AI와의 브레인스토밍이 도중에 얕아지는 이유

생각을 정리하려고 채팅을 엽니다. 처음 몇 번의 왕복은 정말 괜찮습니다. 내 프레이밍을 받아주고, 적어두지 않았던 고려사항을 더해주고, 엉킨 것을 세 가지 선택지로 정리해 줍니다. 앞으로 나아가는 느낌이 듭니다.

그런데 열 번째 메시지쯤에서 알아차립니다. 나는 아무것도 생각을 바꾸지 않았다. 들고 들어온 아이디어는 옷차림이 좋아졌습니다. 소제목이 붙고 리스크 절까지 생겼습니다. 하지만 같은 아이디어이고, 대화 중에 그것이 제대로 흔들린 순간은 한 번도 없었습니다.

모델은 동의하도록 최적화되어 있고, 그걸 아주 잘합니다

모델은 사람의 선호 피드백으로 조정되며, 사람은 도움이 되고 긍정적이며 주제에서 벗어나지 않는 답을 높게 평가합니다. 그 결과 당신의 말을 부정하기보다 그 위에 쌓아 올리는 쪽으로의 강한 끌림이 생깁니다. 사용자에게 반대하는 행동은 학습을 통해 억제됩니다. 대부분의 맥락에서 그것이 불친절하게 읽히기 때문입니다.

대부분의 요청에는 그게 옳은 기본값입니다. 하지만 브레인스토밍에는 틀린 기본값입니다. 상대의 가치는 애초에 당신의 전제를 공유하지 않는다는 데 있기 때문입니다.

대화는 자기 자신 위에 쌓이므로 좁아집니다

동의 성향과 무관한 두 번째 효과가 있습니다. 채팅의 모든 턴은 그 이전 전부를 조건으로 생성됩니다. 열 번째 메시지의 모델은 더 이상 당신의 문제에 응답하고 있지 않습니다. 당신의 문제에 대한 자기 자신의 지난 아홉 개의 답에 응답하고 있습니다.

턴마다 프레임에 대한 약속이 조금씩 강해지고, 아이디어의 공간은 넓어지는 대신 좁아집니다. 브레인스토밍의 목적과 정반대입니다. 초반의 왕복이 문을 열어주길 바랐는데, 조용히 닫고 있었던 것입니다.

긴 세션 뒤에 같은 질문을 새 채팅에 던져 보면 이게 체감됩니다. 새 답은 긴 대화가 도달한 지점과 눈에 띄게 다르고, 종종 그쪽이 더 낫습니다. 도중에 무언가를 배운 게 아니라 방이 좁아졌던 것입니다.

진짜 스파링 상대가 하는 일

아직 형태가 잡히지 않은 생각을 다듬을 때 동료가 왜 도움이 되는지 떠올려 보세요. 나보다 많이 알아서인 경우는 드뭅니다. 전제를 자동으로 받아들이지 않기 때문입니다. 왜 그 틀로 문제를 세웠는지 묻습니다. 보기 싫어서 빠르게 지나친 부분을 가리킵니다.

그러려면 두 가지가 필요하고, 하나의 채팅 세션은 그 어느 쪽도 안정적으로 주지 않습니다.

• 당신의 입장에서 파생되지 않은 입장. 독립적으로 문제에 도달한 상대여야 합니다. 아니면 그 반론은 당신 아이디어의 정중한 변주에 불과합니다.
• 그것을 유지할 의지. 밀어붙이는 순간 접지 않아야 합니다. 쓸모 있는 부분은 대개 두 번째, 세 번째 주고받기에 나타나기 때문입니다.

모델을 늘릴 때의 함정

분명한 해법은 서로에게서 파생되지 않은 입장을 얻기 위해 모델을 여럿 두는 것입니다. 실제로 효과가 있지만, 알아둘 만한 특유의 실패 방식이 있고 그것은 예상과 다릅니다.

멀티 에이전트 구성에 대한 2026년 연구는 에이전트에게 서로 다른 전문가 페르소나를 부여하면 시험한 모든 구성 중 가장 다양성이 낮은 아이디어가 나올 수 있음을 발견했습니다. 역할을 배정하면 다양성이 생길 것 같습니다. 실제로 일어나는 일은 각 에이전트가 배정된 역할의 전형적인 중심으로 쏠리는 것이고, 그곳은 아무 지시가 없었다면 갔을 자리보다 좁습니다.

즉 목소리를 늘린다고 자동으로 사고가 늘지 않습니다. 수보다 구조입니다. 이 연구는 별도의 글에서 자세히 다뤘습니다. 우리가 만드는 방식을 바꾼 연구이기 때문입니다.

대신 할 일

• 감상이 아니라 가장 강한 반론을 요구하세요. "어떻게 생각해?"는 동의를 부릅니다. "이게 틀렸다고 보는 가장 강한 논거는 무엇인가"는 모델에게 반대할 허가를 줍니다. 두면 모델은 그 허가를 스스로 가져가지 않습니다.
• 놀라움이 사라지면 스레드를 버리고 다시 시작하세요. 브레인스토밍에서 열 번의 왕복으로 쌓인 맥락은 자산이 아니라 부채인 경우가 많습니다. 새 세션에서 문제를 간결히 다시 쓰는 비용은 1분입니다.
• 토론시키기 전에 독립된 답을 받으세요. 정말 다른 입장을 원한다면 서로를 보지 않은 채 형성되어야 합니다. 나중의 토론은 유익하지만, 처음부터의 토론은 합의를 만듭니다.
• 너무 이른 일치를 경계하세요. 두 번째 모델이 즉시 첫 번째를 지지했다면, 그건 이견보다 더 의심할 만합니다.

Parley가 놓이는 자리

Parley는 이 형태를 중심으로 만들어졌습니다. 먼저 여러 모델이 같은 질문에 따로 답하므로, 어느 것도 다른 모델의 프레이밍에 반응하고 있지 않습니다. 그런 다음에야 차이가 나란히 놓입니다. 목적은 의견을 많이 모으는 게 아닙니다. 근거를 갖춘 입장들이 실제로 갈리는 자리를 찾는 것이고, 바로 거기에 자기 생각이 움직일 여지가 있기 때문입니다.

한계도 솔직히 적어둡니다. 이미 답이 정해져 있고 글로 정리하고 싶을 뿐인 상황에는 도움이 되지 않습니다. 제자리를 도는 것 같은데 무엇을 피하고 있는지 스스로 모르는 상황에서 듣습니다. 어떤 물음이 수고에 값하는지는 모범 사례 가이드에 정리해 두었습니다.

함께 읽어볼 글

• AI 에이전트를 늘리면 오히려 더 나빠질 수 있다. 위 페르소나 경고의 근거가 된 연구입니다.
• 같은 질문인데 ChatGPT와 Claude의 답이 다른 이유. 독립된 입장을 독립되게 만드는 것이 무엇인지 다룹니다.