AI에게 반박을 요청할 때

AI에게 정답을 묻는 것과 AI로 사고하는 것은 다른 행위다. 차이는 프롬프트 한 줄에서 갈린다. 대부분의 학생이 LLM을 쓰는 방식은 전자다. 수능 개념 설명을 요청하고 영어 지문 해석을 받으며 수학 풀이를 복사한다. LLM이 제공하는 답의 종류는 충분하다. 문제는 그 답이 생각을 대신 만들어주지는 않는다는 사실이다. LLM에는 잘 알려지지 않은 활용 패턴이 있다. 답을 구하는 것이 아니라 사고를 검증하고 논리의 허점을 드러내며 학습 경로를 스스로 설계하는 방향이다. 이 글은 그런 패턴이 한국 중·고등 학습 현장에서 실제로 유효한 조건과 구조적 한계를 함께 따진다.

답을 구하는 도구와 반박을 구하는 도구

LLM은 사용자에게 동의하도록 훈련되어 있다. 틀린 논리를 제시해도 부드럽게 수정해주며 약한 근거를 내놓아도 좋은 시작점이라고 응한다. 이 경향은 학습에서 치명적으로 작동한다. 국어 비문학 지문을 읽고 요약을 작성한 뒤 LLM에게 잘 됐는지 물으면, 돌아오는 것은 대부분 칭찬과 소소한 제안이다. 그 요약이 지문의 핵심 논지를 빗나갔어도 마찬가지다. LLM은 대립하도록 설계된 도구가 아니라, 협력하도록 설계된 도구이기 때문이다.

방향을 뒤집으면 달라진다. "이 요약의 논리적 허점을 세 가지 찾아라. 원문과 어긋난 부분을 지목하라"고 지시하면, LLM은 전혀 다른 방식으로 응답한다. 내신 서술형 평가를 앞둔 고2 학생이 자신의 답안을 LLM에게 반박시키는 방식으로 복습한다면, 단순히 답을 확인하는 것보다 훨씬 깊은 피드백 루프가 만들어진다. 이것은 LLM을 채점자가 아니라 심문자로 쓰는 패턴이다. 채점자는 맞고 틀림을 판단하지만 심문자는 왜 그렇게 생각했는지를 추궁한다. 두 역할이 학생의 인지에 미치는 영향은 근본적으로 다르다.

두 번째로 주목할 활용은 복잡한 사고 과정을 언어화하는 일이다. 프로그래머 사이에서 러버덕 디버깅이라는 원칙이 있다. 코드의 오류를 찾기 위해 자신의 풀이를 고무 오리 인형에게 설명하다 보면, 설명하는 과정에서 스스로 오류를 발견하게 된다. LLM은 이 역할을 학습에 적용한다. 수능 수학 풀이 과정을 LLM에게 한 단계씩 설명하면서 "이 풀이의 논리적 비약이 어디에 있는가"를 묻는다. LLM은 사람이 무심코 넘기기 쉬운 비약을 잡아낸다. 논리의 공백을 언어로 드러내는 작업 자체가 학습이다. 수능 수학에서 1등급과 2등급을 가르는 실질적 차이가 계산 능력보다 자신의 풀이 과정을 언어로 설명하는 능력이라는 점은, 이 활용 방식이 왜 의미 있는지를 보여준다.

초개인화 커리큘럼 설계가 가능해진 조건

세 번째이자 이 글에서 가장 주목하는 활용은 개인화 학습 경로 설계다. LLM에게 "나는 이미 이 개념은 알지만, 이 부분만 모른다. 내가 모르는 부분만 집중하는 학습 계획을 만들어라"라고 요청하면, 일반적인 인터넷 강의와 달리 이미 아는 내용을 건너뛴 경로를 제시한다. 개인 과외에서나 가능하던 진단-처방 방식이 프롬프트 한 번으로 가능해졌다.

이 패턴을 학원 없이 수능을 준비하는 고3 학생의 상황에 맞춰보자. 수능 영어에서 빈칸 추론 문제만 반복적으로 틀리고 오답의 이유가 항상 주제 파악 실패라고 자각하는 학생이 있다. 이 학생은 LLM에게 이렇게 요청한다. "수능 영어 빈칸 추론 유형에서 주제 파악 실패가 오답 원인이다. EBS 수능완성 지문을 기반으로 이 약점만 집중 훈련하는 2주 계획을 설계해달라. 각 단계에서 어떤 사고 순서로 접근할지도 포함하라." LLM은 전략적 독해 순서, 반복 훈련 방식, 자가 검증 질문까지 포함한 구체 계획을 내놓는다. 이것은 학원 강사가 제공하던 진단-처방 서비스를 LLM이 부분적으로 대체하는 패턴이다.

단, 부분적이라는 전제가 핵심이다. LLM이 만드는 커리큘럼은 학생의 실제 오답 패턴 데이터를 보지 않는다. 학생이 스스로 진단하고 언어화한 정보만을 기반으로 한다. 진단의 정확성은 학생의 메타인지 능력에 달려 있다. 자신이 왜 틀리는지 정확히 아는 학생에게 이 도구는 강력하다. 자신의 약점을 모르는 학생에게는 그렇지 않다. 이 비대칭이 중요하다. 학원에서 이미 진단 서비스를 받은 학생이 LLM 커리큘럼을 병행하면 효과가 배가되나, 진단 없이 LLM만 쓰면 자신의 오해를 강화하는 경로를 만들 위험이 있다.

학원 수업 구조와 평가 체계가 만드는 벽

이 활용법들이 매력적으로 보이더라도, 한국 중·고등 교육 맥락에는 구조적 저항이 있다. 하나는 시간 압박이다. 학원 수업 여섯 시간, 과제, 야간 자율학습 이후에 LLM을 심문자로 활용하는 고도화된 프롬프트를 설계할 여력이 있는 학생은 많지 않다. 비정형 활용은 비정형적 사고 시간을 전제한다. 하루 일과가 이미 촘촘하게 채워진 수험생에게 여백은 좁다. LLM의 비정형 활용이 가장 잘 작동하는 환경은 학습 시간을 자율적으로 배분하는 환경이다. 한국의 중·고등 학생 대부분은 그런 환경을 갖추지 못했다.

다른 하나는 평가 구조와의 불일치다. 내신과 수능은 정답의 수렴을 요구한다. LLM을 악마의 대변인으로 쓰거나 자신의 논리를 언어화하는 훈련은 비판적 사고력을 키운다. 그러나 5지선다형 시험은 그 능력을 직접 측정하지 않는다. 논술·구술 면접을 준비하는 학생에게는 이 훈련이 즉각 유효하다. 수능 객관식 위주 준비에서는 우회적 효과에 머문다. 훈련의 방향과 시험의 구조가 어긋나는 상황에서, 효과가 눈에 보이지 않는 방식에 시간을 투자하기는 쉽지 않다.

마지막은 신뢰 문제다. LLM이 자신 있게 제시하는 오개념이 학생의 기억에 박히는 사례는 이미 보고된다. 수능 화학 개념을 LLM으로 혼자 공부하다가 오개념을 형성한 사례와, 그 오개념이 실전 모의고사 오답으로 이어진 사례는 현장 교사들 사이에서 반복적으로 언급된다. 비정형 활용일수록 출력 결과를 검증하는 능력이 선행되어야 한다는 역설이 있다. 검증 능력이 없는 학습자에게 비정형 활용은 오히려 잘못된 확신을 심을 수 있다.

더불어, LLM의 비정형 활용을 권장하는 논의 대부분이 성인 독자나 전문가를 주된 대상으로 한다는 점도 짚어야 한다. 자기 진단, 논리 설계, 페르소나 지정 프롬프트는 개념을 갖춘 사람이 더 잘 쓰는 도구다. "이 계약서의 독소 조항을 짚어라"는 프롬프트를 제대로 평가하려면 독소 조항이 무엇인지부터 알아야 한다. 도구의 정교함은 사용자의 기초 지식 수준을 요구한다. 이것은 LLM의 비정형 활용이 학습 초기 단계보다 중·후반부에서 더 유효하다는 뜻이기도 하다. 개념이 갖춰지지 않은 상태에서 LLM에게 논리 검증을 요청하면, LLM은 없는 논리를 검증하는 것이 아니라 없는 논리를 채워주는 역할을 하게 된다.

도구를 바꾸는 것이 아니라 기대를 바꾸는 것

LLM의 비정형 활용이 가능한 조건은 메타인지와 언어화 능력이다. LLM이 심문자, 악마의 대변인, 논리 검증자로서 유효하게 작동하려면, 사용자가 자신의 사고 과정을 언어로 풀어낼 수 있어야 한다. "나는 이 문제를 이렇게 풀었다. 이 논리가 어디서 무너지는가"가 아니라 "답이 뭐야"로 접근하면, LLM은 다시 답 제공 기계가 된다. LLM을 어떻게 쓰느냐의 차이는 도구의 기능 차이가 아니라, 사용자가 자신의 사고를 얼마나 언어로 드러낼 수 있는지의 차이다.

한국어 논술을 준비하는 고3 학생을 예로 들자. 자신의 논증 구조를 한 문단으로 쓴 뒤 "이 논증의 전제 중 가장 공격받기 쉬운 것 하나를 골라 반박하라"고 요청한다. LLM은 논리의 빈틈을 드러낸다. 학생은 반박을 읽고 자신의 논증을 수정한다. 이 사이클을 세 번 반복하면, 교사에게 초안을 제출하기 전 스스로 논증을 강화하는 흐름이 만들어진다. 학원 첨삭을 완전히 대체하지는 못해도 첨삭 전 자기 점검의 깊이를 높인다. LLM이 내준 반박이 맞는지 틀리는지는 교사의 피드백으로 확인한다. 이 검증 과정이 학습의 본체다.

LLM의 비정형 활용은 도구에 무엇을 기대하는지를 먼저 설정하는 문제다. 답을 기대하면 답이 나온다. 반박을 기대하면 반박이 나온다. 진단을 기대하면 진단이 나온다. 도구의 한계는 도구 자체가 아니라, 도구에 무엇을 요청하는지에서 비롯한다. 이 단순한 원칙이 실제로는 쉽지 않다. 우리는 대부분 답을 원하도록 훈련되어 있다. 수능을 준비하는 학생이라면 더욱 그렇다. 수능은 정답을 찾는 시험이기 때문이다.

틀린 문제 하나를 LLM에게 설명하는 것으로 충분하다

수능을 준비하든 내신 서술형을 앞두든, 지금 당장 다음 한 가지를 시도해볼 수 있다. 어제 틀린 문제 하나를 꺼낸다. 풀었던 자신의 사고 과정을 최대한 구체적으로 LLM에게 설명한다. 어떤 개념을 적용했는지, 어느 선택지에서 왜 흔들렸는지, 최종 답을 고른 이유가 무엇인지까지. 설명이 끝나면 이렇게 요청한다. "이 풀이 과정에서 논리적으로 약한 부분 하나와, 내가 당연하게 넘긴 가정 하나를 짚어라."

LLM이 돌려주는 답을 정답으로 받아들이지 않는다. 그 답을 다음 질문의 재료로 쓴다. LLM이 지목한 약점이 실제로 맞는지 교과서나 해설지로 확인한다. 이 확인 과정 자체가 학습이다. LLM의 출력은 학습의 끝이 아니라 다음 질문의 시작점이다. 이 흐름을 한 문제에서 완성하면, LLM이 답 제공 기계에서 사고 검증 파트너로 전환되는 순간을 경험하게 된다.

자신의 사고를 언어로 설명하는 습관, 설명의 허점을 스스로 찾는 능력. 이것이 LLM을 비정형적으로 쓸 수 있는 기초 조건이다. 도구를 바꾸는 것이 아니라, 도구에 거는 기대를 바꾸는 것이다. 기대가 바뀌면 쓰는 방식이 바뀐다. 쓰는 방식이 바뀌면, 학습에서 LLM이 차지하는 위치가 바뀐다.

LLM에게 답을 받는 학생과 반박을 받는 학생이 같은 시험장에 앉는다. 두 학생이 같은 도구를 썼다는 사실은, 결과 앞에서 아무런 의미가 없다. 수능 국어 비문학 지문 앞에서 처음 보는 논리를 따라가야 할 때, 어느 쪽이 더 오래 버티는지는 다른 이야기다. 도구를 다르게 쓴다고 해서 결과가 달라질까. 아니면 결국 공부한 시간의 총량이 전부일까.