사고는 글쓰기만이 아니다 (Nature reviews bioengineering, 2026)

Earp, B.D., Guernon, AS. & Porsdam Mann, S. Thinking is not only writing. Nat Rev Bioeng (2026). https://doi.org/10.1038/s44222-026-00447-1

 

 

생성형 인공지능(generative artificial intelligence, AI)은 학술적 글쓰기(scholarly writing)에 내재된 인지적 작업(cognitive work)이 사라질 수 있다는 타당한 우려를 제기한다. 그러나 AI를 활용한 초안 작성(AI-assisted drafting)을 일괄적으로 배척하는 것은, 글쓰기를 사고 그 자체와 동일시하는 오류를 범하는 것이며, 자신의 아이디어를 세련된 글로 전환할 수 있는 사람과 그렇지 못한 사람 사이의 기존 불평등을 더욱 강화할 수 있다. 학술적 저자성(academic authorship)은 초안이 어떤 매체를 통해 산출되었는가보다, 인간 저자가 얼마나 깊고 창의적인 지적 관여(intellectual engagement)를 했는가에 더 많이 의존해야 한다.

---

글쓰기는 사고이지만, 사고는 글쓰기만이 아니다

문자 언어는 오랫동안 학술적 소통의 중심에 있었고, 실제로 글을 쓰는 과정 자체가 자신이 말하고자 하는 바를 발견하고 명료화하는 효과적인 수단이 될 수 있다. 이 저널의 최근 사설은 이를 “글쓰기는 사고이다(Writing is thinking)”라고 표현했다. 따라서 글쓰기를 대규모 언어모델(large language models, LLMs)에 맡기는 것은, 연구 결과를 설득력 있는 서사로 형성하는 “창의적이고 본질적인 과업”에 참여할 기회를 우리에게서 박탈할 수 있다는 우려가 제기된다.

 

그러나 글쓰기가 분명 사고의 한 형태인 것은 맞지만, 사고가 곧 글쓰기만을 의미하는 것은 아니다. 사고는 초안 문장을 처음부터 작성하는 행위를 넘어, 훨씬 다양한 지적 활동을 포함한다. 이 글에서 우리는 생성형 AI가 좋은 과학과 학문을 오랫동안 특징지어 온 도전적이고 창의적인 정신 활동을 보존하고 촉진하는 방식으로 텍스트 초안 작성에 활용될 수 있다고 주장한다.

---

사고의 다양성

서로 다른 학문 분야에서 사고가 어떻게 이루어지는지 생각해보자.

• 공학자들은 종종 팀 단위로 설계 문제를 추론하며, 최종 사양을 확정하기 전 수많은 비공식적 프로토타입을 만들어본다.
• 과학자들은 연구실 회의에서 가설을 정교화하는데, 동료의 단 하나의 통찰력 있는 제안이 전체 연구 궤적을 바꾸기도 한다.
• 철학은 단독 저작(single-authored work)을 특히 중시하는 분야이지만, 논문의 감사의 글(acknowledgment)에는 워크숍 토론, 학생 피드백, 학회에서의 대화 등 여러 지적 교류 상대가 흔히 언급된다.

이 모든 사례에서 사고는 대화를 통해 출현한다. 가장 이상적인 형태에서는 이것이 소크라테스식 문답법(Socratic method)과 닮아 있다. 학부 세미나, 로스쿨, 임상 그랜드 라운드(clinical grand rounds)에서 대화 중심 교수법이 지속적으로 활용되는 사실은, 비판적 사고가 ‘소리 내어’ 이루어질 수 있음을 잘 보여준다.

 

하지만 사고가 주로 글쓰기를 통해 이루어지는 경우에도, 그것은 하나의 방식만으로 이루어지지 않는다. 글쓰기는 손글씨, 컴퓨터 타이핑, 받아쓰기(dictation), 음성-문자 변환 기술(speech-to-text technologies), AI 보조 초안 작성(AI-assisted drafting)에 이르기까지 하나의 연속선상에 놓여 있으며, 각각은 서로 다른 인지 과정을 동원한다.

 

예를 들어 한 연구자는 자신의 독창적 아이디어를 음성으로 받아쓰게 한 뒤, AI 모델과의 장기간 상호작용을 통해 이를 구조화하고 다듬을 수 있다. 그리고 이후 세심한 수정 과정을 거쳐 최종 텍스트를 조형해 나갈 수 있다. 이 과정은 비판적 읽기와 판단(critical reading and judgment)을 요구하는데, 이것 역시 사고의 한 형태이다. 이러한 방법을 능숙하게 활용하는 연구자는 여전히 사고하고 있다. 다만 다른 매체를 통해 사고하고 있을 뿐이다.

---

LLM 활용에서 나타나는 서로 다른 수준의 인지적 관여

LLM은 인지적 깊이(cognitive depth)가 서로 다른 방식으로 사용될 수 있다.

• 한쪽 극단에는, 연구자가 최소한의 지시만 입력한 뒤 이후 별다른 관여 없이 모델에게 논문을 통째로 작성하게 하는 방식이 있다. 이는 정당하게도 인지적 ‘외주화(cognitive offloading)’의 방어하기 어려운 형태로 간주될 수 있다.
• 반대쪽 극단에는 다음과 같은 방식이 있다.
  • 연구자는 AI 모델과의 구두 또는 서면 대화를 통해 자신의 주장, 가설, 개념을 명료화한다.
  • 여러 AI 시스템에 반론을 요청하여 자신의 주장을 스트레스 테스트(stress-test)한다.
  • AI 보조 문헌 탐색을 활용해 표시된 자료를 직접 읽으며 자신의 아이디어가 독창적인지 평가한다.
  • 이후 LLM에 반복적으로 지시를 주어 텍스트를 초안화하고 수정하게 한 뒤,
  • 마지막으로 여러 차례에 걸쳐 인간 저자가 문장 단위로 직접 세밀하게 편집한다.

이 후자의 경우, 다음과 같은 작업은 매우 높은 수준의 지적 관여를 요구한다.

• AI가 생성한 문단이 연구자의 의도한 의미를 정확히 담고 있는지 평가하는 일
• 인용된 출처와 학문 분야의 정전(canon)을 정확히 반영하는지 검토하는 일
• AI가 개념을 오해했거나, 중요한 구분을 흐리게 표현한 지점을 찾아내는 일
• 필요에 따라 텍스트를 비판적으로 다시 쓰는 일

즉, 연구자의 사고가 입력(input), 수정 과정(revision process), 최종 산출물(final result)을 얼마나 형성했는가가 그 기여의 실질성과 가치를 결정한다. 첫 초안을 연구자가 직접 손으로 썼는가 여부가 핵심은 아니다.

---

속도, 프로토타이핑, 그리고 위임

그렇다 하더라도, 상대적으로 깊이 관여한 AI 보조 초안 작성조차도 신중한 사고와 양립하기 어려울 정도로 빠르게 산출물을 만들어낼 수 있다는 우려가 있을 수 있다. 실제로 문장 하나하나와 씨름하는 과정은, 연구자가 그렇지 않았다면 놓쳤을 미묘한 모호성을 직면하게 만들 수 있다.

그러나 반대로, 연구자들이 오랜 시간을 들이고도 독창성이 부족한 아이디어나 평범한 원고를 만들어내는 일도 매우 흔하다. 따라서 초안 작성에 얼마나 많은 시간을 썼는가는 사고의 질을 가늠하는 신뢰할 만한 대리 지표(proxy)가 아니다. 오히려 속도는 인식론적 기능(epistemic function)을 수행할 수 있다. 공학과 디자인 분야에서 신속한 프로토타이핑(rapid prototyping)은, 막대한 자원을 투입하기 전에 어떤 개념이 실제로 성립하는지를 시험해보는 잘 확립된 방법이다. 같은 논리는 지적 작업에도 적용된다.

 

어떤 주장의 빠른 1차 초안을 만들어보면, 연구자는 그 초안을 구체적인 대상으로 평가할 수 있고, 필요하다면 폐기할 수도 있다. 수개월 동안 머릿속에서 숙성시켜 온 아이디어가 실제 1차 산문으로 옮겨졌을 때 얇거나 불안정하다는 사실이 드러난다면, 그것은 매우 가치 있는 정보다. 이를 조기에 알아차리면 시간, 에너지, 자원을 절약할 수 있다.

 

비판적 사고와 문장 구성(prose composition)을 분리하는 것은 이미 학계에서 일반적인 관행이다. 만약 글쓰기와 사고가 엄격히 동일한 것이라면, 다저자 논문에서 초기 문장을 직접 쓰지는 않았지만 중요한 지적 방향성과 기여를 제공한 선임연구자(senior investigator)는 실제로 ‘사고하지 않았다’고 결론 내려야 한다. 그러나 이는 잘못된 결론이다.

 

또한 모든 연구자가 자신의 전문성과 실질적 기여를 초기 문장으로 전환하는 데 도움을 줄 수 있는 대학원생이나 후배 연구자를 둘 수 있는 것은 아니다. LLM은 이러한 위임과 감독(delegation and oversight)의 기회를 더 넓은 연구자에게 확장할 잠재력을 가진다.

 

물론 학생이나 주니어 동료에게 글쓰기를 가르치는 일은 AI 시스템에 원고 초안을 요청하는 것과 동일하지 않다. 두 경우의 관계적 맥락(relational context), 사회적 의미(social meanings), 그리고 걸려 있는 가치(goods at stake)는 서로 다르다.

 

앞으로의 과제는, 학문적 멘토–멘티 관계를 지원할 충분한 자원을 확보하고 이를 보다 공정하게 배분하도록 요구하는 동시에, 연구자들이 자신의 아이디어를 더 효과적으로 발전시키고 소통할 수 있도록 돕는 새로운 기술에 대한 공정한 접근성을 보장하는 것이다.

---

형평성과 접근성

이제 형평성(equity)과 접근성(access)의 문제로 넘어가보자.

• 언어적 배경이 다양한 연구자들에게, 아무런 도움 없이 세련된 영어 산문을 작성하라고 요구하는 것은 결코 중립적인 기준이 아니라는 점이 점점 더 널리 인정되고 있다. 또한 운동 기능 장애, 시각 장애, 반복사용손상(repetitive strain injuries), 난독증(dyslexia), 주의력결핍장애(attention deficit disorder) 등 글쓰기에 영향을 미치는 장애를 가진 연구자들에게 AI 보조 초안 작성은 사고를 우회하는 지름길이 아니라, 자신의 사고가 페이지 위에 도달할 수 있게 해주는 접근성 도구(accessibility tool)로 이해될 수 있다.
• 돌봄 책임(caretaking responsibilities)을 가진 연구자들에게도 마찬가지다. 이러한 책임은 여전히 여성에게 불균형하게 많이 부과되는 경향이 있다. 논문을 처음부터 끝까지 작성하기 위해 필요한 방해받지 않는 긴 시간은 이들에게 특히 부족할 수 있다. 그 결과, 많은 연구자의 독창적 아이디어가 출판물로 이어지지 못할 수 있다. 이는 사고의 부족 때문이 아니라, 책상에 앉아 글을 쓸 수 있는 시간, 집중력, 신체적 역량에 대한 공정한 접근성이 부족하기 때문이다.

상세한 프롬프트와 신중하게 선택된 출처를 바탕으로 빠르게 첫 초안을 만든 뒤, 더 짧은 시간 단위로 이를 점진적으로 다듬어 나가는 방식은 더 많은 연구자가 학술 담론에 기여할 수 있게 해줄 수 있다.

 

물론 이것이 더 넓은 구조적 변화를 대체해서는 안 된다. LLM은 불평등의 만병통치약이 아니다. 그러나 아무런 도움 없이 산문을 직접 작성하는 능력을 지적 진지함(intellectual seriousness)의 기준으로 삼는 현재의 관행은, 글쓰기 장벽을 덜 겪는 연구자에게 유리하게 작동한다. 그러한 이점은 지리적 위치, 인구사회학적 조건, 재정적 자원, 기회의 차이에서 비롯될 수 있다. 하지만 그것이 아이디어 자체의 내재적 질(intrinsic quality of ideas)을 반영하는 것은 아니다.

---

학문은 그 자체의 장점으로 평가되어야 한다

우리는 AI 보조 글쓰기에 대해 순진한 입장을 갖고 있지 않다. 저자들이면서 동시에 학술지 편집자인 우리는, 인간의 충분한 감독 없이 AI가 사용된 흔적이 뚜렷한 원고가 급증하고 있음을 본다. 그런 원고는 흔히 다음과 같은 문제를 드러낸다.

• 진부하고 기계적인 문구(canned phrasing)
• 존재하지 않는 참고문헌을 꾸며내는 환각(hallucinated references)
• 잘못된 주장을 화려한 수사로 가리는 문제(rhetorical masking of invalid arguments)

‘AI 쓰레기(AI slop)’가 손쉽게 생성될 수 있는 시대에는, 문자 언어와 의미 있게 관여하는 인간의 역할이 그 어느 때보다 중요하다.

우리가 반박하는 것은, 이러한 관여가 오직 또는 주로 도움 없이 첫 초안을 직접 작성하는 방식으로만 이루어져야 한다는 전제다. 의미 있는 인간의 관여는 다음과 같은 방식으로도 이루어질 수 있다.

• AI 모델과의 깊이 있는 대화
• AI 생성 텍스트에 대한 비판적 읽기와 평가
• 엄격한 재작성과 수정

학문은 아이디어와 근거의 질을 기준으로 평가되어야 한다. 연구자는 자신의 사고의 질과 그것이 연구 결과물에 미친 영향을 기준으로 평가되어야 한다. 이를 위해서는 AI 지원의 사용을 투명하게 공개해야 하며, 서로 다른 유형의 AI 관여를 구별하는 정책이 필요하다. 이러한 요구사항은 복잡하지만, 정당한 사고의 경계를 단 하나의 초안 생성 방식에만 묶어두는 것보다, 이러한 복잡성을 정면으로 다루는 편이 학문에 더 이로울 것이다.