인공지능 모델의 추론 능력이 학술 연구의 최전선인 기초 과학 영역으로 침투하면서 생성물의 진위와 학술 유통 구조를 둘러싼 갈등이 수면 위로 드러났다. 더 버지(The Verge) 보도에 따르면 오픈AI(OpenAI)는 2026년 10월 26일 자사 인공지능 모델이 수학의 파동 방정식 국소 완화 추측과 카케야 추측 해결, 컴퓨터 과학의 지수 시간 가설 반증, 물리학의 4차원 양자색역학 및 표준 모형 완성 증명 등 3대 기초 과학 분야의 핵심 난제를 해결했다고 공식 발표했다. 수학과 물리학의 오랜 가설들을 독점 인공지능이 풀어냈다는 이번 주장은 모델의 과학적 탐구 역량을 증명하려는 시도로 읽히지만, 발표 이면에 자리한 검증 절차는 학계의 거센 반발을 마주하고 있다. 오픈AI는 이전의 일방적인 결과물 투하 방식에 쏟아진 비판을 의식해 안내자 역할을 맡는 외부 학계 전문가를 셰퍼드로 위탁하고 분야별로 상이한 공개 방식을 도입했다. 수학 분야는 원본 출력을 깃허브(GitHub)에 전면 공개했고, 컴퓨터 과학 분야는 전문가 그룹의 해설과 함께 결과물을 공개했다. 반면 물리학 분야는 데이비드 그로스(David Gross) 등이 포함된 전문가 협력 그룹이 검증 논문을 준비할 때까지 원본 공개를 유예하는 차등 전략을 적용했다. 이는 프롬프트를 입력한 내부 연구진조차 증명 과정을 온전히 이해하거나 재현하지 못한다는 프린스턴 고등연구소(IAS) 등 수학계의 거센 지적을 반영한 조치다. 이번 조치는 오픈AI가 취해온 학술 배포 전략의 직접적인 변화를 수치로 보여준다. 2026년 10월 초 오픈AI는 372개 수학 난제와 관련된 700여 쪽 분량의 원시 사전 인쇄본(프리프린트)을 학계와의 사전 조율 없이 일괄 배포하는 방식을 택했으나, 이번에는 수학 1건, 컴퓨터 과학 1건, 물리학 1건 등 3개 난제로 공개 범위를 압축했다. 무더기 프리프린트 방출에서 3건 선별 공개로 범위를 좁히고 외부 학자 자문 체계를 결합해 물리학 원본을 보류하는 단계적 접근으로 전환한 셈이다. 700여 쪽에 달하던 무차별적 산출물 대신 분야별 파급력을 고려한 선별적 통로를 구축해 검증 통제력을 확보하려 한 정황이 확인된다. 그러나 새로 도입된 셰퍼드 방식 역시 학계 연구자들과 수학 자문단으로부터 강한 회의론을 마주하고 있다. 학계 연구자들은 비공개 독점 AI 모델의 사전 결과물을 소수의 지정된 전문가에게만 선별 제공하는 구조가 연구자 간의 정보 비대칭을 심화시키고 특정 학자의 학술적 권위를 기업 마케팅에 차용하는 수단으로 악용된다고 지적했다. 상용 목적의 폐쇄형 인공지능 모델을 작동시키면서 동료 평가와 재현성이라는 과학 연구의 기본 원칙을 지키지 않고, 모델이 쏟아낸 복잡한 수식의 오류 검증을 외부 연구자의 무급 노동으로 떠넘긴다는 피로감이 연구자 사회 전반에 확산하고 있다. 이러한 현상은 인공지능 인프라의 연구 생산성이 도달한 새로운 병목 지점을 정량적으로 시사한다. 과거의 모델 경쟁력이 복잡한 수학 공식이나 물리학적 가설을 연역적으로 빠르게 생성해 내는 추론 연산량에 집중되었다면, 이제는 생성된 수백 장의 결과물이 실제 참인지 판별하는 사후 검증 단계에서 막대한 인간 지적 자원이 소모되고 있다. 검증되지 않은 폐쇄형 모델의 산출물은 기초 학문 도입 과정에서 평가 비용을 폭증시키며 연구 기관의 검토 의사결정을 지연시키는 요인으로 작용한다. 결국 과학 탐구 영역에서 인공지능의 도입 가치는 모델 자체의 문제 해결 주장보다 학계의 신뢰를 담보하는 투명한 검증 파이프라인의 완성도에 의해 좌우될 것으로 보인다.