숙련된 스토리텔러는 이야기를 국소적인 내러티브 전략과 이러한 전략이 상위 수준의 아크를 형성하는 방식으로 분해한다. 이러한 분해는 작가들이 타인의 작품에서 패턴을 인식하고 그 패턴을 새로운 이야기를 전달하는 데 적용하는 데 도움을 준다. 그러나 초보자들은 이러한 전략을 식별하거나 효과적으로 재사용하는 데 어려움을 겪는다. 본 논문에서는 초보 작가들이 예시 이야기에서 내러티브 전략을 인식하고 이를 자신의 글쓰기에 재활용할 수 있도록 돕는 새로운 글쓰기 도구인 Narrix를 제안한다. Narrix는 예시 이야기의 전략을 분석하고, 색상으로 구분된 어휘적 단서와 설명으로 이를 강조하며, 감정적 전환과 전환점을 통한 탐험을 위해 인터랙티브 스토리 아크 위에 배치한다. 그런 다음 작가들은 전략을 다차원 트랙에 드래그하고 블록 범위 편집을 적용하여 지정된 전략에 의해 제어되는 생성을 통해 초안을 수정하거나 이어서 작성한다. 피험자 내 연구(N=12)를 통해 Narrix는 기준선 채팅 기반 글쓰기 인터페이스에 비해 참가자들의 내러티브 전략 기억, 자신감, 창의적 적용을 향상시키는 것으로 나타났다.
대규모 언어 모델(LLM) 기반 창작 글쓰기 보조 시스템이 표면적 교정과 무분별한 플롯 확장 사이에서 진동하는 이진 실패 문제를 해결하기 위해, 스토리와 담론의 서사학적 구분에 기반한 3단계 파이프라인 프레임워크 Loom을 제안한다. Loom은 지각 할당(Perception Quota), 의미 생성(Meaning Making), 서사 렌더링(Narrative Rendering) 레이어를 순차적으로 적용하여 원본 사건 구조를 보존하면서도 묘사 강도와 서사적 의도를 정밀하게 제어함으로써 기존 최신 기준선 대비 사실적 무결성과 묘사 강도 모두에서 최고 품질 점수를 달성했다.
50만 건 이상의 익명 ChatGPT 대화(WildChat)를 분석한 결과, 대화의 3분의 1 이상이 원작·롤플레이·팬픽·에로티카 등 소설 생성에 쓰였고, 특히 파워 유저와 같은 이야기를 반복·변주하는 infinite story demanders 패턴이 두드러졌다. 저자는 LLM이 독자와 작가 역할을 닫힌 대화 루프 안에서 무너뜨려 solipsistic reader-writer를 만들 수 있다고 주장하며, 팬픽·에로티카 중심의 즉시성·반복·틈새 조합 수요가 맞춤형·반복적 문화 형식과 구조적으로 닮았다고 논한다.