AI와 사람, 무엇을 맡기고 무엇을 남길까

🧐 Summary

1️⃣ 창의성은 새로움과 유용성에 기반해 아이디어 생성, 구현, 맥락까지 아우르는 총체적 역량으로 정의할 수 있어요.

2️⃣ AI는 확산적인 사고에, 인간은 수렴적인 사고에 강점이 있어 역할을 분리할 때 창의적 과업의 생산성이 높아집니다.

3️⃣ 장기적으로는 인간의 핵심적 역량, 논증, 종합적 판단을 인간의 역할로 남겨두어 인간의 지적 능력을 유지 및 강화하는 것이 중요해요.

인간과 AI의 협업(Human-AI Collaboration, HAIC). 말은 거창하지만 사실 우리 모두 매일 하고 있는거죠? 주말을 계획하는 작고 사소한 질문부터 업무 중에 필요한 꽤 복잡하고 전문적인 리서치까지, 이미 우리는 많은 부분을 AI와 함께 하고 있습니다. 그 이유는 무엇일까요? 아무래도 간편해서라는 대답이 제일 많겠죠. 구글이나 네이버 같은 검색창을 켜서 적절한 검색어를 생각해내고, 또 그 결과로 제공되는 수많은 사이트들을 직접 읽으며 이걸 정리하던 시절을 생각하면 AI에게 그냥 떠오르는 질문을 던지기만 해도 정리된 대답이 나오는 지금은 얼마나 효율적이고 간편한지 몰라요. 하지만 올해 초 MIT에서 발표한 연구 결과는 우리의 생각과 상당히 달랐어요.  평균적으로 인간과 AI의 조합은 최고의 인간 단독 시스템이나 AI 단독 시스템보다 낫지 않다는거에요[1]. 이 연구는 전략 없는 협업이 오히려 성과를 저해할 수 있다는 시사점을 줍니다. 그래서 오늘은 사람이 AI와 협업할 때, 그 중에서도 창의성이 중요한 일을 함께 할 때 어떻게 업무를 분담하는 것이 좋은지 생각해보려해요. 

image : allo.blog

창의성이란 무엇일까?

창의성은 일반적으로 ‘새롭고(novel) 유용한(useful) 것’을 만들어내는 능력으로 정의됩니다[2]. 새로움(Originality/Novelty)은 기존에 없던 독창적이고 새로운 아이디어나 산출물을 뜻하고, 유용성(Usefulness/Effectiveness)은 그 아이디어나 산출물이 특정 문제 해결에 적합하거나 효과적이라는 의미를 담고 있죠. 이 두 가지 요소가 현대 창의성 연구에서 가장 널리 받아들여지는 표준적 정의의 핵심이에요[2,3,4].

하지만 연구자들은 여기에 더해 ‘고품질’[5], ‘관습과의 대비’[6], ‘놀라움’[7], ‘비자명성’[8], ‘미적·진정성’[9] 같은 추가 기준들을 제시해왔어요. 즉, 창의성을 단순히 ‘새롭고 유용하다’로만 볼 것이 아니라, 얼마나 뛰어난지, 얼마나 예상하지 못했던 것인지, 또한 얼마나 진정성 있는가까지 함께 보자는 흐름이에요.

또한 Mumford의 연구에서는 창의적 활동을 아이디어 생성(ideation)과 구현(implementation)이라는 두 가지 핵심 과정으로 구분했어요[10]. 아이디어를 떠올리는 것뿐 아니라, 그것을 현실로 구현하는 과정 자체도 창의성의 일부라는 거에요[4]. 나아가 문제를 새롭게 규정하고 정의하는 것(Conceptualization) 역시 창의적 활동으로 정의하고 있습니다[11].

흥미로운 점은 창의성이 한 사람의 머릿속에서만 일어나는 고립된 행위가 아니라는 거에요. 몇몇 연구들에서는 창의성을 사회·심리적 현상으로 이해하며[12,13], 개인의 상상력[15]이 문화, 환경, 이념적 맥락[16]과 상호작용하며 형성된다고 봅니다다. Glaveanu(2013)는 우리가 개인의 창작 행위로 여기는 것 역시 사실은 사회적 관계망 속에 내재한다고 주장했어요[14].

정리해보면, 창의성은 단순히 '새로운 생각을 떠올리는 능력'을 넘어 문제를 새롭게 보고 정의하며, 유용한 해법을 만들고, 그것을 사회문화적 관점 속에서 실현하는 총체적 역량이라고 할 수 있습니다. 이런 창의적 과정 속에서 우리는 무엇을 AI에게 맡기고, 무엇을 스스로 해야 할까요?

확산/수렴적 사고와 역할 분담

심리학자 길포드(Guilford)는 창의적인 아이디어를 내는 과정을 확산적 사고(Divergent Thinking)와 수렴적 사고(Convergent Thinking)로 나누었어요[17,18].

이 프레임에 맞춰서 인간과 AI의 이상적인 역할 분담을 생각해볼게요.

생성형 AI는 빅데이터를 기반으로 인간이 생각하지 못했던 수많은 조합과 변형을 빠르게 만들어낼 수 있다는 장점이 있죠[19]. 이는 아이디어의 양이 질을 만들어내는 브레인스토밍 단계에서 인간의 인지적 한계를 뛰어넘는 강력한 장점으로 작용할 수 있어요[1]. 뇌과학적으로 보면, AI는 우리가 몽상하거나 자유롭게 연상할 때 활성화되는 기본 모드 네트워크(Default Mode Network, DMN)를 극대화한 기능을 한다고 볼 수 있어요. 사람이 그동안 쌓아온 방대한 지식과 이미지를 학습했지만, 그 기반 위에서 오히려 사람의 굳어있는 사고를 깨뜨리는 역할을 하기도 하죠. 

하지만 AI가 쏟아낸 수많은 ‘새로운’ 아이디어 중에서 무엇이 진정으로 ‘가치’ 있는지 판단하는 것은 전적으로 인간의 몫이죠. 이 부분은 논리적이고 목표 지향적인 사고를 할 때 활성화되는 실행 제어 네트워크(Executive Control Network)의 역할과 유사한데요, 인간은 AI가 생성한 결과물을 자신의 목표나 의도에 맞게, 더 나아가서는 사회문화적 맥락 속에서 비판적으로 검토하고 선택해서 이 아이디어를 보다 정교하게 다듬는 수렴적 사고의 주체가 되어야 해요[21]. 예를 들어 AI가 천개의 로고 디자인을 제안했다면 그 중 브랜드 철학과 타겟 고객의 감성에 가장 적합한 것을 선정하는 것은 인간이 더 잘 할 수 있는 일이죠. 

앞에서 언급했던 MIT 연구는 인간–AI 팀이 의사결정 과업에서는 저조한 성과를 보였지만, 콘텐츠 생성 과업에서는 오히려 인간 단독이나 AI 단독보다 더 나은 성과를 보였다고 정리했어요[1]. 결국 전략 없는 협업은 성과를 떨어뜨릴 수 있지만, AI는 확산적 사고를, 인간은 수렴적 사고를 맡는다는 역할 분담이 명확하면 오히려 더 나은 결과를 낼 수도 있다는 거에요.

나 자신을 위해 남겨둬야 할 부분

AI와의 협업을 논할 때 생산성 향상만큼 중요한 것이 바로 우리 자신의 성장이에요. 어떤 부분은 AI가 더 효율적으로 수행할 수 있다 하더라도, 그럼에도 불구하고 우리가 직접 함으로써 얻는 장기적인 이익이 있는 경우가 있잖아요. 예를 들어 출근할 때 지하철 한 정거장을 타고 빠르게 이동할 수 있음에도 불구하고 건강을 위해 자전거를 타는거 같은거죠. 정신적 능력도 근육과 같아서, 어려운 과제를 통해 단련하지 않으면 금방 녹이 스니까요. 

앞에서는 AI와 업무를 분담할 때에 결과물의 질을 높일 수 있는 방향에 대해 생각해보았는데요, 우리 인간의 인적 자본에 대한 장기적인 투자 관점에서 다시 한 번 생각해볼까요. 

AI에 대한 과도한 의존은 인지적 오프로딩(Cognitive Offloading)과 자동화 편향(Automation Bias)으로 우리에게 부정적인 영향을 미칠 수 있어요.

먼저 인지적 오프로딩은 기억, 문제 해결, 분석과 같은 인지적 과업을 외부 도구에 위임하는 행위를 뜻하는데요[22], 이는 다른 과업에 정신적 자원을 집중할 수 있게 해준다는 장점도 있지만, 점차 과해지면 비판적인 사고능력이 약해지고 기억력이 손상되는 등 부작용을 낳을 수 있어요[22, 23].

자동화 편향은 자동화된 시스템의 의존도가 높아져서 그 시스템이 틀렸을 때도 그 결과를 신뢰하는 경향을 뜻해요[24,25]. 이러한 편향은 시스템에 대한 감시 부족, 즉 안주(complacency)로 이어지고, 시스템의 잘못된 결과를 그대로 따르는 실행 오류(commission error)를 유발할 수 있죠[25]. 무엇보다 이 두가지 현상은 악순환의 고리를 만든다는 점이 문제인데요, AI에 과업을 ‘오프로딩’하면서 관련된 능력 자체를 잃게 되면 AI의 결과물을 비판적으로 평가할 능력 역시 없어지죠. 이는 ‘자동화 편향’에 더 취약하게 만들고, 다시 더 많은 ‘오프로딩’과 기술 퇴화를 부추기게 됩니다.

그래서 우리는 어렵고 불편한 정신적 노동을 인지 능력을 단련하기 위한 운동과 같이 생각할 필요가 있어요. 예를 들면 다음과 같은 부분이 우리의 ‘오늘의 운동’이 될 수 있겠죠.

메타인지(Metacognition), 즉 자신의 지식과 이해 수준을 정확하게 평가하는 능력은 전문성의 근본이에요. 하지만 연구에 따르면 인지적 오프로딩은 지식의 인플레이션(inflation of knowledge)을 낳게 되어 메타인지를 부족하게 해요[23]. AI를 사용해 즉각적으로 답을 찾게 되면, 우리는 AI의 능력을 마치 내 능력인 양 착각해 과도한 자신감을 가질 수 있어요[23]. 그리고 이 과정에서 문제와 씨름하며 자신의 한계를 깨닫는 기회를 잃게 되죠. 우리는 AI와 협업하더라도, 우리 스스로의 정신적 근력을 단련하기 위해 매일 ‘오운완’처럼 작은 훈련을 이어나가는 것이 필요합니다. 그렇지 않으면 메타인지가 부족한 게으른 자만심만 늘어갈지 몰라요.

창의적인 업무를 할 때 다량의 아이데이션은 AI에게, 판단은 내가. 많이 들어본 뻔한 말이지만 그게 왜 중요한지 오늘은 다양한 기존 연구를 통해 이해해보려고 했어요. 그리고 좋은 결과물을 얻는 것도 중요하지만 우리의 지적 능력을 손상시키지 않기 위해서 귀찮더라도 노력해야 하는 것들도 생각해보았어요. 늘 이야기하지만 AI는 우리를 대체하는 것이 아니라 우리를 더 좋은 사람으로 만들어주기 위한 증강적 서포트의 역할을 해야 한다고 생각해요. 새로운 AI 팀원과 어떻게 협력할지에 대해 신중하고 근거 있는 선택을 할 때, 이 파트너십은 생산성을 넘어 우리를 더 유능하고 지적인 존재로 만들어주는 동력이 될 수 있을거에요. 

[inspire X 오픈카톡방]

https://open.kakao.com/o/gBHmseah

Reference

[1] Malone, T. W., Laubacher, R. J., & Johns, T. (2024, March 12). When humans and AI work best together — and when each is better alone. MIT Sloan Management Review. https://mitsloan.mit.edu/ideas-made-to-matter/when-humans-and-ai-work-best-together-and-when-each-better-alone

[2] Mumford, M. D. (2003). Where have we been, where are we going? Taking stock in creativity research. Creativity Research Journal, 15(2–3), 107–120. https://doi.org/10.1080/10400419.2003.9651403

[3] Runco, M. A., & Jaeger, G. J. (2012). The standard definition of creativity. Creativity Research Journal, 24(1), 92–96. https://doi.org/10.1080/10400419.2012.650092

[4] Hennessey, B. A., & Amabile, T. M. (2010). Creativity. Annual Review of Psychology, 61, 569–598. https://doi.org/10.1146/annurev.psych.093008.100416

[5] Sternberg, R. J., & Lubart, T. I. (1995). Defying the crowd: Cultivating creativity in a culture of conformity. Free Press.

[6] Niu, W., & Sternberg, R. J. (2002). Contemporary studies on the concept of creativity: The East and the West. Journal of Creative Behavior, 36(4), 269–288. https://doi.org/10.1002/j.2162-6057.2002.tb01069.x

[7] Boden, M. A. (2004). The creative mind: Myths and mechanisms (2nd ed.). Routledge.

[8] Simonton, D. K. (2012). Taking the US Patent Office criteria seriously: A quantitative three-criterion creativity definition and its implications. Creativity Research Journal, 24(2–3), 97–106. https://doi.org/10.1080/10400419.2012.676974

[9] Kharkhurin, A. V. (2014). Creativity. 4in1: Four-criterion construct of creativity. Creativity Research Journal, 26(3), 338–352. https://doi.org/10.1080/10400419.2014.929424

[10] Mumford, M. D., Scott, G. M., Gaddis, B., & Strange, J. M. (2002). Leading creative people: Orchestrating expertise and relationships. Leadership Quarterly, 13(6), 705–750. https://doi.org/10.1016/S1048-9843(02)00158-3

[11] Csikszentmihalyi, M. (1988). Society, culture, and person: A systems view of creativity. In R. J. Sternberg (Ed.), The nature of creativity: Contemporary psychological perspectives (pp. 325–339). Cambridge University Press.

[12] Amabile, T. M., & Pillemer, J. (2012). Perspectives on the social psychology of creativity. Journal of Creative Behavior, 46(1), 3–15. https://doi.org/10.1002/jocb.001

[13] Lebuda, I., & Csikszentmihalyi, M. (2018). Creative systems and the development of creativity across the lifespan. Springer.

[14] Glăveanu, V. P. (2013). Rewriting the language of creativity: The five A’s framework. Review of General Psychology, 17(1), 69–81. https://doi.org/10.1037/a0029528

[15] Lindqvist, G. (2003). Vygotsky’s theory of creativity. Creativity Research Journal, 15(2–3), 245–251. https://doi.org/10.1080/10400419.2003.9651416

[16] Thibodeaux, J. (2014). Creativity and ideology: Cultural impact on creative meaning making. Journal of Creative Behavior, 48(3), 173–188. https://doi.org/10.1002/jocb.53

[17]Guilford, J. P. (1956). The structure of intellect. Psychological Bulletin, 53(4), 267–293. https://doi.org/10.1037/h0040755

[18]Runco, M. A. (2015). Are creative ideas novel and useful? ResearchGate preprint. https://www.researchgate.net/publication/276350582_Are_Creative_Ideas_Novel_and_Useful

[19]Rehman, S. (2025). Analyzing the strengths, weaknesses, opportunities, and threats of AI in libraries. Library Philosophy and Practice. University of Nebraska–Lincoln Digital Commons. https://digitalcommons.unl.edu/cgi/viewcontent.cgi?article=15026&context=libphilprac

[20]Eff, M. (2025). The ten most influential works of AI art. Higher Neurons. https://medium.com/higher-neurons/the-ten-most-influential-works-of-ai-art-820c596b8840

[21]Journal of Tianjin University Science and Technology. (2025). The impact of human-AI collaboration on decision-making in management. Journal of Tianjin University Science and Technology. https://tianjindaxuexuebao.com/dashboard/uploads/26.12515860.pdf

[22]Brown, T., & Smith, A. (2025). AI tools in society: Impacts on cognitive offloading and the future of human thinking. Societies, 15(1), Article 6. MDPI. https://www.mdpi.com/2075-4698/15/1/6

[23]Clark, A., & Chalmers, D. (2025). Supporting cognition with modern technology: Distributed cognitive systems and human memory. Frontiers in Psychology, 16, 9329671. https://pmc.ncbi.nlm.nih.gov/articles/PMC9329671/

[24]MedPro Group. (2025). Artificial intelligence risks: Automation bias. https://www.medpro.com/artificial-intelligence-risks-automationbias

[25]Parasuraman, R., & Riley, V. (1997). Misuse of automated decision aids: Complacency, automation bias and the impact of training experience. Human Factors, 39(2), 230–244. https://www.researchgate.net/publication/222414340_Misuse_of_automated_decision_aids_Complacency_automation_bias_and_the_impact_of_training_experience

[26]Zhang, Y., & Lee, H. (2024). Human-AI collaboration patterns in AI-assisted academic writing: A longitudinal study of doctoral students. Studies in Higher Education, 49(7), 1203–1225. https://www.tandfonline.com/doi/full/10.1080/03075079.2024.2323593

[27]Kim, S., & Park, J. (2025). Defining human-AI teaming the human-centered way: A scoping review and network analysis. Journal of Human–AI Interaction Studies, 3(1), 1–28. https://pmc.ncbi.nlm.nih.gov/articles/PMC10570436/