AI 사고의 함정: 비판적 사고력을 잃지 않고 AI 도구를 사용하는 방법

아무도 말하고 싶어하지 않는 문제

AI 도구에 크게 의존하는 지식 노동자와 학생들에게 이상한 일이 일어나고 있습니다. 더 많은 결과물을 내고 있습니다. 작업을 더 빨리 끝내고 있습니다. 그리고 많은 사람들이 조용히 사고력이 약해지고 있습니다.

이것은 추측이 아닙니다. Gerlich가 2025년 MDPI Societies에 발표한 연구에서는 666명의 참가자를 조사하여, 빈번한 AI 사용과 비판적 사고 능력 사이에 통계적으로 유의미한 부정적 상관관계를 발견했습니다. 사람들이 AI에 답을 더 많이 의존할수록, 독립적인 분석, 평가, 종합에 대한 참여가 줄었습니다. 2025년 중국 대학에서 580명의 학생을 대상으로 한 병행 연구도 동일한 결론에 도달했습니다. AI 의존도가 높을수록 측정된 모든 지표에서 비판적 사고 점수가 낮았습니다.

패턴은 일관적입니다. AI를 답변 기계로 사용하는 사람들은 스스로 답을 만들어내는 능력이 약해집니다. AI를 사고 파트너로 사용하는 사람들은 향상됩니다.

이것이 AI 사고의 함정입니다. 대부분의 사람들이 AI를 사용하는 기본 방식, 즉 가장 쉬운 길은 인간을 가치 있게 만드는 바로 그 능력을 침식합니다. 그리고 이 침식은 점진적이기 때문에, AI 없이 생각하려다 어려움을 겪기 전까지 대부분의 사람들은 알아차리지 못합니다.

좋은 소식이 있습니다. 이 함정은 완전히 피할 수 있습니다. 하지만 먼저 그 메커니즘을 이해해야 합니다.

수동적 AI 사용이 뇌에 미치는 영향

가장 놀라운 증거는 신경과학에서 나옵니다. MIT Media Lab의 2025년 연구에서는 54명의 피험자를 4개월간 추적하며, ChatGPT를 정기적으로 사용한 참가자와 그렇지 않은 참가자의 뇌 연결성 변화를 측정했습니다. 결과는 분명했습니다. ChatGPT를 많이 사용한 사람들은 창의성, 기억 공고화, 의미 처리와 관련된 뇌 영역에서 가장 약한 기능적 연결성을 보였습니다.

이것이 의미하는 바를 생각해 보십시오. 뇌는 사용 방식에 따라 물리적으로 재조직됩니다. 신경과학자들은 이를 신경가소성이라고 부르며, 이것은 양방향으로 작동합니다. 깊은 분석을 반복적으로 수행하면 분석적 사고를 위한 신경 경로가 강화됩니다. 그 분석을 반복적으로 기계에 외주하면, 그 경로들은 사용하지 않아 약해집니다.

이것은 새로운 현상이 아닙니다. "Google 효과"(Sparrow et al., 2011, Science 게재)는 정보가 디지털적으로 검색 가능하다는 것을 알 때 사람들의 사실 기억이 감소한다는 것을 실증했습니다. AI는 이 인지적 오프로딩을 완전히 다른 수준으로 끌어올립니다. 더 이상 기억만 외주하는 것이 아닙니다. 추론, 평가, 종합까지 외주하고 있는 것입니다.

Barcaui의 2025년 연구에서는 73명의 대학생을 추적하여, 장기간의 AI 노출이 측정 가능한 기억력 저하로 이어진다는 것을 발견했습니다. AI를 사용하여 요약, 설명, 답변을 지속적으로 생성한 참가자들은, 같은 자료를 수동으로 처리한 참가자들보다 정보를 적게 보유했으며, 두 그룹이 같은 총 시간을 작업에 소비한 경우에도 마찬가지였습니다.

이 메커니즘은 인지과학에서 잘 알려져 있습니다. "생성 효과"라고 불리는 것으로, 능동적으로 생산한 정보(회상, 바꿔 말하기, 문제 해결을 통해)는 수동적으로 받은 정보보다 더 깊이 인코딩됩니다. 읽지 않은 기사의 요약이나 시도하지 않은 문제의 해결을 AI에 요청할 때마다, 능동적 생성 대신 수동적 수용을 선택하는 것입니다.

이러한 연구 결과에 대한 더 자세한 분석은 AI와 학습: ChatGPT와 Claude가 사고, 독서, 기억을 어떻게 변화시키고 있는가를 참조하십시오.

AI 의존 스펙트럼

모든 AI 사용이 같은 것은 아닙니다. 연구는 완전히 수동적인 사용부터 완전히 능동적인 사용까지의 스펙트럼을 보여주며, 이 스펙트럼에서의 위치가 AI가 사고를 돕는지 해치는지를 결정합니다.

레벨 1: 완전한 외주 (가장 해로움) ChatGPT에 질문을 붙여넣고 평가 없이 답변을 복사합니다. 배우는 것이 아니라 인지를 완전히 위임하는 것입니다.

레벨 2: 수동적 소비 (해로움) AI 결과물을 읽고 정확하다고 받아들입니다. 레벨 1보다는 낫지만, 여전히 원래 분석의 생산자가 아닌 가공된 사고의 소비자입니다.

레벨 3: 안내된 검증 (중립) AI 결과물을 사용하지만 핵심 주장을 팩트체크하고 요약을 원본 소스와 비교합니다. 사려 깊은 AI 사용자 대부분이 여기에 위치하지만, 여전히 반응적 자세에 머무릅니다.

레벨 4: 능동적 대화 (유익함) 먼저 자신의 입장을 형성한 다음 AI를 사용해 스트레스 테스트합니다. AI가 사고를 날카롭게 하는 스파링 파트너가 됩니다.

레벨 5: 생성적 비계 (가장 유익함) 먼저 어려운 사고를 합니다. 읽고, 하이라이트하고, 주석을 달고, 가설을 세웁니다. 그런 다음 AI를 사용해 기존 이해를 확장하고 도전합니다. 이것이 Wharton 연구의 "GPT 튜터" 그룹이 연습에서 127% 향상을 달성하면서 시험 성적을 유지한 방법입니다.

레벨 1과 레벨 5의 차이는 기술이 아닙니다. 순서입니다. 프롬프트 전에 생각합니까, 아니면 생각 전에 프롬프트합니까?

수동적 vs. 능동적 AI 사용: 비교

의존 스펙트럼의 서로 다른 지점에서 같은 작업이 어떻게 보이는지 살펴봅니다.

작업	수동적 AI 사용	능동적 AI 사용
기사 읽기	AI에 요약을 요청하고 기사 대신 요약을 읽는다	직접 핵심 구절을 하이라이트한 후 AI에게 놓친 부분이 없는지 확인한다
강의 시청	YouTube Summary를 시청 대체로 사용한다	영상을 보고 핵심을 메모한 후 AI 요약과 자신의 메모를 비교한다
주제 조사	ChatGPT에 주제 설명을 요청하고 그 결과물을 포괄적인 것으로 받아들인다	여러 소스를 읽고 예비 이해를 형성한 후 AI에게 자신의 종합에 도전해달라고 한다
에세이 작성	AI에게 초안을 생성하게 하고 가볍게 편집한다	자신의 논점을 정리하고 초안을 쓴 후 AI에게 논리적 틈을 찾아달라고 한다
시험 공부	AI에게 학습 노트를 만들어달라고 한다	먼저 능동적 회상을 사용해 자신의 노트를 만든 후 AI에게 약한 부분을 퀴즈해달라고 한다
개념 이해	AI에게 "X를 설명해줘"라고 한다	먼저 자신의 말로 X를 설명해본 후 AI의 설명과 비교한다

"능동적" 열의 패턴은 일관적입니다. 먼저 인지적 작업을 직접 수행한 다음, AI를 사용해 이미 만들어낸 것을 보강합니다. 이것은 AI의 속도와 범위의 혜택을 받으면서 생성 효과를 유지합니다.

능동적 AI 사용이 더 느린 것은 아닙니다. 기억에 남지 않은 AI 결과물을 다시 읽는 시간은 줄고, 지속적인 이해를 만들어내는 처리에 더 많은 시간을 쓰게 됩니다.

AI 시대에 재구성된 블룸의 분류학

Benjamin Bloom의 인지 능력 분류학은 1956년에 발표되고 2001년에 Anderson과 Krathwohl에 의해 개정되었으며, 지금보다 더 적절했던 적이 없습니다. 6단계의 사고 수준은 AI가 어디서 도움이 되고 어디서 의존을 만드는지 이해하기 위한 정확한 지도를 제공합니다.

낮은 수준의 사고 (AI가 잘 처리하는 영역)

기억: 사실, 정의, 날짜를 회상하는 것. AI가 즉시 처리합니다. 회상을 AI에 맡기는 것은 일반적으로 괜찮습니다.
이해: 개념 설명, 바꿔 말하기, 요약. AI는 적절한 요약을 생성하지만, 직접 요약하는 행위는 가장 강력한 학습 기법 중 하나입니다. 항상 AI에게 요약을 시키면 이해를 구축하는 처리를 건너뛰게 됩니다.

높은 수준의 사고 (AI가 대신할 수 없는 영역)

적용: 새로운 상황에서 지식을 사용하는 것. AI는 활용 방법을 제안할 수 있지만, 어떤 상황에 어떤 지식이 필요한지 인식하려면 AI가 진정으로 갖추지 못한 맥락적 판단이 필요합니다.
분석: 정보를 구성 요소로 분해하고 패턴을 식별하는 것. 무엇을 분석하고 왜 분석하는지 아는 능력은 인간 고유의 것입니다. 분석을 외주하면 전문성을 가능하게 하는 패턴 인식이 침식됩니다.
평가: 판단을 내리고, 논증을 비판하고, 신뢰성을 평가하는 것. AI 결과물을 평가 없이 받아들이면, 전문가 사고와 초보자 사고를 구분하는 인지적 근육이 위축됩니다.
창조: 독창적인 작품을 만들고 아이디어를 새로운 프레임워크로 종합하는 것. AI는 기존 패턴을 재결합하지만, 진정한 창의적 종합에는 지속적인 몰입에서만 얻어지는 깊은 전문 지식이 필요합니다. 지름길은 없습니다.

실천적 시사점: 낮은 수준의 작업에는 AI를 자유롭게 사용하되, 높은 수준의 작업에 대한 참여를 보호하십시오. AI가 정보를 검색하고 정리하게 하십시오. 분석, 평가, 창조는 직접 하십시오. 이러한 능력은 시간이 지남에 따라 복리로 성장하며, AI가 나머지 모든 것을 처리하게 될수록 시장은 이러한 능력을 점점 더 높이 평가할 것입니다.

THINK 프로토콜: 능동적 AI 사용을 위한 프레임워크

연구에 기반하여, 사고의 함정에 빠지지 않고 AI 도구를 사용하기 위한 5단계 프로토콜을 소개합니다. 각 글자는 특정 인지 체크포인트를 나타냅니다.

T: 먼저 생각하기 (Think First)

AI 도구를 열기 전에 최소 5분 동안 자신의 입장, 질문, 또는 가설을 형성하십시오. 그것을 적어 두십시오. 이것은 사전 지식을 활성화하고, AI 응답이 대체하는 것이 아니라 연결되는 인지 프레임워크를 만듭니다. Cal Newport가 딥 워크에 관한 저작에서 주장하듯이, 가장 가치 있는 인지 활동에는 지속적인 집중이 필요합니다. 생각하기 전에 AI에 손을 뻗는 순간, 그 과정을 시작도 하기 전에 중단하는 것입니다.

실천: 기사를 읽을 때, AI에 무엇이든 묻기 전에 중요하거나 혼란스럽게 느껴지는 구절을 하이라이트하십시오. 주제를 조사할 때, 질의하기 전에 이미 알고 있는 것을 적으십시오. 문제를 풀 때, AI 도움을 요청하기 전에 최소 하나의 접근 방식을 스케치하십시오.

H: 답을 가설하기 (Hypothesize an Answer)

질문만 형성하지 마십시오. 답이 무엇일지 예측하십시오. 가설 주도 학습에 관한 연구(Schwartz & Bransford, 1998)는 정보를 접하기 전에 예측을 형성하면, 예측이 틀렸더라도 기억과 이해가 극적으로 향상된다는 것을 보여줍니다.

실천: AI에 "X의 주요 원인은 무엇인가요?"라고 묻기 전에, 최선의 추측을 적으십시오. 중요하다고 생각하는 세 가지 원인을 중요도순으로 정리하십시오. 그런 다음 가설을 AI의 응답과 비교하십시오. 비교 과정은 AI의 목록을 수동적으로 읽는 것보다 훨씬 깊은 인코딩을 만들어냅니다.

I: 응답 검증하기 (Interrogate the Response)

모든 AI 결과물을 완성된 제품이 아닌, 비판적 검토가 필요한 초안으로 취급하십시오. 사실적 정확성을 확인하십시오. 빠진 뉘앙스를 찾으십시오. AI가 했지만 자신이라면 하지 않았을 가정을 식별하십시오. 결론뿐 아니라 추론을 탐구하는 후속 질문을 하십시오.

실천: AI가 요약을 제공했을 때, 자문하십시오. 무엇이 빠졌는가? 어떤 관점이 누락되었는가? 다른 소스에서 아는 것과 일치하는가? Glasp의 AI 채팅을 사용해 자신의 하이라이트와 소크라테스식 대화를 하며, 주장을 받아들이기보다 반박하십시오.

N: 자신의 종합 기록하기 (Note Your Own Synthesis)

AI 결과물과 상호작용한 후, 자신의 말로 자신의 종합을 적으십시오. 이것은 양보할 수 없습니다. 생성 효과는 자신이 무언가를 만들어냈을 때만 활성화됩니다. AI 텍스트를 아무리 주의 깊게 읽어도, 자신의 버전을 쓰는 것보다 약한 기억 흔적을 남깁니다.

실천: AI를 사용해 주제를 탐색한 후, AI의 입력과 자신의 사전 지식을 통합하는 한 단락의 요약을 작성하십시오. 더 좋은 방법은, 개인적인 핵심 내용을 포착하는 하이라이트 노트를 작성하는 것입니다. 이것은 단순한 소비가 아닌 처리를 강제합니다. 파인만 기법이 여기서 특히 효과적입니다. 그 주제에 대해 아무것도 모르는 사람에게 가르치듯 개념을 설명하십시오.

K: 지식 점검 (Knowledge Check)

자신을 테스트하십시오. AI 결과물이나 노트를 보지 않고 핵심 포인트를 떠올려 보십시오. 능동적 회상은 인지과학이 확인한 가장 효과적인 학습 기법이며(Roediger & Butler, 2011), 수동적 AI 사용에 따른 기억력 저하에 직접적으로 대항합니다.

실천: AI 도구를 닫으십시오. 5분을 기다리십시오. 그런 다음 방금 배운 것에 대해 기억나는 모든 것을 적으십시오. 노트와 비교하십시오. 차이는 실제로 흡수한 것과 흡수했다고 착각한 것의 차이를 드러냅니다. 이것이 효과적인 이유에 대한 더 깊은 이해는 능동적 회상 전략 가이드를 참조하십시오.

AI로 가득한 세상에서의 딥 워크

Cal Newport의 딥 워크 개념은 AI 시대에 새로운 도전에 직면하고 있습니다. 그 도전은 AI가 전통적 의미의 방해물이라는 것이 아닙니다. AI가 딥 워크에 필요한 인지적 부담을 피할 수 있는 끊임없는 유혹을 제공한다는 것입니다.

딥 워크는 불편합니다. 뇌가 저항합니다. 난해한 논문을 이해하려고 고군분투할 때, AI에 도움을 요청하고 싶은 충동은 강력합니다. 하지만 그 고군분투가 바로 학습이 일어나는 곳입니다. 인지과학자들은 이를 "바람직한 어려움"(Bjork & Bjork, 2011)이라고 부릅니다. 그 순간에는 더 힘들게 느껴지지만 더 강한 장기 기억을 만들어내는 학습 조건입니다. AI는 바람직한 어려움을 제거합니다. 그것이 AI의 판매 포인트이자 위험입니다.

해결책: 깊은 사고가 먼저 오고 AI 지원이 나중에 오도록 작업 순서를 정하십시오. 실용적인 일정은 다음과 같습니다.

블록 1 (깊은 읽기, 45-60분): AI 없이 원본 자료를 읽으십시오. Glasp의 웹 하이라이터를 사용해 중요하거나, 놀랍거나, 혼란스러운 구절을 표시하십시오. 여백에 메모를 쓰십시오. 텍스트 자체와 직접 관계를 맺으십시오.
블록 2 (종합, 20-30분): 원본 자료를 닫으십시오. 자신의 요약, 개요, 또는 반응을 쓰십시오. 이해한 것과 이해하지 못한 것을 식별하십시오. 여기서 생성 효과가 작동합니다.
블록 3 (AI 보강, 15-20분): 이제 AI 도구를 여십시오. 식별한 빈틈에 대해 구체적인 질문을 하십시오. AI의 요약과 자신의 요약을 비교하십시오. Glasp의 AI 채팅을 사용해 목표가 있는 후속 질문으로 하이라이트를 검증하십시오. AI의 답변에 도전하고 자신의 분석이 실제로 더 정교했던 지점을 찾으십시오.
블록 4 (통합, 10-15분): 원래의 사고와 AI 상호작용에서 얻은 통찰을 결합한 최종 종합을 쓰십시오. 같은 자료에 관여한 다른 독자들로부터 관점을 얻기 위해 커뮤니티 피드에 공유하십시오.

이 순서는 AI 우선 접근 방식과 대략 같은 총 시간이 걸리지만, 학습 결과는 극적으로 다릅니다.

사고 우선 AI 활용을 위한 실용적 도구

THINK 프로토콜과 딥 워크 스케줄링은 프레임워크입니다. 실용적이려면 도구가 필요합니다. 일상 워크플로에서 사고 우선 AI 사용을 구현하는 방법을 소개합니다.

요약하기 전에 하이라이트하기

가장 흔한 AI 사고의 함정은 읽지 않은 것의 요약을 요청하는 것입니다. 효율적으로 느끼지만, 하체 운동을 건너뛰는 것이 효율적인 것과 같습니다. 지금은 시간을 절약하지만 나중에 대가를 치릅니다.

대신, AI와 관여하기 전에 Glasp의 웹 하이라이터를 사용해 콘텐츠를 읽고 표시하십시오. 어떤 구절이 중요한지 선택하는 것은 텍스트를 평가하고 자신의 정신 모델을 형성하도록 강제합니다. 전략적 주석에 관한 연구는 이것이 수동적 독서보다 더 깊은 처리를 활성화한다는 것을 보여줍니다. 나중에 AI에 요약을 요청할 때, 비교할 대상이 있습니다. 자신의 하이라이트와 AI의 강조 사이의 차이에 통찰이 있습니다.

YouTube Summary를 시작점으로 사용하고 종점으로 사용하지 않기

YouTube Summary는 영상 콘텐츠의 AI 트랜스크립트와 요약을 생성합니다. 사고 우선 접근 방식: 영상을 보고(1.5배속이라도), 핵심 내용을 메모한 다음 AI 요약으로 놓친 것이 없는지 확인하십시오. 참여의 대체가 아닌 자신의 이해에 대한 점검으로 취급하십시오. 영상 처리는 텍스트 읽기와 다른 인지 경로를 활성화하며, 다중 양식 참여는 더 풍부한 기억 인코딩을 만들어냅니다.

소크라테스식 AI 대화

대부분의 사람들은 AI를 "오라클 모드"로 사용합니다. 질문하고 답을 받습니다. 대신 소크라테스 모드로 전환하십시오. AI에게 자신의 가정에 의문을 제기해달라고 하십시오. 자신의 논증에서 약점을 찾아달라고 하십시오. 자신의 입장에 대한 가장 강력한 반론을 제시해달라고 하십시오.

Glasp의 AI 채팅을 사용하면 자신의 하이라이트와 노트에 기반한 이런 종류의 대화를 할 수 있습니다. AI가 처음부터 답을 생성하는 것이 아니라, 이미 선택하고 관여한 특정 아이디어에 응답합니다. 이것은 자신의 사고와 AI의 능력 사이의 대화를 만들어내며, 이것이 연구가 학습에 가장 유익하다고 식별하는 최적의 지점입니다.

다른 사람의 이해와 비교하기

커뮤니티 피드에서는 자신이 소비한 같은 기사와 영상에서 다른 독자들이 하이라이트한 내용을 볼 수 있습니다. 자신이 간과한 구절을 누군가 하이라이트했을 때, 자신의 이해에 도전이 됩니다. 다른 누구도 하이라이트하지 않은 것을 자신이 하이라이트했을 때, 그것은 발전시킬 가치가 있는 독창적 통찰일 수 있습니다. AI가 개인 학습을 너무 편리하게 만들어서 많은 사람들이 이 협력적 요소를 포기했습니다. 다른 독자들의 사고와 다시 연결되면 AI만으로는 제공할 수 없는 관점 확인이 회복됩니다.

자주 묻는 질문

AI 도구를 사용하면 항상 비판적 사고력이 감소합니까?

아닙니다. 효과는 AI를 사용하느냐 여부가 아니라 어떻게 사용하느냐에 전적으로 달려 있습니다. Wharton 연구에서는 안내된 AI 튜터를 사용한 학생들이 AI를 사용하지 않은 학생들과 동등한 시험 성적을 거두면서 127% 더 많은 연습을 완료했음을 보여주었습니다. 핵심 변수는 AI가 사고를 대체하느냐 아니면 발판을 제공하느냐입니다. 먼저 생각하고 AI를 사용해 분석을 확장하면, 비판적 사고력이 실제로 향상될 수 있습니다.

AI에 너무 의존하고 있는지 어떻게 알 수 있습니까?

이 테스트를 시도해 보십시오. 최근 AI 도움으로 공부한 주제를 고르고, 참고 자료 없이 5분간 글로 설명해 보십시오. 논리적인 설명을 하는 데 어려움을 겪거나, 이해가 "얕다"고 느끼면(결론은 알지만 추론을 재구성할 수 없음), 그것은 수동적 소비입니다. 또 다른 지표: 어떤 질문에 직면했을 때 첫 본능이 생각하기보다 AI 도구를 여는 것이라면, 의존 방향으로 너무 치우친 것입니다.

깊이 이해할 필요가 없는 콘텐츠에 AI 요약을 사용해도 괜찮습니까?

물론입니다. 모든 것이 깊은 몰입을 필요로 하는 것은 아닙니다. 더 깊은 읽기에 가치가 있는지 판단하기 위해 훑어보는 콘텐츠, 배경 맥락, 또는 빠른 팩트체크에는 AI 요약이 괜찮습니다. 이 함정이 문제가 되는 것은 실제로 배우고 기억해야 하는 자료에 대해 수동적 AI 소비를 사용할 때뿐입니다. 구분은 "AI냐, AI가 아니냐"가 아닙니다. "적절한 인지 수준에 AI를 사용하고 있는가?"입니다.

THINK 프로토콜은 시험을 준비하는 학생들에게 어떻게 작동합니까?

THINK 프로토콜을 학습 구조로 사용하십시오. AI 없이 연습 문제를 풀거나 핵심 개념을 회상해 보십시오(T와 H 단계). AI를 사용해 자신의 결과를 확인하고 빈틈을 식별하십시오(I 단계). 자신의 말로 수정된 설명을 쓰십시오(N 단계). 일정 시간 후 AI 없이 다시 테스트하십시오(K 단계). 이것은 수십 년간의 인지과학이 검증해온 테스트 효과와 간격 반복 연구 결과를 반영합니다. AI는 지속적인 기억을 구축하는 인출 연습을 대체하지 않으면서 피드백 루프를 가속화합니다.

AI가 실제로 비판적 사고력을 강화할 수 있습니까?

예, 의도적인 사고 도구로 사용할 때 가능합니다. AI에게 주제에 대한 여러 관점을 제시하게 하고 어떤 논증이 가장 강한지 평가하십시오. 자신의 논제에 대한 반례를 생성하게 하십시오. 자신이 쓴 논증에서 논리적 오류를 찾게 하십시오. 이러한 사용법은 낮은 수준의 인지 작용(기억, 이해)이 아닌 높은 수준의 인지 작용(분석, 평가)에 참여하도록 강제합니다. AI는 체스 엔진이 대신 플레이하는 것이 아니라 도전함으로써 플레이어의 실력 향상을 돕는 것처럼, 사고를 더 엄밀하게 만드는 스파링 파트너가 됩니다.

결론: 먼저 생각하고, 그다음 증폭하기

AI 사고의 함정은 기술의 문제가 아닙니다. 순서의 문제입니다. 수동적으로 사용할 때 사고를 저하시키는 같은 도구가, 능동적으로 사용할 때 사고를 강화할 수 있습니다. 차이는 단 하나의 질문으로 귀결됩니다. 프롬프트하기 전에 생각했습니까?

모든 연구가 같은 발견으로 수렴합니다. 인간이 먼저 인지적 작업을 수행하고 AI를 사용해 사고를 확장하고 정제할 때, 결과가 향상됩니다. 인간이 인지적 작업을 건너뛸 때, 결과가 악화됩니다.

AI 시대에 가장 중요한 능력은 프롬프트 엔지니어링이 아닙니다. AI 도구를 열기 전에 어려운 사고를 할 수 있는 능력입니다. 요약하기 전에 읽기. 검색하기 전에 가설 세우기. 편집하기 전에 초안 쓰기. 설명을 요청하기 전에 고군분투하기.

이 접근 방식을 지원하는 도구, 즉 AI를 프로세스에 도입하기 전에 자신만의 방식으로 자료와 관계를 맺도록 돕는 도구가 생산적인 지식 노동의 다음 시대를 정의할 것입니다. Glasp은 이 철학을 중심으로 구축되었습니다. 먼저 하이라이트하고, 그다음 요약하기. 먼저 읽고, 그다음 채팅하기. 먼저 생각하고, 그다음 증폭하기.

당신의 뇌는 가소적입니다. 당신이 요구하는 것에 적응합니다. 소비를 요구하면 효율적인 소비자가 됩니다. 사고를 요구하면 더 날카로운 사고자가 됩니다. AI는 이 신경과학의 기본 법칙을 바꾸지 않습니다. 다만 판돈을 높일 뿐입니다.

현명하게 선택하십시오.