당신이 거대하고 마법 같은 도서관으로 걸어 들어간다고 상상해 보세요. 그곳에는 당신이 요청하는 즉시 천 가지의 서로 다른 이야기를 쓰고, 백만 개의 독특한 그림을 그려내거나, 천 개의 수수께끼를 풀어낼 수 있는 초지능 로봇 사서가 있습니다. 이곳은 단순히 책이 더 많은 도서관이 아니라, 아이디어의 '창조'가 인간이 따라잡을 수 없는 속도로 일어나는 곳입니다. 과학계에서 연구자들은 이를 '풍요(abundance)'라고 부릅니다. 수십 년 동안 우리는 인간이 새로운 것을 만들기 위해 어떻게 협력하는지를 연구해 왔으며, 우리의 뇌(인지적), 우정 및 신뢰(사회적), 그리고 규칙과 조직(조직적)이 어떻게 서로 다른 아이디어를 섞어 위대한 무언가를 만드는 데 도움을 주는지 살펴보았습니다. 하지만 이제 우리에게는 아이디어를 눈 깜짝할 사이에 생성해 낼 수 있는 새로운 로봇 파트너가 생겼습니다. 모두가 던지는 핵심적인 질문은 이것입니다. 만약 우리가 무한한 아이디어의 공급원을 갖게 된다면, 그것이 더 놀라운 것들을 만들어내는 결과를 낳을까요, 아니면 우리가 실수로 모두가 똑같은 생각을 하게 만드는 지루하고 반복적인 혼란 속에 빠지게 될까요?

요람 칼만(Yoram Kalman)과 윤 완(Yun Wan)이라는 연구자들이 쓴 이 논문은 바로 그 미스터리를 깊이 파고듭니다. 저자들은 생성형 AI(GenAI)를 사용하는 팀 중 왜 어떤 팀은 초창의성을 발휘하는 반면, 어떤 팀은 똑같이 '안전한' 아이디어만을 반복해서 내놓는 루프에 갇히게 되는지를 조사합니다. 저자들은 문제가 AI 자체에 있는 것이 아니라, 우리가 AI를 팀에 어떻게 결합하느냐에 있다고 제안합니다. 그들은 '생성적 적합성(generative fit)'이라는 개념을 도입하는데, 이는 마치 라디오 채널을 올바른 스테이션에 맞추는 것과 같습니다. 만약 AI의 끝없는 아이디어 흐름이 그것을 듣고, 선택하고, 섞는 팀의 능력과 일치한다면 마법이 일어납니다. 하지만 팀이 엄청난 양의 옵션에 압도당한다면, 그들은 당황하여 그저 첫 번째로 눈에 띄는 쉬운 답을 집어 들게 될 것이고, 결국 '단일 문화(monoculture)'—즉, 새로운 맛이 자라나지 않는, 모든 식물이 동일한 형태를 띤 농경지—에 도달하게 됩니다. 이 논문은 문제를 영원히 해결했다고 주장하는 것이 아니라, 관리자와 팀들이 왜 자신들의 AI 도구가 때로는 슈퍼파워처럼 작동하고, 때로는 막다른 길처럼 느껴지는지를 이해할 수 있도록 돕는 새로운 지도를 제공합니다.

너무 많은 아이디어의 마법

생성형 AI를 당신의 소원을 단 하나만 들어주는 것이 아니라, 당신의 소원을 순식간에 백만 가지 버전으로 만들어내는 지니라고 생각해 보세요. 과거에는 새로운 비즈니스 아이디어를 구상하고 싶다면, 테이블에 둘러앉아 열심히 고민하여 열 개나 스무 개 정도의 가능성을 도출해야 했습니다. 그것이 병목 현상이었습니다. 바로 아이디어를 내는 과정 말이죠. 이제 GenAI와 함께 이 병목 현상은 이동했습니다. 지니는 1초 만에 백만 개의 아이디어를 쏟아낼 수 있습니다. 문제는 무엇일까요? 우리 인간은 뇌가 지치기 전까지 그중 몇 개만을 읽고, 이해하고, 선택할 수 있을 뿐이라는 점입니다.

저자들은 이러한 변화를 '풍요'라고 부릅니다. 이는 단순히 더 많은 것을 갖는 것이 아니라, 게임의 규칙이 바뀔 정도로 너무나 많은 것을 갖게 되는 것을 의미합니다. 백만 개의 옵션이 있다면, 가장 어려운 부분은 아이디어를 찾는 것이 아니라 어떤 것이 좋은지 결정하는 것입니다. 만약 그 백만 개의 아이디어를 분류할 좋은 시스템이 없다면, 당신은 그저 괜찮아 보이는 첫 번째 것을 집어 들게 될지도 모릅니다. 이것이 어떻게 '풍요'가 실수로 '단일 문화'로 변할 수 있는지에 대한 설명입니다. 로봇이 백만 개의 씨앗을 심는 정원을 상상해 보세요. 만약 정원사가 너무 바빠서 확인하지 못한다면, 그들은 그저 눈에 보이는 첫 번째 줄에만 물을 줄 수도 있고, 그 줄은 우연히도 똑같은 종류의 꽃일 수 있습니다. 갑자기, 당신의 정원은 백만 개의 서로 다른 씨앗을 선택할 수 있었음에도 불구하고, 정확히 똑같은 꽃으로 가득 차게 됩니다. 논문은 팀이 계획 없이 AI를 사용할 때 이런 일이 발생한다고 제唆합니다. 즉, 다양하고 야생적인 숲 대신 똑같은 '안전한' 아이디어들로 이루어진 정원을 갖게 된다는 것입니다.

비밀 레시피: "생성적 적합성"

그렇다면 어떻게 하면 정원이 지루한 단일 문화가 되는 것을 막을 수 있을까요? 논문은 그 답이 '생성적 적합성'에 있다고 말합니다. 이것을 열쇠와 자물쇠를 맞추거나, 장갑과 손을 맞추는 것에 비유해 보세요. 이는 AI의 초능력(끝없는 아이디어 생성)이 인간 팀이 해야 할 일과 완벽하게 일치하도록 만드는 것에 관한 것입니다. 저자들은 동일한 정원 비유를 사용하여 이를 세 가지 유형의 '적합성'으로 나눕니다.

1. 환기적 적합성 (The Spark - 불꽃): 이것은 AI가 당신의 '탐색'을 돕는 경우입니다. AI가 하나의 '최선'의 답을 주는 대신, 당신의 뇌를 활발하게 움직이게 하기 위해 기발하고, 거칠고, 색다른 아이디어들을 던져주는 즐거운 뮤즈 역할을 하는 것입니다. 이는 로봇 사서가 당신의 새로운 생각을 자극하기 위해 서로 완전히 다른 책들을 한 더미 건네주는 것과 같습니다. 적합성이 좋다면 AI는 당신을 호기기롭게 만듭니다. 적합성이 나쁘다면 AI는 그저 똑같은 옛날 답변들의 지루한 목록을 제공할 뿐입니다.
2. 적응적 적합성 (The Right Tool for the Job - 적재적소의 도구): 이것은 AI를 특정 과업과 수행하는 사람에게 맞추는 것에 관한 것입니다. 초보자는 자신의 글쓰기에 대한 피드백을 받는 '브레인스토밍 파트너(sounding board)'로서 AI를 활용하여 학습하고 개선하는 데 도움이 될 수 있는 반면, 전문가는 AI를 '고스트라이터(ghostwriter, 대필 작가)'로 사용하여 AI가 전체를 쓰게 할 경우 오히려 성과가 떨어질 수 있습니다. 논문에 따르면 전문가들이 AI에게 글쓰기를 맡기면, AI의 제안이 너무 일반적이어서 그들의 창의적 범위를 압축해 버리기 때문에 작업 결과가 악화되었습니다. 반면 초보자들은 AI가 브레인스토밍 파트너 역할을 하여 혼자서는 찾지 못했을 기법들을 탐색하도록 도와줄 때 큰 도움을 받았습니다.
3. 개방적 적합성 (Leaving Room for Surprise - 의외성을 위한 여지): 이것은 예상치 못한 일들을 위한 문을 열어두는 것에 관한 것입니다. 이는 AI가 단순히 최종 결과물을 뱉어내는 것이 아니라, 당신이 그것을 지속적으로 수정하고 개선할 수 있도록 팀의 워크플로우를 설계하는 것을 의미합니다. 이는 첫 번째 줄을 심은 후 문을 잠가버리는 것이 아니라, 새로운 예상치 못한 꽃들이 자랄 수 있는 공간을 정원에 남겨두는 것과 같습니다.

실제 사례: 적합성이 작동할 때 (그리고 작동하지 않을 때)

저자들은 이 방식이 실제로 어떻게 작동하는지 보여주기 위해 네 가지 실제 사례를 살펴보았습니다.

한 사례에서 컨설턴트들은 업무를 돕기 위해 AI를 사용했습니다. 마케팅 문구를 쓰는 것과 같은 단순한 작업에서 AI는 영웅이었습니다. AI는 수많은 아이디어를 제공하여 그들이 작업을 더 빨리 끝내게 했고, 특히 신입 사원들에게는 더 나은 성과를 내게 했습니다. 이것은 좋은 적합성이었습니다. AI의 풍요로움이 그들의 탐색을 도왔기 때문입니다. 하지만 다양한 유형의 데이터(인터뷰와 스프레드시트 등)를 혼합해야 하는 복잡한 작업에 AI를 사용하려 했을 때, AI는 실패했습니다. 컨설턴트들은 AI를 너무 신뢰한 나머지 비판적 사고를 멈췄습니다. AI는 그럴듯해 보이지만 틀린 답을 내놓았습니다. 이것은 나쁜 적합성이었습니다. 팀이 AI의 풍요로움에 압도되어 자신들의 판단력을 놓쳐버렸고, 결국 잘못된 답변의 단일 문화로 이어졌습니다.

또 다른 사례에서 한 팀이 광고 문구 작성을 위해 AI를 테스트했습니다. 비전문가들이 AI를 '브레인스토밍 파트너'(자신의 글에 대한 피드백 요청)로 사용했을 때, 그들은 업무 능력이 크게 향 향상되었습니다. AI는 그들이 생각하지 못했던 새로운 가능성을 볼 수 있게 도와주었습니다. 그러나 전문가들이 AI를 '고스트라이터'(AI가 전체를 쓰도록 함)로 사용했을 때, 그들의 작업 품질은 오히려 떨어졌습니다. AI의 제안은 너무 일반적이었고, 전문가들은 자신의 창의성을 사용하기를 멈췄습니다. AI 아이디어의 풍요로움이 오히려 전문가들의 창의적 범위를 축소시킨 것입니다.

세 번째 사례는 텔레마케터들과 관련되었습니다. AI가 지루한 업무(잠재 고객 발굴)를 대신해주자, 상위 판매원들에게는 매우 효과적이었습니다. 그들은 실제로 대화하는 고객들과 더 창의적으로 소통할 수 있는 시간을 더 많이 가졌고, 매출도 올라갔습니다. 하지만 경험이 적은 판매원들에게 AI는 그들이 어떻게 대화해야 할지에 대한 도움 없이 어려운 고객들을 쏟아부어 놓을 뿐이었습니다. 그들은 압도당하고 스트레스를 받았습니다. 동일한 AI 도구가 전문가에게는 도움이 되었지만 초보자에게는 해가 된 이유는, 팀이 숙련도에 맞춰 '적합성'을 조정하지 않았기 때문입니다.

마지막으로, AI와 함께 작업하는 학생들에 대한 연구에 따르면, 학생들이 단순히 AI에게 아이디어 목록을 요구하고 거기서 멈춘다면 그들의 창의성은 정체되었습니다. 그들은 똑같은 옛날 아이디어의 루프에 갇혔습니다. 하지만 학생들이 AI를 다르게 사용하는 법, 즉 피드백을 요청하고, AI와 논쟁하며, 아이디어를 함께 정교화하는 법을 배웠을 때, 그들의 창의성은 폭발적으로 성장했습니다. 아이디어의 풍요로움은 오직 학생들이 그것을 사용할 계획을 가지고 있을 때만 효과가 있었습니다.

시사점: 어떻게 사용하는가의 문제

이 논문의 핵심 교훈은 생성형 AI가 우리를 자동으로 더 창의적으로 만들어주는 마법 지팡이가 아니라는 점입니다. 그것은 무한한 가능성의 흐름을 만들어내는 강력한 엔진입니다. 그 흐 поток이 혁신의 강이 될지, 아니면 정체된 반복의 연못이 될지는 전적으로 우리가 그것을 어떻게 설정하느냐에 달려 있습니다.

우리가 그저 AI가 모든 것을 하게 내버려 둔다면, 수백만 개의 옵션을 분류하기에 너무 바빠서 모두가 똑같이 생각하게 되는 '단일 문화'에 빠질 위험이 있습니다. 하지만 우리가 팀을 세심하게 설계하여—AI가 탐색을 돕고(환기적 적합성), 우리의 숙련도에 맞추며(적응적 적합성), 의외성을 위한 여지를 남겨둔다면(개방적 적합성)—우리는 그 풍요로움을 진정으로 놀라운 것으로 바꿀 수 있습니다. 이 논문은 인간과 AI의 협업의 미래가 더 똑똑한 AI를 갖는 것이 아니라, 그 주변에 더 똑똑한 '팀'을 구축하는 것에 달려 있다고 제안합니다.