AI 공부법의 5단계 모델

AI로 공부할 때 가장 막막한 순간은 사실 AI가 답을 못할 때가 아니다. 오히려 AI가 너무 많은 것을 해줄 수 있을 때 막막해진다.

"요약해줘."

"쉽게 설명해줘."

"문제 만들어줘."

처음에는 이것만으로도 신기하다. 그런데 며칠 지나면 이상한 일이 생긴다. 분명 AI에게 설명을 들었고, 요약도 받았고, 문제도 풀어본 것 같은데 막상 시험지 앞에서는 머리가 하얘진다. 강의 내용을 AI가 깔끔하게 정리해줬는데, 내 머릿속은 여전히 어수선하다. 왜 그럴까?

이유는 간단하다. AI를 썼지만 공부의 흐름이 없었기 때문이다.

공부는 정보를 받는 일이 아니다. 목표를 정하고, 이해하고, 정리하고, 꺼내보고, 실제 상황에 써보는 과정이다. 이 흐름이 빠지면 AI는 똑똑한 비서가 아니라 친절한 복사기가 된다. 반대로 이 흐름을 잡으면 AI는 나를 계속 생각하게 만드는 개인 튜터가 된다.

이 장에서는 앞으로 이 책 전체에서 반복해서 사용할 AI 공부법의 5단계 모델을 소개한다.

목표 설정, 이해, 구조화, 인출, 전이.

이 다섯 단계를 알면 더 이상 "AI에게 뭘 물어봐야 하지?" 하고 멈추지 않는다. 지금 내가 어느 단계에 있는지, 다음에는 무엇을 해야 하는지, AI에게 어떤 역할을 맡겨야 하는지 보이기 시작한다.

공부는 '답 받기'가 아니라 '단계 밟기'다

많은 사람이 AI 공부를 이렇게 시작한다.

"이거 요약해줘."

나쁜 출발은 아니다. 하지만 요약은 공부의 일부일 뿐이다. 요약을 읽었다고 이해한 것은 아니고, 이해했다고 기억한 것도 아니며, 기억한다고 실전에 적용할 수 있는 것도 아니다.

예를 들어 경제 시간에 '수요와 공급'을 배운다고 해보자. AI에게 "수요와 공급을 요약해줘"라고 묻는 순간, AI는 아마 수요 곡선, 공급 곡선, 균형 가격, 초과 수요와 초과 공급 같은 내용을 깔끔하게 정리해줄 것이다. 읽을 때는 고개가 끄덕여진다. 그런데 다음과 같은 문제가 나오면 갑자기 손이 멈춘다.

"폭염으로 배추 생산량이 줄고, 김장철을 앞두고 배추 수요가 늘어날 때 배추 가격은 어떻게 변하는가?"

요약을 읽는 것과 상황에 적용하는 것은 다르다. 개념을 아는 것과 문제를 푸는 것도 다르다. 공부에는 층이 있다.

AI 공부법의 5단계 모델은 이 층을 순서대로 밟게 해준다.

첫째, 목표 설정 단계에서는 무엇을 어느 수준까지 배울지 정한다.

둘째, 이해 단계에서는 낯선 개념을 내 언어로 바꾼다.

셋째, 구조화 단계에서는 흩어진 지식을 지도처럼 정리한다.

넷째, 인출 단계에서는 보지 않고 기억을 꺼내본다.

다섯째, 전이 단계에서는 배운 내용을 문제, 사례, 실전에 옮겨본다.

이 다섯 단계는 과목을 가리지 않는다. 수학, 영어, 과학, 코딩, 자격증, 독서, 업무 학습에 모두 적용된다. 공부할 내용이 무엇이든 결국 우리는 "무엇을 배울지 정하고, 이해하고, 정리하고, 꺼내고, 써먹는" 일을 해야 하기 때문이다.

1단계 목표 설정: 무엇을 어느 수준까지 배울 것인가

공부가 흐릿해지는 가장 큰 이유는 목표가 흐릿하기 때문이다.

"영어 공부해야지."

"코딩 좀 배워야지."

"이번 시험 범위 정리해야지."

이런 목표는 마음을 움직이기에는 충분하지만, 공부를 설계하기에는 부족하다. AI도 마찬가지다. 목표가 흐릿하면 AI의 답변도 흐릿해진다. 반대로 목표가 구체적이면 AI는 훨씬 좋은 학습 코치가 된다.

목표 설정 단계에서 해야 할 질문은 하나다.

"나는 이것을 어디에 쓸 수 있을 정도로 배워야 하는가?"

같은 '미분'을 배워도 목적은 다를 수 있다. 내신 시험에서 기본 문제를 풀기 위한 미분, 수능 고난도 문제를 풀기 위한 미분, 대학 공학 수업을 따라가기 위한 미분, 데이터 분석에서 최적화 개념을 이해하기 위한 미분은 필요한 깊이가 다르다. 같은 '영어 회화'를 배워도 해외여행에서 주문하기, 화상 회의에서 의견 말하기, 영어 면접 준비하기는 목표 수준이 다르다.

AI에게 처음부터 이렇게 물어보면 좋다.

나는 고등학교 2학년이고, 이번 주에 수학 시험에서 '함수의 극한' 단원을 봐야 해. 목표는 개념 설명을 이해하는 수준이 아니라, 교과서 기본 문제와 학교 프린트 응용 문제를 풀 수 있는 수준이야. 이 목표를 위해 무엇을 알아야 하는지 학습 목표를 5개로 쪼개줘.

또는 직장인이라면 이렇게 물을 수 있다.

나는 마케팅 실무자이고, GA4 데이터를 읽는 법을 배우고 싶어. 개발자가 될 정도는 아니지만, 유입 경로와 전환율을 보고 캠페인 성과를 해석할 수 있어야 해. 2주 동안 배울 학습 목표를 초보자 기준으로 나눠줘.

좋은 목표는 세 가지를 포함한다. 내가 누구인지, 무엇을 배울 것인지, 어느 수준까지 배울 것인지다. 여기에 시간 제한까지 넣으면 더 좋다. "3일 안에", "시험 전까지", "하루 30분씩 2주 동안"처럼 말이다.

목표 설정 단계에서 AI에게 맡길 일은 공부를 대신하게 하는 것이 아니라, 공부의 지도를 그리게 하는 것이다. 이때 AI는 교과서 목차를 작은 학습 목표로 쪼개주고, 우선순위를 정해주고, 내 수준에 맞는 순서를 제안해줄 수 있다.

하지만 최종 결정은 사람이 해야 한다. AI가 "이 순서로 공부하세요"라고 말해도, 내가 이미 아는 내용과 모르는 내용은 내가 가장 잘 안다. 그래서 목표 설정 단계의 마지막 질문은 반드시 자기 점검이어야 한다.

위 학습 목표 중에서 내가 이미 알고 있을 가능성이 높은 것과 반드시 확인해야 할 것을 나눠줘. 그리고 각 목표를 1분 안에 자가 진단할 수 있는 질문으로 바꿔줘.

이 질문을 던지면 목표가 시험지처럼 변한다. "수요와 공급을 공부한다"가 아니라 "수요 곡선이 오른쪽으로 이동하는 상황을 예로 들 수 있는가?"가 된다. 공부할 내용이 선명해지는 순간, 집중력도 달라진다.

2단계 이해: 개념을 내 언어로 바꾸기

목표를 정했다면 이제 이해해야 한다. 여기서 많은 사람이 AI에게 이렇게 묻는다.

쉽게 설명해줘.

이 질문도 도움이 된다. 하지만 너무 넓다. AI는 쉽게 설명하려고 노력하겠지만, 그 쉬움이 내 수준에 맞는지는 알 수 없다. 초등학생에게 쉬운 설명과 대학생에게 쉬운 설명은 다르다. 시험 준비생에게 쉬운 설명과 실무자에게 쉬운 설명도 다르다.

이해 단계의 핵심은 AI의 설명을 읽는 것이 아니라, 개념을 내 언어로 바꾸는 것이다. 내 언어로 바꾼다는 것은 "남의 문장을 외우지 않고, 내가 아는 말과 경험으로 다시 설명할 수 있다"는 뜻이다.

예를 들어 '기회비용'을 배운다고 하자. 교과서식 정의는 "어떤 선택을 함으로써 포기한 대안 중 가장 큰 가치"에 가깝다. 이 문장을 외울 수도 있다. 하지만 진짜 이해하려면 이렇게 말할 수 있어야 한다.

"토요일에 아르바이트를 하면 5만 원을 벌 수 있고, 그 시간에 친구를 만나면 즐거운 시간을 보낼 수 있다. 내가 친구를 만나기로 했다면, 그 선택의 기회비용은 포기한 아르바이트 5만 원이라고 볼 수 있다."

정의가 사례로 내려올 때 이해가 시작된다.

AI에게는 다음과 같이 요청해보자.

'기회비용'을 설명해줘. 단, 먼저 한 문장 정의를 말하고, 그다음 중학생도 이해할 수 있는 일상 사례 2개를 들어줘. 마지막에는 헷갈리기 쉬운 반례 1개를 들어줘.

여기서 중요한 단어는 '반례'다. 반례는 어떤 개념이 적용되지 않는 사례다. 우리는 맞는 사례만 보면 안다고 착각하기 쉽다. 하지만 틀린 사례와 비교할 때 개념의 경계가 선명해진다.

비유도 강력하다. 어려운 개념은 낯선 물건처럼 느껴진다. 비유는 그 낯선 물건을 이미 아는 물건 옆에 놓아준다. 예를 들어 컴퓨터 과학의 '캐시'를 배울 때 "자주 쓰는 물건을 책상 위에 올려두는 것"이라고 비유하면 훨씬 쉽게 이해된다. 매번 창고까지 가지 않고 책상 위에서 바로 꺼내 쓰는 것처럼, 컴퓨터도 자주 쓰는 데이터를 가까운 곳에 저장해 속도를 높인다.

이해 단계에서 쓸 수 있는 질문은 다음과 같다.

• "이 개념을 한 문장으로 정의한 뒤, 쉬운 비유와 실제 사례를 들어줘."

• "내가 헷갈릴 만한 개념과 비교해서 차이를 설명해줘."

• "이 개념이 적용되는 사례 2개와 적용되지 않는 사례 1개를 만들어줘."

• "내가 이해했는지 확인할 수 있도록 짧은 질문 3개를 해줘."

단, 이해 단계에서 조심할 점이 있다. AI의 설명이 너무 매끄러우면 내가 이해한 것 같은 느낌이 든다. 이 느낌을 믿으면 위험하다. 이해했는지 확인하려면 반드시 내가 말해야 한다.

가장 좋은 마무리 질문은 이것이다.

내가 지금 이해한 내용을 내 말로 설명해볼게. 틀린 부분, 애매한 부분, 빠진 부분을 짚어줘.

이때부터 AI는 설명자가 아니라 코치가 된다. 정답을 전달하는 사람이 아니라, 내 생각의 균열을 찾아주는 상대가 된다.

3단계 구조화: 흩어진 지식을 지도처럼 정리하기

이해한 개념이 하나둘 늘어나면 또 다른 문제가 생긴다. 각각은 알겠는데 전체가 보이지 않는 것이다.

역사 공부를 할 때 사건 하나하나는 이해했는데 시대 흐름이 안 잡힌다. 생물 공부를 할 때 세포, DNA, 단백질, 효소는 들어봤는데 서로 어떻게 연결되는지 모르겠다. 코딩을 배울 때 변수, 조건문, 반복문, 함수는 아는데 프로그램이 어떻게 만들어지는지 감이 안 온다.

이때 필요한 단계가 구조화다.

구조화란 지식을 책장에 꽂는 일이다. 책이 아무리 많아도 바닥에 뒤섞여 있으면 찾을 수 없다. 과목 지식도 마찬가지다. 개념을 많이 들었다고 공부가 되는 것이 아니다. 어떤 개념이 상위 개념이고, 어떤 개념이 하위 개념인지, 서로 어떤 관계인지 정리해야 한다.

AI는 구조화에 특히 강하다. 긴 내용을 계층형 목차로 바꾸거나, 비슷한 개념을 비교표로 만들거나, 흐름도를 제안하는 일을 잘한다. 다만 여기서도 주의할 점이 있다. AI가 만들어준 구조가 항상 교재나 시험 범위에 딱 맞지는 않는다. 따라서 가능하면 내가 가진 교재, 강의 노트, 시험 범위를 기준으로 구조화해야 한다.

예를 들어 과학의 '광합성'을 공부한다면 이렇게 요청할 수 있다.

광합성 단원을 공부하고 있어. 핵심 개념을 상위 개념과 하위 개념으로 나눠 계층형 노트로 정리해줘. 반드시 '빛에너지', '엽록체', '이산화탄소', '물', '포도당', '산소'가 어떤 관계인지 연결해서 설명해줘.

영어 문법이라면 이렇게 물을 수 있다.

현재완료와 과거시제가 헷갈려. 두 개념을 비교표로 정리해줘. 의미, 시간 느낌, 함께 쓰는 표현, 예문, 자주 하는 실수 항목으로 나눠줘.

자격증 공부라면 이렇게도 가능하다.

정보처리기사 필기에서 운영체제 파트를 공부 중이야. 프로세스, 스레드, 스케줄링, 교착상태, 메모리 관리가 서로 어떻게 연결되는지 개념 지도로 설명해줘.

구조화 단계에서는 세 가지 형식이 특히 유용하다. 개념 지도는 전체 관계를 볼 때 좋고, 비교표는 헷갈리는 개념을 구분할 때 좋으며, 계층형 노트는 시험 범위를 정리할 때 좋다.

개념 지도는 "무엇이 무엇과 연결되는가"를 보여준다. 비교표는 "A와 B가 어떻게 다른가"를 보여준다. 계층형 노트는 "큰 주제 아래 무엇이 들어가는가"를 보여준다.

이 단계에서 AI에게 구조를 만들어달라고 한 뒤, 그대로 저장만 하면 부족하다. 반드시 한 번 고쳐야 한다. 왜냐하면 구조를 고치는 과정 자체가 공부이기 때문이다. AI가 만든 표를 보면서 "이 항목은 교재에서 더 중요하게 다뤘는데?", "이 개념은 아직 안 배웠는데?", "이 둘은 같은 층위가 아닌 것 같은데?"라고 판단하는 순간 내 머릿속 구조가 생긴다.

구조화의 마지막 질문은 이렇게 던지면 좋다.

위 정리를 보고 시험에 자주 나올 만한 연결 관계 5개를 뽑아줘. 그리고 내가 이 구조를 제대로 이해했는지 확인할 수 있는 질문을 만들어줘.

구조화는 예쁜 노트를 만드는 단계가 아니다. 나중에 기억을 꺼내기 쉽게 길을 놓는 단계다.

4단계 인출: 읽지 말고 꺼내보기

공부에서 가장 불편하지만 가장 중요한 순간이 있다. 책을 덮는 순간이다.

책을 펼쳐놓고 읽을 때는 다 아는 것 같다. AI가 정리해준 노트를 볼 때도 이해한 것 같다. 그런데 아무것도 보지 않고 설명하려고 하면 갑자기 문장이 끊긴다. 이것이 진짜 실력의 위치다.

인출은 머릿속에 있는 내용을 밖으로 꺼내는 연습이다. 다시 읽기는 정보를 다시 넣는 공부이고, 인출은 정보를 꺼내는 공부다. 시험, 발표, 면접, 실무는 모두 인출에 가깝다. 시험장에서 교재를 다시 읽을 수 없고, 회의 중에 개념 노트를 천천히 펼쳐볼 수도 없다. 결국 필요한 순간에 꺼낼 수 있어야 한다.

AI는 인출 연습의 훌륭한 시험관이 될 수 있다.

가장 간단한 방법은 퀴즈를 요청하는 것이다.

방금 공부한 '수요와 공급' 개념으로 퀴즈 5개를 내줘. 처음 2개는 기본 개념 확인, 다음 2개는 사례 적용, 마지막 1개는 헷갈리는 함정 문제로 만들어줘. 내가 답하면 바로 정답을 말하지 말고, 먼저 내 답의 어느 부분이 맞고 애매한지 피드백해줘.

여기서 핵심은 "바로 정답을 말하지 말라"는 조건이다. AI가 너무 빨리 답을 주면 생각할 시간이 사라진다. 공부에서 중요한 것은 정답을 보는 속도가 아니라, 머릿속에서 답을 찾아보는 시간이다.

플래시카드도 좋은 인출 도구다. 단, 좋은 플래시카드는 너무 많은 내용을 한 카드에 넣지 않는다. "광합성에 대해 설명하라"는 카드보다 "광합성의 원료 두 가지는 무엇인가?", "광합성 결과 생성되는 물질 두 가지는 무엇인가?", "엽록체가 광합성에서 하는 역할은 무엇인가?"처럼 쪼갠 카드가 더 효과적이다.

AI에게는 이렇게 요청할 수 있다.

아래 개념 정리를 바탕으로 플래시카드 10장을 만들어줘. 카드 하나에는 질문 하나만 넣어줘. 단순 암기 카드 4장, 개념 이해 카드 3장, 사례 적용 카드 3장으로 나눠줘.

백지 설명도 강력하다. 백지 설명은 아무것도 보지 않고 빈 종이에 아는 내용을 써보는 방식이다. AI와 함께할 때는 내가 먼저 설명한 뒤 AI에게 채점하게 만들면 된다.

내가 '현재완료'를 아무것도 보지 않고 설명해볼게. 내 설명을 읽고 100점 만점으로 채점해줘. 기준은 정확성, 예문 적절성, 과거시제와의 구분, 빠진 내용이야. 먼저 점수를 주고, 그다음 보완할 부분을 알려줘.

인출 단계에서 가장 중요한 태도는 틀리는 것을 환영하는 것이다. 틀린 답은 실패가 아니라 위치 표시다. 어디가 비어 있는지 알려주는 신호다. AI는 이 신호를 분석하는 데 도움을 줄 수 있다.

그러나 인출 연습에도 함정이 있다. AI가 만든 문제만 계속 풀면 AI의 문제 스타일에 익숙해질 수 있다. 학교 시험, 자격증 기출, 실무 과제처럼 실제 평가 방식과 연결해야 한다. 그래서 인출 단계는 다음 단계인 전이로 넘어가야 완성된다.

5단계 전이: 배운 것을 낯선 상황에 옮기기

전이는 배운 내용을 새로운 상황에 적용하는 능력이다. 쉽게 말해 "아는 것"을 "써먹는 것"으로 바꾸는 단계다.

많은 학습자가 여기서 좌절한다. 개념 설명은 이해했는데 문제만 보면 안 풀린다. 문법은 아는데 영어로 말하려면 입이 안 떨어진다. 파이썬 문법은 배웠는데 작은 프로그램 하나 만들려면 막힌다. 책은 읽었는데 내 삶에 적용하려면 무엇을 해야 할지 모르겠다.

이것은 머리가 나빠서가 아니다. 전이 연습이 부족해서다.

전이는 처음부터 멀리 뛰는 것이 아니다. 가까운 적용에서 먼 적용으로 이동해야 한다. 예제를 따라 하는 단계, 비슷한 문제를 푸는 단계, 조건이 바뀐 문제를 푸는 단계, 완전히 새로운 상황에 적용하는 단계로 넓혀가면 된다.

AI는 이 사다리를 만들어줄 수 있다.

예를 들어 수학에서 이차함수를 배웠다면 이렇게 요청한다.

이차함수의 꼭짓점과 축의 방정식을 배웠어. 개념 확인 문제 2개, 교과서 예제와 비슷한 문제 2개, 조건이 조금 바뀐 응용 문제 2개, 실생활 맥락 문제 1개를 순서대로 만들어줘. 단, 내가 먼저 풀 수 있도록 해설은 숨겨줘.

코딩에서는 이렇게 요청할 수 있다.

파이썬의 리스트와 반복문을 배웠어. 이 두 개념을 사용해서 만들 수 있는 아주 작은 프로젝트 3개를 제안해줘. 각 프로젝트는 30분 안에 만들 수 있어야 하고, 내가 직접 생각해야 할 부분과 힌트를 분리해서 알려줘.

영어에서는 이렇게 가능하다.

오늘 배운 표현 10개를 실제 대화 상황에서 써보고 싶어. 카페 주문, 회사 회의, 친구와 약속 잡기 상황으로 나눠 짧은 역할극을 해줘. 내가 영어로 답하면 자연스러운 표현으로 고쳐줘.

전이 단계에서 AI를 잘 쓰려면 '실전 조건'을 넣어야 한다. 시간 제한, 자료 제한, 난이도, 평가 기준, 실제 상황을 구체적으로 말할수록 좋다. "문제 만들어줘"보다 "시험 시간 5분 안에 풀 수 있는 객관식 문제로 만들어줘"가 낫고, "프로젝트 추천해줘"보다 "초보자가 2시간 안에 완성할 수 있고, 반복문과 조건문을 반드시 쓰는 프로젝트를 추천해줘"가 낫다.

전이의 마지막에는 반드시 AI 없이 해보는 시간이 필요하다. AI가 옆에서 계속 힌트를 주면 불안은 줄어들지만 독립성도 줄어든다. 최종 실력은 AI가 없는 상태에서 확인해야 한다.

다음과 같이 요청해보자.

지금까지 배운 내용으로 최종 점검 과제를 만들어줘. 단, 처음에는 힌트와 해설을 보여주지 말고 문제만 제시해줘. 내가 답한 뒤에 채점 기준에 따라 피드백해줘. 마지막에는 AI 도움 없이 다시 풀어볼 재도전 문제를 1개 더 만들어줘.

AI 공부의 목표는 AI와 함께 있을 때만 똑똑해지는 것이 아니다. AI와 함께 훈련한 뒤, AI 없이도 더 잘할 수 있게 되는 것이다.

다섯 단계는 직선이 아니라 순환이다

목표 설정, 이해, 구조화, 인출, 전이. 이 순서가 기본이지만 실제 공부는 늘 깔끔한 직선으로 진행되지 않는다. 인출하다가 이해가 부족한 것을 발견하면 다시 이해 단계로 돌아가야 한다. 전이 문제를 풀다가 개념 사이의 연결이 약하다는 것을 알게 되면 구조화 단계로 돌아가야 한다. 목표가 너무 높거나 낮았다는 것을 깨달으면 목표 설정을 다시 해야 한다.

이것은 후퇴가 아니다. 제대로 공부하고 있다는 증거다.

예를 들어 영어 현재완료를 공부한다고 해보자. 처음에는 "현재완료의 의미를 이해한다"는 목표를 세운다. AI에게 설명과 예문을 듣고, 과거시제와 비교표를 만든다. 그다음 퀴즈를 풀어본다. 그런데 "I have lost my key"와 "I lost my key"의 느낌 차이를 설명하지 못했다. 그러면 다시 이해 단계로 돌아가야 한다. AI에게 "두 문장의 상황 차이를 대화 예시로 보여줘"라고 묻는다. 이후 다시 인출하고, 마지막에는 실제 대화문에서 현재완료를 써본다.

이렇게 공부하면 틀릴 때마다 무너지는 것이 아니라, 어디로 돌아가야 할지 알게 된다. 이것이 5단계 모델의 가장 큰 장점이다. 막막함이 줄어든다.

공부가 막힐 때는 자신에게 이렇게 물어보면 된다.

"나는 지금 목표가 흐릿한가?"

"개념 설명을 내 말로 못 하고 있는가?"

"개념끼리 연결이 안 되어 있는가?"

"보고 있으면 아는데, 덮으면 못 꺼내는가?"

"익숙한 예제는 되지만 낯선 문제에 적용이 안 되는가?"

각 질문은 각각 목표 설정, 이해, 구조화, 인출, 전이 단계로 돌아가라는 신호다.

하나의 주제로 5단계를 실행해보기

이제 간단한 예시로 5단계를 한 번에 살펴보자. 주제는 '탄소중립'이라고 해보자. 뉴스, 학교 수행평가, 회사 보고서, 면접 질문에도 나올 수 있는 개념이다.

먼저 목표 설정이다.

나는 고등학생이고, 사회 수행평가에서 탄소중립을 설명하고 내 의견을 써야 해. 탄소중립의 개념, 필요한 이유, 실천 방법, 쟁점을 이해하는 것이 목표야. 학습 목표를 5개로 나눠줘.

AI는 아마 탄소중립의 정의, 온실가스와 기후변화, 감축과 상쇄의 차이, 국가와 기업의 정책, 개인 실천과 한계를 목표로 제안할 수 있다.

다음은 이해다.

탄소중립을 중학생도 이해할 수 있게 설명해줘. 돈을 벌고 쓰는 가계부에 비유해서 설명하고, 탄소중립이 아닌 사례도 하나 들어줘.

이렇게 물으면 탄소 배출량과 흡수량의 균형을 가계부의 수입과 지출처럼 이해할 수 있다. 하지만 여기서 멈추면 안 된다. 내가 다시 설명해야 한다.

내가 이해한 탄소중립은 "배출한 탄소만큼 나무를 심으면 되는 것"이야. 이 설명에서 부족하거나 오해가 있는 부분을 짚어줘.

아마 AI는 나무 심기만으로 해결되는 문제가 아니며, 우선 배출 감축이 중요하고, 흡수나 상쇄는 보완 수단이라는 점을 알려줄 것이다. 바로 이 순간 이해가 깊어진다.

세 번째는 구조화다.

탄소중립을 개념 지도로 정리해줘. 중심 개념은 탄소중립이고, 주변에 온실가스, 배출 감축, 재생에너지, 탄소 흡수, 탄소 상쇄, 산업 전환, 개인 실천을 연결해줘.

이제 머릿속에 지도가 생긴다. 탄소중립은 단순히 '나무 심기'가 아니라 에너지, 산업, 정책, 소비 습관이 연결된 주제라는 것이 보인다.

네 번째는 인출이다.

탄소중립에 대해 내가 제대로 이해했는지 확인할 수 있는 질문 5개를 내줘. 내가 답하면 채점하고, 부족한 개념을 알려줘.

여기서 답을 말해보면 내가 무엇을 알고 무엇을 모르는지 드러난다.

마지막은 전이다.

탄소중립을 주제로 수행평가에 나올 만한 서술형 문제를 만들어줘. 조건은 500자 이내, 찬반 쟁점 포함, 개인 실천의 한계와 사회적 대책을 함께 다루는 것이야. 내가 답안을 쓰면 평가 기준에 따라 피드백해줘.

이 단계까지 오면 단순히 탄소중립의 뜻을 아는 수준을 넘어, 실제 글쓰기 과제에 적용할 수 있다. 이것이 AI 공부의 완성형이다.

5단계 모델을 한 장으로 기억하기

AI 공부가 흔들릴 때는 복잡한 프롬프트를 찾기보다 이 다섯 문장을 떠올리면 된다.

첫째, 목표 설정: "나는 무엇을 어느 수준까지 배워야 하는가?"

둘째, 이해: "이 개념을 내 말로 설명할 수 있는가?"

셋째, 구조화: "개념들이 서로 어떻게 연결되는가?"

넷째, 인출: "보지 않고 꺼낼 수 있는가?"

다섯째, 전이: "새로운 문제나 실제 상황에 써먹을 수 있는가?"

이 다섯 문장은 AI에게 던지는 질문이기도 하고, 나 자신에게 던지는 질문이기도 하다.

AI 공부에서 가장 중요한 변화는 도구가 아니라 태도다. 예전에는 모르는 것이 나오면 답을 찾았다. 이제는 모르는 것이 나오면 학습 과정을 설계할 수 있다. AI에게 설명을 듣고, 다시 내 말로 말하고, 구조를 만들고, 퀴즈를 풀고, 실전에 적용하면서 내 머릿속에 남기는 것이다.

앞으로의 장에서는 이 다섯 단계 중 특히 '이해'와 '질문'의 기술을 더 깊게 다룬다. AI에게 어떻게 설명을 시킬 것인지, 어떻게 질문하게 만들 것인지, 모르는 것을 어떻게 정확한 학습 질문으로 바꿀 것인지 살펴볼 것이다.

기억하자. AI는 공부의 끝이 아니라 시작이다. 답을 받는 순간 공부가 끝나는 것이 아니라, 그 답을 가지고 내가 다시 생각하기 시작할 때 공부가 시작된다.