실험 두 건이 같은 곳을 가리켰습니다. 탐색형 알고리즘으로 만든 아이디어가 일반 검색보다 14% 더 창의적이었습니다.
더 무거운 발견은 전문성 쪽에 있습니다. 표준 검색을 쓰면 전문가가 초보자를 유의미하게 이기지 못했습니다.
도구를 바꾸자 전문가만 11% 앞섰습니다. 아이디어가 흩어진 군집 수도 다섯 개와 한두 개로 갈렸습니다.
전문가가 낸 아이디어와 신입이 낸 아이디어가 비슷하다면,
사람 말고 도구를 의심해 보셨습니까?
회사가 전문가를 뽑는 이유는 분명합니다. 남들이 못 보는 것을 보라는 것입니다.
그런데 실험 결과가 불편합니다. 표준 검색 도구를 쥐여 주자 지속가능성 전문가들이 초보자를 유의미하게 이기지 못했습니다. 몇 년 쌓은 안목이 검색 결과 앞에서 평평해졌습니다.
지금 조직은 아이디어를 뽑을 때 검색과 AI 어시스턴트에서 출발합니다. 도구 선택은 대체로 IT 부서의 조달 문제로 다뤄집니다. 그런데 어떤 알고리즘을 쓰느냐가 나오는 아이디어의 폭을 정합니다. 효율을 겨냥한 도구는 사람을 익숙한 자리로 데려갑니다.
첫째, 표준 알고리즘은 탐색을 깎아 효율을 얻습니다. 검색 결과는 인기 있고 익숙한 정보를 앞에 놓습니다. 원하는 것을 빨리 찾게 해 주는 설계입니다. 발상 단계에서는 이 설계가 반대로 작동합니다. 사람을 이미 아는 곳으로 데려다 놓기 때문입니다.
둘째, 두 실험이 서로 다른 조건에서 같은 결과를 냈습니다. 첫 실험은 참가자 104명에게 자원 과소비를 줄일 아이디어를 내게 했습니다. 한쪽은 일반 검색을, 다른 쪽은 탐색을 겨냥한 도구를 썼습니다. 두 번째는 245명이 참여한 현장 실험이었습니다. 가정의 음식물 쓰레기를 줄이는 아이디어 대회였고, 참가자는 초보자부터 전문가까지 걸쳐 있었습니다.
셋째, 14%라는 숫자보다 무거운 발견이 뒤에 있습니다. 표준 검색을 쓴 조건에서는 전문가가 초보자보다 통계적으로 의미 있게 낫지 않았습니다. 도메인 지식이 성과로 옮겨 붙지 못한 것입니다. 검색이 모두에게 같은 출발점을 주자 안목의 차이가 지워졌습니다.
넷째, 도구를 바꾸자 전문성이 되살아났습니다. 탐색형 알고리즘을 쓴 조건에서 전문가의 아이디어는 초보자보다 평균 11% 더 창의적이라는 평가를 받았습니다. 같은 사람들입니다. 달라진 것은 그들이 무엇을 먼저 보았느냐뿐입니다.
다섯째, 진짜 격차는 점수가 아니라 군집 수에서 벌어졌습니다. 전문가가 탐색형 도구를 쓴 집단만 아이디어가 다섯 개의 서로 다른 갈래로 흩어졌습니다. 나머지 모든 집단은 한두 갈래에 머물렀습니다. 평균 점수는 조금 차이 났지만, 선택지의 개수는 몇 배로 벌어졌습니다.
| 조건 | 전문가 우위 | 아이디어 군집 |
|---|---|---|
| 표준 검색 | 통계적으로 유의미하지 않음 | 1~2개 |
| 탐색형 알고리즘 | 평균 11% 더 창의적 | 5개 |
출처: Lazar, Lifshitz, Ayoubi, & Emuna (2026, August 20), 실험 결과 재구성.
여섯째, 이 실험의 검색창 자리에 사내 도구가 들어갑니다. 대부분의 회사는 이제 구글 대신 사내 지식 검색과 AI 어시스턴트에서 출발합니다. 그 도구들도 효율을 겨냥해 만들어졌습니다. 자주 쓰이고 평이 좋은 문서를 위로 올립니다. 발상 회의에서 그 도구를 먼저 켜면 실험의 표준 검색 조건과 같아집니다.
지난 7월에 다룬 연구는 AI가 개인의 산출은 올리고 집단의 다양성은 좁힌다고 짚었습니다. 이번 실험은 그 손실을 되돌리는 조건을 하나 찾아냈습니다. 도구를 탐색형으로 바꾸고, 그 도구를 전문가 손에 쥐여 주는 것입니다.
서로 다른 방향의 안이 몇 갈래인지 매번 기록하세요. 다섯 갈래와 두 갈래는 평균 점수로는 구분되지 않습니다. (다음 회의부터)
정답을 빨리 찾는 도구는 실행 단계에 쓰고, 발상 단계에는 낯선 자료를 물어다 주는 도구를 쓰세요. 조달 항목부터 둘로 나누세요. (이번 분기)
실험에서 도구의 효과는 전문가에게 훨씬 크게 나타났습니다. 예산이 한정돼 있다면 배분 순서가 성과를 가릅니다. (이번 분기)
사내 검색에서 한 번, 외부 자료나 다른 관점의 지시문으로 한 번 물으세요. 출발점이 갈리면 결론도 갈립니다. (질문당 10분) (이번 주)
실험 과제가 지속가능성 분야에 한정됩니다. 자원 과소비와 음식물 쓰레기라는 두 주제로 검증했습니다. 정답의 폭이 좁은 업무에 같은 결론을 옮기기는 어렵습니다.
특정 도구를 쓴 결과입니다. 탐색형 조건은 연구진이 지정한 도구 한 종으로 측정됐습니다. 시중의 다른 도구가 같은 효과를 내는지는 확인되지 않았습니다.
표본이 크지 않습니다. 104명과 245명이 참여했습니다. 방향을 읽기에는 충분하지만 산업별 차이를 가르기에는 부족합니다.
창의성 평가는 사람의 판정입니다. 아이디어의 창의성은 평정자가 매긴 점수입니다. 14%와 11%라는 수치도 그 판정 위에 서 있습니다.
전문가를 뽑아 놓고 신입과 같은 답을 받고 있다면, 사람보다 도구를 먼저 보십시오. 안목은 무엇을 먼저 보느냐에서 갈립니다.
탐색형 알고리즘: 익숙한 결과 대신 멀리 있는 자료를 물어다 주도록 설계한 검색 방식입니다.
활용과 탐색: 아는 것을 잘 쓰는 일과 모르는 것을 찾아 나서는 일을 가르는 구분입니다. 도구마다 어느 쪽에 맞춰져 있는지 다릅니다.
아이디어 군집: 나온 아이디어들이 비슷한 것끼리 묶였을 때 생기는 덩어리입니다. 개수가 적으면 발상이 한 방향으로 몰렸다는 뜻입니다.
발상 단계: 선택지를 만들어 내는 단계입니다. 좁혀 나가는 선택 단계와 목적이 다릅니다.
도메인 지식: 특정 분야에서 오래 일하며 쌓은 전문 지식과 감각입니다.
- Lazar, M., Lifshitz, H., Ayoubi, C., & Emuna, H. (2026, August 20). Algorithms Trap Us in the Familiar. Can They Also Spark Breakthroughs? [Article]. MIT Sloan Management Review. (원문 보기 ↗)