Back

AI 시대에 메모를 잘한다는 것

AI 시대에 메모를 잘한다는 것 대표 이미지

AI에게 메모 한 줄을 건네 본 적이 있다. “회의가 길어질수록 결정은 흐려진다.” 잠시 뒤 AI는 회의가 길어지는 이유와 명확한 의사결정 기준, 팀이 시도해 볼 만한 개선안까지 일목요연하게 정리해 냈다. 겉보기에 글의 완성도는 나무랄 데가 없었다. 그런데 다시 읽어볼수록 묘한 위화감이 들었다. 그 회의에서 무엇이 마음에 걸렸는지, 내가 왜 굳이 그 장면을 메모로 남겨 두었는지는 어디에도 없었다. 그럴듯한 문장은 넘쳐났지만, 정작 내 고유한 문제의식이 어디서 시작되었는지는 보이지 않았다.

AI는 빈 곳을 채우는 데 탁월하다. 덜 여문 생각도 매끄러운 문장으로 다듬고, 흩어진 단어도 익숙하고 설득력 있는 논리로 엮어낸다. 덕분에 글을 시작하는 일은 훨씬 수월해졌다. 메모를 조금 엉성하게 남겨도 나머지는 AI가 알아서 메워줄 것만 같다. 하지만 출발점이 모호하면 AI는 세상에서 가장 흔하고 무난한 일반론으로 그 빈자리를 채운다. 글의 꼴은 번듯하게 갖춰지지만, 그 속에 내 관찰과 시선은 흔적도 없이 사라진다. AI의 능력이 뛰어날수록 메모의 가치가 줄어드는 것이 아니다. 무엇을 내 생각으로 남겨두고, 어떤 빈칸을 AI에게 맡길지 가르는 일이 오히려 더 중요해진다.

AI가 채우지 못하는 것

AI는 문장을 매끄럽게 이어주지만, 무엇을 진짜 문제로 규정할지는 대신 결정해주지 못한다. 어떤 차이를 그냥 지나치지 말아야 할지, 어느 대목에서 의심을 거두지 말아야 할지도 마찬가지다. 질문의 형태를 띤 문장은 얼마든지 만들어낼 수 있다. 하지만 그 질문이 내 생생한 경험에서 우러나온 것인지, 지금 우리가 풀어야 할 본질적인 문제인지, 내가 책임을 다할 판단인지는 오직 나만이 가려낼 수 있다.

메모는 완성된 결론을 보관하는 창고가 아니다. 머릿속에 엉켜 있는 관찰과 해석을 바깥으로 끄집어내 객관화하는 작업에 가깝다. 적기 전에는 그저 “회의가 이상했다”는 막연한 찜찜함만 맴돌 뿐이다. 하지만 한 줄이라도 써 내려가면 누가 무엇을 말했고 무엇이 결정되지 않았는지, 내가 왜 불편했는지가 비로소 나뉘어 보인다. 그제야 내가 목격한 ‘사실’과 거기에 덧붙인 ‘내 해석’이 명확히 구분된다. 나아가 그 해석을 뒷받침할 타당한 근거가 있는지도 차분히 짚어볼 수 있다. 그러므로 메모에 남은 빈틈은 지워야 할 결함이 아니다. 오히려 생각을 다시 들여다보고 깊이 밀고 나갈 디딤돌이다. AI 역시 그 빈틈을 성급히 덮어버리는 수단이 아니라, 무엇이 비어 있고 무엇이 더 필요한지 함께 짚어보는 협업 상대가 되어야 한다.

정보보다 마찰을 남기기

메모에 정보가 필요 없다는 뜻은 아니다. 읽은 글의 핵심을 간추리고, 회의 내용을 기록하고, 유용한 링크를 저장하는 일은 여전히 유효하다. 다만 이런 작업은 이제 AI도 순식간에 해낸다. 같은 자료를 쥐고 있다면 누구나 손쉽게 비슷한 요약에 가닿을 수 있다.

정작 오래도록 남아 가치를 발하는 것은, 자료와 내 생각이 부딪히며 생기는 ‘마찰’이다. 분명 맞는 말 같은데 내 경험과는 묘하게 어긋날 때가 있다. 신속하게 내린 결정인데도 뒷맛이 불안할 때가 있다. 다른 곳에서 성공했다는 사례가 우리 상황에도 통할지 의심스러울 때가 있다. 이런 감각은 아직 잘 정돈된 결론이 아니어서 어수선해 보인다. 하지만 다음에 무엇을 따져 물어야 하는지, 생각의 방향을 가리키는 나침반이 된다.

처음부터 메모를 거창하게 쓸 필요는 없다. 다음 세 줄만 남겨도 생각은 단단하게 움직이기 시작한다.

“회의에서 모두가 일정에는 동의했지만, 누가 무엇을 포기하는지는 말하지 않았다.”

“속도를 내는 합의가 오히려 책임을 흐릴 수 있다는 생각이 들었다.”

“빠른 합의와 책임 있는 결정은 언제 갈라질까?”

첫째는 내가 실제로 목격한 ‘사실’이다. 둘째는 그 일에 내가 부여한 ‘해석’이고, 셋째는 아직 답을 내리지 못한 ‘열린 질문’이다. 이렇게 셋을 나누어 적어 두면, AI에게 건네는 요청부터 완전히 달라진다. 단순히 회의록을 그럴듯하게 다듬어 달라고 맡기지 않게 된다. 첫 번째 사실에서 다른 해석의 가능성을 묻고, 두 번째 해석을 뒤흔들 반례를 찾아보게 하며, 세 번째 질문을 검증하기 위해 어떤 구체적 사례가 필요한지 AI와 함께 따져보게 된다.

이때 AI는 뻔한 정답을 던져주는 기계가 아니라, 내 생각의 어디까지가 관찰이고 어디부터가 자의적 추측인지 비춰 주는 거울이 된다. 나는 AI가 뽑아낸 문장을 무비판적으로 수용하는 소비자가 아니라, 내 메모의 기준에 따라 AI의 제안을 채택하거나 기각하는 판단자가 된다.

다시 읽을 때 메모가 생각이 된다

AI와 한 번 대화를 나눴다고 해서 메모의 역할이 끝나는 것은 아니다. 답변을 얻은 뒤에는 처음의 메모와 새로 마주한 반례, 여전히 풀리지 않은 질문을 다시 한자리에 나란히 놓아야 한다. 그래야 비로소 남는 것이 ‘AI가 써준 초안의 완성도’가 아니라, ‘그 과정을 거치며 더 정교해진 내 가설’이 된다.

물론 이 과정은 번거롭다. 메모를 적기 위해 순간 멈춰 서야 하고, AI가 내놓은 매끄러운 첫 답변을 의심하며 다시 따져봐야 한다. 하지만 이러한 마찰을 감수해야만, AI 덕분에 아낀 시간이 결국 내 고유한 판단력을 벼리는 데 쓰인다. 메모를 다시 읽는다는 것은 그저 과거의 기록을 들춰보는 일이 아니다. 처음의 섣부른 해석을 수정하고 생각을 한 단계 끌어올릴 기회를 마련하는 일이다.

그래서 좋은 메모는 시간이 흘러 다시 꺼내 볼 때 생명력을 얻는다. 새롭게 읽은 글이나 낯선 경험이 과거의 해석을 뒤흔들고, 따로 흩어져 있던 질문들이 부딪히며 단단한 하나의 글감으로 무르익는다. 메모를 단순히 양적으로 많이 쌓는다고 해서 이런 일이 일어나지는 않는다. 서로 다른 생각 곁에 나란히 두고 과거의 해석을 끊임없이 갱신할 때, 비로소 기록은 다음 생각으로 나아가는 진짜 원동력이 된다.

생각을 잘한다는 뜻

결국 메모를 잘하는 방법은 생각을 잘 다루는 방법과 정확히 맞닿아 있다. 생각을 잘한다는 것은 처음부터 빈틈없는 정답을 내놓는 능력이 아니다. 내가 무엇을 보았는지와 어떻게 해석했는지를 냉정하게 가르고, 아직 모르는 영역을 솔직히 남겨두며, 다음 질문을 끝까지 붙드는 태도에 가깝다. 메모는 바로 그 생각의 훈련을 내 바깥에 남겨두는 가장 간결하고 단단한 그릇이다.

처음에 적어 두었던 “회의가 길어질수록 결정은 흐려진다”는 문장 역시 완성된 결론은 아니었다. 하지만 그 메모가 있었기에, 나는 회의가 왜 길어졌는지, 도대체 무엇이 흐려졌는지, 그것이 정말 피해야 할 문제인지 다시 파고들 수 있었다. AI 시대에 생각의 깊이가 갈리는 지점도 바로 여기에 있다. AI에게 무작정 빈칸을 채워 달라고 요청하기 전에, 내가 어떤 구체적인 장면을 포착했고 어떤 치열한 질문을 남겨 두었는가에 따라 결과물의 밀도가 완전히 달라진다. 메모는 AI가 대신 채워줄 원료가 아니라, 내가 다시 스스로 생각하기 위해 마련해 둔 사유의 자리다.