대중 참여에 AI를 활용하는 법

연구와 데이터 분석에 AI를 어떻게 쓸 것인가는 이제 꽤 충실하게 논의되었고, AI 글쓰기 문제는 여전히 논쟁적이지만 적어도 그것을 둘러싼 활발한 논쟁이 여기저기서 벌어지고 있습니다. 그러나 대중에게 다가가기 위해, 또는 대중을 상대로 글을 쓰는 사람으로서 자기 작업 흐름을 보조하기 위해 AI를 쓰는 방법은 거의 손대지 않은 영역입니다. 1년 동안 그런 용도로 이것저것 실험해 본 결과, 제약은 역량이 아니라 상상력에 있다는 것이 제 생각입니다. 지난 5월 저는 연구자들이 AI와 어떻게 일하는지를 다루는 워크숍 시리즈 Machine Collaborators에서 제 경험을 이야기했습니다. 아래는 그 강연의 글 버전으로, 제가 평소 여기 올리는 것보다 좀 더 실용적인 성격의 글이며, 소중한 글쓰기를 기계에 조금도 넘기고 싶지 않은 분들에게도 쓸모 있도록 일부러 설계했습니다.

지금 구독하기

저는 이번 봄 내내 세 편의 글에 걸쳐 학자들이 AI에 대해 정신을 차려야 한다고 주장했고, Pangram이 실제로 작동한다는 것이 드러나자 탐지기에 대한 생각을 바꿨으며, 그다음에는 AI 글쓰기가 여러 맥락에서 정당할 수 있다는 주장을 더 밀어붙였습니다. The Chronicle of Higher Education에 이야기했듯이, 어떤 사람들은 그런 불경한 생각 때문에 저를 해고하라고 했고, 어떤 사람들은 제가 어떤 식으로 세팅해 두었는지 묻는 개인 메시지를 계속 보내왔습니다(때로는 같은 사람이 둘 다 하기도 했습니다). 하지만 제가 상대한 가장 날카로운 비판자들조차, 적어도 블루스카이 바깥에서는, 대체로 AI가 연구를 하는 데는 도움이 되었다고 인정합니다—다만 그 연구에 관해 글을 쓰는 일은 아직 아니라는 것이죠. 그래서 저는 글쓰기 문제는 옆으로 치워두고 좀 더 우호적인 전제에서 출발하려 합니다.

연구를 마치고, 논문으로 써서, 출판까지 했다고 해봅시다. 그 논문은 이제 읽는 사람이 거의 없는 학술지에 놓여 있습니다. 여러분은 더 많은 사람이—특히 영향력 있는 사람들이—여러분의 연구와 발견에 대해 읽어주기를 바랍니다. 맞춤형 스타일 가이드와 제대로 된 검증만 있으면, AI 에이전트가 이해하기 쉬운 소개 글, 데이터 부록, 인터뷰 준비 자료를 만들어 그 홍보 부담의 상당 부분을 대신 짊어질 수 있습니다. 이 글은 그 시작 방법을 훑어보는 안내입니다.

학계 독자라면 제가 이전 글에서 과학자의 대중 참여를, 특히 “학자 행동주의”와 견주어가며 더 자세히 옹호했던 것을 기억하실 겁니다. 요컨대 필연적으로 다양할 수밖에 없는 비학술 독자를 위해 글을 쓰면 자기 생각이 스트레스 테스트를 거치게 되고, 좋은 연구가 묻히지 않게 됩니다. 하지만 지금 학계의 인센티브 구조가 이런 식의 외부 소통을 장려한다고 말할 생각은 없습니다. 정책대학원에 있는 게 아니라면 대중 참여는 승진 심사에서 거의 점수가 되지 않습니다. 그것을 건너뛰는 일은 부족한 시간을 쓰는 방식으로서 충분히 변호할 만했고, 그런 일을 즐기지 않는다면 더욱 그랬습니다. 적어도 AI 에이전트가 등장하기 전까지는 그랬습니다.

이미 해놓은 연구를 바탕으로 대중용 글 한 편을 쓰는 데 예전에는 일주일쯤 걸렸습니다. 에이전트의 도움을 조금 받으니 이제는 품질을 전혀 희생하지 않고도 하루가 채 걸리지 않습니다. “해볼 만하다”의 기준선도 그만큼 내려가고, 예전에는 전혀 말이 되지 않던 프로젝트들이—번역된 웹사이트나 자동화된 아이디어 추적기 같은 것들이—갑자기 말이 되기 시작합니다. 한계는 여기서도 대체로 여러분의 창의력에 달려 있습니다.

지금 당장 필요한 기본 세팅(2026년 3분기)

이 글을 내놓는 데 유독 시간이 걸린 이유 하나는, 도구가 워낙 빠르게 발전하다 보니 구체적인 AI 팁의 유통기한이 꽤 짧기 때문입니다. 제가 배운 것 중 오래가는 팁은 하나뿐입니다. 사람인 (연구) 보조원에게 부탁하듯 AI 에이전트에게 그냥 말을 걸어 일을 시키면 된다는 것입니다. 그와 관련해 저는 사람 보조원에게 맡겨도 윤리적으로 문제가 없는 일이라면 AI 보조원에게 맡기는 것도 마찬가지로 윤리적이어야 한다는 일반 원칙을 믿게 되었습니다. 본인의 검증이 뒤따른다면, 이는 개요 작성이든 자료 요약이든 데이터 수집이든, 심지어 행정 요청에 보내는 정형화된 이메일 답장이든 똑같이 적용됩니다. 다만 보조원 비유는 하한선일 뿐입니다.¹ 요즘 에이전트는 유능한 프로그래머이자 꽤 괜찮은 디자이너이기도 해서, 일상적인 업무가 해결되고 나면 같은 세팅으로 훨씬 야심 찬 프로젝트도 맡길 수 있습니다. 이 글 끝에서 이야기할 인터랙티브 연구 부록 같은 것 말입니다.

실제 글쓰기를 AI에 어디까지 맡겨도 되는지에 대해서는 합리적인 사람들 사이에서도 여전히 의견이 갈립니다. 다만 이것을 이분법이 아니라 연속선으로 보면 생각이 정리됩니다. 아치 홀이 앞서 제가 쓴 Pangram 비판을 이어받아 내놓은 좋은 예가 하나 있습니다.² 아치와 저는 선을 어디에 그을지에 대해 완전히 같은 생각은 아니지만(그의 노랑/주황이 제게는 초록입니다), 아치보다 더 보수적인 분이라도 자기 연구의 대중 참여를 개선하기 위해 해볼 만한 흥미로운 일이 얼마든지 있습니다.

양적 사회과학자라면 누구나 쓸모 있게 여길 만한 구체적인 항목 몇 가지를 정리했습니다. 아주 기초적인 내용이지만, 코덱스와 ChatGPT의 차이를 아직 헷갈려 하는 분들을 본 적이 있어서 분명히 짚고 넘어가는 게 좋겠습니다:

• 최소한 상위 유료 모델 하나에는 돈을 쓰십시오. 제대로 된 에이전트 도구(저는 클로드 코드와 OpenAI 코덱스를 씁니다)는 월 100~200달러쯤 하는 구독 뒤에 있고, 무료 등급만 써보면 무엇이 가능한지 잘못 판단하게 됩니다.³

• 챗봇이 아니라 에이전트형 시스템을 쓰십시오. 즉, 프로젝트 폴더를 만들어 두었더라도 브라우저에서 클로드나 ChatGPT를 쓰지 마십시오. 여러분에게 필요한 것은 컴퓨터에 접근해 작업이 끝날 때까지 파일 안에서 직접 일하면서, 웹사이트 갱신처럼 현실 세계에 변화를 만드는 “에이전트형 도구”입니다.

• GitHub 계정이 없다면 만드십시오. 에이전트는 버전 기록이 있는 폴더에서 가장 잘 작동하고, 되돌릴 수 있는 능력은 반드시 필요해집니다. 초보자를 위한 좋은 안내서가 여기 있습니다.

• 이해되지 않는 것이 있으면 에이전트에게 말을 거십시오. 되도록 받아쓰기를 쓰는 게 좋습니다. 예전에는 프로그래머 친구가 있어야 풀 수 있던 설정 관련 질문에, 이제는 도구 자체가 참을성 있게, 그리고 구체적으로 답해줍니다.

• 공통 지침 파일을 하나 두고 주기적으로 갱신하십시오. CLAUDE.md나 AGENTS.md 같은 것 말입니다. 같은 지적을 두 번 하게 됐다면 그 내용을 거기에 한 번 적어두십시오. 그러면 에이전트가 같은 실수를 반복하지 않습니다.

• 결과물은 항상 검증하십시오. 특히 대중에게 공개될 것이라면 AI로도(네, AI로도) 확인하고 직접 눈으로도 확인하십시오. 이에 대해서는 아래에서 더 이야기하겠습니다.

왜 여전히 에이전트가 필요한가, 그리고 프로젝트 폴더가 있는 챗봇은 왜 에이전트가 아닌가

이 이야기는 조금 더 해야겠습니다. 이 글을 미리 읽어준 분들 중에도 에이전트를 써야 한다는 데 설득되지 않은 사람들이 있었기 때문입니다. 그들은 이미 매일 브라우저에서 클로드나 ChatGPT와 대화하고, 논문을 올려둔 프로젝트 폴더도 갖고 있으며, 연구자에게 그 이상 무엇이 더 필요하냐고 묻습니다. 충분히 나올 만한 질문입니다.

차이는 모델이 생각을 끝낸 다음에 무슨 일이 벌어지느냐에 있습니다. 채팅창 안에서 하는 모든 일은 결국 정보일 뿐입니다. 그 답을 어딘가로 옮겨서 실제로 실행하는 것은 여전히 여러분 몫입니다. 반면 에이전트와 함께 하는 일은 웹사이트를 고쳐 게시하거나, 코드를 수정해 올리거나, 이메일 초대장을 보내는 것처럼 주변의 현실 세계에 곧바로 반영됩니다.

프로젝트 폴더는 유용하긴 하지만 그것만으로는 부족합니다. 그리고 이건 챗봇 창에서 복사·붙여넣기를 덜 해도 된다는 얘기만이 아닙니다. 논문과 관련 자료를 프로젝트 폴더에 올리면 챗봇이 아는 것이 달라지지만, 에이전트는 여러분이 건넨 파일로 AI가 실제로 할 수 있는 일을 바꿉니다. 에이전트는 컴퓨터와 터미널에도 접근할 수 있기 때문에, 아래에서 설명할 글쓰기 스킬처럼 더 정교한 것도 가능합니다. 그 스킬은 에이전트가 글을 쓸 때마다 읽고 갱신하는 파일 안에 들어 있습니다. 브라우저도 마찬가지입니다. 여러분의 로그인과 권한으로 브라우저를 다루는 에이전트는 AI에 내장된 웹 검색보다 훨씬 많은 곳에 닿을 수 있습니다. 제 제안은 여기서도 같습니다. 구체적인 작업 하나(예: 인터뷰 준비 자료 작성)에 그냥 한번 써보고 챗봇의 결과물과 직접 비교해 보십시오(예: 클로드 Fable 5 대 클로드 코드 Fable 5). 다만 아래에 나오는, 자기 웹사이트를 만들고 관리하는 일 전체야말로 그 차이를 스스로 확인하기에 더없이 좋은 후보입니다.

0단계는 언제나 AI의 도움을 받아 개인 웹사이트를 만드는 것

이후의 모든 내용은 여러분이 직접 통제하는 웹상의 거처가 있다는 것을 전제합니다. 대부분의 학자에게 그것은 개인 웹사이트를 뜻합니다. 연구자인데 아직 없다면 당장 하나 만드십시오. 이것이야말로 에이전트에게 가장 먼저 부탁할 수 있는 일입니다. 저는 약 7년 전 Jekyll과 AcademicPages 템플릿으로 제 웹사이트를 손수 만들었습니다. 지금은 적어도 정서적으로는 거기서 벗어나지 못하고 있지만, 처음부터 시작하는 분들에게는 이제 더 좋은 선택지가 많습니다.

웹사이트는 GitHub Pages에 무료로 올릴 수도 있고, 연 10달러 정도 드는 개인 도메인(예: Squarespace)에 올릴 수도 있습니다. 예전에 코딩을 못하던 저는 온갖 안내서의 도움을 받고도 원하는 모양으로 사이트를 만드는 데 한참이 걸렸습니다. 에이전트형 AI가 있으면 이 모든 일이 하룻저녁이면 끝날 수도 있습니다. 그 뒤로는 사이트가 사실상 스스로를 고칩니다. 작은 개선은 하나에 오후 한나절이면 됩니다. 논문 목록에 태그를 붙이는 것처럼 원하는 변경을 평범한 말로 설명하면, 에이전트가 알아서 그 기능을 추가합니다. 여러분이 할 일은 새 기능이 정말 작동하는지 로컬에서 확인하는 것 말고는, 변경 사항을 커밋하고 게시하는 것뿐입니다.

첫 화면의 주요 논문 소개나 예정된 행사 사이드바처럼, 떠올릴 수 있는 다른 부가 기능도 전부 가능합니다—한계는, 제가 여기서 계속 되풀이해 말하듯이, 여러분의 창의력뿐입니다. 이 중 어느 것도 웹 개발자를 고용할 만한 명분은 되지 못했겠지만(특히 우리 학계의 빈약한 예산으로는 더욱), 다 모이면 사이트를 찾아온 기자나 동료에게 훨씬 쓸모 있는 곳이 됩니다.

하지만 에이전트 이후에 새로 붙인 것 중 제가 가장 좋아하는 것은 자동 웹사이트 번역입니다. alexanderkustov.org는 이제 영어와 11개 다른 언어로 존재합니다. 완벽하지는 않고, 제가 할 줄 아는 언어의 번역을 기준으로 판정해 가며 전부 세팅하는 데 시간이 좀 걸렸지만, SEO 역할은 충분히 해냅니다. 독일이나 멕시코, 일본의 기자가 자기 언어로 이민 여론에 관해 검색하다가 제 연구를 발견하고 연락해 올 수 있습니다(실제로 이미 몇 번 있었던 일입니다).

연구비도, 사람이 하는 번역 회사도 개입하지 않았습니다—제 AI 에이전트가 사이트를 번역했고, 지금은 영어 페이지와 11개 번역본을 비교해 어긋난 부분을 목록으로 뽑아주는 자동 점검을 매주 돌리고 있습니다. 처음에 공인 번역가를 고용해 이 일을 맡겼다 하더라도, 그들에게 번역을 정기적으로 갱신해 달라고 할 형편은 안 됐을 겁니다(그리고 저는 사람에게 공짜로 일해 달라고 하지 않습니다).⁴

이미 갖고 있는 논문과 아이디어로 무엇을 할 것인가

논문이 온라인에 공개되고 나면, AI 에이전트가 그 논문에 무슨 일이 일어나는지 추적할 수 있습니다. Google Scholar는 다들 알고 계실 겁니다—누가 내 학술 논문을 인용했는지는 알려주지만, 누가 내 대중 글에 링크를 걸었는지는 알려주지 못합니다. 그래서 저는 제 이름과 주요 제목에 걸어둔 Google Alerts, 백링크 도구(예: Ubersuggest), 그리고 매주 일요일 아침에 돌면서 새로운 언급과 백링크를 보고서 하나로 모아주는 예약 스캔을 조합해 나름의 대체물을 만들었습니다. 저는 그 보고서를 커피와 함께 읽습니다.

알고 보니 비슷한 세팅이 연구 아이디어를 기록하고, 그 아이디어를 발전시키는 데 도움이 될 여러 플랫폼의 관련 글을 모아두는 데도 유용합니다. 샤워하다가, 또는 동료와 대화하다가 떠오른 것들이 잔뜩 쌓여 있는데, 아이디어마다 추적 문서가 하나씩 있고 주관적 가치, 예상 투입량, 시의성을 반영한 점수 계산식이 붙어 있습니다. 제가 막히면 에이전트가 다음에 무엇을 쓸지 알려주고, 제가 구독하는 최근 서브스택 글과 학술지에서 그 주제로 살펴볼 만한 것들을 추천해 줍니다. 꼭 저와 똑같이 할 필요는 없지만, 저는 Obsidian으로 그 마크다운 노트들을 한곳에 모아 정리하고 읽으면서 필요할 때 에이전트와 동기화합니다.

같은 저장소 덕분에 아이디어에 본격적으로 뛰어들기 전에 값싸게 시험해 볼 수도 있습니다. 어떤 프레이밍이 통할지 확신이 서지 않으면 보통 소셜 미디어 게시물로 먼저 던져보고, 반응이 괜찮으면 에이전트에게 댓글을 훑어 반론을 요약해 달라고 합니다. 그 반론들은 나중에 완성된 글의 반박 단락이 되는 경우가 많습니다. 매체에 기고 제안을 넣는 것은 그다음입니다. 그쯤이면 그 논지가 실제 독자에게 어떻게 먹히는지 이미 알고 있는 셈이죠.

나만의 스타일 가이드와 글쓰기 스킬 만들기

웹사이트에 공개 논문이 전부 PDF로 저장되어 한곳에 깔끔하게 모이면, AI 에이전트에게 그것들을 마크다운으로 변환하고, 그림과 표를 각각 별도 파일로 추출한 다음, PDF 옆에 함께 올려달라고 하십시오. 믿기 어렵겠지만 이제 여러분 논문의 첫 독자는 종종 기계입니다. 여러분의 연구는 AI가 읽을 수 있어야 하고, 그래야 AI가 관련 검색을 시킨 사람에게 그 연구를 추천해 줄 수 있습니다.

같은 .md(마크다운) 정리본으로 “글 저장고”를 만들 수도 있습니다. 에이전트가 따라야 할, 여러분의 생각에 관한 권위 있는 기준 자료죠. 새 슬라이드나 일반 독자용 연구 요약의 초안을 잡을 때 아주 유용합니다. 지금까지 쓴 모든 글을 이 저장고에 넣을 수 있습니다. 에이전트가 읽을 수 있는 폴더 하나에 일반 텍스트(.md) 파일로 저장하면 됩니다. 에세이, 칼럼, 출판된 논문, 책의 한 장, 심지어 강연 녹취록까지, 그 말뭉치에는 이미 여러분의 목소리가 담겨 있습니다.

자기만의 스타일 가이드도 필요합니다. LLM의 글은 그냥 두면 밋밋하기 때문입니다. 제 것은 CLAUDE.md 파일 하나로 시작해 조금씩 쌓이며 자랐습니다. 제가 발표한 글로 “훈련”시키고, 거기서 나온 초고를 고친 뒤, 그 수정 사항을 규칙으로 적어두게 했습니다. AI 글에는 분명 알아볼 수 있는 패턴이 있고, 지금 제 가이드는 누구나 알아채는 버릇들을 금지합니다. “X가 아니라 Y다” 식의 구문이나 부자연스럽게 짧은 문단 같은 것들이죠. 이 금지가 계속 지켜지는 것은 그 규칙들이 에이전트가 매번 읽는 파일에 저장되어 있기 때문입니다.

시간이 지나면서 그 파일 하나는 클로드가 스킬이라고 부르는 것으로 자랐습니다. 에이전트가 제 이름으로 글을 쓸 때마다 불러오는 작은 지침 폴더죠. 아래 그림이 전체 세팅을 보여줍니다. 글 저장고는 목소리 프로필(제가 하는 말과 절대 하지 않는 말, 문장 리듬까지)을 채우고, 스타일 가이드는 규칙을 담습니다. 제가 초고를 보기 전에 두 가지 점검이 돌아갑니다. 금지된 표현을 잡아내는 기계적 검사, 그리고 최종 텍스트와 규칙집만 보는 두 번째 에이전트의 새로운 통독입니다. 초고를 쓴 에이전트는 자기 버릇을 보지 못하기 때문이죠. 제가 고친 부분은 새 규칙이 되어 다시 가이드로 들어가고, 이 순환이 시스템 전체를 나아지게 만듭니다.

같은 에이전트가 심사자 역할도 할 수 있는데, 이것이 이 세팅에서 가장 저평가된 부분일지도 모릅니다. 무엇이든 내보내기 전에 저는 확실히 제 것이 아닌 관점에서 초고를 비판해 달라고 합니다. 이를테면 제가 단속 문제에 순진하다고 보는 이민 제한론자, 또는 “온도조절기식 여론(thermostatic opinion)”이라는 말을 들어본 적 없는 일반 독자의 관점 말입니다. 판단을 신뢰하는 특정 필자의 이름을 대도 되고, 이념적 방향만 설명해도 됩니다. 돌아오는 지적은 들쭉날쭉하긴 해도, 제가 답하는 걸 잊은 반론만큼은 어김없이 잡아냅니다. 심사 보고서가 구해주러 오지 않는 대중 글쓰기에서, 이런 적대적 통독은 제가 찾은 가장 가까운 대체물입니다.

이 두 가지가 갖춰지면 완성된 논문 한 편에서 필요한 것은 무엇이든 뽑아낼 수 있습니다. 인터뷰 준비 문서, 칼럼 기고 제안, 소셜 미디어 게시물, 슬라이드 자료, 서브스택 글 개요, 심지어 용기가 있다면 본격적인 정책 브리프 초안까지도 가능합니다. Machine Collaborations 강연을 준비하면서 저는 안타깝게도 가장 덜 읽힌 제 논문 중 하나를 놓고 이 모든 것을 돌려봤습니다. 조사 대상 30개국 대부분에서 과반 또는 최다수가 자국으로 들어오는 이민도, 자국에서 나가는 이민도 줄어들기를 바란다는 것을 보여준 2020년 연구입니다. 그렇게 돌려본 결과물 중에는 제가 생각해 본 적 없는, 앞으로 쓸 에세이를 위한 진짜로 다른 프레이밍 세 가지도 있었습니다.

또는 어떤 기자가 여러분이 몇 년 전에 쓴 논문을 두고 지금 벌어지는 일에 어떤 함의가 있는지 물어온다고 해봅시다. 이런 세팅이 있으면 여러분이 할 만한 말의 괜찮은 초안을 뽑아낼 수 있고, 그것은 즉석에서 떠올리는 답보다 거의 틀림없이 낫고 더 정확할 것입니다.

슬롭과 환각은 어떻게 할 것인가

이 작업 흐름을 동료들에게 설명할 때마다 가장 먼저 듣는 걱정은, 결국 슬롭(slop)만 더 늘어나지 않겠느냐는 것입니다. 오해는 마십시오. 한 번에 뽑아낸 AI 생성 텍스트 상당수는 그런 소리를 들어도 쌉니다(사람이 쓴 글도 상당수가 그렇듯이). 하지만 여기서 설명한 세팅은 전부 여러분에게 이미 제대로 동료심사를 거친 연구와 편집을 거친 대중 글이 있다는 전제에서 출발합니다. 에이전트는 그저 여러분 자신의 주장을 새로운 각도로 다시 포장하거나 맥락을 붙여, 여러분이 직접 쓸 형편없는 첫 초고의 재료를 만들어 줄 뿐입니다. 지나치게 의욕적인 사람 보조원에게 일을 맡길 때와 마찬가지로, 여러분 이름으로 나가는 것에 대한 책임은 여전히 여러분에게 있습니다. 결과물이 슬롭으로 읽히느냐 아니냐는, 게시 버튼을 누르기 전에 여러분이 하는 검증과 편집, 그리고 그 밖의 온갖 고된 작업에 달려 있습니다.

그 검증은 선택 사항이 아닙니다. 모델은 여전히 없는 이야기를 지어내고, 이제 많은 사람이 환각(hallucination)이야말로 AI 보조 연구의 가장 큰 병목이라고 말합니다. 저는 이걸 호되게 배웠습니다. 제 작업 흐름은 한번은 공저자 제임스 데니슨을 “믹 데니슨”으로 바꿔 불렀습니다. 올바른 이름이 바로 그 작업 중이던 파일 안에 있었는데도 이름을 통째로 지어낸 것입니다. 또 어떤 때는 패러디 계정(@GovAmyKlobuchar)을 실제 상원의원의 것으로 돌렸고, 제 이름 패턴에서 추측해 낸 LinkedIn 주소를 건네주기도 했습니다.

그래서 저는 실제로 어떻게 할까요? 모든 이름, 날짜, 참고문헌, 링크를 모델이 세 번씩 확인하게 합니다. 검증 결과를 그대로 붙여넣게 해서 무엇을 가져왔는지 제가 볼 수 있게 합니다. 그런 다음 중요한 것들은 제가 직접 확인합니다. 과할지도 모르지만, 클로드 코드가 한 일을 코덱스에게 검증시키고 그 반대로도 시키는 것을 저는 습관처럼 합니다.

환각 문제, 특히 참고문헌과 그 출처 표기에 관해서는 스티븐 데니가 제가 아는 한 가장 훌륭한 실무적 정리를 써놓았습니다. 데니의 해법은 빠르지만 덤벙대는 사람 연구 보조원을 위해 만들 법한 장치입니다. 재사용 가능한 지침이 모든 인용을 Crossref와 DOI에 대조하고, 프로젝트 폴더에는 원본 PDF와 기계가 읽을 수 있는 버전을 나란히 보관해, 손안의 모든 원자료에 주장을 대조하면서 오류 가능성을 최소로 줄입니다.

인정할 것은 인정하겠습니다. 이 모든 점검과 최신 모델(저는 Fable 5와 GPT 5.6을 씁니다)을 다 동원해도 이 시스템은 완벽하지 않습니다. 예를 들어 제 클로드 에이전트는 삼단 나열을 어찌나 좋아하는지, 제 스타일 가이드가 그걸 명시적으로 금지하는데도 초고에 자꾸 세 개짜리 나열을 집어넣습니다. 바로 이 글에서도 그만하라고 몇 번이나 말했는데 계속 그랬습니다.

과학의 대중 참여에는 어떤 미래가 기다리고 있을까?

여기까지 읽고 한번 해보고 싶어졌다면, 완성된 논문 하나를 골라 에이전트에게 여러분의 문체로 인터뷰 준비 자료 같은 결과물을 만들어 달라고 하는 데서 시작하면 됩니다. 그 결과물이 여러분처럼 들릴 때까지 다듬고, 거기까지 오게 한 지침을 저장해 두십시오. 그러면 다음 것은 더 좋고 더 빨라집니다.

제가 정식 글쓰기 스킬을 여기에 일부러 싣지 않았다는 것도 눈치채셨을 겁니다. 그건 제 목소리를 담아둔 것이고, 친애하는 독자 여러분은 여러분 자신의 목소리를 길러야 하기 때문입니다. 가장 간단한 방법은 에이전트에게 바로 이 글을 읽히고, 여기서 설명한 세팅을 여러분이 하려는 일에 맞게 변형해 구현해 달라고 하는 것입니다.

제가 설명하는 것은 머지않아 에이전트 역량의 천장이 아니라 바닥이 될 것입니다. 예를 들어 스탠퍼드의 정치학자 앤디 홀은 자신의 독창적 연구 상당수를 서브스택에 직접 게재할 계획이라고 이번 주에 밝혔습니다. 이렇게 빠르게 공개하면 최신 연구를 다른 학자뿐 아니라 정책 입안자, 기자와도 논의하고 알릴 수 있고, 학술지 심사자의 “종종 자의적인” 지적을 건너뛸 수 있습니다. 그는 동료심사를 건너뛰는 데 따르는 비용을 숨기지 않으며, 이 선택지가 테뉴어를 받은 사람이나 안정된 자리에 있는 사람에게 더 쉽다는 것도 분명합니다. 그래도 시의성이 중요한 연구라면 계산은 점점 속도 쪽으로 기울고 있고, 저를 포함해 같은 선택을 하는 연구자가 늘어나는 것이 이미 보입니다.

지금 제가 가장 흥미롭게 보는 최전선은 상호작용성입니다. 얼마 전까지만 해도 인터랙티브 데이터 기획물은 The New York Times 정도의 자원을 가진 뉴스룸에서나 만들 수 있는 것이었고, 학술지는 정지된 PNG보다 조금이라도 앞선 것을 담기에는 여전히 너무 낡았습니다. 이제 에이전트만 있으면 어떤 연구자든 출판된 논문에 딸린 인터랙티브 부록을 낼 수 있습니다. 숀 웨스트우드, 저스틴 그리머, 앤디 홀이 AI 모델의 정치적 성향 인식에 관한 워킹페이퍼를 위해 만든 실시간 부록 Modelslant.com에서는 독자가 순위를 직접 살펴볼 수 있고, 홀의 연구실은 이제 비슷한 시제품을 한 무더기 운영하고 있습니다. 하지만 여기에 스탠퍼드 연구실 수준의 자원이 반드시 필요한 것은 이제 아니며, 덜 읽힌 여러분의 논문이야말로 그런 부록이 딱 어울리는 후보입니다.

제 첫 AI 글의 마무리는 지금도 유효합니다. 클로드 코드와, 시간이 없어 늘 미뤄두었던 지루한 대중 참여 작업이나 연구 작업 하나를 들고 방에 자신을 가둔 다음, 무슨 일이 벌어지는지 보십시오. 이 안내서에 나오는 구체적인 도구들은 1년 안에 낡아 보일지도 모르지만, 그 밑에 깔린 변화는 사라지지 않습니다. 진지한 대중 글쓰기의 한계비용은 무너졌고, 지금 침묵하는 연구자는 더 부실한 정보를 가진 필자들에게 논의의 장을 넘겨주는 셈입니다. 아직 AI나 AI의 도움을 받은 글쓰기가 마음에 들지 않을 수 있습니다. 하지만 할 말이 있는데도 쓸 수 있는 최선의 도구를 마다한 채 침묵하고 있다면, 그것은 여러분이 능동적으로 내리고 있는 선택입니다.

공유하기

초고에 유익한 제안을 해준 마이크 릭스, 야니크 라이글, 제프 퐁, 그리고 물론 클로드와 코덱스에게 큰 감사를 전합니다.