생성형 AI 도구인 챗GPT와 퍼플렉시티 프로는 오늘날 연구 환경에서 매우 유용한 도구입니다. 요약, 탐색, 정리 등 리서치의 여러 단계를 빠르게 수행할 수 있도록 돕기 때문입니다. 그러나 이 도구들만으로 이루어진 리서치는 분명한 한계를 드러냅니다. 도구의 유용성이 곧 리서치의 충분조건이 될 수는 없습니다.
생성형 AI에 의존한 리서치는 raw data를 직접 가공하며 생기는 질문과 사유의 과정을 생략하게 됩니다. AI 이전의 리서치 과정에서는 설문조사 원문을 정리하면서 애매한 표현, 모순된 응답, 통계에서 누락된 층위들이 자연스레 눈에 들어옵니다. 그럴 때 우리는 ‘왜 이 숫자가 이렇지?’, ‘이건 어떻게 해석해야 하지?’와 같은 질문을 던지게 됩니다. 그러나 AI 도구는 이미 정리된 결과를 제공하므로 그 질문의 순간—사유의 진입점—을 경험하지 못하게 됩니다.
또한 리서치 기관이나 출처 간의 수치를 비교하고 해석하는 능력 역시 약화됩니다. 같은 주제에 대해 OECD와 WHO 혹은 국내 통계청과 시민단체가 서로 다른 데이터를 내놓을 때 그 차이를 ‘왜’로 연결 지어 분석하고 맥락화하는 과정이 필요합니다. 문해력은 바로 이 지점에서 작동합니다. 하지만 생성형 AI는 이 차이를 서술적으로 정리할 수는 있어도 제도적 배경이나 사회적 맥락까지 아우르는 해석에는 한계가 있습니다. 이것이 도구가 제공하는 ‘표면적 문해’와 인간의 ‘심층적 문해’ 사이의 간극입니다.
무엇보다 직접 리서치를 수행하며 축적되는 무형의 자산 그리고 문해력을 실질적으로 훈련할 수 있는 기회 자체가 사라진다는 점이 가장 치명적입니다. 이러한 자산은 반복적인 조사, 실패, 질문, 수정의 과정을 통해서만 길러질 수 있습니다. 생성형 AI는 이 과정을 단순화하고 생략함으로써 그 성장을 방해할 수 있습니다. 이 지점에서 문해력의 중요성이 새삼 강조됩니다. 문해력이란 단순히 글을 ‘읽는’ 능력을 넘어, 정보의 맥락을 파악하고 자료의 간극을 이해하며, 텍스트가 제안하는 의미를 능동적으로 재구성하는 능력입니다. 이는 정보가 넘쳐나는 시대일수록 더욱 요구되는 역량이며 동시에 생성형 AI의 편리함 속에서 무뎌지기 쉬운 지적 감각이기도 합니다.
나는 정보를 받아들인 것인가 아니면 진짜 이해한 것인가? 그 정보는 나의 언어로 다시 설명될 수 있는가?
이 두 질문은 문해력이 실제로 작동하고 있는지를 점검하는 중요한 기준이 됩니다. 스스로 질문하고, 재구성하며, 자기 언어로 의미화하는 이 과정이 없다면 그 ‘이해’는 결코 나의 것이 아닙니다.
