[연구자를 위한 AI 생존 키트] AI 툴 이름은 알아도, 조합하는 법은 아무도 안 가르쳐줬다 | 최신글 > 연재 > 동향

연구자를 위한 AI 생존 키트 연재

[연구자를 위한 AI 생존 키트] AI 툴 이름은 알아도, 조합하는 법은 아무도 안 가르쳐줬다

등록2026.06.15.
조회4247

추천 13
댓글 1

등록2026.06.15.
조회4247

AI 활용의 진짜 격차는 조합에서 나온다.

지금 연구실에서 AI 툴을 몇 개나 쓰고 계십니까?

ChatGPT 하나, 혹은 많아야 두세 개.

대부분의 연구자들이 여기서 멈춥니다.

소위 일 잘하는 연구자들은 전혀 다른 방식을 취합니다.

서로 다른 AI 툴을 순서대로 엮어서 쓰고 있습니다.

문헌 검색에만 30분을 쓰던 것을 7분으로 줄이고, 논문 열 편을 비교하는 매트릭스를 10분 만에 뽑아냅니다.

이미 2024년 Nature 조사에서 박사후연구원의 67%가 연구에 AI를 활용한다고 답했습니다.

이제 AI를 쓰는 것은 기본입니다.

진짜 격차는 무엇을 어떻게 조합해서 쓰는지에서 벌어지고 있습니다.

그리고 그 조합법은 아무도 가르쳐주지 않습니다.

왜 하나의 AI로는 부족한가?

ChatGPT 하나로 문헌 검색부터 초안 작성까지 전부 해결하려는 것은,

실험실에 피펫 하나만 갖다 놓고 모든 실험을 하려는 것과 같습니다.

도구마다 설계된 목적이 다르고, 잘하는 영역이 명확히 구분되어 있습니다.

현재, 연구용 AI 생태계는 크게 네 가지 영역으로 나뉘어 있습니다.

발견: 내가 모르는 관련 논문을 찾아주는 툴

검증: 그 논문이 학계에서 어떻게 받아들여졌는지 확인하는 툴

분석: 여러 논문을 동시에 읽고 구조화해 주는 툴

합성: 정보를 엮어 나만의 언어로 만들어주는 툴

ChatGPT와 Claude는 네 번째, 합성에 가장 강합니다.

그런데 대부분의 연구자들은 이것을 첫 번째 발견부터 쓰고 있습니다.

잘 못하는 일을 시키고 시키고 있는 셈입니다.

상황별 최강 조합 3가지

[상황 1] 이 분야가 낯설다. 어디서부터 시작해야 할지 모르겠다.

조합: Semantic Scholar → Connected Papers → Consensus

새로운 주제를 처음 파고들 때, 가장 먼저 막히는 것은 "어떤 논문이 중요한 논문인지"를 모른다는 것입니다.

PubMed에서 키워드를 넣으면 수천 편이 쏟아집니다.

어디서부터 읽어야 할지 모릅니다.

먼저 Semantic Scholar(semanticscholar.org)에서 주제 키워드로 검색합니다.

여기서 일반 검색과 다른 점은, 인용 수와 영향력 지수를 기준으로 해당 분야의 핵심 논문을 우선적으로 걸러준다는 것입니다. 여기서 가장 많이 인용된 논문 한두 편을 고릅니다.

그 논문의 DOI를 Connected Papers(connectedpapers.com)에 넣습니다.

그러면 그 논문을 중심으로 선행 연구와 파생 연구들이 시각적 지도로 펼쳐집니다.

내가 검색어만으로는 절대 찾을 수 없었던, 하지만 해당 분야에서 반드시 알아야 할 논리적 계보가 눈앞에 나타납니다.

특히 지도의 가장자리에 있는 논문들이 최근 떠오르는 연구 흐름을 보여줍니다.

마지막으로 Consensus(consensus.app)에서 내 연구 질문을 자연어로 입력합니다.

“A 경로가 B 질병에 유의미한 역할을 하는가?”처럼 질문하면,

Consensus는 이 질문에 대해 기존 연구들이 어떻게 답하고 있는지를 Yes / No / Inconclusive 형태로 정리해줍니다.

이것이 내 가설의 타당성을 빠르게 가늠하는 데 쓰입니다.

이 세 가지를 순서대로 쓰면, 처음 보는 분야의 전체 지형을 파악하는 데 걸리는 시간이 며칠에서 한 시간대로 줄어듭니다.

[상황 2] 논문 20편을 비교해야 하는데 읽을 시간이 없다

조합: Elicit → Claude

리뷰 논문을 쓰거나 연구비 신청서의 선행 연구 파트를 작성할 때, 여러 논문을 동시에 비교하는 것은 필수입니다.

이때 조합은 데이터를 추출하는 툴과 이를 해석하는 추론 모델을 결합하는 것입니다.

Elicit(elicit.com)은 논문들을 동시에 읽고 데이터를 추출해 주는 툴입니다.

일반 AI와 결정적으로 다른 점은, 내가 원하는 항목을 직접 지정할 수 있다는 것입니다.

샘플 사이즈, 사용된 세포주, 주요 결과, 저자가 언급한 한계처럼 칼럼을 만들면,

업로드한 논문 전체에서 해당 정보를 표로 뽑아줍니다.

20편을 하나씩 읽으며 엑셀에 수동으로 정리하던 노가다가 10분으로 줄어듭니다.

그런데 Elicit에는 한계가 있습니다.

Elicit은 데이터 추출에는 강하지만,

이 연구들이 결론적으로 무엇을 시사하는가라는 깊은 맥락 파악에는 약합니다.

여기서 Claude를 활용합니다.

Elicit에서 뽑은 표를 Claude에 붙여 넣고, 핵심 논문의 PDF도 함께 업로드합니다.

그런 다음 이렇게 요청합니다.

" 이 연구들이 공통으로 직면한 방법론적 한계가 무엇인지 분석해 줘. 특히 서로 결과가 상충하는 논문들 사이의 통계적 유의성 차이를 짚어줘. 원문에 없는 내용은 추가하지 마."

Elicit이 뼈대를 잡고, Claude가 해석을 더합니다.

이 두 단계를 합치면 논문 비교에 쓰던 시간의 70% 이상을 아낄 수 있습니다.

[비하인드 스토리] 알고 쓰면 다른 AI : Claude

같은 질문을 ChatGPT와 Claude에 동시에 해보면 느낌이 다릅니다.

Claude가 유독 논문 텍스트를 다룰 때 더 정밀하고, 긴 문서에서 맥락을 더 잘 잡는다는 느낌.

이건 단순한 기분 탓이 아닙니다.

배경이 있는 이야기입니다.

대부분의 AI (ChatGPT, Gemini, Grok)는 Common Crawl이라는 데이터로 학습했습니다.

Common Crawl은 2008년부터 인터넷을 긁어모은 웹 페이지 덩어리입니다.

여기에는 광고, 댓글, 저품질 블로그 글이 섞여 있습니다.

GPT-3 학습 데이터의 80% 이상이 이것이었고, 2023년까지 출시된 주요 AI 모델의 64%가 이 데이터를 사용했습니다.

반면 Anthropic은 Claude를 훈련시키기 위해 수백만 권의 실제 도서를 구매하여 한 장씩 스캔하고 학습 데이터로 활용했습니다. Claude는 인터넷 텍스트만으로는 담을 수 없는 것(길고 정교하게 편집된 논증 구조, 학술적 서술 방식, 서사의 일관성)을 책에서 가져오려 했기 때문입니다.

[상황 3] 이 논문을 인용해도 되는지 확신이 없다.

조합: Scite → ResearchRabbit

이것이 대부분의 연구자들이 가장 모르고 있는 조합입니다.

논문을 인용할 때 우리가 확인하는 것은 보통 인용 횟수입니다.

많이 인용됐으면 중요한 논문이라고 생각합니다.

그런데 인용 횟수는 그 논문이 어떻게 인용됐는지를 알려주지 않습니다.

500번 인용된 논문이 그중 50편에서 "이 논문의 결론은 틀렸다"며 반박 인용된 것일 수도 있습니다.

Scite(scite.ai)는 인용의 맥락을 보여줍니다.

어떤 논문이 특정 논문을 지지하며 인용했는지, 반박하며 인용했는지, 단순 언급했는지를 분류해 줍니다.

내가 인용하려는 논문이 최근 연구들에서 반박되고 있다면, Scite에서 바로 보입니다.

내 논문을 투고한 뒤 리뷰어에게 "이 논문은 이미 반박된 연구입니다"라는 지적을 받는 최악의 상황을 사전에 막아줍니다.

Scite로 핵심 논문들의 신뢰도를 확인했다면,

ResearchRabbit(researchrabbitapp.com)으로 그 논문들과 연결된 최신 연구를 추적합니다.

Connected Papers가 과거의 지형을 보여준다면, ResearchRabbit은 현재 진행형 연구 흐름을 추적합니다.

내 분야의 논문이 새로 나올 때마다 알림을 설정해 두면, 문헌 업데이트를 위해 매번 PubMed를 뒤지지 않아도 됩니다.

조합의 대원칙: 구조하는 전문 툴에게, 해석은 추론 모델에게

세 가지 조합에서 눈치채셨을 수도 있습니다. 공통된 흐름이 있습니다.

전문 툴이 데이터를 구조화하고, 추론 모델(LLM)로 이를 해석한다.

반대로 하면 안 됩니다.

ChatGPT, Gemini등에 처음부터 "논문 찾아줘"라고 하면, 실제로 존재하지 않는 논문이 나올 수 있습니다.

이 툴들은 검색 엔진이 아닙니다.

하지만 이미 확인된 실제 논문들을 앞에 놓고 "이것들을 분석해 줘"라고 요청하면, 이 툴들만큼 빠른 분석가는 없습니다.

무료로 시작하는 법

소개한 툴들의 무료 사용 범위를 정리하면 이렇습니다.

Semantic Scholar — 완전 무료. 2억 2천만 편 이상의 논문 데이터베이스.

Connected Papers — 월 2편까지 무료. 그 이상은 유료이지만, 핵심 논문 몇 편만으로도 충분히 씁니다.

Consensus — 무료 플랜으로 하루 20회 검색 가능.

Elicit — 무료 플랜으로 월 기본 검색 가능. 대규모 추출은 유료.

Scite — 현재 7일 무료 체험만 있고, 유료는 월 $20이 아니라 월 $12~$20 구간입니다

ResearchRabbit — 완전 무료.

처음 시작한다면 Semantic Scholar, Connected Papers, ResearchRabbit 세 가지만 써보십시오.

모두 무료이고, 이것만으로도 지금까지와는 다른 문헌 검색 경험을 하게 됩니다.

AI 생존 키트의 두 번째 도구는 바로 이 조합의 기술입니다.

이제는 개별 툴의 이름을 아는 단계를 넘어, 본인의 연구 프로세스에 최적화된 AI 워크플로우를 직접 설계해야 합니다.

연구의 각 단계마다 필요한 도구를 적재적소에 배치하고 연결하는 조합의 기술이, 앞으로 여러분의 연구 생산성을 결정짓는 진짜 실력이 될 것입니다.

추천 13
댓글 1

본 기사는 네티즌에 의해 작성되었거나 기관에서 작성된 보도자료로, BRIC의 입장이 아님을 밝힙니다. 또한 내용 중 개인에게 중요하다고 생각되는 부분은 사실확인을 꼭 하시기 바랍니다. [기사 오류 신고하기]

연구자를 위한 AI 생존 키트 전체 보기

ChatGPT가 연구실의 일상이 된 지도 벌써 3년이 흘렀습니다. 
이제는 누구나 AI를 도구로 활용하지만, 정작 연구자의 밤이 예전보다 여유로워졌느냐고 묻는다면 선뜻 답하기 어렵습니다. 툴은 진화했는데, 우리의 업무 시간은 여전히 줄어들지 않는 아이러니를 매일 마주하고 있기 때문입니다.

지난 연재 [과학자의 말하기]에서 세상과 연결되는 법을 고민했다면, 이번 연재에서는 우리 곁에 온 가장 강력한 도구인 AI와 어떻게 제대로 일할 것인가를 이야기해 보려 합니다.

단순히 프롬프트를 몇 개 복사해 쓰는 기술보다는, 우리가 AI를 대하는 방식과 순서에 대해 깊이 들여다보고 싶습니다. 연구자가 가치 있는 사유에 집중할 시간을 확보하는 실전적인 전략을 담았습니다. AI는 우리가 반복적인 노동에서 벗어나, 더 날카로운 질문을 던지고 의미 있는 발견을 하도록 돕는 충실한 보조자가 될 수 있습니다. 

연구실 현장에서 지금 당장 활용할 수 있는 고민과 방법들을 연구자를 위한 AI 생존 키트라는 이름으로 하나씩 공유해 보겠습니다.

다온

추천지수 31
스크랩