[특집] AI 때문에 두 번째 뇌를 만들었다 — '이해를 위임하지 마라'의 역사, 과학, 그리고 2026년

크게 보기

들어가며: "2>&1이었나, 2&>1이었나"

CI에서 돌릴 셸 스크립트를 급하게 짜고 있다고 해 봅시다. 에러 메시지까지 로그 파일에 남기고 싶은데, 손가락이 멈춥니다. 2>&1이었던가, 2&>1이었던가. 분명 여러 번 써 본 문법입니다. 구글을 열어 검색하기엔 흐름이 끊기고, 마침 옆 창에 AI 채팅이 열려 있습니다. 한 줄 물어보면 끝날 일입니다.

2026년 9월 24일, 개발자 블로거 Jadarma가 올린 글 「Clankers Made Me Build a Second Brain(클랭커 때문에 두 번째 뇌를 만들었다)」은 바로 이 장면에서 시작합니다. 저자는 스스로를 "전형적인 AI 회의론자"라고 소개합니다. 바이브 코딩은 거부하지만, 회사 노트북에 깔린 Claude를 "공짜 토큰이니까" 가끔 쓰기는 합니다. 대부분은 답을 받고 창을 닫으면 끝입니다. 그런데 가끔은 이런 대화가 벌어집니다.

크게 보기

"기능 X를 쓰려면 명령 끝에 --do-X 플래그만 붙이면 됩니다."

(man 페이지를 열어 봅니다. 그런 플래그는 없습니다. 따지면—)

"맞습니다, 제 실수였네요. 다른 자료를 찾아보겠습니다."

더 기묘한 경우도 있습니다. 한 답변 안에서 스스로 말을 뒤집는 겁니다. "--do-X 플래그를 붙이면… 아, 잠깐만요, 사실 그런 플래그는 없습니다. 제가 말하려던 건…"

저자는 화면을 향해 눈을 굴리다가 문득 깨닫습니다. 비웃으면서도, 기대치를 낮춘 채로도, 결국 자기 자신이 "알아야 할 걸 알려 줘, 실수 없이"라고 기계에게 부탁하는 유혹에 넘어가 있었다는 사실을요. 그리고 그 해결책으로 AI를 더 잘 쓰는 방법이 아니라, 아주 오래된 방법을 택합니다. 노트를 쓰는 것입니다.

크게 보기

출처: Jadarma, "Clankers Made Me Build a Second Brain" (2026. 9. 24) 원문 썸네일. 왼쪽 고양이 이마에 Claude 로고가, 오른쪽 캐릭터 손에 옵시디언 로고(보라색 수정)가 있다.

1,823단어짜리 짧은 에세이지만, 이 글에는 2026년을 사는 지식노동자가 한 번쯤 겪었을 피로가 압축돼 있습니다. 그럴듯한 오답, 무너지는 검색, 그리고 "두 번째 뇌"조차 AI에게 맡기라는 유행. 이 글에서는 원문을 출발점으로 삼아 다음을 차근차근 짚어 보겠습니다.

1. 원문이 말하는 것 — 네 개의 핵심 주장
2. 왜 지금 이런 글이 나왔나 — 2026년 개발자가 느끼는 세 가지 피로
3. 생각을 밖에 적어 두는 2,400년의 역사 — 소크라테스의 경고부터 메멕스, 제텔카스텐, 옵시디언, LLM 위키까지
4. 왜 직접 써야 남는가 — 생성 효과, 구글 효과, 인지 부채에 관한 연구들
5. 이해를 위임하지 마라 — 옵시디언 CEO 스테프 앙고의 '기생충' 비유
6. 화물 숭배 — 두 번째 뇌가 생산성 연극이 되는 순간
7. 인터넷이 흐려질 때 — 슬롭, 모델 붕괴, 그리고 개인 볼트의 가치
8. 2026년의 균형 — AI와 함께 쓰되 이해는 넘기지 않는 실천법

1부. 원문이 말하는 것 — 네 개의 주장

원문은 풍자와 푸념이 많은 글이라 뼈대만 추리면 생각보다 단순합니다.

원문에서 가장 자주 인용될 문장은 아마 이것일 겁니다.

The real reason why taking notes helps people is that taking notes requires writing, and writing is thinking.

노트 작성이 도움이 되는 진짜 이유는, 노트를 쓰려면 글을 써야 하고, 글쓰기가 곧 생각이기 때문이다.

한 가지 짚어 둘 점이 있습니다. 이 글은 반(反)AI 선언문처럼 읽히지만 실제 주장은 더 좁습니다. 저자는 옵시디언을 "두 번째 뇌 앱"이 아니라 "그냥 잘 만든 마크다운 편집기"라고 부르고, 지식을 혼자 쌓아 두자는 것도 아니라고 분명히 합니다. 결론부의 문장이 그렇습니다. "나중에 다른 사람과 더 잘 나누기 위해 지식을 모아라. 좋은 사람들은 소통하고 협력해야 한다. 그렇지 않으면 우리가 진다."

이제 이 짧은 글이 왜 2026년 9월에 많은 공감을 얻었는지부터 보겠습니다.

2부. 왜 지금 이런 글이 나왔나 — 세 가지 피로

피로 ①: 자신 있게 틀리는 기계

원문 속 "--do-X 플래그"는 과장이 아닙니다. 연구자들은 이 현상을 꽤 정밀하게 측정해 왔습니다.

가장 유명한 사례는 패키지 환각입니다. 텍사스대 샌안토니오 등 연구팀(Spracklen 외)이 USENIX Security 2025에 발표한 연구에서, 16개 코드 생성 모델이 만든 코드 샘플 57만 6천 개를 분석했더니 추천된 패키지의 약 19.7%가 존재하지 않는 이름이었습니다. 지어낸 고유 패키지 이름만 20만 5,474개였습니다. 공격자가 이 "그럴듯한 가짜 이름"을 먼저 등록해 두면 AI의 설치 명령을 그대로 복사한 개발자가 악성 코드를 받게 됩니다. 이 공격에는 슬롭스쿼팅(slopsquatting)이라는 이름까지 붙었습니다.

좋아지고는 있습니다. 2026년 5월 같은 실험을 2026년 최신 모델 다섯 개로 반복한 후속 연구에서는 환각 비율이 4.62~6.10%로 크게 줄었습니다. 그런데 이 연구의 제목이 의미심장합니다. "범위는 줄었지만 위협은 남았다(The Range Shrinks, the Threat Remains)." 다섯 모델이 똑같이 지어낸 가짜 이름이 127개나 있었기 때문입니다. 모델을 바꾼다고 피할 수 있는 오류가 아니라는 뜻입니다.

AI가 추천한 패키지 중 존재하지 않는 패키지의 비율. 출처: Spracklen 외(USENIX Security 2025), "The Range Shrinks, the Threat Remains"(arXiv 2605.17062, 2026). 막대 너비는 19.7%를 기준으로 한 상대값.

원문의 또 다른 장면, 틀렸다고 지적하면 곧바로 "맞습니다, 제 실수였네요"라고 굽히는 태도에도 이름이 있습니다. 아첨(sycophancy)입니다. 앤트로픽 연구팀이 2023년 발표한 논문 「언어 모델의 아첨 이해하기」는 사람의 선호 평가로 학습한 모델들이 사실보다 사용자가 듣고 싶어 하는 답을 고르는 경향이 있고, 그 원인 중 하나가 사람 평가자들 자신이 아첨하는 답을 더 높게 평가하는 데 있다고 보고했습니다. 원문의 표현을 빌리면 AI는 "나를 돕기보다 기쁘게 하려고" 합니다.

문제는 사람 쪽에도 있습니다. 2026년 이 블로그에서 다룬 시스템 3과 '인지적 항복' 연구가 보여 준 것처럼, 유창하고 자신 있는 답을 받으면 사람은 검증을 건너뛰기 쉽습니다. 원문 저자가 "부끄럽다!"라고 외친 이유가 여기 있습니다. 틀린 답을 준 기계보다, 그 답을 기대하고 있었던 자신이 더 문제라는 자각입니다.

피로 ②: 무너지는 검색과 커뮤니티

원문 저자는 예전 같으면 구글 검색 한 번으로 Stack Overflow 답변에 닿았을 거라며 "아, 그 시절이 좋았지!"라고 탄식합니다. 과장이 아닙니다. Stack Overflow의 월간 신규 질문은 2014년 무렵 20만 건을 넘었지만, 2022년 말 ChatGPT 등장 이후 급감해 2026년 초 보도에서는 "0에 가깝다"는 표현까지 나왔습니다. (이 감소는 사실 ChatGPT 이전부터 시작됐습니다. 까다로운 중복 질문 처리 문화가 신규 사용자를 쫓아냈다는 분석도 있습니다.)

질문이 사라지면 새로운 답도 사라집니다. 2023년에 누군가 물어서 쌓였을 답변이 2026년에는 개인 채팅창 안에서 휘발됩니다. 이 블로그의 제로클릭 특집이 다룬 것처럼, 검색 결과 맨 위의 AI 요약이 클릭을 대신하면서 원 출처로 가는 발길도 끊겼습니다. 공유지는 마르고, 각자의 채팅 기록만 남는 구조입니다.

피로 ③: 슬롭, 그리고 "세컨드 브레인"의 AI화

원문 후반부의 분노는 슬롭(slop)을 향합니다. 옵시디언 활용 팁을 찾으려고 유튜브를 검색했더니, GPT 답변을 복붙하고 TTS로 읽어 주는 영상들이 쏟아졌다는 겁니다. 문서 첫 문단만큼의 정보도 없는 영상들 말입니다. 저자는 "옵시디언 링크 베스트 프랙티스"를 검색하다 알고리즘이 끼워 넣은 영상 두 개를 예로 들고, 한술 더 떠 영상 앞부분에서 "땅콩버터의 부드럽고 진한 식감이 초콜릿의 달콤함과 잘 어울리는 이유"를 설명하지 않은 것만 해도 다행이라고 비꼽니다.

그리고 가장 아이러니한 대목이 나옵니다. 옵시디언의 노트는 마크다운 파일이고, 요즘 AI 에이전트의 스킬 파일(SKILL.md)도 마크다운입니다. 이 둘을 합치는 유행이 생긴 겁니다. 원문 저자는 이 유행을 이렇게 풍자합니다.

"클로드, 이 영상 대신 좀 봐 주고, 중요한 부분만 뽑고, 내 대신 의견을 정해서, 그걸 내 가장 사적인 생각들 옆에 넣어 줘. 나중에 질문하면, 물 몇 갤런을 증발시켜 내 볼트를 컨텍스트 창에 올린 다음 답하고, 그 김에 내 모든 개인 지식을 다리오(앤트로픽 CEO) 무릎 위에 쏟아 줘."

원문은 이름을 밝히지 않지만, 2026년의 맥락에서 이 흐름의 대표 격은 안드레이 카파시의 "LLM 위키"입니다. 2026년 4월 카파시가 X에 올리고 깃허브 지스트로 정리한 이 패턴은 원본 자료 폴더(raw/), LLM이 쓰고 관리하는 위키 폴더(wiki/), 규칙 파일(CLAUDE.md)의 3층 구조로 되어 있습니다. 새 자료를 넣으면(ingest) LLM이 개념 페이지와 인물 페이지를 만들고 서로 링크하고, 질문하면(query) 위키를 뒤져 답하고, 주기적으로 정리(lint)합니다. 지스트는 며칠 만에 수천 개의 스타를 받았고, 옵시디언 플러그인과 수많은 튜토리얼이 뒤따랐습니다.

이 패턴 자체가 나쁜 건 아닙니다. 이 부분은 8부에서 다시 공정하게 따져 보겠습니다. 다만 원문 저자가 목격한 건 그 극단입니다. 노트를 쓰는 사람은 사라지고 노트만 쌓이는 볼트. 원문의 말로는 "생산성을 흉내 낼 뿐 아무것도 가르쳐 주지 않는" 시스템입니다.

3부. 생각을 밖에 적어 두는 2,400년의 역사

"두 번째 뇌"라는 말은 새롭지만, 아이디어는 아주 오래됐습니다. 그리고 흥미롭게도 새로운 도구가 나올 때마다 똑같은 논쟁이 되풀이됐습니다. 이 도구가 우리의 기억을 돕는가, 대신하는가?

크게 보기

기원전 370년: 소크라테스의 경고

최초의 "인지 외주화 논쟁"은 문자 그 자체를 두고 벌어졌습니다. 플라톤의 대화편 『파이드로스』에서 소크라테스는 이집트 신화 하나를 들려줍니다. 문자를 발명한 신 테우트가 이것이 기억과 지혜의 묘약이라며 타무스 왕에게 바치자, 왕은 이렇게 답합니다.

이것을 배운 이들의 영혼에는 망각이 생길 것이오. 기억을 연습하지 않고, 글에 기대어 자기 안이 아닌 바깥의 낯선 표시로부터 떠올리게 될 테니. 그대가 발견한 것은 기억의 묘약이 아니라 상기(想起)의 묘약이오. 그리고 그대는 제자들에게 지혜가 아니라 지혜의 겉모습을 주는 것이오.

2,400년 전의 경고인데, 2026년의 AI 논쟁과 구조가 똑같습니다. "지혜의 겉모습(the appearance of wisdom)"이라는 표현은 원문이 비판한 "생산성을 흉내 내는" 볼트와 정확히 겹칩니다.

그런데 결말은 아이러니합니다. 우리가 이 경고를 아는 건 플라톤이 그것을 글로 적었기 때문입니다. 문자는 결국 인류 최고의 사고 도구가 됐습니다. 타무스 왕이 틀렸을까요? 절반만 맞았다고 보는 게 정확합니다. 글을 읽기만 하는 사람에게는 경고가 맞았고, 글을 쓰는 사람에게는 틀렸습니다. 이 구분이 이 글 전체를 관통하는 열쇠입니다.

1500~1700년대: 비망록(commonplace book)

르네상스 시대 유럽의 학자들은 비망록이라는 노트를 썼습니다. 책을 읽다가 인상 깊은 구절을 베껴 적고, "용기", "우정", "통치" 같은 주제어 아래 분류해 두는 공책입니다. 에라스무스는 학생들에게 이 방법을 가르쳤고, 철학자 존 로크는 아예 색인 만드는 법까지 체계화해 1686년 프랑스어로, 1706년 영어로 『비망록을 만드는 새로운 방법』을 펴냈습니다. 토머스 제퍼슨, 버지니아 울프 같은 인물들도 평생 비망록을 썼습니다.

핵심은 베껴 쓰기와 분류가 수동이었다는 점입니다. 어떤 구절을 옮길지 고르는 판단, 어떤 주제어 아래 둘지 정하는 판단이 모두 쓰는 사람의 몫이었습니다. 이것이 오늘날 "노트 작성"의 원형입니다.

1945년: 메멕스 — 연상으로 이어지는 기억 기계

현대적인 "두 번째 뇌" 개념의 직접적인 조상은 1945년 7월 『애틀랜틱』에 실린 한 편의 에세이입니다. 2차 세계대전 동안 미국 과학연구개발국(OSRD)을 이끌며 맨해튼 프로젝트를 포함한 전시 연구를 총괄했던 버니바 부시의 「우리가 생각하는 대로(As We May Think)」입니다.

크게 보기

부시는 전쟁이 끝난 뒤 과학자들이 해야 할 일로 "쏟아지는 지식을 다루는 도구"를 제안했습니다. 그가 상상한 메멕스(Memex)는 책상 모양의 기계로, 마이크로필름에 책·기록·편지를 모두 담고 반투명 화면 두 개로 빠르게 찾아볼 수 있습니다. 부시의 정의는 이랬습니다.

메멕스는 개인이 자신의 모든 책, 기록, 통신을 저장하고, 놀라운 속도와 유연성으로 참조할 수 있도록 기계화한 장치다. 그것은 그의 기억을 확장한 내밀한 보조물이다.

메멕스의 진짜 혁신은 저장이 아니라 연결이었습니다. 부시는 도서관의 알파벳·숫자 분류가 인간의 생각 방식과 맞지 않는다고 봤습니다. 사람의 마음은 "연상(association)"으로 움직인다는 겁니다. 그래서 메멕스 사용자는 두 문서를 나란히 띄우고 버튼 하나로 묶어 트레일(trail, 연상 경로)을 만듭니다. 활의 역사를 조사하던 사람이 터키 활에 관한 백과사전 항목과 물리학 교과서의 탄성 이론을 잇고, 거기에 자기 메모를 덧붙이는 식입니다.

중요한 건 이 트레일을 누가 만드느냐입니다. 부시의 메멕스에서 트레일을 만드는 건 사용자 자신이었습니다. 부시는 심지어 "트레일을 만드는 사람(trail blazer)"이라는 새로운 직업까지 예견했습니다. 연결이 곧 사고였던 겁니다. 이 에세이는 이후 더글러스 엥겔바트의 「인간 지성의 증강」(1962), 테드 넬슨의 하이퍼텍스트(1965), 그리고 결국 월드와이드웹으로 이어집니다. 오늘날 옵시디언에서 [[노트 이름]]으로 링크를 거는 행위는 81년 전 부시가 상상한 트레일의 직계 후손입니다.

1951~1997년: 루만의 제텔카스텐 — "나의 대화 상대"

메멕스가 상상 속의 기계였다면, 실제로 작동한 "두 번째 뇌"의 가장 유명한 사례는 독일 사회학자 니클라스 루만의 제텔카스텐(Zettelkasten, 메모 상자)입니다.

크게 보기

루만은 1950년대 초부터 A6 크기 종이 카드에 생각을 적어 나무 서랍에 넣었습니다. 평생 모은 카드가 약 9만 장입니다. 그리고 이 상자를 가지고 책 70여 권과 논문 400편 가까이를 썼습니다. 한 사람의 생산량이라고 믿기 어려운 숫자라, 그의 방법론은 사후에도 계속 연구됐습니다. 빌레펠트 대학은 이 카드들을 디지털화해 온라인 아카이브로 공개하고 있습니다.

제텔카스텐이 비망록과 다른 점은 세 가지입니다.

루만은 1981년 「메모 상자와의 소통」이라는 짧은 글에서 이 상자를 "대화 상대"라고 불렀습니다. 오래 쌓인 상자는 주인이 잊어버린 연결을 되돌려 주고, 예상 못 한 조합으로 주인을 놀라게 한다는 겁니다. 2026년 사람들이 AI 챗봇에 기대하는 바로 그 역할입니다. 차이는 하나입니다. 루만의 상자가 들려준 말은 전부 루만 자신이 과거에 쓴 문장이었습니다. 상자는 그의 생각을 되돌려 줬을 뿐, 대신 생각해 주지 않았습니다.

1995~2026년: 위키, 디지털 PKM, 그리고 LLM 위키

그 뒤의 역사는 빠르게 흘러갑니다.

이 연표를 한 줄로 요약하면 이렇습니다. 도구는 점점 더 많은 일을 대신해 줬고, 2026년에 마침내 "쓰는 일" 자체를 대신하기 시작했다. 비망록은 옮겨 적기를, 메멕스는 찾기를, 위키는 공유를, 디지털 PKM은 연결 시각화를 도왔습니다. LLM 위키는 처음으로 요약하고, 자기 말로 다시 쓰고, 연결하는 일, 즉 루만이 "생각"이라고 불렀던 그 과정까지 넘겨받습니다. 원문의 불편함은 정확히 이 지점을 향합니다.

4부. 왜 직접 써야 남는가 — 연구가 말하는 것

"글쓰기가 곧 생각"이라는 말은 멋진 경구처럼 들리지만, 인지과학에는 이를 뒷받침하는 연구가 꽤 쌓여 있습니다. 원문이 각주로 인용한 것도 2025년 『네이처 리뷰 바이오엔지니어링』의 사설 「글쓰기는 생각이다(Writing is thinking)」였습니다. 이 사설은 LLM이 몇 분 만에 논문 한 편을 써 낼 수 있는 시대에도 사람이 직접 쓰는 과정이 구조적 사고와 창의성을 기르는 일이라며, 쓰기를 통째로 넘기면 자기 분야를 성찰할 기회를 잃는다고 경고했습니다.

그 근거가 되는 연구들을 하나씩 보겠습니다.

크게 보기

생성 효과: 만들어 낸 것이 남는다 (1978)

1978년 노먼 슬라메카와 피터 그라프는 간단한 실험을 했습니다. 한 그룹은 "빠른-신속한" 같은 단어 쌍을 그냥 읽었고, 다른 그룹은 "빠른-신ㅅㅎ" 같은 단서를 보고 뒷단어를 스스로 만들어 냈습니다. 결과는 일관됐습니다. 스스로 만들어 낸 단어를 훨씬 잘 기억했습니다. 이것이 생성 효과(generation effect)이며, 이후 수십 년간 수백 건의 연구로 반복 확인된 기억 연구의 가장 견고한 결과 중 하나입니다.

노트에 적용하면 결론은 분명합니다. AI가 써 준 요약을 읽는 것은 "읽기 조건"이고, 읽은 내용을 자기 말로 다시 쓰는 것은 "생성 조건"입니다. 루만이 "자기 말로 쓰라"고 고집한 데는 과학적 이유가 있었던 셈입니다.

노트의 두 가지 기능: 인코딩과 저장 (1972)

교육심리학자 디베스타와 그레이는 1972년 노트 작성에 두 가지 기능이 있다고 정리했습니다. 하나는 저장(external storage), 나중에 다시 볼 수 있게 기록해 두는 기능입니다. 다른 하나는 인코딩(encoding), 적는 과정 자체가 머릿속에 정보를 새기는 기능입니다.

이 구분은 원문 논지의 핵심을 정확히 짚습니다.

원문 저자가 "노트를 적는 과정에서 뇌를 써서 정보를 종합했다면, 애초에 찾아볼 필요도 없었을 것"이라고 한 대목이 바로 인코딩 기능입니다. AI 요약 볼트는 저장 기능만 남기고 인코딩 기능을 버립니다.

펜 vs 키보드 (2014), 그리고 반론

2014년 팸 뮬러와 대니얼 오펜하이머는 『심리과학』에 「펜은 키보드보다 강하다」를 발표했습니다. 강의를 노트북으로 받아 적은 학생들은 말을 그대로 옮겨 적는 경향이 강했고, 손으로 쓴 학생들은 느린 속도 때문에 요약하고 재구성할 수밖에 없었습니다. 그 결과 개념 이해 문제에서 손으로 쓴 학생들이 더 나은 성적을 보였습니다.

다만 공정하게 짚어야 할 점이 있습니다. 2019년 모어헤드·던로스키·로슨의 재현 연구에서는 효과가 작거나 유의미하지 않게 나왔습니다. 그래서 오늘날의 해석은 "손글씨가 마법"이라기보다 "받아쓰기가 아니라 자기 말로 재구성할 때 효과가 있다"는 쪽입니다. 도구가 아니라 처리의 깊이가 핵심이라는 뜻이고, 이 해석은 오히려 원문의 주장을 더 강하게 뒷받침합니다. AI 요약을 복사해 붙이는 것은 가장 극단적인 형태의 "받아쓰기"니까요.

구글 효과 (2011): 내용 대신 위치를 기억한다

2011년 『사이언스』에 실린 벳시 스패로·제니 리우·대니얼 웨그너의 연구는 "구글 효과"라는 이름을 얻었습니다. 사람들은 정보가 나중에 컴퓨터에 저장돼 있을 거라고 믿으면 내용 자체보다 그 정보가 어디 있는지를 더 잘 기억했습니다. 인터넷이 일종의 외부 기억, 즉 "교류 기억(transactive memory)" 파트너가 된 겁니다. (이 연구 역시 일부 실험은 재현이 잘 안 됐다는 보고가 있어, 효과의 크기는 조심스럽게 읽어야 합니다.)

이 결과를 뒤집어 보면 흥미롭습니다. 외부 기억에 기대는 것 자체는 인간의 오래된 전략이고 나쁜 것만도 아닙니다. 문제는 그 외부 기억이 믿을 만한가입니다. 2011년의 외부 기억은 검색으로 닿는 출처 있는 웹 문서였습니다. 2026년의 외부 기억은 그럴듯하게 지어낼 수도 있는 챗봇입니다. 반면 직접 쓴 노트는 내가 이미 한 번 검증한 외부 기억입니다. 원문 저자가 원한 건 바로 이런 기억입니다. "내가 기대한 형태 그대로의 정답과, 그때 이해가 된 설명."

인지적 오프로딩과 인지 부채 (2016~2025)

인지심리학자 에반 리스코와 샘 길버트는 2016년 『인지과학 동향』에서 손가락으로 세기, 메모지에 적기, 스마트폰 알림처럼 생각의 일부를 몸 밖으로 넘기는 행동을 "인지적 오프로딩"으로 정리했습니다. 그 자체로는 합리적인 전략입니다. 문제는 넘긴 능력이 안에서 약해질 수 있다는 것입니다. 이 블로그의 인지적 외주화 특집에서도 다뤘듯, 생성형 AI는 이 오프로딩의 범위를 계산과 기억에서 판단과 글쓰기로 넓혔습니다.

최근 연구들은 그 대가를 측정하기 시작했습니다.

주의: 코스미나 외 연구는 동료평가 전 프리프린트로 표본이 작고, 게를리히 연구는 상관관계 연구입니다. "AI가 사람을 멍청하게 만든다"는 결론으로 비약하면 안 됩니다. 다만 세 연구 모두 같은 방향, 즉 쓰는 과정을 넘기면 그 내용이 내 것이 되지 않는다는 쪽을 가리킵니다.

코스미나 연구의 "83%" 결과는 원문 저자의 문제의식과 정확히 겹칩니다. 방금 내 이름으로 제출한 글인데 한 문장도 떠올리지 못한다면, 그 글은 누구의 이해일까요? 마이크로소프트 연구는 또 다른 단서를 줍니다. 자기 지식에 자신이 있는 사람이 AI 답을 더 비판적으로 본다는 겁니다. 노트를 쓰며 쌓은 이해는 AI를 버리게 하는 게 아니라, AI를 더 잘 검증하게 해 줍니다. 원문 저자가 --do-X 플래그가 가짜라는 걸 알아챈 것도, man 페이지를 읽을 줄 알았기 때문입니다.

바람직한 어려움

마지막으로 UCLA의 로버트 비요크가 1994년에 제안한 "바람직한 어려움(desirable difficulties)" 개념이 있습니다. 배우는 순간에 약간 힘이 드는 방법, 예를 들어 스스로 떠올려 보기, 간격을 두고 복습하기, 자기 말로 설명하기가 당장은 느리게 느껴져도 장기 기억과 응용력을 크게 높인다는 겁니다.

AI는 바로 이 어려움을 제거하는 데 탁월합니다. 그리고 그게 문제입니다. 노트 쓰기는 일부러 남겨 두는 작은 마찰입니다. 3분이면 끝나는 그 마찰이 몇 달 뒤 같은 질문을 없애 줍니다.

아래 계산기로 직접 확인해 보세요. "분명 아는 건데…" 싶은 질문을 1년 동안 챗봇에만 맡기는 경우와, 처음 한 번 노트로 남기는 경우를 비교합니다.

5부. 이해를 위임하지 마라 — '기생충'의 세 단계

원문의 중심 문장은 빌려 온 것입니다. 옵시디언 CEO 스테프 앙고가 2023년 8월에 쓴 2분짜리 에세이 「이해를 위임하지 마라(Don't delegate understanding)」입니다. 원문 저자는 이 글을 "우연히 고른 게 아니"라고 말합니다. 앙고가 바로 저자가 해법으로 택한 도구를 만드는 사람이기 때문입니다.

앙고의 글은 AI 이야기가 아닙니다. 건강, 교육, 돈, 주거, 데이터, 심지어 신념까지, 우리가 "이 어려운 건 내가 대신 해 줄게, 날 믿어"라는 제안을 받아들이는 모든 영역에 관한 이야기입니다. 그는 이것을 기생충에 비유하고 세 단계로 설명합니다.

앙고는 이렇게 결론짓습니다.

기생충을 가장 초기 형태일 때 알아봐야 한다. 면역을 기르려면 이해를 위임하지 마라. 스스로 이해를 쌓으면, 그 배당을 받는 사람도 당신이 된다.

원문 저자가 이 비유가 "AI에 가장 잘 들어맞는다"고 말한 이유는 분명합니다. 2부에서 본 것처럼 2026년의 AI는 수용 단계의 문턱을 극단적으로 낮췄습니다. 묻기만 하면 되고, 비용은 회사가 내고, 답은 늘 자신 있습니다.

여기서 오해하지 말아야 할 것이 있습니다. "이해를 위임하지 마라"는 "작업을 위임하지 마라"와 다릅니다. 오탈자 교정, 파일 검색, 반복적인 보일러플레이트는 얼마든지 넘겨도 됩니다. 넘기면 안 되는 건 그 작업이 왜 그렇게 되는지에 대한 이해입니다. 그 선을 어디에 그을지 직접 판단해 보세요.

같은 생각은 이 블로그의 AI 시대의 글쓰기에서 다른 각도로 다룬 적이 있습니다. 쓰기는 착상·구조·논증·문장·교정의 다섯 층이고, 아래 두 층은 넘겨도 되지만 위 세 층은 넘기는 순간 사고가 사라진다는 이야기였습니다. 노트도 똑같습니다. 오탈자와 서식은 넘겨도 되지만, "이게 무슨 뜻이고 왜 중요한가"를 쓰는 한두 줄은 넘기면 안 됩니다.

6부. 화물 숭배 — 두 번째 뇌가 생산성 연극이 될 때

원문에서 가장 날카로운 표현은 "화물 숭배(cargo cult)"입니다.

크게 보기

2차 세계대전 중 남태평양 멜라네시아의 일부 섬 주민들은 미군 비행기가 엄청난 물자를 싣고 내리는 것을 목격했습니다. 전쟁이 끝나고 비행기가 끊기자, 몇몇 공동체는 대나무로 관제탑을 세우고, 코코넛 껍데기로 헤드폰을 만들어 쓰고, 활주로를 닦고, 신호봉을 흔들었습니다. 형식은 완벽하게 재현했지만 비행기는 오지 않았습니다. 인류학자들이 이것을 "화물 숭배"라고 불렀고, 1974년 물리학자 리처드 파인먼은 칼텍 졸업 연설 「화물 숭배 과학」에서 이 비유를 형식만 갖추고 본질이 빠진 연구를 비판하는 데 썼습니다. (오늘날 이 표현은 실제 멜라네시아 운동의 복잡한 사회·종교적 맥락을 지나치게 단순화한다는 인류학계의 비판도 받습니다. 여기서는 파인먼이 쓴 비유적 의미로만 사용합니다.)

원문 저자가 본 "AI 세컨드 브레인"이 바로 그렇습니다. 볼트가 있고, 폴더 체계가 있고, 태그가 있고, 화려한 그래프 뷰와 대시보드가 있습니다. 노트 수는 매주 수백 개씩 늘어납니다. 활주로와 관제탑은 완벽합니다. 그런데 이해라는 화물은 오지 않습니다. 노트를 쓰는 과정, 즉 생각이 빠져 있기 때문입니다.

사실 이 문제는 AI 이전에도 PKM 커뮤니티 안에서 이름이 있었습니다. 제텔카스텐 커뮤니티를 운영하는 크리스티안 치체는 2014년 "수집가의 오류(The Collector's Fallacy)"라는 글에서, 자료를 모으는 행위가 아는 것처럼 느끼게 만든다고 경고했습니다. 북마크 1,000개, 저장한 PDF 500편, "나중에 읽기" 목록. 모으는 순간 뇌는 작은 보상을 받지만, 실제로는 아무것도 배우지 않았다는 겁니다. 원문 저자 역시 팬데믹 초기 옵시디언 유튜버들을 보며 비슷한 인상을 받았다고 씁니다. "쓸모 있는 노트 시스템이라기보다, 예쁜 대시보드와 멋진 그래프, 임의의 지표로 치장한 중간관리자식 생산성 연극"이었다고요.

AI는 이 수집가의 오류를 자동화했습니다. 예전에는 적어도 모으는 데 시간이 들었습니다. 이제는 영상을 보지 않고도 요약 노트가 생기고, 글을 읽지 않고도 개념 페이지가 생깁니다. 아래 두 볼트를 비교해 보세요. 그래프만 보면 오른쪽이 훨씬 풍성합니다.

차이는 연결선의 개수가 아니라 "왜 연결했는가"를 말할 수 있느냐입니다. 정원사형 볼트의 연결에는 전부 이유가 적혀 있습니다. "이 노트를 쓰기 전에 bash 매뉴얼 REDIRECTION 절을 직접 읽었음", "챗봇이 없는 옵션을 알려 준 적이 있음". 이런 한 줄이 바로 부시가 말한 트레일이고, 루만이 번호로 이었던 생각의 흐름입니다. 자비스형 볼트의 연결은 "자동 태그 #생산성 공통"뿐입니다.

크게 보기

원문의 결론 문장을 다시 떠올려 보면 이 차이가 선명해집니다. "노트가 도움이 되는 진짜 이유는, 노트를 쓰려면 글을 써야 하고, 글쓰기가 곧 생각이기 때문이다." 노트는 생각의 결과물이 아니라 생각의 흔적입니다. 흔적만 복제하면 생각은 일어나지 않습니다.

7부. 인터넷이 흐려질 때 — 슬롭 속의 등대

원문의 마지막 논점은 가장 비관적이면서 가장 실용적입니다. "인터넷이 아직 쓸모 있을 때 최대한 활용해야 한다."

크게 보기

슬롭과 엔시티피케이션

저자는 이것을 "과장이지만, 부인할 수 없는 냉소에 뿌리를 둔 말"이라고 합니다. 두 개의 단어가 그 냉소를 설명합니다.

첫째는 원문도 쓴 엔시티피케이션(enshittification)입니다. 작가 코리 닥터로가 2022년 만든 말로, 플랫폼이 처음에는 사용자에게 좋다가, 다음에는 광고주·판매자를 위해 사용자를 쥐어짜고, 마지막에는 주주를 위해 모두를 쥐어짜며 망가지는 과정을 뜻합니다. 2023년 미국방언학회 "올해의 단어"로 뽑혔습니다. 원문 저자는 검색이 이렇게 망가진 데에 AI도 한몫했다고 봅니다.

둘째는 슬롭(slop)입니다. 품질 대신 클릭을 노리고 대량 생산된 AI 콘텐츠를 가리키는 이 말은 2025년 메리엄-웹스터 "올해의 단어"로 선정됐습니다. 원문 저자가 옵시디언 팁을 찾다 마주친, TTS 내레이터가 GPT 답변을 읽는 영상들이 전형적인 슬롭입니다.

모델 붕괴: 슬롭이 슬롭을 먹을 때

여기에 기술적인 차원이 하나 더 있습니다. 2024년 『네이처』에 실린 일리아 슈마일로프 등의 논문은 AI가 생성한 데이터로 다음 세대 AI를 반복 학습시키면 모델 붕괴(model collapse)가 일어난다는 것을 보였습니다. 세대를 거듭할수록 원래 데이터 분포의 꼬리, 즉 드물지만 중요한 정보가 먼저 사라지고, 결국 결과물이 평균으로 수렴하며 망가집니다.

이것을 원문의 맥락으로 옮기면 무섭습니다. Stack Overflow처럼 사람이 직접 겪고 쓴 답이 줄어들고 AI가 만든 콘텐츠가 웹을 채우면, 다음 세대 AI가 배울 "사람의 지식"도 줄어듭니다. 원문 저자가 걱정하는 "진짜 창작자가 플랫폼을 떠나는" 현상은 사람에게도 손해지만, 장기적으로는 AI에게도 손해입니다.

그래서 개인 볼트의 가치가 올라간다

이런 환경에서 개인 노트 볼트는 세 가지 이유로 가치가 커집니다.

세 번째 항목은 스테프 앙고의 또 다른 에세이 「앱보다 파일(File over app)」의 핵심이기도 합니다. 앙고는 디지털 유물을 오래 남기려면 특정 앱이 아니라 누구나 열 수 있는 파일 형식으로 저장해야 한다고 주장했습니다. 수천 년 전 점토판과 파피루스가 지금도 읽히는 건 그것을 만든 "앱"이 필요 없어서라는 겁니다. 옵시디언이 노트를 독자 형식이 아닌 평범한 마크다운 파일로 로컬에 저장하는 것도 이 철학 때문입니다. 원문 저자가 옵시디언을 "사적이고, 사용자를 존중하는" 편집기라고 부른 이유이기도 합니다.

반대로 원문이 풍자한 "볼트를 통째로 클라우드 AI에 올리는" 워크플로는 이 장점을 스스로 포기합니다. 가장 사적인 생각을 외부 서버로 보내는 순간, 그 파일은 더 이상 온전히 내 것이 아니게 됩니다.

8부. 2026년의 균형 — AI와 두 번째 뇌를 함께 쓰는 법

여기까지 읽으면 "AI를 쓰지 말고 노트를 쓰라"는 결론처럼 보일 수 있습니다. 하지만 원문 저자조차 Claude를 계속 씁니다. 현실적인 질문은 어디에 선을 긋느냐입니다.

카파시의 LLM 위키를 공정하게 보기

카파시의 LLM 위키는 원문이 비판하는 "자비스형"의 대표처럼 보이지만, 설계를 뜯어보면 꼭 그렇지만은 않습니다. 이 패턴에서 raw/ 폴더의 원본 자료는 불변(immutable)이고, LLM은 그 위에 정리된 위키 층을 만들 뿐입니다. 사람이 직접 읽고 고른 자료를 넣고, LLM이 쓴 위키를 사람이 읽고 고친다면, 이것은 루만의 상자보다 조금 더 부지런한 사서에 가깝습니다.

문제가 되는 건 사용 방식입니다. 같은 도구로도 결과는 정반대가 될 수 있습니다.

원문 저자의 방식으로 시작하는 5단계

원문 저자는 이 글을 "옵시디언 볼트" 시리즈의 첫 편이라고 밝히고, 앞으로 여정을 기록하겠다고 합니다. 원문의 문제의식과 제텔카스텐의 원칙을 합쳐, 오늘 당장 시작할 수 있는 가장 작은 버전을 정리하면 다음과 같습니다.

실제 노트는 이 정도면 충분합니다.

# bash 리다이렉션: 2>&1

- 뜻: stderr(2)를 "지금 stdout(1)이 가리키는 곳"으로 보낸다.
- 그래서 순서가 중요하다.
  - `cmd > build.log 2>&1` → 둘 다 파일로 ✅
  - `cmd 2>&1 > build.log` → 에러는 화면에 남는다 ❌
- 헷갈리면 왼쪽부터 한 칸씩 읽을 것.
- `2&>1`은 없는 문법 (2026-09 챗봇이 헷갈려함)

연결: [[CI 스크립트 체크리스트]] — 에러까지 로그에 남기려고 찾아봄
출처: man bash → REDIRECTION

3분짜리 노트입니다. 하지만 이 노트를 쓰면서 "왼쪽부터 한 칸씩 읽는다"는 이해를 한 번 거쳤기 때문에, 몇 달 뒤에는 노트를 열 필요조차 없을 가능성이 큽니다. 원문 저자가 말한 "애초에 찾아볼 필요가 없었을 것"이 이런 뜻입니다.

AI가 도와도 되는 곳

이 구조 안에서 AI는 여전히 쓸모가 많습니다.

• 설명을 듣는 단계: 처음 접하는 개념을 이해하려고 AI에게 여러 번 묻는 건 좋은 학습 방법입니다. 단, 노트는 그 대화를 복사하지 않고 내 말로 씁니다.
• 검색과 회상: "작년에 rsync 옵션 정리한 노트 어디 있지?" 같은 검색은 로컬 도구나 AI에 맡겨도 됩니다. 찾아낸 노트는 이미 내가 이해하고 쓴 것이니 믿을 수 있습니다.
• 연결 후보 제안: AI가 "이 노트와 저 노트가 관련 있어 보인다"고 제안하는 건 루만의 상자가 주인을 놀라게 하던 역할과 비슷합니다. 다만 연결을 확정하고 이유를 쓰는 건 내가 합니다.
• 교정과 서식: 오탈자, 마크다운 문법, 표 정리는 전면 위임해도 됩니다.

한 문장으로 줄이면 이렇습니다. AI는 사서로 쓰고, 작가로 쓰지 않는다.

팀과 조직에서의 의미

이 논의는 개인 노트에만 해당하지 않습니다. 2026년 많은 개발팀이 코드 저장소에 AGENTS.md나 CLAUDE.md 같은 파일을 두고, AI 에이전트가 따라야 할 규칙과 맥락을 적어 둡니다. 흥미롭게도 이 파일들은 사람이 직접 써야 제대로 작동합니다. 팀이 무엇을 왜 그렇게 결정했는지를 아는 사람이 쓰지 않으면, 에이전트는 그럴듯한 평균값으로 움직입니다. 결국 AI 시대의 팀 위키와 설계 문서도 같은 원리를 따릅니다. 팀의 이해를 AI에게 위임하면, AI도 팀도 방향을 잃습니다.

원문 저자가 결론에서 강조한 것도 이 공유의 차원입니다. "지식을 혼자 쌓아 두자는 게 아니다. 나중에 다른 사람과 더 잘 나누기 위해 모아라." Stack Overflow가 말라 가는 시대에, 누군가 직접 겪고 이해하고 정리한 노트는 개인의 자산을 넘어 공유지를 다시 채우는 씨앗이 될 수 있습니다.

마치며: 타무스 왕에게 보내는 답장

2,400년 전 타무스 왕은 문자가 "지혜가 아니라 지혜의 겉모습"을 줄 것이라고 경고했습니다. 2026년 우리 앞에는 그 경고가 가장 정확하게 들어맞는 도구가 있습니다. 묻기만 하면 답을 주고, 요청하면 노트까지 대신 써 주는 기계입니다.

하지만 역사는 또 하나를 보여 줍니다. 문자를 읽기만 한 사람에게는 타무스가 옳았고, 문자로 생각한 플라톤, 로크, 부시, 루만에게는 틀렸습니다. 도구가 우리를 멍청하게 만드는지, 더 똑똑하게 만드는지는 도구가 아니라 쓰는 방식이 결정합니다.

원문 저자의 결심은 거창하지 않습니다. 두 번째 뇌를 만들겠다는 것도, AI를 끊겠다는 것도 아닙니다. 그저 다음에 2>&1을 찾아보게 되면, 이번에는 세 줄짜리 노트를 남기겠다는 겁니다. 그리고 그 작은 습관이 "이해를 위임하지 않는" 가장 현실적인 방법일지도 모릅니다.

나도 한번 해 보려 한다. 모두를 위한 방법은 아니지만, 진지하게 시도해 본다면 더 많은 사람이 이 생각에 끌릴 거라고 믿는다.

— Jadarma, 「Clankers Made Me Build a Second Brain」

참고 자료

원문과 직접 인용

• Jadarma. "Clankers Made Me Build a Second Brain." 2026. 9. 24. jadarma.github.io
• Steph Ango. "Don't delegate understanding." 2023. 8. 13. stephango.com/understand
• Steph Ango. "File over app." 2023. stephango.com/file-over-app
• "Writing is thinking." Nature Reviews Bioengineering 3, 431 (2025). nature.com

역사

• Plato. Phaedrus, 274c–275b.
• John Locke. A New Method of Making Common-Place-Books. 1706.
• Vannevar Bush. "As We May Think." The Atlantic, July 1945.
• Niklas Luhmann. "Kommunikation mit Zettelkästen." 1981. / Niklas Luhmann-Archiv, Universität Bielefeld
• Sönke Ahrens. How to Take Smart Notes. 2017.
• Tiago Forte. Building a Second Brain. 2022.
• Christian Tietze. "The Collector's Fallacy." zettelkasten.de, 2014.
• Richard Feynman. "Cargo Cult Science." Caltech Commencement, 1974.
• Andrej Karpathy. "LLM Wiki" (GitHub Gist), 2026. 4.

인지과학 연구

• Slamecka, N. J., & Graf, P. (1978). The generation effect. Journal of Experimental Psychology: Human Learning and Memory, 4(6).
• Di Vesta, F. J., & Gray, G. S. (1972). Listening and note taking. Journal of Educational Psychology, 63(1).
• Bjork, R. A. (1994). Memory and metamemory considerations in the training of human beings.
• Sparrow, B., Liu, J., & Wegner, D. M. (2011). Google effects on memory. Science, 333(6043).
• Mueller, P. A., & Oppenheimer, D. M. (2014). The pen is mightier than the keyboard. Psychological Science, 25(6). / Morehead, K., Dunlosky, J., & Rawson, K. A. (2019). 재현 연구. Educational Psychology Review.
• Risko, E. F., & Gilbert, S. J. (2016). Cognitive offloading. Trends in Cognitive Sciences, 20(9).
• Kosmyna, N. et al. (2025). Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task. arXiv:2506.08872.
• Lee, H.-P. et al. (2025). The Impact of Generative AI on Critical Thinking. CHI 2025.
• Gerlich, M. (2025). AI Tools in Society: Impacts on Cognitive Offloading and the Future of Critical Thinking. Societies, 15(1).

AI의 한계와 웹 생태계

• Sharma, M. et al. (2023). Towards Understanding Sycophancy in Language Models. Anthropic.
• Spracklen, J. et al. (2025). We Have a Package for You! A Comprehensive Analysis of Package Hallucinations by Code Generating LLMs. USENIX Security 2025.
• "The Range Shrinks, the Threat Remains: Re-evaluating LLM Package Hallucinations on the 2026 Frontier-Model Cohort." arXiv:2605.17062 (2026).
• Shumailov, I. et al. (2024). AI models collapse when trained on recursively generated data. Nature, 631.
• Cory Doctorow. "Enshittification." 2022~2023.