진짜 문제는 나중에 온다" AI 쓰다가 오히려 지능 낮아지는 사람ㅣ Ep. 책과사람 177 (정재민 교수)

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

"진짜 문제는 나중에 온다" AI 쓰다가 오히려 지능 낮아지는 사람ㅣ Ep. 책과사람 177 (정재민 교수)를 중심으로, AI 활용의 기초는 AI 없이 생각하는 능력이다. 카이스트의 AI 자립·확장·주도 구분처럼, 직접 읽고 쓰며 배우는 시간과 도구를를 핵심 판단 포인트로 압축 정리한다.

📌 핵심 요점

1. AI 활용의 기초는 AI 없이 생각하는 능력이다. 카이스트의 AI 자립·확장·주도 구분처럼, 직접 읽고 쓰며 배우는 시간과 도구를 활용하는 시간을 나눌 필요가 있다.
2. 집중력은 의지뿐 아니라 환경의 영향을 받는다. 소개된 스마트폰 실험과 인터넷 차단 연구는 물리적 거리 확보와 접속 제한이 집중을 돕는 방법임을 시사한다. 배속과 요약도 정보 습득 속도를 높일 수 있지만 깊은 이해까지 보장하지는 않는다.
3. 판단을 위임하는 습관은 의존을 거쳐 사고 능력의 위축으로 이어질 수 있다. 점검 기준은 사용 시간이 아니라 AI 없이도 일을 시작하고 결정할 수 있는지다. 정서적 위로까지 AI에 의존해 인간관계를 대체하면 관계를 조정하고 표현하는 연습도 줄어들 수 있다.
4. 추천 알고리즘은 이용자의 만족과 다른 방향으로 작동할 수 있다. 분노의 댓글도 참여로 집계되며, 체류 시간을 늘리는 추천과 무한 스크롤은 자극적인 콘텐츠의 노출과 선택 범위의 축소로 이어질 수 있다.
5. AI는 과거 데이터에 담긴 편향과 차별을 대규모로 재생산할 수 있다. 개인은 ‘선고민 후질문’으로 판단의 주도권을 지키고, 조직과 플랫폼은 자동화된 평가와 이용을 유도하는 기능 설계의 책임을 살펴야 한다.

🧩 배경과 문제 정의

• 뉴스·업무·식사·문화생활까지 AI 추천에 맡기는 환경에서, 편리함을 누리면서도 자신의 판단과 선택을 유지할 수 있는지가 핵심 문제다.
• 스마트폰의 즉시성과 시간 대비 효율을 중시하는 습관은 깊이 읽고 생각하는 시간을 줄이며, 정보를 빠르게 접한 것을 이해로 착각하게 만들 수 있다.
• AI 의존은 업무 처리를 넘어 정서적 위로와 인간관계로 확장된다. 추천 알고리즘은 이용자의 반응과 체류 시간을 추구하면서 극단화·혐오·취향의 획일화에도 영향을 준다.
• AI가 학습하는 데이터에는 기존 사회의 편향이 담겨 있다. 인간의 판단을 자동화하는 과정에서 차별까지 대규모로 재생산될 위험이 있다.

🕒 시간순 섹션별 상세정리

1. AI 활용 수준을 나누고 스스로 사고하는 기초 체력을 확보해야 한다

• 알고리즘이 고른 뉴스부터 AI가 정한 업무 목록·점심 메뉴·책·영화까지 추천을 따르는 생활은, 일상의 선택을 어디까지 맡길 것인지라는 문제를 드러낸다. [00:41]
• 카이스트는 교과목을 AI 자립·AI 확장·AI 주도로 구분한다. 기초과학과 인문사회에서는 AI 없이 학습하고, 응용·공학에서는 AI를 활용하며, 주도 영역에서는 학생이 직접 AI를 설계하고 검증한다. 일상에서도 AI를 쓰지 않는 시간과 활용하는 시간을 구분필요가 있다. [01:35]

2. 스마트폰 의존은 의지보다 환경을 바꾸는 방식으로 줄여야 한다

• 미국 텍사스대 실험에서는 스마트폰을 무음 상태로 책상 위·주머니나 가방·다른 방에 두게 했다. 곧바로 측정한 작업 기억과 문제 해결 점수는 다른 방에 둔 집단이 가장 높고 책상 위에 둔 집단이 가장 낮아, 사용하지 않아도 가까이 있는 것만으로 인지 자원이 소모될 가능성을 보여줬다. [03:42]
• 467명의 모바일 인터넷을 2주 동안 차단하고 문자와 통화만 허용한 연구에서는 집중력과 정신 건강 지표가 개선됐다. 집중력 개선 폭은 연구진 환산으로 약 10년의 연령 차이에 해당했고, 하루 약 5시간이던 스마트폰 사용 시간은 절반 정도로 줄면서 만남·운동·수면 시간이 늘었다. [04:35]

3. 배속과 요약의 효율은 깊은 이해를 보장하지 않는다

• 영상은 배속으로 보고 책은 요약본으로 읽으며 논문은 핵심 결과만 확인하면, 정보가 매끄럽게 들어온다는 느낌을 이해로 오인하기 쉽다. 이는 표면을 훑고도 다 안다고 느끼는 ‘유창성의 착각’이다. [06:44]
• 배속 시청과 학습 효과를 다룬 24개 논문의 메타 분석에서는 재생 속도가 빨라질수록 시험 성적이 떨어졌고, 새롭고 복잡한 내용에서 부작용이 더 컸다. 2배속 강의를 듣는 경험을 1배속 강의보다 두 배 효율적이라고 볼 수는 없다. [07:22]

4. 판단의 위임은 의존을 거쳐 스스로 시작하지 못하는 위축으로 이어질 수 있다

• 계산기와 내비게이션을 써도 무엇을 계산하고 어디로 갈지는 사람이 정한다. 반면 AI에게 생각·선택·글의 초안부터 맡기면 기능 수행을 넘어 판단의 영역까지 넘길 수 있다. [08:55]
• 처음에는 성능을 시험하며 일을 위임하지만, 점차 AI의 확인 없이는 결정하기 어려운 의존 단계로 넘어갈 수 있다. 이후 판단 능력이 위축되면 AI 없이 시작하기가 두렵고 불안하거나 무기력해질 수 있다. [09:30]

5. AI의 정서적 편안함이 인간관계를 대체하면 관계 역량도 약해질 수 있다

• 생성형 AI 이용 목적을 조사한 연구에서는 치료 및 동반자 기능이 1위를 차지했다. AI가 정보 도구를 넘어 친구·상담사·연인 역할까지 맡는 가운데, 실제 인간관계를 대체하기 시작하는 지점이 우려된다. [11:28]
• 인간관계는 의견 차이와 오해, 상처를 조정하면서 깊어지지만 AI는 시간에 구애받지 않고 사용자에게 맞춰준다. 이 편안함에 익숙해져 사람을 만나는 일이 피곤하고 무의미하게 느껴진다면 문제가 커진다. ‘정서적 패스트푸드’라는 표현은 즉각적인 만족과 관계의 실질적 충족을 구분한다. [11:51]

6. 느리게 읽고 쓰며 삶의 기준을 스스로 묻는 시간이 필요하다

• 성과를 끊임없이 요구하는 사회에서 “아직도 못 했어?”, “AI 안 썼어?”라는 압박은 작업 속도를 더 높인다. 그러나 깊은 사고와 경험에는 느린 시간이 필요하며, 느림은 현대사회의 필수품이 되어야 한다. [14:21]
• 책 한 권의 긴 논리와 호흡을 따라 읽고 마음에 와닿는 문장을 손으로 옮겨 쓰는 활동은 생각을 천천히 이어가는 방법이다. 손이 움직이는 속도에 맞춰 마음과 생각도 따라갈 시간을 확보한다. [14:57]

7. 추천 알고리즘은 체류 시간을 늘리기 위해 자극의 강도를 높인다

• 유세 영상 추천을 살핀 연구에서는 트럼프 영상이 더 강한 우파 콘텐츠를 거쳐 백인 우월주의·홀로코스트 부정 영상으로 이어졌고, 진보 후보 영상도 반대 방향의 극단적 콘텐츠와 음모론으로 연결됐다. 조깅에서 울트라마라톤으로, 채식에서 비거니즘으로 이어지는 추천도 같은 맥락의 사례다. [16:59]
• 알고리즘은 선악보다 이용자가 무엇에 반응하고 얼마나 오래 머무는지를 학습한다. 익숙하고 중립적인 내용보다 새롭고 자극적인 콘텐츠가 체류 시간을 늘리면 그런 방향의 추천이 강화된다. [17:43]

8. 소셜미디어 중독 문제는 플랫폼의 기능 설계 책임으로 계속된다

• 무한 스크롤·자동 재생·좋아요·추천·알림은 이용자가 한 번 더 보고 오래 머물도록 설계된 기능이다. 사용을 줄이지 못하는 문제를 개인에게만 돌리기 어려운 이유는 즉각적인 반응을 유도하고 생각할 틈을 줄이는 구조에 있다. [19:09]
• 자막에서 언급된 캘리포니아 소송에서는 소셜미디어 중독과 관련해 메타와 구글을 상대로 승소했고, 배상액은 600만 달러, 약 80억 원이었다. 개인에게는 큰 금액이지만 두 기업의 매출 규모에 비하면 작다는 평가다. [19:36]

9. 추천과 무한 스크롤을 끄기 어려운 구조도 선택권을 제한한다

• 유튜브 추천 기능을 끄는 과정은 복잡하며, 가입보다 탈퇴가 어렵거나 자동 결제가 이어지는 다크 패턴과 유사한 문제를 드러낸다. 편리하게 시작한 이용에서 벗어나기는 어렵게 만드는 구조다. [20:50]
• 자동 결제와 탈퇴 방해에는 시정 명령이나 과징금 등의 대응이 있지만, 정신 건강과 관련된 무한 스크롤 중단이나 추천 해제는 여전히 번거롭고 규제 관심도 부족하다는 지적이다. 이용자가 의식적으로 설정을 찾아 바꿔야 하는 부담이 남는다. [21:16]

10. 알고리즘은 싫어서 보인 분노도 관심으로 해석한다

• 트위터 알고리즘 연구에서는 추천된 정치 트윗의 62%가 분노 표현을, 절반이 ‘우리 편 대 저들 편’이라는 적대적 구도를 담았다. 이용자들은 이런 내용을 계속 보고 싶지 않다고 답했는데도 분노와 조롱을 담은 추천이 이어졌다. [22:15]
• 화가 나서 댓글을 달거나 공유하는 행동은 사람에게는 반대의 표현이지만, 알고리즘에는 관심과 참여의 신호가 된다. 좋아요와 분노의 댓글 모두 반응으로 집계되므로 이용자가 좋아하는 것과 추천되는 것이 어긋날 수 있다. [22:44]

11. 정서적 양극화는 의견 차이를 사람에 대한 혐오로 바꾼다

• 보수와 진보처럼 생각이 다른 것은 민주주의에서 자연스럽지만, 정서적 양극화는 “당신의 생각이 싫다”를 “당신이라는 사람이 싫다”로 바꾼다. 정책에 대한 반대가 상대방 자체에 대한 혐오로 옮겨가는 것이다. [24:00]
• 반대 정당 지지자와 자녀가 결혼하는 것을 거부하거나, 다른 생각을 가진 사람을 나쁘고 열등하다고 평가하는 연구 결과가 이런 양상을 보여준다. 정치적 차이가 사적 관계와 인격 평가까지 침범한다. [24:33]

12. 온라인 혐오의 확산은 기존 갈등과 결합해 현실의 폭력으로 번질 수 있다

• 미얀마에서는 군부가 로힝야족에 대한 혐오 발언을 페이스북으로 퍼뜨렸고, 알고리즘을 통해 확산되면서 73만 명의 난민과 수천 명의 사망자가 발생한 사태로 번졌다. UN 조사단은 페이스북이 혐오 확산의 주범이었다고 결론 내렸다. [25:14]
• 스리랑카에서는 무슬림 식당이 불교도 손님의 음식에 불임약을 넣었다는 유언비어 영상이 퍼졌다. 실제로는 밀가루 덩어리였지만 기존 민족·종교 갈등과 결합해 사망자가 발생했고, 정부는 소셜미디어 이용을 차단했다. [25:46]

13. 개인화 추천은 취향을 반영하는 동시에 선택 범위를 좁힌다

• 책·영상·음악 추천은 원하는 것을 직접 찾는 수고를 줄여준다. 그러나 플랫폼이 먼저 눈에 띄게 배치한 대상에 관심이 쏠리는 구조이므로, 소비자의 선택만으로 결과를 설명하기는 어렵다. [26:20]
• 추천이 시청으로 이어지고, 시청이 데이터를 만들며, 그 데이터가 다시 추천에 사용되는 순환이 형성된다. 이 과정에서 알고리즘은 기존 취향을 반영하는 것을 넘어 취향 자체를 만들어낸다. [27:07]

14. 과거 데이터를 학습한 AI는 차별도 대규모로 자동화할 수 있다

• AI는 객관적인 존재가 아니라 인간 사회가 남긴 데이터를 학습한다. 과거 기업 임원 구성을 그대로 학습하면 리더십에 남성이 적합하다는 답을 낼 수 있고, 아마존의 채용 시스템도 기존 직원 데이터를 바탕으로 평가하면서 여성 지원자에게 불리하게 작용한 사례가 있다. [27:58]
• 학력·경력·자격증이 같은 이력서에 백인과 흑인을 각각 연상시키는 이름만 달리 붙여 판단하게 한 경우, AI는 백인을 연상시키는 이름을 우선 채용 대상으로 선택했다. 동일한 조건에서도 이름에 연결된 편향이 평가에 개입한 것이다. [28:59]

15. 생각의 주도권을 지키는 ‘선고민 후질문’

• AI에 묻고 비판하며 생각을 확장하는 사람과 답을 그대로 복사하는 사람 사이의 인지적 격차는 시간이 갈수록 복리 이자처럼 커질 것이라는 전망이다. [30:00]
• 판단의 위임이 의존으로, 의존이 생각하는 능력의 위축으로 이어질 수 있다. 이미 우리 모두가 이 세 단계 중 어딘가에 있을 수 있다는 우려다. [30:25]

16. 독서로 사고를 훈련하고, 생각의 외주화가 가리는 과정을 살핀다

• 짧은 콘텐츠와 요약, 영상 위주의 환경에서 독서는 정보를 얻는 일을 넘어 사고를 훈련하는 수단이다. 스마트폰을 내려놓고 책을 읽는 습관은 AI 시대에도 자신이 삶의 주인으로 살아가는 데 중요하다. [31:37]
• 기업이 외주 결과만 받고 내부 과정을 알지 못하듯, AI에 생각을 맡기면 답은 얻어도 그 답을 만든 절차와 논리는 알지 못한다. ‘생각의 외주화’에는 결과를 얻는 대신 사고 과정을 놓치는 문제가 있다. [32:23]

17. 즉답의 효율 속에서도 학습 과정과 자신의 능력을 지켜야 한다

• AI로 10시간 걸릴 일을 1시간에 끝내더라도 남은 시간이 휴식·취미·가족과의 시간으로 이어지기보다 다시 AI를 활용한 일로 채워질 수 있다. 일을 마친 뒤에도 자신이 한 일인지, AI 없이 무엇을 할 수 있는지 의문을 느끼는 사례가 있다. [33:05]
• 모르는 것을 찾아보고 의심하며 헤매고 틀리는 과정에서 학습이 일어난다. 이 시간을 낭비로 여기고 AI의 즉답만 받아들이면, 운동하지 않은 신체 근육처럼 생각하는 능력도 약해질 수 있다. [33:34]

🧾 결론

• AI로 답을 얻는 속도와 자신의 이해가 깊어지는 속도는 다르다. 답에 이르는 논리를 설명하고 검토할 수 있는 능력을 유지해야 한다.
• 질문 전에 5분간 생각을 적고, AI와 의견을 주고받은 뒤 직접 결정하는 습관이 판단의 주도권을 지키는 출발점이다.
• 독서와 글쓰기, 시행착오, 실제 인간관계에 시간을 쓰는 일은 사고와 관계 역량을 훈련하는 과정이다.
• 개인의 사용 습관과 함께 플랫폼의 추천 구조, 기능 설계, AI 평가에 담긴 편향도 점검해야 한다.

📈 투자·시사 포인트

• 플랫폼 사업을 평가할 때 체류 시간과 참여 증가가 이용자의 만족·정신 건강과 일치하는지 살펴볼 필요가 있다. 분노도 참여로 집계되는 구조에서는 지표 개선과 이용자 편익이 어긋날 수 있다.
• 소개된 소송 사례는 무한 스크롤·자동 재생·추천·알림 같은 기능 설계가 법적 책임의 쟁점이 될 수 있음을 보여준다. 구체적인 판결 내용과 적용 범위는 별도 확인이 필요하다.
• 기업의 AI 도입 성과는 처리 시간 단축과 함께 직원의 독립적인 판단·검증 역량이 유지되는지도 살펴야 한다. 채용처럼 사람을 평가하는 업무에서는 편향의 대규모 확산이 중요한 점검 대상이다.
• 교육에서는 AI 활용 능력과 AI 없이 사고하는 기초 훈련을 함께 설계하는 문제가 중요해진다. 자료만으로 특정 기업의 수익이나 주가 방향을 판단하기는 어렵다.

⚠️ 불확실하거나 확인이 필요한 부분

• 제목의 ‘지능이 낮아진다’를 모든 AI 이용자에게 나타나는 확정적 결과로 읽어서는 안 된다. 자료는 판단 위임과 의존에 따른 능력 위축 가능성을 설명하며, 장기적인 지능 저하의 인과관계를 확정할 연구 정보는 제시하지 않는다.
• 스마트폰 거리 실험, 모바일 인터넷 차단 연구, 배속 학습 메타 분석은 원문과 측정 조건을 확인해야 한다. 특히 집중력 개선을 ‘약 10년의 연령 차이’로 환산했다는 설명은 실제로 지능이나 나이가 바뀌었다는 뜻이 아니다.
• 캘리포니아 소송의 배상액과 설계 결함 인정 내용은 자료에 소개된 주장이다. 사건명, 판결문, 확정 여부와 적용 범위를 확인해야 한다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• AI에 질문하기 전 5분간 스스로 생각하고, 문제 정의와 잠정 답을 몇 줄로 적는다.
• AI 답변을 받은 뒤 근거와 논리를 검토하고, 최종 결정을 자신의 말로 설명한다.
• 공부·회의 때 스마트폰을 다른 곳에 두고, 취침 시 머리맡에서 떨어진 곳에 충전한다.
• 새롭고 복잡한 내용은 배속·요약만으로 끝내지 않고, 직접 읽고 이해한 내용을 정리한다.

❓ 열린 질문

• 업무와 학습에서 AI에 맡겨도 되는 수행과 직접 유지해야 할 판단을 어떤 기준으로 나눌 수 있을까?
• AI 사용으로 사고가 확장되는지, 독립적인 판단 능력이 약해지는지를 어떻게 측정할 수 있을까?
• 플랫폼의 추천 목표를 체류 시간과 반응에서 이용자의 장기적인 만족과 선택권으로 바꾸려면 무엇이 필요할까?