AI의 그림자: '집단 사고'에 갇힌 LLM, 창의성은 어디로 가고 있는가?
Published Jul 4, 2026
최근 인공지능 분야의 발전은 눈부십니다. 마치 경이로운 마법처럼 느껴지던 기술들이 이제는 일상 속으로 깊숙이 파고들고 있죠. 하지만 이러한 급속한 발전 뒤에는 여전히 해결해야 할 근본적인 한계들이 존재합니다. 그중 하나가 바로 대규모 언어 모델(LLM)의 ‘집단 사고(groupthink)’ 문제입니다.
솔직히 말해서, 여러분은 챗봇에게 “1부터 10 사이의 무작위 숫자를 알려줘”라고 물어본 적이 있으신가요? 재미있게도, 상당수의 경우 챗봇은 **‘7’**이라는 답변을 내놓을 것입니다. 클로드(Claude), 챗GPT(ChatGPT), 제미니(Gemini) 등 어떤 모델을 사용하더라도 말이죠. 물론 항상 그런 것은 아니겠지만, 만약 여러분이 직접 해보고 같은 결과를 얻었다면, 제가 초능력자라고 생각할지도 모르겠습니다. 하지만 저는 그저 LLM의 일반적인 경향을 알고 있을 뿐입니다.
챗봇의 반복되는 딜레마: 왜 ‘7’을 고집하는가?
이러한 현상은 LLM이 생각보다 훨씬 예측 가능하고, 기대했던 것보다 창의성이 부족하다는 사실을 단적으로 보여줍니다. 코딩이나 단순 정보 검색과 같은 정형화된 작업에서는 이러한 예측 가능성이 오히려 장점으로 작용할 수 있습니다. 예를 들어, 특정 프로그래밍 언어의 문법을 묻거나 사실 기반의 질문에 답할 때는 일관성 있고 정확한 답변이 중요하니까요.
하지만 우리가 인공지능에 기대하는 역할이 단순한 정보 처리 이상으로 확장될 때, 이 ‘집단 사고’는 심각한 문제로 대두됩니다. 새로운 아이디어를 브레인스토밍하거나, 창의적인 콘텐츠를 생성하거나, 혹은 다음 휴가 계획처럼 개인의 취향과 맥락에 맞는 다양한 옵션을 제안해야 하는 상황에서는 모델의 ‘정형화된’ 답변이 큰 제약이 됩니다. 왜 LLM은 이렇게 특정 답변에 ‘갇히게’ 되는 걸까요? 사실 이는 모델 훈련 방식과 밀접한 관련이 있습니다. LLM은 방대한 양의 데이터에서 패턴을 학습하고, 가장 ‘확률 높은’ 답변을 생성하도록 최적화됩니다. 수많은 사람들이 질문과 답변 데이터를 제공하고, 그 안에서 가장 흔하고 ‘안전한’ 답변이 강화되는 과정에서, 개성적이고 덜 일반적인 답변은 필연적으로 배제되기 쉽습니다. 결과적으로 모델은 가장 일반적인(그리고 때로는 가장 지루한) 경로를 따르게 되는 것이죠.
Springboards의 ‘Flint’, AI 창의성의 새 지평을 열다
이러한 한계를 극복하고자 나선 호주의 스타트업이 바로 Springboards입니다. 이들은 기존 주류 LLM의 ‘집단 사고’ 문제에 대한 해법으로 Flint라는 자체 LLM을 개발했습니다. Flint는 “유럽 어디로 여행 가는 것이 좋을까요?”와 같은 개방형 질문에 대해 주류 LLM보다 훨씬 더 다양한 종류의 답변을 내놓도록 훈련되었습니다.
Springboards의 접근 방식은 단순히 더 많은 데이터를 학습시키는 것을 넘어, 모델이 ‘뻔한’ 답변에서 벗어나도록 유도하는 데 중점을 둡니다. 이는 AI가 우리의 보조적인 도구를 넘어, 진정한 창의적인 동반자로서 기능하기 위한 필수적인 진화라고 저는 개인적으로 생각합니다. 지금까지 많은 LLM이 ‘가장 그럴듯한’ 답변을 찾는 데 집중했다면, Flint는 ‘가장 흥미롭고 다양한’ 답변을 찾아내는 데 초점을 맞추고 있는 셈입니다.
Flint와 같은 시도는 AI의 활용 범위를 혁신적으로 넓힐 잠재력을 가지고 있습니다. 예를 들어, 소설이나 시나리오 작업처럼 창의성이 필수적인 분야에서 기존 LLM은 종종 평이하거나 예측 가능한 플롯을 제공하여 실망감을 주곤 했습니다. 하지만 Flint처럼 다양한 관점과 예상치 못한 아이디어를 제시할 수 있는 모델이라면, 인간 창작자와의 협업에서 훨씬 더 시너지 효과를 낼 수 있을 것입니다. 디자인, 마케팅 전략 수립, 문제 해결을 위한 발상 등 폭넓은 분야에서 AI가 단순히 정보를 요약하는 것을 넘어, 진정으로 사고의 지평을 넓히는 역할을 수행하게 되는 것이죠.
격동하는 LLM 시장, ‘다양성’이 핵심 경쟁력 될까?
Springboards의 이러한 도전은 현재 급변하고 있는 LLM 시장의 흐름과 맞물려 더욱 주목할 필요가 있습니다. 최근 AI 업계는 그야말로 격동의 시기를 보내고 있습니다.
- 정치적 압력과 투명성 요구: OpenAI가 트럼프 행정부에 지분 5%를 제안하는 등, AI 거대 기업들은 점차 정치적 압력과 규제 당국의 시선 아래 놓이고 있습니다. 이는 AI 기술의 사회적 영향력과 책임이 얼마나 커졌는지를 방증합니다.
- 클라우드 인프라 경쟁: 메타(Meta)가 자체 클라우드 인프라 사업을 구축하며 AI 컴퓨팅 자원 및 모델 판매에 나서는 것은, AI 모델뿐만 아니라 이를 구동하는 인프라까지도 핵심 경쟁 요소가 되고 있음을 보여줍니다.
- 글로벌 경쟁 심화: 중국의 저비용 AI 모델 GLM-5.2가 서구 시장에서 빠르게 확산하며 미국 거대 기업들을 추격하는 것은, AI 기술의 패권 경쟁이 얼마나 치열한지를 실감케 합니다. 저렴하면서도 강력한 성능은 새로운 시장 기회를 창출하고 있습니다.
- 윤리 및 규제 논의: 앤트로픽(Anthropic)의 Fable 5 복구 및 AI 개발 속도 둔화 요청, UN의 “AI for Good” 위원회 발족 등은 AI 기술의 윤리적 사용과 글로벌 거버넌스 구축이 시급한 과제임을 명확히 합니다. 인공지능의 잠재적 위험에 대한 우려가 커지면서, 안전하고 책임감 있는 개발에 대한 요구가 높아지고 있습니다.
- AI의 사회적 영향: 심지어 사람들이 정치인보다 AI가 연기하는 대역을 선호한다는 연구 결과는, AI가 대중의 인식과 사회적 상호작용에 미칠 수 있는 영향력이 얼마나 강력하며, 동시에 기만적인 요소로 작용할 수 있는지 경고합니다.
이러한 복잡다단한 상황 속에서, LLM의 ‘집단 사고’ 문제를 해결하고 다양하고 예측 불가능한 응답을 생성할 수 있는 능력은 단순한 기술적 개선을 넘어 핵심적인 경쟁력으로 부상할 가능성이 높습니다. 수많은 LLM이 비슷한 정보와 패턴에 기반한 답변을 내놓을 때, 진정한 차별성은 어디에서 올까요? 바로 인간의 창의성과 통찰력을 자극하고 확장시킬 수 있는, 비정형적이고 다채로운 사고의 제공에서 나올 것이라고 저는 확신합니다.
사실 이건, AI가 단순한 정보 처리기를 넘어 **‘생각의 확장 도구’**로 진화할 수 있느냐 없느냐의 문제와 직결됩니다. Springboards의 Flint는 이 중요한 질문에 대한 흥미로운 해답을 제시하고 있습니다. 앞으로 AI 모델이 얼마나 더 인간의 지적 활동을 풍부하게 만들 수 있을지, 그리고 이러한 ‘다양성’을 추구하는 시도가 LLM 시장에 어떤 변화를 가져올지 지켜보는 것은 매우 흥미로운 관전 포인트가 될 것입니다.
출처
- 원문 제목: The Download: a startup has a solution for AI’s groupthink problem
- 출처: MIT Technology Review
- 원문 기사 보러가기
