AI 성적표는 90점, 실제 사용하면 60점"... 토론토대 교수가 밝힌 AI의 함정

aimatters · 2026.01.15 16:20:16

AI가 어제는 완벽한 답을 내놓더니, 오늘은 비슷한 질문에 황당한 대답을 내놓은 경험이 있는가? 토론토대학교 경제학 교수가 발표한 연구 논문에 따르면, 이것이 단순한 우연이 아니라 수학적으로 필연적인 현상임을 밝혔다. 더 충격적인 사실은 AI 회사들이 발표하는 성능 점수가 당신이 실제로 경험할 성능보다 2배나 부풀려져 있다는 것이다.

AI는 천재와 바보 사이를 오간다

조슈아 간스(Joshua S. Gans) 교수는 이 현상을 '인공 들쭉날쭉 지능(Artificial Jagged Intelligence)'이라고 말했다. AI의 지식은 마치 치즈처럼 어떤 부분은 빽빽하게 채워져 있지만 어떤 부분은 텅 비어있다.

연구팀은 실제 AI 작동 방식을 분석한 결과, AI가 학습한 데이터는 무작위로 흩어진 '지식 포인트'처럼 존재한다는 것을 발견했다. 문제는 이 지식 포인트들 사이의 간격이 일정하지 않다는 것이다. 어떤 주제는 촘촘히 학습되어 있지만, 어떤 주제는 거의 학습이 안 되어 있다. AI는 지식 포인트 사이의 빈 공간에서는 추측으로 답을 만들어낸다.

하버드 경영대학원의 실험 연구도 이를 뒷받침한다. 경영 컨설턴트들에게 AI를 제공했더니, 비슷해 보이는 업무 중 어떤 것은 성과가 크게 향상되었지만 어떤 것은 오히려 나빠졌다. 연구진은 이를 "들쭉날쭉한 기술 경계선"이라고 표현했다.

당신은 불운하게도 AI가 약한 부분만 계속 만난다

여기서 더 큰 문제가 시작된다. 통계학의 '검사 역설' 즉, 평균을 기준으로 생각할 때와 실제로 무작위로 경험할 때의 평균이 달라지는 현상 때문에, 사용자는 AI가 약한 부분을 훨씬 더 자주 경험하게 된다.

간단한 예로 설명해보자. 두 개의 교각으로 지탱되는 다리가 있다. 한 구간은 2미터, 다른 구간은 8미터다. 평균을 계산하면 5미터다. 그런데 실제로 이 다리를 건너는 사람은 어떨까? 2미터 구간은 금방 지나가지만, 8미터 구간은 오래 걸린다. 시간으로 따지면 전체 시간의 80%를 위험한 8미터 구간에서 보낸다. 평균은 5미터지만, 체감하는 위험도는 6.8미터인 셈이다.

연구는 이를 수학적으로 증명했다. 지식 간격이 무작위로 분포된 경우, 사용자가 경험하는 평균 간격은 실제 평균의 정확히 2배다. AI 회사가 "우리 AI는 평균 90점입니다"라고 발표해도, 당신이 실제로 경험하는 오류는 2배 더 많을 수 있다는 뜻이다.

더 큰 AI 모델도 '불균등성'은 못 고친다

AI 업계는 더 큰 모델, 더 많은 데이터에 수천억 원을 쏟아붓고 있다. 현재 AI의 모델 크기는 과거와 비교하면 기하급수적으로 커졌다. 그런데 이 연구는 충격적인 사실을 밝혔다. AI모델의 '불균등성'은 그대로라는 것이다.

연구진의 분석에 따르면, 지식 포인트 2배로 늘리면 평균 성능은 확실히 좋아진다. 하지만 상대적인 불균등성은 똑같이 유지된다. 여전히 사용자는 가장 긴 간격에 80%의 시간을 보낸다.

다리 비유로 돌아가면, 교각을 두 배로 늘려서 간격이 1미터와 4미터가 되었다고 하자. 안전해진 것은 맞지만, 여전히 사용자는 4미터 구간에서 80%의 시간을 보낸다. 숫자는 줄었지만 여전히 구조는 똑같다.

이것이 평가 점수는 계속 올라가는데 사용자들이 "여전히 이상한 실수를 한다"고 불평하는 이유다. 전체적으로는 좋아졌지만, 놀라운 실패는 여전히 똑같은 빈도로 발생한다.

진짜 해법은 '어디가 약한지 알려주는 것'

그렇다면 해법은 무엇일까? 논문에서는 세 가지 방향을 제시한다.

첫째는 '스케일링'으로, 더 큰 모델을 만드는 것이다. 이는 평균 성능을 올리지만 앞서 말했듯 불균등성은 못 고친다.

둘째는 '규칙성'으로, 약한 부분을 집중적으로 보완하는 것이다. 전체 데이터를 늘리기보다는 구멍 난 부분만 메우는 전략이다. 예를 들어 의료, 법률 같은 전문 분야 데이터를 집중적으로 학습시키는 방식이다.

마지막으로, 가장 중요한 것은 '캘리브레이션'이다. AI가 자신이 약한 부분을 솔직하게 알려주는 것이다.

완벽하게 캘리브레이션된 AI를 사용하는 사람을 상상해보자. 각 질문마다 AI가 "이 답은 80% 확신합니다" 또는 "이건 30%밖에 확신 못 합니다"라고 알려준다. 사용자는 확신도가 낮은 답은 무시하고 높은 것만 사용한다. 그러면 평균 점수가 낮아도 유용하게 쓸 수 있다.

연구에 따르면, 캘리브레이션의 가치는 AI가 아직 부족할 때 가장 크다. 모델이 이미 충분히 좋으면 캘리브레이션이 별로 필요 없다. 하지만 아직 불완전한 단계에서는 캘리브레이션이 모델 성능 향상보다 더 효과적일 수 있다.

챗GPT의 '추론 모드', 언제 쓸 가치가 있나?

챗GPT, 클로드 같은 AI들은 '추론 모드' 또는 '딥 씽킹' 같은 기능을 제공한다. 일반 모드보다 느리고 비용도 더 들지만, 더 정확한 답을 준다고 한다. 그런데 이게 정말 도움이 될까?

연구는 이에 대해서도 명확한 답을 제시한다. 추론 모드는 AI가 불확실한 영역에서 가장 효과적이다. 문제는 앞서 말한 검사 역설 때문에, 사용자는 정확히 그런 불확실한 영역을 더 자주 만난다는 것이다.

연구팀의 계산에 따르면, 일반적인 평가는 추론 모드의 가치를 과소평가한다. 평가는 모든 영역을 고르게 테스트하지만, 실제 사용자는 어려운 영역을 더 자주 만나기 때문이다.

최적 전략은 이렇다. 기본 모드로 시작해서 불확실성이 일정 수준을 넘으면 추론 모드로 전환하고, 그래도 확신이 없으면 아예 포기하는 것이다. 연구는 이 각 단계의 정확한 기준점까지 수식으로 제시했다.

회사는 도입했는데 직원들은 불만, 왜?

이 연구가 밝힌 가장 실용적인 발견은 조직의 AI 도입 결정과 직원의 실제 경험 사이의 괴리다.

상황을 재연해보자. IT 부서가 여러 AI를 테스트한다. 평가 점수가 80점 이상이면 합격이라는 기준을 세운다. A 제품이 82점을 받아 도입이 결정된다. 그런데 실제 현장에서는 "계속 이상한 답을 내놓는다고" 불만이 쏟아진다.

연구는 이것이 수학적으로 예측 가능한 현상임을 보여준다. 평가 점수가 80점이어도, 직원들이 경험하는 오류는 2배 더 많을 수 있다. 왜냐하면 평가는 고르게 샘플링하지만, 직원들은 어려운 업무에 더 많이 부딪히기 때문이다.

더 안 좋은 것은 직원들이 업무 압박 때문에 적절하지 않은 곳까지 AI를 사용한다는 것이다. AI를 쓰면 일이 편하니까 불확실한 경우에도 일단 AI에 맡긴다. 그러다 문제가 터지고, 신뢰가 떨어지고, 결국 비공식적으로 "AI는 이런 용도로만 쓰자"는 암묵적 룰이 생긴다.

연구는 이 문제의 해법으로 강제 검증 시스템을 제안한다. 모든 AI 결과물을 사람이 검토하도록 의무화하는 것이다. 언제 이것이 효과적일까? 연구에 따르면 AI가 "거의 좋은데 완벽하진 않은" 단계에서 가장 가치가 있다. 너무 형편없으면 아무도 안 쓰고, 완벽하면 검증이 불필요하다. 애매한 중간 단계에서 검증이 빛을 발한다.

AI 평가 방식을 바꿔야 한다

이 연구가 던지는 메시지는 명확하다. "평균 점수로 AI를 평가하지 마라."

AI 업체들이 발표하는 평가 점수는 실제 경험을 과대평가한다. 특히 성능이 불균등할수록, 실제 경험은 평가 점수보다 훨씬 나쁘다. 연구는 평가가 다음을 함께 보고해야 한다고 제안한다

평균 점수 (지금 발표하는 것)

성능 편차 (분야별로 얼마나 들쭉날쭉한가)

최악의 경우 (하위 성능 구간은 얼마나 나쁜가)

실제 사용 분포 반영 점수 (자주 쓰는 기능 위주로 측정)

기업 입장에서는 AI 도입 시 평가 점수만 보지 말고, 실제 직원들이 자주 하는 업무에서 테스트해봐야 한다. 그리고 불확실성이 높은 결과는 반드시 사람이 검토하는 시스템을 구축해야 한다.

개인 사용자는 어떻게 해야 할까? AI를 사용 때 "이 AI가 어떤 걸 잘하고 못하는지" 학습하는 시간을 투자해야 한다. 연구는 이를 '마스터리'라고 부른다. AI 모델이 발전해도 이 학습은 계속 필요하다. 새 버전이 나와도 어디가 개선됐는지 직접 써보기 전까진 모르기 때문이다.

AI 시대에는 "이 AI가 몇 점인가"보다 "이 AI는 어디서 믿을 만하고 어디서 조심해야 하는가"를 아는 것이 더 중요하다.

FAQ (※ 이 FAQ는 본지가 리포트를 참고해 자체 작성한 내용입니다.)

Q1. AI가 어제는 잘하더니 오늘은 비슷한 질문에 이상하게 답하는 이유가 뭔가요?

A. AI의 지식은 교과서처럼 고르게 분포되어 있지 않고 치즈처럼 구멍이 숭숭 뚫려 있다. 어제 질문은 AI가 잘 학습한 부분이었고, 오늘 질문은 거의 학습하지 못한 빈 공간이었기 때문이다. 비슷해 보여도 AI 입장에서는 완전히 다른 영역일 수 있다.

Q2. 챗GPT가 평가에서 90점 받았다는데 제가 쓸 때는 왜 자주 틀리나요?

A. 평가는 모든 분야를 고르게 테스트하지만, 실제 사용자는 통계적으로 AI가 약한 부분을 2배 더 자주 만난다. 마치 2미터와 8미터 다리를 건널 때 평균은 5미터지만 실제로는 위험한 8미터 구간에서 80% 시간을 보내는 것과 같다. 그래서 90점 AI도 실제로는 훨씬 더 많은 오류를 경험하게 된다.

Q3. 회사에서 AI 도입할 때 뭘 확인해야 하나요?

A. 평가 점수만 보지 말고 세 가지를 확인해야 한다. 첫째, 우리 회사 직원들이 실제로 자주 하는 업무에서 테스트해보기. 둘째, 평균이 아니라 최악의 경우는 얼마나 나쁜지 확인하기. 셋째, AI가 불확실한 답변을 할 때 표시해주는 기능이 있는지, 그리고 그런 경우 사람이 검토하는 시스템을 만들 수 있는지 확인하기. 단순히 AI 성능만이 아니라 직원 교육과 검증 시스템까지 함께 준비해야 성공적으로 도입할 수 있다.

기사에 인용된 논문 원문은 arXiv에서 확인 가능하다.

논문명: A Model of Artificial Jagged Intelligence

이미지 출처: 이디오그램 생성

해당 기사는 챗GPT와 클로드를 활용해 작성되었습니다.

인기 기사

번호	제목	글쓴이	작성일	조회	추천
설문	해외 유명인들과 있어도 기가 전혀 죽지 않을 것 같은 스타는?	운영자	26/02/09	-	-
2060	앤트로픽이 경고하는 클로드 오퍼스 4.6의 8가지 위험 경로 시나리오	aimatters	02.12	42	0
2059	"개인 컴퓨터로 초거대 AI 학습 가능해진다"... 12배 빠른 신기술 등장	aimatters	02.12	73	0
2058	AI가 제안서부터 재무보고서까지 '완성 파일'로 뚝딱… 중국 GLM-5 충격 [4]	aimatters	02.12	1093	6
2057	한국 교육부, 2028년부터 AI로 수능 영어 지문 만든다	aimatters	02.12	31	0
2056	앤트로픽, 파워포인트용 클로드 베타 출시…템플릿 인식해 슬라이드 자동 생성	aimatters	02.12	35	0
2055	요기요, 챗GPT에 국내 배달앱 최초로 앱 개설… "대화로 맛집 찾고 주문까지"	aimatters	02.12	34	0
2054	AI가 의식을 가졌다고? 몰트북 실험이 폭로한 충격적 진실 [6]	aimatters	02.11	2513	9
2053	아이소모픽랩스, 15년 걸린 발견 몇 초 만에… 알파폴드3 뛰어넘는 AI 신약 엔진 공개	aimatters	02.11	51	0
2052	"한자도 완벽 재현"… 알리바바 Qwen-Image-2.0, 이미지 속 텍스트 문제 해결	aimatters	02.11	56	0
2051	앤트로픽 '코워크', 윈도우 지원 시작… 맥OS와 동일 기능 제공	aimatters	02.11	29	0
2050	오픈AI, 챗GPT에 광고 도입… 무료·저가 사용자 대상 테스트 시작	aimatters	02.11	51	0
2049	커서, 강화학습 20배 확대한 'Composer 1.5' 공개… "속도와 성능 균형 맞췄다"	aimatters	02.11	35	0
2048	"우주 방사선 속에서도 오류 96% 차단"…위성 AI 칩의 비밀	aimatters	02.11	39	0
2047	BMW·벤츠 AI 비서, 해커 손에 차량 제어권 넘긴다	aimatters	02.11	479	1
2046	2025년 학술 논문, 전년 대비 가짜 인용 81% 급증... AI 에이전트가 원인	aimatters	02.11	475	3
2045	챗GPT 앱 사용 시간 1년 만에 8배 폭증…한국인 AI 활용 급증	aimatters	02.11	39	0
2044	메타 AI, 신모델 '아보카도'와 브라우저 에이전트 출시 준비 포착	aimatters	02.10	39	0
2043	오픈클로 창시자, "앱의 80%가 사라질 것"	aimatters	02.10	66	0
2042	샘 알트만 "챗GPT 월간 성장률 10% 돌파"... 오픈AI, 1000억 달러 투자 유치 막바지 [14]	aimatters	02.10	976	0
2041	2만 달러 주고 AI한테 맡겼더니… 2주 만에 10만 줄 프로그램 완성	aimatters	02.09	116	0
2040	카카오·네이버·당근마켓, 오픈클로 사용 금지령… AI 에이전트 보안 공포 확산 [14]	aimatters	02.09	2786	6
2039	인스타그램 창업자, 개발자는 이제 코드 안 짠다..."앤트로픽 코드 100% AI가 작성"	aimatters	02.09	103	0
2038	메타 레이밴 글라스가 진짜 AI 비서로… 보고 듣고 심부름까지 척척	aimatters	02.09	61	1
2037	AI 수백 개가 밤낮없이 코딩… 일주일간 혼자 웹브라우저 만든 인공지능 팀의 비밀	aimatters	02.06	214	0
2036	GPT-5, 2개월 만에 단백질 생산비 40% 낮춰... 약값 인하 기대	aimatters	02.06	84	0
2035	20대·저학력층이 가장 위험하다… AI 그럴듯한 거짓말에 무방비	aimatters	02.06	128	0
2034	"AI가 AI를 만드는 시대 열렸다"… 오픈AI, 자기 학습 모델 'GPT-5.3-Codex' 공개	aimatters	02.06	73	0
2033	"챗GPT 5.2 제쳤다"… 앤트로픽, 클로드 Opus 4.6 신모델 공개	aimatters	02.06	116	0
2032	"AI 직원을 여러분 회사에 파견합니다 기존 AI 같이 쓰세요"… 오픈AI, 기업용 AI 공개 [3]	aimatters	02.06	1780	1
2031	"클로드·GPT·제미나이 한 번에 물어본다"… 퍼플렉시티, AI 동시 활용 기능 출시	aimatters	02.06	158	0
2030	AI가 빅맥보다 맛있는 버거를 만든다?... "맛·환경·영양 모두 잡았다" [12]	aimatters	02.05	773	4
2029	"클로드 너마저" AI 코딩 에이전트, 실전 투입했더니 10개 중 8개 낙제… "파이썬만 한다"	aimatters	02.05	111	0
2028	"유튜브 영상 한 번만 보면 농구 척척"… 단 1개 영상으로 10가지 기술 배우는 로봇	aimatters	02.05	62	0
2027	"AI가 인간 과학자의 90%를 대체한다"...세계 물리학자들의 충격 고백	aimatters	02.05	77	0
2026	연속 질문 및 최저가 구매 요청...아마존 프라임 회원 AI 알렉사 공짜로 쓴다	aimatters	02.05	33	0
2025	AI가 만든 가짜 판례 제출한 미국변호사들… 1,700만원 벌금 폭탄	aimatters	02.05	68	0
2024	튜링테스트는 통과했지만, AI가 사람처럼 생각할 필요가 있을까?	aimatters	02.04	68	0
2023	AI '상상'만으로 웹서핑 마스터... 실수로 물건 사버릴 걱정 끝났다 [3]	aimatters	02.04	1648	3
2022	챗GPT∙제미나이, 일반 AI에게도 보드게임 졌다?	aimatters	02.04	86	0
2021	AI 발전시킨다던 오라클, 정작 데이터센터 설립 자금 마련하려 3만 명 해고 추진	aimatters	02.04	156	0
2020	"AI가 코드 짜고 오류 고친다"… 애플, 개발 도구에 클로드·코덱스 탑재	aimatters	02.04	50	0
2019	AI 코딩 에이전트의 치명적 DB 실수 막는다... 슈퍼베이스 가이드 공개	aimatters	02.04	36	0
2018	NASA "AI가 화성 길 찾아줬다"… 클로드, 3억km 떨어진 탐사선 경로 설계	aimatters	02.03	87	1
2017	오픈AI, "AI가 AI를 관리한다"… 여러 AI 비서 동시에 부리는 코덱스 앱 출시 [1]	aimatters	02.03	126	0
2016	일론 머스크 "AI 미래는 우주에"... 스페이스X와 xAI 공식 합병 발표 [14]	aimatters	02.03	1320	6
2015	"학생들 AI로 과제 다 한다고?"... 교수-학생, 서로를 크게 착각하고 있었다 [15]	aimatters	02.03	3017	3
2014	"유명인 AI 딥페이크 성범죄 제작법 알려준다"… 30만 커뮤니티의 충격적 실체 [1]	aimatters	02.03	454	0
2013	AI에게 복잡한 질문? 전기 25배 더 쓴다... 그 이유는 뭘까?	aimatters	02.03	79	0
2012	AI가 AI 보안 무력화… 챗GPT·클로드 등 41개 모델 '숨겨진 지침서' 100% 유출	aimatters	02.02	77	0
2011	기업들 AI에 200조 원 쏟아붓지만 '신뢰·데이터·직원 교육' 문제 여전 [2]	aimatters	02.02	1065	2

최근 방문

즐겨찾기

즐겨찾기 갤러리

이미지 올리기 이용안내

갤러리 이슈박스, 최근방문 갤러리

연관 갤러리

개념글 리스트

차단하기

[AI 매터스 갤러리]

갤러리 본문 영역

추천 비추천

댓글 영역

① NFT 발행

② NFT 구매

파워링크 광고

하단 갤러리 리스트 영역

왼쪽 컨텐츠 영역

갤러리 리스트 영역

페이지 이동

오른쪽 컨텐츠 영역

알림 설정

알림

디시콘 리스트

디시콘

디시콘 검색결과(0)

인기 디시콘