인간-AI 조합에서 생성형 AI vs 전통적인 AI 간의 시너지효과 분석

초록

본 연구는 인간–AI 조합에서 어떤 유형의 AI가 언제 시너지(synergy)를 만들어내는지를 규명하고자 한다. 최근 메타분석에 따르면 인간–AI 조합은 평균적으로 인간 단독보다는 성과가 높지만, 인간과 AI 중 최고의 수행자보다 더 나아지는 강한 시너지는 드물게 나타난다. 이는 인간–AI 조합이 어떤 상황에서만 인간과 AI 단독을 능가하는지에 대한 이론적이고 실무적 질문을 제기한다. 본 연구는 특히 생성형 AI를 전통적인 AI(예측･분류 중심의 모델)와 구분하여, AI 유형이 인간–AI 조합의 시너지에 미치는 조절 효과를 분석한다. 이를 위해 Vaccaro, Almaatouq, & Malone(2024)의 인간–AI 팀 메타분석 자료 중 305개 효과크기를 재분석하고, 네 가지 시너지 지표(강한 시너지, 인간 증강, AI 증강, 부정적 시너지)를 산출하였다. AI 유형을 생성형 AI와 전통적인 AI로 구분하고, 과업에서 AI가 인간보다 우수한지(AI>인간) 혹은 인간이 우수한지(인간>AI)에 따라 네 가지 시너지 지표를 Welch t-검정과 Holm–Bonferroni 보정으로 검증하였다. 분석 결과, AI가 인간보다 우수한 과업에서는 생성형 AI 팀이 전통적인 AI 팀보다 유의미하게 높은 강한 시너지를 보였고, 전체 과업에서도 생성형 AI 팀은 평균적으로 시너지가 양(+)의 값, 전통적인 AI 팀은 음(–)의 값을 나타냈다. 반대로 인간이 우수한 과업에서는 전통적인 AI 팀이 인간 기준 대비 성과 향상을 보였지만, 생성형 AI 팀은 인간 단독보다 낮은 성과를 보여 오히려 방해 효과를 보였다. 또한 AI가 우세한 과업에서 생성형 AI 팀은 AI 기준 대비 성과 향상을 보였으나, 부정적 시너지 위험 측면에서는 전통적인 AI 팀이 상대적으로 더 안정적으로 “최악보다는 나은” 수준을 유지하였다. 이러한 결과는 AI 유형이 인간–AI 조합 시너지의 핵심 조절 변수임을 보여준다. 생성형 AI는 AI가 인간보다 우수한 과업에서는 시너지를 이끌어내지만, 인간이 우세한 전문가 영역이나 실패 비용이 큰 영역에서는 전통적인 AI보다 위험할 수 있다. 이론적으로는 인간–AI 조합 연구에서 “인간 vs AI 상대적 우위”에 더해 “생성형 vs 전통적인 AI”라는 축을 포함하는 다차원 협업 모형이 필요함을 시사한다.

키워드