AI로 연구자의 생산성이 하락할 가능성, 이론 연구가 지적

AI가 연구자의 업무를 효율화하더라도 논문의 질은 오히려 저하할 수 있다. 한 이론 연구가 그렇게 주장하고 있다. 이 연구는 언어 모델이 완벽하게 기능한다 하더라도 연구의 질을 높이기는커녕 낮추는 방향으로 작용할 수 있다고 논하고 있으며, AI 도구의 보급이 연구 현장에 반드시 좋은 결과를 가져오지는 않는다는 직관에 반하는 결론을 제시하고 있다.

AI가 연구자의 시간을 절약하는 것은 일견 바람직한 변화로 보인다. 그러나 연구에서는 생겨난 시간의 사용처가 중요하다는 점에 주목하고 있다. AI로 인해 시간에 여유가 생기면 연구자는 그 시간을 기존 연구의 심화나 정확도 향상에 쏟는 것이 아니라 새로운 프로젝트를 시작하는 데 사용하는 경향이 있다는 것이다. 이는 남은 작업 시간의 '가치'가 높아짐으로써 기존 연구보다 새로운 착수가 우선되는 메커니즘 때문이다.

이 연구에서는 여러 시나리오를 수리 모델로 검토했으며, 그 중 3분의 2의 시나리오에서 개별 논문의 질이 저하한다는 결과를 얻었다. 즉 AI가 연구자를 돕는 것으로 인해 한 편의 논문에 쏟는 노력이 줄어들고 전체적으로 연구의 수준이 하락할 가능성이 있음을 시사하고 있다. 발표되는 논문의 수는 늘어도 각각의 완성도가 떨어진다는 구조다.

이러한 논의의 배경에는 학술 연구 현장에서 AI 도구의 활용이 빠르게 확대되고 있는 현황이 있다. 문헌 정리나 논문 초안 작성, 데이터 분석 보조 등 AI가 맡는 역할은 확대되고 있으며, 연구자 한 명이 다룰 수 있는 정보량이나 해낼 수 있는 작업의 폭은 착실히 넓어지고 있다. 한편 연구의 '깊이'나 '성실함'은 시간의 투자로써 보장되어 온 부분도 크다.

이 연구가 문제 제기하는 것은 효율화와 질의 향상이 반드시 일치하지는 않는다는 점이다. 연구자가 같은 시간 내에 해낼 수 있는 업무의 양이 늘어나면 당연히 각 프로젝트에 대한 집중도는 분산되기 쉬워진다. AI가 시간을 만들어내는 것이 아니라 시간의 배분을 바꾼다는 관점은 향후 AI 활용을 평가하는 데 있어 중요한 시각으로 위치지어진다.

향후 주목할 점은 이러한 이론상의 우려가 실제 연구 데이터로 뒷받침되는지 여부다. 논문의 수가 늘어나는 한편 인용 수나 재현성 등 질을 측정하는 지표가 어떻게 변화하는지를 추적함으로써 AI가 학술계에 미치는 실제 영향을 판단할 수 있게 된다는 관점이 가능하다. 이론 연구가 제시한 문제는 AI를 연구 지원 도구로서 어떻게 설계하고 운영할 것인가를 생각하는 데 있어 하나의 판단 자료가 될 수 있다.