과학 연구에서 AI 사용이 증가하는 가운데, AI가 새로운 아이디어나 가설을 찾기보다는 데이터 분석과 논문 작성에 주로 활용된다는 조사 결과가 나왔다. 연구자들은 가설 생성을 과학적 발견의 핵심 활동으로 꼽았지만, 실제 AI 활용 비중은 4% 정도에 그쳤다.
앤트로픽은 5일(현지시간) 공식 블로그에서 ‘과학적 발견을 위한 AI: 연구자들은 클로드를 어떻게 사용하는가’라는 보고서를 공개했다.
보고서는 8월 2일부터 9월 30일까지 ‘클로드’와 ‘클로드 코드’에서 진행된 과학 연구 관련 세션 20만7049건을 분석했다. 이와 별도로 과학자 528명을 대상으로 설문도 진행했다.
이번 조사는 AI가 특정 과학 문제를 해결한 성공 사례를 다룬 것이 아니라, 실제 연구 현장에서 AI가 어떤 업무에 쓰이는지 대규모로 살펴봤다. 앤트로픽은 최근 클로드를 활용해 새로운 효소 시스템을 발견하고 단백질의 3D 구조를 규명한 연구 성과를 잇달아 발표한 바 있다.
조사에서 일반 클로드로 가장 많이 수행한 연구 업무는 ‘데이터 분석’으로, 전체 세션의 33.7%를 차지했다. 논문 작성과 연구 결과 정리 같은 글쓰기·소통 업무가 32.0%로 뒤를 이었다. 두 업무를 합하면 전체의 약 66%다.
코딩 에이전트인 클로드 코드에서는 데이터 분석의 비중이 더 커져 48.1%에 달했다. 연구자들은 AI를 이용해 통계 분석 코드를 작성하고 데이터를 정리하거나, 분석 결과를 시각화하는 등의 작업을 했다.
반면 새로운 아이디어나 연구 가설을 만드는 데 AI를 쓴 비율은 클로드에서 4.2%, 클로드 코드에서 2.1%에 그쳤다. 과학적 발견의 출발점인 연구 문제 설정과 가설 생성에는 AI 활용이 상대적으로 적었다.
과학자 528명을 대상으로 한 설문에서도 이 같은 차이가 드러났다. 연구자들은 중요한 과학적 성과를 내는 데 가장 필요한 활동으로 아이디어와 가설 생성을 꼽았다. 네 가지 연구 활동에 중요도 100점을 나눠 배분하도록 했을 때, 가설 생성은 35.6점으로 가장 높은 점수를 받았다.
이는 과학자들이 가장 중요하게 여기는 일과 AI에 실제로 많이 맡기는 업무가 서로 다르다는 뜻이다. 앤트로픽은 연구자들이 새로운 아이디어를 직접 내고 싶어 하거나 AI의 가설 생성 능력을 충분히 믿지 못하는 것이 원인일 수 있다고 분석했다. 가설 생성 업무가 다른 연구 활동에 포함돼 사용 비중이 실제보다 낮게 집계됐을 가능성도 언급했다.
AI 사용 빈도는 해당 업무를 AI가 얼마나 잘 수행하는지와도 밀접하게 연관됐다. AI가 잘할 수 있는 상위 20%의 연구 업무에서는 일반적인 연구 시간 비중과 비교해 클로드 사용이 약 2배, 클로드 코드 사용은 약 4배 많았다. 연구자들은 모든 업무에 AI를 쓰기보다 도움이 되는 작업에 집중하고 있었다.
연구 분야에 따라서도 차이가 있었다. 컴퓨터과학·수학·통계학에서는 클로드를 활발히 활용했지만, 의료와 실험 중심 자연과학 분야의 사용은 비교적 적었다. 컴퓨터과학처럼 연구 대부분을 컴퓨터에서 진행하는 분야는 AI를 쉽게 적용할 수 있다. 반면 생물학이나 화학에서는 시료를 직접 만들고 실험 장비를 다뤄야 한다.
전문 연구용 AI에서는 활용 양상이 달라졌다. 앤트로픽이 별도로 분석한 과학 연구 서비스 ‘클로드 사이언스(Claude Science)’에서는 아이디어와 가설 생성 비중이 8%였다. 일반 클로드의 약 2배다.
클로드 사이언스는 과학 데이터베이스와 전문 도구를 연동해 단백질 구조와 약물 정보, 기존 논문 등을 분석하도록 연구자를 돕는다. 실제로 단백질의 구조와 기능에 관한 가설을 세우는 작업은 일반 클로드보다 6배 자주 나타났다. 연구 자료를 정리하는 수준을 넘어 새로운 과학적 설명을 제안하는 데 쓰이는 비중이 높아진 것이다.
앤트로픽은 AI를 전문 데이터베이스와 연구 도구에 연결하면 단순 자료 분석을 넘어 새로운 가설을 세우는 등 복잡한 연구에도 활용할 수 있다고 설명했다. 다만 클로드 사이언스를 쓰는 연구자들이 원래부터 어려운 작업을 많이 맡기는 것일 수도 있다. 따라서 전문 도구가 복잡한 연구에 AI를 더 많이 활용하게 만들었다고 단정하기는 어렵다.
보고서는 AI가 과학 연구의 생산성을 얼마나 끌어올릴 수 있는지도 살펴봤다. 현재 수준의 AI 기술이 폭넓게 도입될 경우 일부 분야에서 연구 산출물이 최대 2배까지 늘어날 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 바탕으로 계산한 가상 시나리오다.
실험 중심 과학에서는 AI가 데이터 분석과 연구 설계를 자동화해도 직접 실험하고 결과를 측정하는 과정이 연구 속도를 제한할 수 있다. AI 성능이 향상되더라도 과학 분야별로 연구 생산성에 미치는 영향은 크게 다를 수 있다는 의미다.
이번 조사에는 한계가 있다. 분석 대상은 클로드 개인용 요금제에서 수집한 연구 관련 세션이므로 전 세계 과학자의 AI 활용 행태를 대표하지는 않는다. 설문 역시 AI를 적극적으로 사용하는 연구자를 중심으로 진행됐다.