# 우리는 너무 많은 생각을 AI에 떠넘기고 있는가? > Clean Markdown view of GeekNews topic #31458. Use the original source for factual precision when an external source URL is present. ## Metadata - GeekNews HTML: [https://news.hada.io/topic?id=31458](https://news.hada.io/topic?id=31458) - GeekNews Markdown: [https://news.hada.io/topic/31458.md](https://news.hada.io/topic/31458.md) - Type: GN+ - Author: [neo](https://news.hada.io/@neo) - Published: 2026-07-15T14:35:08+09:00 - Updated: 2026-07-15T14:35:08+09:00 - Original source: [artfish.ai](https://www.artfish.ai/p/offloading-thinking-to-ai) - Points: 1 - Comments: 1 ## Topic Body - 사소한 선택부터 복잡한 조사·추론까지 AI가 완성된 답을 내놓으면서, 시간 절약을 넘어 **사고의 자율성**을 어디까지 지킬지가 중요해짐 - 검색 엔진은 질문 분해와 출처 평가, 답의 종합을 사람에게 맡겼지만, Google Deep Research와 OpenAI Deep Research는 몇 분·몇 시간·며칠 걸리던 **중간 사고 과정**까지 대신함 - 포르투갈 식민 역사에 관해 먼저 가설을 세우고 토론한 뒤 AI로 검증하자, AI는 여러 가설을 뒷받침하고 새 설명을 보탰지만 타당한 가능성 일부를 빠뜨려 **선행 사고 후 AI 활용**의 가치를 보여줌 - Gemini 번역, 코딩 에이전트, ChatGPT 개인 교사처럼 AI는 반복 업무와 학습 부담을 줄일 수 있지만, 학생들이 거의 같은 과제 답안을 제출한 사례는 **답을 얻는 것과 사고를 배우는 것**이 다름을 드러냄 - AI가 단순 작업을 자동화하는 데 그치지 않고 무엇을 원하고 어떤 결정을 내릴지까지 대신한다면, 인간은 편의와 함께 **행위 주체성**도 넘겨줄 수 있음 --- ### 일상의 판단까지 대신하기 시작한 AI - AI에 조사·추론·답변을 맡기는 일은 사소한 결정부터 복잡한 사고까지 쉽고 편리해졌으며, 일부 환경에서는 적극적으로 권장되기도 함 - Ken Liu의 2012년 단편 [The Perfect Match](https://www.lightspeedmagazine.com/fiction/the-perfect-match/)에는 사용자의 취향과 기분을 안다고 말하는 범용 AI 비서 **Tilly**가 등장함 - 주인공은 아침에 무엇을 먹을지, 어떤 음악을 들을지, 누구와 데이트할지, 데이트에서 무엇을 말할지까지 Tilly에게 맡김 - Tilly가 과학적으로 취향에 맞는 선택을 찾아준다고 믿으며, 옷차림 같은 사소한 결정부터 사랑을 찾는 중요한 결정까지 위임함 - San Francisco의 한 스타트업 행사에서는 셔츠에 두 손가락 너비 이하의 금속 캡슐형 마이크를 달고 모든 대화를 녹음하는 사람이 등장함 - 하루가 끝나면 녹음한 대화를 요약·분석하는 워크플로를 실행함 - 그는 **Claude Fable이 자신보다 비판적 사고를 더 잘한다**고 믿어 모든 생각을 맡긴다고 말함 - 그의 스타트업은 인간 엔지니어의 모든 입력과 작업을 명시적 동의 없이 수집해 엔지니어를 대체하려 함 ### 검색 결과에서 완성된 답변으로 - Claude, ChatGPT, Gemini 이전에도 사람들은 사고의 일부를 검색 엔진에 맡겼지만, 검색에는 여전히 **질문 분해·출처 평가·답의 종합**이 필요했음 - AI는 이런 중간 단계를 대신 수행해 복잡하거나 전문적인 질문에도 몇 분 안에 완성된 답변을 생성함 - [Google Deep Research](https://gemini.google/overview/deep-research/)와 [OpenAI Deep Research](https://openai.com/index/introducing-deep-research/)는 한 사람이 몇 분에서 몇 시간, 길게는 며칠 동안 하던 작업을 처리할 수 있음 - AI 모델이 완료할 수 있는 작업의 시간 범위는 METR의 [Task-Completion Time Horizons of Frontier AI Models](https://metr.org/time-horizons/)에서 다룸 - 이런 도구는 시간뿐 아니라 직접 생각하는 과정도 줄이므로, **업무 보조와 자율성 상실** 사이의 경계를 흐릴 수 있음 - 삶에서 중요한 사안의 최종 결정을 누가 내리느냐에 따라 AI 비서가 작업을 돕는 수준과 결정을 지배하는 수준이 갈림 ### 빠른 답과 느린 사고를 구분하기 - 현재 날씨, 10년 전 특정 국가의 대통령, 스킨케어나 스포츠 장비의 상품평처럼 많은 질문에는 **빠른 답**이 적합함 - 반면 즉시 검색하지 않고 더 오래 생각할 가치가 있는 질문도 있음 - 휴대전화 없이 산책하면 체리가 나무와 덤불 중 어디에서 자라는지, 최초의 월드컵 경기가 언제 어디에서 열렸는지 같은 질문이 떠오르지만 집에 도착하기 전에 대부분 잊게 됨 - 중요한 몇 가지 질문만 기억에 남는다면, 사소한 질문을 잊고 모든 의문에 즉시 답하지 않는 데도 가치가 있을 수 있음 ### 먼저 가설을 세우고 AI로 검증한 포르투갈 여행 - 포르투갈의 [Monument to the Discoveries](https://en.wikipedia.org/wiki/Monument_of_the_Discoveries)는 포르투갈의 이른바 **대항해 시대**를 기념함 - 포르투갈에서는 당시 인물을 ‘발견자’와 ‘탐험가’로 숭배하는 듯했지만, 미국에서는 같은 인물을 ‘정복자’와 ‘식민주의자’로 부를 수 있다는 차이를 느꼈음 - 현지 여행 안내자는 Henry the Navigator 같은 인물이 미국에서의 Christopher Columbus처럼 취소 문화의 대상이 아니며, 대체로 존경받는 역사적 인물이라고 답함 - 포르투갈이 식민 역사에 자부심을 보이고 미국과 다르게 반응하는 이유가 궁금해지자, 자매는 ChatGPT에 바로 묻지 않고 직접 가설부터 세우기로 함 - 포르투갈이 미국보다 상대적으로 동질적이고 종교적이라는 가능성 - ‘대항해 시대’가 포르투갈의 국가 서사에서 가장 두드러진 장 가운데 하나라는 가능성 - 두 사람은 추측하고 연결하고 반박하며 의견을 바꾸는 동안, 오래전 학교에서 배운 역사 지식을 떠올림 - 가설 중 일부가 틀릴 수 있음을 알면서도 기억과 지식, 세계에 대한 이해, 비판적 사고를 동원하는 과정 자체를 연습함 - 이후 AI에 같은 질문을 묻자 기존 가설 다수를 뒷받침하고 놓친 설명을 추가했지만, 두 사람이 여전히 타당하다고 본 가능성 일부는 빠뜨림 - **질문→가설 생성→AI 검증과 확장** 순서를 따르면 AI가 인간의 사고를 대체하지 않고 보완할 수 있음 ### 반복 업무를 줄이는 생산적 활용 - Gemini가 어려운 과제를 해결하고 사고하며 도구를 사용하는 능력을 측정하는 업무에서도 AI의 실질적인 활용 가능성을 확인할 수 있음 - 업무와 학습 현장에서는 AI가 소요 시간을 크게 줄이고, 사람이 더 중요한 부분에 집중하도록 도움 - 한국 기업에서 일하는 사용자는 Gemini로 긴 영문 공식 보고서를 한국어로 번역해 업무 속도를 높임 - 연구자는 아이디어를 발전시키고 세부 구현은 **코딩 에이전트**에 맡겨 분석에 더 많은 시간을 씀 - 한 학습자는 ChatGPT를 개인 교사로 활용해 생화학을 처음부터 공부하며 몇 달 만에 MCAT를 준비함 - 평범한 사고와 반복 작업을 AI에 맡기고 더 중요하고 흥미로운 사고에 시간을 쓴다면 삶의 만족도와 생산성이 높아질 수 있음 - [OECD의 직장 내 AI 영향 보고서](https://www.oecd.org/content/dam/oecd/en/publications/reports/2023/03/the-impact-of-ai-on-the-workplace-evidence-from-oecd-case-studies-of-ai-implementation_b4c2c6ee/2247ce58-en.pdf)는 AI를 통한 정형적·반복적·지루한 작업의 자동화를 다룸 - International Labour Organization의 [Digital Labour Platforms and the Future of Work](https://ssir.org/articles/entry/ai-workers-mechanical-turk)는 인간 노동자가 적은 보수를 받고 수행해 온 작업을 다룸 - AI가 여러 시간의 고된 단순 작업을 처리한다면 사람은 더 흥미롭고 충족감을 주는 사고에 집중할 수 있음 ### 학습 과정을 건너뛸 때 생기는 문제 - 온라인 대학에서 물리학을 가르치는 교수는 대부분 또는 모든 학생이 AI로 과제를 수행한다고 의심함 - 일부 답안은 학생들이 같은 AI에 문제를 그대로 붙여 넣은 듯 거의 동일함 - 학생 개인의 생각이나 의견 없이 **일반적인 AI 답변**이 반복됨 - AI 사용 여부를 입증할 방법이 없고 답안 자체는 상당히 포괄적이어서 대부분의 학생이 A를 받음 - AI는 학습을 지원할 수 있지만, 답에 도달하는 방법을 가르치지 않은 채 결과만 생성할 수도 있음 - 물리 문제에서 어떤 방정식을 쓸지 결정하거나 에세이에서 출처와 논거를 고르는 과정은 지루할 수 있지만, 이를 생략하면 학교와 학습의 목적 자체가 약해짐 ### 단순 작업 자동화와 사고의 자율성 - 사고의 완전한 자율성과 단순 업무 자동화를 명확히 분리하기는 어려우며, 실제 AI 사용은 둘이 섞인 형태가 됨 - 개인 데이터를 수집·분석하는 작업도 Microphone Man의 방식과 일부 닮아 있음 - 직접 데이터를 수집하고 분석한 [개인 기록 프로젝트](https://www.artfish.ai/p/an-investigation-of-my-2022-crying)가 있음 - 이전에는 [AI가 개인 데이터를 분석](https://www.artfish.ai/p/2025-data-collection-wrapped)하도록 맡기기도 함 - 차이가 있다면 데이터를 직접 수집·선별하고, 답을 얻고 싶은 질문을 만들며, 최종 결과를 평가했다는 점일 수 있음 - 다른 사람의 대화를 녹음하지 않고 자신의 데이터를 사용했다는 차이도 있음 - 단순 작업을 자동화해 보람 있는 활동에 시간을 쓰는 것과, 학습 경험을 위해 직접 작업하는 것 사이에는 항상 **균형**이 필요함 ### 욕망과 행위 주체성을 누가 형성하는가 - The Perfect Match의 Jenny는 Tilly가 사용자가 원하는 것을 알려주는 데 그치지 않고 무엇을 생각할지까지 정한다고 비판함 - 자율성은 적어도 부분적으로 자신의 욕망을 직접 형성하는 과정에 계속 참여하는 데 달려 있음 - 들을 음악, 볼 영화, 먹을 음식, 신을 신발까지 AI에 맡기면 무엇을 원하는지 스스로 판단하는 능력도 함께 넘기게 됨 - AI 자동화를 평가할 때는 **인간의 일과 과업**을 줄이는 것인지, 인간의 사고와 행위 주체성까지 대신하는 것인지 구분해야 함 ## Comments ### Comment 61850 - Author: neo - Created: 2026-07-15T14:35:10+09:00 - Points: 1 ###### [Hacker News 의견들](https://news.ycombinator.com/item?id=48908178) * **과도한 사용**은 주관적이라서, AI를 많이 쓰는 사람은 누구나 잠재력을 끌어내는 중이며 계산기도 인간을 바보로 만들지 않았다고 항변할 수 있음 하지만 계산기에 덧셈을 맡겨도 나는 그대로인 반면, LLM에 생각 대부분을 맡기면 무엇이 남는가? 육아, 인간관계, 제품 설계까지 맡긴다면 세상에 더하는 고유한 가치는 한 번 작성한 프롬프트뿐인지 묻게 됨 인간이 쓴 소설은 힘들게 얻은 공동의 체험에 뿌리를 두기에 본질적으로 더 가치 있으며, 나도 옛 방식으로 소설을 쓸 수 있는 인간이고 싶다. 운동도 잘하지 못하니 **내 사고력**만큼은 지키고 싶음 * [**속삭이는 귀걸이** 에세이]()는 LLM 시대에 특히 잘 어울림 AI를 “이제 무엇을 하고 어떻게 고칠까?”라고 계속 묻는 귀걸이처럼 쓸 수도 있고, 원하는 결과의 형태를 미리 정한 뒤 “이 문제에 xyz 거리 공간을 적용한 kd-트리를 구현하라”고 시키는 **외골격**처럼 쓸 수도 있음. 후자는 이미 생각을 마친 실행 자동화라 검토하기 쉽지만, 전자는 사고력을 위축시킴 * 내가 아는 LLM 극단론자 중 상당수는 기술 분야에서 뛰어날 지식이나 역량이 부족해 업무를 처리하는 **치트 코드**로 LLM을 사용함 몇 년 전 Drupal 사이트도 제대로 설정하지 못하던 고등학교 동창이 지금은 AI 스타트업의 최첨단 엔지니어가 되었고, LinkedIn에는 매일 AI 유행어를 올림. 결국 AI 생성물과 인간의 결과물을 구분할 수 없는 시점이 올 것이며, 이미 구별하지 못하는 사람도 많음 * 계산기가 있어도 요리법의 분량을 조절하는 정도는 머릿속으로 계산할 수 있어야 하며, 무엇을 계산해야 하는지도 알아야 함. “계산기가 있으니 수학은 필요 없다”는 논리는 문제가 교과서처럼 정리돼 주어진다고 가정함 LLM으로 프로그래밍할 때도 **무엇을 요청할지**, 결과가 요구 범위에 맞고 정확하며 안전한지를 판단할 지식이 필요함. 결과물을 직접 검토하고 수정하지 않는 비기술자는 결국 스스로 디버깅할 수 없는 벽에 부딪혀 사람의 도움이 필요해짐 * 계산기는 수학을 하는 인간을 대체한 것이 아니라 **수학표와 계산자**처럼 이미 존재하던 도구를 대체했음 당시 수학 교사들이 보기에 학생들의 비판적 사고는 분명 줄어들었음. 계산자와 수학표를 쓸 때는 유효숫자 등을 고민해야 했지만 계산기는 그런 사고를 요구하지 않음 * 계산기를 쓰기 전에는 답의 근삿값을 이미 알고 있어서 결과의 크기나 부호가 틀리면 즉시 알아챌 수 있음. GPS도 마찬가지지만, 스스로 길을 찾지 못하는 사람은 오타를 냈거나 엉뚱한 Springfield를 골라도 눈치채지 못함 동료의 프로젝트 계획을 검토하면서 기초 매개변수를 직접 조사하고 이해되지 않는 부분을 질문했더니, 동료는 회의에서 내가 **Claude가 찾지 못한 문제**를 여러 개 발견했다고 말했음. 분야의 함정을 아직 배우지 못한 신입에게 특히 위험하며, 이 경우에는 경력자조차 작업을 통째로 LLM에 넘겼음 * “이제 자신을 관리자로 생각하라”는 조언과 반대로, AI 시대에 더 쓸모 있는 사람이 되고 AI도 효과적으로 사용하려면 **기술적 이해를 깊게 쌓는 편**이 낫다고 봄 아이들에게 관심 분야의 교과서를 읽으라고 권하고 나도 그렇게 함. 머지않아 **깊은 이해** 자체가 희소하고 값진 자원이 될 것이라 예상함 * 관리자로서 일을 잘할 수 있었던 이유는 부하 직원에게 요구한 업무를 나도 수행할 줄 알았기 때문임. 덕분에 결과를 비판적으로 평가하고 현실적인 일정을 정하며, 그들의 기여를 상부에 제대로 알릴 수 있었고 인력이 부족하면 직접 업무도 처리했음 좋은 일선 관리자는 대체로 이런 능력이 있었고, 처음부터 없었거나 오래전에 잃은 관리자는 고전했음. 고위 관리자나 임원을 관리하는 일은 다르지만, **LLM 관리는 일선 관리**와 비슷함 * 어려운 개념을 배우기는 어느 때보다 쉬워졌지만, 이해 없이도 그 개념이 필요했던 결과물을 만들기 역시 쉬워졌음. 강력한 새 도구를 **인내심과 목적의식**을 갖고 쓰는 규율과 추진력이 필요함 * 교과서를 권하기보다 **AI를 비판적으로 사용하는 법**을 가르치는 편이 더 효과적일 수 있음 적당히 유능하지만 때로 치명적으로 틀리는 AI와 대화하면 질문하고, 답을 의심하고, 조사·추론하고, 비판한 뒤 반복하게 됨. 교과서는 더 정확할 가능성이 높지만 보장되지는 않고 정보를 일방적으로 전달하는 반면, 틀린 AI 답변은 자료에 적극적으로 관여하도록 만듦 * 관리자가 되기 싫어 승진도 거절해 왔으므로, AI 때문에 “자신을 관리자로 생각하라”는 발상도 싫음. 사람이나 자동기계를 관리하는 대신 **직접 무언가를 만들고 싶음** * 후배들에게 교과서를 펼치라고 조언함. 학문적 기초가 부족해 무제한의 시간이 있어도 직접 구현하지 못할 복잡한 시스템을 만들면서, **성능은 형편없고 일관된 데이터 모델도 없는 모습**을 보면 괴로움 * 설계 검토 중 후배 개발자에게 특정 계산을 한 이유를 물었더니 “모르겠다”고 답해 충격받음. 틀린 계산 전체가 AI 생성물이었고 본인은 잘못됐다는 사실조차 구별하지 못했음 대부분은 새 지식을 배우려 AI를 쓰는 게 아니라 **업무 자체를 대신시키고**, 결과도 이해하지 못함. 프롬프트를 생성하는 자원 외에는 아무 가치도 더하지 못한다면 사람이 왜 필요한지 의문임 * 졸업을 앞둔 학생 90명 모두와 일대일로 간단한 **코드 검토**를 해보니 세 부류가 뚜렷했음. AI로 학습해 코드와 질문을 이해한 학생, AI를 거의 쓰지 않아 자신이 작성한 것을 아는 학생, 과제를 AI에 맡겨 모든 질문에 “모르겠다”고 답한 학생이었음 자기 코드를 한 번도 읽지 않았다고 인정한 학생에게 “꾸짖는 게 아니라, 지금 네가 여기서 완전히 불필요하다고 스스로 말하는 것”이라고 알려줌 * 모든 직업에서 핵심은 자신이나 타인의 실수로부터 배우며 쌓는 **실무 경험**임. 자기 실수에서 배우지 않는다면 전문가가 아니라 나쁜 프롬프트의 실수에서 배우는 전문 프롬프트 작성자만 될 수 있으므로 전자를 택하겠음 * 인간의 작업을 자동화한다고 스스로 믿기 쉽지만, 갈수록 자동화되는 것은 **인간의 주체성과 사고**임. 모델이 기본으로 제공하거나 프롬프트 한 번으로 내놓는 생각은 문법적으로 너무 완벽해서 이를 무시하고 백지에서 추론하기 어려움 사고 과정을 지름길로 건너뛰려는 모델에 맞서려면 일부 과제와 아이디어를 AI로부터 격리해야 할 수 있음. 그러나 빠르고 많은 결과물을 내야 한다는 압박 속에서 **어떤 정신 작업을 격리할지** 결정하는 것 자체가 매우 어려움 * 앞으로는 모든 발언에 LLM 인용을 붙이고 모든 행동에 승인을 받아야 하는, **사고를 AI에 강제로 위탁하는 시대**가 더 두려움. 회의에서 낸 아이디어를 Fable 9가 나쁘다고 판정하면 추진할 수 없고, 거스르면 해고될 수도 있음 저항이 가장 적은 길은 언제나 LLM의 지시를 따르는 것이므로 많은 사람이 사고를 완전히 포기할 것임. AI는 대화할 수 있지만 반박해서는 안 되고 오직 마음을 바꾸도록 설득해야 하는 신처럼 취급될 수 있으며, 이는 끔찍한 **정신적 억압**이고 불과 몇 년 앞으로 다가왔다고 봄 * 단기 이익을 위한 쉬운 길보다 회복력을 키우는 긴 길을 택하는 사람은 많지 않을 것임 이미 LLM에 생각을 맡긴 뒤 틀렸다고 알려주면 화내는 사람이 흔함. 우리 회사가 제공하지도 않는 제품이나 서비스를 요구하면서, LLM이 틀렸다는 사실은 받아들이지 않고 오히려 현업 전문가인 우리가 틀렸다고 비난함. 불과 **3년 반 만에 LLM이 전문가보다 높은 권위**로 여겨지는 일이 생각보다 훨씬 널리 벌어지고 있음 * 사실상 《1984》와 같으며, 이제는 **텔레스크린과 진리부를 대규모로 구현할 기술**까지 갖춘 셈임 * 계산기를 쓰기 전에 머릿속으로 답의 대략적인 자릿수를 추정하듯 LLM에도 같은 방식을 적용함. 내가 어떻게 답했을지 먼저 생각한 뒤 얼마나 가까운지 비교하고, 답변을 신뢰하지 않은 채 맥락의 미묘함을 감안함 다만 엉뚱한 부분을 과도하거나 부족하게 설명하고, 질문에는 형식상 답하지만 객관적으로 형편없는 해법을 내놓을 때 더 심하게 지침. 빈칸을 남기지 않으려고 **점수 따기용 장황한 답**을 쓰는 학생처럼 느껴짐 * 아이들이 모든 계산에 **로그표와 계산자**를 쓰게 하면 계산에 앞서 해결 전략을 세우고 숫자 감각도 더 잘 익힐 수 있을 듯함. 계산의 고된 부분을 지나치게 추상화하면서 수학적 발달을 저해했을 가능성이 있지만, 수업 시간이 훨씬 많이 든다는 부담도 있음 * 수학적 대상을 배울 때 가능한 한 암산하도록 스스로 훈련했고, 선형대수를 배울 때는 **4×4 행렬의 역행렬**도 머릿속으로 구했음. 종이와 연필조차 부정행위로 여겼음. 계산기와 컴퓨터는 평생 이런 작업을 나보다 잘했으므로 어떤 면에서는 지금도 달라진 것이 없음 * 학교에서 종이와 연필 없이 계산하는 **암산 수업**을 받았고 계산기는 선택지조차 아니었음. 여섯 살 아이에게도 그 방법 일부를 가르치려 함 * 계산기는 사용법과 입력할 내용을 모르면 아무것도 하지 못하지만 LLM은 그 과정 자체를 우회하므로, **계산기와 LLM의 비교는 무의미**하다고 봄 * 요즘 내 컨설팅 업무는 다른 사람들이 AI에 사고를 맡긴 뒤 벌어진 일을 수습하는 쪽으로 점점 기울고 있음 연구 질문과 무관한 터무니없는 중복 제거를 정규식으로 처리하려고 Claude에 몇 달을 쓰는 연구자도 있고, 연구 방법론 전체를 ChatGPT에서 즉흥적으로 뽑아내기도 함. 결과는 늘 혼란스럽고 막대한 스트레스와 시간 낭비를 낳음 비기술자들은 LLM을 **신탁**처럼 여기고 결과의 함의를 거의 검토하지 않은 채 큰 가정과 결정을 내림. 비판적 사고 부족은 AI 이전에도 있었지만, 지금은 완전히 새로운 수준이며 누군가 “Claude에게 물어보자”고 해서 잘못된 일이 곳곳에서 벌어지고 있을 것임 * 최근 변호사와 작가들이 `docker`와 `agents`를 두고 후배 엔지니어처럼 구체적인 질문을 많이 해옴. 두 직업 모두 원래 자신과 타인의 작업을 비판적으로 검토하고 꼼꼼히 다루는 데 많은 시간을 씀 기술자까지 포함해 많은 사람이 LLM을 신탁처럼 대하는 이유는 우리 문화가 벽돌이 올바른 곳으로 가는지, 애초에 맞는 벽돌인지보다 **벽돌을 더 빨리 옮기는 것**을 중시하기 때문임. 여기서 벽돌이 왜 중요한지는 [https://www.business.com/articles/management-theory-of-frank...]()와 [https://en.wikipedia.org/wiki/Time_and_motion_study]()에서 볼 수 있음 * LLM이 사람들을 더 게으르게 만드는 듯함. 답을 찾기 전에 스스로 아무 노력도 하지 않고 질문부터 던지며, 상대가 모든 일을 멈추고 AI처럼 상세히 답해줄 것이라 기대함 설명서나 문서는 아무도 읽지 않고, 읽을 집중력이나 의지도 없으며, 존재 여부조차 확인하지 않는 낭비처럼 취급됨. 원래도 어느 정도 그랬지만 LLM 이후 **스스로 생각하고 해결하는 능력**이 훨씬 더 나빠졌다고 느낌 * 생성형 AI를 전혀 사용하지 않기에 개인적으로 사고를 위탁하고 있지는 않음. 여러 기술·프로그래밍 포럼을 보며 **업계가 향하는 방향**이 싫음 이 흐름이 사라질 희망은 아직 있지만, 오래 지속될수록 피해도 더 커질 것이라 봄 * 이곳을 보지 않았다면 업계 전체가 이 흐름을 100% 지지한다고 생각했을 것임. 상당한 **반대와 저항**도 존재한다는 사실에서 조금이나마 희망을 얻음 * 보조금을 통한 사용료 지원이 끝나고 LLM 비용 효율도 더 이상 좋아지지 않는 것만이 희망임. 총을 계속 쓸 수 있는데 자발적으로 내려놓고 **검을 집을 사람**은 없음 * 애초에 대부분이 실제로 생각한다는 전제부터 의심스러움. 대개는 타인의 생각을 접하며 익힌 유형대로 행동하고, 이를 받아들이거나 서로 충돌할 때 억지로 일관성을 만들어냄 진짜 사고는 어렵고 시간이 들지만, 타인에게서 익힌 유형만으로도 낮은 목표를 달성하기에 충분해서 시간과 노력을 투입할 동기가 적음. 현대 AI는 **현대인의 사고 부재를 더 빠르고 훨씬 많은 에너지로 수행하는 확장판**에 가까움 * 내가 아는 누구도 그렇게 묘사할 수 없을 만큼 인간을 암울하게 보는 관점이 낯섦. 사람들과 깊이 대화하거나 취미로 예술을 만드는 이들을 만나지 못했는지 궁금함 기술자들이 인간을 이토록 하찮게 여기면 인류의 미래가 두려워짐. 결국 당신의 신체 자원이 **클립 생산에 재할당**돼도 누구도 슬퍼하지 않을 것임 * 현대성이 인간을 퇴보시킨 것은 아니라고 봄. 사고가 고된 작업이라면 에너지를 아끼는 것은 합리적이며, 이것이 인간의 **미메시스**를 발달시켜 대규모 협력의 토대가 되었을 수도 있음 소수만 힘들게 사고해 새롭고 유용한 것을 발견하고, 다수는 비판 없이 이를 모방할 수 있음. 고무적인 인간상은 아니지만 누구를 깎아내릴 이유도 없으며, 전략적으로 다뤄야 할 삶의 현실에 가까움 [https://en.wikipedia.org/wiki/Mimesis]() * Kurt Vonnegut의 《Timequake》가 **평균적인 인간의 삶**에 매우 잘 들어맞는다고 봄 * “실제로 생각하는 사람은 극소수”라는 말은 **확인할 수 없고 냉담한 단정**임 * LLM을 의인화하는 것만으로도 합리적 담론에 해로운데, 그 표현을 다시 인간에게 적용해 단어의 의미까지 흐려서는 안 됨. 사람은 “일관성을 환각”하지 않으며, 환각은 정의상 현실과 일치하지 않는 지각임 AI는 기존 사고 부재의 확장일 뿐 아니라 없던 문제도 만들어냄. 과학자와 대학원생, 박사처럼 지식의 최전선에서 깊이 사고하던 사람들조차 LLM 사용으로 **사고 능력을 잃고 있다**고 걱정함. 이를 더 빠르고 많은 에너지로 악화시키는 일을 체념할 게 아니라 멈추고 되돌려야 함