AI가 고생물학자를 대체할까? (2026 데이터)

화석을 연구하는 일을 하신다면, AI에 관한 대화는 보통 두 방향 중 하나로 흘러갑니다. 누군가는 머신러닝이 당신 분야를 혁신할 것이라 말하고, 또 누군가는 ChatGPT가 이미 당신의 문헌 검토를 할 수 있다고 말합니다. 둘 다 부분적으로 맞고, 대체로 핵심을 빗나갑니다. 고생물학자는 AI 노출도가 51%로, 흥미로운 중간 지점에 있습니다. 실질적인 변화가 다가올 만큼 높고, 핵심 작업이 진정으로 안전할 만큼 낮습니다.

미국 노동통계국(BLS)은 고생물학자를 지구과학자 범주로 분류하며, 2034년까지 +5.4% 고용 성장을 예측합니다. 모든 직업 평균보다 빠른 속도죠. 이 성장은 우연이 아닙니다. 자연사 박물관, 대학 연구, 석유·가스 저류층 특성화, 기후 고생태학, 정부 조사로부터의 수요를 반영합니다. 고생물학자 노동시장은 작지만 안정적이며, 무너지고 있지 않습니다.

흥미로운 질문은 AI가 고생물학자를 대체할 것인가가 아닙니다. 그렇지 않을 것입니다. 흥미로운 질문은 일의 어느 부분이 너무 많이 바뀌어서 2030년의 일상 작업이 2020년 사람에게 낯설게 보일 것인가입니다. 그것이 이 글이 정말 다루는 주제입니다.

51% 노출 점수가 측정하는 것

고생물학은 대략 다섯 가지 활동 클러스터로 나뉩니다. 현장 작업(표본 수집), 처리(화석 청소 및 안정화), 기술(공식 분류학적 작업), 분석(계통발생학, 생체역학, 고생태학), 의사소통(논문, 발표, 대중 참여). 51% 노출 점수는 이 활동들의 가중 평균이며, 가중치가 엄청나게 중요합니다.

현장 작업은 AI 노출이 거의 0입니다. 노두를 걸어다니며 지층을 읽고 망치를 적절한 곳에 두어야 합니다. 드론 영상과 라이다가 도와주지만, 어디를 볼지 결정하는 데 도움이 되지, 무엇을 파낼지에 도움이 되지는 않습니다. 처리도 비슷하게 안전합니다. 화석을 노출시키는 미세 에어블라스트 작업은 로봇이 할 수 없습니다. 포장 작업에서 로봇이 어려워하는 것과 같은 이유 — 작은 규모에서, 부서지기 쉬운 재료를 다루는 공간 추론과 촉각 피드백이 현재 시스템 수준을 한참 넘기 때문이죠.

기술, 분석, 의사소통은 노출 점수가 살고 있는 곳입니다. 일의 책상과 화면 부분이며, 빠르게 변화하고 있는 부분입니다.

AI가 이미 워크플로우에 들어온 곳

기하학적 형태측정학(geometric morphometrics) — 형태의 정량적 기술 — 은 약 10년 동안 자동화된 랜드마크 감지에서 개선되고 있습니다. SAM(Segment Anything Model) 같은 도구와 전문 합성곱 신경망은 CT 스캔 슬라이스와 사진 조사에서 해부학적 특징을 2018년에는 공상과학이었던 속도로 식별할 수 있습니다. 2015년에 3개월의 수동 랜드마크 디지털화가 걸리던 논문이 오늘날 반자동화 도구로 약 3주가 걸리며, 병목 대부분은 기계 식별이 아니라 인간 검증입니다.

미세화석 식별은 또 다른 활성 영역입니다. 유공충, 코노돈트, 화분, 규조류 모두 잘 정제된 훈련 세트에서 85-95% 정확도에 도달한 자동 분류 파이프라인이 성공적으로 적용되었습니다. 상업 미세고생물학 작업 — 예를 들어 석유·가스 산업의 생층서학 — 에서는 이 시스템들이 이미 운용 중입니다. 주요 서비스 회사의 시니어 미세고생물학자들은 이제 현미경으로 유공충을 세는 것보다 모델 출력을 검증하고 경계 사례를 처리하는 데 더 많은 시간을 씁니다. 일이 바뀌었지, 사라지지 않았습니다.

더 새로운 물결은 고생물학 문헌과의 LLM 통합입니다. 지질학 및 고생물학 문헌의 약 200만 편 논문을 종합할 수 있는 도구가 문헌 검토, 분류학적 배경 절, 심지어 가설 제안의 유용한 초안을 만들기 시작했습니다. 스미스소니언과 여러 주요 대학의 연구자들이 LLM을 사용해 계통발생학 형질 행렬 구성을 돕는 개념 증명 작업을 발표했습니다. 초기 결과는 좁은 과업에 대해서는 유망하고 넓은 과업에 대해서는 당혹스럽습니다 — 이것이 거의 모든 연구 분야에서 LLM 이야기입니다.

변하지 않는 것

여기 명확히 이해할 가치가 있는 것이 있습니다. AI가 건드리지 않는 고생물학 부분은 단지 더 안전하기만 한 게 아닙니다. 상대적으로 더 중요해지고 있습니다.

현장 수집은 항상 학문의 병목이었습니다. 발견되지 않은 화석은 연구할 수 없습니다. 자동화된 분석이 빨라지면서 새 표본에 대한 수요는 커지고, 생산적인 현장 프로그램을 운영할 수 있는 사람들이 더 가치 있어집니다. 현장 경험은 이 학문에서 가치가 오르는 자산입니다.

분류학적 판단 — 한 표본이 새로운 종을 나타내는지, 형태학적 변이가 있는 알려진 종인지, 병리적인 무언가인지 결정하는 것 — 은 여전히 깊은 전문성을 요구합니다. 자동화 시스템은 분류학적 검토 후보를 표시할 수 있지만, 어떤 것이 분류학적으로 의미 있는지 단지 잡음인지 판단하는 것은 보존 양식, 개체발생, 성적 이형성, 지리적 변이, 그리고 유기체가 화석이 되는 지저분한 현실에 대한 이해를 포함합니다. 현재 어떤 모델도 그 일에 대한 맥락적 이해가 없으며, 모델이 그것을 갖게 되는 경로도 보이지 않습니다.

중요한 과학적 글쓰기 — 논쟁을 펼치거나, 해석을 방어하거나, 새로운 프레임워크를 제안하는 논문의 부분 — 은 심사자가 시간을 쓰고 편집자가 결정을 내리는 곳입니다. LLM이 초안을 작성할 수 있지만, 지적 콘텐츠는 여전히 전적으로 당신의 것입니다. 고생물학 논문을 읽는 누구나 신중하게 사고된 논문과 그렇지 않은 논문의 차이를 알 수 있으며, 그 차이가 논문을 Nature, Science, PNAS, 그리고 최고의 전문 저널에 실리게 합니다.

바뀔 구체적 과업들

5년 후 당신의 하루가 어떻게 다르게 보일지 구체적으로 말씀드릴게요.

문헌 검토는 크게 AI 보조가 될 것입니다. 배경 절 작성은 수천 편 논문을 종합하고, 특정 역사적 관찰을 찾고, 현재 이해의 공백을 식별할 수 있는 도구를 쿼리하는 일을 포함할 것입니다. 중요한 기술은 무엇을 요청할지 알고 받은 결과를 어떻게 검증할지 아는 것입니다. 실제 글쓰기는 여전히 당신 것입니다. 이 도구들이 만드는 종합은 유능하지만 잊을 수 있는 수준이고, 당신의 논문은 둘 다 아니길 원하기 때문이죠.

표본 문서화는 부분적으로 자동화될 것입니다. 휴대폰 사진에서 출판 품질의 3D 모델을 만들어내는 사진측량 워크플로우는 이미 현장 조건에서 배포 가능합니다. 자동화된 랜드마크 감지는 잘 연구된 그룹에 대한 형태측정 데이터 수집의 대부분을 처리할 것입니다. 남은 수동 작업은 희귀 표본, 복잡한 분류군, 자동화 파이프라인을 무력화하는 경계 사례에 집중될 것입니다.

계통발생학적 분석은 새 도구를 볼 것이지만, 방법론 논쟁은 사라지지 않을 것입니다. 베이지안 및 최대 절약 방법, 모델 선택, 형질 코딩 결정 — 이런 영역에서는 인간의 판단과 방법론적 선택이 과학을 이끌고, AI는 대체가 아니라 가속기에 가깝습니다.

대중 의사소통은 현역 고생물학자에게 AI가 가장 큰 상승 잠재력을 제공하는 곳입니다. 발표된 작업에서 일러스트, 애니메이션, 인터랙티브 웹 콘텐츠를 만들어내는 데 도움을 주는 도구는 그래픽 디자이너를 요구하지 않고 도달 범위를 극적으로 확장할 수 있습니다. 박물관과 대학은 점점 자신의 연구자에게 이런 종류의 의사소통을 기대하며, 이를 잘하게 된 사람들은 보조금, 대중 강연, 학문적 가시성에서 이점을 가집니다.

향후 10년의 커리어 지도

대학원생이나 초기 경력 고생물학자라면 실용적 조언은 명료합니다.

깊은 현장 경험을 개발하세요. 학문에서 가장 방어 가능한 부분이며, 나중에 획득하기 가장 어려운 부분입니다. 참여할 수 있는 모든 현장 시즌에 참여하세요. 배울 수 있는 모든 산지를 배우세요.

도구에 능숙해지되, 도구가 되지 마세요. Python을 충분히 배워 형태측정 파이프라인을 실행하고, 데이터베이스를 쿼리하고, 분석을 맞춤화하세요. LLM에 대해 충분히 알아 속지 않고 효과적으로 사용하세요. 목표는 이 도구를 사용해 더 나은 고생물학을 하는 사람이지, 도구와 경쟁하는 사람이 아닙니다.

인접한 정량 영역으로 교차 훈련하세요. 계통발생학적 비교 방법, 고생태학 모델링, 심층 시간 기후 재구성 — 모두 계산 능력과 고생물학 지식이 결합해 어느 한쪽도 혼자 할 수 없는 일을 하는 영역입니다. 이런 교차점의 노동 시장은 고전적 기술 고생물학보다 훨씬 낫고, 두 종류의 전문성을 모두 요구하기 때문에 자동화하기 더 어렵습니다.

대중 대면 부분을 유지하세요. 박물관, 대학 아웃리치, 과학 의사소통 채널이 점점 자금 결정을 이끕니다. 강한 대중 의사소통을 갖춘 연구자는 10년 전보다 더 가치 있으며, 그 격차는 벌어지고 있습니다.

실제 일자리는 어디 있나

고생물학의 순수 연구 자리 — 연구 대학의 정년 트랙 — 는 영원히 빠듯했고, 그게 변하지 않았습니다. 전통적 학문 트랙은 정년 트랙 자리보다 훨씬 많은 박사를 배출합니다.

성장하는 자리는 인접 응용에 있습니다. 에너지 회사의 저류층 특성화(특히 지열, 탄소 저장, 잔여 석유·가스)는 생층서학과 고환경 작업을 위해 상당한 수의 고생물학자를 고용합니다. 기후 고생태학은 과거 기후 유사체 이해의 시급성이 증가하면서 실질적 자금 성장을 보았습니다. 정부 조사(USGS, 주 지질 조사 등)는 특히 탄화수소 및 중요 광물 관련 작업을 위해 계속 채용합니다.

박물관 자리는 경쟁적이지만 안정적입니다. 자연사 박물관은 점점 디지털 컬렉션 작업, 대중 참여, 전시 개발도 처리할 수 있는 연구자를 가치 있게 봅니다. 컬렉션 경험과 대중 참여 기술을 갖춘 고생물학자는 연구 전용 자격만 갖춘 사람보다 더 고용 가능합니다.

솔직한 요약

2035년의 고생물학은 2025년의 고생물학과 의미 있게 다르게 보일 것이지만, 그 차이는 누가 일자리를 가졌느냐보다 워크플로우에 관한 것일 것입니다. 일의 책상 부분은 빨라집니다. 일의 현장 부분은 같습니다. 판단 중심 부분은 더 중요해집니다. 의사소통 부분은 새로운 미디어로 확장됩니다.

51% 노출 점수는 실재하며, 전환을 진지하게 받아들이게 해야 합니다. 하지만 그건 일자리가 아니라 과업에 대한 점수이며, 이 일을 하는 사람들은 인간이 우리 이전에 무엇이 왔는지 알고 싶어 하는 한 그것을 계속 할 것입니다. 그 수요는 어디로도 가지 않습니다.

---

_방법론 노트: 노출 점수는 Eloundou et al. (2023) GPT 영향 프레임워크를 따르며, O\*NET과 척추고생물학회 워크플로우 조사의 과업 수준 분석을 사용해 과학 직업으로 확장했습니다. 고용 예측은 BLS Employment Projections 2024-2034(지구과학자 범주, 19-2042). 미세화석 자동화 정확도 수치는 2021-2024년 동료 심사 문헌. [추정] 태그는 종합된 수치, [사실] 태그는 1차 출처 데이터, [주장] 태그는 독립적으로 검증되지 않은 발표된 주장을 나타냅니다._