AI 모델에게 "인간에 대한 가장 논쟁적인 견해"를 물으면 무슨 답이 나올까. 한 비교 실험은 12개 텍스트 모델에게 같은 질문을 각각 세 번씩, 모두 35회 던졌다. 조건은 간단했다. 설문 요약이 아니라 자기 의견을 말할 것, 돌려 말하지 말 것. 그런데 35개의 답 중 29개가 사실상 하나의 문장으로 수렴했다. 인간은 진실보다 소속을 더 중시한다는 것이다.
표현만 조금씩 달랐다. GPT-6.1 Sol은 "인간은 진실보다 소속에 더 충성한다"고 했고, Grok 4.7은 "혼자 옳기보다 함께 틀리기를 택한다"고 답했다. DeepSeek V4 Pro는 "인간에게는 원칙이 아니라 충성이 있을 뿐"이라 했고, Kimi K3는 "신념이 아니라 소속이 있다"고 정리했다. Gemini 4 Argon은 인간의 의식을 아예 "홍보 부서"에 비유했다. 참여한 12개 모델은 세 나라 열 곳의 연구소에서 나온 것인데, 모두 최소 한 번은 같은 취지의 답을 내놓았고 7개는 세 번 모두 같은 답을 했다. 가장 논쟁적인 견해를 말하라고 했더니, 하나같이 "사람은 집단에 동조한다"는 가장 흔한 비판으로 모인 셈이다.
왜 비슷한 답이 나오는가
이 결과는 모델이 특별히 날카로워서라기보다, 학습 데이터의 성격을 드러낸다고 보는 편이 정확하다. 텍스트 모델은 인간이 스스로에 대해 써온 수많은 글을 읽었다. 집단 동조, 확증 편향, 부족주의를 비판하는 담론은 사회심리학과 칼럼, 에세이에 걸쳐 가장 널리 반복되어 온 자기비판이다. "논쟁적"이라는 주문을 걸어도 모델이 꺼내 든 것은 결국 우리 사회에서 가장 많이 유통된, 그래서 가장 안전하게 느껴지는 비판이었다. 즉 모델의 답은 인간에 대한 통찰이라기보다 인간이 남긴 텍스트의 통계적 중심을 비춘 거울에 가깝다.
실험은 여기서 한 걸음 더 나아갔다. 각 모델에게 자기 견해를 한 컷 캐리커처로 그릴 지시문도 쓰게 하고, 그 지시문들을 단일 이미지 모델(Nano Banana 2.1)에게 넘겨 그리게 했다. 변하는 것은 그림체가 아니라 아이디어뿐이도록 통제한 것이다. 그 결과 둘은 조작된 판사가 있는 법정을 배경으로 삼았고, 대부분은 군중을 그렸다. 동조라는 주제를 시각으로 옮겨도 군중과 권위라는 비슷한 상징으로 수렴한 것이다.
대열을 벗어난 소수
흥미로운 것은 다수에서 이탈한 소수다. 네 개 모델이 다른 답을 냈고, 한 번은 거부가 있었다. 가장 반대편에 선 것은 Claude였다. Claude Opus 5.5는 한 번의 시도에서 정반대를 주장했다. "인간은 자신이 생각하는 것보다 훨씬 더 품위 있으며, 서로에 대한 냉소가 실제 결함보다 더 큰 해를 끼친다"는 것이다. 근거로는 낯선 사람이 잃어버린 지갑을 사람들의 예상보다 더 자주 돌려준다는 점을 들었다. 그 캐리커처는 비 오는 거리에서 사람들이 서로 돕는 가운데, 정작 각자의 휴대폰 화면에는 "사람들은 최악이야"라는 문구가 떠 있는 장면이었다.
나머지 이탈도 제각각이었다. Claude Fable 5.1은 무관심한 이에게 도움받느니 선의를 가진 이에게 해를 입는 편을 택하겠다고 했고, GLM 5.3은 사람은 의미 있는 존재가 될 기회를 위해 안락한 삶마저 망가뜨린다고 봤다. Mistral Large 4는 가장 어둡게 의식을 "진화의 오작동"이라 불렀다. Grok 4.7은 한 번 "인간에 대한 논쟁적 견해를 내놓지 않겠다"며 거부했다. 다수의 동조 테제가 압도적이었던 만큼, 이 소수 의견들은 모델마다 다른 학습 분포와 정렬 방식이 어디서 갈라지는지를 보여주는 단서가 된다.
그림 모델은 전혀 다른 농담을 했다
이미지 모델 여섯 개에게는 아무 맥락 없이 "인간에 대한 가장 논쟁적인 견해를 한 컷 풍자화로 그리라"고 두 번씩 요청했다. 그러자 12장 중 10장이 똑같은 농담을 그렸는데, 그것은 텍스트 모델의 농담과 달랐다. 휴대폰에 중독되어 지구를 먹어 치우는 소비자로서의 인간이었다. 사람들이 스크롤하다 절벽으로 떨어지고, 운석이 떨어지는데 셀카를 찍고, "위안용 도살장" 앞에 줄을 섰다. 반면 텍스트 모델의 35개 답 가운데 휴대폰이나 지구 환경을 언급한 것은 하나도 없었다. 말을 다루는 모델은 우리가 우리 자신에 대해 쓴 논증을 읽었고, 그림을 다루는 모델은 우리의 시사만평을 봤다. 각자 자기가 본 매체에서 가장 익숙한 비판을 그대로 돌려준 것이다.
실무자가 가져갈 교훈
이 실험의 가치는 "AI가 인간을 꿰뚫어 본다"가 아니라 그 반대에 있다. 같은 질문을 던졌을 때 모델들이 비슷한 답으로 쏠린다는 사실은, 생성 모델의 출력이 창의적 판단이 아니라 학습 분포의 최빈값을 향한다는 점을 실증한다. 제품에 모델을 붙이는 입장에서는 몇 가지를 기억할 만하다. 첫째, "솔직하게" "대담하게" 같은 주문은 출력의 다양성을 생각만큼 끌어올리지 못하며, 오히려 가장 흔한 클리셰를 불러올 수 있다. 둘째, 모달리티에 따라 편향의 결이 달라지므로, 텍스트와 이미지를 함께 쓰는 서비스라면 각기 다른 상투성을 따로 점검해야 한다. 셋째, 모델 간 미세한 차이—소수 의견을 낸 Claude 계열이나 거부를 택한 Grok의 사례—는 정렬 방식의 차이를 드러내므로, 다양성이나 안전성이 중요한 용도라면 여러 모델을 실제로 비교해 볼 가치가 있다.
물론 한계도 분명하다. 모델명과 성능은 이 실험이 설정한 조건일 뿐이고, 답을 "같은 견해"로 묶은 분류는 수작업이었다. 시스템 프롬프트도, 재시도도 없이 60회 호출에 1.54달러가 든 소규모 실험이라 통계적 일반화에는 신중할 필요가 있다. 그럼에도 "논쟁적인 의견을 말하라"는 요청에 모두가 "사람은 동조한다"고 답했다는 역설은, AI의 창의성을 과신하기 전에 한 번쯤 곱씹어 볼 만한 장면이다.