그리고 그다음엔 무엇이 오는가 - 매일 AI를 쓰는 사람을 위한 2차 사고

그리고 그다음엔 무엇이 오는가

TL;DR

• 출발점은 도구가 사라지는 순간인데 질문하면 커피에 손을 뻗기도 전에 답이 도착하고 몇 주가 지나면 그 속도가 정상처럼 느껴지기 시작하는데 좋은 도구가 그것을 쓰는 손 안으로 사라지는 방식이라는 것이다. 그래서 보이는 것과 보이지 않는 것이 갈린다. 화면은 1차 효과를 보여 주고 느린 효과들은 기량과 판단과 습관과 데이터에 몇 주와 몇 달에 걸쳐 내린다.
• 도구는 AI 세계 밖에서 왔는데 오크트리 캐피털의 하워드 막스가 이것으로 경력을 쌓았고 파넘 스트리트의 섀인 패리시가 누구나 연습할 수 있는 모델로 적어 뒀지만 둘 다 챗봇 이야기를 한 것이 아니었다. 정의는 두 줄로 끝난다. 1차 사고는 무엇이 일어나는지 묻고, 2차 사고는 그것이 일어났기 때문에 무엇이 일어나는지 묻는다.
• 비유가 이 글의 정서를 정하는데 저녁 뒤 디저트이고 1차 효과는 매번 훌륭한 맛이며 2차 효과는 매일 밤의 습관이 1년 동안 하는 일이다. 그러면서 죄책감은 요구하지 않는다. 1차 효과가 항상 유쾌한 쪽인 것은 유쾌한 부분이 바로 자기 일을 하고 있기 때문이고, 2차 효과는 나중에 자기 일정에 따라 도착한다.
• 다섯 갈래 중 넷은 표류하고 하나는 복리로 쌓이는데 기량과 판단, 습관, 데이터가 표류할 수 있고 학습은 복리가 될 수 있다. 하버드 사례가 증거다. 194명 물리 수업에서 AI 튜터를 받은 집단의 학습 향상이 일반 수업의 약 두 배였는데, 튜터가 한 번에 한 단계만 드러내고 답을 보여 주기 전에 학생이 시도하게 만들었기 때문이다.
• 결론은 사용량이 아니라 시점의 문제로 정리되는데 이 중 어느 것도 AI를 덜 쓰라고 주장하지 않으며 고침은 타이밍이다. 그리고 습관은 한 박자 길이다. 답을 받아들이기 전에 이것을 관여 없이 받으면 무엇이 강해지고 무엇이 약해지는지 자문하는 것이고, 기본값이 아니라 결정으로 위임하는 것이 기량 전체다.

Source

Second-order thinking for people who use AI every day — AI Guides(@free_ai_guides), X, 2026년 9월 1일

[x.com/free_ai_guides/status/2094515354508874042](https://x.com/free_ai_guides/status/2094515354508874042)

Knowledge

화면은 첫 효과만 보여 준다

글은 익숙한 장면에서 시작한다. 질문을 하면 커피에 손을 뻗기를 마치기도 전에 답이 도착한다. 답은 자신에 대해 확신하는 것처럼 들리고 아마 옳다. 몇 주가 지나면 그 속도가 정상처럼 느껴지기 시작하는데, 좋은 도구가 그것을 쓰는 손 안으로 사라지는 방식이라는 설명이 붙는다.

그다음 문장이 이 글의 구조를 결정한다. 화면은 1차 효과를 보여 주고 더 느린 것들은 다른 곳에 내린다. 기량과 판단, 습관, 그리고 데이터에 몇 주와 몇 달에 걸쳐 내린다는 것이다.

접근 방식도 스스로 규정한다. AI를 판단하는 쉬운 방법은 첫 결과로 판단하는 것이다. 답이 좋았는가, 빨랐는가. 그런데 두 번째 질문이 배울 가치가 있는 질문이고 이 안내서가 그 습관을 가르친다. 그리고 태도를 못 박는다. 공포도 과장도 없다.

정의와 비유

정의의 가장 단순한 형태가 두 줄에 들어간다. 1차 사고는 무엇이 일어나는지 묻고 2차 사고는 그것이 일어났기 때문에 무엇이 일어나는지 묻는다.

출처가 명시된다. 섀인 패리시와 파넘 스트리트 팀은 이것을 자기 행동과 그 즉각적 결과만이 아니라 그 결과들의 후속 효과까지 고려하는 것으로 정의한다. 하워드 막스는 빠른 종류를 1차 수준 사고라고 부르며 단순하고 빠르고 누구에게나 가용한 것으로 서술한다. 그리고 중요한 것들이 숨는 곳은 두 번째 수준이라는 것이다. 요약이 한 줄로 남는다. 모든 결과에는 결과가 있고 첫 번째 것이 그저 가장 시끄러울 뿐이다.

비유가 이 글의 정서를 만든다. 저녁 뒤 디저트를 생각해 보라는 것이다. 1차 효과는 매번 맛이 훌륭한 것이고 2차 효과는 매일 밤의 습관이 1년 동안 하는 일이다. 그런데 곧바로 방향을 조정한다. 아무도 디저트에 죄책감을 느낄 필요가 없고 요점은 더 작고 더 친절하다. 1차 효과가 항상 유쾌한 쪽인 것은 유쾌한 부분이 바로 자기 일을 하고 있는 것이기 때문이고 2차 효과는 나중에 자기 일정에 따라 도착한다. AI 답변도 같은 방식으로 작동하며 1차 효과는 훌륭하게 느껴지도록 설계돼 있다.

이 오래된 투자 개념이 AI에 달라붙은 이유도 설명된다. 연구자들이 반복적 AI 사용이 사람에게 하는 일을 측정하기 시작하자 새 용어들이 거의 동시에 어휘에 들어왔다. 인지 부채, 인지 위임, 탈숙련이다. 서로 다른 연구실과 서로 다른 방법인데 발견의 모양이 같았다. 중요했던 효과들은 결코 첫 답변 안에 없었고 반복된 답변이 기량과 판단, 습관, 데이터에 시간에 걸쳐 한 일 안에 살았다는 것이다. 그래서 요구가 소박하다. 연구들을 읽을 필요는 없고 그 모두가 공유하는 질문이 필요하다. 그리고 그다음엔 무엇이 오는가.

2차 효과가 나타나는 다섯 곳

첫째는 기량이다. MIT 미디어랩에서 나탈리야 코스미나가 이끈 팀이 54명에게 에세이를 쓰게 했고 일부는 AI 조수와, 일부는 검색 엔진과, 일부는 자기 머리만으로 썼다. AI 집단은 자기 에세이에 대한 소유 감각을 가장 낮게 보고했고 많은 이가 끝낸 지 몇 분 뒤에 자기 글을 인용하는 데 어려움을 겪었다. 그리고 스스로 한계를 단다. 연구 한 건이고 소규모 집단이며 아직 동료 심사를 받지 않았으니 가볍게 쥐라는 것이다. 다만 방향은 기억할 가치가 있다고 하며 정리한다. 단어들은 괜찮게 나왔고 그것들과의 연결은 전혀 나오지 않았다.

둘째는 판단이다. 마이크로소프트 리서치와 카네기멜런 대학교 연구자들이 지식 노동자 319명에게 실제 AI 작업 936건에 대해 조사했다. AI에 더 많은 확신을 둘수록 비판적 사고를 덜 했다고 보고했고 자기 능력에 더 확신을 가질수록 더 많이 관여했다. 결론이 도구 선택보다 앞선다. 사람들이 확신을 어디에 주차했는지가 어느 도구를 썼는지보다 더 중요했다는 것이다.

셋째는 습관이다. SBS 스위스 비즈니스 스쿨의 미하엘 게를리히가 666명을 조사하고 인터뷰해 빈번한 AI 사용이 낮은 비판적 사고 점수와 연관된다는 것을 발견했고 연구자들이 인지 위임이라고 부르는 습관을 통해 연결됐다. 인지 위임은 결정에 의해서가 아니라 기본값으로 정신적 작업을 도구에 넘기는 것을 뜻한다. 여기서도 조건이 붙는다. 이것은 상관관계이고 인과의 증명이 아니라는 것이다. 다만 반박이 이어진다. 기본값에 의한 위임은 습관이고 습관은 반복으로 만들어지며 매일의 AI 사용이 바로 그 반복이다.

넷째는 데이터다. 2025년 8월 OpenAI가 공유된 대화를 검색 엔진에 발견되게 하는 챗GPT 기능을 제거했는데, 수천 건의 개인 채팅이 구글 결과에 나타난 뒤였다. 대화를 삭제해도 공개 공유 링크는 삭제되지 않았다. 대비가 명확하다. 1차 효과는 유용한 채팅을 공유하는 데 클릭 한 번이 걸린다는 것이었고 2차 효과는 그 대화보다 오래 산 흔적이었다. 그리고 도구와 무관한 교훈으로 확장된다. 무엇을 붙여 넣든 그것은 붙여 넣는 순간보다 긴 수명을 가진다.

다섯째는 학습이고 좋은 방향이다. 2차 효과가 일방통행이 아니라는 것이다. 하버드에서 그레고리 케스틴과 켈리 밀러가 194명 물리 수업을 위해 AI 튜터를 만들었고 AI 튜터를 받은 집단의 학습 향상이 일반 수업 학생들의 약 두 배였다. 설계 세부가 중요하다는 지적이 따른다. 튜터가 한 번에 한 단계만 드러내고 답을 보여 주기 전에 학생들이 시도하게 만들었다는 것이다. 그래서 결론이 대비로 정리된다. 같은 기술, 반대의 2차 효과다. 의도적 사용이 기량을 빌려 쓰는 대신 복리로 쌓았다.

알아볼 수 있는 여섯 순간

첫째는 쓰지 않은 이메일이다. 90초에 나갔고 전문적으로 들렸다. 그리고 그다음엔 무엇이 오는가. 이런 달이 쌓이면 빈 페이지가 전보다 무겁게 느껴지기 시작한다. MIT 팀의 낮은 소유감 발견이 여기 산다.

둘째는 확인하지 않은 답이다. 옳았고 지난 열 번도 옳았다. 그리고 그다음엔 무엇이 오는가. 마이크로소프트와 카네기멜런 조사는 도구에 대한 확신이 커질수록 확인하는 일이 사라진다고 시사한다. 그리고 판정이 붙는다. 확인하는 근육이 판단의 품질을 결정하는 근육이다.

셋째는 읽지 않은 기사다. 요약이 20분을 절약해 줬다. 그리고 그다음엔 무엇이 오는가. 기억하는 것은 아이디어가 아니라 요약의 형태다. 결과가 두 문장으로 갈린다. 다시 말할 수는 있고 그것과 논쟁할 수는 없다.

넷째는 붙여 넣은 개인 정보다. 채팅이 당신에 대해 더 알았기 때문에 더 나은 조언을 줬다. 그리고 그다음엔 무엇이 오는가. 그 정보가 어디 사는지, 누가 볼 수 있는지, 얼마나 오래인지 물어야 한다. 공유 링크 사건이 수천 명에게 그 질문에 사후적으로 답해 줬고 미리 묻는 것이 더 싸다.

다섯째는 단계별로 설명하게 만든 개념이다. 결론을 복사하는 대신 각 단계를 통과해야 했으니 느렸다. 그리고 그다음엔 무엇이 오는가. 도구 없이 그것을 할 수 있게 된다. 하버드 튜터는 완성된 답을 넘겨주기를 거부해서 학습을 두 배로 만들었다.

여섯째는 직접 구조를 잡은 프롬프트다. 묻기 전에 실제로 무엇을 원하는지 결정하는 데 2분을 썼다. 그리고 그다음엔 무엇이 오는가. 게를리히의 후속 실험은 안내 없는 AI 사용이 사람들의 추론을 약화시켰고 구조화되고 의도적인 프롬프팅은 인지적으로 관여된 상태를 유지시키며 더 강한 답을 만들어 냈다는 것을 발견했다. 묻기 전에 생각하는 것이 운전석에 남아 있게 하고 이것이 복리 방향이라는 것이다.

연구가 계속 동의하는 세 가지

첫째는 효과가 도구가 아니라 사용법을 따른다는 것이다. 게를리히는 같은 실험 안에서 안내 없는 사용에서 하락을, 구조화된 사용에서 관여를 발견했다. 하버드 팀은 같은 기술을 가드레일로 감싸 학습을 두 배로 만들었다. 서로 다른 연구자와 서로 다른 분야에서 같은 발견이라는 것이다. 그래서 역할이 나뉜다. 도구가 가능성을 설정하고 사용하는 방식이 결과를 고른다.

둘째는 확신을 어디에 주차하는지가 얼마나 생각할지를 결정한다는 것이다. 마이크로소프트와 카네기멜런 조사에서 AI에 대한 확신은 더 적은 사고를 예측했고 자신에 대한 확신은 더 많은 사고를 예측했다. 대비가 마지막에 온다. 도구를 신뢰하는 것은 효율적으로 느껴지고 자신을 신뢰하면서 그래도 도구를 쓰는 것이 사고를 켜진 상태로 유지한다.

셋째는 2차 효과가 조용하다는 것이다. 근거가 가장 무거운 사례로 제시된다. 랜싯 소화기간담학회지에 실린 연구가 대장암을 선별하는 숙련된 의사들을 추적했다. 전암성 병변을 찾는 데 도움을 주는 AI 도구와 석 달 일한 뒤 그들의 단독 발견율이 6퍼센트포인트 떨어졌다.

해석이 특히 중요하다. AI에는 아무 문제가 없었고 약속한 대로 정확히 수행했다. 변화는 의사들에게서 일어났고 그들은 그것이 일어나는 것을 느끼지 못했다. 석 달 단위 창을 비교하는 정식 연구가 있어야 그것이 보였다는 것이다. 그래서 결론이 방법론적 요구가 된다. 2차 효과는 스스로를 알리지 않고 알아차릴 수준 아래에서 축적되며 그렇기 때문에 이 질문이 반응이 아니라 습관이어야 한다.

역설과 고침

역설이 한 문장으로 제시된다. 더 빠르게 만들어 주는 도구가 배우는 것을 더 느리게 만들 수 있고 두 효과가 같은 기능에서 나온다는 것이다. 그리고 이 속도를 결함으로 취급하지 않는다. 속도는 고침을 기다리는 결함이 아니고 완성된 답을 즉시 얻는 것이 제품 전체다. 그런데 관여 없이 받아들여진 완성된 답이 바로 연구들이 계속 서술하는 조건이고 집단들이 더 적은 소유감과 더 적은 확인, 더 적은 지속적 기량을 보인 그 조건이다.

균형도 명시된다. 이 중 어느 것도 AI를 덜 쓰라고 주장하지 않는다. 의사들의 AI는 더 많은 병변을 잡았고 하버드 튜터는 학습을 두 배로 만들었으며 도구는 자기가 하는 일을 잘한다.

그래서 고침은 타이밍이 된다. 그리고 그다음엔 무엇이 오는가를 더 일찍, 산출물에 의존하기 전에 물으라는 것이다. 효과들이 몇 달 동안 축적될 시간을 가진 뒤가 아니라는 조건이 붙는다.

습관의 크기도 규정된다. 한 박자 길이다. 답을 받아들이기 전에 이것을 관여 없이 받으면 무엇이 강해지고 무엇이 약해지는지 자문하는 것이다. 그리고 세 갈래 응답이 제시된다. 때로 정직한 답은 그 작업이 중요하지 않다는 것이고 그러면 받으라는 것인데, 그것도 하나의 결정이다. 때로 답은 도구가 자기 단계를 보여 주게 만드는 것이고 그 순간에는 느리지만 영원히 내 것이 된다. 그리고 마지막 한 줄이 기량 전체를 정의한다. 기본값이 아니라 결정으로 위임하는 것이 기량 전체다.

닫는 문장들이 짧게 남는다. 의도적으로 쓰면 같은 도구가 아는 것을 빌려 쓰는 대신 복리로 쌓는다는 것, AI 답변이 1차 효과이고 당신이 2차 효과라는 것, 그리고 답이 아직 값쌀 때 그리고 그다음엔 무엇이 오는가를 물으라는 것이다.

더 생각해보기

• 1차 효과가 항상 유쾌한 쪽인 것이 도구의 본질이라면, 유쾌함 자체를 경계 신호로 읽는 습관은 어떻게 만들 수 있는가.
• 대장내시경 의사들이 6퍼센트포인트 하락을 스스로 느끼지 못했다면, 개인이 자기 기량 표류를 감지할 방법은 정식 측정 없이 존재하는가.
• 효과가 도구가 아니라 사용법을 따른다면, 조직이 도구를 도입할 때 함께 도입해야 하는 사용 규범은 무엇인가.
• 확신을 자신에게 주차하라는 처방은 실력이 아직 없는 초심자에게는 어떻게 적용되는가.
• 하버드 튜터가 답을 보여 주기 전에 시도하게 만든 설계를 일반 코딩 에이전트나 검색에 옮기면 어떤 형태가 되는가.
• 기본값이 아니라 결정으로 위임하라는 원칙은, 위임 판단 자체가 인지 부하가 되는 상황에서 지속 가능한가.
• 붙여 넣은 정보가 붙여 넣는 순간보다 오래 산다면, 개인이 실무에서 지킬 수 있는 최소한의 선은 어디인가.
• 인용된 연구들이 대부분 상관관계이고 일부는 동료 심사 전인데, 이 정도 근거로 습관을 바꾸는 것은 합당한가.
• 요약을 읽으면 다시 말할 수는 있어도 논쟁할 수는 없다는 구분은, 지식 노트를 만드는 작업 자체에는 어떻게 적용되는가.