AI가 발전할수록 멍청해지는 사람 vs 압도적으로 성장하는 사람

같은 AI, 다른 미래. 격차는 답을 얻는 속도보다 답을 다루는 태도에서 시작된다.

AI를 쓴 뒤 보고서가 근사해졌다고, 당신의 실력까지 근사해진 것은 아니다.

챗GPT가 만든 문장을 읽고 “내 생각도 이거였어”라고 말하기는 쉽다. 하지만 화면을 닫고 같은 논리를 설명하라고 하면 말문이 막힌다. 결과물은 전문가 수준인데, 작성자는 내용을 방어하지 못한다. 우리는 이 상태까지 생산성이라는 이름으로 칭찬하고 있는 건 아닐까.

이 글에서 말하는 ‘멍청해짐’은 지능검사 점수의 하락이 아니다. 자기가 내놓은 답을 이해하고, 의심하고, 고칠 기회를 반복해서 건너뛰는 상태를 가리킨다. 사람을 두 부류로 고정하려는 말도 아니다. 누구나 같은 날 어떤 업무에서는 배우고, 다른 업무에서는 생각을 외주화한다.

문제는 그중 어느 쪽을 습관으로 만드느냐다.

1. AI 의존의 함정: 결과물의 수준을 내 실력으로 착각한다

초안을 맡기는 것보다 위험한 것은 판단까지 맡기는 일이다

블로그 글 하나를 AI로 완성했다고 해보자. 문장은 매끄럽고 소제목도 그럴듯하다. 그런데 핵심 주장의 근거가 무엇인지, 반대 사례는 없는지, 왜 이 결론을 택했는지 설명할 수 없다면 무엇을 얻은 걸까.

게시할 문서는 얻었다. 그 문서를 판단할 능력까지 얻었다고 말할 수는 없다.

초안 생성이나 반복 작업의 자동화 자체가 문제는 아니다. 매번 첫 문장부터 혼자 쓸 필요도 없다. 다만 무엇이 좋은 결과인지 정하는 기준까지 AI에게 받아오면, 검토는 승인 버튼을 누르는 의식으로 전락한다.

“AI가 이렇게 말했는데요”는 근거가 아니다. 책임을 미루는 문장이다.

편해진 뒤 남은 시간을 어디에 쓰는가

인지적 오프로딩은 기억·계산·정보 처리의 부담을 외부 도구에 맡기는 것이다. 메모장과 계산기도 이 역할을 한다. 부담을 덜어내는 행위만으로 사고력 저하를 단정할 수는 없다.

오히려 따져야 할 것은 확보한 여유의 사용처다. 자료 정리에 쓰던 시간을 가설 검토에 쓰는가. 아니면 검토까지 생략하고 더 많은 결과물을 내보내는가.

전자는 생각할 공간을 산다. 후자는 생각하지 않을 구실을 산다.

2. AI가 사고력을 떨어뜨린다는 연구, 어디까지 사실인가

비판적 사고 연구는 ‘지능 저하’를 증명하지 않았다

2025년 CHI에 발표된 연구는 지식노동자 319명이 제공한 생성형 AI 업무 활용 사례 936건을 분석했다. AI에 대한 신뢰가 높을수록 비판적 사고를 덜 수행한다고 보고하는 경향이 있었고, 자신의 과제 수행 능력에 대한 자신감은 반대 방향의 관련성을 보였다. 연구 원문 안내

설문과 자기보고에 기반한 결과다. AI가 인간의 지능을 떨어뜨린다는 인과관계나 장기적인 능력 퇴화를 입증한 실험은 아니다.

그러나 질문은 불편하게 남는다. 우리는 AI의 답이 정확해서 검토를 줄이는가, 정확할 것이라고 믿고 싶어서 줄이는가.

연구는 비판적 사고의 무게중심이 정보 검증, 답변 통합, 작업 전반의 관리로 옮겨가는 모습도 짚었다. 생각할 일이 사라졌다기보다, 생각해야 할 위치가 달라진 셈이다.

AI는 초보자의 성장을 도울 수도 있다

반대쪽 근거도 보자. 2025년 『The Quarterly Journal of Economics』에 실린 연구는 고객지원 상담원 5,172명의 데이터를 분석했다. AI 지원 도입으로 시간당 문제 해결 건수가 평균 15% 늘었고, 경험이나 숙련도가 낮은 직원에게 개선 효과가 더 크게 나타났다. 학습을 돕는다는 증거도 보고됐다. Generative AI at Work

특정 기업의 고객지원 업무 결과를 모든 직업과 학습 상황에 적용할 수는 없다. 그래도 “AI를 쓰면 바보가 된다”는 단정이 얼마나 허술한지는 보여준다.

AI를 쓰는가만 물어서는 부족하다. 어떤 도움을 받고, 무엇을 익히며, 어디에서 직접 판단하는지를 봐야 한다.

3. 같은 챗GPT를 써도 성장하는 사람의 활용법은 다르다

먼저 가설을 세우고, AI에게 반박을 요구한다

신제품 출시 계획을 만든다는 가상의 상황을 보자.

한 사람은 “잘 팔릴 마케팅 전략을 작성해줘”라고 요청한다. 답변을 발표 자료로 옮긴다. 다른 사람은 먼저 고객, 문제, 예산, 성공 기준을 적는다. 그런 다음 AI에게 묻는다.

이 전략이 실패할 가장 강력한 이유 세 가지를 제시해줘. 각 이유를 확인하는 데 필요한 데이터와 저비용 실험을 제안하고, 사실·추정·미확인 정보를 구분해줘.

물론 반박도 틀릴 수 있다. 그러니 AI가 제시한 내용을 실제 고객 반응이나 원자료와 대조해야 한다. 반론을 생성했다는 사실만으로 검증이 끝나지는 않는다.

성장에 도움이 되는 지점은 질문의 길이가 아니다. 내 가설을 꺼내놓고, 틀릴 조건을 찾고, 현실의 피드백으로 수정하는 과정이다.

프롬프트 수집보다 평가 기준을 축적한다

프롬프트를 백 개 저장해도 좋은 답을 판별할 기준이 없으면, 그럴듯한 답을 백 번 받아낼 뿐이다.

글을 쓴다면 주장의 선명함과 근거의 적합성을, 코드를 만든다면 요구사항 충족 여부와 실패 조건을, 이미지를 만든다면 구도와 전달력을 평가해야 한다. 전문지식이 부족하면 작은 예제, 신뢰할 수 있는 참고 자료, 실제 시험 결과를 발판으로 기준을 배워야 한다.

“더 좋게 해줘”를 반복하는 것과 “이 주장은 이 근거로 뒷받침되지 않는다”고 지적하는 것 사이에는 큰 차이가 있다. 후자는 무엇을 고쳐야 하는지 알고 있다.

4. 생산성은 올랐는데, 내 실력도 늘었을까

두 가지 장부를 따로 기록하라

오늘 보고서 세 개를 완성한 것은 성과다. 새 개념을 설명할 수 있게 된 것도 성과다. 다만 같은 성과는 아니다.

생산성 장부에는 완료한 일, 절약한 시간, 결과의 품질을 적자. 학습 장부에는 새로 이해한 원리, 찾아낸 오류, 다음에 혼자 판단할 수 있는 것을 적자.

생산성 장부만 채워지는 날이 있어도 괜찮다. 모든 업무가 공부일 필요는 없다. 다만 배우려는 분야에서조차 학습 장부가 계속 비어 있다면, 도구 사용 시간을 성장 시간으로 계산하고 있는지 의심해야 한다.

모든 과정을 직접 해야 한다는 주장도 버려라

AI 없이 고생한 시간에 자동으로 배움이 쌓이는 것은 아니다. 단순 반복에 시간을 소진하면 더 중요한 연습을 놓칠 수 있다.

핵심은 목적이다. 납품이 목적이면 자동화를 적극 활용하되 품질을 확인하자. 학습이 목적이면 직접 풀어볼 구간과 피드백을 받을 구간을 남겨두자. 목적이 다른데 사용법이 늘 같다면, 효율이라는 말부터 다시 따져볼 필요가 있다.

5. 사고력을 지키는 AI 활용법: 오늘부터 바꿀 다섯 가지

① 질문 전에 내 판단을 세 줄로 남긴다

‘내가 풀 문제, 현재 가설, 모르는 것’을 적는다. 정답일 필요는 없다. AI의 답과 비교할 출발점이면 된다.

② 동의 대신 취약점을 요청한다

“칭찬보다 빠진 전제와 반례를 찾아줘”라고 묻는다. 반론도 그대로 믿지 말고, 실제로 성립하는지 따져본다.

③ 중요한 근거는 원문으로 돌아간다

수치, 연구, 인용은 원문에서 확인한다. 논문이 실재하는지와 그 논문이 내 주장을 지지하는지는 별개의 문제다. 같은 AI에게 다시 물어 얻은 확신을 독립적인 검증으로 착각하지 말자.

④ 완성 뒤에는 화면을 닫고 설명한다

왜 이 결론을 택했는지, 핵심 전제는 무엇인지, 어떤 조건에서 틀리는지 자신의 말로 설명한다. 막히는 부분은 다음에 배울 내용이다. 설명만으로 실제 수행 능력이 증명되는 것은 아니므로, 필요한 경우 작은 문제를 직접 풀거나 결과를 시험해보자.

⑤ 학습 과제에는 도움 없는 재도전을 넣는다

처음에는 힌트를 받고, 다음에는 유사한 문제를 혼자 풀어본다. 막히면 실패 지점을 확인한 뒤 다시 도움을 받는다. 도움을 끊는 의식보다, 무엇이 내게 남았는지 확인하는 과정이 중요하다.

6. 같은 AI, 다른 미래: 당신은 무엇을 축적하고 있는가

AI 시대에 가장 경계해야 할 착각은 ‘빨리 끝냈다’를 ‘잘 배웠다’로 번역하는 일이다.

완성도 높은 문서가 나왔다는 사실은 그 문서를 설명해준다. 작성자의 이해까지 보증하지는 않는다. 그 간극을 외면하면 결과물은 쌓여도 판단 기준은 빈약한 채로 남을 수 있다.

반대로 AI가 만든 답을 출발점으로 삼아 오류를 찾고, 원리를 익히고, 실제로 시험하는 사람에게는 더 넓은 연습장이 열린다. 성장의 속도는 사람과 환경에 따라 다르다. 누구나 압도적으로 성장한다고 약속할 수는 없다. 하지만 무엇을 연습했는지는 남는다.

오늘 AI로 무엇을 만들었는지만 자랑하지 말자.

그 과정에서 무엇을 이해했고, 어떤 판단을 이제 스스로 할 수 있게 됐는지 말해보자.

그 질문 앞에서 할 말이 없다면, 지금 좋아진 것은 당신의 실력보다 당신이 제출하는 파일일 수 있다.

당신은 AI 덕분에 더 잘하게 된 일이 있는가, 아니면 더 이상 직접 하지 않게 된 일만 늘었는가? 댓글로 구체적인 경험을 남겨보자.