360년 전 등장한 ‘논문’이라는 형식이 AI 앞에서 흔들리고 있다.
핵심 요약
- AI를 쓰는 연구자들은 이전보다 훨씬 많은 논문을 출판하고 있고, 시스템은 이를 감당하지 못하고 있다
- Google의 Paper Orchestra는 연구 노트를 받아 40분 안에 제출 가능한 논문을 생성한다
- ICLR 2026 제출 리뷰의 21%가 AI가 작성한 것으로 추정된다
- Caltech의 OpenEval은 논문을 개별 ‘주장’ 단위로 분해해 AI가 평가하는 새로운 레이어를 제안한다
- 공통된 진단: 논문은 너무 많은 기능을 하나의 형식에 묶어놓았고, 그 묶음이 풀리기 시작했다
논문은 원래 혁신이었다
케플러의 《신천문학》은 10년치 관측을 책 한 권에 담았다. 뉴턴의 《프린키피아》도 수십 년의 사고를 집약한 대작이었다. 그런데 1665년 런던 왕립학회가 《Philosophical Transactions》를 창간하면서 흐름이 바뀌었다. 잠정적 발견을 작은 단위로 빠르게 공유할 수 있게 됐다. 다윈은 이 짧은 형식을 불신했고(“내 이론은 저널에서 과학적으로 다루기 어렵다”), 그러면서도 결국 이 형식이 표준이 됐다.
아인슈타인의 상대성 이론 논문 4편, 왓슨과 크릭의 DNA 구조 발견(1,000단어 미만)—논문은 발견을 실시간에 가깝게 공유하고 쌓아올리는 인프라가 됐다.
이제 그 인프라가 AI 앞에서 한계를 드러내고 있다.
AI가 시스템을 압도하고 있다
Surrey 대학의 Matt Spick은 매일 하나, 때로는 두 편씩 거의 동일한 논문을 심사 요청받는다. 모두 같은 공개 미국 의료 데이터셋을 사용하고, 표절 탐지를 피할 만큼만 바꿔 쓴 것들이다.
Google이 공개한 Paper Orchestra는 더 직접적이다. 연구자의 날 것의 실험 노트를 받아 5개의 전문 AI 에이전트가 순서대로 처리하면, 40분 만에 그림과 검증된 인용이 포함된 LaTeX 원고가 완성된다.
결과는 예측 가능하다. 편집자는 충분한 심사자를 구하지 못하고, 심사자들은 스스로 AI를 쓰기 시작했다. ICLR 2026 제출 리뷰의 21%가 AI가 완전히 작성한 것으로 추정된다.
고칠 것인가, 교체할 것인가
표준적인 반응은 기존 시스템을 보수하는 것이다. 그런데 일부 연구자들은 다른 질문을 던지고 있다. AI의 능력이 과학 소통의 단위 자체를 다시 진화시키도록 강제하고 있는 건 아닐까?
Caltech의 Lior Pachter 팀이 올해 2월 공개한 OpenEval은 그 구체적인 제안 중 하나다. 이 시스템은 과학 논문을 구성 단위로 분해한다 — 개별 주장, 그것을 뒷받침하는 증거, 그 증거가 유효한지에 대한 평가. eLife 전체 코퍼스(약 16,000편)에서 거의 200만 개의 개별 주장을 추출하고 AI가 각각을 평가했다.
결과가 흥미롭다. AI와 인간 리뷰어가 81%의 경우 동의했다. 하지만 더 중요한 숫자는 커버리지다. OpenEval은 논문 내 주장의 **93%**를 평가했고, 인간 피어 리뷰어는 평균 **68%**에 그쳤다. 100개의 경험적 주장이 담긴 논문을 바쁜 교수 2~3명이 촉박한 시간 안에 전부 평가하는 건 애초에 불가능하다.
Pachter 팀의 주장은 이렇다. 논문은 현재 두 가지 기능을 묶어놓고 있다 — 결과의 배포와 아이디어의 소통. 결과는 기계가 읽을 수 있는 명시적 형식으로 출판하고, 내러티브는 그 구조화된 토대 위의 해석 레이어로 존재해야 한다. 논문은 사라지지 않지만, 더 깊고 쿼리 가능한 기록의 한 ‘뷰’가 된다.
신경과학이 가장 많이 얻을 수 있다
신경과학은 분자생물학부터 기능적 뇌 영상, 행동심리학까지를 아우른다. 한 수준의 발견이 다른 수준의 질문에 직접 연결되지만, 그 연결은 현재 논문이라는 형식 안에 묻혀 있다.
OpenEval은 이미 숨겨진 연결을 찾아냈다. 두 편의 eLife 논문이 서로 다른 뇌 회로에서 시간 의존적 장기 우울(tLTD)의 메커니즘을 독립적으로 연구했다. 하나는 NMDA 수용체가 시냅스 연결에 따라 필요할 수도 없을 수도 있다고 했고, 다른 하나는 NMDA 수용체가 반드시 필요하며 비이온성 신호를 통해 작동한다고 했다. 두 논문은 서로 다른 회로를 다뤘기 때문에 서로를 인용하지 않았다. 합치면 ‘NMDA 수용체의 tLTD 관여는 회로 의존적’이라는 더 큰 그림이 보인다. 현재의 논문 형식은 이 연결을 보이지 않게 만든다.
스펙트럼의 다른 끝
제안들은 스펙트럼 위에 있다.
이탈리아 물리학자 Francesca Colaiori는 ‘적응형 지식 네트워크(Adaptive Knowledge Network)‘를 제안한다. 과학 기여의 기본 단위는 논문이 아니라 ‘지식 객체’ — 하나의 주장, 데이터셋, 방법, 미해결 질문. 각각이 연결되고, 출판은 완성된 원고를 제출하는 게 아니라 공유 위키를 편집하는 것에 가까워진다.
NEJM AI는 반대 방향에서 움직인다. 현재 시스템에 AI를 접목한 하이브리드 리뷰 프로세스를 시범 운영 중이다. 인간 편집자, 두 개의 LLM, AI와 협업하는 통계학자가 각각 독립적으로 검토한다. 제출부터 잠정 수락까지 7일. 첫 두 편의 논문을 AI 리뷰 전문과 저자 응답과 함께 공개해 독자들이 직접 질을 판단하게 했다.
실무자가 볼 핵심 포인트
논문 자동 생성은 이미 현실이다. Paper Orchestra 같은 도구는 연구자의 생산성을 높이는 동시에 피어 리뷰 시스템의 신뢰성을 위협한다. AI 보조 연구를 한다면 어느 쪽으로 작용하는지 인식해야 한다.
OpenEval의 접근은 AI 활용의 현실적 방향이다. AI가 논문을 쓰는 것보다, AI가 주장을 분해·평가하고 인간이 해석하는 구조가 더 지속 가능하다.
신경과학 같은 이종 필드일수록 구조화된 지식 레이어의 이점이 크다. 서로 다른 수준의 발견들이 연결되지 못하고 사일로에 갇히는 현재 구조의 비용이 가장 높은 분야다.
‘고칠 것인가, 교체할 것인가’는 연구자 개인에게도 실제 질문이다. 논문을 쓰는 방식, 인용하는 방식, 지식을 정리하는 방식이 바뀔 가능성에 대비하는 것이 합리적이다.
원문: Tim Requarth, “The next unit of science: Is the scientific paper due to be replaced?”, The Transmitter, 2026년 5월 11일 — https://www.thetransmitter.org/from-bench-to-bot/the-next-unit-of-science-is-the-scientific-paper-due-to-be-replaced/