생성형 AI가 교육과 창작 현장에 깊숙이 파고든 지금, "AI를 쓰는 것이 과연 학생과 실무자의 창의력에 긍정적일까?"라는 질문은 모두의 화두가 되었다. 류커준 외(2025)의 본 연구는 이 질문에 대해 구체적인 실증 데이터로 답하고자 시도하였다. 연구의 목적은 미술·디자인, 음악 전공 대학원생이라는 창의력 핵심 집단을 대상으로, 그들의 '학습 성격 유형'이 '생성형 AI(ChatGPT) 의존도' 및 '창의력'과 어떤 관계를 맺는지 분석하는 것이다. 특히 본 연구는 AI 의존도를 분석하는 이론적 배경으로 S. Ball-Rokeach와 M. DeFleur가 제안한 '미디어 의존 이론'을 제시하며, AI의 편리함이 사용자의 의존도를 높이는 사회 심리적 요인에 대한 분석 필요성을 강조한 점이 주목된다. 이를 위해 U&I 학습 성격 유형(행동형, 규범형, 탐구형, 이상형)과 길포드의 창의력 구성요소(유창성, 독창성, 융통성, 정교성)를 측정도구로 사용하였다.

본 연구에서 가장 흥미롭고 중요한 지점은 AI 의존도의 부정적 매개효과를 실증적으로 밝혀낸 것이다. 분석 결과, 행동형과 규범형 학습 성격을 가진 학생들은 창의력에 긍정적인 직접적인 영향을 미칠 잠재력을 가지고 있었으나, 생성형 AI에 대한 의존도가 높아질수록 오히려 창의력이 유의미하게 저하되는 결과(부정적 매개효과)가 나타났다. 이는 교육자와 현업 전문가에게 중요한 시사점을 준다. AI를 도구로 사용하는 것을 넘어, 학습자(혹은 실무자)가 AI에 과도하게 의존하여 스스로 생각하는 과정을 생략하게 될 때 창의성이 훼손될 수 있음을 경고하기 때문이다. 더불어, 창의력이 높은(특히 유창성, 독창성, 정교성) 학생일수록 AI 의존도가 낮아지는 경향을 보였는데, 이는 이들이 AI를 '대체재'가 아닌 '보조 도구'로 활용하고 있음을 시사한다.

 본 연구는 생성형 AI의 활용이 창의력에 미치는 영향이 '어떻게 사용하느냐'에 달려있음을 명확히 보여준다. 긍정적인 측면은 AI가 융통성(다양한 각도에서 접근하는 능력)에는 부정적 영향을 미치지 않았다는 결과에서 찾을 수 있으며, 이는 AI가 다차원적인 영감이나 아이디어 탐색에는 유용할 수 있음을 의미한다. 하지만 핵심적인 부정적 사안은, 특히 구조화된 학습과 빠른 실행을 선호하는 행동형과 규범형 사용자가 AI에 과도하게 의존할 경우 ’사고의 의존성‘이 형성되어 창의적 잠재력이 저해될 수 있다는 위험이다. 물론 연구진이 밝혔듯, 본 연구는 예술 계열 대학원생에 한정되었고 ChatGPT라는 특정 도구만을 다루었으며 장기적인 효과를 추적하지 못한 한계가 있다. 

본 연구는 생성형 AI가 디자인 분야에 미치는 영향을 실증적으로 분석하기 위해, "스마트홈 AI 로봇"이라는 동일 과제를 두고 세 가지 다른 조건에서 아이디어 도출 과정을 비교하였다. 실험은 ▲전문 디자이너로만 구성된 그룹(A팀) ▲디자이너와 AI가 협업하는 그룹(B팀) ▲AI가 주도적으로 수행하는 그룹(C팀)으로 나누어 진행되었으며, 각 결과물은 창의성, 혁신성, 그리고 사용자 공감 능력을 기준으로 전문가 평가를 받았다.

연구의 이론적 배경은 창의성, 혁신성, 공감 능력으로 정의된 디자이너의 핵심 역량과 HMW, 4-3-5 Brainwriting, SCAMPER와 같은 디자인 사고 방법론에 중점을 두었다. 이러한 배경을 바탕으로, "스마트홈 AI 로봇"이라는 동일 주제 하에 AI 의존도에 따라 '디자이너 그룹', '디자이너-AI 협업 그룹', 'AI 주도 그룹'으로 세 집단을 나누어 아이데이션을 진행하는 실험을 설계하였으며, 이는 각 그룹에서 디자이너의 핵심 역량이 어떻게 발현되는지를 명확히 비교, 관찰하기 위함이었다.

실험 결과, AI와 디자이너가 협력한 B팀이 모든 평가 지표에서 가장 우수한 성과를 보였다. 반면, C팀(AI 주도)은 아이디어 생성 속도는 월등히 빨랐으나, 사용자의 감정적 요구를 파악하는 '공감 능력'에서 현저히 낮은 점수를 받았다. A팀(디자이너)은 공감 능력을 바탕으로 깊이 있는 결과물을 도출했으나, 시각화 등에 소요되는 시간 효율성 측면에서는 한계를 보였다.

그룹별 특징을 구체적으로 살펴보면, AI 주도 그룹(C팀)은 인지적 편향, 특히 '앵커링 효과(Anchoring Effect)'에 취약한 모습을 보였다. 이는 AI가 제시한 초기 아이디어에 묶여 새로운 방향성이나 창의적 확장을 제약하는 한계로 작용하였다. 반면, 디자이너가 개입한 그룹들(A팀, B팀)에서는 '피보팅 효과(Pivoting Effect)'가 나타났다. 디자이너들은 초기 아이디어를 유연하게 수정하거나 완전히 새로운 경로를 탐색하는 창의적 사고를 발휘하여 AI의 데이터 기반 접근의 한계를 보완하고 최종 결과물의 수준을 높였다.

 이 연구는 현재 생성형 AI가 디자이너의 고유 역량인 공감 능력을 대체하기는 어렵다는 점을 시사하였다. AI는 방대한 아이디어를 신속하게 생성하는 강력한 보조 도구로 기능할 때 그 가치가 극대화되었다. 따라서 AI의 기술적 효율성과 디자이너의 인간 중심적 통찰력을 결합하는 협업 모델이 현시점에서 가장 혁신적이고 수준 높은 디자인을 창출하는 최적의 전략임을 확인할 수 있었다.

[METAX = 류성훈 기자]

[저작권자ⓒ META-X. 무단전재-재배포 금지]