AI 시대, 생각하는 능력마저 양극화된다

작성자: 슬기로운 오늘과 내일 편집부 · 발행일: 2026-10-03

왜 요즘 '생각하는 힘' 이야기가 더 무겁게 들릴까요

요즘 챗지피티나 클로드 같은 생성형 AI를 쓰지 않는 분을 찾기가 더 어려울 정도입니다. 보고서 초안을 잡아달라고 하고, 복잡한 엑셀 수식을 물어보고, 심지어 아이디어가 막힐 때 브레인스토밍 파트너로 삼기도 하죠. 정말 편리하고 놀라운 도구임에는 틀림없습니다. 그런데 문득 이런 생각이 들지 않으셨나요? "내가 AI에게 질문을 던지고 답을 받는 사이, 내 머리 속에서 무언가 스스로 끓어오르는 과정은 생략되고 있는 게 아닐까?"라고요.

단순히 편해지는 것을 넘어, 누군가에게는 '생각의 근육'이 빠지고 누군가에게는 '생각의 날개'가 달리는 현상이 벌어지고 있다는 우려가 전문가들 사이에서 제기되고 있습니다. 바로 '인지적 양극화(Cognitive Polarization)' 혹은 '사고력 양극화'라는 현상입니다. 오늘은 AI 시대에 왜 생각하는 능력마저 빈부격차처럼 벌어지고 있는지, 그 메커니즘과 우리가 어떤 태도를 취해야 할지 차근차근 이야기해 보려 합니다.

생각의 외주화, 편리함 뒤에 숨은 함정

인지적 오프로딩이란 무엇일까요

심리학에서는 우리가 기억하거나 계산해야 할 정보를 종이나 스마트폰, 혹은 타인에게 맡겨두는 현상을 '인지적 오프로딩(Cognitive Offloading)'이라고 부릅니다. 전화번호를 외우지 않고 연락처에 저장하는 것, 내비게이션 없이 운전을 못 하는 것 모두 이 범주에 들어갑니다. 이는 뇌의 한정된 용량을 아끼기 위한 아주 자연스럽고 똑똑한 생존 전략입니다.

그런데 생성형 AI의 등장은 이 오프로딩의 차원을 완전히 바꿔놓았습니다. 과거에는 '정보 저장'이나 '단순 계산'을 맡겼다면, 이제는 '논리 구성', '비판적 검토', '창의적 발상' 같은 고차원 인지 과정까지 통째로 맡길 수 있게 되었기 때문입니다. "이 기획안의 논리적 허점 찾아줘", "이 데이터로 인사이트 도출해 줘"라는 한 마디면, 몇 시간 걸리던 사고 과정이 몇 초 만에 결과물로 돌아옵니다.

근육이 빠지는 자리, 습관이 들어옵니다

문제는 이 편리함이 습관이 될 때 생깁니다. 헬스장에서 러닝머신만 타면 다리 근육은 붙지만, 무거운 짐을 드는 근력은 생기지 않습니다. 마찬가지로 AI가 내어주는 정답만 받아 적는 데 익숙해지면, '왜 이 결론이 나왔지?', '다른 반론은 없을까?', '데이터에 편향은 없는가?'를 스스로 묻고 답하는 메타인지 능력이 서서히 녹슬게 됩니다.

특히 주목할 점은 이 현상이 모두에게 똑같이 일어나지 않는다는 것입니다. AI를 '생각을 대신해 주는 도구'로 쓰는 그룹과 '내 생각을 확장해 주는 파트너'로 쓰는 그룹 사이에서, 생각하는 힘의 격차는 시간이 갈수록 기하급수적으로 벌어집니다. 전자는 AI가 없으면 아무 일도 못 하는 의존 상태가 되고, 후자는 AI 덕분에 이전에는 엄두도 못 내던 복잡한 문제까지 풀어내는 초인지(Super-cognition) 상태에 도달합니다. 이것이 바로 '생각하는 능력의 양극화'가 시작되는 지점입니다.

두 갈래 길, 위임인가 증강인가

위임 모드: "답만 줘, 과정은 생략해"

첫 번째 그룹은 AI를 '블랙박스 정답기'로 대합니다. 프롬프트 엔지니어링이라는 말도 이들에게는 '어떻게 하면 가장 빠르고 정확하게 원하는 답을 뽑아낼까'라는 요령으로 다가옵니다. 이들은 AI가 내놓은 결과물을 검증 없이 복사해 붙여넣고, 회의에서 "AI가 이렇게 분석했대요"라는 말로 자신의 판단을 대신합니다.

이 모드가 고착화되면 '자동화 편향(Automation Bias)'이라는 심리적 함정에 빠질 위험이 큽니다. 기계가 내놓은 답이 그럴싸해 보이면 인간이 비판적 검토를 생략하고 그대로 신뢰하는 경향을 말하는데, 여러 심리학 연구에서 이 현상이 반복적으로 확인된 바 있습니다. 생각하는 과정을 건너뛰고 결과만 취하는 것, 이것이 '사고력 빈곤'으로 이어지는 지름길이라는 지적이 나옵니다.

증강 모드: "내 생각의 스파링 파트너가 돼 줘"

반면 두 번째 그룹은 AI를 '생각의 연장선'에 둡니다. 이들은 AI에게 답을 묻기 전에 스스로 가설을 세웁니다. "내가 보기엔 A가 원인인 것 같은데, 반론이 될 만한 논리 B, C를 제시해 봐", "이 논문의 방법론에서 한계점을 세 가지 정도 짚어줘, 그럼 내가 그걸 보완해 볼게"라는 식으로 대화를 이어갑니다.

이들에게 AI는 사고의 속도를 높여주는 가속기이자, 사각지대를 비춰주는 조명입니다. AI가 내놓은 반론을 보고 자신의 논리를 다듬고, AI가 요약해 준 자료를 바탕으로 더 깊은 통찰을 얻습니다. 이 과정에서는 '프롬프트'가 명령어가 아니라 '질문'이 됩니다. 질문을 잘 던지는 사람이 더 깊이 생각하게 되고, 더 깊이 생각하는 사람이 더 좋은 질문을 던지는 선순환이 생깁니다. 이 그룹의 사고력은 AI 덕분에 퇴화하는 것이 아니라, AI와 공진화(Co-evolution)하며 확장됩니다.

양극화를 부추기는 구조적 요인들

모델의 중앙화와 '평균적 사고'의 강요

현재 생성형 AI 시장은 소수의 거대 언어 모델(LLM)이 주도하는 '중앙화' 구조입니다. 오픈AI, 앤트로픽, 구글 딥마인드 같은 소수 기업의 모델이 전 세계 사용자의 사고를 보조합니다. 이 모델들은 '인간 피드백 강화학습(RLHF)' 과정을 거치며, 가장 무난하고 안전하며 평균적인 답변을 내놓도록 정렬(Alignment)되어 있습니다.

이 말은 달리 표현하면, '틀리지 않는 평균적 답변'을 양산하는 기계라는 뜻입니다. 소수 모델에 의존하는 사용자가 많아질수록, 인류 전체의 사고 결과물이 이 '평균값' 근처로 수렴할 위험이 크다는 이론적 우려가 제기됩니다. 독창적이고 파격적이며 때로는 틀릴지라도 새로운 관점은, 모델이 학습한 데이터 분포의 꼬리 부분에 있거나 안전 필터에 걸러지기 쉽습니다. 거대 모델을 그대로 쓰는 사용자일수록 '생각의 다양성'이라는 자산을 잃고 '표준화된 사고'라는 부채를 안게 되는 구조라는 분석입니다.

오픈소스와 클로즈드, 접근성의 격차

기술적 접근성에서도 격차는 벌어집니다. 거대 기업의 클로즈드 모델은 강력한 성능을 제공하지만, 내부 작동 원리를 알 수 없고 프롬프트 외에는 제어할 수 없습니다. 반면 라마(LLaMA) 계열 같은 오픈소스 모델은 파인튜닝이나 RAG(검색 증강 생성) 같은 기술로 내 데이터와 내 업무 흐름에 맞게 '내 생각의 연장'처럼 커스터마이징할 수 있습니다.

하지만 오픈소스 모델을 자기 것으로 만들려면 엔지니어링 역량과 컴퓨팅 자원이 필요합니다. 대기업이나 고급 인재들은 자기만의 '사고 엔진'을 구축해 경쟁력을 키우지만, 중소기업이나 일반 사용자는 제공되는 API의 한계 안에서만 사고를 전개해야 합니다. '지능의 인프라'를 소유하느냐 빌려 쓰느냐에 따라, 사고의 깊이와 자율성에서도 계층이 나뉠 수 있다는 우려가 나옵니다.

교육과 평가 시스템의 지체

가장 아픈 곳은 교육 현장입니다. 여전히 많은 시험과 과제가 '정답 찾기'와 '요약/정리'에 초점을 맞춥니다. AI가 1초 만에 해결해 주는 과제를 내주고, AI 사용을 금지하거나 감시하는 방식으로 대응하면, 학생들은 '들키지 않고 AI 쓰는 요령'만 익히게 됩니다. 생각하는 과정을 평가하지 않고 결과물만 평가하는 한, 학생들은 위임 모드에 길들여질 수밖에 없습니다.

반면 일부 선도적인 교육 현장에서는 "AI와 대화하며 논리를 다듬어 온 과정 전체를 제출하세요", "AI가 틀린 답을 일부러 만들게 하고 그 오류를 찾아내세요" 같은 방식으로 평가를 바꿉니다. 이런 환경의 학생들은 AI 시대의 '사고력 부자'가 되고, 구태의연한 평가 아래 있는 학생들은 '사고력 빈곤층'으로 전락할 위험이 있습니다. 제도의 변화 속도가 기술의 속도를 따라잡지 못할 때, 양극화는 구조적으로 고착화될 수 있습니다.

일상에서 마주하는 양극화의 신호들

직장인의 보고서, 학생의 에세이, 기자의 기사

마케팅 팀장 김 대리는 신제품 런칭 기획안을 써야 합니다. 위임 모드의 김 대리는 "신제품 런칭 기획안 써줘, 타겟은 20대 후반"이라고 프롬프트를 넣고 나온 결과물에 장식만 조금 더해 제출합니다. 증강 모드의 박 대리는 "우리 브랜드 핵심 가치가 '진정성'인데, 20대 후반이 요즘 어떤 가짜 마케팅에 지쳐있는지 사례 5가지 찾아줘. 그걸 바탕으로 우리만 할 수 있는 차별화 포인트 3가지 도출해 보자"라고 대화를 이어갑니다. 두 기획안의 깊이는 비교할 수 없을 정도로 다릅니다.

대학생 이 씨는 과제 에세이를 써야 합니다. 위임 모드 이 씨는 "기후변화 대응 정책 비판적 고찰 2000자 써줘" 하고 끝냅니다. 증강 모드 최 씨는 "기후정의 관점에서 탄소세의 한계점을 주장하는 논문을 찾아 요약해 줘. 난 거기에 '기술 낙관론' 반론을 더해 내 주장을 펼칠 거야"라며 자료 조사와 논증 구조 설계를 AI와 분담합니다. 성적은 비슷할지 몰라도, 이 씨의 머릿속에는 '남의 생각'만 남고 최 씨의 머릿속에는 '자신의 논리'가 남습니다.

기자들도 예외가 아닙니다. 보도자료를 요약해 기사로 내보내는 '받아쓰기' 기자는 AI로 대체되기 쉽습니다. 하지만 보도자료 이면에 숨은 이해관계를 파헤치고, 데이터의 출처를 교차 검증하며, 당사자 인터뷰로 맥락을 채우는 기자는 AI를 취재 보조원으로 쓰며 더 날카로운 기사를 씁니다. 같은 직업, 같은 도구인데 생각하는 힘의 격차는 직업의 생존을 가르는 칼날이 됩니다.

가상의 시나리오: 3년 후의 두 신입 사원

2029년, 같은 회사에 입사한 두 신입 사원을 상상해 보세요. 입사 1년 차, 둘 다 AI 도구를 자유롭게 씁니다. A는 상사가 "이번 분기 매출 하락 원인 분석해와"라고 하면, 내부 데이터 덤프를 AI에 넣고 "주요 원인 3가지 요약해 줘" 해서 받은 PPT를 올립니다. B는 같은 지시에 "지난 3개 분기 추이와 경쟁사 동향, 마케팅 채널별 전환율 변화를 교차 분석해서, '브랜드 인지도 하락'이 근본 원인임을 입증하는 로직을 짜줘. 반박 가능한 시나리오도 2개 준비해"라고 AI와 씨름합니다.

3년이 지나 대리가 되었을 때, A는 "AI가 분석한 자료입니다"라는 보고만 잘하는 관리자가 되어 있을 확률이 높습니다. B는 "데이터가 이렇게 말하는데, 현장 목소리는 저렇더라. 그래서 우리가 시도해야 할 건 이거다"라는 자신만의 의사결정 프레임워크를 가진 리더가 되어 있을 것입니다. 출발선은 같았지만, AI를 대하는 태도 하나가 3년 뒤 '생각하는 사람'과 '실행만 하는 사람'을 갈라놓을 수 있다는 경고입니다.

우리는 어떻게 '생각하는 부자'가 될 것인가

메타인지 루틴 만들기: AI 전/중/후 질문하기

가장 현실적인 시작은 '루틴'을 만드는 것입니다. AI에게 묻기 전, 반드시 종이나 메모장에 "내가 지금 풀려는 문제의 핵심은 무엇인가?", "내 직관은 뭐라고 말하는가?", "어떤 데이터가 필요하고 어떤 편향을 경계해야 하는가?" 세 가지를 적어봅니다. 이 1분이 사고의 주도권을 내게로 가져옵니다.

AI가 답을 내놓으면 바로 쓰지 말고 "이 논증에서 가장 약한 고리는 어디인가?", "반대 입장에서 가장 강력하게 공격할 논리는 무엇인가?", "이 결론을 지지하는 새로운 증거를 하나만 더 찾아줘"라고 되묻습니다. 이 '되묻기' 과정이 내 사고를 깊게 만드는 근력 운동입니다. 마지막으로 AI 답변을 최종안에 반영할 때, "내가 이 결론을 내 이름으로 책임질 수 있는가?"라고 자문하며 내 언어로 다시 씁니다. 이 전-중-후 루틴만 지켜도 위임 모드에서 증강 모드로 넘어올 수 있습니다.

'나만의 작은 모델' 키우기: 세컨드 브레인 구축

거대 모델에만 의존하지 말고, 내 지식과 사고 패턴을 학습시킨 '개인화된 지식 베이스'를 만드세요. 옵시디언(Obsidian)이나 노션(Notion) 같은 도구에 내 메모, 독서 노트, 프로젝트 회고, 좋은 프롬프트 템플릿을 쌓아두고, 이를 RAG 방식으로 로컬 LLM이나 소형 모델에 연결해 쓰는 것입니다. 내 맥락을 아는 AI는 일반적인 답 대신 "작년 3월 네가 프로젝트 할 때 겪었던 그 문제랑 비슷해 보여"라고 내 사고의 맥락을 짚어줍니다.

이 과정은 거창한 엔지니어링이 아닙니다. 매일 10분, 오늘 했던 생각 중 '나중에 다시 쓸 만한 인사이트' 한 줄을 자기 언어로 정리해 저장하는 습관에서 시작됩니다. 이 데이터가 쌓이면, 거대 모델의 '평균적 지혜'를 내 '고유한 지혜'로 필터링하는 강력한 필터가 됩니다. 내 생각이 담긴 데이터가 곧 나만의 경쟁력인 시대입니다.

평가와 보상의 기준 바꾸기: 과정 중심 문화로

조직 리더나 교육자라면 평가 기준을 바꿔야 합니다. "AI 써서 1시간 만에 끝냈네, 대단해"가 아니라 "AI와 어떤 대화로 이 결론에 도달했는지, 어떤 가설을 검증했고 어떤 반론을 고려했는지 보여줘"가 칭찬받는 문화가 되어야 합니다. 채용 면접에서도 "챗지피티 잘 쓰세요?" 대신 "최근 AI와 협업하며 본인 생각이 바뀐 경험이 있나요?"를 물어야 합니다.

학교 수행 평가도 '결과물 제출'에서 '사고 과정 포트폴리오 제출'로 바뀌어야 합니다. AI와의 대화 로그, 수정 이력, 스스로 던진 질문 리스트, 최종 판단의 근거 등을 평가하면, '베끼기'는 불가능해지고 '생각하기'만 남습니다. 제도가 바뀌면 행동이 바뀌고, 행동이 반복되면 사고력의 근육이 붙습니다. 이것이 양극화의 고리를 끊는 사회적 해법입니다.

AI 시대의 사고력, 선택의 문제입니다

기술은 중립적이지 않습니다. 어떻게 쓰느냐에 따라 누군가의 날개가 되고 누군가의 목발이 됩니다. 생성형 AI는 인류 역사상 가장 강력한 '인지 보철기구'이자 '인지 확장 도구'입니다. 다리가 불편한 이에게 목발은 자유지만, 멀쩡한 다리로 목발만 짚고 다니면 다리 근육은 소멸합니다.

지금 이 순간에도 여러분은 선택하고 있습니다. AI에게 "답 줘"라고 말할지, "내 생각 좀 비춰줘"라고 말할지. 편안한 위임의 길은 당장의 시간을 아껴주지만, 미래의 내 사고력을 갉아먹습니다. 불편한 증강의 길은 당장의 인지 부하를 요구하지만, 미래의 내 사고력을 자산으로 불려줍니다.

양극화는 이미 시작되었습니다. 하지만 어느 편에 설지는 여전히 우리 각자의 손에 달려 있습니다. 오늘부터 AI에게 던지는 첫 마디를 바꿔보세요. "이거 해줘" 대신 "나 이렇게 생각하는데, 어떻게 봐?"라고 묻는 것. 그 작은 습관의 차이가 5년 후, 10년 후 '생각하는 사람'으로 남을지 결정할지도 모릅니다.

독자 여러분이 자주 묻는 질문들

Q1. 저는 코딩도 모르고 기술적 지식도 없는데, '나만의 모델' 같은 건 꿈도 못 꾸는 것 아닌가요?

아닙니다. 코딩 없이도 옵시디언이나 노션 같은 노트 앱에 내 생각을 체계적으로 쌓아두고, 거기서 검색해 가며 프롬프트에 붙여넣는 것만으로도 '나만의 컨텍스트'를 만드는 효과가 큽니다. 최근에는 내 문서를 업로드하면 그걸 기반으로 답해주는 도구들도 많이 나와 있으니, 기술 장벽은 생각보다 낮습니다.

Q2. 회사 업무가 바쁜데 매번 AI 전/중/후 루틴을 지키기 현실적으로 어렵습니다. 간소화할 방법은 없나요?

'전-중-후'를 다 하려다 지치지 마시고, 딱 하나만이라도 해보세요. 추천하는 건 'AI 답변 받자마자 바로 쓰지 않고, "이거 틀릴 수 있는 지점 1가지 말해줘" 한 마디만 더 던지기'입니다. 이 한 번의 되묻기만으로도 맹목적 수용을 막고 비판적 검토 스위치를 켤 수 있습니다.

Q3. 아이들에게 AI를 아예 안 쓰게 하는 게 낫지 않을까요?

기초 사고력이 생길 때까지요. 금지는 호기심을 자극하고 '몰래 쓰기'만 부추깁니다. 차라리 함께 쓰며 "이 답변이 왜 이상하지?", "여기서 뭐가 빠졌지?" 같이 대화하세요. AI를 '정답지'가 아니라 '토론 상대'로 대하는 태도를 어릴 때부터 익히는 게, AI 네이티브 세대에게는 훨씬 중요한 생존 기술입니다.

Q4. 조직 문화가 '빠른 결과'만 중시하는데, 나만 '과정 중시'로 가면 손해 보는 것 아닌가요?

단기적으로는 그럴 수 있습니다. 하지만 'AI가 다 해주는 시대'에 '과정을 설계하고 검증할 줄 아는 사람'의 가치는 갈수록 올라갑니다. 당장의 평가보다 '나의 사고력 자산'을 쌓는 투자로 보세요. 이직 시장에서도 "AI로 결과물 뽑는 사람"보다 "AI로 사고 확장하는 사람"의 몸값이 다를 것입니다.

Q5. 오픈소스 모델이 클로즈드 모델보다 사고력 증강에 더 유리한가요?

'내 데이터와 내 워크플로우에 맞게 커스터마이징할 수 있다'는 점에서 오픈소스(또는 경량화된 온프레미스 모델)가 증강 모드에 유리한 면이 있는 건 사실입니다. 하지만 클로즈드 모델도 프롬프트 엔지니어링과 RAG, 에이전트 워크플로우 설계만 잘하면 훌륭한 증강 파트너가 됩니다. 모델 종류보다 '내가 주도권을 쥐고 설계하느냐'가 본질입니다.

#인지적 양극화#인지적 오프로딩#사고력 격차#AI 증강#메타인지