Artificial Intelligence, Scientific Discovery, and Product Innovation


AI가 바꾼 실험실의 풍경 - 신소재 발견률 44% 상승

MIT 연구진이 2022년 5월부터 미국의 한 대기업 연구소에서 진행한 대규모 AI 도입 실험에서 놀라운 결과가 나왔다. 화학공학자 22%, 화학자 14%, 재료과학자 23%, 물리학자 10%, 기타 분야 31%로 구성된 1,018명의 연구진을 대상으로 한 이 실험에서, AI를 활용한 새로운 소재 발견 기술 도입 후 연구진의 신소재 발견률이 평균 44% 증가했고, 특허 출원은 39%, 제품 프로토타입 개발은 17% 향상됐다.

연구소는 AI 도입을 세 단계로 나누어 진행했으며, 각각 404명, 419명, 195명으로 구성된 그룹에 무작위로 기술을 배정했다. 이는 기존 연구 방식과 비교했을 때 획기적인 변화로, 지난 5년간 연구원 1인당 연구 성과가 4% 감소했던 것과 비교하면 AI의 영향력이 얼마나 큰지 알 수 있다.


상위 10% 연구자만 혜택...하위 그룹은 효과 미미

그러나 AI의 혜택은 모든 연구자에게 균등하게 돌아가지 않았다. 상위 10% 연구자들의 연구 성과는 81%나 증가한 반면, 하위 1/3의 연구자들은 거의 효과를 보지 못했다. 이로 인해 연구자들 간의 성과 격차는 2배 이상 벌어졌다.

핵심 차이는 AI가 제시한 후보 물질을 평가하는 능력이었다. 상위권 연구자들은 자신의 전문성을 활용해 AI가 제안한 물질 중 62%의 false positive를 사전에 걸러낼 수 있었던 반면, 하위 그룹은 34%만 걸러낼 수 있었다. 특히 평가 능력이 뛰어난 연구자들은 자신의 전문 분야와 관련된 학술 논문을 발표할 확률이 3.4배 높은 것으로 나타났다.


연구자의 역할이 '창작자'에서 '평가자'로 변화

AI 도입은 연구자들의 업무 패턴을 극적으로 바꿨다. AI 도입 전에는 연구 시간의 39%를 새로운 소재 구상에 썼지만, 도입 후에는 16%로 줄었다. 반면 AI가 제시한 후보 물질을 평가하고 판단하는 시간은 23%에서 40%로 크게 늘었다. 실험 관련 업무도 37%에서 44%로 증가했다. 전체 업무량은 변화하지 않았으나, 평가 능력이 뛰어난 연구자들의 경우 실험 업무 증가폭이 더 작았다.


AI가 만든 혁신적 발견..."기존 방식으론 불가능했던 성과"

AI는 단순히 연구 속도만 높인 것이 아니었다. AI가 제시한 신소재들은 기존 물질들과 비교해 더 독특한 물리적 구조를 가지고 있었고, 이를 활용한 특허들의 새로운 기술 용어 사용 비율이 22% 증가했다. 제품 개발에서도 완전히 새로운 제품군을 만들어내는 비중이 13%에서 16%로 증가했다.


높아진 생산성, 하락한 만족도의 역설

AI 도입으로 연구 효율성은 13-15% 향상됐지만, 연구자들의 직무 만족도는 오히려 44% 감소했다. 응답자의 82%가 전반적인 업무 만족도가 하락했다고 답했으며, 이러한 현상은 생산성이 높은 연구자들에게도 동일하게 나타났다. 주된 이유로는 기술이 충분히 활용되지 못한다는 점(73%), 업무가 덜 창의적이고 반복적이 되었다는 점(53%)이 꼽혔다.

흥미로운 점은 AI에 대한 연구자들의 인식 변화다. AI의 생산성 향상 가능성에 대한 믿음이 2배로 증가했으며, 71%의 연구자들이 새로운 기술 습득을 계획하고 있다고 응답했다.


미래 연구소의 변화...채용 기준도 바뀐다

실험이 끝난 후 연구소는 전체 연구진의 3%를 해고했는데, 이중 83%가 AI 제안 평가 능력이 하위 25%에 속하는 연구자들이었다. 대신 새로운 인력을 채용해 전체적인 인력은 오히려 증가했다. 전문가들은 이러한 채용 기준 변경이 AI 도입 효과를 더욱 증폭시킬 수 있다고 분석한다. 실제로 이번 연구 결과에는 이러한 조직 변화의 효과가 포함되지 않았으므로, AI의 장기적 효과는 더 클 것으로 예상된다.


연구의 의의와 한계

이번 연구는 재료과학을 넘어 다른 과학 분야에도 시사점을 준다. 특히 기초 원리는 알려져 있지만 복잡성으로 인해 구체적인 사례를 찾기 어려운 분야들 - 구조생물학, 유전체학, 기후학, 수학의 일부 영역 등 - 에 적용될 수 있다. 다만 특허 인용이나 제품의 최종 시장 성과 등을 측정하지 못한 점은 이 연구의 한계로 지적된다.

한 연구자는 "AI의 성능에는 감명받았지만, 내 교육이 이제는 쓸모없어졌다는 느낌을 지울 수 없다"고 말했다. 이는 AI 시대의 과학자들이 겪는 정체성 위기를 단적으로 보여준다.


해당 리포트의 원문은 링크에서 확인할 수 있다.

기사는 클로드 3.5 Sonnet과 챗GPT-4o를 활용해 작성되었습니다.