A Global Systematic Review of Artificial Intelligence and Research Productivity in Higher Education

대학 연구의 세계를 과학자와 학자들이 사서 역할을 하는 거대하고 북적이는 도서관이라고 상상해 보십시오. 수십 년 동안 그들의 업무는 건초더미 속에서 아주 작은 바늘을 찾아내고, 수천 권의 책을 읽고, 긴 보고서를 작성하며, 자신들의 발견을 공유하는 것이었습니다. 최근에 새로운 종류의 조수가 도착했습니다. 바로 인공지능(AI)입니다. AI를 당신 대신 생각을 해주는 마법 같은 로봇이 아니라, 매우 빠르고 지식이 풍부한 인턴이라고 생각하십시오. 이 인턴은 1초 만에 백만 권의 책을 훑어보고, 한 단락의 글을 초안으로 작성하거나, 엉망인 스프레드시트를 눈 깜짝할 사이에 정리할 수 있습니다. 하지만 여기서 모두가 던지는 큰 질문이 있습니다. 이 초고속 인턴을 두는 것이 장기적으로 사서들이 더 나은 혹은 더 중요한 발견을 하도록 만드는가? 아니-면 단지 그들이 일상적인 잡무를 더 빨리 끝내게 할 뿐, 결국 새로운 종류의 번거로운 업무에 갇히게 만드는 것인가? 이것이 바로 새로운 연구가 전 세계 실험실과 사무실에서 실제로 일어나고 있는 일을 살펴봄으로써 해결하려는 미스터리입니다.

이 연구는 "체계적 문헌 고찰(systematic review)"로, 마치 거대한 탐정 임무와 같습니다. 저자인 모하메드 알리 오마르(Mohamed Ali Omar)와 모하메드 모하무드 알리(Mohamed Mohamud Ali)는 단순히 추측하지 않았습니다. 그들은 스코퍼스(Scopus)라는 거대한 디지털 도서관을 통해 탐색을 떠났습니다. 그들은 2017년부터 2025년 사이에 발표된 연구 중 AI가 대학 연구자들을 어떻게 돕는지(혹은 방해하는지)에 대해 다룬 모든 자료를 찾았습니다. 그들은 212개의 잠재적인 단서로 시작했지만, 열쇠가 자물쇠에 맞는지 확인하는 것과 같은 매우 엄격한 필터링 과정을 거쳐, 깊이 분석할 가치가 있는 단 18개의 고품질 연구로 범위를 좁혔습니다.

그들이 발견한 것은 마치 초고속 인턴이 어떤 일에는 뛰어나지만, 다른 모든 일에는 인간 상사가 필요하다는 것을 발견한 것과 비슷합니다. 연구진은 AI의 업무를 도구 상자에 들어있는 서로 다른 도구들처럼 여섯 가지 주요 범주로 분류했습니다.

1. 찾기 및 요약하기: AI는 책을 찾아내고 빠르게 요약할 수 있지만, 인간이 출처가 실제인지 확인해야 하므로 AI 혼자서 전체 업무를 수행하도록 믿임할 수는 없습니다.
2. 브레인스토밍: AI는 기발한 아이디어를 던지고 점들을 연결하는 데 뛰어나지만, 때때로 그 아이디어들은 검증이 필요한 그럴싸하게 들리는 헛소리일 수도 있습니다.
3. 데이터 및 숫자: AI는 엉망인 데이터를 정리하고 컴퓨터 코드를 작성할 수 있지만, 알아차리기 어려운 미묘한 실수를 할 수 있으므로 인간이 수학을 재확인해야 합니다.
4. 쓰기 및 말하기: 이 부분은 AI가 가장 빛나는 영역입니다. AI는 논문의 초안을 작성하고, 문법을 교정하며, 언어를 번래하는 데 도움을 줍니다. 그러나 AI는 때때로 "환각(hallucinate)" 현상(사실을 지어내는 것)을 보이거나 필자의 독특한 목소리를 앗아갈 수 있습니다.
5. 팀워크 및 행정: AI는 회의 일정을 잡고 연구 지원금 신청서를 작성하는 것을 도와 잡무 시간을 줄여줍니다.
6. 공유 및 검토: AI는 복잡한 과학을 대중을 위한 쉬운 이야기로 바꾸는 데 도움을 주지만, 다른 사람의 비밀스러운 연구 논문을 몰래 읽는 데 사용되거나, 논문이 출판될 만큼 좋은지 결정하는 데 필요한 인간의 판단력을 대체하는 데 사용될 수는 없습니다.

이 이야기에서 가장 중요한 부분은 다음과 같습니다. 연구는 AI가 효율성(업무를 더 빠르게 처리하는 것)에는 환상적인 도구이지만, 대학이 정말로 중요하게 생각하는 방식의 생산성(실질적인 성과 창출)을 실제로 높인다는 증거는 거의 없다는 것을 발견했습니다. 이렇게 생각해 보십시오. 만약 당신이 나무를 자르기 위해 전동 톱을 사용한다면, 나무를 훨씬 더 빨리 자를 수 있습니다. 하지만 만약 당신이 아낀 시간을 어떤 나무를 자를지 논쟁하는 데 쓰거나, 톱이 만든 실수를 다듬기 위해 한 시간을 보내야 한다면, 당신은 실제로 더 많은 집을 지은 것이 아닙니다. 이 연구는 AI가 특정 작업의 시간을 절약해주기는 하지만, 그것이 자동으로 연구자들이 더 높은 품질의 논문을 더 많이 발표하거나, 더 획기적인 아이디어를 발견하거나, 세상에 더 큰 영향력을 미친다는 것을 의미하지는 않는다고 시사합니다. 사실, 절약된 시간은 AI의 결과물을 확인하거나, 오류를 수정하거나, 새로운 규칙을 따르는 데 다시 소비될 수 있습니다.

저자들은 자신들이 무엇을 모르는지에 대해 매우 명확하게 밝히고 있습니다. 그들은 AI가 더 많은 출판물, 더 나은 연구 품질, 혹은 더 독창적인 아이디어로 이어진다는 확실한 증거가 아직 없음을 명시적으로 언급했습니다. 또한 AI가 인간 연구자의 두뇌나 책임을 대체할 수 있다는 생각도 배제했습니다. AI는 발견에 대한 공로를 인정받을 수 없으며, 무언가 잘못되었을 때 책임을 질 수도 없습니다. 연구는 만약 대학이 사람들에게 AI를 안전하게 사용하는 방법을 교육하거나 작업을 검증하는 절차 없이 단순히 AI 도구만을 배포한다면, 빠르기만 하고 질 낮은 연구를 대량으로 생산하게 될 것이라고 경고합니다.

그래서 최종 판결은 무엇일까요? 이 논문은 현재 AI가 마법 같은 "생산성 기계"가 아니라 강력한 "효율성 엔진"이라고 결론짓습니다. AI는 인간 연구자가 운전석에 앉아 지도를 확인하고, 차를 조종하며, 목적지가 정말로 갈 가치가 있는 곳인지 확인하는 동안, 지루한 부분들을 빠르게 처리해 주는 유능한 조수로 취급될 때 가장 잘 작동합니다. 이 연구는 AI가 진정으로 과학에 도움이 되기 위해서, 대학이 명확한 규칙을 세우고, 연구자들이 이를 현명하게 사용하는 법을 가르치며, 결과를 검증하기 위해 항상 인간이 과정에 참여(human in the loop)하도록 해야 한다고 제안합니다. 그때까지 AI는 일을 더 빨리 처리하는 데는 훌륭한 도구이지만, 우리가 더 많은 것을 발견하도록 도와줄 수 있다는 것은 아직 증명되지 않았습니다.