 의미를 변질시켰습니다. 원문의 "nobly"는 "nobly"라는 단어의 고어(古語)적인 특징을 활용해 반어적인 느낌을 주려는 의도로 남성(the man)의 미성숙함을 강조하고자 쓰였기 때문입니다.

결론적으로, 퀼봇은 불필요한 수정을 하여 결과 문장이 어색하고 원문보다 좋지 않은 문장을 만들어냈습니다.

퀼봇 vs. 엔그램: 핵심 요약

엔그램의 패러프레이징 도구가 원문의 의미 유지, 문법적 정확성, 그리고 적절성의 세 개의 기준에 있어 퀼봇의 패러프레이징 도구를 퀄리티 면에서 가볍게 이겼습니다.

이같은 결론은 두 가지 분석을 통해 내려질 수 있었습니다. 하나는 100개의 문장으로 구성된 평가였고, 다른 하나는 다섯 개의 문장을 가지고 시행된 심층적 분석이었습니다.

마지막 두 개의 평가 또한 퀼봇과 엔그램을 두고 고민하고 있다면 엔그램이 가장 좋은 선택이라는 저희의 의견에 뒷받침이 되었습니다. 세 번째 평가는 엔그램의 격식 문체 문장들을 자세히 분석하는 것이었고, 재미삼아 해보는 취지의 분석에서도 엔그램이 둘 중 더 나은 선택이라는 것을 확인할 수 있었습니다.

그 외 고려해야할 요소

비용

엔그램 월 이용료는 13,900원인 반면 퀼봇 프리미엄 버전 월 이용료는 19.95달러로 한화 약 27,000원입니다. 엔그램의 월 이용료는 PREMIUM 플랜의 경우 부과되는 것으로, 엔그램의 패러프레이즈, 교정하기를 포함하여 단어 수 계산기, 이력서 생성기와 같은 다른 모든 기능들에 대한 무제한 이용을 제공합니다. 프리미엄 버전을 구독하면 패러프레이징 툴의 7가지 다른 문체들을 사용하는 것도 가능해집니다.