AI가 연구 시간을 줄여도, 검증은 남습니다

연구가 빨라졌다는 말의 의미

경제학자들은 AI로 코드를 작성하고 데이터를 정리하며 논문을 다듬고 있어요. 연구 질문을 고민할 시간이 늘었다는 반응도 있고, 내용이 부실한 논문과 심사 보고서가 늘어날 것을 걱정하는 목소리도 있어요.

이 글의 출발점은 FT의 수마야 케인스(Soumaya Keynes)가 쓴 ‘Economists have caught the AI bug’예요. 저는 이 변화가 경제학뿐 아니라 연구와 글을 만들고 검증하는 방식 전반에 영향을 준다고 봐요. 작업 시간을 줄이는 효과와 결과물의 품질을 나눠서 살펴보려고 해요.

AI가 바꾸고 있는 세 가지: 생산성, 범위, 검증

경제학 연구에서 AI를 쓰는 일을 작업 시간, 분석 대상, 오류 점검의 세 측면으로 나눠볼게요.

1. 반복 작업에 드는 시간을 줄이기

데이터 정제, 표 정리, 프로그래밍에 드는 시간을 줄이면 연구 질문을 고민할 여유가 생길 수 있어요. 케인스의 칼럼에 소개된 다트머스대 폴 노보사드(Paul Novosad)는 그렇게 사고에 쓸 수 있는 시간이 5배로 늘었다고 말해요. 한 연구자의 경험을 설명한 수치예요. 연구 속도나 성과를 5배 높였다는 실험 결과는 아니에요.

같은 칼럼은 American Economic Review 편집장 에르초 루트머(Erzo Luttmer)의 관찰도 전해요. 투고 논문의 약 25%가 주로 편집이나 프로그래밍 보조에 AI를 썼다고 공시하지만, 투고 품질에서 뚜렷한 변화는 보이지 않는다는 설명이에요. AI를 쓴 논문과 쓰지 않은 논문을 같은 조건에서 비교한 결과로 읽어서는 안 돼요.

케인스는 NBER¹ 워킹페이퍼 초록의 문장도 분석했어요. ChatGPT 출시 뒤 문장이 짧아지는 추세는 이어졌지만 단어의 복잡도는 높아졌다고 해요. 문장 길이나 어려운 단어의 비율은 글의 특징을 보여줄 수 있어도 연구의 정확성과 독창성을 직접 측정하지는 못해요. 이 자료들만으로 AI가 연구의 품질을 높였다거나, 높이지 못했다고 결론 내리기는 어려워요.

2. 더 많은 자료를 분석하고 예측하기

텍스트를 분석하는 비용이 줄면 연구에 활용할 자료도 늘어요. 기업의 실적 발표나 정책 문서처럼 사람이 일일이 읽기 어려운 자료를 분류하고 비교하는 데 AI를 활용할 수 있어요. 다만 분류가 정확한지, 다른 시기나 집단에도 같은 기준이 적용되는지는 표본을 직접 읽으며 확인해야 해요.

예측 분야에서는 국제결제은행(BIS)이 2026년 3월 소개한 BISTRO가 있어요. 트랜스포머²를 시계열 예측에 적용한 MOIRAI 모델을 거시경제 자료로 추가 학습한 모델이에요. 사용자는 물가나 실업률 등의 자료를 넣어 예측하고, 유가가 특정 경로로 움직인다는 가정 아래 결과를 비교할 수 있어요.

BIS 연구진은 과거 자료를 이용한 평가에서 2021년 미국 물가 상승의 지속성을 살펴봤어요. 2021년 3월을 출발점으로 하면 비교 모델들의 예측이 비슷했지만, 물가 상승이 나타난 6월 이후에는 BISTRO가 AR(1)과 MOIRAI보다 상승세의 지속을 잘 반영했어요. 당시 실제 운영으로 미리 맞힌 예측은 아니에요. 연구진도 모든 예측 문제의 정답이 아니라, 빠르게 기준 예측을 만들고 다른 모델과 비교할 수 있는 도구로 설명해요.

3. 검증 — AI가 논문의 오류를 걸러낼 수 있을까

세 번째 경로는 AI가 연구의 오류를 걸러내는 데 도움을 줄 수 있는지예요.

노스웨스턴대 벤 골럽(Ben Golub)이 공동 창업한 Refine은 논문을 읽고 수학적 오류나 논리의 불일치, 실증 분석 방법의 문제를 지적하는 도구예요. 골럽의 2025년 12월 Markus’ Academy 강연에서도 저자가 논문을 제출하기 전에 점검하고, 학술지가 사람의 심사를 보완하는 용도로 시험하는 사례가 소개됐어요.

AI의 지적이 맞는지 확인하는 일은 여전히 필요해요. 식의 오류를 찾는 것과 연구 질문이 중요한지 판단하는 일도 다르고요. 저도 연구·글쓰기 보조 도구인 Jenni를 직접 써봤고 추천한 적이 있어요. Jenni는 자료를 읽고 글을 쓰며 인용을 정리하는 데 초점을 둔 서비스여서, Refine과 같은 논문 검증 도구로 묶어 설명하기보다는 용도를 나눠 보는 게 맞아요.