네 건의 독립 실험이 같은 방향을 가리켰습니다. AI를 쓰면 개인 산출물의 질은 오르고 집단의 아이디어 다양성은 좁아집니다.
결정적 변수는 AI를 넣는 시점입니다. 발상 단계에 넣으면 다양성이 줄고, 선택 단계에만 넣으면 사람만 할 때와 비슷하게 유지됩니다.
AI의 이득은 원래 창의성이 낮았던 사람에게 가장 크게 돌아갑니다. 조직 전체로는 평균이 오르고 폭이 줄어듭니다.
회의에서 나온 아이디어가 서로 비슷하다면,
다들 같은 모델에게 먼저 물어본 것은 아닙니까?
AI 도입 성과를 잴 때 우리는 대개 개인을 봅니다. 초안이 빨라졌는지, 결과물이 나아졌는지 묻습니다.
그 질문만으로는 잡히지 않는 비용이 있습니다. 네 건의 실험은 개인의 산출물이 좋아지는 동안 집단의 아이디어가 서로 닮아간다는 사실을 확인했습니다. 개인 성과표에는 이 손실이 절대 나타나지 않습니다.
지금 대부분의 조직은 AI를 개인 도구로 배포했습니다. 각자 계정을 받고 각자 쓰는 방식입니다. 그런데 같은 모델에게 같은 방식으로 물으면 비슷한 출발점을 받게 됩니다. 개인 단위로는 이득이고 조직 단위로는 손실입니다. 이 구조를 모르면 회의가 왜 시시해졌는지 설명할 수 없습니다.
첫째, 네 실험이 서로 다른 과제에서 같은 결론에 닿았습니다. 짧은 소설 쓰기, 순환경제 해법 제안, 유머 캡션 대회, 협업 스토리텔링입니다. 소재도 평가 방식도 다릅니다. 그런데 모두 개인 산출물의 질은 오르고 집단의 다양성은 줄어드는 결과가 나왔습니다.
| 실험 | 과제 | 관찰된 결과 |
|---|---|---|
| Doshi & Hauser | AI 도입부를 받고 여덟 문장 소설 쓰기 | 개인 참신성 상승, 집단 다양성 하락 |
| Boussioux 외 | 순환경제 해법 제안 | AI 협업 개인이 군중 평가 상회, 사람만의 집단이 더 참신 |
| Salas & Hosanagar | 유머 캡션 대회, 네 가지 조건 | 발상에 AI 투입 시 다양성 하락, 선택에만 쓰면 유지 |
| Hosanagar & Ahn | 협업 방식 네 가지 비교 | 사람이 발상을 주도할 때 다양성 최대 보존 |
출처: Boussioux, Doshi, Hauser, & Hosanagar (2026, July 9), MIT Sloan Management Review 소개 연구 재구성.
둘째, 개인의 이득은 진짜입니다. 이 연구들은 AI 회의론이 아닙니다. 모든 실험에서 AI를 쓴 개인의 산출물 품질은 올랐습니다. 순환경제 실험에서는 AI와 함께한 개인 한 명의 결과가 사람 여럿의 평가 점수를 넘기도 했습니다. 도구가 작동하지 않는다는 이야기가 아닙니다.
셋째, 사라지는 것은 평균이 아니라 폭입니다. 집단이 내놓는 아이디어들이 서로 비슷해지는 현상이 반복 관찰됐습니다. 평균 점수는 올라가는데 서로 다른 답의 수가 줄어듭니다. 스무 명이 스무 가지를 가져오던 회의가, 스무 명이 서너 갈래를 가져오는 회의로 바뀝니다.
이 손실이 위험한 이유는 측정되지 않기 때문입니다. 개인 성과표에는 품질 향상만 찍힙니다. 다양성은 조직 단위에서만 보이는 지표인데, 대부분의 회사는 그것을 재지 않습니다.
넷째, 언제 넣느냐가 결과를 가릅니다. 유머 캡션 실험은 네 가지 조건을 비교했습니다. 사람만, 발상 단계에 AI, 선택 단계에 AI, 두 단계 모두 AI입니다. 발상 단계에 AI가 들어가면 다양성이 줄었습니다. 반면 선택 단계에만 쓰면 사람만 할 때와 비슷한 수준이 유지됐습니다.
협업 방식을 비교한 실험도 같은 방향입니다. 사람이 주도하고 AI가 초안을 쓰는 방식, AI가 주도하고 사람이 승인하는 방식, 나란히 쓰는 방식을 비교했을 때, 사람이 발상을 이끈 경우가 다양성을 가장 잘 지켰습니다. 순서가 도구보다 중요합니다.
다섯째, 이득의 분배가 불균등합니다. AI의 도움은 원래 창의성 기준선이 낮았던 사람에게 가장 크게 돌아갔습니다. 조직 전체로 보면 하한이 올라가고 상한은 그대로인 구조입니다. 평균이 오르는 대신 사람 사이의 차이가 줄어듭니다. 이것이 집단 다양성 하락의 한 원인입니다.
여섯째, 프롬프트 방식도 변수였습니다. 연구진은 사고 과정을 단계별로 풀어내게 하는 프롬프트가 결과물의 분산을 뚜렷하게 키웠다고 보고합니다. 같은 모델이라도 어떻게 묻는지에 따라 산출의 폭이 달라진다는 뜻입니다. 다양성 손실이 모델의 고정된 성질이 아니라 사용 방식의 결과라는 근거입니다.
"아이디어 3개를 각자 손으로 적고 나서 AI를 켠다"를 회의 기본 규칙으로 정하세요. 실험이 확인한 가장 값싼 개입이 발상 단계의 분리입니다. (다음 회의부터)
발상은 사람이 하고, 모아진 안을 평가하고 다듬는 데 AI를 쓰세요. 유머 캡션 실험에서 다양성이 보존된 조건이 이것입니다. (이번 달)
같은 과제에 팀마다 다른 관점의 지시문을 배정하세요. 예를 들어 비용 관점, 고객 관점, 규제 관점으로 나눕니다. 입력이 갈라지면 출력도 갈라집니다. (이번 분기)
회의에서 나온 서로 다른 방향의 안이 몇 개인지 매번 세어 기록하세요. 재지 않으면 줄어드는 것도 모릅니다. (회의당 1분) (다음 회의부터)
실험 과제가 창작에 치우쳐 있습니다. 소설, 캡션, 해법 제안이 주된 과제입니다. 재무 분석이나 코드 검토처럼 정답 폭이 좁은 업무에 같은 결론을 옮기기는 어렵습니다.
다양성이 항상 좋은 것은 아닙니다. 실행 국면에서는 수렴이 필요합니다. 이 연구가 겨냥하는 지점은 발상 단계이지 의사결정 단계 전체가 아닙니다.
네 실험의 측정 방식이 서로 다릅니다. 참신성, 품질, 분산을 각각 다른 기준으로 쟀습니다. 방향은 일치하지만 크기를 하나의 수치로 합산할 수는 없습니다.
모델 세대에 따라 달라질 수 있습니다. 프롬프트 방식만 바꿔도 분산이 커졌다는 결과가 있습니다. 모델이 바뀌면 다양성 손실의 크기도 바뀔 여지가 있습니다.
AI는 개인의 하한을 올리고 조직의 폭을 좁힙니다. 발상은 사람이 먼저 하고, AI는 그다음에 켜는 것이 지금까지의 답입니다.
집단 다양성(Collective Diversity): 여러 사람이 내놓은 결과물이 서로 얼마나 다른지를 재는 값입니다. 개인 품질과 별개로 움직입니다.
참신성(Novelty): 결과물이 기존의 것과 얼마나 다른지를 평가한 점수입니다. 품질과 늘 같이 가지는 않습니다.
발상 단계(Ideation): 선택지를 만들어 내는 단계입니다. 좁히는 단계인 선택과 구분됩니다.
사고 과정 프롬프트: 답을 바로 내지 말고 생각의 단계를 풀어 쓰게 하는 지시 방식입니다. 이 연구에서 산출의 분산을 키웠습니다.
분산(Dispersion): 결과물들이 서로 얼마나 흩어져 있는지를 나타내는 통계값입니다. 다양성의 대리 지표로 쓰입니다.
- Boussioux, L., Doshi, A., Hauser, O., & Hosanagar, K. (2026, July 9). The Hidden Cost of AI-Assisted Creativity [Article]. MIT Sloan Management Review. (원문 보기 ↗)