AI로 공부할 때 가장 많이 하는 실수

AI를 많이 썼는데 왜 실력이 그대로일까

이상한 일이 벌어지고 있다. 예전보다 더 많은 설명을 듣고, 더 많은 요약을 읽고, 더 많은 문제 풀이를 본다. 그런데 시험지를 받으면 손이 멈춘다. 강의를 볼 때는 분명 아는 것 같았는데, 막상 백지에 쓰려면 한 문장도 나오지 않는다. AI와 몇 시간씩 대화했는데도, 정작 혼자 풀어보라고 하면 다시 AI 창을 열고 싶어진다.

이것은 AI가 나빠서 생기는 문제가 아니다. 오히려 AI가 너무 친절해서 생기는 문제에 가깝다. AI는 답을 빨리 준다. 문장을 깔끔하게 정리해준다. 어려운 내용을 보기 좋게 요약해준다. 이 과정은 편하다. 하지만 공부는 편안함만으로 완성되지 않는다.

공부에는 반드시 불편한 순간이 필요하다. 기억을 더듬는 시간, 틀린 이유를 찾는 시간, 아는 줄 알았던 것을 말로 꺼내다가 막히는 시간이 있어야 한다. 이 불편함이 바로 실력이 자라는 자리다. 그런데 AI를 잘못 쓰면 이 자리를 통째로 건너뛰게 된다.

AI 학습에서 가장 위험한 착각은 "AI가 이해한 것"을 "내가 이해한 것"으로 착각하는 일이다. AI가 멋진 설명을 했다고 해서 내가 이해한 것은 아니다. AI가 요약을 잘했다고 해서 내가 기억한 것도 아니다. AI가 문제를 풀었다고 해서 내가 풀 수 있는 것도 아니다.

이 장에서는 AI로 공부할 때 가장 많이 하는 실수를 하나씩 살펴볼 것이다. 목표는 AI 사용을 줄이자는 것이 아니다. 반대로 AI를 더 제대로 쓰자는 것이다. 같은 30분을 써도 어떤 사람은 답안만 얻고, 어떤 사람은 실력을 얻는다. 그 차이는 아주 작은 습관에서 시작된다.

"답만 알려줘"라고 묻는 순간 학습은 멈춘다

AI에게 가장 쉽게 던지는 질문은 이것이다.

"이 문제 답 알려줘."

짧고 편하다. 그리고 위험하다. 이 질문은 AI에게 "내가 생각할 자리를 대신 채워줘"라고 말하는 것과 비슷하다. 물론 급하게 확인해야 할 때는 답이 필요할 수 있다. 하지만 공부 중에 이 질문이 습관이 되면, 뇌는 점점 덜 움직인다.

수학 문제를 예로 들어보자.

문제: 이차방정식 x² - 5x + 6 = 0의 해를 구하시오.

나쁜 대화는 이렇게 흘러간다.

나: 답 알려줘.
AI: x² - 5x + 6은 (x - 2)(x - 3)으로 인수분해됩니다. 따라서 해는 x = 2, x = 3입니다.
나: 오케이.

겉으로 보면 공부가 끝난 것 같다. 하지만 실제로는 중요한 과정이 빠졌다. 왜 두 수가 2와 3인지, 어떤 조건으로 인수분해했는지, 비슷한 문제가 나왔을 때 어떻게 시작해야 하는지 내 머릿속에서 움직인 적이 없다. 눈은 풀이를 봤지만, 손과 머리는 풀이를 하지 않았다.

같은 문제라도 좋은 대화는 다르다.

나: 정답을 바로 말하지 말고, 내가 풀 수 있게 첫 단계 힌트만 줘.
AI: 좋아요. x² - 5x + 6을 인수분해하려면 곱해서 6이 되고, 더해서 -5가 되는 두 수를 찾아보세요. 어떤 두 수가 떠오르나요?
나: -2랑 -3?
AI: 맞아요. 그럼 식을 두 괄호의 곱으로 어떻게 쓸 수 있을까요?
나: (x - 2)(x - 3)
AI: 좋습니다. 이제 각 괄호가 0이 되는 x 값을 구해보세요.

두 대화의 차이는 답의 정확도가 아니다. 둘 다 답은 같다. 차이는 누가 생각했느냐다. 첫 번째 대화에서는 AI가 거의 모든 일을 했다. 두 번째 대화에서는 AI가 길을 비춰주고, 학습자가 직접 걸었다.

공부는 길을 보는 것이 아니라 걷는 일이다. 해설지를 많이 본 학생이 반드시 문제를 잘 푸는 것은 아니다. 직접 풀다가 막히고, 힌트를 받고, 다시 시도하는 학생이 실전에 강해진다. AI는 이 과정을 아주 잘 도와줄 수 있지만, 내가 처음부터 "답만" 요구하면 AI는 훌륭한 튜터가 아니라 자동 해설지가 된다.

그러므로 문제를 만났을 때 첫 질문을 바꿔야 한다.

"답 알려줘."

대신 이렇게 묻자.

"정답은 아직 말하지 말고, 내가 풀 수 있게 1단계 힌트만 줘."

"내 풀이를 먼저 쓸 테니 어디서 틀렸는지 봐줘."

"이 문제를 풀 때 떠올려야 할 개념만 알려줘. 계산은 내가 할게."

이 작은 차이가 AI 의존과 AI 학습을 가른다.

해설을 이해한 것과 문제를 풀 수 있는 것은 다르다

많은 학생이 해설을 읽고 이런 말을 한다.

"아, 알겠다."

이 말은 절반만 믿어야 한다. 해설을 읽는 순간에는 정말 이해한 것처럼 느껴진다. 풀이가 매끄럽고, 설명이 친절하고, 결론이 분명하기 때문이다. 하지만 그 이해는 대개 '따라가는 이해'다. 남이 깔아놓은 길을 따라 걸을 때는 어렵지 않다. 진짜 실력은 길이 없는 곳에서 첫 발을 뗄 수 있느냐로 결정된다.

AI 답변은 특히 이 착각을 강하게 만든다. AI는 설명을 부드럽게 연결한다. 빠진 단계를 알아서 채운다. 어려운 단어를 쉽게 바꾼다. 그래서 읽는 사람은 자신이 이해했다고 느낀다. 하지만 시험장에서는 AI가 옆에서 문장을 이어주지 않는다. 내가 개념을 꺼내야 하고, 내가 조건을 해석해야 하고, 내가 첫 줄을 써야 한다.

예를 들어 한국사 공부를 한다고 해보자. AI에게 "갑신정변을 요약해줘"라고 물으면 배경, 전개, 결과, 의의를 정리해준다. 읽을 때는 고개가 끄덕여진다. 그런데 시험에서 "갑신정변이 실패한 이유를 당시 국제 정세와 연결해 서술하시오"라는 문제가 나오면 갑자기 막힌다. 요약 속 단어들은 본 적 있지만, 그것들을 연결해 문장으로 만드는 연습을 하지 않았기 때문이다.

해설 이해를 실력으로 바꾸려면 반드시 한 단계를 추가해야 한다. 바로 "내가 다시 해보기"다.

AI의 설명을 들은 뒤에는 이렇게 이어가야 한다.

"방금 설명을 보지 않고 내가 다시 설명해볼게. 틀린 부분과 빠진 부분을 알려줘."

"이 풀이와 같은 원리로 풀 수 있는 비슷한 문제를 하나 내줘. 이번에는 힌트 없이 풀어볼게."

"내가 한 문장으로 요약할 테니 핵심이 살아 있는지 평가해줘."

이 과정이 있어야 AI의 설명이 내 지식으로 바뀐다. 설명을 듣는 것은 씨앗을 받는 일이다. 직접 꺼내보고, 써보고, 틀려보고, 고쳐야 뿌리가 내린다.

요약을 많이 읽어도 기억에 남지 않는 이유

AI가 공부에 들어오면서 가장 흔해진 행동이 있다. 바로 요약시키기다.

"이 글 요약해줘."
"이 강의 핵심만 정리해줘."
"이 PDF 3줄 요약해줘."

요약은 분명 유용하다. 긴 내용을 빠르게 훑어볼 수 있고, 전체 구조를 파악하는 데 도움이 된다. 시험 범위가 넓을 때 우선순위를 잡는 데도 좋다. 문제는 요약 자체를 공부라고 착각할 때 생긴다.

요약을 읽는 것은 지도 보는 일과 비슷하다. 지도는 길을 이해하는 데 도움을 준다. 하지만 지도만 보고 산을 올랐다고 말할 수는 없다. 실제로 걸어야 숨이 차고, 길을 잃어봐야 방향 감각이 생긴다.

기억은 단순히 눈으로 많이 본다고 강해지지 않는다. 오히려 머릿속에서 꺼내려는 시도를 할 때 강해진다. 이것을 쉽게 말하면 '인출'이다. 인출은 저장된 내용을 밖으로 끌어내는 과정이다. 시험장에서 답을 쓰는 일, 친구에게 설명하는 일, 백지에 개념도를 그리는 일이 모두 인출이다.

요약만 읽는 공부에는 인출이 부족하다. AI가 정리한 문장을 눈으로 따라가면 익숙함은 생긴다. "이거 본 적 있어"라는 느낌이 든다. 하지만 익숙함은 기억이 아니다. 더 정확히 말하면, 익숙함은 종종 기억처럼 위장한다.

예를 들어 생명과학에서 세포호흡을 공부한다고 하자. AI가 이렇게 요약해준다.

세포호흡은 포도당을 분해하여 ATP를 생성하는 과정이며, 해당과정, TCA 회로, 전자전달계로 구성된다.

이 문장을 다섯 번 읽으면 익숙해진다. 그런데 책을 덮고 "세포호흡의 세 단계를 순서대로 쓰고, 각 단계에서 무엇이 일어나는지 설명하라"고 하면 멈칫할 수 있다. 읽을 때는 쉬웠지만 꺼내는 연습을 하지 않았기 때문이다.

따라서 AI 요약은 끝이 아니라 시작이어야 한다. 요약을 받은 뒤에는 반드시 질문으로 바꿔야 한다.

요약을 공부로 바꾸는 흐름은 이렇게 만들 수 있다.

1. AI에게 핵심 내용을 요약하게 한다.

2. 요약을 덮고 내가 기억나는 내용을 말하거나 쓴다.

3. AI에게 내 설명의 빠진 부분을 점검하게 한다.

4. 요약 내용을 퀴즈, 플래시카드, 서술형 문제로 바꾼다.

5. 하루 뒤 다시 AI 없이 떠올려본다.

요약은 기억의 재료다. 하지만 재료를 보는 것과 요리를 하는 것은 다르다. AI가 재료를 잘 손질해주었다면, 이제 내가 불을 켜야 한다.

"깔끔한 정리"가 공부를 방해할 때

AI의 답변은 보기 좋다. 제목이 있고, 항목이 있고, 표가 있고, 결론이 있다. 그래서 공부한 느낌을 강하게 준다. 문제는 너무 깔끔한 정리가 오히려 머리를 덜 쓰게 만들 수 있다는 점이다.

사람의 실제 이해 과정은 깔끔하지 않다. 처음에는 뒤죽박죽이다. 어떤 개념이 중요한지 모르고, 비슷한 용어가 헷갈리고, 예외가 튀어나와 당황한다. 이 혼란을 스스로 정리하는 과정에서 이해가 깊어진다. 그런데 AI가 처음부터 완성된 정리본을 주면, 학습자는 그 혼란을 겪지 않고 지나간다.

물론 혼란만 많으면 지친다. 그래서 AI의 도움이 필요하다. 중요한 것은 AI가 모든 정리를 대신하게 하지 않는 것이다. 처음부터 완성된 표를 달라고 하기보다, 내가 먼저 거친 정리를 해보고 AI에게 다듬게 하는 편이 훨씬 좋다.

나쁜 사용법은 이렇다.

"조선 후기 세도정치 내용을 표로 완벽하게 정리해줘."

이렇게 하면 보기 좋은 표는 얻는다. 하지만 내 머릿속 구조는 생기지 않을 수 있다.

더 좋은 사용법은 이렇다.

"내가 조선 후기 세도정치에 대해 아는 내용을 먼저 적어볼게. 빠진 핵심과 잘못 연결한 부분을 찾아줘. 그다음 시험 공부용 표로 정리해줘."

이렇게 하면 AI는 대신 정리하는 사람이 아니라, 내 정리를 개선하는 코치가 된다. 공부에서는 이 차이가 크다. 처음부터 남이 만든 정답 노트를 읽는 것보다, 부족하더라도 내 손으로 만든 노트를 고치는 과정이 훨씬 오래 남는다.

깔끔한 정리는 필요하다. 다만 순서가 중요하다. 먼저 어지럽게 생각하고, 그다음 정리해야 한다. AI는 두 번째 단계에서 특히 강력하다. 첫 번째 단계까지 빼앗기면, 공부의 핵심이 사라진다.

AI 답변을 그대로 믿으면 생기는 문제

AI는 자신감 있게 말한다. 모르는 내용도 아는 것처럼 말할 때가 있다. 틀린 설명도 문장이 자연스러우면 그럴듯해 보인다. 이것이 AI 학습에서 조심해야 할 큰 위험이다.

AI 답변에는 크게 세 가지 문제가 생길 수 있다.

첫째, 사실 자체가 틀릴 수 있다. 역사적 연도, 법 조항, 과학 개념, 시험 제도, 최신 정책처럼 정확성이 중요한 내용에서 오류가 섞일 수 있다. AI가 "그럴듯한 문장"을 만드는 능력과 "항상 정확한 사실"을 보장하는 능력은 다르다.

둘째, 맥락이 빠질 수 있다. 어떤 설명은 일반적으로는 맞지만, 내가 공부하는 교재나 시험 범위에서는 다르게 다뤄질 수 있다. 예를 들어 경제학 개념 하나도 고등학교 내신, 수능, 대학 전공, 공무원 시험에서 강조점이 다르다. AI가 일반 설명을 해주었는데, 실제 시험에서는 교재의 특정 정의를 요구할 수 있다.

셋째, 너무 단순화될 수 있다. 쉬운 설명은 입문에 좋지만, 시험이나 실무에서는 예외와 조건이 중요하다. AI가 "쉽게 말하면 이렇다"고 설명한 내용을 그대로 외우면, 복잡한 문제에서 틀릴 수 있다.

예를 들어 영어 문법을 공부하는 학습자가 AI에게 묻는다.

"현재완료는 과거에 시작해서 현재까지 이어지는 일이야?"

AI가 "네, 맞습니다"라고 답할 수 있다. 하지만 현재완료는 경험, 완료, 계속, 결과 등 여러 용법으로 쓰인다. "과거부터 현재까지 이어짐"만 기억하면 모든 문장을 그 틀에 억지로 끼워 맞추게 된다. 쉬운 설명이 출발점으로는 좋지만, 전체 그림은 아니다.

그래서 AI 답변을 받을 때는 확인 질문을 붙여야 한다.

"이 설명에서 예외나 주의할 점이 있어?"

"고등학교 시험 기준으로 꼭 구분해야 할 부분은 뭐야?"

"이 내용이 교재 설명과 다를 수 있는 지점을 알려줘."

"네 답변 중 확실하지 않은 부분과 확인이 필요한 부분을 구분해줘."

AI를 믿지 말라는 뜻이 아니다. AI를 선생님처럼 쓰되, 교재와 원문과 공식 자료를 함께 보는 습관을 가지라는 뜻이다. 좋은 학습자는 AI 답변을 무조건 받아들이지 않는다. AI 답변을 출발점으로 삼고, 근거를 확인한다.

AI 답변 검증 체크리스트

AI가 준 답을 공부에 사용하기 전에는 잠깐 멈춰야 한다. 특히 시험, 과제, 보고서, 자격증, 업무 학습처럼 정확성이 중요한 경우라면 더 그렇다. 다음 질문을 습관처럼 던져보자.

• 이 답변이 내 교재, 강의노트, 기출문제의 표현과 충돌하지 않는가?

• 연도, 수치, 공식, 법 조항, 인물 이름처럼 틀리면 치명적인 정보가 포함되어 있는가?

• AI가 일반론을 말하고 있는가, 아니면 내가 공부하는 시험 범위에 맞춰 말하고 있는가?

• 쉬운 설명 때문에 예외, 조건, 반례가 생략되지는 않았는가?

• 내가 이 내용을 AI 없이 내 말로 다시 설명할 수 있는가?

이 체크리스트는 시간이 오래 걸리지 않는다. 처음에는 귀찮지만, 익숙해지면 1분이면 충분하다. 이 1분이 잘못된 내용을 외우는 몇 시간을 막아준다.

AI가 틀릴 수 있다는 사실은 단점이지만, 동시에 좋은 훈련 기회이기도 하다. AI 답변을 검증하는 과정에서 우리는 더 깊게 읽고, 더 정확히 비교하고, 더 날카롭게 질문하게 된다. 다시 말해 AI의 오류 가능성은 비판적 사고를 훈련하는 계기가 될 수 있다. 단, 조건이 있다. AI가 말한 것을 그대로 베끼지 않아야 한다.

프롬프트보다 중요한 것은 학습 목표다

AI 공부법을 이야기하면 많은 사람이 먼저 프롬프트를 찾는다.

"좋은 프롬프트 좀 알려주세요."

물론 프롬프트는 중요하다. 같은 AI라도 어떻게 요청하느냐에 따라 답변의 질이 달라진다. 하지만 프롬프트보다 먼저 정해야 할 것이 있다. 바로 학습 목표다.

목표가 없으면 좋은 프롬프트도 흔들린다. "요약해줘"라고 말했을 때 어떤 요약이 좋은 요약일까? 시험 대비용 요약인지, 발표 준비용 요약인지, 처음 이해하기 위한 요약인지, 암기를 위한 요약인지에 따라 결과가 달라져야 한다.

예를 들어 "탄소중립을 설명해줘"라는 질문은 너무 넓다. AI는 무난한 설명을 해줄 것이다. 하지만 내가 무엇을 위해 배우는지에 따라 필요한 설명은 완전히 달라진다.

중학생 수행평가라면 쉬운 정의와 생활 속 사례가 필요하다. 대학생 보고서라면 정책, 산업, 국제 협약, 비판적 쟁점이 필요하다. 직장인이라면 ESG, 공급망, 기업 전략과 연결해야 한다. 취업 면접 준비생이라면 1분 답변으로 말할 수 있어야 한다.

따라서 좋은 AI 학습은 프롬프트 암기가 아니라 목표 설정에서 시작된다. AI에게 묻기 전, 먼저 나에게 물어야 한다.

"나는 이 내용을 어느 수준까지 알아야 하지?"

"시험에서 풀어야 하나, 말로 설명해야 하나, 글로 써야 하나, 실무에 적용해야 하나?"

"지금 필요한 것은 이해인가, 암기인가, 문제 풀이인가, 오답 분석인가?"

목표가 분명해지면 프롬프트는 자연스럽게 좋아진다.

목표가 없는 질문은 이렇게 된다.

"삼각함수 설명해줘."

목표가 있는 질문은 이렇게 바뀐다.

"고등학교 수학에서 삼각함수를 처음 배우는 학생이야. 단위원 개념이 헷갈려. 공식 암기보다 sin, cos가 좌표와 어떻게 연결되는지 이해하고 싶어. 쉬운 비유와 그림을 말로 설명하듯 알려주고, 마지막에 확인 문제 3개를 내줘."

두 질문의 차이는 기술이 아니라 방향이다. 두 번째 질문에는 학습자 수준, 막힌 지점, 원하는 설명 방식, 학습 후 확인 방법이 들어 있다. AI는 이런 정보를 받을수록 더 좋은 튜터가 된다.

학습 목표를 정하는 네 가지 질문

AI에게 질문하기 전, 다음 네 가지를 짧게 적어보자.

첫째, 무엇을 배울 것인가. 단원명이나 주제를 구체적으로 적는다. "영어"가 아니라 "관계대명사 what과 that의 차이", "코딩"이 아니라 "파이썬 for문과 while문의 차이"처럼 좁힐수록 좋다.

둘째, 왜 배울 것인가. 내신 시험, 수능, 자격증, 실무 프로젝트, 면접, 독서 토론처럼 목적이 달라지면 공부 방식도 달라진다.

셋째, 어느 수준까지 할 것인가. 정의를 이해하면 되는지, 문제를 풀어야 하는지, 남에게 설명해야 하는지, 새로운 사례에 적용해야 하는지 정해야 한다.

넷째, 무엇으로 확인할 것인가. 퀴즈, 백지 설명, 서술형 답안, 유사 문제, 실전 모의고사처럼 확인 방법을 정해야 공부가 끝난다.

이 네 가지를 합치면 AI에게 이런 식으로 요청할 수 있다.

"나는 정보처리기사 필기 시험을 준비 중이야. 오늘은 데이터베이스 정규화를 공부하려고 해. 목표는 3정규형까지의 차이를 이해하고 기출 선지에서 구분하는 거야. 먼저 쉬운 예시로 설명하고, 그다음 객관식 문제 5개로 확인해줘. 내가 답하면 오답 원인을 분석해줘."

이 질문은 길지만 복잡하지 않다. 내가 무엇을 원하는지 분명하기 때문에 AI도 학습 코치처럼 움직일 수 있다.

AI 의존형 학습자와 AI 증강형 학습자

AI를 쓰는 사람은 크게 두 부류로 나뉜다. 하나는 AI 의존형 학습자이고, 다른 하나는 AI 증강형 학습자다. 의존형은 AI가 없으면 공부가 멈춘다. 증강형은 AI를 이용해 자신의 사고력을 키운다.

둘 다 AI를 많이 쓴다. 차이는 사용량이 아니라 사용 방식이다.

AI 의존형 학습자는 빠르다. 과제도 빨리 끝내고, 정리도 빨리 만든다. 하지만 시간이 지나면 남는 것이 적다. AI가 대신 만든 결과물이 많을수록, 정작 자기 머리로 만든 연결은 약해진다.

AI 증강형 학습자는 겉으로 보면 조금 느리다. 먼저 생각하고, 힌트만 받고, 다시 설명하고, 검증하고, 혼자 풀어본다. 하지만 이 느림이 실력을 만든다. AI를 쓰는 시간이 단순히 편해지는 시간이 아니라, 생각을 훈련하는 시간이 된다.

여기서 중요한 점은 의존형과 증강형이 타고난 성향이 아니라는 것이다. 질문을 바꾸면 누구나 증강형이 될 수 있다. "해줘"를 "하게 도와줘"로 바꾸는 순간, AI의 역할이 달라진다.

나쁜 질문을 좋은 질문으로 바꾸는 법

AI 공부의 실력은 거창한 기술에서 시작되지 않는다. 평소 던지는 질문을 조금만 바꾸면 된다.

예를 들어 나쁜 질문은 대체로 AI에게 결과물을 요구한다.

"이 글 요약해줘."
"이 문제 풀어줘."
"보고서 써줘."
"영어 문장 만들어줘."

이 질문들이 항상 나쁜 것은 아니다. 하지만 여기서 끝나면 내 실력이 자라기 어렵다. 좋은 질문은 AI에게 학습 과정을 설계하게 한다.

"이 글을 읽고 내가 이해했는지 확인할 수 있도록 핵심 질문 5개를 만들어줘."

"이 문제의 정답은 말하지 말고, 내가 막힌 단계에서 필요한 힌트만 줘."

"보고서를 대신 쓰지 말고, 내가 쓸 수 있게 목차와 점검 질문을 만들어줘."

"내가 먼저 영어 문장을 써볼 테니 자연스럽게 고치고, 왜 그렇게 고쳤는지 설명해줘."

좋은 질문의 핵심은 간단하다. AI가 대신하게 하지 말고, 내가 하도록 돕게 만드는 것이다.

특히 다음 문장을 기억해두면 좋다.

"정답을 바로 말하지 마."

이 한 문장만 붙여도 AI 사용 방식이 크게 달라진다. 여기에 "힌트부터 줘", "내 답을 기다려줘", "틀린 부분만 피드백해줘", "마지막에는 AI 없이 풀 문제를 내줘"를 덧붙이면 AI는 훨씬 좋은 개인 튜터가 된다.

AI를 쓰기 전 30초 멈춤

AI 창을 열기 전에 30초만 멈춰보자. 이 짧은 멈춤이 공부의 방향을 바꾼다. 바로 질문을 던지지 말고, 노트나 머릿속으로 세 가지를 확인한다.

첫째, 내가 지금 아는 것은 무엇인가. 완벽하지 않아도 된다. 단어 몇 개, 어렴풋한 정의, 틀릴 수도 있는 추측을 먼저 떠올린다. 이 과정이 있어야 AI 답변과 내 생각을 비교할 수 있다.

둘째, 정확히 어디서 막혔는가. "전부 모르겠어요"라고 느껴져도 자세히 보면 막힌 지점이 있다. 용어가 낯선 것인지, 공식의 의미가 이해되지 않는 것인지, 문제 해석이 안 되는 것인지 구분해야 한다.

셋째, AI에게 어떤 역할을 맡길 것인가. 설명 교사인지, 힌트 제공자인지, 시험관인지, 채점자인지, 오답 분석가인지 정한다. 역할이 분명하면 답변도 좋아진다.

예를 들어 막연한 질문은 이렇다.

"미분 모르겠어. 설명해줘."

30초 멈춘 뒤의 질문은 이렇게 바뀐다.

"미분이 변화율이라는 말은 들었는데, 왜 접선의 기울기와 연결되는지 모르겠어. 고등학생 수준으로 비유를 들어 설명해줘. 설명 후 내가 이해했는지 확인하는 질문 3개를 내줘."

두 질문은 같은 사람이 같은 AI에게 던진 것이다. 하지만 두 번째 질문은 훨씬 강력하다. 이미 자기 상태를 파악했기 때문이다. AI 공부에서 중요한 것은 AI의 지능만이 아니다. 나의 현재 위치를 얼마나 정확히 말할 수 있느냐도 중요하다.

실수를 줄이는 AI 학습 기본 규칙

이 장에서 본 실수들을 한 문장으로 요약하면 이렇다. AI에게 너무 빨리, 너무 많이, 너무 쉽게 맡길 때 공부가 사라진다.

그렇다고 AI를 멀리할 필요는 없다. 오히려 가까이 두되, 규칙을 세워야 한다. 다음 원칙을 기억하자.

• 먼저 생각하고 나중에 묻는다.

• 정답보다 힌트와 과정을 요구한다.

• 요약을 읽은 뒤 반드시 퀴즈나 백지 설명으로 바꾼다.

• AI 답변은 교재, 강의, 공식 자료와 비교해 검증한다.

• 마지막에는 AI 없이 풀거나 설명한다.

이 다섯 가지가 지켜지면 AI는 의존 도구가 아니라 증강 도구가 된다. 공부 시간이 줄어드는 것보다 중요한 것은 공부 밀도가 높아지는 것이다. AI가 설명을 빠르게 해주면 남는 시간에 더 많이 떠올려야 한다. AI가 요약을 만들어주면 그 요약을 문제로 바꿔 풀어야 한다. AI가 오답을 분석해주면 같은 실수를 막는 체크리스트를 만들어야 한다.

공부의 주인은 AI가 아니라 나다. AI는 길을 비추고, 질문을 던지고, 피드백을 줄 수 있다. 하지만 마지막에 기억하고, 판단하고, 적용하는 사람은 나여야 한다.

다음 장으로 가기 전에: 내 AI 습관 점검하기

지금까지 AI를 공부에 사용해왔다면, 잠깐 돌아보자. 나는 AI에게 주로 무엇을 요구했는가. 답인가, 설명인가, 힌트인가, 피드백인가. AI와의 대화가 끝난 뒤 내 머릿속에 남은 것은 무엇이었는가. 깔끔한 정리본인가, 아니면 내가 직접 설명할 수 있는 이해인가.

오늘부터는 AI에게 질문하기 전에 이 문장을 떠올리면 된다.

"AI가 대신하게 할 것인가, 내가 할 수 있게 도와달라고 할 것인가?"

이 질문 하나가 공부의 방향을 바꾼다. AI는 정답 자판기가 될 수도 있고, 나를 계속 생각하게 만드는 개인 튜터가 될 수도 있다. 선택은 도구가 아니라 사용자의 질문에서 시작된다.

다음 장에서는 이 원칙을 바탕으로 AI 공부법을 하나의 모델로 정리한다. 목표 설정, 이해, 구조화, 인출, 전이의 다섯 단계다. 이 다섯 단계를 알면 AI와의 대화는 즉흥적인 질문 모음이 아니라, 실력이 쌓이는 학습 시스템이 된다.