Hermes Agent와 수능 영어 학습자의 질문

AI가 '사용될수록 스스로 개선된다'는 것은 모델 버전이 올라간다는 뜻이 아니다. NousResearch가 공개한 Hermes Agent는 반복적 과제 수행 과정에서 스킬을 직접 작성하고, 그것을 재사용하며 점진적으로 정교하게 만든다. 도구가 경험을 누적하는 구조다. 이것이 낯설게 느껴진다면, 우리가 AI를 여전히 '검색 엔진의 고성능 버전'으로 이해하고 있기 때문이다. Hermes Agent는 검색하지 않는다. 만들고, 저장하고, 꺼낸다. 이 차이가 수능 영어를 준비하는 고등학생과 그들을 지도하는 강사에게 어떤 질문을 던지는지, 이 글은 그것을 정면으로 따진다.

수능 영어는 여전히 패턴의 싸움이고, AI는 그 싸움에 조용히 합류했다

수능 영어는 유형이 고정된 시험이다. 빈칸 추론, 순서 배열, 문장 삽입, 주제 파악 — 출제 형식은 수년째 거의 바뀌지 않았다. 학원가는 이 고정성을 철저하게 기술화했다. '빈칸은 주제문 근처에 있다', '역접 접속사 뒤에 핵심이 온다', '오답 보기는 지문 어휘를 재활용한다' — 이런 규칙들은 실제로 작동하고, 학생들은 그것을 반복 훈련으로 몸에 익힌다. 패턴 인식 능력이 점수와 직결되는 구조다. 그 구조 안에서 AI는 자연스럽게 보조 해설자로 진입했다. 틀린 문제를 AI에 입력하면 지문 분석, 오답 이유, 정답 근거를 즉각 출력해준다. 강사의 설명을 기다리지 않아도 되고, 자정이 넘어도 피드백이 온다. 접근성 측면에서 이 변화는 실질적이다.

그러나 Hermes Agent는 이 보조 해설자 층에 있지 않다. 이 시스템이 하는 일은 단순 응답 생성이 아니다. 반복 수행 과정에서 재사용 가능한 스킬 블록을 직접 작성하고, 다음 과제에서 그 블록을 꺼내 적용하며, 결과에 따라 스킬을 수정한다. 특정 유형의 텍스트를 분석하는 과제를 열 번 수행하면, 그 과정에서 생성된 판단 루틴이 저장된다. 열한 번째 과제에서는 처음부터 다시 추론하지 않는다. 축적된 스킬을 먼저 꺼내고, 충분하지 않을 때만 새 스킬을 덧붙인다. 이것은 도구가 경험을 자산으로 변환하는 구조다. 수능 영어 학습자가 수년간 반복 훈련으로 형성하는 것과 표면적으로 매우 닮아 보인다.

그 닮음이 이 글의 출발점이다. 구조가 유사해 보일 때, 차이를 정확히 짚지 않으면 잘못된 결론에 도달한다. AI가 스킬을 쌓는 방식과 학생이 독해 전략을 체화하는 방식은 겉모양이 비슷하지만, 내부 조건이 근본적으로 다르다. 그 차이를 이해하지 못한 채 AI를 학습 도구로 쓰면, 기술의 효율성이 오히려 학습의 밀도를 낮추는 역설이 생긴다.

청킹과 스킬 빌딩 — 구조는 닮았으나 비용이 전혀 다르다

인지과학에서 청킹(chunking)은 여러 정보 단위를 하나의 묶음으로 처리하는 능력을 가리킨다. 체스 고수가 개별 말의 위치를 암기하는 대신 '포진 패턴'으로 인식하듯, 숙련된 독자는 문장 단위가 아니라 논리 구조 단위로 텍스트를 읽는다. 수능 영어에서 고득점자가 '느끼는 것처럼 읽는다'고 표현하는 상태가 바로 이 청킹이 작동하는 상태다. 개별 단어 해석에 인지 자원을 소모하지 않고, 논리적 흐름을 덩어리로 처리한다. Hermes Agent의 스킬 라이브러리도 표면적으로는 이 구조를 모방한다. 처음 접하는 과제 유형을 분해하고, 그 해결 경로를 추상화하여 저장하며, 다음에 유사한 과제를 만나면 저장된 스킬을 우선 적용한다.

구체적인 사례를 가져온다. 고등학교 2학년 학생이 3개월간 수능 빈칸 추론 유형만 집중 훈련했다고 가정한다. 처음 4주는 오답률이 60퍼센트를 넘는다. 지문 내용은 파악하는데 빈칸이 왜 그 답인지 모르겠다는 상태, 즉 의미는 이해하지만 논리적 필연성을 포착하지 못하는 단계다. 5주차에서 8주차 사이, 오답을 반복하면서 자신의 판단 오류 패턴이 보이기 시작한다. '나는 빈칸 앞 문장만 보고 결정한다', '지문 마지막 문장을 과도하게 신뢰한다'는 식의 인식이 생겨난다. 9주차 이후, 이 인식이 실제 독해 과정에서 작동하면 오답률이 눈에 띄게 떨어진다. 이것이 스킬 형성이다. 이 과정에서 핵심은 실패 그 자체가 아니라, 실패를 언어화하고 자기 판단 구조를 검토하는 행위다.

Hermes Agent의 스킬 빌딩은 구조적으로 유사해 보이지만 비용이 없다. 오답에 따른 당혹감도 없고, 판단 오류를 인식하는 불편함도 없다. 스킬은 통계적 패턴으로 생성되고, 실패는 수치로만 처리된다. AI에게 감정적 비용은 불필요한 것이 맞다. 그러나 인간 학습자에게 실패에서 오는 인지적 마찰은 스킬을 장기 기억으로 전환하는 조건 중 하나다. 비용 없이 생성된 스킬과 마찰을 통해 형성된 스킬은 작동 방식이 다르다. 이 차이를 무시하고 AI의 즉각적 피드백에만 의존하면, 학생은 오답 이유를 '알게' 되지만 오답 패턴에서 '벗어나지는' 못하는 상태가 반복된다.

자동화 도구가 수능 교실 안에서 오작동하는 방식

수능은 결과를 측정하는 시험이다. 텍스트를 이해했는지가 아니라, 제한된 시간 안에 정답을 선택할 수 있는지를 측정한다. 이 두 가지는 다르다. 지문 의미를 충분히 파악했더라도 시간이 부족하면 오답이 된다. 반대로 지문을 완전히 이해하지 못했더라도 유형 패턴을 정확히 적용하면 정답이 된다. AI는 텍스트 이해 과정을 도와주지만, 수능이 요구하는 것은 텍스트 이해만이 아니다. 시간 압박 속에서 작동하는 판단 루틴, 낯선 논증 구조를 처음 마주쳤을 때의 대응 유연성 — 이것들은 AI가 설명해줄 수 있는 것이 아니라 학생이 실전 조건에서 반복적으로 형성해야 하는 것들이다.

학원가에서 AI를 사용하는 방식에도 유사한 함정이 있다. 강사에게 AI는 주로 시간 절약 수단으로 기능한다. 지문 분석 초안 생성, 어휘 목록 작성, 해설 문안 정리 — 이 작업들을 AI에 위임하면 수업 준비 시간이 줄어든다. 합리적인 선택처럼 보인다. 그러나 강사가 지문을 직접 분석하는 과정에서 파악하게 되는 것들, 예를 들어 '이 지문의 논증 구조가 작년 출제 경향과 다르다'거나 '이 유형의 오답 보기가 예년보다 정교하게 설계됐다'는 감각은 분석 과정 자체에서 생겨나는 것이다. AI 분석 결과만 검토하는 강사는 이 감각을 형성하기 어렵다. 도구가 과정을 대체할 때, 과정에서 생겨났어야 할 판단 능력도 함께 위임된다.

EBS 연계 출제 구조는 이 문제를 더 복잡하게 만든다. 수능은 EBS 교재와 연계되어 출제되지만, 연계 방식이 직접 인용이 아니라 소재·논지·지문 재구성 형태다. EBS 지문을 외운다고 해서 수능에 그 지문이 그대로 나오지는 않는다. AI가 EBS 지문 패턴을 학습하고 유사 문항을 생성해주더라도, 실제 수능에서 그 패턴이 어떻게 변형되어 출제될지는 AI도 정확히 예측하지 못한다. AI 패턴 의존도가 높은 학생일수록, 처음 보는 변형 구조 앞에서 더 크게 흔들린다. 연계 교재를 통한 출제 변형은 학생이 특정 지문이 아니라 논증 구조 자체를 읽는 능력을 갖춰야 대응할 수 있다는 것을 전제로 설계되어 있다.

AI가 스킬을 쌓을수록, 학생에게 남아야 할 것이 선명해진다

Hermes Agent가 잘하는 영역은 명확하다. 구조화된 패턴이 존재하고, 반복 수행을 통해 그 패턴이 정제될 수 있는 과제다. 수능 영어의 어법 판단이나 어휘 선택 같은 규칙 기반 문항들은 AI가 압도적으로 정확하게 처리한다. 반면 처음 보는 논증 구조를 가진 지문, 기존 독해 전략이 맞지 않을 때 실시간으로 전략을 수정하는 유연성, 시험장 안에서 작동하는 심리적 페이싱 — 이것들은 AI가 대신할 수 없다. AI는 시험장에 함께 들어가지 않는다. 결국 실전에서 작동하는 것은 학생이 직접 쌓은 판단 루틴이다.

Hermes Agent의 구조가 던지는 진짜 질문은 여기에 있다. AI가 특정 영역의 스킬을 자동으로 생성하고 정교하게 만들 수 있다면, 인간 학습자는 무엇을 직접 형성해야 하는가. 이것은 'AI가 하지 못하는 것'을 찾는 방어적 질문이 아니다. AI에게 넘길 수 있는 것을 정확히 넘기고, 넘기면 안 되는 것을 명확히 남겨두는 배분의 문제다. 수능 영어 학습에서 이 배분이 잘못되면, 학생은 AI 덕분에 오답 이유를 더 많이 알게 되지만 시험 당일 낯선 지문 앞에서 더 취약해지는 역설을 경험한다.

이 배분 능력 자체가 지금 학생들에게 필요한 메타인지다. 어떤 과제를 AI에 위임할 것인지, 어떤 과정을 직접 거칠 것인지를 판단하는 능력은 학습 효율을 결정할 뿐 아니라 실전에서의 독립적 판단력과 직결된다. Hermes Agent가 스킬을 자율적으로 생성할수록, 그 구조를 이해하고 자신의 학습 설계에 적용하는 학생과 결과물만 받아쓰는 학생 사이의 격차는 넓어진다.

오답 노트 한 줄을, AI 설명을 읽기 전에 먼저 써야 한다

내일 틀린 지문을 다시 펼칠 때, AI 해설을 먼저 읽지 않는 것이 하나의 선택지가 될 수 있다. 지문을 다시 읽고, '나는 왜 이 보기를 골랐는가'를 한 문장으로 먼저 적는다. '잘 모르겠어서'가 아니라, '세 번째 문단의 역접 관계를 무시했다'거나 '빈칸 이후 문장을 확인하지 않았다'는 식으로 자신의 판단 과정을 언어화한다. 그 다음에 AI 해설을 읽고, 자신이 적은 문장과 비교한다. 일치하면 스스로의 판단을 확인한 것이고, 불일치하면 자신이 어디서 판단 오류를 일으키는지를 구체적으로 파악하게 된다.

AI 스킬은 경계를 모른다. 패턴이 있는 곳에서는 작동하지만, 어디까지가 패턴이고 어디서부터 판단이 달라져야 하는지를 느끼지 않는다. 학생은 실패를 통해 그 경계를 안다. 틀렸을 때 드는 불편한 감각, '나는 이 유형이 약하다'는 인식, 같은 패턴에서 반복적으로 무너지는 경험 — 이것들이 경계를 형성한다. 경계를 아는 학생은 시험장에서 자신의 판단을 조정할 수 있다. 경계를 모르는 학생은 AI가 옳다고 했던 방식을 맹목적으로 적용한다.

자신의 오답 패턴을 언어화하는 능력은 실전에서 직접 작동한다. 시험 중 지문을 읽다가 판단이 흔들릴 때, 학생이 꺼낼 수 있는 것은 외운 규칙이 아니라 스스로 형성한 판단 루틴이다. 그 루틴은 AI 해설을 읽은 횟수가 아니라 AI 해설을 읽기 전에 스스로 분석한 횟수에서 만들어진다. Hermes Agent가 스킬을 자율적으로 쌓는 방식을 떠올리면, 그 구조에서 인간과 다른 점은 바로 이것이다. AI의 스킬 생성에는 마찰이 없지만, 학생의 스킬 형성에는 마찰이 필수 조건이다.

AI가 스스로 배우는 구조가 정교해질수록, 학생이 스스로 배운다는 것의 의미는 더 구체적이어야 한다. 막연하게 '주도적으로 학습한다'는 말로는 충분하지 않다. 어떤 과정을 직접 거치는가, 어디서 마찰을 허용하는가, 실패를 어떤 방식으로 처리하는가 — 이것이 구체화되어야 한다. Hermes Agent는 실패의 비용 없이 스킬을 쌓는다. 그렇다면, 실패의 비용을 감당하는 학습만이 가질 수 있는 것은 무엇인가.