Q. Scite가 무엇인지, Smart Citation가 일반적인 인용 횟수와 어떻게 다른지 설명해 주세요. 

안녕하세요! IDC ASIA(iGroup Korea)와의 인터뷰를 통해 Scite를 소개할 수 있어 기쁩니다.

Scite는 Smart Citation을 통해 연구자가 학술 문헌을 발견하고 평가할 수 있도록 돕는 AI 기반 플랫폼입니다. 특정 연구가 언급하고 있는 주장을 지지하는지, 혹은 반박하는지 알 수 있어요. 인용 횟수만 보여주는 기존 방식과의 가장 큰 차이입니다. 인용 횟수는 그저 숫자일 뿐이잖아요. 논문이 몇 번 인용되었는지 알려주지만, 어떻게 인용되었는지는 알려주지 않습니다. 영화 리뷰 개수만 보고 그 영화가 좋은 영화인지 아닌지 알 수 없는 것처럼요. 인용 15건 중 4건이 반박인 논문과, 지지 인용이 15건인 논문은 연구 자료로서 전혀 다른 의미를 갖겠죠? 

바로 이런 정보를 Scite의 Smart Citation이 제공합니다. Smart Citation은 각 인용 문장을 '지지', '반박', '언급'. 이렇게 세 가지로 분류합니다.

Q. 분류 정확도는 어느 정도고, 이를 뒷받침하는 Full-Text 데이터는 얼마나 되나요?

Scite는 전문가가 직접 검증한 인용 데이터로 학습된 자체 딥러닝 분류기를 사용합니다. 정확도가 높을 수밖에 없어요. Scite의 데이터는 계속해서 확장되고 개선됩니다.

모든 분류를 신뢰도 점수와 함께 볼 수 있기 때문에 인용을 모델이 얼마나 확신하는지 볼 수 있어요. 분류가 전적으로 자동화된 건 아니고 사용자가 잘못 분류되었다고 판단되는 인용이 있다면 신고할 수 있어요. 전문가의 분류는 AI의 판단보다 우선이니까요. 정확도는 지속적으로 개선해 나가고 있고, 투명하게 공개하고 있죠.

커버리지 측면에서는요. 출판사의 논문이 색인될 때 제목, 초록뿐만 아니라 Full-text를 추출하고 검색합니다. 이 과정이 Smart Citation의 핵심이에요. 초록과 메타데이터, 참고문헌 정보는 주로 CrossRef, DataCite, OpenAlex로부터 가져옵니다.

Q. Scite Assistant는 AI 할루시네이션과 불명확한 출처 문제를 어떻게 방지하나요?

할루시네이션 문제를 해결하기 위해 Assistant를 만들었습니다. 범용적으로 사용하는 AI 도구들은 학습 데이터를 기반으로 답변을 생성하기 때문에, 실제로는 존재하지 않는 인용을 포함해서 그럴듯한 텍스트를 만들어 낼 수 있잖아요. 그런데 Scite는 작동 원리가 달라요. 

검색 기반 시스템이라서 답변하기 전에 먼저 검색 전략을 세우고, 색인에서 실제 논문을 검색해요. 검색된 논문 안에서만 인용할 수 있게 범위가 제한되는 거죠. 모든 참고문헌은 데이터베이스의 실제 DOI와 대조해서 확인하기 때문에, 실존하는 논문의 내용에 한해서만 답변이 나와요.

Q. MCP 지원은 연구자와 도서관에 어떤 의미가 있나요?

MCP는 연구가 이루어지는 장소를 바꿔요. Scite가 검증한 문헌을 연구자가 이미 사용하고 있는 Claude, ChatGPT, Copilot 등의 AI에 직접 가져다주는 방식이에요. 연구자가 AI에 질문하면, Smart Citation 맥락과 정확한 출처가 담긴 실제 피어 리뷰 논문을 Scite에서 바로 가져와요. 

도서관 입장에서 특히 중요한 점이 몇 가지 있어요. 

첫째, 개인 정보를 중요하게 다루는 읽기 전용 구조입니다.

Scite는 자체 AI 모델을 운영하지 않아서, 연구자의 실제 프롬프트는 저희에게 전달되지 않아요. AI가 대신 보내는 검색 질의만 전달됩니다.

둘째, 출판사의 권리와 기관이 이미 보유한 구독 계약을 존중합니다.

Open Access 논문의 경우 AI가 전부 접근할 수 있어요. 구독 논문의 경우 AI는 전문이 아닌 메타데이터와 인용 정보를 받지만, 모든 결과에는 기관의 보유 자원, 즉 링크 리졸버, 프록시, 이용 권한을 통해 연결되는 접속 링크가 포함됩니다. 따라서 연구자가 ChatGPT나 Claude 안에서 작업하더라도, 결국 도서관이 이미 비용을 지불하고 있는 라이선스로 연결됩니다.

Q. 문헌을 검토하고 논문을 작성하기까지의 과정에서 Scite는 연구 시간을 어떻게 줄여주나요?

Scite를 이용하면 논문 작성의 전 과정에서 시간을 아낄 수 있어요. 연구자는 검색이나 Assistant에 질문을 던지는 것으로 시작합니다. 검색 결과로 나온 논문에는 지지/반박 맥락이 표시되어 있어서 논문을 다 읽지 않아도 연구 결과가 어떻게 받아들여졌는지 바로 파악할 수 있습니다.

검색한 논문을 컬렉션으로 저장한 다음, Assistant에 그 컬렉션만 사용하도록 지정할 수 있습니다. 이렇게 하면 이 범위 안에서만 AI를 활용하게 돼요. Table Mode로 여러 논문의 세부 정보를 한 번에 추출할 수도 있습니다. 스프레드시트를 손으로 채울 필요가 없어요.

작성 단계에서는 Assistant가 원하는 인용 스타일로 초안을 작성해 줍니다. 모든 인용은 실제 논문과 연결돼요. 제출 전에는 Reference Check가 참고문헌을 검증합니다. 철회되었거나 반박된 논문을 알려 줘서 잘못된 인용이 그대로 출판에 담기는 걸 막아줍니다. 특히 초기 연구자에게 중요한 단계예요.

대시보드는 단순히 몇 번 인용되었는지가 아니라 해당 연구가 실제로 어떻게 받아들여졌는지를 보여줘요. 저자, 학과, 저널 단위로 지지, 반박, 언급 인용의 비율을 확인할 수 있습니다. 반박 인용과 지지 인용은 전혀 다른 의미를 갖기 때문에, 단순 인용 횟수보다 성과 평가에 훨씬 의미 있는 지표가 됩니다. 기존에 기관이 사용하던 지표를 대체하는 건 아니에요. Impact Factor에 "어떻게 인용되었는가"라는 정보를 더하는 보완적인 개념으로 보시면 됩니다. 

도서관 입장에서는, 가시성과 의사결정 근거 확보가 가장 큰 이점입니다. 연구자들이 AI 도구를 통해 Scite를 사용하면, 관리자는 COUNTER 형식의 이용 통계 보고서를 구매 관련 자료로 받을 수 있어요. 그리고 collection-gaps 뷰가 특히 중요합니다. 연구자가 접근을 시도했지만 기관이 구독하지 않아 접근하지 못한 논문을 저널·출판사별로 정리해서 보여줘요. 이를 통해 구독 결정을 실제 수요에 근거한 결정으로 바꿀 수 있어요. 개인정보에 민감한 기관의 경우, 무엇을 기록할지 관리자가 직접 제어할 수 있습니다. 결과적으로, 연구자들이 문헌을 어떻게 활용하고 있는지 명확하게 파악하도록 지원하는 도구 역할을 합니다. 

Scite를 검토하고 계신 한국의 사서 여러분. Scite는 여러분의 기관이 이미 신뢰하고 있는 데이터베이스와 도구를 대체하러 온 게 아닙니다. 그 도구들만으로는 보여줄 수 없는 부분을 더해드립니다. 연구가 몇 번 인용되었는가가 아니라 어떻게 받아들여졌는가를 보여드리는 거예요. AI가 연구 방식에 점점 큰 비중을 차지하게 되는 요즘, Scite는 AI가 가져온 답변의 근거를 제시하는 역할을 합니다. 연구자들이 이미 쓰고 있는 도구 안에서요.

아직 사용해 보지 않으신 여러분. 저희 말을 그대로 믿지 않으셔도 됩니다. 무료 체험을 시작해서 Scite를 ChatGPT나 Claude에 연결해 보시고, 여러분의 연구자들이 실제로 던지는 질문으로 직접 테스트해 보시기 바랍니다. 저희는 언제든 도와드릴 준비가 되어 있어요. 감사합니다.