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	내 며느리, 사위로 만나면 부담스러울 것 같은 스타는?	운영자	26/03/09	-	-
2177	AI가 스마트 계약 보안을 완전히 대체할 수 없다는 연구 결과가 나왔다	aimatters	14:32	3	0
2176	AI가 세계 최고 물리올림피아드에서 처음으로 만점을 받았다	aimatters	14:32	4	0
2175	엔비디아, AI 에이전트용 모델 '네모트론 3 슈퍼' 공개…속도 5배↑ 비용은 줄였다	aimatters	14:32	3	0
2174	"이보다 쉬운 설명, 이보다 깊은 통찰은 없다"… 박태웅의 AI 강의 2026, AI 격변의 현재를 해부하다	aimatters	13:01	5	0
2173	글로벌 기업 83%가 지속가능성 투자를 늘리는 진짜 이유는 AI였다	aimatters	13:01	3	0
2172	"AI 때문에 자를 수밖에 없었다"…아틀라시안, 직원 1,600명 해고	aimatters	11:36	5	0
2171	챗GPT보다 4년 먼저 에이전트 출시…젠데스크, AI 고객 서비스 스타트업 포어소트 인수	aimatters	11:35	3	0
2170	벤 애플렉의 AI 영화 후반 작업 스타트업, 넷플릭스가 6억 달러에 샀다	aimatters	11:35	7	0
2169	미국 10대 64%가 AI 챗봇을 쓰는 시대, 부모 10명 중 3명은 사실조차 모른다 [3]	aimatters	03.11	1282	4
2168	챗GPT가 스택 오버플로를 오염시키고 있다, AI가 AI를 잡아낸다	aimatters	03.11	38	0
2167	AI가 해커보다 먼저 움직인다, CISO들이 선택한 생존 전략	aimatters	03.11	19	0
2166	아마존, 헬스케어 AI 어시스턴트 전면 개방…프라임 회원 아니어도 무료 이용	aimatters	03.11	14	0
2165	포켓몬 고가 배달 로봇의 눈이 됐다…나이언틱의 AI 지도 혁명	aimatters	03.11	24	0
2164	"답할까, 거절할까, 추측할까"…애피어, AI 의사결정 신뢰성 높이는 연구 발표	aimatters	03.11	16	0
2163	"이 노래, AI가 만들었나요?"…애플 뮤직, AI 생성 음악 표시 태그 도입 [1]	aimatters	03.11	1018	3
2162	벚꽃 사진 한 장으로 개화일 뚝딱…일본 날씨 앱, AI 벚꽃 개화 예측 서비스 시작	aimatters	03.11	24	0
2161	AI 도구 '에코넥스트', 심장 전문의보다 정확하게 구조적 심장질환 잡아냈다	aimatters	03.11	15	0
2160	"병원∙약국 최저가 AI가 챙긴다"…CVS 헬스, 구글 클라우드와 AI 헬스케어 플랫폼 출시	aimatters	03.11	19	0
2159	AI가 만든 영상인지 모르고 봤다, 소라 사용자 254명이 털어놓은 충격 반응 [5]	aimatters	03.10	2484	3
2158	사진 한 장으로 내 얼굴·손동작까지 살아 움직이는 AI 영상 만든다... 클링-모션 컨트롤 출시	aimatters	03.10	66	0
2157	챗GPT 사용자 2293만 명, 그록 AI는 출시 1년 만에 3위 올라섰다	aimatters	03.10	54	0
2156	"경쟁사도 우리 편"…오픈AI·구글 직원들, 앤트로픽 국방부 소송 공개 지지	aimatters	03.10	43	0
2155	AI가 만든 코드, 멀티 에이전트 AI가 검수한다…앤트로픽, 코드 리뷰 툴 정식 출시 [3]	aimatters	03.10	1238	3
2154	오픈AI, AI 보안 스타트업 프롬프트푸 인수…에이전트 보안 강화 나선다	aimatters	03.10	47	0
2153	"3시간 경기보다 15초의 순간"…AI가 야구 콘텐츠 판을 바꾼다	aimatters	03.09	1084	1
2152	"상상이 현실이 된다"…PixAI, 차세대 AI 이미지 모델 '츠바키.2' 공개 [1]	aimatters	03.09	1260	2
2151	35만원 싸게 살 수 있다…에이서, 인텔 팬서레이크 탑재 'AI 노트북' 예약 판매 시작	aimatters	03.09	1243	0
2150	"온 디바이스 AI폰의 종결자"…갤럭시 S26, 이제는 'AI 에이전트폰'이다	aimatters	03.09	136	0
2149	AI 에이전트 스킬 마켓플레이스의 민낯, 4만 개 분석하니 절반이 중복이고 9%는 위험했다	aimatters	03.09	33	0
2148	구글 나노 바나나가 만든 가짜 흉부 X선으로 폐렴을 92% 정확도로 잡아냈다	aimatters	03.09	95	0
2147	AI 이미지 생성의 공식이 나왔다, 구조화된 프롬프트가 일관성을 95%까지 끌어올린다	aimatters	03.09	54	0
2146	앤트로픽이 '적'에서 '동반자'로…소프트웨어 주가 반등	aimatters	03.09	37	0
2145	"대량 해고? 그런 건 없다"…세일즈포스 CEO, AI발 고용 공포에 선 그었다	aimatters	03.09	35	0
2144	"내 사랑하는 큐웬, 안녕"…알리바바 AI 핵심 인재 연쇄 이탈	aimatters	03.09	41	0
2143	AI 비용 효율 최고는 앤트로픽...비결은 이중 하이퍼스케일러, 오픈AI는 엔비디아 칩만 써	aimatters	03.09	27	0
2142	의사 시험 붙은 GPT, 수능 지구과학 앞에서 멘붕...	aimatters	03.09	46	0
2141	집에서 쓰는 챗GPT가 직장보다 2배 더 효율적인 충격적 이유 [5]	aimatters	03.06	1752	1
2140	AI도 시험 도중 실수를 고친다, 기존보다 5배 빠른 학습의 비밀	aimatters	03.06	39	0
2139	AI가 지도를 공부한 게 아니었다? 단어 패턴만으로 세계 지리를 꿰뚫는 충격 실험	aimatters	03.06	50	0
2138	"추론도 코딩도 엑셀도 컴퓨터 대신 조작도 한다"…오픈AI, GPT-5.4 전격 공개 [2]	aimatters	03.06	1582	0
2137	"안보 위협" 낙인 찍혔지만…아모데이, 펜타곤과 재협상 나섰다	aimatters	03.06	21	0
2136	"IPO 때문"이라는 젠슨 황의 해명…엔비디아의 투자 철수, 진짜 이유는 따로 있다	aimatters	03.06	38	0
2135	직원들이 누드·성관계 영상까지 봤다…메타 AI 스마트 글라스, 미국서 집단 소송 직면	aimatters	03.06	126	1
2134	"오픈AI는 거짓말쟁이"…앤트로픽 CEO, 군 계약 두고 샘 알트만에 정면 돌파	aimatters	03.05	55	0
2133	구글 검색창이 앱이 됐다…AI 모드에 '캔버스' 전면 개방	aimatters	03.05	57	0
2132	"AI 아내와 메타버스로"…제미나이가 36세 남성을 망상과 죽음으로 이끌었나	aimatters	03.05	73	0
2131	아이폰 칩셋으로 만든 맥북이라고? 99만원짜리 맥북 네오의 거의 모든 것	aimatters	03.05	41	0
2130	말만 하면 AI가 생각을 정리해주는 시대, '오럴리티'가 바꾸는 사고의 방식	aimatters	03.05	33	0
2129	AI가 쓴 코드, 누가 만들었는지 밝혀낸다…챗GPT vs 클로드 판별 성공	aimatters	03.05	42	0
2128	AI가 빨강과 파랑을 구분 못하는 이유, 프린스턴대가 풀었다	aimatters	03.05	31	0

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