“AI로 초안은 훨씬 빨리 썼는데,
왜 심사도 받기 전에 거절될까요?”
문장은 자연스러워졌고,
원고를 완성하는 시간도 줄었습니다.
그런데 투고 결과는 기대와 다를 수 있습니다.
편집자가 확인하는 것은
원고를 얼마나 빨리 썼는지가 아니라,
심사에 보낼 만한 연구인가 하는 점입니다.
데스크 리젝(desk rejection)은
외부 심사자에게 원고를 보내기 전에
편집 단계에서 내려지는 거절 결정입니다.
다만 모든 분야에서 데스크 리젝이 늘었다거나,
AI 사용이 곧 거절의 원인이라고
단정할 수는 없습니다.
일부 저널의 자료와 편집자의 설명을 통해
원고 작성 속도가 빨라진 뒤에도
왜 연구의 타당성을 따로 점검해야 하는지
살펴보겠습니다.
1. 초안 작성이 빨라져도, 연구의 빈틈은 남습니다
AI는 문장을 다듬고 초안을 정리하는 데
도움이 될 수 있습니다.
하지만 문장이 매끄러워졌다는 사실만으로
연구 질문과 분석 방법까지
적절해지는 것은 아닙니다.
Noy와 Zhang의 2023년 글쓰기 실험에서는
ChatGPT를 사용할 수 있었던 집단의
업무용 글쓰기 속도와 결과물 평가가
개선됐습니다.
여기서 구분해야 할 것이 있습니다.
이 실험은 업무용 글쓰기를 다뤘습니다.
학술논문의 독창성이나
저널 게재 가능성을 평가한 연구는 아닙니다.
논문에서는 문장 다음의 질문이 남습니다.
이 자료로 연구 질문에 답할 수 있는가.
분석 방법의 가정은 충족했는가.
결과보다 강한 결론을 쓰지는 않았는가.
AI가 서론을 자연스럽게 다듬었더라도,
기존 연구와 무엇이 다른지 설명하지 못한다면
연구의 기여는 여전히 불분명합니다.
“아직 이 조합을 다룬 논문이 없다”는 설명에서
한 걸음 더 나아가야 하는 이유입니다.
초안을 완성했다면
두 문장을 먼저 적어 보십시오.
“이 연구로 무엇을 새로 알게 됐는가.”
“그 판단을 뒷받침하는 자료는 무엇인가.”
두 문장이 연결되지 않는다면,
영문 교정보다 연구 논리를
먼저 점검하는 편이 좋습니다.
2. 원고는 빨리 늘어도, 검토할 시간은 한정돼 있습니다
원고를 만드는 속도와
원고를 검토하는 속도가
함께 빨라지는 것은 아닙니다.
저자에게 절약된 시간이
편집자와 심사자의 검증 부담까지
줄여 주는지는 별개의 문제입니다.
Organization Science의 AI 태스크포스는
2026년 보고에서 ChatGPT 공개 이후
투고량이 42% 늘었다고 분석했습니다.
AI 작성 점수가 높은 원고와
데스크 리젝 사이에
양의 관련성이 나타났다는 결과도 보고했습니다.
다만 이 수치를 그대로 일반화하면 안 됩니다.
한 저널의 관찰 자료이고,
AI 사용도 탐지 도구의 점수로 추정했습니다.
“AI를 사용했기 때문에 거절됐다”는
인과관계를 입증한 것은 아닙니다.
다른 분야의 거절 확률로
옮겨 읽을 수도 없습니다.
TACL 편집자인 Ehud Reiter도
2026년 글에서 낮은 품질의 투고 증가와
한정된 심사 자원을 설명했습니다.
내용이 약한 원고를 편집 단계에서
걸러야 하는 이유를 논한 것입니다.
이 역시 편집자의 경험에 바탕을 둔 견해로,
학계 전체를 대표하는 통계는 아닙니다.
이 자료들이 주는 시사점은 분명합니다.
원고 수를 늘리는 데만 집중하기보다,
편집자가 연구 질문과 근거를
빠르게 파악할 수 있도록 정리해야 합니다.
3. 투고 전에는 네 가지를 다시 확인하십시오
먼저 목표 저널의 범위와
평가 기준을 읽어야 합니다.
같은 연구라도 저널의 독자와 관심사에 따라
받아들여지는 방식이 달라질 수 있습니다.
Elsevier의 편집 안내는
저널 범위와 맞지 않는 원고,
불분명한 새로움과 영향,
내용의 불일치 등을 초기 거절 사유로 설명합니다.
반면 TMLR은 주장의 정확성과 근거,
독자에게 줄 수 있는 관심을 중심으로 평가하며,
기여가 크지 않아도 기준을 충족하면
수용할 수 있다고 명시합니다.
그러니 “좋은 논문인가”와 함께
“이 저널에 맞는 논문인가”를 확인해야 합니다.
원고를 다시 읽을 때는
다음 네 가지 질문을 활용해 보십시오.
특정 저널의 공식 심사표가 아니라,
투고 전 수정을 위한 점검 예시입니다.
① 연구 질문이 너무 넓지는 않은가
문장은 매끄럽지만 연구 목적이 넓다면,
지금 가진 자료로 답할 수 있는 질문인지
먼저 확인해야 합니다.
→ 점검할 부분: 연구 질문과 분석 범위
② 새로운 용어보다 실제 기여가 보이는가
새로운 기법을 많이 썼더라도,
기존 연구와 비교해 무엇을 새로 알게 됐는지
설명할 수 있어야 합니다.
→ 점검할 부분: 기여 문장과 비교 근거
③ 초록의 결론이 결과보다 앞서가지는 않는가
강한 결론을 쓰기 전에,
결과표와 연구 설계가 그 표현을
뒷받침하는지 확인해야 합니다.
→ 점검할 부분: 초록·결과·논의의 일치
④ 이 저널의 독자가 읽을 이유가 있는가
원고를 완성한 뒤 투고처를 정했다면,
해당 저널의 범위와 최근 논문을
다시 살펴보는 것이 좋습니다.
→ 점검할 부분: 투고처와 독자 적합성
AI 탐지 점수만으로
논문의 질을 판단하는 것도 경계해야 합니다.
Reiter는 AI 작성이 의심되는 사례를
사람이 확인한다고 설명하며,
탐지기 결과만으로 거절하는 관행을 비판합니다.
저자가 집중할 것은
“AI처럼 보이지 않는 문장”을 만드는 일보다,
자신이 설명하고 검증할 수 있는 연구를
완성하는 일입니다.
4. 절약한 시간을 검증에 다시 투자해야 합니다
AI가 써 준 문장을 원고에 넣기 전,
근거 자료와 직접 맞춰 보는 과정이 필요합니다.
읽기 좋은 문장인지와
사실에 맞는 문장인지는
따로 확인해야 하기 때문입니다.
Springer Nature의 연구자 안내도
AI가 만든 정보와 참고문헌의 정확성을 확인하고,
저자가 결과에 책임을 져야 한다고 설명합니다.
AI 사용과 공개에 관한 규정은
저널마다 다를 수 있으므로,
투고할 곳의 최신 안내를 확인해야 합니다.
검토 순서가 막막하다면
다음 항목부터 차례로 확인해 보십시오.
① 목표 저널의 범위와 최근 논문을 읽습니다.
내 연구가 어떤 독자와 쟁점에 연결되는지 적습니다.
② 핵심 주장마다 근거를 연결합니다.
자료, 결과표 또는 문헌 원문이 필요합니다.
③ 참고문헌을 원문으로 확인합니다.
문헌이 실제 존재하는지뿐 아니라,
인용한 주장을 뒷받침하는지도 읽어야 합니다.
④ 분석의 선택을 직접 설명해 봅니다.
표본 선택, 제외 기준, 분석 가정과
대안 설명을 점검합니다.
⑤ 제목부터 논의까지 결론의 강도를 맞춥니다.
초록에 쓴 주장이 결과에서도 확인되는지 봅니다.
⑥ 사용한 AI 도구와 활용 범위를 정리합니다.
투고처가 요구하는 방식으로 공개합니다.
핵심 정리
AI 활용으로 얻은 생산성은
원고를 몇 편 더 썼는지만으로
평가할 수 없습니다.
참고문헌을 더 정확히 확인했는지,
분석의 빈틈을 찾았는지,
연구 질문을 더 선명하게 만들었는지도
함께 봐야 합니다.
데스크 리젝에 대응하는 출발점은
편집자가 확인할 연구의 근거를
분명하게 만드는 데 있습니다.
현재 준비 중인 원고와 목표 학술지,
편집자의 거절 의견이 있다면
어느 부분부터 보완할지
함께 검토해 드릴 수 있습니다.
참고 자료
Noy·Zhang, 글쓰기 생산성 실험(2023)
https://economics.mit.edu/sites/default/files/inline-files/Noy_Zhang_1.pdf
Organization Science, AI 태스크포스 보고(2026)
https://pubsonline.informs.org/doi/10.1287/orsc.2026.ed.v37.n3
Ehud Reiter, 편집 단계 거절에 관한 설명(2026)
https://ehudreiter.com/2026/09/08/desk-rejection-is-an-unfortunate-necessity/
Elsevier, 초기 거절을 피하기 위한 편집 안내
https://www-prod.elsevier.com/connect/5-ways-you-can-ensure-your-manuscript-avoids-the-desk-reject-pile
TMLR, 편집·평가 정책
https://www.jmlr.org/tmlr/editorial-policies.html
Springer Nature, 연구자를 위한 AI 활용 안내
https://group.springernature.com/gp/group/ai/ai-guidance-for-our-researchers-and-communities