AI와 함께 읽기: 이해력을 잃지 않고 ChatGPT와 Claude 활용하기

AI 독서의 역설

ChatGPT에게 1만 단어 분량의 심층 취재 기사를 약 10초 만에 요약시킬 수 있습니다. 여러분은 그 글이 무슨 이야기를 했는지 "안다"고 느낄 것입니다. 논지를 설명하고, 주요 인물을 이름 댈 수 있고, 어쩌면 세 가지 시사점을 나열할 수도 있을 것입니다. 정보를 얻었다는 기분이 들 것입니다.

일주일 뒤 누군가가 그 글에 대해 묻는다면, 여러분은 거의 아무것도 기억하지 못할 것입니다.

이제 작년에 천천히 읽은 기사와 대조해 보세요. 세 구절에 하이라이트를 쳤습니다. 여백에서 저자와 논쟁했을지도 모릅니다. 2년이 지난 지금도 여러분은 그 기사의 문장들을 인용하고 있습니다. 링크를 기억만으로 찾을 수 있습니다. 그 아이디어들은 여러분의 사고방식 속으로 슬며시 스며들었습니다.

같은 정보, 근본적으로 다른 결과. 역설은 AI가 독서를 빠르게 해주는 바로 그 순간, 빠른 것이 우리에게 필요한 것이 아니게 된다는 점입니다. 우리에게 부족한 것은 콘텐츠가 아닙니다. 부족한 것은 이해이고, 이해는 그 어떤 모델도 대신 압축해 줄 수 없는 완고한 최소 시간 비용을 가지고 있습니다.

이 글은 AI를 반대하는 글이 아닙니다. 한 가지 구체적인 실패 모드에 반대하는 글입니다. AI를 독서의 증폭기가 아니라 독서의 대체제로 사용하는 것 말입니다. 바깥에서 보면 그 차이는 작아 보입니다. 하지만 여러분의 머릿속에서는 그것이 배움과 배움의 연극 사이의 차이입니다.

인지적 오프로딩: 연구가 보여주는 것

이에 관한 과학은 현재의 AI 흐름보다 더 오래되었습니다. 2011년, Betsy Sparrow, Jenny Liu, Daniel Wegner는 Science에 "Google Effects on Memory"를 발표했습니다. 그들은 네 가지 실험을 진행했고 일관된 패턴을 발견했습니다. 사람들이 정보가 컴퓨터에 저장될 것이라고 믿을 때, 정보 자체는 덜 정확하게 회상했지만 어디서 찾을 수 있는지는 더 잘 기억했습니다. 기억이 내용에서 포인터로 이동한 것입니다.

Barr, Pennycook, Stolz, Fugelsang은 2015년 "The Brain in Your Pocket"에서 이를 확장하여, 스마트폰 사용이 많을수록 분석적 사고 과제 수행 능력이 낮아진다는 것을 보여주었습니다. 특히 직관적인 오답을 억눌러야 하는 문제에서 그러했습니다. Storm, Stone, Benjamin (2017)도 외부 저장과 부호화에서 비슷한 패턴을 발견했습니다. 무언가를 외부에 저장하는 행위 자체가 내부적으로 얼마나 깊이 처리되는지를 감소시킨 것입니다.

그러다 생성형 AI가 등장해 그 효과를 한층 끌어올렸습니다.

Microsoft Research와 Carnegie Mellon의 Lee, Sarkar 등 (2025)은 "The Impact of Generative AI on Critical Thinking"이라는 연구에서 지식 근로자 319명을 조사했습니다. 헤드라인을 장식한 발견은 이것입니다. AI에 대한 신뢰가 높을수록 비판적 사고 노력이 낮아진다는 것. 사용자들이 모델을 신뢰할 때 결과물을 검증하지 않았습니다. 불신할 때는 더 관여했습니다. 연구자들은 이를 "과제 수행에서 과제 감독으로의 전환"이라고 불렀지만, 감독은 오류를 발견할 도메인 지식이 여전히 있을 때만 작동합니다.

Michael Gerlich의 2025년 Societies 논문은 한 발 더 나아갔습니다. 666명의 참가자를 조사한 Gerlich는 잦은 AI 도구 사용과 비판적 사고 점수 사이에 강한 음의 상관관계가 있으며, 이것이 인지적 오프로딩에 의해 매개된다는 것을 발견했습니다. AI에 가장 많이 의존한 젊은 참가자들이 독립적 추론 측정에서 가장 낮은 점수를 기록했습니다.

메커니즘은 단순하고 생물학적으로 평범합니다. 뇌는 AI를 다른 외부 드라이브를 다루듯 다룹니다. 자료에 관여하지 않으면 부호화하지 않습니다. 부호화하지 않으면 기억하지 못합니다. 기억하지 못하면 그것으로 사고할 수 없습니다. AI와 함께 하는 독서가 부실한 것은 AI의 실패가 아닙니다. AI가 대신해 줄 수 없는 부분을 여러분이 하지 않은 실패입니다.

사고의 함정이라는 각도에서 더 긴 논의를 보려면, the AI thinking trap에 관한 글을 참고하세요.

AI가 도움이 될 때: 세 가지 초록불

위의 내용 중 어느 것도 AI에 대한 반대 논증이 아닙니다. 한 가지 특정 워크플로에 대한 반대 논증입니다. AI는 최소한 세 가지 상황에서 독서를 진정으로 증폭시키며, 이 세 가지 모두는 한 가지 특징을 공유합니다. 여러분이 이미 글 자체에 관여한 이후에 일어난다는 점입니다.

명확화. 어텐션 메커니즘에 관한 논문을 읽다가 소프트맥스 정규화에 관한 한 줄에서 막힙니다. Claude에게 이미 읽은 내용의 맥락에서 그 개념 하나만 설명해 달라고 요청하는 것은 진정으로 유용합니다. 막힘을 풀어줍니다. 논문의 나머지 부분에 대한 여러분의 관여도를 대체하는 것이 아니라 높여줍니다. 여전히 독서를 하는 주체는 여러분입니다.

실제로 읽은 자료들 전반에 걸친 종합. 지난 한 달 동안 원격 근무에 관한 기사 다섯 편을 읽었습니다. 각각에 구절을 하이라이트했습니다. 그 하이라이트들 사이에서 긴장, 모순, 예상치 못한 겹침을 찾아달라고 AI에게 요청하는 것은 AI가 잘하는 일이자, 여러분이 수동으로는 잘 하지 않을 일입니다. 핵심은 여러분이 독서를 했다는 점입니다. AI는 여러분이 이미 대사한 자료 위에서 작동하고 있지, 대사 자체를 대체하는 것이 아닙니다.

여러분 자신의 메모에 대한 소크라테스식 연습. 책에서 뽑은 하이라이트를 가지고 AI에게 퀴즈를 내달라고 하세요. 저자에게 반박해 달라고 하세요. 합리적인 비평가라면 뭐라고 할지 물어보세요. 여러분은 이 모델을 저렴하고 인내심 있는 스파링 파트너로 사용하는 것이며, 이는 AI가 진정으로 가장 잘하는 일 중 하나입니다. 이는 personal RAG over your notes가 대규모로 가능하게 하는 것과 가깝습니다.

패턴에 주목하세요. 이 세 가지 경우 모두, 독서는 여러분이 가져오고 AI는 대화의 폭을 가져옵니다. 여러분의 이해가 자랍니다. AI는 여러분인 척하지 않습니다.

AI가 해로울 때: 세 가지 빨간불

반대 패턴은 도처에 있습니다. 더 쉽기 때문이고, 더 쉬운 것은 단기적으로 거의 항상 이기기 때문입니다.

읽기 전 요약. 긴 기사가 눈에 들어옵니다. 그것을 읽는 대신 ChatGPT에 붙여넣고 요약을 부탁합니다. 요약을 읽습니다. 나중에 전체 기사로 돌아가겠다고 스스로에게 말합니다. 돌아가지 않습니다. 이제 여러분에게는 압축되고, 맥락이 제거되었으며, 어쩌면 환각이 섞였을 다른 사람의 작업 버전과, 그들의 사고를 마주했다는 거짓된 감각이 남습니다. 더 나쁜 것은, 여러분이 모든 질감을 건너뛰었다는 점입니다. 구체적인 예시, 어조의 신호, 기억에 남았을 구절들 말입니다.

긴 문서의 단일 프롬프트 다이제스트. "이 50페이지 보고서를 요약해줘." 결과물은 괜찮습니다. 그리고 그것은 이해의 연극이기도 합니다. 여러분은 회의에서 그 보고서를 인용할 것입니다. 누군가 구체적인 질문을 할 것입니다. 여러분은 전혀 모른다는 것을 깨달을 것입니다. 왜냐하면 요약이 바로 중요한 그 세부사항을 압축해 날려버렸기 때문입니다.

자기 사고로의 축자적 의역. AI에게 견해를 물어봅니다. 그 프레이밍을 흡수합니다. 그 표현을 마치 여러분 것인 양 반복하기 시작합니다. 이는 법적 의미의 표절은 아니지만, 일종의 뇌의 표절입니다. 결국 여러분은 스스로 도달하지 않은 견해를 가지고, 스스로 구성하지 않은 논변으로 그것을 옹호하게 됩니다. 도전받을 때 깊이 있게 방어할 수 없습니다. 비계를 한 번도 쌓은 적이 없기 때문입니다.

실제로 쓸 수 있는 결정 매트릭스는 다음과 같습니다.

이 표를 가까이 두세요. 나쁜 AI 독서 습관의 대부분은 이 점검을 건너뛰고 기본값으로 "요약"으로 가는 데서 옵니다.

아무도 말하고 싶지 않은 환각 문제

인지적 비용 외에 사실적 비용도 있습니다. LLM은 자신 있게 꾸며냅니다. 인용, 날짜, 인용구, 통계, 그리고 때로는 존재하지 않는 논문 전체까지 말입니다.

Stanford HAI의 2024년 법률 AI 도구 연구 (Magesh et al., "Hallucination-Free? Assessing the Reliability of Leading AI Legal Research Tools")는 Westlaw AI와 Lexis+ AI를 테스트했고, 검색 증강으로 마케팅되는 제품에서도 도메인 특화 법률 질의에 대해 1733퍼센트의 환각률을 발견했습니다. 범용 모델에서는 인용된 주장에 대한 환각률이 도메인, 프롬프트 스타일, 그리고 "환각"을 얼마나 엄격하게 정의하는가에 따라 1540퍼센트로 보고되어 왔습니다. Pal, Umapathi, Sankarasubbu의 의료 질의응답에 관한 2023년 연구 ("Med-HALT")도 비슷한 규모를 발견했습니다.

이것이 독서에 중요한 이유는, 독서가 무엇보다도 사실 확인 활동이기 때문입니다. 어떤 아이디어와의 만남이 뒷받침 인용을 자신 있게 지어낸 AI를 통해 걸러진다면, 여러분은 읽고 있는 것이 아닙니다. 여러분은 가볍게 오염된 개요를 소비하고 있는 것입니다.

실무적 함의: AI 요약에서 꺼내 글쓰기, 가르침, 논증에 사용하려는 모든 주장은 출처에서 검증이 필요합니다. 이것이 아래의 "AI 나중" 프로토콜이 1단계에서 모델을 신뢰하는 대신 4단계에서 검증을 두는 이유입니다.

AI 나중 독서 프로토콜

다음은 이해의 느낌이 아니라 실제 이해를 만들어내는 경향이 있는 워크플로입니다. 네 단계이며, 각 단계의 내용보다 순서가 더 중요합니다.

1단계: 먼저 읽기. 10분이라도. 눈에 띄는 것 서너 가지를 하이라이트하세요. 놀라운 주장, 헷갈리는 구절, 나중에 쓸 법한 문장들. Glasp's web highlighter는 바로 이를 위해 만들어졌습니다. 여러분의 하이라이트가 지속되어 3단계에 투입될 수 있기 때문입니다.

2단계: 스스로 요약. 두 문장이면 충분합니다. 이것이 부호화 단계입니다. 두 문장을 쓰는 마찰이 바로 기억이 실제로 형성되는 지점입니다. 이를 건너뛰면 핵심을 건너뛰는 것입니다.

3단계: AI에게 구체적으로 질문. "이거 요약해줘"가 아닙니다. "저자가 세 번째 섹션에서 X로 무엇을 의미하는가?" "이것은 지난달 내가 하이라이트한 Sparrow 2011 논변과 어떻게 비교되는가?" "내 두 번째 하이라이트의 주장에 대한 가장 강한 반론은 무엇인가?" 와 같은 것들입니다. 여기서 Glasp's AI chat이 유용해집니다. AI가 일반적인 붙여넣기가 아니라 여러분이 하이라이트한 자료 위에서 작동하기 때문입니다.

4단계: 검증. 통계를 인용하거나, 연구를 인용하거나, 날짜에 의존할 예정이라면 출처를 열어 확인하세요. 매번. 네, 매번요. 이 마찰이 왜 가치가 있는지에 대한 배경을 보려면, AI reading assistant에 관한 글을 참고하세요.

이 프로토콜은 일반적인 패턴을 뒤집습니다. 대부분의 사람들은 AI 먼저 독서를 합니다. 프롬프트, 훑기, 아마도 돌아가기. AI 나중 독서는 AI를 첫 단계가 아니라 마지막 단계로 만듭니다. 조금 더 오래 걸리지만, 훨씬 더 많이 기억하게 됩니다.

Glasp의 AI 스택을 올바르게 사용하기

Glasp는 AI 나중 가정 위에 설계되었지만, 도구들이 어떻게 맞물리는지 명시적으로 설명할 가치가 있습니다.

Glasp's web highlighter는 1단계입니다. 여러분이 읽고, 하이라이트하면, 하이라이트가 저장되고, 색인되며, 검색 가능해집니다. 이것이 "관여 우선" 층이며, 이것이 없으면 이후 단계들이 작업할 대상이 없습니다.

Glasp's AI chat은 3단계입니다. 여러분이 붙여넣은 임의의 텍스트가 아니라 여러분의 하이라이트 위에서 작동합니다. 이 설계 선택은 의도적입니다. 이 chat은 여러분이 이미 대사한 자료를 종합하고, 질문하고, 교차 참조할 때 가장 강력합니다. 독서를 대체하라고 요청할 때 가장 약하며, 제품도 그렇지 않은 척하지 않습니다.

YouTube Summary는 이를 올바르게 하는 유용한 사례 연구입니다. 비디오 요약을 생성할 수 있지만, 최고의 사용법은 "비디오 대신 요약을 보는 것"이 아닙니다. "비디오를 보고, 중요한 순간을 하이라이트한 다음, 요약과 트랜스크립트를 사용해 특정 섹션을 다시 찾는 것"입니다. 요약은 시청의 대체가 아니라 인출 도구가 됩니다.

Glasp's PDF highlighter와 Kindle highlights는 같은 패턴을 긴 형식의 독서로 확장합니다. 하이라이트는 여러분의 서재로 이어집니다. 나중에 여러분이 읽은 모든 책에 걸쳐 chat with your notes를 할 수 있으며, 이는 5년 전에는 정말로 불가능했던 종류의 종합입니다.

그리고 Glasp는 소셜 리더이므로, 같은 글에서 다른 사람들이 무엇을 하이라이트했는지도 볼 수 있습니다. 그것은 다른 종류의 AI 인접 층이자 human curator 신호이며, 사려 깊은 독자가 알아챘지만 여러분은 놓친 것을 집어내는 데 놀라울 만큼 유용합니다.

사례 연구: 두 명의 학생, 두 명의 독자

구체적인 예시는 추상을 구체로 만들어 줍니다.

두 명의 학생. Maya와 Jun은 같은 대학원 세미나에 있습니다. Maya는 수업 전에 배정된 모든 논문을 Claude로 요약합니다. 또렷한 논점을 가지고 나타납니다. Jun은 논문을 읽고, 흥미로운 부분을 하이라이트하고, 자기 말로 두 문장 요약을 쓴 다음, Claude에게 자기가 놓친 게 무엇인지, 방법론 섹션에 대한 자기 해석이 맞는지 묻습니다. 그도 논점을 가지고 나타나지만, 그곳에 도달하는 데 대략 두 배의 시간이 걸렸습니다.

학기 말, 두 사람은 같은 종합 시험을 칩니다. Maya는 논문이 아니라 AI의 프레이밍을 기억합니다. 시험에서 자기가 읽었을 법한 방법론을 비판하라고 하자, 구체적인 내용을 실제로 접한 적이 없었기 때문에 그녀는 쩔쩔맵니다. Jun은 더 잘합니다. 더 똑똑해서가 아니라 비계를 쌓았기 때문입니다. 2년 후, Jun은 여전히 그 논문들을 인용하고 있습니다. Maya는 제목조차 기억하지 못합니다.

두 명의 독자. Priya와 Sam은 둘 다 업무를 위해 폭넓게 읽습니다. Priya는 바쁘기 때문에 책을 읽는 대신 ChatGPT로 책 요약을 생성시킵니다. 이런 식으로 1년에 40권을 "읽습니다." Sam은 12권을 읽고, Glasp에서 많이 하이라이트하며, 몇 달마다 Glasp's AI chat으로 자기 하이라이트들 사이의 패턴을 찾습니다.

Priya는 얕고 서로 교체 가능한 방식으로 책을 이야기합니다. 그녀가 섭취한 요약 자체가 얕고 교체 가능했기 때문입니다. Sam은 어떤 저자가 무엇을 말했는지, 두 저자가 어디서 의견이 다른지, 자기 사고가 어디서 바뀌었는지 말해줄 수 있습니다. 그는 더 적은 책을 읽고 더 많이 이해했습니다. 이것이 실천에서 remembering what you read가 어떤 모습인지 보여줍니다.

교훈은 AI가 나쁘다는 것이 아닙니다. AI가 여러분이 투입한 것을 증폭시킨다는 것입니다. 관여를 투입하면 증폭된 이해를 얻습니다. 아무것도 투입하지 않으면 증폭된 무(無)를 얻습니다.

AI 네이티브 독서 5년이 우리에게 미칠 수 있는 것

추측입니다만, 근거 있는 추측입니다.

계산기는 수학을 파괴하지 않았지만, 사람들이 무엇을 잘하게 되는지를 바꿨습니다. 오늘날 대부분의 성인은 조부모 세대만큼 머릿속으로 유창하게 긴 나눗셈을 할 수 없습니다. GPS는 길찾기를 파괴하지 않았지만, 공간 기억 연구 (Dahmani and Bohbot, 2020)는 턴바이턴 길안내에 크게 의존하는 사람들이 자기 도시의 더 약한 인지 지도를 형성한다는 것을 보여줍니다.

독서는 산술이나 길찾기보다 인지적으로 더 큰 하중을 견딥니다. 그것은 우리가 시간을 가로질러 다른 사람들의 아이디어로 사고하는 방식입니다. 한 세대가 모든 텍스트와의 첫 만남을 LLM에 외주화하면서 자란다면, 가능성 높은 결과는 문맹이 아닙니다. 뭔가 더 이상한 것입니다. 표면적 의미에서 "책이 무엇을 말했는지 아는" 인구, 하지만 그 아이디어로 사고할 수 없는 인구입니다. 내면화한 적이 없기 때문입니다. 요약은 인용할 수 있습니다. 저자와 논쟁할 수는 없습니다. 이 추세가 학습에 미칠 수 있는 영향에 대한 더 넓은 관점을 보려면, AI's impact on learning을 참고하세요.

이것이 불가피한 것은 아닙니다. 계산기는 수학 교육과 공존합니다. GPS는 여전히 자기 동네를 아는 사람들과 공존합니다. 문제는 AI 독서가 깊은 독서와 공존할 것인지, 아니면 더 싼 선택지가 기본값으로 더 느린 선택지를 밀어낼 것인지입니다.

앞으로 나아갈 길은 대체로 개인적입니다. 그것은 AI를 유용하게 유지하되, 독서 중 여러분 자신인 부분을 가져가게 하지 않는 프로토콜을 채택하는 것입니다. 이 글이 논하려는 바는 그게 전부입니다.

자주 묻는 질문

기사 요약에 ChatGPT를 쓰는 것이 학습에 나쁜가요?

기사 대신 요약을 읽는다면, 네. 기사를 읽고, 자기 요약을 쓴 다음, ChatGPT로 이해를 점검하거나 빈틈을 메운다면, 아니요. 도구보다 순서가 더 중요합니다.

연구 논문을 읽을 때 AI를 가장 잘 쓰는 방법은 무엇인가요?

초록과 서론은 직접 읽으세요. 방법은 훑으세요. 논의는 읽으세요. 따라가지 못하는 부분을 하이라이트하세요. 그런 다음 AI에게 하이라이트한 부분을 설명해 달라고 하고, 읽은 다른 논문들과 비교해 달라고 하고, 여러분의 해석을 스트레스 테스트해 달라고 하세요. 출처를 확인하지 않고 AI 요약에서 통계를 인용하지 마세요. 인용에 대한 환각률이 높기 때문입니다.

AI 요약이 중요한 세부사항을 환각하나요?

자주 그렇습니다. Stanford HAI의 2024년 작업은 검색 증강 법률 AI 도구에서도 1733퍼센트의 환각률을 발견했습니다. 범용 챗봇은 도메인에 따라 인용된 주장에서 1540퍼센트에 이릅니다. 모든 AI 생성 특정값 (날짜, 인용, 통계, 참고문헌)은 출처를 확인하기 전까지 검증되지 않은 것으로 취급하세요.

이해하지 못하는 개념을 설명하는 데 AI를 써야 할까요?

네, 이것이 가장 강력한 사용 중 하나입니다. 명확화는 출처에 대한 관여를 대체하는 것이 아니라 높입니다. 프롬프트를 구체적으로 하세요. "방금 하이라이트한 어텐션 메커니즘의 맥락에서 소프트맥스를 설명해줘"가 "어텐션을 설명해줘"보다 더 잘 작동합니다.

AI 보조 독서는 AI와 함께 읽기와 다른가요?

겹치는 표현이지만 다를 수 있습니다. 이 글에서 "AI와 함께 읽기"는 위에서 설명한 AI 나중 패턴으로, AI를 여러분 자신의 독서의 동반자로 사용하는 것을 의미합니다. 일부 마케팅 자료에서 "AI 보조 독서"는 실제로는 AI가 다이제스트를 생산하고 여러분이 그 다이제스트를 소비하는 AI 먼저 독서를 의미합니다. 구분은 독서를 하는 주체가 여전히 여러분인지 여부입니다.

내 하이라이트를 가로지르는 AI chat은 기억에 도움이 되나요, 해가 되나요?

도움이 됩니다. 단, 하이라이트가 출처에 대한 실제 관여에서 나왔을 때만 그렇습니다. 기계적으로 하이라이트했거나 AI에게 하이라이트를 시켰다면, 여러분은 얕은 자료를 가로질러 종합하는 것이고 얕은 종합을 얻게 됩니다. 독서 중 눈에 띄는 것들을 하이라이트했다면, 그 하이라이트를 가로지르는 chat은 오늘날 존재하는 학습용 AI 사용법 중 지렛대가 가장 큰 축에 듭니다. Glasp's AI chat 같은 도구가 이 루프를 중심으로 설계되었습니다.

마치며

AI는 여러분을 더 나은 독자로 만들 수도, 더 빠른 망각자로 만들 수도 있습니다. 어느 쪽이 될지는 도구가 결정하지 않습니다. 여러분이 결정합니다. 사용하는 순서를 통해서 말입니다.

먼저 읽으세요. 눈에 띄는 것을 하이라이트하세요. 스스로 요약하세요, 짧게라도. 그다음 명확화, 종합, 질문을 위해 AI를 불러들이세요. 사용할 예정인 것은 무엇이든 검증하세요. 기사당 2~3분의 추가 시간이며, 그것이 무언가를 아는 것과 안다는 것을 연기하는 것의 차이입니다.

AI 나중 워크플로를 실제로 시도해 보고 싶다면, Glasp's web highlighter와 Glasp's AI chat이 바로 이 순서를 위해 만들어졌습니다. 오늘 한 편을 하이라이트하세요. 자신에게 두 문장 요약을 쓰세요. 그다음 AI에게 무엇을 놓쳤는지 물어보세요. 일주일 뒤, 그것이 무엇에 관한 것이었는지 여전히 기억하는지 확인해 보세요. 그것이 유일하게 중요한 시험입니다.