AI를 10분 쓰면 어려운 문제를 포기하는 속도가 빨라진다: 참가자 1,222명 실험, 정답만 받은 사람이 가장 크게 흔들렸다

팀원에게 AI를 쓰게 했더니 첫 주 산출물은 빨라졌다. 그런데 AI가 막힌 날 그 사람이 혼자 풀어 보려고 하는가. 이 질문에 처음으로 숫자가 붙은 실험이 나왔다. 논문은 1,222명을 무작위로 나눠 AI를 쓰게 한 뒤 도구를 치웠고, 약 10분의 사용만으로 지속력이 떨어지는 효과가 나타났다고 보고한다.

한 줄 정리

AI에게 정답을 받아 쓰던 사람은 10분 뒤 도구가 사라지자 더 적게 풀고 더 자주 포기했고, 힌트와 설명만 쓴 사람은 그렇지 않았다.

한눈에 보기

참가자	1,222명 (무작위 배정)
실험	분수 문제 두 번, SAT 독해 한 번
도구 개입 시간	약 10분
직접 정답을 요청한 비율	약 61%
힌트와 설명 위주	약 25%
가장 부진했던 집단	정답 요청 위주 사용자
가장 잘 푼 집단	AI를 거의 무시한 사용자

실험은 이렇게 돌았다

첫 실험에서 한 집단은 사이드바에 GPT-5를 두고 분수 문제 15개 중 12개를 풀었다. 대조군은 도구 없이 풀었다. 이후 AI를 걷어 내고 모두가 똑같은 세 문제를 혼자 풀었다.

AI를 쓰던 쪽이 유의하게 적게 풀었고 건너뛴 문제는 약 두 배였다. 사전 시험을 추가하고 대조군에게도 사이드바를 준 두 번째 실험에서 풀이 성적은 같은 방향이었다. 건너뛰기 증가는 방향만 같고 통계적으로 유의하지는 않았다. SAT 독해에서는 풀이 수가 줄고 건너뛰기가 유의하게 늘었다.

도구가 아니라 쓰는 방식이 갈랐다

사전 시험 점수는 집단 간 비슷했다. 갈린 건 쓰는 방식이다. AI 사용자의 61%가 주로 직접 정답을 요청했고 25%가 힌트나 설명을 썼다. 정답을 받아 쓴 쪽이 가장 많이 건너뛰었고 자기 사전 점수보다 떨어진 집단도 이쪽뿐이다.

흥미로운 건 AI가 곁에 있었는데도 거의 건드리지 않은 참가자다. 이들이 대조군보다도 잘 풀었다. AI가 사람을 망치는 게 아니라 AI에 답을 시키는 습관이 사람을 바꾼다는 쪽으로 읽힌다. 논문은 지속력이 기술 습득의 핵심이고 즉각 답변에 익숙해지면 그 지속력이 깎인다고 주장한다.

실험실 과제와 일터는 다르다. 분수 문제와 SAT 독해는 마케팅 카피나 상품 설명 작성과 거리가 있고, 효과가 오래 가는지는 이 실험이 보지 않았다. 숫자는 경고등에 가깝다.

팀 단위로 바꿀 수 있는 것

팀 표준을 만든다면 도구 목록보다 사용 방식을 먼저 적는 게 맞다. 신입이나 주니어가 익혀야 하는 업무(고객 응대 첫 답장, 보도자료 초안 구조 잡기)는 정답 요청 대신 "내 초안의 약한 곳 세 군데"를 묻게 한다. 반복 업무는 정답을 시켜도 좋다.

두 종류를 나누는 기준은 단순하다. 그 일을 사람이 계속 잘해야 하는가. 그렇다면 AI는 첨삭 담당, 아니라면 대행 담당이다.

위시클레이 관점

1,222명이 보여 준 건 도구의 해로움이 아니라 사용 설계의 차이다. 61%가 정답을 시켰다. 사용 방식을 정하지 않은 팀에서는 기본값이 곧 이 61%의 습관이 된다.

AX를 도입한 팀이 6개월 뒤 확인할 지표는 생산량이 아니라 AI 없이 처리하는 업무의 질이다. 에이전시라면 AI가 꺼진 날 견적서를 쓰고 소재 방향을 잡을 사람이 남아 있는지가 곧 경쟁력이다. 도구 구독료는 누구나 같은 금액을 낸다. 같은 도구를 쓰고도 팀마다 달라지는 건 이 지점이다.

작게 시작하는 방법이 있다. 이번 주 한 업무를 골라 "답 말고 반대 의견 하나"만 AI에게 요청해 보는 규칙. 비용은 0원이고 습관을 바꾸는 데는 그 정도면 충분하다.