생성 AI 혁명은 생산성 향상을 약속하지만, 우리를 더 똑똑하게 만들고 있는 걸까, 아니면 단순히 우리의 사고를 외주화하고 있는 걸까?

Source: Dev.to

Introduction

오늘날 고등 교육을 괴롭히는 유령은 표절이 아니다. 그것은 윤리와 탐지의 문제이며, 우리는 대체로 해결했다. 새로운 유령은 훨씬 더 교활하고 위험하다 — 완벽한 결과물과 텅 빈 마음이라는 유령이다.

상상해 보라. 대학 세미나에 앉아 있는 당신, 학생이 몇 초 만에 서양 평화 조약의 지정학적 복잡성에 관한 2,000단어 에세이를 만들어낸다. 문장은 흠잡을 데 없고, 논증은 날카롭고, 구조는 완벽하다. 하지만 불편한 질문이 떠오른다 — “스크린을 보지 않고 세 번째 단락을 설명할 수 있나요?” 답은 종종 침묵이다.

우리는 이해와 실행이 분리되는 심각한 현상을 겪고 있다. 수세기 동안, 글쓰기, 계산, 코딩과 같은 노동 행위 자체가 학습이 연금되는 용광로였다. 과정 자체의 마찰이 인지가 실제로 일어나는 곳이었다. 이제 그 마찰은 생성 AI에 의해 대체되었습니다.

EdTech 전도사와 업계 리더들이 파는 주된 서사는 AI가 친절한 “공동 조종사”가 되어 학생들을 일상적인 작업에서 해방시켜 “고차원적 사고”에 집중하게 만든다는 것이다. 위안이 되는 이야기 아니겠는가? AI‑강화 고등 교육의 미래를 그리는 서사다.

하지만 그 이야기가 정교하게 만든 환상일 수도 있다. 마음을 해방시키는 대신, 우리는 오히려 그들을 위축시키고 있는 것은 아닐까? 기술에 접근할 수 있는 사람과 그렇지 않은 사람 사이가 아니라, AI를 활용할 수 있는 사람과 AI에 대체될 사람 사이에 새로운 교육 계층 구조를 만들고 있는 것은 아닐까? 교육에서 새로운 계층 구조를 만드는 AI 격차를 생각해 보라.

The Seductive Siren Song of Efficiency

우리가 처한 위험을 진정으로 이해하려면, 먼저 낙관주의자들에게 그들의 공을 인정해 주어야 한다. 그들의 주장은 설득력이 있다. 종종 잘못된 단순함을 띤, 인지 부하 이론(CLT)의 적용에 기반한다.

CLT의 핵심은 작업 기억이 제한된 자원이라는 점이다. 불필요한 인지 부하—혼란스러운 지시나 물류 악몽으로 인한 불필요한 정신적 노력—에 얽매이면 학습이 방해받는다. AI는 강력한 비계 역할을 하여 이러한 불필요한 부하를 없애고 본질적 인지 부하에 귀중한 정신 대역폭을 할당한다. 이것이 바로 “좋은” 부하이며, 견고한 정신 모델이나 스키마를 구축하는 데 필요한 노력이다. 이러한 스키마는 깊은 이해의 토대가 된다.

아주 간단한 명제다 — 계산기가 장기 나눗셈의 지루함을 없애 주어 미적분을 다룰 수 있게 해준다면, ChatGPT가 문장 구조와 씨름하는 시간을 없애 주어 논증 기술을 마스터하게 해줄 수 있지 않을까?

이 서사는 매혹적이다. AI가 “협업 파트너”가 되어 고등 교육을 재구성하고 모두에게 정교한 결과물을 제공한다는 미래를 약속한다. 학생들은 단순한 창작자에서 지식의 편집자이자 설계자로 전환될 것이라고 주장한다.

이 낙관적 비전의 근본적인 결함은 중요한, 말하지 않은 전제에 있다 — 학습의 “잡일”이 학습 자체와 완전히 분리될 수 있다고 가정한다. 글쓰기 행위가 사전에 형성된 생각을 수동적으로 옮겨 적는 것에 불과하다고 여기며, 생각을 생성하고 다듬는 핵심 엔진이라고 보지 않는다.

이 전제는 단순히 잘못된 것이 아니라 위험하다.

The Uncomfortable Truth — Friction is Not a Bug, It’s a Feature

AI‑주도 효율성의 환상은 반짝이는 결과물 너머의 인지 과정을 살펴볼 때 무너지기 시작한다.

The Quiet Erosion of Understanding

정통학파가 간과하는 가장 중요한 균열은 **출력(output)**과 **결과(outcome)**를 혼동한다는 점이다. 교육에서 눈에 보이는 출력—에세이, 코드, 보고서—는 학생 뇌 안에서 일어나는 더 깊은 내부 결과—신경 재구성—의 증거일 뿐이다. 현재 단계의 AI는 결과를 필요로 하지 않고도 출력 생산을 가능하게 한다.

인지 침식의 증거가 나타나고 있다. Frontiers in Psychology에 실린 최근 기사에서는 생성 AI 도구가 생산성을 높이지만 깊은 이해를 감소시킨다고 지적한다.

MIT에서 수행한 연구는 이 현상을 정량적으로 보여준다. 연구자들은 생성 AI 도구가 글쓰기 속도와 품질을 크게 향상시키는 동시에 사용자의 작업 참여 방식을 근본적으로 바꾼다는 것을 관찰했다. 생산성 향상은 “인간의 고군분투”—깊은 이해에 필수적인 복잡하고 지저분한 과정—를 희생하면서 이루어졌다.

참가자들은 AI와 진정으로 “협업”한 것이 아니라, 본질적으로 AI를 감독하고 있었다. 감독에 필요한 인지 기술은 진정한 창작에 필요한 기술과 종종 다르고, 더 얕은 경우가 많다.

교육 연구자들의 발견도 이 우려를 뒷받침한다: AI 사용과 학습 성과 사이에 부정적 상관관계가 존재하며, 이는 주로 인지 오프로드에 의해 매개된다 (MDPI 연구). 인지 오프로드는 외부 도구를 활용해 정신적 부담을 줄이는 지능적인 행위다(예: 숫자를 메모해 두어 기억에서 제외). 그러나 오프로드가 작업 전체—아이디어 구상, 구조화, 통합—까지 확장될 때, 우리는 위험한 영역에 진입한다. 이는 Microsoft가 수행한 AI‑유발 위축에 관한 연구에서도 언급된다 (404 Media).

Re‑engineering the Learning Loop

Traditional Learning Loop

Input → Internal Processing (The Struggle) → Synthesis → Output
          ↑
   Schema Construction (Long‑term Memory)

AI‑Mediated Learning Loop

Input → Prompt Engineering → AI Processing → Output
          ↓
   Surface Review (Verification)

이 재구성된 모델에서는 “Internal Processing”(내부 처리)이라는 핵심 단계—장기 기억이 구축되고 비판적 분석이 연마되는 바로 그 용광로—가 사실상 우회된다. 학생은 최종 결과물을 만들 수는 있지만 지속적인 스키마는 형성하지 못한다. 과제를 “완수”했지만, 실제로 “이해”한 것은 거의 없다.

The Deeper Erosion — The Ghost of Germane Load

“AI를 공동 조종사로” 보는 정통학파의 가장 근본적인 오류는 **본질적 인지 부하(germane cognitive load)**를 오해한다는 점이다.

본질적 부하는 단순히 “열심히 생각한다”는 것이 아니다. 이는 장기 기억에 지속적인 연결을 만들기 위한 구체적이고 노력적인 정신 작업이다. 명료함에 앞선 마찰, 정확한 단어를 찾는 좌절, 서로 다른 아이디어를 일관된 논증으로 조직하는 고군분투가 바로 본질적 부하다. AI가 이 마찰을 없애면, 지식을 통합하고 굳히는 메커니즘 자체도 사라진다.

우리가 학습의 생성·통합적 측면을 기계에 계속 맡긴다면, 완벽한 산출물을 즉시 조립할 수는 있지만, 혁신, 비판적 사고, 평생 학습을 촉진하는 깊고 전이 가능한 이해가 결여된 졸업생 세대가 탄생할 위험이 있다.