생각 먼저, AI는 그 다음

게시일: 2025년 12월 8일 | 원문 작성일: 2025년 12월 2일 | 저자: Ines Lee | 원문 보기

• • •

이런 경험, 다들 있죠 — 지인이 어디서 일하는지, 맛집 이름이 뭐였는지 떠올리지 못하면서도, LinkedIn이나 Google Maps 어디에 그 정보가 있는지는 정확히 아는 그런 순간. AI는 비슷한 방식으로 우리의 인지 구조를 재편하고 있어요 — 다만 훨씬 빠르게요.

경제학자이자 옥스퍼드와 케임브리지에서 학생들에게 독립적 사고를 가르쳤던 Ines Lee는 어느 날 오후 ChatGPT가 다운되자 자신도 모르게 AI에 의존하게 됐다는 걸 깨달았어요. 그녀가 말하는 답은 AI를 덜 쓰는 게 아니라, 다르게 쓰는 거예요. MIT 뇌과학 연구를 바탕으로, Ines는 AI의 역량을 활용하면서도 인지적으로 활성화된 상태를 유지하는 세 가지 실천적 원칙을 제시합니다. — Kate Lee

• • •

어느 날 오후 프레젠테이션을 준비하다가 ChatGPT가 다운됐을 때, 저는 문서를 열고 멈칫했어요. 왜 그 프레임워크들이 제가 준비한 예시와 연결되는지 설명할 수가 없었어요. 제 설명은 더 이상 접근할 수 없는 채팅 기록에 갇혀 있었거든요.

경제학 강사로서 저는 옥스퍼드와 케임브리지에서 학생들에게 독립적으로 생각하고, 가정에 의문을 제기하고, 프레임워크를 암기하는 대신 새로운 상황에 적용하는 법을 가르쳤어요. 정작 저 자신은 그 능력을 잃어가고 있었던 거죠 — 그리고 저만 그런 게 아니었어요. 지식 노동 분야의 동료들도 AI 없이는 의미 있는 프로젝트를 시작하기 점점 어려워진다고 했거든요.

지난 6월, MIT 연구자들이 우리가 경험하는 현상을 설명하는 연구 결과를 발표했어요. 그들은 54명의 학생들이 세 가지 조건에서 에세이를 쓰는 동안 뇌를 스캔했어요: ChatGPT만 사용하기, Google만 사용하기, 또는 자기 생각만으로 쓰기.

결과는 충격적이었어요. ChatGPT 그룹이 가장 낮은 뇌 활동을 보였고, 83%가 자신이 쓴 내용을 기억하지 못했어요 — 다른 그룹은 11%에 불과했어요. “ChatGPT가 우리를 덜 똑똑하게 만드는가?”라는 헤드라인이 나왔죠.

하지만 대부분의 보도가 놓친 발견이 연구에 숨어 있었어요. 연구자들은 AI 사용 순서를 다르게 했을 때 어떤 일이 일어나는지도 테스트했거든요. 일부 참가자는 먼저 생각하고, 그 다음 AI를 사용(brain → AI)했어요. 다른 참가자는 AI를 먼저 사용하고, 그 다음 스스로 생각(AI → brain)했죠.

brain → AI 그룹은 AI를 사용하는 동안에도 더 나은 주의력, 계획성, 기억력을 보였어요. 놀랍게도 그들의 인지적 활성화는 AI를 전혀 사용하지 않은 학생들만큼 높았어요. 연구자들은 이렇게 해석해요: 먼저 독립적으로 생각하면서 내부 프레임워크를 구축했기 때문에, AI의 제안을 그 위에 통합할 수 있었고 인지적 활성화가 유지된 거라고요.

반면에 AI로 시작한 학생들은 나중에 혼자 작업하기로 바꾼 후에도 머리가 멍한 상태로 남아 있었어요. 수동적으로 시작하면 수동적으로 남는다는 거예요.

이 연구는 한계가 있어요 — 작은 샘플, 인위적인 과제, 아직 동료 심사 전. 하지만 그 패턴은 제가 강의실에서, 그리고 제 작업에서 본 것과 일치했어요. 기술이 인지를 재편하는 건 이번이 처음이 아니에요. 2011년 연구는 사람들이 나중에 구글링할 수 있다는 걸 알면, 정보 자체가 아니라 어디서 찾는지를 기억한다는 걸 발견했어요. 2020년 연구는 GPS 내비게이션을 자주 쓰는 사람들이 공간 감각이 둔해지고 길 안내 없이 이동하는 걸 어려워한다는 걸 보여줘요. AI도 같은 패턴을 따라요 — 더 높은 위험과 함께.

문제는 AI를 사용할지 말지가 아니에요. 인지 역량을 잃지 않으면서 어떻게 사용할 것인가예요 — 추론을 방어하고, 새로운 맥락에 맞게 사고를 조정하고, 우리 접근법이 어디서 실패할 수 있는지 이해하는 능력 말이에요.

MIT 연구에 답이 있어요: 순서가 중요하다. 아래에서 소개하는 세 가지 원칙은 가정에 도전하고, 사각지대를 드러내고, AI가 모든 생각을 대신하게 두는 대신 당신이 추론을 직접 설명할 수밖에 없도록 만드는 방식으로 AI를 사용하기 위해 제가 개발한 것들이에요.

하지만 먼저, 이 원칙들이 작동하게 만드는 근본적 구분을 이해해야 해요: 수동적 소비와 능동적 협업의 차이예요.

• • •

AI와 함께 생각하는 법: 능동적 사용 vs 수동적 사용

음악을 배우는 두 가지 방법을 생각해보세요. 하나는 암기로 배우는 거예요 — 아이가 베토벤의 “엘리제를 위하여”에서 손 위치를 외우고, 반복 훈련으로 손가락을 단련해서 완벽하게 연주할 수 있게 되는 것처럼요.

또 하나는 곡의 구조, 코드 진행, 화성 논리를 이해하며 배우는 거예요. 여전히 손가락이 패턴을 알 때까지 연습하지만, 왜 그 음악이 작동하는지 이해해요. 이제 조옮김도 할 수 있고, 변주도 즉흥으로 만들 수 있고, 어떤 변경이 작동하고 안 하는지 설명할 수 있어요.

같은 패턴이 프로그래밍에서도 나타나요: AI에게 코드를 생성하도록 요청하기 전에 접근법을 먼저 계획하는 개발자들이 프롬프트로 시작하는 사람들보다 시스템을 더 잘 이해하게 돼요.

하지만 개인의 생산성보다 더 큰 게 걸려 있어요. 연구에 따르면 비판적 사고 능력이 떨어지고 있어요, 특히 젊은 직장인들 사이에서 — 정확히 고용주들이 점점 더 이런 역량을 요구하는 시점에요. 점점 드물어지는 역량이 바로 조직이 가장 필요로 하는 거예요: 추론을 방어하고, 새로운 맥락에 맞게 사고를 조정하고, 접근법이 어디서 실패할 수 있는지 이해하는 능력.

수동적 AI 사용은 음악을 암기로 배우는 것과 같아요. AI가 생성하는 걸 따라가면 결과물 — 에세이, 전략 문서, 분석 — 을 만들어낼 수 있어요. 하지만 당신이 그 주장이 왜 설득력 있는지, 어떤 가정을 하는지, 어디서 실패할 수 있는지 항상 이해하는 건 아닐 거예요. 누가 다른 맥락에 적용하라고 하면 막힐 수 있어요. 추론을 방어해야 하면 답이 없어요. 결과물은 채팅 기록에만 남고, 당신의 이해로는 남지 않아요.

예를 들어볼게요:

수동적 사용에서는 답을 받아요. 심지어 실행할 수도 있어요. 하지만 당신 팀에게 “더 나은 커뮤니케이션”이 구체적으로 뭔지, 현재 문제의 원인이 뭔지, 왜 특정 해결책이 당신 맥락에서 실패할 수 있는지 고민하지 않았어요.

능동적 AI 사용은 모델과 협업하면서 이해를 쌓는 거예요. 당신이 직접 문제를 프레이밍하고, 초안을 작성하고, 그 다음 AI를 써서 가정에 도전하고, 사각지대를 발견하고, 논증을 다듬어요. 손가락 위치를 외우는 게 아니라 음악 이론을 배우는 거예요. 기계가 도와주지만, 생각의 주도권은 당신한테 있어요.

여전히 AI의 도움을 받지만, 그 도전이 타당한지, 질문이 진짜 간극을 드러내는지, 제안이 당신 상황에 맞는지 평가할 수 있을 만큼 충분히 생각한 거예요. 전략이 왜 작동하는지 이해하니까 상황이 바뀔 때 적응할 수 있어요.

물론, 수동적 AI 사용도 자리가 있어요: 스크린샷에서 텍스트 옮기기, 데이터로 정형 보고서 만들기, 같은 메시지의 여러 버전 만들기. 이런 건 음계와 기술 연습 같은 거예요 — 깊은 이해가 필요 없는 기계적 작업이에요.

하지만 판단, 학습, 깊은 이해가 중요한 작업에서는 당신만의 이해를 쌓아야 해요.

그럼 수동적이 아닌 능동적 상태를 유지하려면 AI 협업을 어떻게 구조화할까요? 다음 세 가지 원칙 각각은 사고 과정의 다른 지점에서 마찰을 만들어, AI의 역량을 활용하면서도 당신이 인지적으로 활성화된 상태를 유지하게 해요.

능동적 AI 사용을 위한 세 가지 원칙

원칙 1: 생각 먼저, AI는 그 다음

MIT 연구에서 결정적인 걸 발견했어요: 자기 생각으로 시작하면 전 과정에서 인지적으로 활성화된 상태를 유지해요. AI로 시작하면 사용을 멈춘 후에도 뇌를 활성화하기 어려워요.

그래서, 의미 있는 작업에서는 AI에게 대신 생성하라고 하기 전에 먼저 스스로 생각하세요. 본격적인 작업 전에 인지 근육을 워밍업한다고 생각하세요. 채울 빈 백지가 아니라 테스트할 관점을 가지고 AI와의 대화에 임하는 거예요.

올 여름, 저는 학부생들에게 행동경제학 과목을 가르치고 있었어요. 전년도 학생 피드백에서 그들이 시험은 통과하지만 개념을 새로운 상황에 적용하는 걸 어려워한다는 게 드러났어요. 개념이 서로 쌓이는 방식을 재구성해야 했어요.

처음엔 ChatGPT한테 이렇게 물어보고 싶었어요: “깊은 학습과 적용을 촉진하는 6주 행동경제학 과정을 설계해줘.” 대신, 저는 노트북을 들고 한 시간을 제가 아는 것을 정리하는 데 썼어요: 학생들이 어떤 개념을 쉽게 이해하고 어떤 걸 어려워했나? 어디서 예측 가능한 실수를 했나? 어떤 실제 예시가 호기심을 일으키고 어떤 게 그냥 따라가게 했나? 선행 지식에 대해 뭘 가정하고 있었나?

ChatGPT를 열었을 때, 저는 테스트할 프레임워크가 있었어요. 제 노트 — 개념 맵, 파악한 학습 난관, 씨름하던 질문들 — 를 주고 순서에 도전하고 사각지대를 찾아달라고 했어요. 제안된 순서를 그냥 받아들이는 대신, “저 순서가 교육학적으로 맞아?”라고 평가할 수 있었어요. 아무 준비 없이 시작했다면 놓쳤을 구조적 문제를 잡았어요. 그리고 제가 먼저 개념적 지형을 매핑했기 때문에 과목이 더 날카로워졌다고 꽤 확신해요.

판단과 이해가 중요한 프로젝트에서 AI를 사용하기 전에, 30분을 스스로 생각을 정리하는 데 쓰세요: 뭘 이미 알고 있나? 가설은 뭔가? 뭐가 불분명하게 느껴지나? 어떤 제약이 중요한가?

정말 막막하고 시작하는 데 도움이 필요하면, AI를 써서 답을 생성하는 대신 질문을 하세요:

너는 나의 협력자야. 네 역할은 답하는 게 아니라 질문하는 거야.

아래 브리프를 보고, 아직 해결책을 제안하지 마. 대신 맥락과 제약조건을 고려해서, 목표 달성에 도움이 될 핵심 질문을 딱 5개만 물어봐.

내 브리프:

목표: [예: “50인 원격 스타트업을 위한 4주 온보딩 프로그램 설계”]

대상/최종 사용자: [예: “EMEA 지역 비기술직 신입사원; 온보딩 담당 매니저들”]

맥락: [예: “완전 원격, 5개 시간대; 3-4주차에 이탈률 급증 이력”]

제약조건: [예: “예산 £5k; Google Workspace만 사용; GDPR 준수; 주당 최대 4시간”]

이해관계자: [예: “인사팀장; 팀 리드들; CEO 스폰서”]

질문만 하고 거기서 멈춰. 아직 계획을 제시하거나 콘텐츠를 만들지 마.

원칙 2: AI를 코치로, 치어리더가 아니라

AI의 기본 모드는 도움을 주려고, 맞장구치려고 하는 거예요. 연구자들이 “아첨(sycophancy)“이라고 부르는 경향이 있어요 — 당신이 듣고 싶어 한다고 생각하는 것에 맞춰 응답을 조정하는 거예요. 내버려 두면, AI는 당신 아이디어가 훌륭하고, 논리가 탄탄하고, 글이 설득력 있다고 말할 거예요.

엄격하게 생각하려고 할 때 이건 우리한테 전혀 도움이 안 돼요.

AI를 기분 좋은 메아리 대신 인지적 스파링 파트너가 되도록 명시적으로 프롬프트하세요. 뭐든 맞춰주려는 인턴을, 당신이 더 엄격하게 생각하도록 밀어붙이는 코치로 바꾼다고 생각하세요.

최근에 AI가 노동 시장에 어떤 영향을 미칠지에 대한 연구 보고서를 써달라는 요청을 받았어요. 지배적인 서사는 직관적이에요: AI가 초급 화이트칼라 일자리를 없앨 거고, 그 과정에서 수백만 노동자를 대체할 거라는 거예요.

ChatGPT에게 이 합의된 견해를 설명하도록 도와달라고 하는 대신, 저는 악마의 옹호자 프롬프트를 썼어요: “지배적인 주장은 AI가 초급 지식 노동을 쓸어버릴 거라는 거야. 네 일은 이 서사를 해체하는 거야. 경제 이론이나 역사적 선례로 뒷받침되는 가장 강력한 반론 세 가지가 뭐야? 외교적이지 마. 진심으로 이 입장에 도전해.”

그 프롬프트는 제가 충분히 고려하지 않았던 세 가지 관점을 끌어냈고, 놓치고 있던 섬세한 대안들을 발전시키는 데 도움이 됐어요. 더 중요한 건, 단지 대안적 견해가 있다는 게 아니라 통념이 왜 틀릴 수 있는지 이해하게 됐어요.

이런 종류의 지적 마찰을 만드는 세 가지 프롬프트가 있어요:

제3자 리뷰어 접근법:

너는 유명 매체의 최고 편집자 중 한 명이야. 이 매체는 [주제/분야] 전문이야. 한 작가가 이 글 [당신의 작업물]을 제출했고, 너는 게재 여부를 판단하는 내부 메모를 편집팀에 써야 해. 항상 객관적이고 솔직하게 분석해.

네 할 일:

- 초고를 읽고 분석하기

- 게재 승인 여부 결정하기

- 초고의 강점과 약점에 대해 저자에게 구체적인 피드백 작성하기. 최고의 완성도로 다듬기 위한 명확한 다음 단계 제시하기

이 프롬프트는 AI의 대화 상대를 바꿔줘요. “사용자에게 직접 피드백을 준다”고 인식하면 아첨하게 되지만, 다른 편집자들에게 당신의 글에 대해 이야기하는 상황으로 만들면 달라져요. “사용자님”에게 직접 말하는 게 아니니까, 당신의 기분을 배려하느라 말 돌리는 일 없이 전문가답게 솔직해져요.

구조적 간극 매퍼 접근법:

내 논리를 분석하고 아래 항목들로 내 사고 구조를 정리해줘:

(a) 내 핵심 주장이 뭐야? (없으면 말해줘)

(b) 그 주장까지 어떤 논리 흐름으로 왔어?

(c) 내가 말하지 않은 가정들이 뭐야? 정당화하지 않은 인과 관계나 추론이 있어?

(d) 주장을 견고하게 만들려면 어떤 증거나 추가 추론이 필요해?

구체적으로 내 주장의 어느 부분에 이런 빈틈이 있는지 짚어줘.

이 프롬프트는 AI를 단순 생성이 아닌 구조적 사고에 쓰도록 유도해요.

악마의 옹호자 프롬프트:

악마의 옹호자 모드로 전환해. 둘러대지 말고 가차 없이 솔직해줘.

내 입장은 이거야: [당신의 주장].

구체적인 증거와 함께 가장 강력한 반론 세 가지를 줘. 표현을 부드럽게 하거나 비판을 완화하지 마. 진짜로 내 논지를 해체해봐.

목표는 진짜 지적 마찰을 만드는 거예요. 작업에 너무 몰입해 있어서 스스로 볼 수 없는 약점을 AI가 드러내게 하려는 거예요.

원칙 3: 의도적으로 마찰을 만들기

AI는 따라가기 쉬운 방식으로 설명하기 때문에, 우리는 연구자들이 “이해의 착각”이라고 부르는 것에 빠지기 쉬워요. 실제로 배운 것보다 더 많이 이해했다고 착각하게 되죠. 진짜 이해는 우리가 생각을 명확히 표현할 수밖에 없을 때만 나타나요, 설명해봐야 미처 몰랐던 빈틈이 드러나니까요.

이 아이디어는 노벨상 수상 물리학자 리처드 파인만의 간단한 이해 테스트의 기초예요: 5살짜리한테 설명할 수 없으면, 당신은 진짜 이해한 게 아니에요.

저는 교육 경력 초기에 이걸 어렵게 배웠어요. 새로운 개념을 가르치려고 준비할 때, 논문을 읽고 이해했다고 느꼈어요. 그런데 학생이 기본적인 질문을 하면 막혔어요. 아이디어에 대한 막연한 감각은 있었지만 근본 논리나 관련 개념과 뭐가 다른지 명확하게 설명할 수 없었어요. 설명을 읽기만 했지 저만의 이해를 쌓지 않았던 거예요.

이제 새로운 걸 배울 때 — 가르치려고 준비하든 복잡한 연구 논문을 이해하려 하든 — AI를 다르게 써요. 개념을 설명해달라고 하는 대신 이렇게 프롬프트해요: “뭐든 설명하기 전에, 내가 이 개념을 학생들에게 가르치듯 설명하게 해. 내 설명이 막연하거나 핵심 요소를 놓치면, 뭐가 빠졌는지 지적하고 다시 해보라고 해.”

AI 설명을 그냥 받아들이지 말고, 당신이 직접 설명할 수밖에 없도록 만드는 프롬프트를 쓰세요. 몇 가지 방법을 소개할게요.

파인만 테스트:

중간중간에 이 주제에 대해 아무것도 모르는 사람한테 가르친다고 생각하고 설명해보라고 해줘. 네 답변을 참고하지 않고 내가 핵심 내용과 논리를 명확하게 설명할 수 없다면, 그건 아직 제대로 이해하지 못했다는 신호야.

회상 프롬프트:

어떤 제안이나 분석을 해주기 전에, 먼저 내가 제대로 이해했는지 확인해줘. 내 핵심 논지, 뒷받침 증거, 가장 큰 우려를 떠올려서 설명해보라고 해줘. 이 세 가지를 제대로 말하기 전까지는 새로운 내용을 주지 마. 내가 제대로 못 떠올리면, 뭐가 빠졌는지 지적하고 다시 해보라고 해.

한 질문 규칙:

나는 복잡한 문제를 성급하게 넘어가는 경향이 있어. 네 역할은 한 번에 하나의 질문만 해서 속도를 늦춰주는 거야. 내가 답할 때마다, 다음 질문으로 넘어가기 전에 멈추고 내 논리를 설명해보라고 해. 내가 건너뛰려 하거나 대충 답하려고 하면, 제동 걸어서 더 파고들게 해줘.

• • •

AI와 함께 생각하기, AI에 의해 생각하기가 아니라

날카로운 상태를 유지하고 싶은 것과 경쟁력을 유지해야 하는 것 사이의 긴장을 느꼈다면, 둘 중 하나를 선택할 필요가 없어요. 당신을 가치 있게 만드는 인지 역량은 AI를 사용할 때 사라지지 않아요. 하지만 수동적으로 사용하면 퇴화할 수 있어요.

그래서, 다음 의미 있는 프로젝트에서는:

1. 30분 먼저 생각하세요: 프롬프트하기 전에 아는 것을 적으세요.
2. AI를 비평가로 만드세요: 검증이 아니라 가정에 도전하도록 요청하세요.
3. 스스로 설명하게 강제하세요: 명확하게 표현할 수 없으면 아직 이해하지 못한 거예요.

MIT 연구는 가능한 걸 보여줬어요: 효율을 위해 인지적 깊이를 희생할 필요가 없어요. AI는 당신의 사고를 증폭시킬 수도 있고 대체할 수도 있어요. 대개, 그 차이는 도구를 쓰는지 여부가 아니라 어떻게 쓰는지에 달려 있어요.