AI가 찍어내는 '연구 슬롭', 이번엔 의대 실험실이 표적입니다

요즘 학계에서 조용히, 그러나 빠르게 번지는 단어가 하나 있습니다. 바로 ‘연구 슬롭(research slop)‘입니다. AI가 만들어낸 저질 콘텐츠를 뜻하는 ‘AI 슬롭’이 이제 과학 논문의 영역까지 침범했다는 신호인데요. 특히 그 최전선에 의외의 집단이 서 있습니다. 바로 의대생들입니다.

‘연구 슬롭’이 뭐길래

슬롭이라는 단어부터 짚고 가겠습니다. 원래는 가축에게 주는 멀건 죽 같은 사료를 뜻하는 영어 단어인데요. AI 시대에 와서는 ‘대충 찍어낸 저품질 자동 생성물’이라는 뜻으로 굳어졌습니다. 인터넷을 뒤덮은 AI 생성 글, 이미지, 영상이 다 슬롭입니다.

문제는 이게 과학 논문에까지 들어왔다는 겁니다. 연구 슬롭은 형식상으로는 멀쩡한 논문처럼 생겼습니다. 가설이 있고, 표가 있고, p값이 있고, 결론이 있습니다. 그런데 내용을 들여다보면 알맹이가 없습니다. 새로운 발견도 없고, 임상적 의미도 없습니다. 그저 ‘논문 한 편’이라는 형식만 채운 셈입니다.

왜 하필 의대생일까

여기서 핵심 질문이 나옵니다. 왜 의대생들이 이 흐름의 중심에 있을까요. 답은 구조에 있습니다.

의대생이나 전공의에게 논문 실적은 생존의 문제입니다. 좋은 레지던시, 좋은 펠로십, 좋은 자리에 가려면 이력서에 논문이 한 줄이라도 더 있어야 합니다. 그런데 진짜 연구는 시간이 오래 걸립니다. 환자를 모으고, 데이터를 쌓고, 분석하고, 검증하는 데 몇 년이 걸리기도 합니다.

바로 이 지점에 AI 도구와 공개 데이터셋이 결합합니다. 미국의 NHANES 같은 대규모 공공 건강 데이터베이스가 대표적인데요. 누구나 무료로 내려받을 수 있는 방대한 데이터입니다. 여기에 AI 도구를 붙이면, 수십 개의 변수를 자동으로 짝지어 ‘이것과 저것은 상관관계가 있다’는 식의 논문을 며칠 만에, 그것도 여러 편 동시에 찍어낼 수 있습니다.

통계는 맞는데 과학은 아닙니다

이게 왜 위험한지 좀 더 구체적으로 보겠습니다.

수천 개의 변수가 담긴 데이터셋이 있다고 해봅시다. 변수를 무작위로 둘씩 짝지어 통계 검정을 돌리면, 순전히 우연만으로도 ‘유의미해 보이는’ 상관관계가 쏟아져 나옵니다. 통계학에서 말하는 다중 비교의 함정입니다. 100번 검정하면 5번 정도는 아무 의미 없이도 ‘p값 0.05 미만’이 찍힙니다.

AI 도구는 바로 이 과정을 자동화합니다. 사람이 ‘왜 이 둘이 연관될까’를 고민하는 단계를 건너뛰고, 그냥 숫자가 예쁘게 나오는 조합을 골라냅니다. 그래서 결과물은 통계적으로는 완벽해 보이지만, 의학적으로는 “그래서 어쩌라는 거냐"는 질문에 답하지 못합니다. 가설 없이 데이터부터 긁고 결론을 끼워 맞추는 전형적인 사후 짜맞추기인 셈입니다.

한 통계 분석 교수는 영상에서 “AI로 연구 논문 쓰는 것을 멈추라"고 경고하기도 했습니다. 도구가 글을 매끄럽게 써주는 것과, 그 안의 과학이 진짜인 것은 전혀 다른 문제라는 겁니다.

진짜 피해는 ‘신뢰’입니다

이런 논문이 한두 편이면 웃고 넘길 수 있습니다. 그런데 대량으로 쏟아지면 이야기가 달라집니다.

첫째, 학술지와 동료 심사 시스템이 마비됩니다. 심사자들은 자원봉사에 가깝게 논문을 검토하는데, 그럴듯하게 생긴 슬롭이 밀려들면 진짜 좋은 연구를 가려낼 여력이 사라집니다.

둘째, 후속 연구가 오염됩니다. 한번 출판된 논문은 다른 연구자가 인용합니다. 가짜 상관관계가 진짜처럼 인용되고, 그 위에 또 다른 연구가 쌓이면 학문의 토대 자체가 모래성이 됩니다.

셋째, 가장 무서운 부분인데요. 이게 의학이라는 점입니다. 잘못된 상관관계가 “이 음식이 이 병을 예방한다"는 식의 건강 정보로 번지면, 실제 사람의 선택과 건강에 영향을 줍니다. 슬롭이 단순한 인터넷 쓰레기를 넘어 공중보건의 문제가 되는 지점입니다.

도구를 탓할 일은 아닙니다

오해는 말아야겠습니다. AI 도구 자체가 악은 아닙니다. 같은 도구로 진짜 가설을 세우고, 제대로 검증하고, 한계를 정직하게 밝히면 훌륭한 연구 보조 수단이 됩니다. 문제는 도구가 아니라, ‘실적을 양으로 채우라’고 등을 떠미는 평가 구조입니다.

논문 편수로 사람을 줄 세우는 한, 가장 빠르게 편수를 늘려주는 도구는 언제나 유혹적일 수밖에 없습니다. 결국 해법도 도구 규제가 아니라 평가의 방식에 있습니다. 몇 편을 썼느냐가 아니라, 무엇을 밝혀냈느냐를 묻는 쪽으로 말입니다.

AI는 글을 쓰는 비용을 0에 가깝게 만들었습니다. 그런데 과학의 가치는 글을 쓰는 데 있는 게 아니라, 진실을 가려내는 데 있습니다. 찍어내기가 쉬워질수록, 진짜를 알아보는 눈은 더 비싸집니다. 여러분이라면 이 넘쳐나는 논문 더미 속에서 무엇을 믿겠습니까.