최근 인공지능(AI) 기술이 급속도로 발전하며 많은 기대를 모으고 있지만, 일각에서는 AI가 오히려 생산성을 저해하는 '슬롭(Slop)' 현상을 초래할 수 있다는 우려가 제기되고 있습니다. 슬롭은 AI가 생성한 저품질 콘텐츠나 결과물이 넘쳐나면서, 이를 걸러내고 수정하는 데 드는 인간의 시간과 노력이 증가하여 전체적인 효율성이 떨어지는 현상을 의미합니다. 이는 AI의 잠재력을 제대로 활용하지 못하고 오히려 역효과를 낳을 수 있다는 경고로 해석됩니다.
이러한 주장을 펼치는 대표적인 인물 중 한 명은 뉴욕대학교 교수이자 AI 분야의 권위자인 게리 마커스(Gary Marcus)입니다. 그는 AI가 생성하는 텍스트, 이미지, 코드 등이 때로는 그럴듯해 보이지만 실제로는 오류가 많거나 맥락에 맞지 않는 경우가 빈번하다고 지적합니다. 특히 대규모 언어모델(LLM)의 경우, 방대한 데이터를 학습했음에도 불구하고 '환각(hallucination)' 현상처럼 사실과 다른 정보를 마치 진실처럼 제시하거나, 미묘한 뉘앙스를 놓쳐 오해를 불러일으키는 결과물을 내놓을 수 있습니다. 이러한 저품질 결과물을 걸러내고 수정하는 과정에서 인간 작업자의 부담이 가중되어, 결과적으로 생산성 향상이라는 AI 도입의 본래 목적을 달성하기 어렵게 된다는 것입니다.
AI 슬롭 현상은 단순히 콘텐츠 품질 저하를 넘어, 정보의 신뢰도를 떨어뜨리고 의사결정 과정을 복잡하게 만들 수 있습니다. 기업이나 개인이 AI를 무분별하게 도입할 경우, 검증되지 않은 정보로 인해 잘못된 판단을 내리거나, 불필요한 재작업에 시간과 자원을 낭비할 위험이 있습니다. 따라서 AI 기술을 효과적으로 활용하기 위해서는 단순히 AI를 도입하는 것을 넘어, AI가 생성한 결과물을 비판적으로 평가하고, 인간의 전문성을 결합하여 최종 결과물의 품질을 보장하는 전략적인 접근이 필수적입니다. AI의 강점은 활용하되, 그 한계를 명확히 인지하고 인간의 개입을 통해 보완하는 균형 잡힌 시각이 AI 시대의 진정한 생산성 향상을 위한 핵심이 될 것입니다.