서로 한 번도 대화한 적 없는 9명에게 똑같은 과제를 줬어요. "벽돌과 선풍기로 장난감을 설계하라." 각자 독립된 방에서, AI의 도움을 받아서요. 결과물을 모아보니 — 9명 중 여러 명이 완전히 같은 이름의 장난감을 제출했어요. "Build-a-Breeze Castle." 짜고 친 게 아니에요. 그냥 다들 ChatGPT를 썼을 뿐이에요.
이게 지금 당신 팀 회의실에서 벌어지고 있는 일이에요. 기획안 초안은 ChatGPT, 카피는 Claude, 리서치는 Perplexity. 개인 생산성은 확실히 올랐죠. 그런데 마지막 미팅에서 누군가 "근데 아이디어가 다 비슷한데?"라고 했다면 — 그건 팀 케미가 좋아서가 아니에요. Wharton 연구진이 측정해보니, AI를 쓴 그룹은 아이디어의 94%가 서로 겹쳤어요.
좋은 아이디어가 다 똑같으면, 그건 더 이상 브레인스토밍이 아니에요
여기 함정이 있어요. AI가 낸 아이디어는 하나하나 보면 실제로 더 좋았어요. 원래 실험(Byung Cheol Lee, Jaeyeon Chung 연구)에서 AI를 쓴 그룹은 개인 수준에서 더 독창적이고 유용한 아이디어를 냈거든요. 그래서 다들 "AI가 창의성을 높인다"고 결론 냈죠.
Wharton의 Christian Terwiesch, Gideon Nave 교수와 Mack Institute의 Lennart Meincke는 그 데이터를 다시 열어, 아무도 안 본 차원을 측정했어요 — 개인이 아니라 그룹 전체의 아이디어 다양성. 그리고 Nature Human Behaviour에 제목부터 직설적인 논문을 냈어요: "ChatGPT decreases idea diversity in brainstorming."
이게 왜 치명적이냐면, 브레인스토밍의 존재 이유 자체를 무너뜨리거든요. 회의실에 10명을 모으는 건 답 10개 중 제일 좋은 1개를 고르려는 게 아니에요. 서로 다른 10개의 출발점을 모으려는 거예요. 그런데 10명이 전부 같은 아이디어의 변주만 가져온다면, 그 회의는 사실상 1명짜리 회의예요. 나머지 9명의 인건비는 증발한 거고요.
"AI 쓰면 머리 아프다"는 그 얘기랑은 다른 문제예요
하버드의 'AI Brain Fry'는 개인의 인지 피로 이야기예요 — AI를 쓰면 뇌가 더 지친다는 거죠. 이번 Wharton 연구는 층위가 달라요. 개인은 멀쩡한데(오히려 더 똑똑해 보이는데), 팀 전체의 사고 다양성이 조용히 무너져요. 피로는 본인이 느끼기라도 하지, 동질화는 아무도 못 느낀 채 진행돼요. 그래서 더 위험해요.
증거: 5개 실험, 45개 비교, 그리고 같은 이름의 성(城)
이게 우연한 한 번의 실험이 아니라는 게 무서운 지점이에요. 5개 실험, 45개의 통계 비교 중 37개(82%)에서 AI 사용 그룹의 아이디어 다양성이 유의미하게 낮았어요. 게다가 연구팀은 Google이 만든 의미 유사도 측정 도구를 써서, 표현은 달라 보이지만 본질은 같은 아이디어까지 잡아냈어요 — 단어만 바꿔 쓴 위장 다양성은 통하지 않았다는 뜻이에요.
대비가 잔인할 정도예요. AI 없이 작업한 그룹은 9명이 9개의 서로 다른 길로 갔어요. AI를 쓴 그룹은 9명이 한 길로 수렴했고요. 한쪽은 모자이크, 한쪽은 복사기였던 거예요.
| AI 사용 그룹 | AI 미사용 그룹 | |
|---|---|---|
| 개별 아이디어 퀄리티 | 높음 (AI가 정제) | 보통 |
| 아이디어 고유성 | 6%만 고유 | 100% 고유 |
| 컨셉 겹침 | 94% 겹침 | 겹침 없음 |
| 표현 방식 | 유사한 언어 패턴 | 다양한 표현 |
| 브레인스토밍의 가치 | 반복되는 좋은 아이디어 1개 | 다양한 관점의 모자이크 |
왜 이런 일이 벌어질까: 범인은 모델 절반, 사람 절반
원인은 의외로 단순해요. Meincke의 설명이 가장 명쾌해요:
"같은 모델에 같은 프롬프트를 넣으면, 같은 확률 분포에서 결과가 나와요. 반복할수록 고유한 아이디어가 줄어드는 건 당연해요."
— Lennart Meincke, Wharton Mack Institute
그런데 범인이 모델만은 아니에요. 더 뼈아픈 발견은 따로 있어요 — 사람들이 AI에게 비슷한 프롬프트를 넣었다는 거예요. "벽돌과 선풍기로 장난감 만들어줘"라고 다들 거의 똑같이 물었으니, 같은 입구로 들어가서 같은 출구로 나온 셈이죠. 즉 동질화의 절반은 우리가 AI와 대화하는 방식 자체가 획일적이라서 생긴 거예요. 그리고 바로 그 절반이, 오늘 당장 우리가 고칠 수 있는 부분이에요.
그래서 팀에서 AI를 제대로 쓰는 법 (버리라는 게 아니에요)
연구진의 결론은 "AI를 끄라"가 아니에요. "다양성은 의도적으로 보호하지 않으면 절대 얻을 수 없다"는 거예요. 그냥 두면 수렴은 기본값이거든요. 다양성을 지키는 구체적 장치 세 가지예요.
- 사람 먼저, AI는 나중에
팀원들이 각자 자기 머리로 아이디어를 먼저 낸 다음에 AI를 투입하세요. 인간의 관점이 이미 제각각으로 갈라진 상태에서 AI를 붙이면, 출발점이 다르니 결과도 덜 수렴해요. AI를 첫 단계부터 켜면 모두가 똑같은 시작점에 서게 돼요. 순서만 바꿨을 뿐인데 다양성이 보존돼요. - 프롬프트를 일부러 다르게, 쪼개서 던지세요
같은 과제라도 팀원마다 다른 각도로 묻게 하세요. "비용 절감 관점에서 접근해줘" / "사용자 경험 관점에서 접근해줘" / "경쟁사가 절대 안 할 법한 걸 제안해줘" — 입구가 달라지면 출구도 달라져요. Terwiesch 교수의 말: "프롬프트를 변주하는 비용은 사실상 0인데, 다양성의 가치는 엄청나다." - 모델을 섞으세요. ChatGPT 하나에 몰빵하지 마세요
Claude, Gemini, Llama, Grok — 각 모델은 학습 데이터도, 확률 분포도 달라요. 그래서 같은 질문에도 다른 곳으로 발산해요. Meincke의 조언은 거의 도발에 가까워요: "5개 모델을 다 안 써보는 건 바보 같은 짓이에요. 전부 섞어서 미쳐보세요."
한 단계 더: 'Chain-of-Thought'로 사고를 쪼개세요
연구팀이 추천하는 추가 기법이에요. AI에게 "아이디어 하나 줘"라고 한 방에 묻지 말고, 사고를 단계로 분해해서 물어보세요. "이 문제의 진짜 제약은 뭐야?" → "그 제약을 우회하는 방법 3가지는?" → "각 방법을 극단까지 밀어붙이면 뭐가 나와?" 단계를 쪼갤수록 매번 같은 정답으로 직행하는 대신, 갈래가 늘고 변주가 살아나요.
슈퍼맨 10명이 같은 방향으로 날면, 그건 팀이 아니라 복제예요
이 연구가 남기는 한 문장은 이거예요:
"성공적인 브레인스토밍의 진짜 가치는 아이디어의 다양성에서 나옵니다. 여러 사람이 비슷한 생각을 반복하는 데서 나오지 않아요."
— Meincke, Nave, Terwiesch (Nature Human Behaviour, 2025)
AI가 개인을 슈퍼맨으로 만들어주는 건 사실이에요. 하지만 슈퍼맨 10명이 전부 같은 방향으로 날아가면, 그건 팀이 아니라 복제 부대예요. AI 시대 팀 리더의 새로운 일은 명령을 내리는 게 아니라, 일부러 다르게 생각하게 만드는 구조를 설계하는 거예요. 사람을 먼저 풀어놓고, 프롬프트를 갈라놓고, 모델을 섞어놓는 것 — 그 세 가지 장치가 없으면, 당신 팀의 다음 회의에도 'Build-a-Breeze Castle'이 9개 제출될 거예요.
