과학 연구가 서로 다른 전공의 협업에 더 크게 의존하게 되면서, AI 연구 비서의 역할도 다시 정의할 필요가 있다는 문제의식이 나왔다. 이 글은 개인의 문헌 정리나 글쓰기 보조에 맞춰진 기존 도구가 다학제 팀의 협업 추론에는 충분히 대응하지 못한다고 보고, 팀 단위 연구를 돕는 시스템 Aïra를 제안한다. 이 논문은 2026년 7월 14일 공개된 arXiv v1 프리프린트다.
핵심은 단일 요약문을 잘 만드는 데 있지 않다. 서로 다른 분야가 같은 문제를 바라보는 관점, 용어, 가정, 증거 기준을 따로 드러내고, 그 차이를 번역해 함께 논의할 수 있게 만드는 데 초점을 둔다. 분석에서는 다학제 협업에 필요한 지원을 문제 정의, 개념 정렬, 합의와 불일치 구분, 미해결 질문 보존, 후속 연구 방향 정리로 정리했다.
Aïra의 설계는 여섯 가지 원칙 위에 놓인다. 첫째, 논의를 하나의 통합 서사로 평탄화하지 않고 각 학문의 관점을 명시한다. 둘째, 학문 간 용어를 대응시켜 의미 차이를 줄인다. 셋째, 방법·데이터·인과 해석에 숨어 있는 가정을 드러낸다. 넷째, 합의와 갈등을 분리해 보여준다. 다섯째, 성급한 결론 대신 남은 질문을 보존한다. 여섯째, 회의 기록을 다음 단계로 이어지는 연구 산출물로 조직한다.
시스템 구조는 전사본 입력 뒤 네 개의 에이전트가 병렬로 협업 계획을 만드는 방식이다. 첫 에이전트가 논의에 등장한 주요 학문 분야, 목표, 자원을 추출하고, 이후 에이전트들이 각 분야의 관점, 빠진 분야로 보이는 공백, 합의된 결정과 그 이유, 반대 의견과 절충, 다음 행동과 마감일, 그리고 분야별 용어집을 정리한다. 또 철학, 항공 시스템, 신경과학, 환경과학, 로보틱스의 도메인 지식으로 미세조정한 LLM을 활용해 빠진 관점을 보강했다고 설명한다. 결과물은 공유·편집 가능한 구조화된 협업 프레임워크로 묶인다.
검증은 효과 측정이 아니라 실현 가능성 탐색에 가깝다. Duke University의 Summer Seminars in Neuroscience and Philosophy에서 철학자와 신경과학자들의 연구 회의에 보조 도구로 투입했고, IRB #2026-0428 승인을 받았다. 참가자들은 출력이 낯선 용어를 명확히 하고, 상보적 전문성을 드러내며, 논의를 잠재적 연구 방향으로 정리하는 데 도움이 됐다고 정성적으로 평가했다. 수치 비교나 정량 성능 평가는 제시되지 않았다.
| 구성 요소 | 역할 | 근거 위치 |
|---|---|---|
| 첫 에이전트 | 주요 학문 분야, 목표, 자원 추출 | Section 3 |
| 관점·공백 분석 에이전트 | 각 분야의 관점 제시, 빠진 분야가 있으면 공백으로 표시 | Section 3 |
| 결정·다음 단계 에이전트 | 합의된 결정, 반대 의견, 절충, 다음 행동과 마감일, 가정 정리 | Section 3 |
| 용어집 에이전트 | 분야별 용어와 정의 정리 | Section 3 |
자료: STORIUM 정리
이 논문은 AI 연구 비서의 평가 기준 자체도 문제 삼는다. 기존 벤치마크가 질문응답, 요약, 코드 생성 같은 개인 작업에 치우쳐 있는 반면, 협업 중심 시스템은 공유 이해, 분야 간 소통, 다양한 관점의 보존, 개념적 공백 식별, 공동 의사결정의 질을 어떻게 측정할지 아직 덜 정립돼 있다고 본다. 결론적으로 Aïra는 과학적 발견을 직접 증명하는 도구라기보다, 다학제 연구가 실제로 진행되는 방식을 기록하고 정렬하는 초기 개념증명으로 제시된다.
저작권자 © STORIUM 무단전재 및 재배포 금지
