이 논문은 AI를 많이 사용할수록 오히려 AI를 효과적으로 활용하기 어려워지는 역설적인 현상에 대해 논하며, 그 이유를 뇌 과학적 관점에서 설명합니다. 저자는 AI의 출력물을 판단하고 교정하며 더 나은 결과를 이끌어내는 역량이 진정한 AI 활용 능력이라고 주장하며, 이러한 능력은 AI에 의존할수록 약화된다고 지적합니다.

AI 의존이 AI 활용 능력을 저해하는 이유 (The Paradox of AI Utilization)

저자는 AI의 도움으로 코드를 작성하는 과정에서 개발자가 겪는 인지적 부하가 급격히 줄어들면서, 코드 판단력과 같은 핵심 역량의 형성이 방해받는다고 설명합니다. AI가 변수명 결정, 로직 순서, 인터페이스 설계, 에러 처리 등 본질적인 설계 판단까지 대신함으로써, 뇌가 스키마(schema)를 구축하고 절차 기억(procedural memory)을 형성할 기회를 빼앗는다는 것입니다. 이는 특히 주니어 개발자에게 더 치명적일 수 있습니다.

뇌 과학적 근거 (Neuroscientific Basis)

1. "뇌는 편하면 기억하지 않는다" (The Brain Doesn't Remember What Comes Easily):
   • 바람직한 어려움 (Desirable Difficulty): UCLA의 인지 심리학자 Robert Bjork는 학습 과정에서 적절한 난이도와 저항이 존재할 때 단기적인 수행 속도는 느려지지만, 장기적인 기억 보존과 전이가 향상된다고 설명합니다.
   • 인출 연습 (Retrieval Practice): Roediger와 Karpicke (2006)의 연구는 단순히 반복해서 읽는 것보다 스스로 기억을 떠올려보는 인출 연습이 장기 기억 형성에 훨씬 효과적임을 보여줍니다. 능동적으로 학습한 내용을 떠올릴 때 뇌의 해마(hippocampus)와 전두엽 피질(prefrontal cortex) 사이의 연결성이 강화되는 반면, 수동적 학습 시에는 시각 처리 영역인 방추상회(fusiform gyrus)만 주로 활성화됩니다. 이는 뇌가 정보를 단순히 저장하는 것이 아니라 맥락과 함께 기록하는 차이입니다.

2. 생성 효과 (Generation Effect)와 유창성의 착각 (Fluency Illusion):
   • Slamecka와 Graf (1978)의 "생성 효과" 연구는 직접 정보를 생성하는 과정(예: 빈칸 채우기)이 완성된 정보를 수동적으로 받아들이는 것보다 기억 보존율이 유의미하게 높음을 보여줍니다. 정보를 직접 생성할 때는 뇌의 의미 처리, 인출 경로, 실행 제어 영역이 동시에 활성화되어 기억 인코딩이 더 풍부해지기 때문입니다.
   • 유창성의 착각: 정보를 쉽게 처리할 수 있다는 느낌이 곧 그 정보를 잘 기억할 것이라는 착각으로 이어지는 현상입니다. AI가 생성한 코드를 읽고 이해하는 것은 쉬울 수 있지만, 이는 장기 기억으로 이어지지 않을 가능성이 높습니다.

3. 코딩 판단력의 형성 – 절차 기억 (Procedural Memory)과 청킹 (Chunking):
   • 코딩 실력의 상당 부분은 "어떻게 하는가"에 대한 절차 기억에 해당합니다. 이는 자전거 타기처럼 의식적인 노력 없이 자동으로 실행되는 지식입니다.
   • 앤더슨(Anderson)의 적응적 사고 통제 모델 (Adaptive Control of Thought (ACT) model): 절차 기억은 인지 단계(의식적 처리) $\rightarrow$ 연합 단계(개별 절차 통합) $\rightarrow$ 자동화 단계(무의식적 실행)의 세 단계를 거쳐 형성됩니다. 이 과정은 반복적인 수행을 통해서만 진행되며, 뇌의 기저핵(basal ganglia)과 소뇌(cerebellum)가 핵심적인 역할을 합니다.
   • 청킹: 인간의 작업 기억 용량은 제한적이지만, 전문가는 하나의 청크에 담을 수 있는 정보의 양이 다릅니다. 체스 전문가 연구(Chase & Simon)에서처럼, 숙련된 개발자는 여러 코드 요소를 "필터링 패턴"이나 "에러 핸들링 패턴"과 같은 의미 있는 하나의 단위(청크)로 압축하여 인식합니다. 이러한 청크는 직접 코드를 작성하고 디버깅하며 리팩토링하는 반복적인 경험을 통해 형성됩니다.
   • AI가 코드를 대신 작성해주면, 이러한 절차 기억 형성 및 청크 생성을 위한 인지적 부하 경험이 사라지게 됩니다.

성장이 멈추는 경로와 AI의 역할 (Stagnation and AI's Role)

AI 이전에도 StackOverflow 복사 붙여넣기나 프레임워크 추상화에만 의존하는 방식으로 성장이 멈추는 개발자가 존재했습니다. 이들의 공통점은 뇌에 충분한 부하를 걸지 않았다는 것입니다. AI는 이러한 "편한 길"의 마찰을 극적으로 줄여, 코드를 생성하는 데 필요한 인지적 부하를 거의 0에 가깝게 만들었습니다. 이는 생산성 측면에서는 혁명적이지만, 학습 측면에서는 뇌에 부하가 걸릴 기회를 감소시켜 성장이 멈추는 경로로 미끄러져 들어가기 쉽게 만듭니다.

AI 시대에 성장하는 방법 (How to Grow in the Age of AI)

저자는 AI를 사용하면서도 뇌에 부하를 거는 의식적인 노력이 필요하다고 강조합니다.

4. AI에게 맡기기 전에 먼저 자신의 설계안 만들기: 이는 "생성 효과"를 의도적으로 활용하여 AI 출력물을 단순히 소비하는 것이 아닌 비교하고 평가하는 과정에서 뇌의 활성화를 유도합니다.
5. 진지한 코드 리뷰: "작동하니까 통과"가 아닌, "왜 이 구조인가?", "6개월 뒤에 문제가 될 부분은?"과 같은 질문을 통해 뇌에 인지적 부하를 줍니다.
6. 직접 코드를 짜보는 시간 확보: 절차 기억 형성을 위해서는 반복적인 수행이 필수적입니다. 막히는 경우 AI에게 힌트만 구하고 직접 해결하는 것이 효과적입니다.

결론적으로, 생산성과 학습은 최적 전략이 다르며, AI는 생산성 도구로는 탁월하지만 학습 도구로서의 한계를 가집니다. 성장을 위한 "고통"은 선택이 아닌 조건이며, 뇌의 작동 방식이 변하지 않는 한 AI 시대에도 직접적인 인지적 노력을 통한 부하가 필요합니다. 아이러니하게도 AI를 잘 쓰는 능력은 AI 없이도 코드를 판단할 수 있는 역량에서 나옵니다.