기사를 읽어드립니다.

과학 연구에서 AI 활용이 늘고 있지만, 새로운 아이디어나 가설을 만드는 작업보다 데이터 분석과 논문 작성에 집중되고 있다는 조사 결과가 나왔다. 연구자들은 가설 생성을 과학적 발견에서 가장 중요한 활동으로 꼽았지만, 실제 AI 사용 비중은 4% 수준에 그쳤다.

앤트로픽은 5일(현지시간) 공식 블로그를 통해 '과학적 발견을 위한 AI: 연구자들은 클로드를 어떻게 사용하는가'라는 보고서를 공개했다.

지난 8월2일부터 9월30일까지 '클로드'와 '클로드 코드'에서 이뤄진 과학 연구 관련 세션 20만7049건을 분석하고, 별도로 과학자 528명을 대상으로 설문조사를 실시했다.

이번 조사는 AI가 특정 과학 문제를 해결한 성공 사례를 소개한 것이 아니라, 실제 연구 현장에서 어떤 업무에 사용되는지를 대규모로 분석한 것이다. 앤트로픽은 최근 클로드를 활용한 새로운 효소 시스템 발견과 단백질 3D 구조 규명 등 연구 성과를 잇달아 발표한 바 있다.

조사 결과, 일반 클로드에서 가장 많이 사용한 연구 업무는 '데이터 분석'으로 전체 세션의 33.7%를 차지했다. 논문 작성과 연구 결과 정리 등 글쓰기·소통 업무가 32.0%로 뒤를 이었다. 두 업무를 합치면 전체의 약 66%에 달한다.

코딩 에이전트인 클로드 코드에서는 데이터 분석 비중이 48.1%로 더 높았다. 연구자들은 AI를 활용해 통계 분석 코드를 작성하거나 데이터를 정리하고, 분석 결과를 시각화하는 등의 업무를 수행하고 있었다.

그러나 새로운 아이디어나 연구 가설을 만드는 데 사용한 비중은 클로드 4.2%, 클로드 코드 2.1%에 그쳤다. 과학적 발견의 출발점인 연구 문제 설정과 가설 생성에는 AI를 상대적으로 적게 활용하고 있다는 것이다.

과학 연구 업무별 클로드 활용 비중. 일반 클로드(주황색)와 클로드 코드(파란색) 모두 데이터 분석에 가장 많이 사용됐다. (사진=앤트로픽)

과학자 528명을 대상으로 한 설문에서도 이러한 차이가 확인됐다. 연구자들은 중요한 과학적 성과를 얻는 데 가장 필요한 활동으로 아이디어와 가설 생성을 꼽았다. 네 가지 연구 활동에 중요도 100점을 배분하도록 한 결과, 가설 생성이 35.6점으로 가장 높았다.

즉, 과학자들이 가장 중요하게 생각하는 일과 실제 AI에 많이 맡기는 일이 다르다는 의미다. 앤트로픽은 연구자들이 새로운 아이디어를 직접 만들고 싶어 하거나, AI의 가설 생성 능력을 충분히 신뢰하지 못하기 때문일 수 있다고 분석했다. 가설 생성이 다른 연구 업무에 포함돼 실제 사용 비중이 작게 집계됐을 가능성도 제시했다.

AI의 활용 빈도는 실제 업무 수행 능력과도 밀접하게 연결돼 있었다. AI가 잘 수행할 수 있는 상위 20%의 연구 업무에서는 일반적인 연구 시간 비중에 비해 클로드 사용이 약 2배, 클로드 코드는 약 4배 많았다. 연구자들이 모든 업무에 AI를 사용하기보다 실제로 도움이 되는 작업에 집중하고 있다는 의미다.

분야별 차이도 나타났다. 컴퓨터과학과 수학, 통계학 등에서는 클로드 활용이 활발했지만, 의료와 실험 중심 자연과학 분야에서는 상대적으로 적었다. 컴퓨터과학처럼 연구의 상당 부분을 컴퓨터에서 수행하는 분야는 AI를 쉽게 활용할 수 있지만, 생물학이나 화학에서는 직접 시료를 만들고 실험 장비를 조작해야 하기 때문이다.

전문 연구용 AI에서는 활용 방식이 달라지는 것으로 나타났다. 앤트로픽이 별도로 분석한 과학 연구용 서비스 '클로드 사이언스(Claude Science)'에서는 아이디어와 가설 생성 비중이 8%로, 일반 클로드의 약 2배에 달했다.

클로드 사이언스는 과학 데이터베이스와 전문 도구를 연결해 연구자가 단백질 구조와 약물 정보, 기존 논문 등을 분석하도록 돕는 서비스다. 실제로 단백질의 구조와 기능에 관한 가설을 세우는 작업이 일반 클로드보다 6배 자주 나타났다. 단순히 연구 자료를 정리하는 데 그치지 않고 새로운 과학적 설명을 제안하는 데 활용하는 비중이 높아진 것이다.

앤트로픽은 이처럼 AI에 전문 데이터베이스와 연구 도구를 연결하면 단순한 자료 분석을 넘어 새로운 가설을 세우는 등 복잡한 연구에도 활용할 수 있다고 설명했다. 그러나 클로드 사이언스를 사용하는 연구자들이 애초에 어려운 작업을 많이 맡기는 것일 수도 있어, 전문 도구 때문에 복잡한 연구에 AI를 더 많이 활용하게 됐다고 단정하기는 어렵다.

AI가 과학 연구의 생산성을 얼마나 높일 수 있는지도 분석했다. 현재 수준의 AI 기술이 광범위하게 도입된다면 일부 분야에서는 연구 산출물이 최대 2배로 증가할 수 있다는 시나리오를 제시했다.

장기적으로 AI가 물리적 실험을 제외한 모든 연구 업무를 자동화한다면 컴퓨터과학과 통계학의 연구 산출물은 최대 15배, 생물학과 화학 등 실험 중심 분야는 3~4배 증가할 수 있다고 추산했다. 이는 AI의 업무 수행 능력과 연구 과정의 특성을 토대로 계산한 가상 시나리오다.

실험 중심 과학에서는 AI가 데이터 분석과 연구 설계를 자동화하더라도 직접 실험하고 결과를 측정하는 과정이 연구 속도를 제한할 수 있다. AI의 능력이 향상되더라도 과학 분야마다 연구 생산성에 미치는 영향은 크게 달라질 수 있다는 것이다.

이번 조사에는 한계도 있다. 분석 대상은 클로드의 개인용 요금제에서 수집한 연구 관련 세션으로, 전 세계 과학자의 AI 사용 행태를 대표하지는 않는다. 설문도 AI를 적극적으로 사용하는 연구자들을 중심으로 실시했다.

임대준 기자 ydj@aitimes.com