무언가를 모를 때 답을 찾기까지는 시간이 걸립니다. 자료를 찾고, 필요한 부분을 읽고, 여러 설명을 비교합니다. AI가 이 입구 단계를 줄여 주면 우리는 이전보다 빨리 하나의 답에 도달할 수 있습니다. 이는 큰 장점입니다. 그러나 화면에 답이 표시되는 것과 그 답을 스스로 이해하는 것은 같지 않습니다. 말의 의미는 이해해도 왜 그런 주장이 성립하는지, 어떤 조건에서는 적용되지 않는지, 자신의 문제와 어떻게 관련되는지는 아직 모를 수 있습니다.
예를 들어 어떤 메커니즘에 대해 AI가 간결한 설명을 해 주었다고 해 봅시다. 설명을 읽으면 전체적인 내용은 이해한 듯한 느낌이 들 수 있습니다. 하지만 그것을 다른 사례에 적용하려 하면 같은 생각을 어디까지 사용할 수 있는지 망설이게 될 수 있습니다. 이러한 망설임은 처음의 설명이 무의미했다는 뜻이 아닙니다. 답을 아는 단계에서 그 답을 활용할 수 있는 형태로 이해하는 단계로 나아갔기 때문에 새로운 질문이 나타난 것입니다.
답을 얻는 데 필요한 시간이 짧아진다면 그 이후의 시간을 어떻게 사용할지가 더 중요해집니다. 바로 다음 질문으로 넘어가면 짧은 시간에 많은 정보를 모을 수 있습니다. 한편 하나의 답에 대해 “어떤 전제가 있는가?”, “반례가 있는가?”, “내 상황에서는 무엇이 다른가?”라고 생각해 볼 수도 있습니다. AI가 입구를 빠르게 만들어 준 만큼 이해를 깊게 하는 시간을 앞당길 수 있습니다.
지식은 답의 수만으로 늘어나는 것이 아닙니다. 새로운 정보가 지금까지 알고 있던 것과 어떻게 연결되는지를 정리하고, 모순이 생기면 멈추어 생각하며, 필요하다면 이전의 이해를 바꾸면서 지식은 활용할 수 있는 형태가 됩니다. AI가 짧은 시간에 더 많은 정보를 보여 줄수록 사람은 무엇을 기억할지만이 아니라 어떤 관계를 확인할지를 선택해야 합니다.
여기에서 여유가 도움이 됩니다. 답을 빠르게 얻은 뒤 시간이 남아 있다면 다른 설명과 비교하거나, 구체적인 예를 스스로 만들어 보거나, 아직 이해되지 않는 부분을 다시 질문할 수 있습니다. 처음의 답이 틀렸을 가능성도 확인할 수 있습니다. 반대로 빠른 답을 얻을 때마다 곧바로 다음 정보로 넘어가면 아는 것은 늘어날지 몰라도 각각의 의미를 확인하는 데 쓰는 시간은 줄어들 수 있습니다.
AI와 대화할 때 이해하는 과정에서 질문 자체가 바뀌기도 합니다. 처음에는 “이것은 무엇인가?”를 알고 싶었는데 설명을 읽은 뒤에는 “왜 이 조건이 필요한가?”가 궁금해질 수 있습니다. 더 생각해 보면 “내가 실제로 이해하고 싶었던 문제에는 다른 질문이 더 적절했을지도 모른다”고 깨달을 수도 있습니다. 이해는 처음 질문에 한 번 답하면 끝나는 직선적인 과정이 아니라, 답에 의해 질문 자체가 갱신되는 과정이기도 합니다.
Sai＊aus가 중요하게 여기는 “답이 아니라, 이해를.”라는 생각은 답을 느리게 하자는 뜻이 아닙니다. AI가 빠르게 답할 수 있는 부분은 빠르게 처리하고, 그로 인해 생긴 시간을 사람이 전제와 차이를 확인하고 필요하면 질문을 바꿀 수 있도록 사용할 수 있습니다. 속도를 이해의 대체물로 사용하는 것이 아니라 이해가 발전할 수 있는 여지를 넓히는 데 사용할 수 있습니다.
답을 빨리 찾는 것과 빨리 이해하는 것은 같은 것이 아닙니다. 그러나 둘이 대립해야 하는 것도 아닙니다. AI가 답으로 들어가는 길을 짧게 만들어 준다면 그 절약된 시간을 모두 더 많은 답을 모으는 데만 사용하지 않고 일부를 “답을 얻은 뒤”에 남겨 둘 수 있습니다. 그 시간 동안 사람은 의미를 확인하고 관계를 다시 연결하며 필요하다면 처음의 이해를 수정할 수 있습니다. 속도로 생긴 여유가 답을 지식으로 바꾸는 시간이 될 수 있습니다.
답이 아니라, 이해를.