AI를 잠깐만 써도 괜찮을 것 같지만, 최근 공개된 연구는 다른 신호를 보여줍니다. 미국·영국 연구진은 수학과 독해 과제에서 AI를 10~15분가량 사용한 사람들은, 도구가 사라진 뒤 혼자 문제를 풀 때 처음부터 AI 없이 푼 사람들보다 성과가 낮고 더 쉽게 포기했다고 보고했습니다.12
지금 이게 중요한 이유는 분명합니다. 생성형 AI가 이미 공부, 문서 작성, 코딩, 리서치의 기본 인터페이스가 되었기 때문입니다. 질문은 이제 "AI가 도움이 되나"가 아니라, "내가 지금 어떤 생각을 맡기고 있으며, 그 방식이 내 실력을 키우는가 아니면 대체하는가"입니다.
AI는 외골격일까, 헬스장일까
이 주제를 이해하는 가장 쉬운 틀은 두 가지입니다.
하나는 AI를 외골격처럼 쓰는 방식입니다. 당장 더 멀리 가게 해주지만, 내가 직접 힘을 쓰는 양은 줄어듭니다. 다른 하나는 헬스장처럼 쓰는 방식입니다. 속도는 덜 날 수 있어도, 내 추론 능력과 문제 해결 근육을 실제로 훈련시킵니다.
이번 연구에서 특히 나빴던 집단은 AI에게 정답을 바로 받아 쓰는 식으로 사용한 사람들이었습니다. 반대로 힌트나 설명 위주로 썼거나, 아예 거의 쓰지 않은 사람들은 후속 테스트에서 상대적으로 덜 무너졌습니다.1 즉, "AI 사용" 자체보다 "어떻게 사용했는가"가 더 중요하다는 뜻입니다.
이건 AI의 성능 문제라기보다 협업 방식의 문제에 가깝습니다. 현재 챗봇은 대체로 즉시 완성된 답을 주도록 설계돼 있습니다. 교육적으로 좋은 튜터처럼 일부러 기다리게 하거나, 필요한 만큼만 힌트를 주거나, 스스로 생각하게 만드는 쪽으로 최적화돼 있지 않습니다.2
30초 자가진단: 나는 문제를 푸는 사람인가, 도구를 조작하는 사람인가
속도는 종종 이해의 착시를 만듭니다. 그래서 생산성보다 먼저 봐야 할 기준이 있습니다.
AI가 준 답을 보고 나서, 당신은 그 해법을 자기 말로 설명할 수 있나요. 비슷하지만 살짝 바뀐 문제에도 적용할 수 있나요. 브라우저 탭을 닫고도 핵심 논리를 재현할 수 있나요.
셋 중 하나라도 자주 막힌다면, 당신은 문제를 푼 것이 아니라 도구를 운영한 것에 가까울 수 있습니다.
이 지점은 AI 연구 전반의 흐름과도 맞닿아 있습니다. 프랑수아 숄레가 말한 것처럼, 진짜 지능은 이미 알고 있는 답의 양보다 낯선 문제에서 새 규칙을 익히는 효율에 가깝습니다.3 사람에게도 마찬가지입니다. 정답 도달 속도보다 더 중요한 건 새로운 상황에서 스스로 문제를 구조화하고 일반화하는 능력입니다.
생산성보다 더 좋은 기준: 탭을 닫아도 생각할 수 있는가
물론 반론도 있습니다. 시간이 촉박할 때 AI는 실제로 유용합니다. 별도 연구에서는 시간이 부족한 조건에서는 AI를 초반부터 쓴 집단이 과제 점수에서 유리했습니다. 하지만 시간이 충분할 때는 먼저 스스로 생각하고, 나중에 AI를 쓰는 집단이 더 나은 비판적 사고 결과를 보였습니다.4
이건 중요한 트레이드오프를 보여줍니다. AI는 단기 성과를 높일 수 있지만, 장기 학습까지 자동으로 보장하지는 않습니다. 특히 초급 학습자, 새로운 도메인을 익히는 사람, 기초 개념을 다지는 학생에게는 이 차이가 더 크게 누적될 수 있습니다.
실무에서도 판단 기준은 비슷합니다. "몇 분 아꼈나"보다 "다음번에 비슷한 문제가 왔을 때 혼자 시작할 수 있나"를 봐야 합니다. 팀 차원에서는 다음 네 가지를 체크하면 됩니다. 설명 가능성, 기억 유지, 새로운 사례로의 전이, 문제 정의의 독립성. 이 네 가지가 떨어지는데 처리 속도만 올라간다면, 그건 역량 강화보다 역량 은폐에 가깝습니다.
AI를 코치로 쓰는 습관은 따로 있다
그래서 실전에서는 사용 순서를 바꿔야 합니다.
먼저 5~10분은 혼자 붙들고 가설을 세웁니다. 그다음 AI에는 "정답 말고 다음 한 단계 힌트만", "내 풀이의 약점만 지적해줘", "비슷한 연습문제 하나만 줘"처럼 요청합니다. 답은 마지막에 확인합니다.
또 하나 중요한 습관은 '노 AI 체크포인트'입니다. 문서 초안, 분석 메모, 코드 설계안의 일부는 반드시 AI 없이 써보는 구간을 남겨야 합니다. 그래야 내 실력이 실제로 늘고 있는지 보입니다.
결국 문제는 AI 사용 여부가 아닙니다. 사고를 아웃소싱하는 습관을 눈치채지 못한 채 굳혀버리는 것입니다. 지금 특히 신경 써야 할 사람은 학생, 주니어 지식노동자, 그리고 팀의 학습 문화를 설계하는 관리자입니다. 앞으로의 기준은 단순합니다. AI를 열었을 때 더 빨라지는가가 아니라, 닫았을 때도 여전히 생각할 수 있는가입니다.
참고
2AI Assistance Reduces Persistence and Hurts Independent Performance
4Is AI bad for critical thinking? It depends on when you use it
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.