AI-Generated Figures in Academic Publishing: Policies, Tools, and Practical Guidelines

논문 기술적 요약

제목: 학술 출판에서의 AI 생성 이미지: 정책, 도구 및 실용적 가이드라인
저자: Davie Chen (포즈난 예술대학교)
작성일: 2026 년 3 월

1. 문제 제기 (Problem Statement)

• 배경: 생성형 AI(확산 모델, 비전 - 언어 모델 등) 의 급속한 발전으로 과학적 그림, 그래픽 초록, 데이터 시각화를 고품질로 제작할 수 있는 도구가 등장했습니다. 이는 특히 초기 연구자나 디자인 자원이 부족한 팀에게 과학적 소통의 장벽을 낮출 잠재력을 가집니다.
• 핵심 문제: 학술 출판사들은 AI 생성 이미지에 대해 일관성 없고 모호한 정책을 가지고 있습니다. Nature, Science, Cell Press 등 주요 출판사들의 정책은 '전면 금지'에서 '경고적 허용'까지 다양하며, 재현성 (Reproducibility), 저자성 (Authorship), 시각적 오정보 (Visual Misinformation) 에 대한 우려가 공존합니다.
• 연구 필요성: 연구자들이 AI 도구를 활용하면서도 출판 규정 (Compliance) 을 준수하고 투명성을 유지할 수 있는 구체적인 가이드라인과 도구 평가 기준이 부재한 상태입니다.

2. 연구 방법론 (Methodology)

이 논문은 다음과 같은 3 단계의 체계적인 접근 방식을 취했습니다:

1. 정책 체계적 검토 (Systematic Review): 2026 년 1 월 기준 Nature, Science, Cell Press, Elsevier, PLOS 등 12 개 주요 출판사 및 저널의 편집 정책을 분석하여 AI 생성 이미지에 대한 공개 (Disclosure), 제한 (Restrictions), 저자 자격 (Authorship) 규정을 정리했습니다.
2. 주요 쟁점 분석: 출판사 정책의 배경이 되는 핵심 우려 사항 (재현성, 저자성, 시각적 오정보, 저작권) 을 심층 분석했습니다.
3. 도구 비교 및 사례 연구: 범용 AI 도구 (DALL·E, Midjourney, Stable Diffusion) 와 학술 특화 도구 (SciDraw) 를 비교 분석했습니다. 특히 SciDraw 플랫폼을 사용하여 생성된 5 가지 과학적 그림 (분자 메커니즘, 실험 설계, 연구 프레임워크 등) 을 사례로 제시하여 도구의 성능을 검증했습니다.

3. 주요 기여 (Key Contributions)

1. 출판사 정책 매핑: 주요 학술지들의 AI 생성 이미지 정책에 대한 종합적인 표 (Table 1) 를 제시하여, 각 출판사가 요구하는 공개 수준과 제한 사항을 명확히 구분했습니다.
2. 위험 요소 및 완화 방안 제시:
   • 재현성 문제: 확률적 출력과 모델 버전 변경으로 인한 재현 불가 문제를 해결하기 위해 생성 파라미터 (프롬프트, 시드, 모델 버전) 의 아카이빙 필요성을 강조했습니다.
   • 시각적 오정보: 실제 실험 데이터 (Data figures) 와 개념적 도식 (Schematic figures) 을 명확히 구분하여, 데이터 위조 위험이 높은 영역은 금지하고 개념 설명 영역은 허용하는 차등 접근을 제안했습니다.
3. 실용적 가이드라인 (Best-Practice Guidelines): 연구자를 위한 구체적인 실행 지침을 제시했습니다.
   • 표준 공개 프레임워크: 방법론 (Methods) 섹션, 그림 캡션 (Figure Legends), 투고 서한 (Cover Letter) 에 AI 사용 사실을 명시하는 3 단계 공개 방식을 제안했습니다.
   • 품질 관리 체크리스트: 과학적 정확성, 텍스트 가독성, 데이터 무결성, 편향성 확인 등을 위한 인간 검토 (Human Review) 프로세스를 정의했습니다.
   • 기록 보관: 생성 프롬프트, 모델 버전, 원본 파일 등을 장기적으로 보관하여 재현성을 보장할 것을 권고했습니다.

4. 연구 결과 (Results)

• 정책 현황: 모든 주요 출판사는 AI 도구 사용을 '공개 (Disclosure)'할 것을 요구하며, AI 를 저자로 인정하지는 않습니다. 제한 사항은 출판사마다 상이하나, Cell Press 는 데이터 그림에 대한 AI 생성을 금지하는 등 엄격한 반면, PLOS ONE 은 투명성만 보장한다면 허용하는 등 유연한 입장을 보입니다.
• 도구 비교 결과: 범용 도구 (DALL·E 등) 는 학술적 규범 (색상, 폰트, 레이아웃) 을 따르지 못하고 텍스트 렌더링 오류가 빈번한 반면, 학술 특화 도구인 SciDraw는 학술 출판 규격에 맞는 템플릿, 정확한 텍스트 렌더링, 생성 이력 (Metadata) 자동 보관 기능을 제공하여 학술 논문 제출에 훨씬 적합함을 입증했습니다.
• 사례 검증: SciDraw 를 통해 생성된 분자 메커니즘, 실험 설계도, 연구 프레임워크 등의 예시는 학술적 정확성과 시각적 완성도를 모두 충족하며, 추가 편집 없이 논문 내 삽입이 가능한 수준임을 보였습니다.

5. 의의 및 시사점 (Significance)

• 과학적 소통의 민주화: 적절한 가이드라인 하에 AI 도구를 활용하면 과학적 그림 제작의 시간과 비용 장벽을 낮추어 과학 소통의 효율성을 극대화할 수 있습니다.
• 윤리적 프레임워크 정립: 이 논문은 AI 생성 콘텐츠가 과학적 무결성을 해치지 않도록 '투명한 공개', '엄격한 인간 검토', '체계적인 기록 보관'을 핵심으로 하는 윤리적 프레임워크를 제시했습니다.
• 미래 지향적 제안: 출판사들에게는 AI 생성 데이터 그림과 개념 그림을 명확히 구분한 조화로운 가이드라인 개발, AI 콘텐츠 탐지 도구 투자, 그리고 연구 커뮤니티와의 지속적인 논의를 촉구하고 있습니다.

결론적으로, 이 논문은 AI 생성 이미지가 학술 출판의 신뢰성을 훼손하는 것이 아니라, 적절한 규제와 투명성 하에 과학적 소통을 가속화하는 강력한 도구가 될 수 있음을 입증하고, 이를 위한 구체적인 실행 방안을 제시했습니다.