AI 하이라이터와 AI 리딩 어시스턴트

AI가 중요한 부분을 대신 짚어낼 수 있을까

가능하고, AI 하이라이터는 이 일을 꽤 잘합니다. 최신 언어 모델에 기사를 건네면 논지와 뒷받침 근거, 결론을 안정적으로 골라냅니다. 이것들이 텍스트의 구조적 특징이고, 구조야말로 모델이 잘 읽어내는 대상이기 때문입니다. 여러 도구가 이 작업을 원문 위에서 처리합니다. 전체를 요약문으로 다시 쓰는 대신 원래 페이지 안의 구절에 표시를 남기는 방식입니다.

AI가 하지 못하는 일은 어느 대목이 당신에게 중요한지 아는 것입니다. 관련성은 기사의 속성이 아닙니다. 지금 책상 위에 놓인 프로젝트, 한창 벌이고 있는 논쟁, 지난주 화요일에 읽은 무언가에 달려 있습니다. 모델은 그중 어느 것에도 접근할 수 없습니다. AI 하이라이트가 훌륭한 초벌 읽기이면서 형편없는 최종본인 이유가 여기에 있습니다.

이 글은 바로 그 간극을 다룹니다. 그리고 2025년 한 해 동안 이 간극에 대한 기록은 훨씬 풍부해졌습니다.

사람들이 이런 도구를 찾아 나서게 만드는 출발점, 즉 분량 문제부터 봅시다. UC San Diego의 Roger Bohn과 James Short가 쓴 "How Much Information? 2009 Report on American Consumers"는 평균적인 미국인이 업무 외 시간에 모든 매체를 통해 받아들이는 정보량을 하루 약 100,500단어로 추산했고, 그중 약 62%는 읽은 것이 아니라 들은 것이었습니다. 하루에 소설 한 권 분량이며, 이 연구는 Slack과 TikTok, 그리고 기계가 쓴 텍스트의 홍수보다 앞선 시점의 것입니다.

병목은 접근성이 아니었습니다. 병목은 소비와 이해 사이의 간극입니다.

Hermann Ebbinghaus는 1885년에 그 간극을 지도로 그렸습니다. 무의미 음절 목록을 외운 뒤 일정한 간격으로 자신을 다시 시험한 결과, 약 3분의 2가 하루 안에 사라졌습니다. 이후 연구들은 의미 있는 자료에 대해 이 곡선을 상당히 완만하게 수정했지만, 형태 자체는 유지됩니다. 의식적인 노력을 들이지 않으면 오늘 읽은 것의 대부분은 내일 꺼내 쓸 수 없습니다.

그래서 익숙한 순환이 반복됩니다. 몇 시간을 읽고, 배웠다는 느낌을 받고, 정작 회의에서 그 내용이 필요할 때는 아무것도 떠오르지 않습니다. 심리학자들은 이를 유능감의 착각이라고 부릅니다. 노출은 이해처럼 느껴집니다.

예로부터 내려온 조언은 메모를 하고, 하이라이트하고, 주석을 달라는 것이었고 단서 하나를 붙이면 여전히 유효합니다. Dunlosky et al.(2013)은 흔히 쓰이는 학습 기법 열 가지를 검토하면서 하이라이팅 단독은 효용이 낮다고 평가했습니다. 하이라이팅에 능동적 정교화, 그러니까 노트를 쓰고 질문을 던지고 아이디어를 연결하는 작업이 더해지면 결과가 다른 별개의 실천법입니다. 아래에서 다룰 내용은 이 짝 중 어느 쪽을 기계에 안심하고 맡길 수 있는가 하는 문제입니다.

AI 읽기 도구의 세 가지 유형

이 분야는 세 갈래로 나뉘고, 그 차이가 어떤 도구를 집어야 하는지를 결정합니다.

1. 요약기

긴 글을 짧은 글로 압축합니다. URL이나 문서를 붙여 넣으면 요약이 나옵니다. ChatGPT와 Claude가 이 일을 하고, 저장한 페이지의 AI 요약을 만들어 주는 Glasp의 웹 하이라이터 같은 브라우저 도구도 마찬가지입니다.

요약기는 선별 도구입니다. 어떤 글에 주의를 쏟을 가치가 있는지 판단할 때는 좋지만 읽기의 대체재로는 부실합니다. 요약은 아이디어를 머리에 남게 만드는 사례와 유보 표현, 추론의 연결 고리를 버리기 때문입니다.

2. AI 하이라이터

기사를 다시 쓰는 대신 중요한 구절을 원문 그 자리에 표시합니다. 원문은 그대로 남고, 당신은 그 지도를 얻습니다.

이 방식은 기억이 작동하는 방식에 더 가깝고, 실제로 측정된 바 있습니다. Ponce, Mayer, Mendez(2022)는 1938년까지 거슬러 올라가는 하이라이팅 실험 36건을 통합 분석했습니다. 텍스트를 직접 표시하는 행위는 이후의 기억을 향상시켰지만(d = 0.36) 이해도는 그렇지 않았습니다. 다른 사람이 제공한 하이라이트는 둘 다 향상시켰는데, 이는 모델에 초벌 읽기를 맡기는 데 유리한 실질적 근거입니다. 또한 하이라이트된 문장은 자기 문단을 그대로 곁에 두기 때문에 주변 논증이 함께 따라옵니다. 요약문의 불릿 하나는 그러지 못합니다.

3. Q&A와 채팅 어시스턴트

텍스트에 질문을 던지게 해 줍니다. "핵심 논지는 무엇인가?" "이것을 뒷받침하는 근거는?" "이것은 어제 읽은 내용과 어디서 충돌하는가?"

Glasp의 AI 채팅이 이런 방식입니다. 읽으면서 하이라이트하고, 모아 둔 내용에 대해 질문을 던집니다. 이는 Dunlosky의 리뷰가 중간 정도의 효용으로 평가한 정교화 질문에 가깝습니다.

가장 강력한 워크플로는 셋을 모두 씁니다. 요약기로 선별하고, 하이라이터로 읽고, 채팅으로 정리합니다.

AI 하이라이팅의 작동 원리와 한계

작동 원리를 알아 두면 이 도구들을 잘 쓸 수 있고, 무엇을 놓칠지도 예측할 수 있습니다.

언어 모델은 문서를 토큰으로 처리하면서 텍스트 전체에 걸친 관계에 가중치를 매깁니다. 모델이 "핵심 포인트"를 표시할 때 실제로 식별하는 것은 대체로 다음과 같습니다.

주제문과 핵심 주장: 한 절이 뒷받침하기 위해 존재하는 바로 그 문장들.
뒷받침 근거: 통계, 인용, 전문가의 발언, 구체적인 사례.
전환과 결론: 저자가 종합하거나 방향을 트는 지점.
의외의 주장: 모델이 상식으로 간주하는 것에서 벗어나는 진술.

이제 더 중요한 실패 양상을 봅시다.

당신이 아니라 기사에 맞춰 최적화합니다. AI 하이라이터는 당신이 이미 동의하고 있던 저자의 핵심 주장까지 굳이 표시하고, 마침 당신의 문제를 풀어 주는 지나가는 한마디는 건너뜁니다. 당신의 문제에 대한 모델을 갖고 있지 않기 때문입니다.

강약을 평평하게 만듭니다. 핵심 포인트를 요청하면 각 절에 고르게 분포된 결과를 받기 쉽습니다. 추상적으로 볼 때 "핵심 포인트"란 그렇게 생겼기 때문입니다. 실제 읽기는 울퉁불퉁합니다. 때로는 기사 하나가 통째로 단 한 문단을 위한 밑작업일 때도 있습니다.

구조에 대해 확신에 차서 틀릴 수 있습니다. 개인 에세이, 인터뷰, 녹취록처럼 느슨하게 구성된 글에서는 저자가 편 적 없는 논지를 모델이 만들어 씌웁니다.

그러니 AI의 표시는 초벌 읽기로 쓰십시오.

AI 하이라이트를 훑어보며 논증의 윤곽을 잡습니다.
그 윤곽을 염두에 두고 기사를 읽으면서, 자신의 일과 연결되거나 자신이 믿던 것과 어긋나는 대목마다 직접 표시를 더합니다.
두 벌을 비교합니다. 당신의 주의가 기사의 중심축에서 갈라진 지점은 양쪽 모두 한 번 더 볼 가치가 있습니다.

한 번 읽는 것보다 시간이 조금 더 듭니다. 그 대가로 얻는 것이 기억의 정착입니다. 여기에 잘 맞는 주석 기법은 주석 다는 법에서, 하이라이팅 자체의 근거는 하이라이팅의 과학에서 다룹니다.

AI 리딩 어시스턴트 비교

이 도구들은 빠르게 바뀌므로 2026년 9월 시점의 스냅숏으로 보십시오.

도구	페이지 내 하이라이팅	AI 요약	텍스트와 채팅	Kindle 동기화	내보내기	무료 플랜
Glasp	예(Chrome, Safari, Edge, Firefox)	예	예	예	예(Markdown, CSV, HTML)	예
Readwise Reader	예(확장 프로그램)	예	예(Ghostreader)	예	예	없음, 연간 결제 기준 월 $9.99부터
Gemini Notebook	아니요, 소스를 직접 업로드	예	예, 업로드한 소스에 근거	아니요	제한적	예
ChatGPT / Claude	아니요	예(붙여 넣기 또는 링크)	예	아니요	아니요	제한적
Perplexity Comet	아니요, 텍스트를 선택하면 일시적인 팝업이 뜸	예	예	아니요	저장한 구절의 내보내기는 문서화되어 있지 않음	예

여기서 중요한 것 중 일부는 표에 들어가지 않습니다.

무료 플랜에는 상한선만이 아니라 형태가 있습니다. Google이 2026년 7월 16일 NotebookLM에서 이름을 바꾼 Gemini Notebook은 무료 플랜에 기능 대부분을 열어 주고 대신 분량을 조입니다. 노트북 개수, 노트북당 소스 개수, 그리고 할당량이 다시 채워질 때까지 돌릴 수 있는 양입니다. Google은 2026년 9월 2일 이 제품을 고정된 일일 상한에서 연산량 기반 제한으로 옮겼기 때문에, 어디선가 읽은 구체적인 숫자는 이미 낡았을 가능성이 큽니다. 정말로 유료 전용인 것도 있습니다. 생성된 미디어의 워터마크 제거, Google 최상위 모델의 더 넉넉한 사용량 같은 것들입니다. 무료 플랜도 같은 모델을 쓰되 양이 적고, 새 기능은 나중에 받습니다. Readwise Reader에는 무료 플랜이 아예 없고 30일 체험판만 있습니다.

"텍스트와 채팅"은 서로 다른 두 가지를 뜻합니다. Gemini Notebook은 오직 당신이 업로드한 소스에서만 답합니다. 정해진 읽기 목록에는 딱 맞고, 방금 연 기사에는 쓸모가 없습니다. 범용 챗봇은 어디서든 끌어와 답하기 때문에 더 유연하지만 그만큼 속기도 훨씬 쉽습니다.

Pocket은 사라졌습니다. Mozilla는 2025년 7월 8일 서비스를 중단했고, 내보내기 기간을 한 차례 연장한 뒤 그해 안에 사용자 데이터를 삭제했습니다. 아직도 Pocket을 추천하는 오래된 비교 글을 읽고 있다면, 그 목록의 나머지가 얼마나 꼼꼼히 검증됐는지도 짐작할 수 있습니다.

여기서 대부분의 비교가 건너뛰는 요소가 드러납니다. 바로 내보내기와 이식성입니다. 무엇을 표시하든 그 결과는 당신의 노트 시스템이 읽는 형식으로 빠져나와야 합니다. Notion이든 Obsidian이든 Roam이든 그냥 Markdown이든 말입니다. 내보낼 수 없는 하이라이트는 소유한 것이 아니라 빌린 것입니다. Pocket 사용자들은 몇 년치 읽기 기록을 되찾는 데 몇 달을 받았고, 아무도 챙기지 않은 것은 삭제됐습니다. 수집 도구를 더 폭넓게 살펴보려면 학습에 좋은 AI Chrome 확장 프로그램과 최고의 온라인 하이라이터를 참고하십시오.

AI 리딩 어시스턴트는 안전한가

당신과 함께 페이지를 읽는 도구는 당신이 읽는 페이지를 볼 수밖에 없습니다. 이는 설계의 결함이 아니라 설계 그 자체이며, 보통 받는 것보다 더 엄격한 검토를 받아야 마땅합니다.

Incogni는 2026년 1월 AI 기반 Chrome 확장 프로그램 442개를 분석했고, 표본은 사용자 1,000명 이상인 확장 프로그램으로 한정했습니다. 결과는 이렇습니다.

**52%**가 최소 한 종류 이상의 사용자 데이터를 수집했습니다.
**29%**는 개인 통신 내용, 위치, 웹사이트 콘텐츠를 포함한 개인 식별 정보를 수집했습니다.
**42%**는 스크립팅 권한을 요청했습니다. 이 권한이 있으면 방문하는 페이지에서 코드를 실행할 수 있습니다.

실제 사고도 있었습니다. 2025년 12월, 연구자들은 프라이버시를 내세워 홍보되던 한 Chrome 확장 프로그램이 사용자와 여덟 개 AI 어시스턴트 사이의 대화를 가로채 프롬프트와 응답을 데이터 브로커에게 넘긴 사례를 기록했습니다.

그렇다고 도움 없이 읽으라는 뜻은 아닙니다. 권한 안내창을 읽으라는 뜻입니다. 브라우징 위에 올라앉는 무언가를 설치하기 전에 다음을 확인하십시오.

설명이 아니라 권한을 읽으십시오. "모든 웹사이트의 모든 데이터 읽기 및 변경"은 이 분야의 기본 요구 사항이고, 실제로 벌어지는 일을 정직하게 설명한 문구입니다. 문제는 그 권한을 누구에게 주느냐입니다.
스토어의 데이터 공개 항목을 개인정보처리방침과 대조하십시오. 확장 프로그램은 무엇을 수집하는지 신고해야 합니다. 두 문서가 서로 어긋난다면 그것이 당신이 얻을 수 있는 가장 큰 경고음입니다.
기기에서 나가는 것이 당신이 고른 것뿐인 도구를 택하십시오. 일부러 표시한 구절만 전송하는 하이라이터는 여는 페이지를 전부 흘려보내는 도구보다 발자국이 작습니다.
그 데이터가 어떻게 되는지 물으십시오. 페이지 내용이 모델 학습에 쓰이는지, 삭제할 수 있는지는 1분이면 확인할 수 있어야 합니다. 그렇지 않다면 그 자체가 답입니다.
민감한 탭에서는 꺼 두십시오. 의료 포털, 뱅킹, 사내 문서 같은 것들입니다. 대부분의 확장 프로그램이 사이트별 비활성화를 지원하지만 쓰는 사람은 거의 없습니다.

읽기는 사적인 행위입니다. 새벽 2시에 무엇을 찾아봤는지는 브라우징 기록 전체를 합친 것보다 당신에 대해 더 많은 것을 말해 줍니다. 그러니 30초의 확인은 치를 만한 값입니다.

수동적인 AI 요약만으로 부족한 이유

불편한 지점은 여기입니다. AI 요약을 읽고 나면, 아예 건너뛰었을 때보다 오히려 그 내용을 덜 기억하게 될 수 있습니다. 건너뛰었다면 적어도 직접 찾아보려는 동기라도 남았을 텐데 말입니다.

Sparrow, Liu, Wegner(2011)는 Science에서 그 메커니즘을 제안했습니다. 구글 효과에 관한 이들의 실험은, 정보가 외부에 저장되어 있고 쉽게 꺼낼 수 있다고 믿을 때 사람들이 그것을 인코딩하는 데 노력을 덜 들인다고 보고했습니다. 어떤 잡학 지식이 컴퓨터에 저장될 것이라고 들은 참가자들은 지워질 것이라고 들은 참가자들보다 그 내용을 더 낮은 비율로 회상했습니다. 그 이후의 이력도 알아 둘 필요가 있습니다. 이 논문의 첫 번째 실험, 즉 어려운 질문이 사람들로 하여금 컴퓨터를 떠올리게 만든다는 실험은 Social Sciences Replication Project(Camerer et al., 2018)에서 재현에 실패했고, 검증된 21개 연구 중 실패한 여덟 건에 속했습니다. 저장 조건과 삭제 조건을 비교한 기억 결과는 그 프로젝트가 다시 검증한 대상이 아니었지만, 다른 곳에서도 성적이 좋지 않았습니다. 구글 효과는 확정된 결과가 아니라 이력이 엇갈리는 가설로 다루십시오.

2025년에 나온 두 연구가 이 이야기를 그럴듯한 비유에서 측정된 효과로 옮겨 놓았습니다.

MIT Media Lab의 Nataliya Kosmyna와 동료들은 보스턴 지역 학생 54명에게 EEG를 부착한 채 에세이 작성 과제를 수행하게 하고, 아무 도구도 쓰지 않는 그룹, 검색 엔진 그룹, LLM 그룹으로 나눴습니다. 뇌 연결성은 도움의 양에 반비례했습니다. 도구 없이 쓴 그룹이 가장 강하고 가장 넓게 분포된 네트워크를 보였고, 검색 사용자가 중간이었으며, LLM 사용자가 가장 약했습니다. LLM 그룹의 에세이는 어휘와 구조가 서로 비슷하게 수렴했고, 그 참가자들 중 놀랄 만큼 많은 수가 몇 분 전에 제출한 자기 글을 인용하지 못했습니다. 연구진은 이 양상에 인지 부채라는 이름을 붙였습니다. 효과는 뒤에도 남아서, LLM으로 시작한 사람들은 도구 없는 조건으로 옮겨졌을 때 어려움을 겪었습니다. 다만 이 마지막 결과는 네 번째 세션에 다시 참여한 열여덟 명 가운데 LLM에서 도구 없는 조건으로 옮겨간 아홉 명에 근거한 것입니다. 이 논문은 여전히 동료 심사를 거치지 않은 프리프린트입니다.

두 번째 연구는 현직 전문가들을 살폈습니다. Microsoft Research와 Carnegie Mellon의 Hao-Ping Lee와 동료들은 지식 노동자 319명을 대상으로 실제 AI 사용 사례 936건을 조사해 CHI 2025에서 발표했습니다. 곱씹어 볼 결과는 이렇습니다. 특정 과제에서 AI에 대한 신뢰가 높을수록 스스로 보고한 비판적 사고는 더 적었고, 자기 능력에 대한 자신감이 높을수록 더 많았습니다. 도구에 대한 신뢰가 그 결과물을 따져 보는 일을 대신해 버리는 것입니다.

어느 결과도 이 도구들이 나쁘다고 말하지 않습니다. 둘 다 더 좁고 더 쓸모 있는 이야기를 합니다. 당신이 건너뛴 그 노력이 바로 기억을 새기고 있던 노력이라는 것입니다.

그래서 요약은 특정한 역할에서 제자리를 얻습니다.

무엇을 읽을지 정할 때: 15초면 15분을 쓸지 말지 판단할 수 있습니다.
기억을 되살릴 때: 읽고 표시까지 마친 뒤라면 요약은 복습을 촉발하는 자극이 됩니다.
방향을 잡을 때: 빽빽한 논문이라면 요약은 실제 지형에 들어가기 전에 펼쳐 보는 지도입니다.

실수는 요약을 읽기 그 자체로 취급하는 것입니다.

사람의 하이라이트와 AI 분석을 결합한 하이브리드 접근법

가장 좋은 전략은 오직 당신만 할 수 있는 일, 즉 개인적 관련성을 판단하는 일과 AI가 안정적으로 해내는 일, 즉 구조를 찾아내고 빈틈을 메우는 일을 짝짓는 것입니다.

당신의 하이라이트는 관련성을 붙잡습니다. 어떤 구절을 표시하는 것은 하나의 판단입니다. 이것은 나에게 중요하다는 판단입니다. 그 판단은 어떤 모델도 대신해 줄 수 없는 부분이고, 앞서 본 Ponce의 메타분석에 따르면 그 판단을 직접 내리는 행위가 그 구절에 대한 이후의 기억을 향상시킵니다.

AI 분석은 당신이 건너뛴 것을 잡아냅니다. 우리가 표시하는 것에는 편향이 있습니다. 이미 생각하던 바를 확인해 주는 대목은 하이라이트하고, 그것에 도전하는 대목은 미끄러지듯 지나칩니다. 모델은 당신의 선입견을 공유하지 않기에, 속도를 늦추기 싫어 지나쳤던 반론을 끄집어냅니다.

둘을 합치면 하나의 텍스트에 대한 두 개의 읽기가 남습니다. 당신의 하이라이트는 무엇이 마음에 와닿았는지를 기록합니다. AI가 한 번 훑은 결과는 저자가 무엇을 주장했는지를 기록합니다. 흥미로운 것은 둘 사이의 간극이고, 사각지대는 보통 거기에 있습니다.

Glasp의 웹 하이라이터 같은 도구는 바로 그 루프를 중심으로 만들어졌습니다. 읽으면서 표시하면 AI 기능이 나중에 그 하이라이트를 요약하고 분석하고 다시 꺼내 보여 줍니다. 사람의 판단이 주가 되고, 기계는 그 앞이 아니라 그 위에서 일합니다.

읽은 뒤 AI 채팅으로 이해 심화하기

이 분야에서 가장 활용도가 낮은 기능은 대화입니다. 질문을 던지는 순간 소비가 심문으로 바뀝니다.

기사를 하이라이트한 뒤에 던질 만한 질문은 이런 것들입니다.

"여기서 가장 강한 논거 세 가지는 무엇인가?"
"저자가 말하지 않은 채 전제하고 있는 것은 무엇인가?"
"이것은 내가 다른 글에서 하이라이트한 내용과 어디서 충돌하는가?"
"전체 기사가 아니라 내가 하이라이트한 부분만 요약해 줘."
"이 기사가 전혀 다루지 않는 것 중 내가 물어야 할 것은 무엇인가?"

지치지 않는 파트너와 함께하는 소크라테스식 문답이고, 이 형식을 뒷받침하는 근거도 탄탄합니다. Harvard의 Gregory Kestin과 동료들은 물리학 입문 수업 수강생 194명을 대상으로 무작위 대조 시험을 진행하면서, 실제 수업과 같은 교수법, 즉 적시 피드백과 능동적 개입, 성장 마인드셋에 맞춰 제작한 PS2 Pal이라는 전용 튜터를 사용했습니다. 2025년 6월 Scientific Reports에 실린 이 연구에서 학생들은 능동 학습 교실에서보다 AI 튜터와 함께할 때 더 짧은 시간에 두 배 넘게 학습했고, 그 과정에서 더 몰입했다고 느꼈습니다.

이 결과가 무엇을 보여 주는지는 정확히 짚어야 합니다. 의도적으로 설계된 교수 원칙 위에 만들어진 튜터를 물리 문제 세트로 검증한 것입니다. 챗봇에 기사를 붙여 넣으면 무언가를 배우게 된다는 증거가 아닙니다. 유효 성분은 질문이고, 자신의 읽기에서는 그 질문을 스스로 공급해야 합니다.

질문이 효과적인 이유는 인출을 강제하기 때문입니다. 저자가 X로 무엇을 말하려 했는지 물으려면 먼저 X를 떠올려야 하고, 그다음 자신의 이해를 답과 견줘 봐야 합니다. 그것이 정교화이며, 요약을 훑는 것과는 정반대입니다.

Kindle 하이라이트로 책의 하이라이트를 가져오면 채팅은 한층 더 쓸모 있어집니다. 질문이 문서 하나에 갇히지 않고 책과 기사를 한꺼번에 가로지를 수 있기 때문입니다. 영상도 마찬가지입니다. YouTube 영상 요약은 자막을 지금까지 읽어 온 모든 것과 같은 검색 가능한 더미에 넣어 줍니다.

AI 브라우저로의 이동

이 분야의 역사 대부분에서 AI 리딩 어시스턴트란 곧 확장 프로그램을 뜻했습니다. 2025년 후반부터는 어시스턴트가 브라우저 자체로 옮겨 가고 있습니다.

Perplexity는 2025년 10월 2일 석 달간의 제한적 배포를 끝내고 Comet을 모두에게 무료로 공개했습니다. Microsoft는 Edge 안에 Copilot을 넣어 페이지 요약과 여러 탭을 가로지르는 질문을 제공합니다. 내세우는 것은 편의성입니다. 설치할 것도 없고, 창을 하나 더 띄울 필요도 없으며, 어시스턴트는 당신이 무엇을 보고 있는지 이미 알고 있습니다.

반례는 빠르게 도착했습니다. OpenAI는 2025년 10월 Chromium 기반의 자체 브라우저 Atlas를 내놨다가 10개월도 되지 않은 2026년 8월 9일 문을 닫았고, 에이전트 브라우징 기능은 ChatGPT 데스크톱 앱과 Chrome 확장 프로그램 쪽으로 접어 넣었습니다. 북마크는 자동으로 이전되지 않았습니다.

그렇다면 독자는 여기서 무엇을 가져가야 할까요?

브라우저를 갈아타는 일은 확장 프로그램을 까는 일보다 훨씬 무거운 결단입니다. 갈아탄다는 것은 탭과 확장 프로그램, 비밀번호, 습관을 통째로 옮긴다는 뜻입니다. Atlas가 닫혔을 때 사용자들은 그 전부를 다시 되돌려야 했습니다. 확장 프로그램이 문을 닫을 때 치르는 비용은 훨씬 적습니다.

사이드바는 답을 줄 뿐 쌓이지 않습니다. AI 브라우저는 눈앞의 페이지에 대한 질문에 답하는 데는 능하지만 지난달에 무엇을 읽었는지에는 무관심합니다. 일반 웹페이지 위에 지속되는 하이라이트 레이어를 유지하는 브라우저는 하나도 없고, 그런 것을 내보낼 수 있다고 문서화한 곳도 없습니다. Edge가 가장 가까이 갔다가 되돌아섰습니다. Collections 사이드바는 선택한 텍스트 조각을 담아 Word, Excel, OneNote로 보낼 수 있었지만 Microsoft는 2026년 6월 4일 Edge 149에서 Collections를 제거했습니다. Edge에서 진짜 하이라이팅이 되는 곳은 내장 PDF 리더뿐이고, 거기서 남긴 표시는 파일 안에 머뭅니다. 몇 년에 걸쳐 표시해 온 것들을 검색 가능한 하나의 덩어리로 갖고 싶다면 사이드바는 그것을 만들어 주지 않습니다. 그것은 다른 일이고, 하이라이팅이 하는 일입니다.

이 주제는 AI 브라우저와 읽기의 미래에서 더 깊이 다루고, 학습용 범용 어시스턴트 비교는 학습을 위한 Claude와 ChatGPT에서, 소스에 근거한 리서치는 2026년의 NotebookLM에서 다룹니다.

AI를 곁들인 읽기 워크플로 만들기

이 도구들을 쓸 때 가장 큰 실수는 그때그때 즉흥적으로 쓰는 것입니다. 여기서 요약 한 번, 저기서 하이라이트 한 번, 쌓이는 것은 없습니다. 성과는 반복 가능한 루프에서 나옵니다.

1단계: AI 요약으로 선별하기

무언가 눈앞에 나타나면 시간을 들이기 전에 먼저 요약합니다. 10초에서 15초, 질문은 하나입니다. 지금 내 시간을 쓸 가치가 있는가?

세 갈래로 나눕니다.

지금 읽기: 지금 맡고 있는 일과 직접 관련이 있습니다.
나중에 읽기: 흥미롭지만 급하지 않습니다. 저장해 둡니다.
건너뛰기: 요약이 이미 필요한 것을 다 알려 줬습니다.

시간 절약의 대부분은 여기에 있습니다. 10초짜리 기사에 10분을 주는 일을 그만두게 되기 때문입니다.

2단계: 능동적으로 읽고 하이라이트하기

선별을 통과한 글은 하이라이터를 켜 둔 채로 읽습니다. 다음과 같은 구절을 표시하십시오.

놀랍거나, 자신이 믿던 것과 어긋나는 부분.
이미 알고 있는 무언가와 연결되는 부분.
데이터나 근거, 구체적인 사례를 담은 부분.
나중에 인용하거나 다시 찾고 싶어질 부분.

전부 표시하지는 마십시오. 선택성이 핵심입니다. 기사의 대략 5분의 1을 넘어서면 그때부터는 고르는 것이 아니라 노란색을 칠하고 있는 것입니다.

3단계: 읽은 뒤 AI 분석

다 읽고 나면 AI로 다음을 하십시오.

기사가 아니라 자신의 하이라이트만 요약하기.
표시하지 않고 지나친 주요 주장 짚어 내기.
스스로 만든 질문 두세 개에 답하게 하기.

마지막 항목이 무게를 지닙니다. Microsoft와 Carnegie Mellon의 결과는 판단을 외주로 넘기면 따져 보는 일이 줄어든다는 것이었으니, 질문은 반드시 당신의 것이어야 합니다. 2분에서 3분이면 한 번 더 훑어보는 것보다 기억에 새기는 데 훨씬 큰 도움이 됩니다.

4단계: 연결하고 복습하기

그다음에는 이미 가지고 있는 것들과 연결합니다. 커뮤니티를 둘러보며 같은 기사에서 다른 독자들이 무엇을 표시했는지 확인해 보십시오. 겹치는 부분은 무엇이 진짜 핵심인지에 대한 꽤 괜찮은 대리 지표이고, 갈라지는 부분은 당신의 읽기가 어디서 독특했는지를 알려 줍니다. 대개는 후자가 더 흥미로운 신호입니다.

일주일에 15분을 정해 그 주의 하이라이트를 다시 봅니다. 간격을 둔 복습은 Dunlosky의 조사에서 근거가 가장 탄탄한 기법에 속하고, 간격을 점점 넓혀 가는 짧은 세션이 대부분의 일을 해냅니다.

이 도구들이 학습 전반에 어떻게 맞물리는지는 AI와 학습에서 다룹니다.

AI 리딩 어시스턴트를 쓰지 말아야 할 때

이 도구들은 정보를 얻고 분석하는 읽기에 잘 맞습니다. 하지만 몇 가지 종류의 텍스트에는 어울리지 않습니다.

소설과 문학적인 글

Maryanne Wolf는 Reader, Come Home(2018)에서, 인물 속으로 들어가고 은유가 제 속도로 펼쳐지도록 두는 깊은 읽기가 속도와 효율이 적극적으로 훼손하는 인지적 조건에 기대고 있다고 주장합니다.

소설을 요약하면 그 소설을 읽을 가치가 있게 만든 모든 것이 사라집니다. 소설은 정보 전달이 아닙니다. 시와 개인 에세이, 문장 자체가 본질인 서사적 논픽션도 마찬가지입니다.

깊은 철학과 복잡한 논증

어떤 텍스트는 애초에 어렵도록 쓰였습니다. Kant를 읽거나 의식에 관한 진지한 논문을 읽을 때, 그 어려움 자체가 작업입니다. 이해는 문장을 뜯어보고, 다시 읽고, 혼란 속에 머무는 과정에서 만들어집니다.

철학적 논증의 요약은 결론만 건네주고 추론을 버립니다. 외워서 읊을 수는 있습니다. 쓸 수는 없습니다.

먼저 자기 견해를 세워야 할 때

독립적인 판단 자체가 결과물이라면, 정치 분석이든 윤리적 질문이든 평가해야 할 제안서든, 먼저 도움 없이 읽으십시오. 견해를 세우십시오. 그런 다음 무엇을 놓쳤는지 물으십시오.

AI를 먼저 돌리면 닻이 내려집니다. AI의 프레임이 당신의 출발점이 되고, 이후의 생각은 거기서 벗어나기보다 그 주위를 맴돌게 됩니다. 앞서 본 신뢰 관련 발견의 메커니즘이 바로 이것입니다. 첫 번째 답이 그럴듯하게 들릴수록, 그것과 경쟁할 답을 스스로 세울 가능성은 줄어듭니다.

감정적이거나 개인적인 읽기

상실을 다룬 회고록. 힘든 시기에 집어 든 자기계발서. 소중한 사람이 보낸 편지. 이런 글은 무엇도 끼어들지 않은 온전한 주의를 받을 자격이 있습니다. 가치가 정보에 있는 것이 아니라, 읽는 동안 당신 안에서 벌어지는 일에 있기 때문입니다.

느린 읽기가 그 비용을 어떻게 갚는지는 깊은 읽기에서 더 다룹니다.

자주 묻는 질문

AI가 정말로 기사의 중요한 부분을 하이라이트할 수 있나요?

할 수 있습니다. 다만 '중요하다'의 특정한 의미에 한해서입니다. 모델은 주제문과 뒷받침 근거, 결론을 안정적으로 식별합니다. 이것들이 구조적인 요소이고 구조야말로 모델이 잘 읽어내는 대상이기 때문입니다. 모델이 식별하지 못하는 것은 당신에게 무엇이 중요한가입니다. 그것은 당신의 일과 최근에 읽은 것에 달려 있는데, 둘 다 문서 안에 없습니다. AI의 표시는 저자의 논증 지도로 쓰고, 나머지는 직접 표시해 채우십시오.

AI 하이라이터나 리딩 확장 프로그램을 써도 안전한가요?

확장 프로그램에 따라 다르고, 기저율은 안심할 만하지 않습니다. Incogni가 2026년 1월 AI Chrome 확장 프로그램 442개를 분석한 결과 52%가 사용자 데이터를 수집했고 29%가 개인 식별 정보를 수집했습니다. 당신과 함께 페이지를 읽는 도구라면 무엇이든 넓은 권한이 필요하므로, 문제는 그 도구가 당신의 브라우징을 볼 수 있느냐가 아니라 누가 무엇을 받아 가느냐입니다. 스토어의 데이터 공개 항목을 읽고 개인정보처리방침과 대조한 뒤, 여는 페이지를 전부 흘려보내는 도구보다 당신이 고른 구절만 전송하는 도구를 택하십시오.

AI 요약을 읽으면 기사를 읽은 것으로 볼 수 있나요?

아닙니다. 요약은 요지를 줄 뿐 이해를 주지는 않습니다. 선별할 때, 그리고 이미 읽은 것을 되살릴 때 유용합니다. 그 내용을 적용하거나 기억해야 한다면 직접 읽는 것 말고 우회로는 없습니다. MIT Media Lab의 2025년 EEG 연구에서는 LLM의 도움을 받아 글을 쓴 사람들이 테스트한 그룹 중 뇌 연결성이 가장 약했고, 상당수는 방금 자신이 쓴 글을 인용하지 못했습니다.

AI 하이라이터와 직접 하는 하이라이팅은 무엇이 다른가요?

AI 하이라이터는 기사에서 구조적으로 중요한 것을 찾아냅니다. 직접 하는 하이라이팅은 당신에게 중요한 것을 붙잡는데, 그것은 당신의 프로젝트와 지난주에 읽은 것에 달려 있습니다. 어느 쪽도 다른 쪽을 대신하지 못합니다. AI의 표시로는 논증의 중심축을 보고, 자신의 표시로는 애초에 그 글을 왜 찾아왔는지를 기록하십시오.

문서에서 핵심을 찾는 데 가장 좋은 AI 도구는 무엇인가요?

직접 업로드하는 문서라면, Gemini Notebook(2026년 7월 NotebookLM에서 이름이 바뀌었습니다)은 오직 당신의 소스에서만 답하기 때문에 정해진 읽기 목록에 믿을 만합니다. 브라우징 중인 페이지라면, 원문 자리에 표시하는 확장 프로그램이 각 구절을 자기 문단 안에 그대로 남겨 주므로 맥락이 잘려 나간 불릿 대신 주변 논증까지 함께 갖게 됩니다. 한 번 쓰고 말 것이라면 ChatGPT나 Claude에 붙여 넣어도 충분합니다. 진짜 질문은 그 결과가 남아야 하느냐입니다. 나중에 나중에 검색할 수 있는 자료 더미를 쌓아 주는 것은 하이라이팅 도구뿐입니다.

AI를 활용한 읽기 워크플로는 실제로 시간을 얼마나 아껴 주나요?

절약의 대부분은 더 빨리 읽는 데서가 아니라 선별에서 나옵니다. 시간을 들이기 전에 요약해 보면 애초에 10분을 쓸 가치가 없던 기사를 버릴 수 있고, 시간은 바로 거기에 있습니다. 능동적인 단계, 즉 하이라이팅과 읽은 뒤의 질문은 기사당 대략 3분에서 5분을 더합니다. 최종 효과는 이렇습니다. 더 적게 읽고 각각에서 더 많이 얻습니다. 목표가 기억이 아니라 처리량 자체라면 이 분야 전체를 좀 더 회의적으로 봐야 합니다.

학술 논문에도 AI 리딩 어시스턴트가 쓸모 있나요?

매우 그렇습니다. 논문은 예측 가능한 구조를 따르기 때문에 AI가 잘 해석합니다. 초록과 대표 결과를 먼저 파악한 뒤 방법과 논의는 직접 꼼꼼히 읽으십시오. 채팅은 통계적 선택에 대해 묻거나 여러 논문의 결과를 비교할 때 특히 좋습니다. 다만 요약이 방법 섹션을 대신하게 두지는 마십시오. 논문의 진짜 주장은 대개 거기에 있습니다.

결론

분량 문제는 저절로 풀리지 않습니다. 발행되는 콘텐츠는 해마다 늘고 당신의 읽는 시간은 늘지 않으니, 어딘가는 양보해야 합니다.

AI 리딩 어시스턴트는 실제 답이 될 수 있습니다. 단, 읽기의 어느 부분을 맡길 수 있는지가 분명해진 다음의 이야기입니다. 이들은 선별과 구조 파악, 질문 만들기에 강합니다. 주의력의 대체재로는 약하고, 2025년 연구는 얼마나 약한지에 숫자를 붙였습니다. 당신이 넘긴 그 노력이 바로 기억을 새기고 있던 노력입니다.

근거와 부딪히고도 살아남는 것은 하이브리드 루프입니다. 거르고 정리하는 일은 AI에 맡기십시오. 판단과 호기심, 그리고 무엇이 자신의 일과 관련 있는지에 대한 감각은 당신이 공급해야 합니다. 그중 어느 것도 모델이 찾아낼 수 있도록 텍스트 안에 들어 있지 않기 때문입니다. 자신에게 중요한 것을 표시하십시오. 건너뛴 것은 AI가 보여 주게 하십시오. 질문은 스스로 던지십시오. 복습은 일정을 정해 하십시오.

그 루프를 만들고 싶다면, Glasp의 웹 하이라이터는 사람의 하이라이팅에 AI 요약과 채팅, 그리고 다른 독자들의 커뮤니티를 확장 프로그램 하나로 묶어 놓았습니다. 하이라이트는 원할 때 언제든 Markdown, CSV, HTML로 내보낼 수 있는데, 이 분야가 지금까지 보여 준 이력을 생각하면 어떤 기능 목록보다 값어치가 있습니다.

오늘 기사 하나로 시작하십시오. 요약하는 것도, 훑는 것도 아닙니다. 자신에게 중요한 부분을 표시하고, 나머지는 AI에 도움을 청하는 것입니다. 소비에서 큐레이션으로 넘어가는 그 전환이 더 나은 읽기의 출발점입니다.