샌프란시스코의 한 창업 행사에서, 한 남자가 가슴에 두 손가락 너비의 금속 캡슐을 하나 달고 있었다. 친구가 무엇인지 궁금해하자, 남자는 이것이 마이크라면서 하루 종일 녹음하고 밤에 오디오를 AI에 넣어 요약·분석한다고 했다. 이야기가 무르익어가자 그는 등줄기 서늘해지는 말을 한마디 던졌다. 「Claude가 나보다 똑똑하고, 비판적 사고도 내보다 강하니까 이제 모든 생각을 다 거기 맡긴다.」
이것은 공상 과학 소설이 아니다. 2026년 7월 14일, AI 연구자 Yennie Jun이 「Are we offloading too much of our thinking to AI?」라는 글에서 기록한 진짜 일화이다. 글은 발표 당일 Hacker News 1위에 올랐다 — 353명이 투표하고 356개 댓글이 달리며 그날 가장 뜨거운 화제가 됐다. 가장 추천을 많이 받은 댓글 하나가 이렇게 적혀 있었다. 「계산기로 덧셈을 한다면, 당신은 여전히 당신이다. 하지만 대부분의 생각을 AI에 맡긴다면 — 당신에게 남는 건 무엇인가?」
이 질문은 많은 이의 머리 위에 매달려 있지만, 대부분은 아직 자기에게 묻기 시작도 하지 않았다.
계산기가 당신을 멍청하게 안 만든다면, AI는 왜 그렇겠는가
반대자들이 가장 자주 쓰는 비유는 계산기다. 「예전에 계산기가 나왔을 때도 학생들이 멍청해질 거라더니, 결과는? 수학 교육이 오히려 암기에서 개념 이해로 옮겨갔지.」 이 논리는 아주 그럴듯해 보인다 — 계산기가 인간의 수학 능력을 파괴하지 않았으니, AI도 자연히 인간의 사고 능력을 파괴하지 않을 터라고.
하지만 여기 가려진 핵심 차이가 하나 있다.
계산기가 당신 대신 하는 것은 산술 — 규칙이 명확하고 경계가 선명한 조작이다. 2 더하기 2는 4, sin(30°)는 0.5, 애매한 영역이 없다. 더 중요한 것은, 계산기가 “무엇을 계산할지”, “왜 계산하는지”, “계산 결과가 무슨 뜻인지”에 관한 어떠한 판단도 대신해주지 않는다는 것이다. 이런 판단·추론·저울질 — 사고의 핵심 단계 — 는 여전히 당신 머릿속에 남는다.
AI가 당신 대신 하는 것은 전혀 다른 것이다. AI는 정보 출처를 평가하고, 어떤 논점이 더 힘 있는지 판단하며, 논증 구조를 조직하고, 결론의 방향을 정한다. 이것들은 보조적 조작이 아니다 — 그것이 곧 생각 자체다.
서호주 대학 연구자들은 2025년 글에서 “계산기 비유”의 다섯 가지 허점을 체계적으로 해체했다. 그중 가장 핵심은: 계산기는 수학이라는 좁은 영역에서만 일하지만, 언어 모델은 고정 경계가 없다는 것 — “이론상 당신은 어떤 유형의 인지 과제든 그것에 위임할 수 있다”. 또 다른 핵심은: 계산기는 환각을 일으키지 않고, 자신 있는 어조로 존재하지 않는 사실을 지어내지 않으며, 출력에 학습 데이터 속 문화적 편향을 심지 않다는 것이다.
필자가 2025년 MDPI 학술지 「Societies」에 실린 실증 연구 하나를 찾아보았다. 연구진은 666명의 참가자를 대상으로 설문과 심층 인터뷰를 했고, AI 도구 사용 빈도와 스스로 보고한 비판적 사고 능력 사이에 통계적으로 유의미한 음의 상관관계가 있음을 발견했다. 구체적으로, AI 도구를 더 자주 쓰는 사람일수록 “정보 신뢰성 평가”, “논증 결함 식별”, “독자적 판단 형성” 세 차원에서 자기 평가 점수가 더 낮았다. 연구 저자는 이 현상을 인지 오프로딩의 매개 효과라 정의했다 — AI가 생각의 중간 단계를 대신 해치워버리니, 당신은 그 단계를 연습할 기회를 잃는다는 것.
이는 마치 달리기를 전혀 안 하던 사람이 갑자기 5킬로미터를 뛰라고 당하는 것과 같다 — 근육은 쓰지 않아 위축됐고, 달리기 능력은 따라서 사라진다. 사고의 근육도 쓰면 늘고 안 쓰면 퇴화하는 원칙을 따른다. 무서운 점은, 체력의 퇴화는 당신이 느낄 수 있다는 것(숨 막히고 다리 아픈)인데, 사고의 퇴화는 문제가 터지기 전엔 무감각하다는 것이다 — AI가 없는 자리에서 독자적 판단을 내려야 하는 순간이 와서야, 당신이 생각하는 법을 잃었음을 깨닫게 된다.
교사 창: 학생들이 모두 A를 받는데, 아무것도 배우지 못했다면
Yennie Jun은 글에서 한 디테일을 들려준다. 그녀의 어머니가 온라인 대학에서 물리를 가르치는데, 최근 불안한 패턴을 발견했다: 대부분 학생의 과제 답안이 거의 똑같았다 — 마치 모두가 같은 문제를 같은 AI 도구에 붙여넣고 그대로 복사해 온 듯. 답안은 꽤 충실해서 채점 기준으로 보면 흠잡을 데 없었고, 대부분 학생이 A를 받았다. 하지만 그녀는 안다, 이 학생들이 아무것도 배우지 못했음을.
AI는 완벽한 답을 낼 수 있지만, 이 과정에서 이 답을 어떻게 도출하는지는 가르쳐주지 않는다. 어떤 공식인가? 왜 이 공식을 골랐나? 다른 경로는 없나? 경계 조건은 무엇인가? 변수를 하나 바꾸면 어떻게 되나? — 이런 질문들이 물리 교육의 핵심인데, AI의 출력은 이 모두를 건너뛴다.
「AI가 강할수록 학습은 약해진다」는 현상은 고립된 사례가 아니다. 하버드 대학 2025년 연구에 따르면, AI 보조 사용을 허용한 강의에서 학생들의 기말 시험 성적이 평균 약 반 단계(letter grade) 하락했고, 하락 폭은 학생의 AI 의존도와 비례했다. 주목할 점은 “AI에서 많이 배웠다”고 자기평가한 학생일수록 실제 시험 성적이 오히려 더 나빴다는 것 — AI가 내놓는 유창한 설명이 “내가 안다”는 거짓된 느낌을 만들지만, 그 느낌은 진짜 독자적 추론을 요구하는 시험엔 버티지 못한다는 것이다.
하나의 실험: 먼저 생각하고, then 물어라
Yennie Jun은 글에서 자신의 경험을 하나 공유했다. 그녀가 포르투갈 여행 중 여동생과 “발견자 기념물” — 포르투갈 대항해 시대를 기리는 랜드마크 — 을 둘러보았다. 두 사람은 의아해했다: 포르투갈은 왜 자기들의 식민 역사를 그리 자랑스러워할까? 미국에선 콜럼버스가 이미 “취소”됐는데, 포르투갈인들은 헨리 왕자를 극진히 추켜세우는 듯했다.
여동생이 폰을 꺼내 들었다. “ChatGPT한테 물어보자.”
Yennie는 먼저 묻지 말고 직접 생각해보자고 제안했다. 두 사람은 추측하기 시작했다: 포르투갈이 미국보다 더 단일하고 더 종교적이어서일까? “대항해”가 포르투갈 민족 서사에서 가장 빛나는 장이니, 이 역사를 선택적으로 미화했을까? 그들은 추측하고, 추론하고, 서로 반박하고, 고등학교 때 배운 역사 디테일을 떠올렸다. 많은 추측이 틀렸을 수도 있음을 그들은 알았다 — 그것이 연습의 일부였으니까.
마지막에 그들은 AI에게 물었다. AI의 답은 대부분의 추측을 확인해주었고, 그들이 생각지 못한 몇 각도를 보태주었으며, 그들이 여전히 합리하다고 본 가능성 몇 개는 놓치기도 했다.
이 실험의 가치는 최종 답에 있지 않다. 가치는 그 “먼저 한번 추측해보기” 과정에 있다. AI에 바로 물었다면 답이 1초 안에 화면에 떴을 것이고, 당신은 읽고 고개 끄덕인 뒤 잊어버렸을 것이다. 하지만 먼저 스스로 생각하고 나면 — 구멍 뚫린 생각이라 해도 — AI의 답은 더 이상 결론이 아니라, 당신이 대화할 수 있는 대상이 된다: 여긴 내가 생각해봤고, 여긴 못 미처 고려했고, 이 설명은 좀 안 믿긴다.
Hacker News에서 반복 인용된 댓글 하나가 유용한 프레임을 제시했다. 댓글자 jvanderbot는 AI 사용을 두 가지 모드로 나누었다: “속삭임 귀걸이”와 “외골격”. 속삭임 귀걸이 모드는 당신이 AI에 방향을 구하는 것 — “지금 내가 어쩌지?”, “문제가 어딘 것 같아?” — 으로, 당신이 사고의 주도권을 넘기고 AI가 판단을 대신한다. 외골격 모드는 당신이 이미 선명한 아이디어를 갖고, AI로 실행을 가속하는 것 — “이 구조로 저 알고리즘 구현해”, “이 스타일로 저 문장 번역해” — 으로, 당신이 판단을 유지하고 AI는 당신의 손을 연장할 뿐이다.
속삭임 귀걸이는 사람을 위축시키고, 외골격은 사람을 강하게 만든다. 차이는 이것: AI를 자기 뇌에 끼워 넣기 전에, 당신이 먼저 자기 뇌를 써봤는가이다.
동전의 다른 면: AI는 실제로 큰 도움이다
공평히 보자면, AI의 생산성 향상은 실재한다. Yennie Jun은 글에서 몇 가지 예를 들었다: 그녀의 사촌누나가 Gemini로 긴 영문 보고서를 한국어로 번역해 업무 효율을 크게 높였고; 친구가 ChatGPT로 개별 튜터 삼아 몇 달 만에 생화학을 독학해 마쳤으며; 그녀 자신이 AI로 개인 데이터를 분석해 수동으론 찾기 힘든 패턴을 많이 파냈다.
이 예들엔 공통점이 하나 있다: AI가 가속하는 것은 “이미 익힌 기술”의 실행 효율이지, 사람이 “아직 모르는 기술”을 대신 배우게 하는 게 아니다. 사촌누나는 본래 한국어와 영어를 모두 아는 터라, AI는 그저 직역이라는 육체노동을 건너뛰게 해준 것뿐이다. Yennie 본인도 무엇을 분석할지, 무엇을 물지 명확히 알았기에, AI는 실행 층의 가속기였을 뿐이다.
문제는 AI를 당신이 낯설어하는 영역에 둘 때 생긴다.
예를 들어, 잘 모르는 법률 계약서를 AI로 심사할 때. AI는 유창하게 “이 조항에 리스크가 있을 수 있다”고 말해주지만, 당신은 조항 원문을 직접 읽지 않았고, 법적 틀 안에서 리스크 경로를 도출해본 적 없으며, 다른 표현의 차이를 비교해본 적 없다. 당신이 얻는 것은 리스크에 대한 느낌이지, 리스크에 대한 이해가 아니다. 다음에 다른 상황에서 비슷한 조항 구조를 마주쳐도 당신은 알아보지 못할 수 있다 — 당신이 지난번에 리스크가 어떻게 생겼는지 진짜로 “배운” 게 아니라, 그저 결론 하나를 수신했을 뿐이니까.
이것은 also 왜 AI 중독 사용자들이 “뭘 배웠나”라고 물으면 말을 제대로 못 하는지 설명한다 — 그들은 실제로 많은 일을 “완수”했지만, 지식은 그들의 뇌에 침전되지 않았다. 생산성은 곧 학습력이 아니다. 이 두 가지는 AI 시대에 가속 분리되고 있다.
”나는 달리기도 못하지만, 생각은 내게 남은 유일한 것이다”
Hacker News에 많은 공감을 얻은 댓글이 하나 있었다. 댓글자 zerobees가 적었다. “나는 웨이트나 달리기를 잘 못해. 그러니 생각은 내게 남은 유일한 거야.” 이 말의 이면에는 더 깊은 불안이 있다: 생각조차 — 인류 문명 전체가 그 위에 세워진 그 능력조차 — 쉽게 외주 낼 수 있다면, 종으로서 인간의 고유성에 남는 게 무엇인가?
필자의 판단은, 답이 “어떤 층위에서 쓰느냐”에 있을 수 있다는 것이다. 현단계 연구는 흐릿하지만 방향감 있는 경계선 하나를 그려가고 있다: AI를 “이미 아는” 일에 써서 효율 증폭기로 삼고; AI를 “아직 모르는” 일에 쓸 때는 “먼저 생각하고 then 묻기”의 규율을 유지할 것.
이는 흑백논리 문제가 아니다. 당신은 모든 AI 보조를 거절할 수도, 필요로 할 수도 없다. 하지만 답을 대신 내어주기 전, 스스로 30초를 주어 — 생각해보기를: 내가 혼자라면 어떻게 답했을까?
그 샌프란시스코의 마이크 남자, 어느 날 기기가 방전되거나 AI 서비스가 다운되면, 그는 앞의 사람에게 할 말을 알고나 있을까?
본문의 소재는 Yennie Jun이 Art Fish Intelligence에 올린 원문, Hacker News의 관련 토론, 그리고 여러 편의 이미 발표된 인지 과학 실증 연구에서 왔다. 필자는 위 연구 프로젝트에 직접 참여하지 않았으며, 일부 판단은 공개 정보에 대한 해석에 기반하므로 편차가 있을 수 있다. 이 주제에 일차적 경험이나 다른 시각이 있다면 토론을 환영한다.
참고 링크
- Yennie Jun, “Are we offloading too much of our thinking to AI?”, Art Fish Intelligence (Substack), 2026-07-14
- Hacker News 토론 게시물
- Gerlich, M., “AI Tools in Society: Impacts on Cognitive Offloading and the Future of Critical Thinking”, Societies (MDPI), 2025
- “Generative AI is not a ‘calculator for words’. 5 reasons why this idea is misleading”, The Conversation, 2025-08-18
- Javier Santana, “AI and the calculator analogy”, Kognitivo (Substack), 2025-08-07
- METR, “Task-Completion Time Horizons of Frontier AI Models”, 2025
- 플로리다 주립 대학, “AI 고빈도 단어가 인간 구어 어휘에 미친 스며듦 연구”, 2025