목차
▪️업계는 왜 AI를 자꾸 '동반자'로 부르는가?
▪️AI가 평균적인 인간의 창의성을 정말 뛰어넘었는가?
▪️창작의 획일화와 다양성 축소, AI 협업이 초래할 실질적 파급
▪️최상위 창의성을 지키기 위한 분업과 절제의 운영원칙
▪️FAQ
▪️[전문 용어 사전]
빅테크 업계가 내세우는 '창작 동반자' 프레임의 이면. 친근한 로봇의 외형 뒤에서 기존 예술 작품과 데이터를 기계적으로 파편화하고 짜깁기해 평균적인 결과물을 쏟아내는 생성형 AI의 실체를 풍자한 일러스트.
2026년 7월 28일 현재, 텍스트와 이미지를 아우르는 생성형 AI가 문화예술 및 산업 전반에 깊숙이 도입되면서 AI를 창작의 '동반자'로 규정하는 업계의 담론이 확산하고 있다.
이에 따라 AI가 창의적 역량을 증강한다는 낙관론과 창작 노동을 위협한다는 우려가 충돌하며 핵심 쟁점으로 부상했다. 결과적으로 AI가 제공하는 유용성과 별개로 인간 고유의 창의적 다양성이 축소될 수 있다는 경고가 제기되면서, 기술 의존도를 조절하는 실천적 기준 마련이 불가피해질 것으로 보인다.
업계는 왜 AI를 자꾸 '동반자'로 부르는가?
빅테크 기업과 산업계는 생성형 AI를 시장에 안착시키는 과정에서 이 기술을 창의성의 적이나 대체재가 아닌 동반자로 묘사해 왔다.
이러한 위기관리 언어 프레임은 저작권 논란이나 창작 노동자들의 도입 저항을 줄이기 위한 방어적 전략으로 볼 수 있다. 2025년 발표된 국내 연구 등은 AI와의 협업이 캡스톤 디자인 같은 실무 환경이나 아이디어 발상 과정에서 유용성을 크게 증진시킨다는 실증적 데이터를 제공하며 이 프레임을 뒷받침했다.
하지만 동반자라는 긍정적인 수사는 기술의 본질적 한계를 가리고, 창작물에 대한 책임 소재를 흐리게 만드는 부작용을 동반한다.
표면적인 협업 담론 이면에는 데이터 학습에 전적으로 의존하는 AI의 특성상 본질적인 의미의 독창성을 스스로 구현하기 어렵다는 사실이 존재한다.
AI가 평균적인 인간의 창의성을 정말 뛰어넘었는가?
최근 발표된 대규모 실증 연구 결과들은 AI와 인간 창의성의 차이를 명확한 수치로 보여준다. 대체용도과제(AUT)를 활용한 확산적 사고 측정에서 AI 챗봇은 인간 참가자들의 평균 점수를 상회하며 뛰어난 아이디어 생성 속도를 입증했다.
인간 참가자의 평균 점수가 상대적으로 낮았던 주된 이유는 다수의 인간 참가자가 논리적이지 않거나 품질이 매우 낮은 오답을 제출해 평균을 깎아내렸기 때문이다.
반면 AI는 이러한 질 낮은 오답을 내지 않아 평균적으로 우수한 성과를 기록했다. 그러나 동일한 평가에서 가장 높은 수준의 독창성을 보여준 것은 여전히 상위권의 인간 참가자들이었다.
기계는 인간처럼 고유한 경험이나 감정적 몰입, 직관이 부족하여 맥락을 종합적으로 파악하고 최상위의 창조적 도약을 이루는 데 구조적인 한계를 노출한다.
2023년 발표된 대체용도과제(AUT) 실증 연구(Scientific Reports)를 바탕으로 한 창의성 산출 성과 비교하고 있다.
창작의 획일화와 다양성 축소, AI 협업이 초래할 실질적 파급
AI를 무비판적인 창작 도구로 수용할 때 초래되는 가장 치명적인 리스크는 문화예술 및 콘텐츠 생태계 전반의 다양성 축소다.
AI의 산출물은 기계 자체의 고유한 창의성이라기보다 사용자의 지시 능력인 '프롬프트 권력'에 크게 좌우된다. 문제를 논리적 단계로 나누어 지시하는 멀티모달 CoT(Multimodal Chain-of-Thought) 기법 등은 시각적 완성도와 유용성을 빠르고 효율적으로 높여준다.
그러나 알고리즘 편향과 데이터 기반의 패턴 인식에 과도하게 고착될 경우, 결과물의 미학적 차이가 줄어들고 사회적 획일화가 발생할 위험이 커진다.
특히 창작 과정에서 인간이 기계가 제시하는 평균적 수준의 결합적 창의성에 쉽게 만족하게 되면, 인문학적 상상력과 고유의 정체성은 점차 설 자리를 잃고 다양성 축소라는 부작용을 유발할 가능성이 크다.
최상위 창의성을 지키기 위한 분업과 절제의 운영원칙
인간 창의력을 보호하고 질적으로 발전시키기 위해서는 AI를 어떤 조건에서 제한적으로 활용할 것인지에 대한 정교한 운영원칙이 요구된다.
생성형 모델은 발산적 아이디어 생성과 기초 데이터 수집, 초안 확장 등 초기 단계에 한정하여 활용하는 것이 타당하다. 이후 작품의 최종적인 가치를 판단하고 윤리적, 심미적 책임을 지는 단계에서는 인간의 철저한 개입과 비판적 통제가 이루어져야 한다.
도구로서의 압도적인 유용성에 매몰되지 않고 기계와의 엄격한 역할 분업을 유지하는 실천적 절제력이 필수적이다. 결국 업계가 내세우는 '동반자' 프레임을 걷어내면 남는 것은 엄격한 역할 분업이다.
기계가 제공하는 평균적 유용성을 취하되 작품의 최종적인 가치 판단과 통제권은 인간이 쥐는 것만이, 기술 의존이 초래할 다양성 축소의 위협을 방어할 현실적 기준으로 볼 수 있다.
FAQ
Q : AI가 평균 인간은 이기는데 천재는 못 이기는 이유는?
A : 인간은 과제 수행 중 주의력을 유지하거나 관련 없는 생각을 억제하는 '실행 기능(executive functions)'이 저하되거나 감정 상태에 따라 성과가 흔들릴 수 있기 때문이다. 반면 기계는 논리적이지 않은 오답을 배제하고 일관된 연산 성능을 발휘하여 전체 평균치를 끌어올린다.
Q : 생성형 AI와 인간의 협업으로 창작된 작품에서 창의성 평가지표는 무엇인가?
A : 전통적인 독창성과 유용성 외에도 다차원적인 기준이 적용된다. 창작 과정에서 개입된 인간의 고유한 경험과 감정적 공감, 그리고 윤리성과 저작권에 대한 인간과 기계의 기여도 구분이 주요 평가지표로 포함된다.
Q : AI가 글쓰기나 이미지 작업을 완전히 대체할 수 있나?
A : 기술적 완성도와 유용성은 단기간에 높일 수 있으나 완전한 대체는 불가능하다. 현행 저작권법상 인간의 창의적 개입 없이 기계가 단독으로 생성한 패턴 조합은 보호받기 어려우며, 창작물에 대한 최종적인 심미적·법적 책임 역시 인간에게 있기 때문이다.
Q : 인간 창의력은 앞으로 어떻게 달라질까?
A : 맨땅에서 기초 아이디어를 도출하는 발산적 사고의 비중보다는, 기계가 쏟아내는 수많은 산출물 속에서 의미 있는 가치를 선별하는 능력이 더 중요해진다. 기존 지식 데이터를 낯선 방식으로 엮어내는 '결합적 창의성(Combinational Creativity)'과 이를 통제하는 비판적 안목이 인간 창의력의 핵심으로 자리 잡을 것이다.
Q : 교육 현장에서는 AI 창의성 논의를 어떻게 봐야 하나?
A : 단기적인 발상 속도를 높여주는 기계의 편의성에 취해 그 산출물을 무비판적으로 수용하지 않도록 경계해야 한다. AI를 초기 아이디어 도구로만 제한하고, 최종 결과물의 가치 판단과 의미 부여는 반드시 인간이 책임지도록 철저한 분업 원칙을 훈련하는 것이 가장 중요하다
[전문 용어 사전]
▪️확산적 사고: 주어진 문제에 대해 다양하고 독창적인 아이디어나 해결책을 광범위하게 도출해 내는 발산형 사고 과정.
▪️대체용도과제(AUT): 평범한 사물(예: 벽돌, 밧줄)을 일상적이지 않은 창의적 용도로 얼마나 다양하게 쓸 수 있는지 측정하는 대표적인 창의성 테스트 기법.
▪️멀티모달 CoT: AI가 문제를 논리적인 단계로 나누어 추론하게 하는 프롬프트 기법에 이미지, 텍스트 등 여러 형태의 데이터를 결합하여 정교한 결과물을 유도하는 방식.
▪️위기관리 언어: 신기술 도입에 따른 대중의 불안감이나 법적·윤리적 논란을 완화하기 위해 기업과 산업계가 의도적으로 선택하는 방어적 수사학.
▪️결합적 창의성: 기존에 존재하는 평범한 아이디어나 지식 데이터를 친숙하지 않은 새로운 방식으로 조합하여 혁신적인 산출물을 만들어내는 능력.
){kind=small}
){kind=small}
){kind=small}
){kind=small}
