기술과 인지
문자에서 생성형 인공지능까지, 인지 외주화 2400년의 기록과 최신 실험 증거
“이 발명은 배우는 이들의 영혼에 망각을 심을 것이다.” 인공지능(AI, Artificial Intelligence)을 향한 최근 비평가의 말처럼 들리지만, 사실 이 경고의 주인은 약 2400년 전의 소크라테스다. 대상은 ‘문자’라는 신기술이었다. 사람들이 스스로 기억하려 애쓰지 않고 바깥에 새겨진 기호에 의존하게 되리라는 우려였다.
흥미로운 역설이 여기에 있다. 이 비판을 후대에 전한 사람은 다름 아닌 소크라테스의 제자 플라톤이고, 그가 비판을 전한 수단은 바로 ‘글’이었다. 문자를 의심한 스승의 말은 문자로 적혔기에 2400년을 건너왔다. 기술 비관론이 품은 근본적 아이러니를 이보다 선명하게 보여주는 장면은 드물다.
오늘날 우리는 같은 질문 앞에 다시 섰다. AI가 대신 생각해 주는 시대에, 인간은 정말 멍청해지고 있는가. 이 물음에 답하려면 먼저 한 가지 사실을 직시해야 한다. 똑같은 공포가 역사상 거의 모든 주요 기술의 등장과 함께 반복되었다는 점이다.
새로운 정보 기술이 등장할 때마다, 그것이 인간의 정신을 망가뜨린다는 경고가 어김없이 따라붙었다. 경고의 문법은 시대마다 놀라울 만큼 닮아 있다.
2400년의 간격을 두고도 경고의 핵심은 동일하다. ‘외부의 도구에 의존하면 안에 있던 능력이 사라진다’는 것이다. 그렇다면 이 오래된 경고는 실제로 맞아떨어졌을까.
역사의 기록은 비관론과 어긋난다. 신기술은 인류를 멍청하게 만들기는커녕, 그때마다 새로운 종류의 지적 능력을 열어젖혔다.
문자는 분명 기억력에 대한 의존을 줄였다. 그러나 그 대신 ‘분석적 사고’라는 전혀 다른 능력의 문을 열었다. 머릿속에 모든 것을 담아 둘 필요가 없어지자, 인간은 생각을 바깥에 펼쳐 놓고 비교하고 검증하고 재구성할 수 있게 되었다. 기억의 짐을 덜어낸 자리에 사유의 공간이 생겼다.
인쇄술은 한 걸음 더 나아가 과학혁명의 토대를 놓았다. 인쇄 이전의 학자가 평생을 바쳐 책 한 부를 찾아 헤매야 했다면, 인쇄 이후의 학자는 같은 시간에 당대의 주요 저작 대부분을 손에 넣을 수 있었다. 지식이 소수의 머릿속이 아니라 인쇄된 종이 위에 축적되고 유통되면서, 거인의 어깨를 밟고 더 멀리 보는 일이 비로소 가능해졌다.
이 흐름은 20세기에 측정 가능한 형태로 드러났다. 심리학자 제임스 플린(James Flynn)이 정리한 이른바 ‘플린 효과(Flynn effect)’가 그것이다. 20세기 내내 지능지수(IQ, Intelligence Quotient) 검사 점수는 10년마다 약 3점씩 꾸준히 올랐고, 30개 넘는 나라에서 같은 추세가 확인되었다. 1900년부터 2000년까지 누적으로 보면 약 30점에 이르는 상승이다. 교육의 확산과 더 복잡해진 환경이 인간의 추상적 추론 능력을 전례 없이 끌어올렸다는 강력한 방증이다.
다만 여기에는 정직하게 덧붙여야 할 단서가 있다. 1990년대 이후 노르웨이, 덴마크, 핀란드 등 일부 선진국에서는 이 상승세가 멈추거나 거꾸로 꺾이는 ‘역(逆)플린 효과’가 관찰되었다. 형제 자료를 분석한 연구들은 이 변화가 유전이 아니라 환경적 요인에서 비롯되었음을 시사하지만, 그 정확한 원인은 아직 논쟁 중이다. 즉 ‘기술이 곧장 지능을 끌어올린다’는 단순한 도식은 성립하지 않는다. 기술과 인지의 관계는 그렇게 일방향이 아니다.
무거운 짐을 매번 지게차로 옮기는 사람은, 혼자서는 들 수 없던 화물을 거뜬히 움직일 수 있다. 그러나 모든 짐을 지게차에 맡기기만 한다면 정작 자기 근육은 약해진다.
도구의 양면성이 여기에 있다. 도구는 인간의 능력을 확장하는 동시에, 쓰지 않는 능력을 퇴화시킨다. 문제는 도구 자체가 아니라, 무엇을 도구에 맡기고 무엇을 직접 들어 올릴지를 정하는 선택에 있다.
“이번에도 결국 괜찮을 것”이라는 낙관에는 한 가지 빈틈이 있다. 생성형 AI는 이전의 어떤 기술과도 질적으로 다른 면을 지닌다.
책과 검색 엔진은 정보를 저장하고 전달할 뿐이다. 답을 조립하는 마지막 단계, 즉 흩어진 정보를 엮어 결론을 끌어내는 ‘추론’은 여전히 사람의 몫이었다. 그런데 생성형 AI는 그 추론까지 대신한다. 질문을 던지면 정리된 결론이 곧바로 돌아온다.
이것은 인지 외주화(cognitive offloading)의 단계가 한 칸 더 깊어졌음을 뜻한다. 문자와 검색이 ‘무엇을 어디서 찾을지 기억하기’를 바깥으로 옮긴 것이라면, AI는 ‘생각하는 과정 자체’를 옮길 수 있다. 어디서 찾을지 기억하기에서 생각할 필요조차 없기로의 전환이다. 도구에 맡기는 것이 ‘기억의 위치’가 아니라 ‘사고의 과정’이라면, 퇴화의 대상도 달라진다.
책은 기억을 대신했고, 검색은 ‘찾는 법’을 대신했다. AI는 ‘생각하는 일’까지 대신할 수 있다.
최근 몇 년 사이 이 질문을 실험으로 검증한 연구들이 쏟아졌다. 결론을 한 문장으로 압축하면 이렇다. AI는 사람을 멍청하게도, 유능하게도 만든다. 갈림길은 ‘무엇을 위해 어떻게 쓰는가’에 있다.
2025년 발표된 한 무작위 대조 실험은 대학생 120명을 두 집단으로 나눴다. 한쪽은 챗봇의 도움을 받아 인공지능 개념을 학습했고, 다른 한쪽은 전통적인 방식으로 공부했다. 45일 뒤 예고 없이 치른 시험에서, 챗봇으로 공부한 집단의 정답률은 약 57.5%에 그쳐 전통 학습 집단(약 68.5%)보다 11%포인트(P) 낮았다.
연구진은 이를 ‘바람직한 어려움(desirable difficulties)’ 원리로 설명했다. 스스로 떠올리려 애쓰고 막힌 개념과 씨름하는 인지적 노력이야말로 기억을 단단하게 만드는데, 매끄러운 답이 즉시 주어지면 그 노력의 과정이 통째로 사라진다는 것이다. AI가 ‘바람직한 어려움’을 대신 치워 버리면, 학습이라는 근육은 운동할 기회를 잃는다.
2025년 매사추세츠공과대학(MIT, Massachusetts Institute of Technology) 미디어랩 연구진은 참가자 54명을 세 집단으로 나눠 넉 달에 걸쳐 에세이를 쓰게 하며 뇌파(EEG, Electroencephalography)를 측정했다. 한 집단은 AI를 썼고, 다른 집단은 검색 엔진만, 마지막 집단은 아무 도구 없이 자기 머리로만 글을 썼다.
측정 결과, 외부 도구에 기댄 정도가 클수록 두뇌의 연결성은 단계적으로 낮아졌다. 직접 사고한 집단의 신경망이 가장 넓고 강하게 활성화되었고, AI 집단이 가장 약했다. 더 인상적인 대목은 그다음이다. AI로 쓴 글에 대해 참가자의 다수가 방금 자신이 쓴 문장을 제대로 인용조차 하지 못했고, 글에 대한 ‘주인 의식’도 가장 낮았다. 연구진은 이를 ‘인지 부채(cognitive debt)’라 불렀다. 지금의 편리함을 미래의 사고력에서 빌려 쓰는 셈이라는 비유다.
다만 이 연구는 아직 정식 동료 평가를 거치지 않은 사전 공개본이며, 표본이 작고 측정 방식에 한계가 있어 결과를 과대 해석하지 않도록 주의해야 한다. 그럼에도 한 가지 단서는 곱씹을 만하다. 먼저 자기 머리로 충분히 고민한 뒤 AI를 도입한 참가자들에게서는 오히려 활발한 두뇌 재활성이 관찰되었다. 순서가 결과를 바꾼 것이다.
반대 방향의 증거도 분명하다. 하버드대를 비롯한 연구진이 보스턴컨설팅그룹(BCG, Boston Consulting Group) 컨설턴트 758명을 대상으로 진행한 현장 실험에서, AI를 활용한 집단은 그렇지 않은 집단보다 약 40% 높은 품질의 결과물을 냈고 과제도 더 빠르게 더 많이 처리했다. 특히 흥미로운 점은 실력이 낮은 쪽일수록 향상 폭이 컸다는 사실이다. 하위 그룹은 약 43%, 상위 그룹은 약 17% 개선되어, AI가 일종의 ‘실력 평준화’ 장치로 작동했다.
단, 같은 연구는 경계도 함께 그었다. 연구진이 ‘들쭉날쭉한 기술 경계(jagged technological frontier)’라 부른 영역 바깥, 즉 AI가 잘 못하는 과제에서는 AI를 쓴 컨설턴트가 오히려 정답을 맞힐 확률이 약 19%포인트 낮아졌다. AI를 무비판적으로 믿을 때 성능이 거꾸로 떨어진다는 뜻이다.
세 실험이 가리키는 방향은 모순되지 않는다. AI를 답을 뽑아내는 기계로 쓰면 학습과 사고는 위축된다. 반대로 자기 생각을 먼저 세운 뒤 AI를 사고를 검증하고 확장하는 파트너로 쓰면, 능력은 오히려 넓어진다. 같은 도구, 갈리는 결과다.
답 기계로 쓸 때 — 질문을 던지고 결론을 받아쓴다. 인지적 노력이 사라지고, 기억과 주인 의식이 약해지며, 틀린 답도 의심 없이 수용한다.
사고 파트너로 쓸 때 — 먼저 스스로 가설을 세운 뒤 AI에게 반박과 대안을 요청한다. 노력의 과정이 유지되고, 자기 약점을 보완하며, 결과물의 품질이 높아진다.
AI 시대의 가장 미묘한 위험은 지능이 떨어지는 것 자체가 아닐지도 모른다. 더 깊은 함정은 ‘메타인지의 착각’, 곧 AI가 아는 것을 내가 아는 것으로 혼동하는 일이다.
이 현상은 인터넷 시대에 이미 실험으로 포착되었다. 2015년 한 연구진은 사람들에게 인터넷으로 답을 찾게 한 뒤, 검색과 무관한 다른 주제에 대해 스스로 얼마나 잘 설명할 수 있는지 물었다. 그러자 검색을 한 집단은 자신의 ‘머릿속 지식’을 실제보다 부풀려 평가했다. 심지어 검색으로 답을 끝내 찾지 못한 경우에도 “나는 안다”는 감각은 줄지 않았다. 정보에 접근할 수 있다는 사실이 정보를 이해하고 있다는 느낌으로 둔갑한 것이다.
검색만으로도 이러했다면, 완성된 문장으로 답을 건네는 AI 앞에서 이 착각은 한층 깊어질 수 있다. AI의 답이 매끄러울수록, 그 답을 ‘내 생각’으로 착각하기는 더 쉬워진다. 막힘없이 정리된 결론을 받아 들면, 정작 그 결론에 이르는 길을 한 번도 걸어 보지 않았다는 사실은 가려진다.
내비게이션을 따라 운전하면 목적지에는 정확히 도착한다. 그러나 같은 길을 수십 번 다녀도 머릿속에는 지도가 그려지지 않는다. 화면이 시키는 대로 핸들만 꺾었기 때문이다.
그러다 신호가 끊기는 순간, 우리는 늘 다니던 동네에서조차 길을 잃는다. AI가 건네는 답을 그대로 받아쓰는 일도 이와 같다. 결과는 손에 쥐지만, 그곳에 이르는 사고의 지도는 머릿속에 남지 않는다.
이 추상적인 딜레마가 가장 구체적으로 부딪힌 현장이 한국에 있다. AI 디지털교과서(AIDT, AI Digital Textbook)다.
정부는 2025년 3월, 초등 3~4학년과 중학교 1학년, 고등학교 1학년을 대상으로 영어·수학·정보 교과에 AI 디지털교과서를 처음 도입했다. 학생 개개인의 수준에 맞춘 맞춤형 학습을 내건 야심 찬 시도였다. 그러나 현장의 반응은 싸늘했다. 잦은 오류와 학습 효과에 대한 의문이 이어졌고, 자율 도입으로 한발 물러선 첫해의 채택률은 약 33%에 그쳤다.
결국 2025년 8월, 국회는 AI 디지털교과서의 법적 지위를 ‘교과서’에서 보조적인 ‘교육자료’로 낮추는 법 개정안을 통과시켰다. 도입 한 학기 만의 지위 격하였다. 이후 활용률은 더 낮아졌고, 막대한 예산 집행과 학생 데이터 수집을 둘러싼 비판도 뒤따랐다.
실패의 핵심은 기술의 성능이 아니라 설계의 방향에 있었다는 진단이 설득력을 얻는다. AI의 교육적 가치는 화면 속 기술 자체에서 나오는 것이 아니라, 학생이 스스로 묻고 따지도록 사고를 확장시키는 ‘질문 중심 설계’에서 비로소 발생한다는 것이다. 도구를 ‘답을 떠먹여 주는 장치’로 설계하면, 그 도구는 앞선 실험들이 경고한 바로 그 방식으로 학습을 갉아먹는다. 같은 기술이라도 어떤 철학으로 설계하고 사용하느냐가 결과를 가른다는 사실을, 한국의 교실은 비싼 값을 치르며 확인했다.
다시 소크라테스로 돌아가자. 문자에 대한 그의 비판은 틀리지 않았다. 글은 정말로 인간의 기억력을 약화시켰다. 다만 그의 통찰은 불완전했다. 문자는 기억의 한 능력을 덜어내는 대신, 기억만으로는 결코 닿을 수 없던 사유의 지평을 활짝 열었기 때문이다.
AI도 마찬가지일 것이다. 그것은 분명 어떤 능력을 무디게 만들 수 있다. 답을 받아쓰기만 한다면 우리는 생각하는 법을, 자기 지식과 빌려 온 지식을 구분하는 감각을 잃을지 모른다. 그러나 자기 사고를 먼저 세운 자에게 AI는 그 사고를 시험하고 넓히는 가장 강력한 파트너가 된다.
그러므로 우리에게 필요한 것은 기술에 대한 거부도, 맹신도 아니다. 어떤 능력을 도구에 맡기고, 어떤 능력을 끝까지 내 안에 지킬지를 스스로 정하는 의식적인 선택이다. 무엇을 외주화하고 무엇을 직접 들어 올릴지를 묻는 일, 그것이 핵심이다.
기술은 우리를 멍청하게 만들지 않는다. 다만 어떻게 쓰느냐에 따라, 우리를 다른 존재로 만들 뿐이다. 그것이 2400년의 역사가 우리에게 건네는 교훈이다.