1. 연구는 정답 찾기가 아니다.

연구를 정답을 찾는 과정이라고 생각할 수 있다.

연구는 논문을 읽고, 이미 알려진 내용을 정리하고, 중요한 문장을 이해하면 연구를 잘하고 있다고 느끼기도 한다.

물론 기존 연구를 이해하는 일은 꼭 필요하지만, 연구는 거기에서 끝나지 않는다.

진짜 연구는 아직 충분히 설명되지 않은 문제를 찾는 데서 시작된다.

예를 들어 어떤 학생이 AI가 학습에 도움이 된다는 논문을 읽었다고 해 보자.

이 학생이 논문 내용을 잘 정리하는 것만으로는 연구가 되기 어렵다.

한 걸음 더 나아가 이런 질문을 만들어야 한다.

AI가 학습에 도움이 된다면, 어떤 학생에게 더 도움이 될까?

AI를 자주 쓰는 학생은 스스로 생각하는 시간이 줄어들지 않을까?

AI가 알려준 답을 그대로 믿는 학생은 왜 검증하지 않을까?

이런 질문이 생길 때 연구가 시작된다.

2. AI가 잘하는 일과 사람이 해야 할 일

AI는 많은 일을 빠르게 할 수 있다.

논문을 요약할 수 있고, 자료를 정리할 수 있고, 글의 초안도 만들 수 있다.

그래서 단순히 정보를 모으고 정리하는 능력만으로는 부족해지고 있다.

예전에는 많은 자료를 빠르게 찾고 정리하는 사람이 유리했지만, 이제는 AI도 그 일을 꽤 잘한다.

그렇다면 사람은 무엇을 해야 할까요?

사람은 AI가 만든 답을 그대로 받아들이는 것이 아니라, 그 답이 맞는지 확인해야 한다.

또 그 답에서 빠진 부분은 없는지 살펴보아야 한다.

예를 들어 AI에게 AI가 학생들의 글쓰기 실력에 미치는 영향을 알려 달라고 물었다고 해 보자.

AI는 장점과 단점을 보기 좋게 정리해 줄 수 있지만, 연구자는 거기서 멈추면 안 된다.

AI가 말한 내용이 실제 논문과 맞는지 확인해야 한다.

또 어떤 학생을 기준으로 한 설명인지, 초등학생인지 대학생인지, 글쓰기 초보자인지 전공자인지 따져 보아야 한다.

이렇게 확인하고 다시 질문하는 과정이 연구자의 역할이다.

AI 시대에 연구자에게 가장 중요한 능력은 새로운 질문을 만드는 힘이다.

창의적 사고는 특별한 천재성만을 뜻하지 않는다.

익숙한 문제를 다른 시선으로 바라보는 능력이다.

예를 들어 많은 사람들은 AI를 사용하면 연구가 편리해진다고 말한다.

하지만 연구자는 여기서 다른 질문을 던질 수 있어야 한다.

AI가 편리해질수록 연구자의 사고력은 약해지지 않을까?

학생들은 왜 AI가 만든 내용을 검증하지 않고 사용할까?

AI를 잘 쓰는 학생과 의존하는 학생은 무엇이 다를까?

이런 질문은 단순한 정보 정리에서 나오지 않는다.

문제를 다르게 바라볼 때 나온다.