과학자는 AI로 주 7시간을 아꼈다…가설 적체는 더 커졌다

Google은 2026년 9월 15일 AI & Economy ATLAS의 공개형 탐색 도구와 과학 분야의 AI 이용을 분석한 연구를 공개했다. Google의 공식 발표 에 따르면 미국과 영국 과학자 637명을 조사한 결과 거의 절반이 매일 AI를 사용했고, 평균 주당 6.9시간을 절약했다고 답했다.

하지만 빨라진 것은 연구 과정 전체가 아니라 주로 아이디어 생성, 분석, 코딩과 원고 작성 같은 앞단이었다. 9월 18일 연구를 검토한 Scientific American의 독립 보도 도 조사 대상의 약 44%가 병목이 뒤쪽 단계로 이동했다고 답했고 41%는 미시험 가설의 적체가 커졌다고 전했다. 다만 온라인 패널 방식이어서 AI를 자주 쓰는 연구자가 상대적으로 많이 포함됐을 가능성도 함께 지적했다.

6.9시간은 실측 성과가 아니라 자기보고 평균이다

공개된 원 연구 문서 에 따르면 More in Common은 Google DeepMind를 대신해 2026년 7월 27일부터 8월 11일까지 미국 연구자 379명과 영국 연구자 258명을 온라인으로 조사했다. 약 4분의 3이 AI 사용으로 순시간을 절약했다고 답했으며 전체 표본의 평균 절감치는 주당 6.9시간이었다. 반대로 순시간이 늘었다는 응답은 6%였다.

표본은 물리·공학, 생명, 보건·임상, 사회과학 분야의 현역 연구자로 구성됐다. 연구책임자와 교수, 연구소장, 산업계 연구개발 관리자부터 중견·초기 경력 연구자까지 포함했지만 확률표본은 아니며, 연구진도 미국과 영국의 전체 과학자를 대표하는 결과로 해석해서는 안 된다고 명시했다. 가중치와 오차범위도 제시되지 않았다.

따라서 ‘주 7시간’은 모든 과학자가 매주 확보한 시간이 아니다. 특정 두 나라의 선별된 온라인 표본이 범용 LLM, 코딩 도구, 분야별 전문 모델 등을 이용한 뒤 스스로 추산한 평균이다. 논문 수, 재현 성공, 특허나 임상 성과를 직접 관측해 계산한 생산성 지표도 아니다.

앞단이 빨라지자 검증 대기열이 길어졌다

연구자들이 지목한 변화는 병목의 소멸이 아니라 이동이다. AI는 문헌 탐색, 통계 분석, 코드 작성, 원고 준비와 후보 가설 생성의 비용을 낮출 수 있지만, 물리적 실험에는 장비와 시료, 시설 및 숙련 인력이 필요하다. 임상 검증과 현장 데이터 수집도 참가자 모집, 안전 절차와 관찰 기간을 생성형 AI의 속도에 맞춰 단축할 수 없다.

조사에서는 약 44%가 최근 2년 동안 주된 제약이 물리 실험이나 데이터 수집 등 연구 과정의 뒤쪽으로 옮겨갔다고 답했다. 같은 자리에 머물렀다는 응답은 약 42%, 앞쪽으로 이동했다는 응답은 약 14%였다. 미시험 가설의 적체가 최근 3년 동안 증가했다는 응답은 약 41%였고, 감소했다는 응답은 약 25%였다.

이 수치는 AI가 적체 증가의 원인임을 입증하지는 않는다. 연구진이 제시한 설명은 AI가 가설과 계산 예측을 만드는 속도가 물리 시설의 실험 처리 속도보다 빨라졌을 가능성이다. 설문에서 AI 이용 강도와 병목 이동 및 적체 증가가 양의 상관관계를 보였지만, 이는 인과관계를 확인한 실험 결과가 아니다.

절약한 시간 일부는 AI 결과를 확인하는 데 돌아갔다

AI로 시간을 절약했다고 답한 연구자의 89%는 절감 시간의 10%가 넘는 몫을 AI 출력 검증에 사용했고, 46%는 4분의 1 이상을 확인 작업에 썼다. 생성 비용이 내려가도 결과의 정확성, 재현 가능성과 연구 맥락에 맞는지를 판단하는 비용은 남는다는 의미다.

연구 주제 선택에도 편향 가능성이 나타났다. 응답자의 49%는 AI가 기준과 결과가 비교적 명확한 안전하고 점진적인 과제로 자신을 이끄는 편이라고 답했다. AI 덕분에 위험은 더 크지만 잠재적 보상도 큰 질문을 다룰 수 있게 됐다는 응답은 28%였다. 연구진은 쉬운 산출물의 양이 늘어나는 것과 과학의 경계를 실제로 넓히는 발견을 구분해야 한다고 해석했다.

이는 논문 증가를 발견 증가와 동일시하기 어려운 이유이기도 하다. 설문 응답자의 약 80%가 최근 3년 동안 연구실 산출량이 늘었다고 답했지만, 연구에는 AI가 그 증가를 일으켰는지 분리해 낼 대조군이나 인과 추정이 없다. 연구비, 인력, 장비와 분야별 환경 변화가 함께 작용했을 가능성은 남아 있다.

세 자료는 서로 다른 질문에 답한다

이번 연구는 설문 외에도 2026년 4월 초 Gemini App, Google AI Mode와 Gemini API에서 표본으로 추출한 약 1,500만 건의 비식별 상호작용을 사용했다. 분류 절차를 거쳐 약 36만 건을 과학 업무와 관련됐을 가능성이 있는 상호작용으로 추렸다. 이 기록은 이용자의 신원이나 고용주를 확인하지 않으므로 실제 과학자의 작업인지는 대화의 내용과 맥락을 바탕으로 추정한 것이다.

로그 표본에는 기업 계약에 따른 Google Cloud의 유료 Gemini API 트래픽도 포함되지 않았다. 결국 이 자료가 보여주는 것은 Google의 일부 AI 서비스에서 관찰된 이용 양상이지, 전 세계 과학자의 전체 AI 사용량이나 모든 연구기관의 도입률이 아니다.

연구진은 2012년 이후 발표되고 논문과 공식 코드 저장소가 연결된 과학용 전문 AI 모델 2,690개도 별도로 분석했다. 그러나 이 목록은 눈에 잘 띄거나 자원이 풍부한 연구에 치우칠 수 있고 비공개 상용 모델을 충분히 담지 못한다. 연구진 역시 완전하거나 대표적인 전체 목록으로 제시하지 않았다.

남은 질문은 절약한 시간이 발견으로 바뀌는가다

이번 연구가 확인한 것은 미국과 영국의 조사 표본이 보고한 시간 절감과 검증 부담, 그리고 Gemini 이용 자료에서 관찰된 과학 업무의 흔적이다. 주당 6.9시간이라는 평균이 한국 연구실이나 모든 전공에 그대로 적용된다고 볼 근거는 없으며, AI 사용량을 논문 품질이나 발견 성과로 곧바로 환산할 수도 없다.

제목의 두 현상은 동시에 관찰됐지만 인과관계까지 확정된 것은 아니다. 앞으로 같은 연구자와 연구실을 장기간 추적해 AI 도입 전후의 실험 통과율, 재현성, 논문 품질과 임상 성과를 비교해야 절약된 시간이 실제 발견으로 이어졌는지 판단할 수 있다. 현재까지의 결론은 연구 속도가 일괄적으로 빨라졌다기보다 제약이 물리 실험과 임상 확인, 출력 검증 쪽으로 이동했다는 초기 신호에 가깝다.

함께 읽기:

• 인도 직장인 3명 중 1명이 AI로 일을 다시 짠다…한국의 숙제
• AI로 번 47일 중 20일을 고치는 데 썼다…생산성의 착시