AI에게 아이디어 100개를 받았다. 선택지도 100개일까.

신제품 기획회의를 준비한다고 해보자. 팀원들이 각자 AI의 도움을 받아 아이디어를 가져온다. 설명은 매끄럽고 장점도 잘 정리돼 있다.

그런데 나란히 놓으니 어딘가 닮았다. 이름과 문장은 다른데 겨냥하는 고객도 해결하려는 문제도 비슷하다.

한 사람이 보기에는 새로운 생각이었는데 팀 전체로 보면 같은 방향의 변주였던 셈이다.

2026년 7월 발표된 제품 아이디어 연구가 이 차이를 보여준다. 대학생을 위한 50달러 미만 제품을 구상하는 과제에서 AI가 만든 아이디어는 구매 의향 평가를 기준으로 인간의 아이디어보다 평균적으로 좋은 평가를 받았다.

하지만 아이디어들을 묶어서 보면 결과가 달랐다. AI가 만든 아이디어들은 서로 더 비슷했고 다양성은 낮았다.

하나하나의 답이 괜찮다는 것과 서로 다른 선택지가 충분하다는 것은 별개였다.

특정 제품 기획 과제의 결과를 모든 회사의 회의에 그대로 적용할 수는 없다. 다만 나는 이 연구를 읽고 ‘아이디어를 많이 받았다’는 것만으로 충분한 검토를 했다고 여겨도 되는지 생각하게 됐다.

열 개 중 하나를 고른다고 해도 열 개가 사실상 같은 생각이라면 선택의 폭은 좁다. 무엇을 더 검토했는지보다 무엇을 끝내 떠올리지 못했는지가 중요할 수 있다.

그렇다고 AI를 빼자는 이야기는 아니다. 같은 연구에서는 서로 다른 조건과 관점을 제시하거나 여러 모델의 아이디어를 모으는 방식으로 다양성을 높일 수 있었다.

조직에서도 AI에게 질문하기 전 각자가 가져올 재료를 달리해보면 좋겠다.

영업 담당자는 계약이 성사되지 않은 이유를 가져온다. 고객센터 담당자는 반복되는 불만을 정리한다. 운영 담당자는 실제로 처리하기 어려웠던 요청을 꺼낸다.

그 재료를 가지고 AI에게 각각의 해결책을 만들어보게 하는 것이다. 같은 ‘좋은 아이디어’를 주문하기보다 서로 다르게 알고 있는 현실을 출발점으로 삼는 방식이다.

기획안이 모인 뒤에는 문장이 아니라 전제를 비교해야 한다. 누구의 문제를 풀려는지. 어떤 조건에서 효과가 있을지. 다른 안과 실제로 무엇이 다른지.

그리고 매끄럽지 않아도 현장에서 직접 발견한 문제 하나는 남겨뒀으면 한다. 아직 설명이 덜 된 생각이라는 이유로 가장 먼저 지워버리지 않도록.

나는 AI가 준 답의 개수보다 그 답들이 얼마나 다른 가능성을 열어줬는지를 보고 싶다.

회의에 여러 사람을 부르는 이유도 같은 답을 여러 번 듣기 위해서는 아닐 것이다.

[출처]
Terwiesch 외, "「AI and Its Impact on Creativity and Diversity: An Empirical Study of LLM-Generated Product Ideas」" (https://doi.org/10.1177/10591478261474243), Production and Operations Management (2026.7.).