Not all cognitive offloading is equal: distinguishing dependent and autonomous offloading to generative AI

핵심 요약
첫째, 이 연구는 생성형 AI에 대한 인지 외주화(cognitive offloading)를 하나의 단일 현상으로 다루던 기존 접근에서 벗어나, 의존적 인지 외주화(dependent cognitive offloading)와 자율적 인지 외주화(autonomous cognitive offloading)라는 이론적으로 구분되는 두 가지 유형을 최초로 제안하고 실증적으로 검증했다.
둘째, 의존적 인지 외주화는 AI에게 핵심적인 사고 작업을 위임하는 방식으로, 인지적 주체성의 이전(cognitive agency transfer)을 촉진하고 내재적 동기(intrinsic motivation)를 약화시켜 자율적 능력, 창의성, 심층 처리, 독립적 판단 등 네 가지 인지적 결과에 부정적으로 연관되었다.
셋째, 자율적 인지 외주화는 AI를 자신의 사고를 확장하는 비계(scaffold)로 활용하는 방식으로, 내재적 동기를 강화하고 긍정적인 인지적 결과와 연관되었다.
넷째, 두 유형의 인지 외주화 모두 즉각적인 이점(과제 완료 속도, 노력 감소)은 동등하게 제공했으나 장기적 결과는 정반대여서, 사용자가 부적응적 AI 사용을 즉각적 경험만으로는 감지하기 어렵다는 즉각적 보상의 함정이 확인되었다.
다섯째, 메타인지적 모니터링(metacognitive monitoring)은 의존적 외주화와 인지적 주체성 이전 간의 관계를 약화시키는 보호 요인으로 작용했으나, 동기 경로에 대해서는 완충 효과가 없어 비대칭적 조절 효과가 관찰되었다.

배경 및 이론적 맥락
ChatGPT, Claude, Gemini 같은 생성형 AI 도구는 단순히 정보를 저장하거나 검색하는 것이 아니라, 추론, 종합, 평가, 창의적 생성 등 인간의 핵심적인 고차원 인지 작업을 사용자 대신 수행할 수 있다. 이로 인해 인지 외주화의 문제는 ‘외부 도구에 인지적 작업을 맡기는가 여부’가 아니라 ‘AI가 인간의 사고를 대체하는가, 아니면 지원하는가’로 전환되었다. 기존 연구들은 인지 외주화를 단일 차원의 현상으로 다루어 왔으나, 이 연구는 자기결정이론(Self-Determination Theory)과 자율적-의존적 도움 유형론(Nadler, 1997, 2015)을 결합하여, AI 사용 방식에 따라 인지적 결과가 질적으로 달라질 수 있다는 이론적 모형을 제시했다. 이 구분은 특히 AI 시대에 교육과 전문성 형성이 어떻게 변화해야 하는지에 대한 중요한 함의를 지닌다.

연구 방법론
589명의 대학생 및 초기 경력 지식 노동자를 대상으로 2주 간격의 3파 시차 설문조사(three-wave time-lagged survey)를 실시했다. 1차(T1)에서 의존적·자율적 인지 외주화와 메타인지적 모니터링을 측정하고, 2차(T2)에서 인지적 주체성 이전과 내재적 동기를 측정했으며, 3차(T3)에서 자율적 능력, 창의성, 심층 처리, 독립적 판단의 네 가지 인지적 결과를 측정했다. 구조방정식 모형(SEM)과 부트스트래핑을 활용해 이중 경로 매개 모형(dual-pathway mediation model)과 조절 효과를 검증했다. 참여자의 평균 연령은 23.69세이며, 평균 약 12개월의 생성형 AI 사용 경험을 가지고 있었다.

연구 결과
이중 경로 매개 모형의 분석 결과, 의존적 인지 외주화는 두 가지 병행 경로를 통해 부정적 결과와 연결되었다. 첫 번째 경로에서 의존적 외주화는 인지적 주체성 이전을 강화했으며(β = 0.39, p < 0.001), 이는 자율적 능력(β = −0.22), 창의성(β = −0.15), 심층 처리(β = −0.16), 독립적 판단(β = −0.23) 모두에 부정적으로 연관되었다. 두 번째 경로에서 의존적 외주화는 내재적 동기를 약화시켰으며(β = −0.27, p < 0.001), 낮아진 내재적 동기는 네 가지 결과 모두와 부정적으로 연관되었다. 반대로 자율적 인지 외주화는 인지적 주체성 이전과 유의한 관계가 없었으나(β = 0.03, p = 0.49), 내재적 동기를 강화했으며(β = 0.31, p < 0.001), 이를 통해 긍정적 결과와 연결되었다.

특히 주목할 만한 발견은, 두 유형의 외주화가 제공하는 즉각적 이점에는 차이가 없었다는 점이다(의존적: M = 3.92, 자율적: M = 3.95, p = 0.61). 과제가 더 빨리 완료되고, 더 적은 노력이 들며, 결과물의 질이 높아지는 즉각적 경험은 양쪽 모두에서 동등했다. 이는 사용자가 단기적 경험만으로는 자신의 AI 사용이 적응적인지 부적응적인지 구분할 수 없음을 의미한다.

메타인지적 모니터링의 조절 효과는 비대칭적이었다. 메타인지적 모니터링이 높은 사용자는 의존적 외주화가 인지적 주체성 이전으로 이어지는 것을 효과적으로 차단했다(상호작용 효과 β = −0.11, p < 0.01). 그러나 내재적 동기 약화 경로에 대해서는 완충 효과가 없었다(β = −0.04, p = 0.38). 이는 메타인지가 ‘인지적 통제’의 문제는 감지하고 교정할 수 있지만, AI가 사고의 핵심을 대신함으로써 발생하는 ‘동기적 소외’는 인식하더라도 회복할 수 없다는 것을 시사한다.

결론 및 의미
이 연구는 AI 시대의 인지 외주화가 양날의 검임을 실증적으로 보여준다. 같은 AI 도구를 사용하더라도 사용 빈도가 아니라 사용 방식이 장기적 인지 발달을 결정한다. AI의 출력물을 그대로 수용하는 의존적 사용은 즉각적으로는 효율적이지만, 시간이 지남에 따라 인지적 자율성, 창의성, 비판적 사고 능력을 잠식할 수 있다. 반면 AI를 자신의 사고를 자극하는 출발점으로 활용하는 자율적 사용은 내재적 동기를 유지하면서 인지 능력을 보존한다.

이 발견은 ‘힌턴의 역설’ 관점에서 특히 중요한 함의를 지닌다. AI가 엔트리 레벨 직무를 대체하고 있는 현 상황에서, 초기 경력자들이 AI를 의존적으로 사용할 경우 전문성 형성에 필요한 인지적 훈련 기회를 스스로 포기하는 결과를 초래할 수 있다. 이 연구가 빌린 유능함의 함정이라 부를 수 있는 현상의 심리학적 메커니즘을 규명한 것이다. 결국 AI 시대에 전문가로 성장하려면, AI를 ‘대신 생각해주는 도구’가 아니라 ‘더 잘 생각하게 도와주는 도구’로 활용하는 방법을 배워야 하며, 이를 위한 교육적·제도적 개입이 시급하다.

Zhu, Q., Li, X., Dong, Y., Chang, P., & Fan, M. (2026). Not all cognitive offloading is equal: distinguishing dependent and autonomous offloading to generative AI. Frontiers in Psychology, 17, 1878629. https://doi.org/10.3389/fpsyg.2026.1878629

<AI 활용 내역> Claude. (2026), Claude, [대형언어모델(LLM)]. https://claude.ai/ 논문의 핵심 내용을 요약하고 한국어 리뷰를 작성하는 데 활용했으며, 결과물은 연구자가 최종 검토 후 수정해 블로그에 반영했다.