서론: 지식 무용론의 선동과 인지적 위기

초거대 인공지능(Generative AI)이 인류가 축적한 방대한 지식을 검색하고, 조립하며, 완벽한 구조의 텍스트와 수식으로 실시간 배달해 주는 시대가 전개되면서 교육계 전반에 극단적인 탈지식주의 교육관이 침투하기 시작했다. “검색하면 초 단위로 지식이 쏟아지고 AI가 풀이와 번역을 대행해 주는데, 왜 여전히 피곤하게 공식과 개념적 원리를 암기해야 하는가?”라는 편리주의적 의문이다.

그러나 이러한 주장은 지식이라는 인지 구조의 인과를 완벽하게 왜곡한 피상적인 단견이다. AI가 추동하는 진짜 교육 문명의 대전환은 지식 자체의 종말이 아니다. 본질적으로 소멸하는 것은 지식 그 자체가 아니라, 지식을 개인의 머릿속에 ‘단순 저장 및 소유’했다는 사실만으로 기득권처럼 누려왔던 행동 가능성(Actionability)의 독점권이다.

과거의 전통적인 정보 사회에서는 지식의 물리적 축적이 행동을 영위하기 위한 절대적 입장권이었다. 기하 벡터와 삼각함수를 내재화한 전공자만이 센서 데이터를 피팅하여 제어할 수 있었고, 고급 비즈니스 영어를 완벽하게 외운 소수만이 글로벌 소통을 독점했다. 그러나 AI는 지식 축적과 실제 행동 사이의 결속을 해체했다. 이제 지식을 독점적으로 소유하지 않은 대중도 AI를 인터페이스 삼아 높은 수준의 결과물을 생산해 낸다. 이 독점권의 붕괴 속에서 인간 머릿속에 고정된 내재화 지식은 어떤 새로운 지위를 획득하게 되는가?

인터넷 접근성과 인지적 오염: ‘트랜잭션 메모리’와 메타인지적 착각

인터넷과 외부 디지털 기기를 외재적 기억 장치로 삼는 인간의 정보 처리 양식은 검색 기술의 도입기부터 관찰되었다. 인지과학자인 대니얼 웨그너(Daniel Wegner)의 트랜잭션 메모리(transactive memory) 이론에 따르면, 인간은 정보가 외부 환경(데이터베이스나 인터넷)에 언제든 존재하고 다시 인출될 수 있음을 감지할 때, 정보 그 자체보다 ‘그 정보에 접근할 수 있는 경로와 위치(Where)’만을 뇌 속에 선별적으로 기억하려는 성향을 보인다.

생성형 AI는 이 외부 기억의 활용과 정보 가공의 비용을 극단적으로 낮추어 일종의 초지능 외부 저장소로 기능한다. 그러나 바로 여기서 심각한 메타인지적 왜곡이 일어난다. 다수의 인지 실험 연구에 따르면, 외부 데이터베이스나 AI의 빠른 피드백에 실시간으로 의존하며 과제를 수행하는 학습자들은 실제 자신의 두뇌 속에 저장된 정보가 전무함에도 불구하고, ‘자신이 세상을 엄청나게 깊이 알고 있다’는 주관적 자신감인 메타인지적 착각(Metacognitive illusion)에 빠지게 된다. 정보에 대한 접근성(Access)을 자신의 내재화된 인지적 능력(Competence)과 완전히 혼동하는 것이다.

이 착각의 늪을 건너, AI가 합성해 내는 화려하고 그럴듯한 왜곡 정보(Hallucination)와 오류를 날카롭게 식별할 수 있는 유일한 인지적 무기는 오직 학습자의 머릿속에 축적된 단단한 배경지식(Prior Knowledge)의 인프라뿐이다. 2024년 배경지식의 역할에 관한 대규모 메타분석 연구에 따르면, 특정 분야에 풍부하고 탄탄한 배경지식 네트워크를 내재화하고 있는 사람일수록 외부 검색 정보나 도구가 쏟아내는 노이즈, 오류 왜곡에 상대적으로 훨씬 영향을 덜 받으며, 도구의 피드백을 검증하는 필터링 작업에서 압도적인 우월성을 보였다는 사실이 실증적으로 증명되었다.

지식의 지위 이동: ‘정답 저장소’에서 ‘판단과 검증의 내부 모델’로

AI 시대에도 지식은 무력해지지 않으며, 오히려 그 중요성은 지적인 의사결정의 수준에서 폭등한다. 다만 지식의 중심 역할과 기능적 지위가 완전히 이동했을 뿐이다.

[지식의 소유 시대 (과거)]
지식 = 정답을 스스로 복제하여 꺼내는 내부 저장물
↓
[지식의 운용 시대 (현재·미래)]
지식 = AI의 조립 결과물이 타당한지 비교·대조하는 '내부 모델(Internal Model)'

배경지식이 없는 학생은 AI가 제공하는 그럴듯한 오답과 전제 오류를 비판 없이 수용하며 인지적 가사 상태로 걸어 들어간다. 반면 내면에 단단한 지식의 지도(지도표)가 세워져 있는 사람은 AI의 수식 구성에 숨겨진 수학적 한계나 물리 법칙의 상식적 위배를 즉각 포착하고 대안적 맥락을 비교 분석하여 정교한 ‘질문의 재지시(Re-prompting)’를 수행한다.

예를 들어 고등 교과에서 배우는 함수의 구조를 내재화하지 못한 학생은, AI가 매출 데이터를 피팅해 만든 2차함수 그래프 모델링이 왜 상일상의 임대료나 기후 환경의 상식적 범위와 어긋나는지 분석해 내지 못한다. 벡터의 개념을 머릿속에 지니지 못한 학습자는 드론의 실시간 제어 모델을 AI를 도구 삼아 디버깅하겠다는 판단 자체를 내릴 수 없다.

결국 미래 교육에서 지식은 단순히 시험 점수를 소유하기 위한 박제된 지표가 아니라, 초지능 도구를 주체적으로 부리고 세상을 주도적으로 지휘하기 위한 최소한의 내부 좌표계이자 척추이다.