과학 출판이 짧은 인간용 서사와 방대한 기계 판독형 근거층으로 분리되면서, 우아한 문장보다 AI 검증이 가능한 연구 구조를 설계하는 능력이 더 중요해진다.
논문 본문은 짧아지고 그 뒤의 비계는 거대해진다. 연구자들은 인간 독자를 위해 간결한 주장만 서술하지만, 실제 경쟁은 연결된 데이터셋과 프로토콜 트리와 모델 검증과 재현 추적과 기계 감사가 가능한 가정 층으로 이동한다. 한때 수사적 세련미를 보상하던 연구실은 이제 인식론적 구조 설계를 보상한다. 과학은 더 점검 가능하고 더 확장 가능해지지만, 동시에 검증 시스템 바깥의 사람들에게는 덜 읽히는 것이 된다.
상파울루의 형광등이 켜진 연구실 사무실에서 밤 11시 40분, 한 박사후연구원이 원고에서 매끈한 두 문단을 지우고 다음 한 시간을 검증 그래프의 인과 가정을 태그하는 데 쓴다. 채용위원회는 산문을 훑어보겠지만 감사 에이전트는 모든 노드를 검사할 것임을 그녀는 안다.
더 많은 구조는 더 많은 엄밀함을 뜻할 수 있지만, 과학과 대중 사이의 거리를 넓힐 수도 있다. 기계와 소수 전문가만 증거 캐노피를 제대로 항해할 수 있다면, 방법론이 좋아져도 외부인의 신뢰는 오히려 약해질 수 있다. 논문의 윗면은 더 명확해지고, 아랫면은 더 낯설어진다.
요즘 논문은 짧아지고 있습니다. 대신 진짜 경쟁은 본문 밖에서 벌어지죠. AI가 읽는 근거 구조가 더 중요해지는 겁니다. 이유는 단순합니다. 연구자보다 기계가 먼저 읽기 시작한 거죠. 요약기는 본문을 접고, 기관은 증거 스키마를 요구합니다. 2024년 네이처 조사에선 연구자의 74%가 AI를 연구 과정에 이미 쓰고 있었습니다. 문장보다 검증 가능한 연결이 먼저 보이기 시작한 겁니다. 이 변화는 논문 작성에서 끝나지 않죠. 채용 기준도 움직입니다. 많이 인용된 사람보다, 재현성과 내부 일관성을 기계 감사에 버티게 만든 팀이 더 높은 평가를 받게 됩니다. 연구 엔지니어의 위치도 같이 올라가겠죠. 지식은 더 빨리 점검됩니다. 그런데 더 쉽게 이해되지는 않죠. 과학은 더 신뢰받게 될까요. 아니면 더 멀게 느껴질까요.