Report on CHIIR 2026 Workshop on Generative AI and Academic Search (GAI&AS)
이 보고서는 생성형 AI가 전통적인 검색을 넘어 합성 및 학습을 지원하는 방식으로 학술 검색 시스템을 어떻게 변화시키고 있는지 탐구하고 투명성, 신뢰성, 인간 중심 설계 원칙을 강조하기 위해 연구자들이 모인 CHIIR 2026 GAI&AS 워크숍을 요약합니다.
원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기
학술 연구의 세계를 거대하고 오래된 도서관이라고 상상해 보십시오. 수십 년 동안 사서들(검색 엔진)은 단 하나의 임무를 수행했습니다. 바로 선반에서 적절한 책을 찾아 당신에게 전달하는 것이었습니다. 정보를 연결하고 그 의미를 파악하여 깨닫는 것은 연구자인 당신의 몫이었습니다.
이제 새로운 종류의 사서가 도착했습니다: 생성형 AI. 이 사서는 단순히 책을 가져다주는 것에 그치지 않습니다. 당신을 대신해 책을 읽고, 요약문을 작성하며, 질문에 답하고, 심지어 자료에 대해 대화를 시도하기까지 합니다.
이 논문은 전문가들(CHIIR 2026 워크숍)이 모여 던진 거대한 질문에 대한 보고서입니다: 이 새로운 사서가 우리의 학습을 돕고 있는가, 아니면 우리 대신 생각을 하고 있는가?
다음은 그들이 나눈 대화의 내용을 쉬운 비유를 사용하여 정리한 내용입니다.
1. 핵심 문제: "마법 상자" vs "학습의 여정"
전문가들은 변화를 감지했습니다. 과거에 정보를 찾는 과정은 이해를 위해 스스로 힘든 과정을 거쳐야 하는 여정이었습니다. 이제 AI는 즉각적으로 "정답"을 제공합니다.
- 비유: 학생이 케이크를 만드는 법을 배우려고 노력하는 상황을 생각해 보십시오.
- 과거 방식: 레시피를 읽고, 재료를 계량하고, 반죽을 섞습니다. 그들은 어떻게 굽는지 그 '방법'을 배웁ably.
- 새로운 방식: 로봇에게 케이크를 구워 달라고 요청하고 완성된 결과물을 건네받습니다.
- 우려 사항: 만약 로봇이 모든 일을 다 해버린다면, 학생은 케이크를 얻을 수는 있겠지만, 베이킹이라는 기술 자체는 결코 배우지 못할 것입니다. 워크숍에서는 학계에서도 학생들이 자신의 분야를 이해하는 데 필요한 비판적 사고를 멈출 수도 있다는 점을 우려했습니다.
2. 세 가지 주요 논의 주제
그룹은 논의 내용을 세 가지 범주로 정리했습니다.
A. 토대 (신뢰할 수 있는 사서 구축하기)
AI에게 더 많은 일을 맡기기 전에, 우리는 먼저 AI가 정직하고 투명한지 확인해야 합니다.
- "블랙박스" 문제: 현재 AI는 종종 작업 과정을 보여주지 않은 채 정답만을 제시합니다. 이는 마치 마술사가 어떻게 했는지 보여주지 않고 모자에서 토끼를 꺼내는 것과 같습니다.
- 목표: 전문가들은 AI가 자신의 "영수증(근거)"을 제시하기를 원합니다. 즉, "나는 이 세 편의 특정 논문을 읽었기 때문에 이 답을 찾았습니다"라고 말해야 하며, 그래야 연구자들이 AI가 거짓말을 하거나 환각(hallucination) 현상을 일으키는지 확인할 수 있습니다.
- 편향성 점검: AI는 유명한 연구자들을 선호하고 덜 알려진 연구자들을 무시하는 경향이 있는데, 이는 마치 지역 전문가들은 무시하고 유명 인사들만 인터뷰하는 뉴스 채널과 같습니다. 이는 과학계에서 "부익부 빈익빈" 문제를 야기합니다.
B. 응용 (사서가 실제로 할 수 있는 일은 무엇인가?)
그룹은 통제권을 잃지 않으면서 이 새로운 도구를 사용하는 방법을 브레인스토밍했습니다.
- "코파일럿(부조종사)" 아이디어: AI가 자동차를 운전하는 대신, GPS 역할을 해야 합니다. AI는 경로(검색 쿼리)를 제안하거나 교통 상황(논문 요약)을 요약할 수는 있지만, 운전대는 여전히 인간이 잡고 있어야 합니다 보.
- AI의 새로운 역할: 그들은 AI가 다음과 같은 특정 과업을 돕는 모습을 구상했습니다.
- 엉망으로 섞인 연구 논문 더미 정리하기.
- 현재 지식의 공백(아직 아무도 들여다보지 않은 영역) 찾아내기.
- 복잡한 전문 용어를 비전문가를 위한 쉬운 영어로 번역하기.
- 과제: "도움이 되는 보조"와 "당신을 대신해 일을 해주는 것" 사이의 경계가 정확히 어디인지 결정해야 합니다.
C. 학습으로서의 검색 ("마찰" 요소)
이것은 주요 논의 사항이었습니다. 때로는 답을 찾는 과정에서의 고군슬렁거림(struggle)이 오히려 학습에 도움이 됩니다.
- "마찰" 비유: 자전거 타기를 배우는 과정을 생각해 보십시오. 흔들리고 어려운 그 부분이 바로 뇌가 근육 기억을 쌓는 지점입니다. 만약 로봇이 당신을 위해 자전거를 완벽하게 잡아준다면, 당신은 결코 균형 잡는 법을 배우지 못할 것입니다.
- 통찰: 전문가들은 AI가 연구의 "마찰(어려움)"을 모두 제거해서는 안 된다고 주장했습니다. 우리는 사용자가 단순히 AI가 주는 첫 번째 답을 받아들이는 것이 아니라, 멈춰서 생각하도록 만드는 시스템을 설계해야 합니다. 그들은 보조 바퀴처럼 학습을 돕지만, 결국에는 스스로 탈 수 있도록 떼어낼 수 있는 "비계(scaffolding, 발판)"를 구축하기를 원합니다.
3. 주요 시사점
워크숍은 미래를 위한 몇 가지 명확한 메시지를 남기며 마무리되었습니다.
- 단순히 속도만을 쫓지 마십시오: AI가 빠르다고 해서 반드시 더 나은 것은 아닙니다. 우리는 정답의 속도가 아니라 사고 과정의 질을 가치 있게 여겨야 합니다.
- 인간의 주체성이 핵심입니다: 인간이 여전히 주인이어야 합니다. AI는 도구이지, 연구자의 뇌를 대체하는 존재가 아닙니다.
- 새로운 규칙이 필요합니다: 사람들이 정보를 검색하는 방식을 연구하던 기존의 방식은 더 이상 유효하지 않습니다. 인간과 AI가 어떻게 협력하는지 이해하기 위한 새로운 이론과 방법론이 필요합니다.
- 협업: 사서, 교사, 컴퓨터 과학자, 그리고 연구자들이 함께 협력하여 이러한 도구를 만들어야 합니다. 이것은 단순한 기술 문제가 아니라 인간의 문제입니다.
요약
요컨대, 이 논문은 행동 촉구입니다. 이 논문은 다음과 같이 말합니다: "우리는 연구 방식을 바꿀 수 있는 강력한 도구를 갖게 되었지만, 주의하지 않으면 우리가 게으른 사고를 하게 만들 수도 있습니다. 우리는 이 도구가 단순히 쉬운 답을 주는 것이 아니라, 우리가 학습하고 비판적으로 사고하도록 돕도록 설계해야 합니다."
전문가들은 미래의 학술 검색이 인간의 지능을 대체하는 것이 아니라 지원할 수 있도록, 사서와 산업 개발자 등 더 많은 사람을 이 대화에 초대하여 이 논의를 계속 이어갈 계획입니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.