🧠 AI 시대, 머리를 쓰는 법 - 생각 근육이 녹기 전에

 

챗GPT가 다운되자 내 머리도 멈춰버렸다

옥스퍼드와 케임브리지에서 경제학을 가르치던 이네스 리 교수에게도 그런 순간이 찾아왔어요. 프레젠테이션 준비 중 챗GPT가 갑자기 다운되자, 손가락이 얼어붙더래요. 왜 그 프레임워크가 예시와 연결되는지, 설명을 어떻게 풀어가야 하는지 기억이 안 나는 거죠. 모든 설명이 이제는 접속할 수 없는 채팅 기록 속에 있었거든요.

수년간 학생들에게 독립적 사고, 가정에 대한 의문 제기, 프레임워크의 실제 적용을 가르쳐온 교수조차 이런 상황에 처했다니 아이러니하죠. 그리고 이건 그녀만의 문제가 아니었어요. 맥킨지 컨설팅에 따르면 챗GPT 같은 생성형 AI는 63개 비즈니스 사례에서 연간 약 3,000조 원의 가치를 창출할 수 있다고 하는데요. 그만큼 우리 일상 깊숙이 파고든 AI 없이는 의미 있는 프로젝트를 시작조차 못하는 현상이 점점 퍼지고 있었거든요.

MIT가 밝혀낸 충격적인 진실

2024년 6월, MIT 연구진이 54명의 학생을 대상으로 흥미로운 실험을 진행했어요. 세 가지 조건에서 에세이를 작성하게 했죠. 챗GPT만 사용, 구글만 사용, 자기 생각만으로 작성. 뇌를 스캔하면서요.

결과는 충격적이었어요. 챗GPT 그룹의 신경 활동이 가장 낮았고, 무려 83%가 자신이 뭘 썼는지 기억하지 못했어요. 다른 그룹은 고작 11%만 그랬는데 말이죠. 뇌의 부위 간 정보 전달 강도를 보여주는 연결성 지표는 다른 그룹보다 최대 55%나 낮았대요. 집중력과 관련된 전두엽 세타파 활동도 현저히 낮았고요. "챗GPT가 우리를 멍청하게 만드나?"라는 헤드라인이 쏟아졌죠.

하지만 대부분의 언론이 놓친 부분이 있었어요. 연구진은 AI 사용 순서를 바꾸면 어떻게 되는지도 테스트했거든요. 어떤 참가자들은 먼저 생각한 후 AI를 사용했고, 다른 이들은 AI를 먼저 쓴 후 생각했죠.

먼저 생각하고 AI를 사용한 그룹은 AI를 쓰면서도 주의력, 계획력, 기억력이 더 우수했어요. 놀랍게도 AI를 전혀 안 쓴 학생들만큼이나 인지적으로 활발했죠. 연구진은 이들이 먼저 독립적 사고로 내부 프레임워크를 구축한 뒤, AI의 제안을 통합했기 때문으로 분석했어요.

반대로 AI부터 시작한 학생들은 혼자 작업으로 전환한 후에도 정신적으로 꺼진 상태를 유지했어요. 수동적으로 시작하면, 수동적으로 끝난다는 거죠.

이건 처음이 아니에요 - 기술이 우리 뇌를 바꾼 역사

사실 2011년 연구에서 이미 사람들은 나중에 구글로 찾을 수 있다는 걸 알면, 정보 자체는 기억 안 하고 어디서 찾을지만 기억하더라구요. 2020년 연구는 GPS를 자주 쓰는 사람들의 공간 기억력이 약해지고, 길 안내 없이는 헤맨다는 걸 보여줬어요.

최근 OECD 국제성인역량조사에 따르면 우리나라 성인의 문해력은 10년 전보다 23점이나 하락해서, 31개국 중 가장 큰 폭으로 감소한 국가 그룹에 포함됐다고 해요. AI도 같은 패턴이에요. 다만 판돈이 훨씬 크죠.

문제는 AI를 쓰느냐 마느냐가 아니에요. 어떻게 쓰느냐죠. 우리의 추론을 방어하고, 새로운 맥락에 적응하며, 접근법의 한계를 이해하는 능력. 이게 우리를 가치있게 만드는 인지 능력인데, 이걸 잃지 않으려면 어떻게 해야 할까요? MIT 연구가 힌트를 줬어요. 순서가 중요하다는 거죠.

수동적 vs 능동적 AI 사용의 차이

베토벤의 '엘리제를 위하여'를 배우는 두 가지 방법을 생각해보세요. 하나는 손 위치를 달달 외워서 완벽하게 연주하는 거예요. 다른 하나는 곡의 구조, 코드 진행, 화성 논리를 이해하며 배우는 거죠. 여전히 손가락이 패턴을 익힐 때까지 연습하지만, 음악이 왜 작동하는지 이해해요. 그러면 다른 조로 바꾸거나, 즉흥 변주를 하거나, 어떤 변화가 통하고 안 통할지 설명할 수 있죠.

프로그래밍도 마찬가지예요. AI에게 코드 생성을 요청하기 전에 접근법을 계획한 개발자가, 프롬프트로 시작한 개발자보다 시스템을 더 잘 이해한다는 연구 결과가 있어요.

하지만 이건 개인 생산성 이상의 문제예요. 최근 연구에 따르면 비판적 사고 능력이 감소하고 있는데, 특히 젊은 직장인들 사이에서 심각하대요. 아이러니하게도 고용주들은 바로 이런 능력을 점점 더 요구하고 있죠. 한국은행이 2025년 발표한 조사에 따르면 국내 근로자의 63.5%가 생성형 AI를 활용하고 있고, 업무용으로는 51.8%에 이른다고 해요. 이건 미국보다 2배가량 높은 수준이에요.

수동적 AI 사용은 악보 암기와 같아요. 결과물은 낼 수 있어요. 에세이든, 전략 문서든, 분석 보고서든요. AI가 생성한 걸 따라가니까요. 하지만 그 논증이 왜 작동하는지, 어떤 가정을 하는지, 어디서 실패할지 이해 못 할 수도 있어요. 다른 맥락에 적용하라고 하면 막막하고, 논리를 방어하라면 답이 없죠. 결과물은 채팅 기록에만 있지, 당신의 이해 속엔 없어요.

능동적 AI 사용은 모델과 협업하면서 이해를 구축하는 거예요. 스스로 문제를 정의하고, 초안을 만들고, AI를 써서 가정에 도전하고, 맹점을 드러내고, 논증을 날카롭게 다듬는 거죠. 건반만 외우는 게 아니라 코드 진행을 배우는 거예요. 기계는 보조하고, 당신은 추론을 소유해요.

원칙 1: 생각이 먼저, AI는 그 다음

MIT 연구가 중요한 걸 밝혔어요. 자기 생각으로 시작하면, 내내 인지적으로 활성화된 상태를 유지한다는 거죠. AI로 시작하면, 사용을 멈춘 후에도 뇌를 활성화하기 힘들어요.

그러니까 의미 있는 작업에선, AI에게 대신 생성하라고 하기 전에 먼저 생각하세요. 본격 운동 전 인지 근육을 워밍업하는 거라고 생각하면 돼요. AI 상호작용에 이미 활성화된 상태로 도착하는 거죠. 빈 캔버스를 채우는 게 아니라 테스트할 관점을 가지고요.

이네스 교수가 올여름에 행동경제학 수업을 가르칠 때 일이에요. 작년 학생 피드백을 보니 시험은 통과하는데 새로운 상황에 개념 적용은 힘들어하더래요. 개념이 서로 어떻게 쌓이는지 재구성이 필요했죠.

본능적으론 챗GPT에 이렇게 물어보고 싶었대요. "심층 학습과 적용을 촉진하는 6주짜리 행동경제학 코스를 설계해줘." 대신 노트를 꺼내 한 시간 동안 아는 걸 정리했어요. 학생들이 쉽게 이해하는 개념 vs 어려워하는 개념? 예측 가능한 실수는 어디서? 어떤 실제 사례가 호기심을 자극하고 어떤 게 눈을 흐리게 하나? 선수 지식에 대해 뭘 가정하고 있었나?

챗GPT를 열었을 땐 이미 테스트할 프레임워크가 있었어요. 자기 노트를 주고, 개념 맵, 파악한 학습 과제, 씨름하던 질문들을 건네며 순서에 도전하고 맹점을 드러내달라고 했죠. 제안된 순서를 받아들이는 대신 평가할 수 있었어요. 백지 프롬프트로 시작했다면 놓쳤을 구조적 문제들을 잡아냈대요.

판단과 이해가 중요한 프로젝트에 AI를 쓰기 전에, 30분간 날것의 생각을 포착하세요. 이미 아는 게 뭔가? 가설은? 불분명한 건? 중요한 제약조건은? 정말 막혀서 시작에 도움이 필요하면, 답을 생성하라고 하는 대신 질문을 하라고 쓰세요.

원칙 2: AI를 응원단장이 아닌 코치로 쓰기

AI의 기본 모드는 도움이 되고 동의하는 거예요. 연구자들이 "아첨"이라 부르는 걸로 고통받죠. 당신이 듣고 싶어할 거라고 생각하는 대로 답변을 맞춰요. 내버려두면 당신 아이디어가 훌륭하고, 논리가 탄탄하며, 글이 설득력 있다고 말해줄 거예요. 엄격하게 생각하려 할 때 필요한 게 바로 이게 아니죠.

AI에게 기분 좋은 메아리가 아닌 인지적 대련 파트너가 되라고 명시적으로 프롬프트하세요. 기꺼이 기쁘게 해주는 인턴을 더 엄격하게 생각하라고 밀어붙이는 까다로운 코치로 바꾸는 거라고 생각하면 돼요.

최근 이네스는 AI가 노동시장에 어떻게 영향을 미칠지 연구 보고서를 써달라는 요청을 받았대요. 지배적 서사는 간단해요. AI가 초급 화이트칼라 일자리를 없애고, 수백만 노동자를 대체할 거라는 거죠.

챗GPT에게 이 합의된 견해를 설명하는 걸 도와달라고 하는 대신, 악마의 옹호자 프롬프트를 썼대요. "지배적 주장은 AI가 초급 지식 노동을 쓸어버릴 거라는 거야. 네 임무는 이 서사를 해체하는 거야. 경제 이론이나 역사적 선례로 뒷받침되는 가장 강력한 반론 세 가지는 뭐야? 외교적으로 굴지 마. 진짜로 이 입장에 도전해."

완전히 고려하지 못했던 세 가지 관점이 나왔고, 놓쳤던 미묘한 대안을 개발하는 데 도움이 됐대요. 더 중요한 건, 기존 통념이 왜 틀릴 수 있는지 이해한 거지, 단순히 대안적 견해가 있다는 것만 안 게 아니라는 거죠.

원칙 3: 생산적인 마찰 설계하기

AI는 따라가기 쉽게 설명해서, 연구자들이 "이해의 환상"이라 부르는 것에 취약하게 만들어요. 배운 것을 과대평가하게 되죠. 진짜 이해는 생각을 명확히 표현하도록 강제될 때만 나타나요. 설명하면 몰랐던 공백이 드러나거든요.

이게 노벨상 수상자 물리학자 리처드 파인만의 간단한 이해 테스트의 기반이에요. 5살 아이에게 설명 못 하면, 진짜로 이해한 게 아니라는 거죠.

이네스도 교직 초기에 어렵게 배웠대요. 새 개념을 가르칠 준비를 하며 논문을 읽으면 이해한 것 같았는데, 학생이 기초적인 질문을 하면 얼어붙었대요. 아이디어의 모호한 감은 있는데 근본 논리나 관련 개념과의 차이를 명확히 설명 못 했죠. 설명은 소비했지만 자기 이해는 구축 안 했던 거예요.

이제 새로운 걸 배울 때, 가르칠 준비를 하든 복잡한 연구 논문을 이해하든, AI를 다르게 써요. 개념을 설명해달라고 하는 대신 이렇게 프롬프트해요. "아무것도 설명하기 전에, 학생들한테 가르치듯이 이 개념을 설명해보라고 나한테 물어봐. 내 설명이 모호하거나 핵심 요소를 빠뜨리면, 뭐가 빠졌는지 지적하고 다시 해보라고 해."

이해를 보여주도록 강제하는 프롬프트를 만드세요. 소비만 하는 게 아니라요.

마무리: AI와 생각하기, AI에 의해 생각당하지 않기

날카로움을 유지하고 싶으면서도 경쟁력을 갖추고 싶다는 긴장감을 느꼈다면, 둘 중 하나를 선택할 필요 없어요. 당신을 가치있게 만드는 인지 능력은 AI를 쓴다고 사라지지 않아요. 하지만 수동적으로 쓰면 위축될 수 있죠.

다음 의미 있는 프로젝트에선 이렇게 해보세요. 먼저 30분 생각하기. 프롬프트하기 전에 아는 걸 쓰세요. AI를 비평가로 만들기. 가정을 검증하라고가 아니라 도전하라고 하세요. 스스로 설명하도록 강제하기. 명확히 표현 못 하면, 아직 이해 못 한 거예요.

MIT 연구가 가능성을 보여줬어요. 효율성을 위해 인지 깊이를 희생할 필요 없다는 거죠. AI는 당신의 생각을 증폭시키거나 대체할 수 있어요. 종종 차이는 도구를 쓰느냐가 아니라 어떻게 쓰느냐에 달려 있죠.

AI는 이제 선택이 아니라 필수가 됐어요. 실제로 2024년 국내 AI 산업은 약 7조 3천억 원 규모로 성장했고, 국내 기업의 78.4%가 생산성 향상을 위해 AI 기술이 필요하다고 답했어요. 하지만 AI를 쓰면서도 생각 근육을 잃지 않는 법을 배워야 해요. 먼저 생각하고, AI를 비평가로 쓰며, 스스로 설명하는 연습을 하세요. 순서만 바꿔도 당신의 인지 능력은 그대로 유지되면서, AI의 능력까지 활용할 수 있답니다. 기계가 보조하고, 당신이 추론을 소유하는 그날까지요.