Generative AI and Academic Publishing: Slop, Democratization, and the Future of Scholarship

AI slopification or Academic Democratization? What the debate about Generative AI reveals about Academic Publishing

As Brian Phillips put, "2025 was the year when most people realized that weird, ugly, and inaccurate AI-generated content—AI Slop—was overrunning the internet" (Phillips, 2025). And few developments in higher education have generated as much debate as the content that has been generated by AI. Critics warn that academic publishing is becoming flooded with AI-generated "slop": manuscripts that appear polished but lack originality, rigor, or even factual accuracy. Yet the focus on slopification may be obscuring a more complicated question: what if generative AI is also democratizing access to academic publishing?

Journal editors warn that submissions are increasingly produced by generative AI (especially with fake citations) and that to parse out what is an original work or not is increasing their workloads. Concerns about the "AI slopification" of academic publishing have become not just commonplace but .

From the perspective of many editors (and in my experience as a reviewer), these concerns are very real and understandable. Academic publishing already runs on a tremendous amount of unpaid or underpaid labor, and the peer review system is stretched thin. Journal backlogs keep growing, editors often struggle to find willing reviewers, and reviews are frequently passed on to graduate students. If generative AI makes it easier to produce manuscripts at a much faster pace, editors face increasing pressure to evaluate larger numbers of submissions while maintaining scholarly standards. In that sense, AI appears less like a productivity tool and more like an enemy of the academia.

Generative AI as an enemy or ally to academia

Enemy vs. Ally narrative about AI in academia

But is this really solely just the problem of the AI?

Much of the discussion surrounding AI in academia focuses almost exclusively on the burdens it creates for gatekeepers while paying comparatively little attention to the opportunities it creates for those who have historically stood outside those gates. For many scholars in the Global South, academic publishing has never been an even playing field. Researchers frequently face barriers that have little to do with the quality of their ideas or the rigor of their methods. Publishing in international journals requires writing in English, access to expensive editing services, familiarity with disciplinary conventions established elsewhere, and institutional support that many researchers from non-English speaking regions cannot easily access. Even when scholars produce excellent research, the ability to communicate that work according to the expectations of dominant academic institutions often becomes a prerequisite for recognition.

This reality makes some contemporary debates about AI particularly revealing.

Over the past two decades, academia has increasingly embraced the language of inclusion, diversity, and decolonization. Scholars have argued that knowledge production remains heavily shaped by Western institutions and perspectives. There have been calls to broaden participation, challenge established hierarchies, and create space for voices that have historically been marginalized within global academic conversations. In many conferences, they correct their language of majority world and minority world by stating that minority world is not the western, developed countries, and majority is the less developed. But does correcting the language only fundamentally fix the existing, broken system of academia?

These critiques are important. Yet when generative AI enters the conversation, some of the same academic communities appear uncomfortable or viscerally against the technology that in many ways lowers barriers to participation for some others (or I should say majority of people according to the digital anthropologist, Payal Ayora's words). It is now common to hear that the question is no longer whether AI should be used or not but how it should be used ethically. This is a reasonable—or, more accurately, desirable—position, given that we are already well aware of the enormous resources required to run these LLMs. (The fact that AI is already out, available as a commercial tool, is something that we cannot do much about; it is out and available for anyone who wants to use).

The everyday reality of using generative AI in academia (academic publishing)

But there is also a gap between what is being critiqued and what is already happening in practice. AI is no longer a future possibility; it is a present reality.

This gap between academic discourse and everyday practice is particularly striking. While some debates continue to ask whether AI should have a place in education at all, many students have already integrated it into their daily lives. A recent UNICEF video features children from around the world reflecting on how AI is shaping their learning. Whatever one thinks about generative AI, the video is a reminder that the people most affected by educational technologies are rarely the ones leading the conversation about them. Their perspectives also remind us that AI is no longer a hypothetical future. It is already part of the educational landscape.

The same is true in higher education. More than 70% of Canadian students are said to be using generative AI one way or other for their school work (University of Toronto, n.d.) In the UK, more than 90% of students reported using AI in at least one way or other for their school work (HEPI, n.d.). Professors use it for their research, study plans and lessons, and for many other tasks. Journalists, lawyers, consultants, executives, and policymakers use it as well.

At SFU's AI Speaker Series just a couple of days ago, the recurring theme across the panel discussions wasn't whether students should use AI, but how we can teach them to use these tools responsibly and effectively.

The first page of the prgroam of SFU AI Speakers' series event

The reality is that generative AI is out and available for use already. And it has well become part of the everyday infrastructure of knowledge work in most cases. (To be clear, I am not defending situations in which generative AI substitutes entirely for original creative or academic work. That is a different debate from the one I am engaging in here.)

In the most recent undergraduate communication course where I served as a Teaching Assistant, the instructor designed every assignment in ways that students were required to engage with generative AI in one way or another while producing work that demanded greater critical thinking and creativity. The rationale was straightforward: generative AI is already part of many students' academic workflows, so the course focused on teaching them how to use it thoughtfully rather than pretending it did not exist. It also prepares students for today's workplace, where many employers already expect workers to be familiar with and capable of using generative AI tools.

Despite this recognition, scholars/academics/students who openly acknowledge using AI-assisted writing tools are often met with criticism, or even more visceral suspicion that their work does not deserve attention. On LinkedIn, it is easy to see many academics (editors especially) debating about how they no longer see the "original voice" in papers. Now, authors are encouraged to preserve their "original voice." They are warned not to rely excessively on machine-generated prose. They are reminded that authentic scholarship requires authentic expression.

But who gets to define what is authentic here?

For decades, many non-Western scholars have been taught that their original voice was precisely what needed to be changed in order to succeed in academic publishing. Academic publishing has long rewarded a particular style of writing: clean, neutral, detached, concise, and standardized according to conventions that emerged largely from Anglo-American scholarly traditions. Authors whose writing reflects different rhetorical traditions, linguistic habits, or cultural forms of expression are frequently told to revise their work to meet accepted standards. Manuscripts that depart from these expectations are often criticized as unclear, unprofessional, or insufficiently scholarly.

The result is that countless researchers have spent years learning not how to express their natural voice but how to suppress it.

Success in academic publishing has often depended upon mastering a specific linguistic register that is treated as universal despite being rooted in particular historical and cultural traditions. The ideal academic voice is frequently presented as neutral and objective, yet it is also highly regulated. About a decade ago, when I was in college, students were told to never use the first person voice, but the third person in writing in order to make it "neutral" and "academic"; but now, they do. Scholars learn which phrases to use, which structures to follow, which rhetorical strategies are acceptable, and which forms of expression signal credibility.

This raises an uncomfortable question: when academics now insist that authors should preserve their authentic voice, whose voice is being protected?

If academia has historically required conformity to a narrow set of linguistic norms, then appeals to originality cannot be separated from the broader history of how academic voice has been defined and enforced. The same institutions that increasingly call for the decentralization of Western perspectives have often maintained remarkably centralized expectations regarding how scholarship should be written.

From this perspective, generative AI does not simply threaten existing academic structures. It also exposes some of their contradictions. A researcher in a resource-constrained environment can now access writing assistance that previously required expensive professional editing services. A scholar writing in a second or third language can improve clarity and readability without relying on institutional resources available only to wealthier universities. Early-career researchers can receive feedback on organization, grammar, and presentation at minimal cost.

Of course, none of these benefits automatically improve the quality of scholarship itself. AI cannot replace methodological rigor, intellectual creativity and originality, or empirical evidence. But it can reduce barriers for many that have little to do with scientific contribution and much to do with access to linguistic and institutional resources.

Does AI creating mediocre work invalidate the question of access entirely?

Critics may respond to this by saying AI then enables the mass production of mediocre work. This is undoubtedly true. Generative AI can facilitate the creation of superficial manuscripts, fabricated references, and low-quality submissions that consume editorial time. These are genuine concerns, and editors are right to address them. However, the existence of abuse does not invalidate the broader question of access.

Throughout history, technologies that lower barriers to participation have often been criticized for increasing noise alongside opportunity. The printing press produced both scholarship and propaganda. The internet created both unprecedented access to information and unprecedented volumes of misinformation. Generative AI is likely to follow a similar pattern.

The challenge is therefore not whether AI should exist within academia. That question has effectively been settled by reality. The challenge is determining how academic institutions will respond to a technology that redistributes communicative advantages more broadly than before.

An analogy can be drawn from debates surrounding ethical consumption. Some individuals object to industrial meat production because they believe the conditions under which meat is produced are unethical. They may choose not to eat meat as a result. That choice reflects a legitimate ethical position. However, it does not necessarily follow that those who consume a legal and widely available product should be condemned simply because they make a different choice within the constraints of the existing system.

Similarly, some academics object to generative AI because of concerns about environmental impact, labor exploitation, intellectual property, or educational consequences. These are serious concerns that deserve attention. Yet the existence of such concerns does not automatically justify stigmatizing scholars who use tools that have become widely available and increasingly embedded in professional life.

What concerns me most about the language of "AI slopification" is that it risks obscuring a deeper issue that people don't like to openly talk about (because they are part of the system—Ouch...). The debate is often framed as a conflict between academic quality and technological convenience. But for many researchers, particularly those outside elite institutions or non-English speaking regions, the debate is also about access, visibility, and participation.

For many researchers, it is not merely automating writing. It is altering who can enter the converstaion.

Future of academic publishing

Recently, academic publishers have increasingly adopted AI tools to detect AI-generated writing. As a result, many academics are concerned about what they should do if their original work is mistakenly flagged as AI-generated, including how they would defend the authenticity of their work. This has become a hotly debated topic.

And of course, this is only one part of a much larger conversation. There are many other issues this post cannot cover, including AI companies partnering with academic publishers, publishers licensing authors' content to AI companies for model training, generative AI carrying biases as to who uses it, the lack of clear legal protections for intellectual property, and so on. Those topics deserve a post of their own.

The issue will increasingly become whether we should adopt AI or not, but it really is about "HOW" we should use it. The future of academic publishing should not be framed as a simple choice between embracing or rejecting AI. Rather, we need to distinguish between AI that replaces scholarly work and AI that supports and enhances it. Making that distinction requires nuance, thoughtful policies, and clear ethical guidelines.

Journals should continue to evaluate originality, evidence, methodological rigor, and intellectual contribution. Fabricated data and manufactured research must remain unacceptable. But using AI to overcome linguistic barriers or improve clarity should not be treated as equivalent to intellectual fraud.

I cannot help but point out the irony of the current debate: academia increasingly speaks the language of democratization while often responding defensively and framing the discussion as a choice between two opposing extremes.

Perhaps the greatest danger is not that AI will degrade academic publishing. The greater danger may be that debates about AI become a way of turning a blind eye on the deeper structural problems of academia (+ academic publishing system including publication being the core metric), defending inequalities that existed long before the technology arrived. If academia is serious about democratizing and decolonizing scholarly communication, then it must confront a difficult conversation and bring efforts to tackle: generative AI may be exposing barriers that were always there, rather than creating entirely new ones.

If academia is serious about democratizing knowledge production, it cannot focus only on the risks of generative AI while ignoring the inequalities that made such tools attractive in the first place. The question is not whether AI changes academic publishing—it already has. The question is whether academic institutions are willing to confront the barriers that AI has made impossible to ignore.

Other helpful references:

Aroral, P. (2024). Language and the Next Billion Users, Modern Languages Open.

https://www.academia.edu/165091855/Language_and_the_Next_Billion_Users

Macfarlane, B. (2021). The neoliberal academic: Illustrating shifting academic norms in an age of hyper-performativity. Educational Philosophy and Theory, 53(5), 459–468. https://doi.org/10.1080/00131857.2019.1684262

Macfarlane, B., & Yeung-Tarre, J. (2026). Co-authorship as a traded commodity: the experiences of early career education academics in Hong Kong, Canada and the UK. Studies in Higher Education, 1–14. https://doi.org/10.1080/03075079.2026.2633517

Macgilchrist, F., Potter, J., & Williamson, B. (2022). Reading internationally: if citing is a political practice, who are we reading and who are we citing? Learning, Media and Technology, 47(4), 407–412. https://doi.org/10.1080/17439884.2022.2140673

Aspirational metrics — A guide for working towards citational justice politics. LSE Blog. https://blogs.lse.ac.uk/impactofsocialsciences/2022/05/16/aspirational-metrics-a-guide-for-working-towards-citational-justice/

AI 슬롭화인가, 학문적 민주화인가?

생성형 AI를 둘러싼 논쟁이 학술 출판의 현실에 대해 드러내는 것들

Generative AI and Academic Publishing: Slop, Democratization, and the Future of Scholarship

브라이언 필립스(Brian Phillips)는 "2025년은 대부분의 사람들이 기괴하고, 조악하며, 부정확한 AI 생성 콘텐츠, 즉 'AI 슬롭(AI Slop)'이 인터넷을 잠식하고 있다는 사실을 깨달은 해였다"라고 말했다(Phillips, 2025).

최근 고등교육과 학계에서 생성형 인공지능(Generative AI)만큼 뜨거운 논쟁을 불러일으킨 기술도 드물다. 비판자들은 학술 출판이 점차 AI가 만들어낸 '슬롭(slop)'으로 넘쳐나고 있다고 경고한다. 겉으로는 매끄럽고 완성도 있어 보이지만, 독창성도 부족하고 연구적 엄밀성도 결여되어 있으며 심지어 사실관계조차 부정확한 원고들이 늘어나고 있다는 것이다.

그러나 이러한 '슬롭화(sloppification)'에 대한 우려에 집중하는 과정에서, 우리는 더 중요한 질문 하나를 놓치고 있는 것은 아닐까. 생성형 AI는 단순히 학술 출판의 질을 위협하는 기술일 뿐인가, 아니면 학술 출판에 대한 접근 자체를 민주화하는 도구이기도 한가?

실제로 많은 학술지 편집자들은 AI를 활용한 투고 논문이 증가하고 있으며, 무엇이 연구자의 독창적 작업이고 무엇이 AI의 산물인지를 구분하는 일이 점점 더 큰 부담이 되고 있다고 말한다. 심사자들 역시 겉보기에는 잘 정리되어 있지만 허위 인용문을 포함하거나 독창적 사고의 흔적이 거의 없는 원고들을 자주 접하게 된다고 토로한다. 오늘날 학술 출판의 'AI 슬롭화'에 대한 우려는 더 이상 낯선 이야기가 아니다.

편집자들의 입장에서 이러한 걱정은 충분히 이해할 만하다. 나 역시 논문 심사를 맡고 있는 연구자로서 이러한 현실을 체감한다. 학술 출판은 오래전부터 무급 혹은 저임금 노동에 크게 의존해 왔고, 동료평가(peer review) 시스템 역시 만성적인 과부하 상태에 놓여 있다. 학술지 적체는 늘어나고 있으며, 심사에 소요되는 시간은 더더욱 길어지고 있다. 만약 생성형 AI가 연구자들로 하여금 이전보다 훨씬 빠르게 논문을 작성할 수 있도록 만든다면, 편집자들은 학문적 기준을 유지하려 애쓰는 동시에 훨씬 더 많은 투고 원고를 처리해야 하는 상황에 놓일 수 있다. 그런 의미에서 AI는 생산성을 높이는 도구라기보다, 일부 학자들이 표현하듯 학계의 적처럼 보일 수도 있다.

그러나 현재 학계에서 이루어지는 AI 논의의 상당수는 편집자와 심사자 같은 '게이트키퍼'들이 감당해야 할 부담에 집중되어 있다. 반면, 역사적으로 그 문턱 밖에 있었던 사람들에게 AI가 제공할 수 있는 기회에 대해서는 상대적으로 적은 관심이 주어진다.

특히 글로벌 사우스(Global South)의 많은 연구자들에게 학술 출판은 애초부터 공정한 경쟁의 장이 아니었다. 연구자들은 자신의 아이디어나 연구 방법의 수준과는 무관한 수많은 장벽에 직면해 왔다. 국제 학술지에 논문을 게재하기 위해서는 영어로 글을 써야 하고, 값비싼 교정 서비스를 이용해야 하며, 특정 학문 공동체가 정해 놓은 글쓰기 관습을 익혀야 한다. 또한 많은 연구자들이 누리지 못하는 제도적 지원 역시 필요하다. 아무리 훌륭한 연구를 수행했더라도, 지배적인 학술 기관들이 기대하는 방식으로 그 연구를 표현할 수 있는 능력이 인정받기 위한 전제 조건이 되는 경우가 많다.

이러한 현실은 오늘날 AI를 둘러싼 논쟁을 더욱 흥미롭게 만든다.

지난 20여 년 동안 학계는 포용성(inclusion), 다양성(diversity), 탈식민화(decolonization)라는 언어를 적극적으로 받아들여 왔다. 많은 연구자들은 지식 생산이 여전히 서구의 기관과 관점에 의해 과도하게 규정되고 있다고 지적해 왔다. 참여의 폭을 넓히고, 기존의 위계를 재검토하며, 오랫동안 주변화되어 온 목소리들에게 더 많은 공간을 제공해야 한다는 주장도 이어졌다.

실제로 많은 국제 학술대회에서는 '선진국'과 '개발도상국'이라는 표현 대신 '글로벌 노스(Global North)'와 '글로벌 사우스(Global South)', 혹은 '소수 세계(Minority World)'와 '다수 세계(Majority World)'라는 용어를 사용하려는 노력이 이루어지고 있다. 그러나 언어를 바꾸는 것만으로 학계의 구조적 불평등이 해결되는 것은 아니다.

그런 점에서 생성형 AI를 둘러싼 반응은 다소 역설적으로 보인다.

학계는 오랫동안 참여의 확대와 지식 생산의 민주화를 주장해 왔지만, 정작 많은 사람들의 진입 장벽을 낮출 수 있는 기술에 대해서는 불편함을 드러내고 있다. 물론 오늘날의 논의는 더 이상 "AI를 사용할 것인가"가 아니라 "어떻게 윤리적으로 사용할 것인가"에 초점이 맞춰져 있다. 이는 합리적일 뿐 아니라 바람직한 입장이기도 하다. 대규모 언어모델(LLM)을 운영하는 데 필요한 막대한 자원과 환경적 비용에 대해 우리는 이미 충분히 알고 있기 때문이다.

하지만 비판의 대상과 실제 현실 사이에는 적지 않은 간극이 존재한다.

AI는 더 이상 미래의 가능성이 아니다. 이미 현재의 현실이다. 학생들은 AI를 사용한다. 캐나다에서는 학생의 70% 이상이 학업 과정에서 어떤 형태로든 생성형 AI를 사용하고 있다는 보고가 있으며, 영국에서는 그 비율이 90%를 넘는다는 조사 결과도 있다. 교수들은 연구와 강의 준비, 수업 설계 등에 AI를 활용하고 있다. 기자, 변호사, 컨설턴트, 기업 경영자, 정책 입안자들 역시 마찬가지다.

생성형 AI는 이미 세상에 나와 있으며, 상당수의 지식 노동 영역에서 일상적 인프라의 일부가 되었다.

물론 여기서 분명히 해둘 필요가 있다. 나는 생성형 AI가 창작 활동이나 학문적 작업을 완전히 대체하는 상황을 옹호하고자 하는 것이 아니다. 그것은 지금 내가 논의하고 있는 문제와는 다른 논쟁이다.

그럼에도 불구하고 AI 기반 글쓰기 도구를 사용한다고 공개적으로 밝힌 연구자나 학생들은 여전히 의심과 비판의 대상이 되곤 한다. 연구자는 자신의 '고유한 목소리'를 유지해야 한다고 말해지고, 기계가 생성한 문장에 지나치게 의존해서는 안 된다는 경고를 듣는다. 진정한 학문은 진정한 표현을 필요로 한다는 주장도 반복된다.

표면적으로 보면 이러한 우려는 매우 타당해 보인다. 하지만 학술 출판의 역사적 맥락 속에서 살펴보면 이야기는 조금 달라진다.

수십 년 동안 비서구권 연구자들은 성공하기 위해 자신의 원래 목소리를 바꾸어야 한다는 사실을 배워 왔다. 학술 출판은 오랫동안 특정한 글쓰기 양식을 선호해 왔고, 그것은 명료하고, 중립적이며, 감정을 배제하고, 간결하며, 주로 영미권 학문 전통에서 형성된 규범을 따르는 글쓰기 방식이다. 다른 수사학적 전통이나 언어적 습관, 문화적 표현 방식을 반영하는 글은 종종 수정의 대상이 된다. 기존 규범에서 벗어난 원고는 불명확하거나 비전문적이며 충분히 학술적이지 않다는 평가를 받기 쉽다.

그 결과 수많은 연구자들은 자신의 자연스러운 목소리를 표현하는 법이 아니라 그것을 억누르는 법을 배워야 했다.

학술 출판에서의 성공은 오랫동안 특정한 언어적 레지스터(register)를 습득하는 능력에 달려 있었다. 그것은 마치 보편적 기준인 것처럼 취급되지만, 실제로는 특정한 역사적·문화적 맥락에서 형성된 산물이다. 이상적인 학문적 목소리는 중립적이고 객관적인 것으로 묘사되지만, 동시에 매우 엄격하게 관리된다. 연구자들은 어떤 표현을 사용해야 하는지, 어떤 문장 구조를 따라야 하는지, 어떤 수사 전략이 허용되는지를 학습한다.

그렇다면 오늘날 학계가 연구자들에게 "자신의 진정한 목소리를 유지하라"고 말할 때, 과연 누구의 목소리가 보호되고 있는 것일까?

만약 학계가 오랫동안 특정한 언어 규범에 대한 순응을 요구해 왔다면, 독창성에 대한 호소 역시 그러한 역사와 분리해서 이해할 수는 없다. 서구 중심적 지식 생산 구조를 비판하는 동일한 기관들이, 정작 학술 글쓰기의 방식에 대해서는 매우 중앙집중적인 기준을 유지해 온 것은 아닌지 돌아볼 필요가 있다.

이러한 관점에서 보면 생성형 AI는 단순히 기존 학술 구조를 위협하는 기술이 아니다. 오히려 그 구조가 안고 있던 모순을 드러내는 기술에 가깝다.

제한된 자원을 가진 연구자도 이제는 과거에 값비싼 교정 서비스가 제공하던 수준의 글쓰기 지원을 받을 수 있다. 제2언어 또는 제3언어로 논문을 작성하는 연구자도 부유한 대학의 제도적 지원 없이 문장의 명료성과 가독성을 개선할 수 있다. 초기 경력 연구자들 역시 저렴한 비용으로 구조, 문법, 표현 방식에 대한 피드백을 얻을 수 있다.

물론 이러한 장점들이 연구 자체의 질을 자동으로 향상시키는 것은 아니다. AI는 엄밀한 연구 설계, 창의적 사고, 독창성, 그리고 경험적 증거를 대체할 수 없다. 그러나 연구의 본질과는 무관한 언어적·제도적 장벽을 낮추는 데는 분명한 역할을 할 수 있다.

비판자들은 AI가 평범한 수준의 연구를 대량 생산하는 데에도 활용될 수 있다고 지적할 것이다. 그것은 사실이다. 생성형 AI는 피상적인 원고, 허위 참고문헌, 저품질 논문의 생산을 더욱 쉽게 만들 수 있다. 이러한 문제는 실제로 존재하며 충분히 심각하게 다루어져야 한다.

그러나 남용의 가능성이 존재한다는 사실이 접근성이라는 더 큰 질문 자체를 무효화하는 것은 아니다.

역사를 돌아보면 참여의 장벽을 낮춘 기술은 언제나 기회와 함께 소음도 증가시킨다는 비판을 받아 왔다. 인쇄술은 학문적 발전과 선전을 동시에 가능하게 했다. 인터넷은 정보 접근성을 혁신적으로 확대했지만 동시에 허위 정보의 확산도 가속화했다. 생성형 AI 역시 비슷한 경로를 따를 가능성이 높다.

따라서 핵심 문제는 AI가 학계에 존재해야 하는가가 아니다. 그 질문은 이미 현실에 의해 답이 내려졌다. 진짜 문제는 학계가 커뮤니케이션의 이점을 더 넓게 분배하는 기술에 어떻게 대응할 것인가이다.

내가 'AI 슬롭화'라는 표현에서 가장 우려하는 점은 그것이 더 근본적인 문제를 가릴 수 있다는 것이다. 이 논쟁은 흔히 학문적 질과 기술적 편의성 사이의 갈등으로 묘사된다. 그러나 많은 연구자들, 특히 엘리트 기관 밖에 있는 연구자들에게 이 논쟁은 접근성(access), 가시성(visibility), 그리고 참여(participation)의 문제이기도 하다.

AI가 누군가의 아이디어를 더 효과적으로 전달하도록 돕는다면, 그것은 단순히 글쓰기를 자동화하는 것이 아니다. 그것은 누가 학문적 대화에 참여할 수 있는지를 바꾸는 일이다.

학술 출판의 미래

학술 출판의 미래는 AI를 수용할 것인가 거부할 것인가라는 단순한 선택으로 결정되어서는 안 된다. 중요한 것은 학문을 대체하는 AI와 학문을 가능하게 하는 AI를 구분하는 일이다.

학술지는 앞으로도 독창성, 증거, 방법론적 엄밀성, 그리고 지적 기여를 평가해야 한다. 조작된 데이터와 허구의 연구는 당연히 용납될 수 없다. 그러나 언어적 장벽을 극복하거나 글의 명료성을 높이기 위해 AI를 사용하는 것을 학문적 부정행위와 동일시해서는 안 된다.

오늘날 논쟁의 가장 아이러니한 지점은 바로 여기에 있다. 학계는 점점 더 민주화의 언어를 사용하면서도, 정작 학술 커뮤니케이션에서 가장 중요한 자원 가운데 하나인 '제도적으로 인정받는 방식으로 글을 쓸 수 있는 능력'을 민주화하는 기술에 대해서는 방어적으로 반응하고 있다.

어쩌면 가장 큰 위험은 AI가 학술 출판의 수준을 떨어뜨리는 것이 아닐지도 모른다. 오히려 AI를 둘러싼 논쟁이 기술 등장 이전부터 존재했던 불평등을 정당화하는 수단으로 기능하는 것이 더 큰 위험일 수 있다.

만약 학계가 정말로 지식 생산의 민주화와 참여의 확대, 그리고 학술 커뮤니케이션의 탈식민화를 추구한다면, 우리는 하나의 불편한 가능성을 직시해야 한다. 생성형 AI는 새로운 장벽을 만들어내고 있는 것이 아니라, 애초부터 존재해 왔던 장벽들을 드러내고 있는 것일지도 모른다.

결국 질문은 AI가 학술 출판을 변화시키고 있는가가 아니다. 그것은 이미 변화시켰다. 진정한 질문은 학술 기관들이 AI가 드러낸 구조적 장벽과 불평등을 마주할 준비가 되어 있는가이다.