Waymo 효과란 무엇인가
연구 어젠다(researchagenda.news) 사이트에서 최근 Waymo 효과라는 신조어가 등장했다.
비유는 단순하다. 자율주행은 '운전사'라는 직업을 없애지 않았지만, '택시를 부르는' 행위에서 운전사와의 대화를 제거했다. Uber 앱을 켜고 목적지만 찍으면 뒷좌석에는 사람이 없고, 차문은 알아서 열린다.
AI가 연구 현장에 스며들면서도 비슷한 일이 벌어지고 있다.
예전에는 선배, 지도교수, 옆 lab의 박사후 연구원에게 물어봐야 했다. 환경 설정은 어떻게 하는지, 코드는 왜 안 돌아가는지, 데이터셋에 어떤 함정이 있는지. 지금은 ChatGPT나 Claude를 켜고 30초면 답이 나온다.
글의 필자가 말하려는 바는 'AI가 연구를 대체했다'는 게 아니다. 협업 안에 숨어 있던 사회적 접착제가 조용히 빠져나가고 있다는 점이다.
이건 효율의 문제가 아니라, 연구 생태계의 구조적 문제다.
HN에서 무슨争论이 붙었나: 177점 뒤의 두 가지 서사
이 글은 Hacker News에서 177점, 127개 댓글(접속 시점 기준)을 받았다. 댓글은 크게 두 진영으로 나뉜다.
효율파의 전형적인 논리는 다음과 같다.
"박사과정 6년 차에야 이걸 봤네요. AI가 잡일에서 벗어나게 해줘서 진짜 연구에 쓰는 비율이 20%에서 60%로 올랐습니다."
그들은 '남들한테 귀찮게 안 물어보는 것'을 해방으로 본다. 예전에는 senior 동료에게 폐를 끼치는 게 껄끄러웠는데, 지금은 AI에게 물어봐도 부담이 없다.
협업파의 우려는 더 구체적이다.
"30분 질의응답 시간을 아꼈다는 사실이, lab 전체의 사승(師承) 체계를 망치고 있습니다. 학생들이 더 이상 지도교수 문을 두드리지 않아요. AI에게 먼저 물어보니까요. 지도교수도 더 이상 학생을 챙기지 않습니다. 학생이 다 잘되고 있는 것처럼 보이니까요."
"코드 리뷰가 얇아졌습니다. 예전 리뷰는 일대일 지도 기회였는데, 지금 리뷰는 'LGTM, AI 생성이라 확인 완료' 한 줄이 전부입니다."
분쟁의 본질은 'AI가 쓸모 있느냐'가 아니다. 연구 산출의 숨은 비용, 즉 협업에서 생기는 암묵적 지식을 계산에 넣느냐 마느냐의 문제다.
AI가 몰래 가져간 세 가지
구체적인 상황을 세 가지 골라보았다.
1. 질의응답
예전 환경 설정 문제: 선배에게 물어봄 → 선배 부재 → 반나절 대기 → 겨우 대화 시작 → 30분 만에 해결.
지금: 에러 메시지를 Claude에 붙여넣음 → 30초 만에 실행 가능한 해결책 수령.
시간 절약은 진짜다. 그런데 그 과정에서 선배와 관계를 맺지 못했고, 요즘 그 사람이 뭘 하고 있는지 듣지 못했고, '이 부분을 왜 이렇게 생각하셨어요?' 같은 어차피 안 물어봤을 질문을 할 기회도 잃었다.
2. 코드 수정 / PR 리뷰
예전 PR 리뷰는 일주일 걸렸다. 리뷰어가 코드를 보면서 "우리 lab에서 이写法는 deprecated니까 X로 바꿔"라고 알려줬다. 일주일 기다린 끝에 배운 건 그 코드 작성법만이 아니라, 그 lab의 엔지니어링 문화였다.
지금은 Copilot이 실시간으로 자동완성해주고, 본인이 직접 PR을 올리고 직접 머지한다. 빠르긴 하다. 그런데 내 코드에 lab 특유의 결이 남을까? 아니다. 그냥 '맞는 코드'일 뿐이다.
3. 버그 찾기
예전 디버깅은 사무실 공동행사였다. "야 이 케이스 왜 안 돌아가, 좀 봐줘." 지금은 LLM에 붙여넣고 혼자 본다.
협업형 디버깅의 부산물은, 옆에 있던 사람이 내가 생각 못한 시각을 던져줄 수 있다는 점이다. AI형 디버깅의 부산물은, 동료의灵感 한 스파크를 놓칠 수 있다는 점이다.
이 세 가지를 합치면: 질의응답, 리뷰, 디버깅. 이 가장 평범한 연구 일상들이 바로 지도교수-학생, 선배-후배가 신뢰를 쌓는 장(場)이었다. AI가 더 유능해질수록, 이 장들은 더 비어간다.
중국이 AI for Science를 밀어붙일수록 더刺耳해지는 문제
중국에서는 최근 1년간 AI for Science를 집중적으로 밀고 있다. 각 대형 연구원, AI lab마다 'AI for Science 특별 과제'를 운영하며, 목표는 재료·바이오·천문·지구과학 분야에 AI를 투입하는 것이다.
논리 흐름은 이렇다: AI가 연구를 더 효율적으로 만든다 → 산출이 늘어난다 → 국가 경쟁력이 강해진다.
그런데 Waymo 효과가 사실이라면, 이 논리 사슬의 중간 고리가 문제다.
연구 산출은 원래 '컴퓨팅 × 데이터 × 알고리즘'으로만 이뤄지지 않는다. 그것은 협업 네트워크의 부산물이다. 어떤 paper를 인용하는 이유가, conference에서 저자의 강연을 들었기 때문일 수 있다. 새로운 방법을 디버깅해낸 이유가, 옆 조에서 한마디 흘렸기 때문일 수 있다.
Waymo 효과 아래서 협업 네트워크는 수축한다. 박사과정 학생이 AI를 많이 쓰면, 3년 뒤 PI가 되어 있을지는 모르지만, '학생을 키운' 경험은 전무하다. 본인이 스스로 자기를 키웠으니까.
효율 지표와 협업 비용, 이 두 가지 장부는 한 번도 동시에 계산된 적 없다.
헤지(hedge)하는 법: 구체적인 세 가지
鸡汤는 빼고, 프로세스 개편만 적는다.
1. co-locate 작문 세션을 강제한다
매주 혹은 격주로 lab에서 1~2시간을 고정해, AI를 끄고 두세 명이 한 공간에 앉아 같은 코드, 같은 paper를 함께 쓴다.
목적은 효율이 아니다. '잡담형 지도'가 다시 일어날 물리적 공간을 만드는 것이다.
구체적 방식은 pair programming 규칙을 차용하면 된다. 한 명이 쓰고 한 명이 지켜보며, 주기적으로 역할을 바꾼다. 이건 엔지니어링뿐 아니라 글쓰기와 실험 설계에도 적용 가능하다.
2. 'AI 없이' 하는 코드 리뷰를 정기화한다
lab 내부 PR에서 최소한 리뷰 단계에는 AI가 직접 '통과' 판정을 내리지 못하게 한다. 리뷰어는 반드시 직접 다 읽고, 최소 한 개의 비-trivial한 피드백을 남겨야 한다. 그 피드백은 규칙일 수도, 역사적 맥락일 수도, "내가 이 함정에서 예전에 넘어졌다"는 경고일 수도 있다.
GitHub PR 리뷰 코멘트는 협업의 화석 기록이다. AI는 초안을 써도 되지만, 최종 확정은 사람이 해야 한다.
3. '가르치기'를 평가에 반영한다
이게 제일 어렵다.
현재 연구 평가는 논문, 과제,经费다. "옆 조에서 기술 질문 50개 답해줬다"는 산출로 쳐주는가? 안 쳐준다.
그런데 lab 주임이 구성원 KPI에 '멘토 시간'을 명시적으로 넣으면 — 예를 들어 월 N시간의 질의응답·리뷰·수업을 승진 자료에 반영하도록 하면 — Waymo 효과에 헤지할 가능성이 생긴다.
KPI 없는 협업은功利적인 환경에서 항상 제일 먼저 잘려나간다.
편집자 소견
이 글을 쓰고 보니, Waymo 효과에서 가장 과소평가된 파괴 지점은 연구 효율이 아니라 중·초급 인력의成长 통제라는 생각이 점점 굳어진다.
예전 신입이 lab에 들어오면, 첫 2년은 기본적으로 '욕먹으면서 배우는' 시기였다. 끊임없이 질문하고, 저급한 실수 저지르고, senior에게 정정당하면서, 분야 전체의 암묵적 지식을 천천히 이해해갔다. 이 암묵적 지식 — '이 데이터셋에 왜 노이즈가 있는가', '이 방법이 우리 분야에선 왜 안 먹히는가', '이 paper의 limitation을 저자가 안 쓴 것은 어떤 의미인가' — 는 paper 안에 절대 없고, 복도에만 존재했다.
AI가 더 유능해질수록, 신입은 이런 '바보 같은 질문'을 할 기회를 잃는다. AI가 잘 답해주어서가 아니라, AI에게 묻는 건 사회적 용기가 필요 없는 행동이지만, senior에게 묻는 건 용기가 필요하기 때문이다. 내성적인 신입은 AI 시대에 정밀하게 보호받는다 — 그리고 정밀하게 고립된다.
내 예측 (여유를 둔다): 앞으로 5~10년, 'AI 네이티브 연구 인력'의 중년 위기가 한 파도 몰려올 것이다. 30~40대, 논문 생산성은 높고 엔지니어링 능력도 강하지만, lab 관리 능력, 학제간 협업 능력, '가르치는' 능력은 이전 세대보다明显히 약하다. 그때가 되면 대학과 연구소는 깨닫게 된다. 박사과정 양성이 길어져야 할 수도 있고, 师承 메커니즘을 다시 발명해야 할 수도 있다.
불확실한 부분: 그런 师承 메커니즘을 프로세스 개편으로 메울 수 있을까. 나는 비관 쪽에 가깝다 — 프로세스는 형식은 복원할 수 있어도, 밀도는 못 살린다. 하지만 일단 형식부터 세우는 게 우선이다.
참고 출처
- 원본 기사: The Waymo effect - researchagenda.news
- Hacker News 토론: news.ycombinator.com/item?id=49656496