모르는 것을 정확히 모르게 만드는 기술

"모르겠다"는 말은 너무 크다

공부하다가 가장 자주 만나는 벽은 의외로 단순하다.

"모르겠어요."

수학 문제를 봐도 모르겠고, 영어 지문을 읽어도 모르겠고, 코딩 에러를 봐도 모르겠고, 전공서 한 문단을 읽어도 모르겠다. 그런데 여기서 멈추면 AI도 도와주기 어렵다. 왜냐하면 "모르겠다"는 말은 너무 넓기 때문이다. 마치 병원에 가서 "몸이 안 좋아요"라고만 말하는 것과 같다. 머리가 아픈지, 배가 아픈지, 열이 나는지, 언제부터 그런지 말하지 않으면 의사도 정확한 처방을 내리기 어렵다.

AI 학습에서도 마찬가지다. "이거 모르겠어. 설명해줘"라고 묻는 것보다 "이 개념의 정의는 알겠는데, 문제에 어떻게 적용하는지 모르겠어"라고 묻는 편이 훨씬 강력하다. 질문이 구체적일수록 AI는 더 좋은 설명, 더 적절한 예시, 더 정확한 연습 문제를 줄 수 있다.

공부를 잘하는 사람은 처음부터 모든 것을 아는 사람이 아니다. 오히려 자신이 어디서 막혔는지 빨리 찾는 사람이다. 모르는 지점이 선명해지는 순간, 공부는 막막한 안개 속 걷기에서 지도 보고 길 찾기로 바뀐다.

이 장의 목표는 단순하다. 막연한 "모르겠다"를 구체적인 학습 질문으로 바꾸는 기술을 익히는 것이다. AI를 정답 자판기가 아니라 개인 튜터로 쓰려면, 먼저 내가 무엇을 모르는지 AI와 함께 찾아야 한다.

모름을 다섯 조각으로 나누기

우리는 보통 이해를 하나의 덩어리처럼 생각한다. "이 단원을 안다" 또는 "모른다"라고 말한다. 하지만 실제 공부에서 이해는 여러 층으로 이루어져 있다. 어떤 개념은 정의는 알지만 원리를 모를 수 있고, 원리는 알지만 문제에 적용하지 못할 수 있다. 예시는 떠오르지만 공식의 의미를 설명하지 못할 수도 있다.

그래서 "모르겠다"를 만났을 때는 다음 다섯 가지 중 어디가 막혔는지 나누어 봐야 한다.

• 개념: 용어의 뜻과 기본 정의를 모른다.

• 원리: 왜 그렇게 되는지, 어떤 논리로 연결되는지 모른다.

• 공식: 식이나 규칙은 보았지만 의미와 사용법을 모른다.

• 사례: 실제 예시나 구체적 상황이 떠오르지 않는다.

• 적용: 문제, 실전, 글쓰기, 대화, 코딩 등에 써먹지 못한다.

예를 들어 중학교 과학에서 '관성'을 배운다고 해보자. "관성이 모르겠어"라고만 말하면 AI는 일반적인 설명을 할 것이다. 하지만 모름을 나누면 질문이 달라진다.

개념이 막혔다면 이렇게 물을 수 있다.

관성의 정의를 중학생 수준으로 설명해줘. 어려운 용어를 쓰면 바로 풀어서 말해줘.

원리가 막혔다면 질문은 이렇게 바뀐다.

왜 움직이던 물체는 계속 움직이려 하고, 멈춰 있던 물체는 계속 멈춰 있으려 하는지 일상적인 비유로 설명해줘.

사례가 부족하다면 이렇게 묻는다.

관성이 나타나는 일상 사례를 5개 들어줘. 자동차, 버스, 스포츠, 놀이기구 상황을 포함해줘.

적용이 막혔다면 질문은 더 실전적으로 변한다.

관성 개념을 이용해서 다음 문제를 풀어야 하는데, 정답을 바로 말하지 말고 어떤 생각 순서로 접근해야 하는지 알려줘.

같은 "관성을 모르겠다"라도 질문의 초점에 따라 AI의 역할이 완전히 달라진다. 때로는 사전이 되고, 때로는 선생님이 되고, 때로는 문제 풀이 코치가 된다.

이것이 AI 공부법의 중요한 전환점이다. AI에게 더 똑똑한 답을 요구하기 전에, 내가 더 정확한 모름을 제시해야 한다.

"모르겠다"를 학습 질문으로 바꾸는 기본 프롬프트

처음부터 자신이 어디서 막혔는지 알기는 어렵다. 그래서 AI에게 모름을 분해해 달라고 요청하면 된다. 이때 유용한 기본 프롬프트는 다음과 같다.

나는 지금 [공부 주제]를 공부하고 있어. 그런데 막연히 모르겠다는 느낌이 들어. 내 모름을 개념, 원리, 공식, 사례, 적용 중 어디에 가까운지 진단할 수 있도록 질문을 하나씩 던져줘. 한 번에 하나의 질문만 하고, 내 답을 보고 다음 질문을 이어가줘.

이 프롬프트의 핵심은 AI에게 설명을 먼저 시키지 않는다는 점이다. 대신 AI에게 진단 질문을 하게 만든다. 병원에서 검사 없이 약부터 받지 않는 것처럼, 공부에서도 진단 없이 설명부터 받으면 효과가 떨어진다.

예를 들어 "이차함수의 그래프가 모르겠어"라고 느낀다면 AI에게 이렇게 말할 수 있다.

나는 이차함수 그래프를 공부하고 있는데 전체적으로 헷갈려. 내가 무엇을 모르는지 먼저 찾아줘. 개념, 원리, 공식, 사례, 적용으로 나누어 진단 질문을 해줘. 내가 답하면 내 약점을 분류해줘.

그러면 AI는 "이차함수가 무엇인지 한 문장으로 설명할 수 있나요?", "그래프가 왜 포물선 모양이 되는지 이해하고 있나요?", "꼭짓점 공식이 무엇을 의미하는지 말할 수 있나요?"처럼 질문을 던질 수 있다. 이 과정에서 독자는 중요한 사실을 발견한다. "나는 이차함수 전체를 모르는 게 아니라, 그래프 이동과 식의 관계를 모르는 거였구나."

이 한 문장이 나오면 공부는 빨라진다. 더 이상 단원 전체를 다시 읽을 필요가 없다. 막힌 곳을 좁혀서 공략하면 된다.

헷갈리는 두 개념은 비교표로 잡아라

공부에서 가장 피곤한 모름은 "둘 다 아는 것 같은데 구분이 안 되는 상태"다. 영어에서는 현재완료와 과거시제가 헷갈리고, 과학에서는 질량과 무게가 헷갈리며, 경제에서는 매출과 이익이 헷갈린다. 코딩에서는 리스트와 튜플, 함수와 메서드, 동기와 비동기가 뒤섞인다.

이럴 때는 긴 설명보다 비교표가 효과적이다. 인간의 머리는 차이를 볼 때 개념을 더 또렷하게 붙잡는다. 단독으로 보면 흐릿했던 개념도 나란히 놓으면 경계선이 보인다.

AI에게는 이렇게 요청하면 된다.

[개념 A]와 [개념 B]가 헷갈려. 두 개념을 비교표로 정리해줘. 정의, 핵심 차이, 공통점, 사용 조건, 쉬운 예시, 헷갈리기 쉬운 포인트를 포함해줘. 마지막에는 내가 구분했는지 확인할 수 있는 퀴즈 3개를 내줘.

예를 들어 "민주주의와 공화주의가 헷갈려"라고 묻는 대신 이렇게 물어보자.

민주주의와 공화주의가 헷갈려. 비교표로 정리해줘. 정의, 핵심 질문, 공통점, 차이점, 역사적 예시, 현대 사회에서의 적용, 흔한 오해를 포함해줘. 마지막에는 둘을 구분하는 연습 문제 3개를 내줘.

비교표의 장점은 눈에 보기 좋다는 데서 끝나지 않는다. 비교표는 개념의 위치를 잡아준다. "A는 이것, B는 저것"이라는 식의 단순 구분을 넘어 "어떤 상황에서는 A가 중요하고, 어떤 질문에서는 B가 중요하다"는 맥락까지 볼 수 있다.

단, 비교표를 받을 때 조심할 점이 있다. 표를 보고 "아, 알겠다"에서 멈추면 안 된다. 비교표는 이해의 출발점이지 도착점이 아니다. 표를 본 뒤에는 반드시 자기 말로 다시 설명해야 한다.

방금 비교표를 바탕으로 내가 직접 설명해볼게. 내 설명에서 틀린 부분, 빠진 부분, 애매한 표현을 지적해줘.

이렇게 이어가야 비교표가 단순 정리가 아니라 진짜 학습이 된다.

A와 B의 차이를 묻는 최고의 방식

많은 사람이 AI에게 이렇게 묻는다.

A와 B의 차이가 뭐야?

나쁜 질문은 아니다. 하지만 공부용 질문으로는 조금 부족하다. AI는 보통 정의와 차이 몇 가지를 알려줄 것이다. 문제는 그 답을 읽고도 다시 헷갈릴 수 있다는 데 있다. 왜냐하면 시험이나 실전에서는 단순 정의보다 "언제 무엇을 써야 하는가"가 더 중요하기 때문이다.

더 좋은 질문은 다음처럼 구성된다.

[A]와 [B]의 차이를 공부하려고 해. 단순 정의만 말하지 말고, 다음 기준으로 설명해줘.

1. 각각의 정의

2. 두 개념이 등장하는 상황

3. 둘의 공통점

4. 결정적인 차이

5. 실제 예시 3개

6. 사람들이 자주 하는 오해

7. 시험이나 실전에서 구분하는 판단 기준

8. 내가 이해했는지 확인하는 문제

이 프롬프트가 강력한 이유는 '차이'를 입체적으로 묻기 때문이다. 정의만 알면 암기에서 멈춘다. 사용 조건을 알면 적용으로 넘어간다. 흔한 오해를 알면 실수를 줄인다. 판단 기준을 알면 문제 풀이에 써먹을 수 있다.

예를 들어 영어에서 "will과 be going to의 차이"를 알고 싶다면 단순히 차이를 묻지 말고 이렇게 물어보자.

영어에서 will과 be going to의 차이를 공부하려고 해. 정의, 쓰는 상황, 공통점, 결정적인 차이, 예문, 한국인이 자주 하는 오해, 회화에서 선택하는 기준을 알려줘. 마지막에는 내가 둘 중 무엇을 써야 하는지 고르는 퀴즈를 내줘.

코딩에서도 마찬가지다.

Python에서 list와 tuple의 차이를 공부하려고 해. 정의, 공통점, 결정적인 차이, 언제 list를 쓰고 언제 tuple을 쓰는지, 초보자가 자주 하는 오해, 코드 예시, 확인 퀴즈를 포함해서 설명해줘.

이렇게 질문하면 AI의 답변은 단순 설명에서 학습 자료로 바뀐다. "차이 알려줘"는 정보를 얻는 질문이고, "정의·조건·예시·오해·판단 기준까지 알려줘"는 실력을 만드는 질문이다.

이해도 30%, 60%, 90%에 따라 질문은 달라져야 한다

모르는 사람에게 필요한 설명과 어느 정도 아는 사람에게 필요한 설명은 다르다. 그런데 우리는 종종 같은 질문만 반복한다. "다시 설명해줘." "더 쉽게 설명해줘." "예시 들어줘." 물론 도움이 되지만, 자신의 이해도에 맞춰 질문하면 학습 속도는 더 빨라진다.

이해도는 대략 세 단계로 나누어 볼 수 있다.

이해도 30%는 낯선 상태다. 용어가 어렵고, 전체 그림이 안 잡히며, 어디가 중요한지도 모른다. 이때는 쉬운 설명과 큰 그림이 필요하다.

나는 [주제]를 30% 정도만 이해한 상태야. 아직 용어도 낯설고 전체 구조가 잘 안 보여. 초보자에게 설명하듯 큰 그림부터 잡아줘. 핵심 용어는 쉬운 말로 풀어주고, 마지막에 "이것만 알면 출발 가능하다" 싶은 포인트 3가지를 정리해줘.

이해도 60%는 어렴풋이 아는 상태다. 설명을 들으면 고개는 끄덕이지만, 혼자 문제를 풀거나 남에게 설명하려면 막힌다. 이때는 비교, 예시, 반례, 적용 연습이 필요하다.

나는 [주제]를 60% 정도 이해한 것 같아. 기본 설명은 들었지만 헷갈리는 부분이 남아 있어. 비슷한 개념과 비교해주고, 예시와 반례를 들어줘. 그리고 내가 직접 판단해볼 수 있는 연습 문제를 내줘.

이해도 90%는 거의 아는 상태다. 이때 필요한 것은 더 쉬운 설명이 아니라 빈틈 점검이다. 시험에서 실수할 만한 부분, 예외, 응용 문제, 남에게 설명하는 훈련이 중요하다.

나는 [주제]를 90% 정도 이해했다고 생각해. 이제 빈틈을 찾고 싶어. 어려운 질문 5개를 던져줘. 내 답변을 보고 개념 오류, 논리의 빈틈, 표현의 애매함을 지적해줘. 마지막에는 AI 없이 확인할 수 있는 자가 점검 문제를 만들어줘.

이 세 가지 질문법을 익히면 "설명해줘"의 수준이 달라진다. 초보 단계에서는 친절한 길잡이를 요청하고, 중간 단계에서는 헷갈림을 분리하며, 고급 단계에서는 검증과 압박을 요구한다.

AI는 같은 주제도 독자의 수준에 맞춰 설명할 수 있다. 하지만 수준을 알려주지 않으면 평균적인 답을 내놓는다. 그러므로 질문 앞에 "나는 지금 어느 정도 이해했다"를 붙이는 습관을 들이자. 이것만으로 답변의 품질이 크게 달라진다.

내 질문을 더 좋은 질문으로 바꾸게 하라

AI를 잘 쓰는 사람은 질문을 잘한다. 그런데 처음부터 좋은 질문을 만들기는 어렵다. 그래서 AI에게 답을 달라고 하기 전에, 내 질문 자체를 개선해 달라고 요청할 수 있다. 이것이 메타 질문법이다. 메타 질문이란 질문에 대해 다시 질문하는 방식이다. 쉽게 말해 "내가 뭘 물어봐야 할지 모르겠으니, 좋은 질문으로 바꿔줘"라고 하는 것이다.

가장 기본적인 프롬프트는 다음과 같다.

내가 지금 하려는 질문은 이것이야.
"[내 질문]"
이 질문을 더 좋은 학습 질문으로 바꿔줘. 내가 개념을 이해하고, 적용하고, 스스로 설명할 수 있게 만드는 질문으로 개선해줘. 필요한 경우 나에게 먼저 확인 질문을 해도 좋아.

예를 들어 원래 질문이 "미분 모르겠어"라면 AI는 다음과 같이 바꿔줄 수 있다.

미분의 정의, 기울기와의 관계, 순간변화율의 의미를 쉬운 비유로 설명해줘. 그다음 간단한 그래프 예시를 통해 왜 미분이 필요한지 보여주고, 내가 이해했는지 확인하는 문제를 내줘.

원래 질문이 "이 영어 문장 해석해줘"라면 이렇게 바뀔 수 있다.

이 영어 문장을 바로 해석해주기보다, 문장 구조를 주어·동사·목적어·수식어로 나누어 설명해줘. 내가 먼저 해석을 시도한 뒤, 어색한 부분을 고쳐주고 왜 그렇게 해석되는지 알려줘.

차이가 보이는가? 첫 번째 질문은 답을 받는 질문이다. 두 번째 질문은 실력이 남는 질문이다.

메타 질문법은 특히 초보자에게 유용하다. 초보자는 무엇이 중요한지 모르기 때문에 질문도 흐릿할 수밖에 없다. 이때 AI에게 "내 질문을 공부에 도움이 되는 형태로 바꿔줘"라고 요청하면, AI는 질문 설계자 역할을 한다.

더 나아가 이렇게 요청할 수도 있다.

내 질문이 너무 막연하다면, 좋은 답변을 위해 필요한 정보를 나에게 먼저 물어봐줘. 내가 답하면 그 정보를 바탕으로 최종 학습 질문을 만들어줘.

이 프롬프트를 사용하면 AI가 무작정 설명하지 않고, 먼저 학습 목표와 현재 수준을 파악하려 한다. 이것은 좋은 개인 튜터의 행동과 비슷하다. 좋은 선생님은 학생이 "모르겠어요"라고 했을 때 곧바로 긴 설명을 시작하지 않는다. "어디까지는 알겠어?", "어느 부분부터 헷갈렸어?", "비슷한 문제는 풀 수 있어?"라고 묻는다.

AI에게도 그런 선생님 역할을 맡기면 된다.

모름을 정확히 만드는 3분 루틴

공부하다가 막혔을 때 바로 AI에게 답을 요구하지 말고, 3분만 투자해보자. 이 3분이 이후 30분을 아껴준다.

첫째, 내가 아는 것을 한 문장으로 쓴다. 예를 들어 "등차수열은 일정한 수를 더해가는 수열이라는 것은 안다." 이렇게 적는다.

둘째, 헷갈리는 지점을 한 문장으로 쓴다. "그런데 일반항 공식이 왜 그렇게 나오는지 모르겠다." 이 문장이 중요하다. 모름이 단원 전체에서 공식의 원리로 좁혀졌다.

셋째, AI에게 진단과 설명을 동시에 요청한다.

나는 [주제]에 대해 여기까지는 알아: [내가 아는 것].
그런데 이 부분이 막혀: [헷갈리는 것].
내가 막힌 지점이 개념, 원리, 공식, 사례, 적용 중 어디인지 분류해줘. 그다음 그 부분만 집중해서 설명해줘. 설명 후에는 내가 이해했는지 확인하는 짧은 문제를 내줘.

이 루틴은 모든 과목에 적용할 수 있다. 수학, 영어, 과학, 코딩, 자격증, 독서까지 마찬가지다.

예를 들어 자격증 공부를 하는 직장인이라면 이렇게 쓸 수 있다.

나는 재무제표에서 매출액과 영업이익이 서로 다른 항목이라는 것은 알아. 그런데 실제 기업 사례를 볼 때 어떤 숫자를 더 중요하게 봐야 하는지 헷갈려. 내가 막힌 지점이 개념, 원리, 사례, 적용 중 어디인지 분류해주고, 투자 초보자 수준에서 설명해줘. 마지막에는 간단한 기업 상황을 주고 어떤 지표를 봐야 하는지 묻는 퀴즈를 내줘.

영어 학습자라면 이렇게 바꿀 수 있다.

나는 관계대명사가 앞의 명사를 설명한다는 것은 알아. 그런데 which와 that을 언제 구분해서 쓰는지 헷갈려. 내가 막힌 지점을 분류해주고, 예문과 반례를 통해 설명해줘. 마지막에는 빈칸 문제를 내줘.

이처럼 "아는 것"과 "막힌 것"을 함께 제시하면 AI는 훨씬 정확하게 반응한다. 중요한 것은 완벽하게 설명할 필요가 없다는 점이다. 어설프게라도 현재 상태를 말하면 된다. AI는 그 어설픔을 단서로 삼아 학습 경로를 조정할 수 있다.

좋은 질문은 공부 시간을 줄이고 생각 시간을 늘린다

많은 사람이 AI를 쓰면 공부 시간이 줄어든다고 기대한다. 맞다. 하지만 정확히 말하면 AI는 '허비되는 시간'을 줄여준다. 같은 문단을 다섯 번 읽고도 무엇이 문제인지 모르는 시간, 해설을 베껴 쓰고도 다시 틀리는 시간, 개념이 헷갈리는데 어디가 헷갈리는지 몰라 멍하니 있는 시간을 줄여준다.

대신 AI는 생각 시간을 늘려야 한다. 질문하고, 답을 검토하고, 자기 말로 설명하고, 다시 문제에 적용하는 시간이 늘어나야 한다. 이것이 AI 공부법의 핵심이다. AI에게 맡길 것은 설명의 속도와 예시의 다양성이다. 내가 해야 할 것은 모름을 자각하고, 판단하고, 꺼내보고, 검증하는 일이다.

앞으로 공부하다가 "모르겠다"라는 말이 떠오르면 바로 멈춰라. 그리고 이렇게 물어보자.

나는 지금 무엇을 모르는가?
뜻을 모르는가, 이유를 모르는가, 공식을 모르는가, 예시가 없는가, 적용을 못 하는가?

이 질문을 던지는 순간 공부의 방향이 달라진다. 모름은 실패가 아니다. 모름은 학습이 시작되는 위치 표시다. 중요한 것은 그 위치를 흐릿하게 놔두지 않는 것이다.

AI는 당신의 모름을 부끄럽게 만들지 않는다. 몇 번이고 다시 설명해줄 수 있고, 다른 비유를 들 수 있고, 쉬운 문제부터 어려운 문제까지 만들어줄 수 있다. 그러나 AI가 대신 알아줄 수 없는 것이 하나 있다. 바로 "내가 어디서 막혔는지 말하려는 노력"이다.

그 노력을 시작할 때, AI는 비로소 진짜 개인 튜터가 된다. 그리고 공부는 더 이상 막연한 싸움이 아니라, 정확한 질문을 따라 한 걸음씩 전진하는 과정이 된다.