LLM Wiki와 본유적 부하

시안(ThinkingSian)의 글 "LLM Wiki와 본유적 부하" 분석. 원문: thinkingsian.com | GeekNews 소개: hada.io

1. 원문 핵심 내용

본유적 부하(germane cognitive load)란?

인지 부하 이론(cognitive load theory)에서 본유적 부하는 학습자가 새로운 개념을 이해하고 기존 지식과 연결하는 과정에서 발생하는 인지적 노력이다. 이는 피해야 할 것이 아니라, 오히려 학습의 핵심 메커니즘이다. 반면 외재적 부하(extraneous load)는 불필요한 방해 요소로, 줄이는 것이 좋다.

글의 핵심: PKM(개인 지식 관리)에서 AI를 과도하게 사용하면 본유적 부하가 줄어들어, 오히려 학습 효과가 떨어진다.

스쿼트 비유

작가는 스쿼트 비유를 든다. 코치가 바벨을 바닥에서 머리까지 다 들어 올려주고, 나는 그냥 짊어지는 것과 같다. 운동에서 중요한 것은 '과정'인데, AI는 그 과정을 건너뛰게 만든다. 결과만 얻고 과정은 빼면 실제 근육(지식)은 성장하지 않는다.

PKM에서 발생하는 본유적 부하 두 가지

첫째: 링크 생성

PKM에서 노트 간 링크를 만드는 과정 자체가 중요한 학습 활동이다. "이 노트랑 어떤 게 연관있을까?"라고 스스로 질문하는 순간, 장기 기억에서 관련 개념을 끄집어내야 하고, 그 과정에서 현재 작성하는 노트를 더 깊이 인코딩하게 된다. 인지 심리학에서 이를 정교화(elaboration)라고 부른다.

AI가 자동으로 링크를 추천하면 이 과정이 사라진다. 그래프 뷰는 화려해 보이지만, 머릿속에서는 개념들이 실제로 연결되지 않았으므로 인터넷에 있는 자료와 다를 바 없다. "내 노트지만 정말 내 노트는 아니다."

둘째: 핵심 개념 추출(요약)

AI에게 요약을 맡기면 핵심 개념을 스스로 추려내는 과정이 생략된다. 이는 작가가 이전에 쓴 "AI에게 절대로 의존해서는 안 되는 능력 — 요약"과 일관된 주장이다. 요약 행위는 단순히 문장을 줄이는 것이 아니라, 정보의 중요도를 판단하고 구조화하는 인지 과정이다.

대처법 세 가지

1. 바람직한 어려움(desirable difficulties) 받아들이기

PKM 관리에서 느껴지는 짜증과 어려움은 피할 것이 아니라 받아들여야 한다. 노트 작성과 관리의 인지 부하가 큰 것은 맞지만, 그 '고통'이 바로 학습의 증거다. 다만 외재적 부하(불필요한 도구 복잡성 등)까지 받아들일 필요는 없다는 점을 구분한다.

2. 연결 노트를 직접 탐색하며 내비게이션

PKM이 '세컨드 브레인'이 되려면 실제 '퍼스트 브레인'의 add-on처럼 작동해야 한다. PKM과 내 뇌의 괴리가 커지면 쓸모없는 세컨드 브레인이 된다.

작가는 확장된 마음 가설(extended mind hypothesis)에서 두 요소를 가져온다: 외부 도구가 마음의 확장이 되려면 (1) 언제든 접근 가능하고 (2) 신뢰되어야 한다. '언제든 접근'은 단순히 스마트폰에 앱이 있는 것을 넘어, 원하는 노트에 빠르게 도달할 수 있는 상태를 의미한다. 노트를 자주 볼수록 찾기 숙련도가 늘고, 구조가 개선되며, 유창성(fluency)이 증가하여 신뢰가 높아진다.

3. Progressive Summarization

AI로 노트를 만드는 것을 아예 금지하기는 어렵다. 대신 생성 후 Progressive Summarization(점진적 요약)을 통해 본유적 부하를 다시 만들어낸다. 중요한 것은 단순히 불필요한 문장을 지우는 것이 아니라, 자신의 말로 다시 paraphrasing하는 것이다. 예를 들어 한 문단을 지우고 해당 문단의 핵심을 한 문장으로 내가 직접 작성하는 식이다.

2. 커뮤니티 반응

HN(Hacker News)에서 이 글에 대한 토론은 확인되지 않았다. GeekNews(hada.io)에서는 댓글 1개("잘 읽었습니다. 감사합니다")가 있으나 분석할 만한 논의는 없었다.

3. 새로운 시각

첫째: AI의 링크 추천을 '학습용 퀴즈'로 전환하기

AI가 추천한 링크를 무조건 적용하거나 무시하기보다, "AI가 이 링크를 추천한 이유는 무엇일까?"라고 스스로 질문하는 단계를 추가하면 본유적 부하를 회복할 수 있다. 추천을 답안지로 보지 않고 문제지로 활용하는 셈이다.

둘째: 본유적 부하의 양을 조절하는 'AI 보조 레벨' 개념

모든 상황에서 동일한 수준의 본유적 부하가 필요한 것은 아니다. 빠른 참고용 노트는 AI 의존도를 높여도 되고, 깊이 학습이 필요한 노트는 수동 링크와 요약을 강제하는 전략이 유효할 수 있다. 노트 유형에 따라 AI 보조 레벨을 구분하는 메타 규칙을 설정하면 외재적 부하와 본유적 부하의 균형을 잡을 수 있다.

셋째: Progressive Summarization의 자동화 불가능성

작가가 제안한 Progressive Summarization의 핵심은 "내 말로 다시 쓰기"인데, 이 단계는 본질적으로 자동화 불가능하다. AI가 다시 paraphrase하면 여전히 '내 말'이 아니기 때문이다. 이는 PKM에서 AI의 역할이 '재료 준비'에 그쳐야 한다는 것을 의미하며, AI의 최종 산출물은 항상 인간의 재가공을 전제로 해야 한다.

4. 자녀/미래 영향

아인, 석현, 은한에게 적용할 점:

• 연결의 중요성: 나중에 공부할 때, 노트에 단순히 정보를 적는 것이 아니라 "이 개념이 다른 개념과 어떻게 연결되는가"를 스스로 생각하는 습관을 들이게 한다. AI 요약 도구를 쓴다고 해서 핵심 개념을 직접 정리하는 습관을 버리지 않게 한다.
• 어려움을 피하지 않기: 공부에서 느끼는 '짜증'이나 '힘듦'이 오히려 학습이 일어나고 있다는 신호라는 것을 알려준다. AI가 모든 것을 쉽게 만들어주면 실제로는 배우지 않았을 가능성이 크다.
• 자신의 말로 다시 쓰기: AI가 생성한 요약이나 설명을 그대로 복사하기보다, 자신의 언어로 한 문장으로 다시 정리하는 연습을 한다. 이 과정이 진짜 이해를 만드는 단계다.