할리우드는 AI 때문에 작가를 잃고 있습니다. 그것은 노동 시장의 이야기입니다. 한 산업이 재편되고, 그 산업은 살아남습니다. 이 이야기를, 같은 시기에 교실에서 조용히 벌어지고 있는 또 하나의 이야기와 나란히 놓아 보세요. 한 세대의 학생들이, 교육이 그들 안에 세워 주려던 바로 그것, 「누구의 도움도 없이 스스로 생각할 수 있는 능력」을 AI 에 조용히 외주하기 시작했습니다. 두 이야기는 같은 이야기처럼 보입니다. 그러나 같지 않습니다. 앞의 것은 한 산업이 재편되고 있습니다. 뒤의 것은 한 세대가 안에서부터 비어 가고 있습니다.
2025 년 6 월, MIT Media Lab 의 연구자들은 대학생 54 명에게 EEG 캡을 씌우고, 네 달에 걸쳐 세 가지 방식으로 글을 쓰게 했습니다. ChatGPT 를 쓰는 조, 검색 엔진을 쓰는 조, 아무것도 쓰지 않는 조. 뇌 스캐너는 한 가지 사실을 또렷하게 말해 주었습니다.
학생들이 스스로를 가늠하기 위해 쓰던 신호가 소리 없이 꺼져 가고 있습니다.
데이터: 하버드 대학교 교무 자료, NPR 2025 년 11 월 보도.
ChatGPT 조는 기억, 주의, 실행 기능을 담당하는 뇌 네트워크 전반에서 가장 약한 연결성을 보였습니다. 자기가 방금 무엇을 썼는지 가장 떠올리기 어려워한 조이기도 했습니다. 더 결정적인 것은 이것입니다. 그들이 이후에 AI 없이 글을 쓰려 했을 때, 그 「사용되지 않는 상태」가 곧바로 되돌아오지 않았습니다. 연구자들은 이 상태에 이름을 붙였습니다. cognitive debt, 인지의 부채입니다.
「부채」라는 말은 이 연구 전체에서 가장 정직한 단어입니다. 부채란, 청구서가 지금이 아니라 나중에 온다는 뜻입니다.
2026 년 7 월, Cui 와 Jalal 이 쓴 논문이 『Frontiers in Psychology』에 실렸습니다. 그 인지의 부채 아래에 있는, 심리의 메커니즘을 짚어 낸 연구입니다. AI 에 기대어 과제를 끝내 온 학생들은, 자신의 성적을 스스로의 노력이 아니라, 도구의 일로 돌리게 됩니다. 연구자들은 이 상태를 능력의 착각 (illusion of competence) 이라 명명했습니다. 그들의 모형에서, 이 착각은 심리학이 1967 년부터 추적해 온 또 하나의 현상, 학습된 무력감 (learned helplessness) 의 상류에 위치합니다.
Martin Seligman 이 학습된 무력감이라 부른 것은, 「무엇을 해도 전기 충격이 멈추지 않는다」는 것을 배워 버린 개들이, 나중에 도망칠 길이 열려도 더는 도망치려 하지 않게 된다는 실험에서 왔습니다. AI 교실에서 벌어지는 메커니즘은 전기 충격보다 훨씬 부드럽습니다. 하지만 모양은 똑같습니다. 「이건 내가 해냈어」라는 감각을 잃은 학생은, 서서히 시도조차 하지 않게 됩니다. 여기에 Luminis 는 한 문장만 덧붙이고 싶습니다. 능력의 착각은 나쁜 성적보다 훨씬 위험합니다. 나쁜 성적은 신호입니다. 학생이 읽고, 도움을 구할 수 있습니다. 능력의 착각은 침묵하는 신용카드입니다. 청구서는 흔히 첫 번째 면접이나, 답이 정해져 있지 않은 첫 번째 문제 앞에서야 비로소 도착합니다.
AI 의존은 학습된 무력감을 거쳐 내재 동기를 깎아 냅니다. AI 리터러시는 그 첫 번째 화살을 약하게 만드는 조절 변수입니다. 「접근권을 주기 전에 리터러시를 먼저 가르친다」는 원칙에 대한 과학적 근거입니다.
모형: Cui 와 Jalal, Frontiers in Psychology, 2026 년 7 월.
성적 자체가 하나의 신호입니다. 그리고 그 신호가 소리 없이 꺼져 가고 있습니다. 하버드 대학교의 A 급 평점 (A- 포함) 은 전체 성적의 85% 를 차지합니다. 12 년 전에는 62% 였습니다. 예일, Emory, 그리고 미국의 최상위권 거의 전부에서 같은 곡선이 그려집니다. 전국 단위로 보면, A 는 대학 성적 전체의 60% 를 넘고, 이십 년 전보다 25% 늘었습니다. 문제의 핵심은 「학교가 너무 물러졌다」가 아닙니다. 문제의 핵심은, 학생들이 스스로를 가늠하는 데 쓰던 신호, 「A 를 받았으니, 나는 뭔가를 배웠다」는 그 신호가, 학생이 실제로 무엇을 할 수 있는지와 어긋나 버렸다는 것입니다.
여기에 Cui 와 Jalal 의 메커니즘을 겹치면, 함정은 완전히 닫힙니다. 결과물은 그럴듯해 보입니다. 학생은 자기 노력의 값이 실제로 얼마였는지 알지 못합니다. 자신을 맞출 눈금이 사라져 있습니다.
세 번째 줄은 Microsoft Research 와 카네기 멜런 대학교의 2025 년 공동 연구입니다. 지식 노동자 319 명에게 묻고, 936 건의 실제 AI 사용 사례를 모았습니다. 연구자들이 발견한 것은, 가만히 생각해 볼 만한 역전 현상이었습니다. 생성 AI 에 대한 자신감이 높을수록, 비판적 사고가 줄어듭니다. 자기 자신에 대한 자신감이 높을수록, 비판적 사고가 늘어납니다. 그들이 관찰한 변화는 「작업을 한다」에서 「AI 의 작업을 감독한다」로의 이동이었습니다. 그것이 교육학에서 말하는 cognitive offloading, 인지의 외주화입니다.
문제는, 「해 본 적 없는 감독」은 부서지기 쉽다는 점입니다. 장제법을 스스로 풀어 본 적 없는 교사는 학생의 장제법 실수를 잡아내지 못합니다. 경합 상태 (race condition) 를 손수 디버깅해 본 적 없는 엔지니어는 AI 가 자신 있게 내놓은, 그러나 틀린 답의 정체를 알아보지 못합니다. 감독하는 능력은 「직접 해 본」 능력의 하류에 있습니다. 하류가 먼저 시들면, 상류는 아무도 눈치채기 전에 이미 믿을 수 없는 것이 되어 있습니다.
다시 할리우드로 돌아갑니다. 그쪽의 충격은 진짜입니다. 작가실은 줄어들고, 비주얼 이펙트의 파이프라인은 바뀌고 있으며, 실제로 일자리를 잃은 사람들이 있습니다. 그들에게는 진짜 지원이 필요합니다. 그러나 시장은 교란된 산업을 10 년이나 20 년에 걸쳐 재편합니다. 균열에서 새로운 형태가 자라납니다. 진입 장벽은 낮아집니다. 다른 종류의 이야기꾼이 등장합니다. 아프지만, 영원하지는 않습니다.
그러나 시장은, 「배우기도 전에 배우는 뇌의 습관 자체를 조용히 빼앗긴 한 세대」를 재편해 주지 않습니다. 그것은 한 산업의 재편이 아닙니다. 그것은 모든 산업이, 같은 시각에, 똑같이 탈기능화된 사람들 주위에서, 동시에 재편되는 일입니다. 손상은 누적적이고, 분야를 가로지르며, 수십 년에 걸쳐 이어집니다. 교체해 줄 「다음 성인 세대」가 뒤에 대기하고 있지 않습니다.
Luminis 는 지난 한 해, 이 같은 자리의 둘레를 걸어 왔습니다. Gates 삼부작 은 사회가 받아들여야 할 구조적 선택들을 호명합니다, 새로운 제도의 구축, 사람의 몫으로 남겨 두어야 할 영역의 확보, 노동과 자본에 대한 과세의 재조정. 생산적인 씨름 (productive struggle) 이라는 개념은, 인지의 부채와 정반대 지점에 있습니다. 어린아이의 감정 폭발을 다룬 Fraga 의 글 (부모용) 역시 같은 뼈를 품고 있습니다. 진짜 인지의 일은 아이의 「주변」이 아니라, 아이의 「안」에서 일어나야 합니다. 아이를 대신해서 일을 끝내 주는 도구는, 아이를 가르친 것이 아닙니다.
구체적으로 무엇을 할 수 있을까요. 세 가지, 상대에 따라 하나씩.
학생 (혹은 학생을 기르는 부모) 인 당신에게: 첫 초고는 AI 를 만지기 전에 스스로 쓰세요. 느려도, 그 결과가 AI 가 바로 내놓았을 것보다 못해도, 먼저 스스로 쓰세요. MIT 연구에는 아주 구체적인 발견이 있습니다. 먼저 스스로 쓰고 나중에 AI 를 쓴 조의 학생들이, 세 조 가운데 가장 강한 뇌 참여도를 유지했습니다. 순서가 전부입니다. AI 는 대필가로서보다는 편집자로서 훨씬 쓸모가 있습니다.
교사인 당신에게: 결과물만큼 과정에도 점수를 매기세요. 학생 자신이 쓴 글에 대해 10 분짜리 구술 후속 질문을 두세요. 그 논점에 어떻게 도달했는지, 어디에서 막혔는지, 무엇을 버렸는지 말하게 하세요. 이것은 현재 가장 저렴하고, 가장 정직한 평가입니다. AI 로 생각을 건너뛴 학생은 아름다운 글과 텅 빈 머리로 나타납니다. 실제로 생각한 학생은, 말할 수 있습니다.
학교와 교육청인 당신에게: AI 접근권을 주기 전에 AI 리터러시를 가르치세요. Cui 와 Jalal 의 조절 효과 분석은 분명합니다. AI 리터러시 는 「의존 → 무력감」경로를 약하게 만듭니다. 여기서도 순서가 결정적입니다. 이 도구가 무엇을 위해 있는지 아는 학생은, 답을 받아내기 위해서만 이 도구를 써 온 학생보다 훨씬 안전하게 AI 와 지냅니다.
질문은 처음부터 「AI 를 쓸 것인가 말 것인가」가 아니었습니다. 질문은, 지금 학교에 있는 세대가 20 년 뒤에도 AI 를 잘 쓸 만한 인지 습관을 몸에 지니고 있을 것인가, 입니다. 혹은 우리가 그들에게 도구를 쥐여 주면서 동시에 도구를 쓸 능력을 조용히 거두어 가고 있는 것은 아닌가. 뒤쪽의 결과는 한 산업의 교란이 아닙니다. 한 문명이 서서히 바람이 빠져 가는 일입니다.
잠시 멈추어 생각해 볼 질문.
하나. 마지막으로, AI 의 도움 없이, 불편함 속에서, 긴 시간 한 가지 일에 「씨름」하여 끝까지 스스로 마친 것은 언제였나요. 그 씨름이 당신에게 남긴 것과, 「완성품」 그 자체는, 같은 것이었나요.
둘. 가까운 아이가 이번 달에 완벽한 글 세 편을 들고 돌아왔다면, 그 세 편이 정말 그 아이가 쓴 것인지, 당신은 어떻게 알아낼 것인가요. 무엇을 물을 것인가요.
셋. 다음 세대에 전하고 싶은 한 가지 기술, 그러나 어떤 AI 도구도 결코 건네줄 수 없는 그것은, 무엇인가요. 「느린 방식」으로 그것을 가르치는 데, 당신은 무엇을 치러야 할까요.
이 글이 참조한 연구: Kosmyna 외, Your Brain on ChatGPT (MIT Media Lab, 2025); Cui 와 Jalal, AI 의존과 학업 동기 (Frontiers in Psychology, 2026); Lee 외, 생성 AI 가 비판적 사고에 미치는 영향 (Microsoft Research 와 CMU, CHI 2025); 하버드 성적 데이터에 대한 NPR 보도 (2025 년 11 월). 고전적 배경: Seligman 과 Maier 의 펜실베이니아 대학교 학습된 무력감 실험 (1967).