삶에 적용되는 지식이 진짜 지식이다 — 창의성으로 연결하기

들어가며: 책장은 가득한데 머릿속은 비어 있던 시절
핵심 통찰: 적용되지 않는 지식의 공허함
자기 것으로 만들기: 나의 언어로 저장하기
- 능동적 인출의 힘
- 파인먼 기법
- 스토리텔링으로 저장하기
AI 시대에도 변하지 않는 것
창의성은 연결이고 조합이다
- 메디치 효과
- 연결을 늘리는 법
지식은 이어가는 것: 배경지식과 기존 지식에 잇기
- 배경지식의 복리
실천 루틴
- 학습 사이클 5단계
- 일·주·월 루틴
함정: 수집만 하는 사람
- 함정 1: 디지털 호더링
- 함정 2: 하이라이트의 착각
- 함정 3: 도구에 대한 집착
정보와 이해는 다르다
망각 곡선과 간격 반복
- 제가 쓰는 간격 반복 리듬
무기력한 지식을 살리는 실제 예시
가르치며 배우기: 프로테제 효과
제텔카스텐과 두 번째 뇌
AI는 무엇을 바꾸고 무엇을 바꾸지 못하는가
깊이와 넓이: T자형 지식
제약이 창의성을 키운다
흔한 함정 더 깊이 들여다보기
- 함정 4: 수동적 소비의 안락함
- 함정 5: 완벽한 시작을 기다리기
- 함정 6: 진보감과 진보의 혼동
의도적 연습: 그냥 반복과 무엇이 다른가
적용하지 않는 지식의 진짜 비용
지식은 사건이 아니라 습관이다
자가 점검 체크리스트
자주 묻는 질문
마치며: 살아 있는 지식을 향하여
참고 자료

들어가며: 책장은 가득한데 머릿속은 비어 있던 시절

한때 제 노션에는 읽은 책 요약, 저장한 아티클, 강의 노트가 수백 개 쌓여 있었습니다. 겉으로 보면 부지런한 학습자였습니다. 그런데 어느 날 동료가 회의에서 "캐시 무효화 전략을 어떻게 가져가는 게 좋을까요?"라고 물었을 때, 저는 분명히 그 주제로 글 세 편을 저장해 두었음에도 아무 말도 하지 못했습니다. 저장은 했지만 제 것이 아니었던 것입니다.

그날 저는 불편한 진실을 마주했습니다. 저는 지식을 모으고 있었을 뿐, 알고 있지 않았습니다. 하이라이트를 긋고, 폴더에 정리하고, 태그를 다는 행위가 마치 학습인 것처럼 착각하고 있었던 것입니다. 진짜 지식은 책장이나 노션이 아니라, 필요한 순간에 꺼내 쓸 수 있고 새로운 문제에 적용할 수 있는 것이어야 했습니다.

이 글은 그 깨달음에서 출발합니다. 적용되지 않는 지식이 왜 공허한지, 어떻게 지식을 자기 것으로 만드는지, 그리고 흩어진 지식을 창의성으로 연결하는지에 대한 제 나름의 정리입니다. AI가 모든 것을 검색해 주는 시대일수록, "내 안에 살아 있는 지식"의 가치는 오히려 더 커진다고 믿습니다.

핵심 통찰: 적용되지 않는 지식의 공허함

철학자 알프레드 노스 화이트헤드는 한 세기 전에 이미 "무기력한 지식(inert knowledge)"이라는 표현을 썼습니다. 머릿속에 들어 있긴 하지만 실제 상황에서 활용되지 못하고 그저 죽은 채로 쌓여 있는 지식을 가리킵니다. 시험 직후에는 줄줄 외우던 공식을 막상 현실 문제 앞에서는 떠올리지 못하는 경험, 누구나 있을 것입니다.

왜 이런 일이 생길까요? 인지심리학은 그 답을 명확히 합니다. 지식은 저장된 맥락과 비슷한 맥락에서 더 잘 인출됩니다. 교과서를 읽기만 하면 "읽는 맥락"에만 묶인 지식이 되고, 실제로 써먹어 본 적이 없으니 현실의 맥락에서는 떠오르지 않는 것입니다.

여기서 결정적인 구분이 생깁니다. 익숙함(familiarity)과 숙달(mastery)은 다릅니다. 어떤 글을 여러 번 읽으면 익숙해져서 "이거 안다"는 느낌이 듭니다. 하지만 그것은 안다는 착각일 뿐, 실제로 설명하거나 적용해 보면 막힙니다. 진짜 지식은 익숙함이 아니라 적용 가능성으로 판가름됩니다.

자기 것으로 만들기: 나의 언어로 저장하기

그렇다면 어떻게 지식을 무기력한 상태에서 살아 있는 상태로 바꿀 수 있을까요? 첫 번째 열쇠는 "나의 언어로 다시 쓰기"입니다.

능동적 인출의 힘

학습 과학에서 가장 강력하게 입증된 원리 중 하나가 인출 연습(retrieval practice), 즉 시험 효과(testing effect)입니다. 정보를 다시 읽는 것보다, 책을 덮고 기억에서 끄집어내려 애쓰는 행위가 장기 기억을 훨씬 강하게 만듭니다. 다시 읽기는 익숙함을 키우지만, 인출은 숙달을 키웁니다.

저는 책을 한 챕터 읽고 나면 노트를 덮고 빈 종이에 묻습니다. "방금 읽은 것의 핵심은 무엇인가? 한 문장으로 설명하면?" 처음에는 거의 아무것도 못 쓰는 경우가 많습니다. 바로 그 막힘이 "아직 내 것이 아니다"라는 정직한 신호입니다.

파인먼 기법

물리학자 리처드 파인먼의 이름을 딴 학습법이 있습니다. 핵심은 단순합니다. "어린아이에게 설명하듯 가르쳐 보라." 전문 용어 뒤에 숨지 않고 쉬운 말로 풀어내려는 순간, 자신이 정말로 이해한 부분과 그저 외운 부분이 선명하게 갈립니다.

파인먼 기법의 단계는 이렇습니다.

개념 하나를 고르고 종이 맨 위에 적는다.
아무것도 모르는 사람에게 설명하듯 쉬운 말로 적는다.
막히거나 어려운 용어로 도망친 지점을 표시한다. 그곳이 약점이다.
그 부분만 다시 공부하고, 더 쉽게 다시 설명한다.

이 과정을 거치면 지식이 "들은 것"에서 "내가 말할 수 있는 것"으로 바뀝니다.

스토리텔링으로 저장하기

인간의 기억은 추상적 명제보다 이야기를 훨씬 잘 붙잡습니다. 그래서 저는 새로운 개념을 배울 때 일부러 작은 이야기나 비유로 바꿔 저장합니다. 예를 들어 데이터베이스의 트랜잭션 격리 수준을 외울 때, 도서관에서 같은 책을 두 사람이 동시에 빌리려 할 때 사서가 어떻게 중재하는가로 바꿔 기억합니다. 이야기로 엮으면 인출 단서가 늘어나고, 새로운 상황에 끼워 맞추기도 쉬워집니다.

AI 시대에도 변하지 않는 것

여기서 자연스러운 반론이 나옵니다. "이제 AI가 다 알려주는데, 굳이 머릿속에 지식을 넣을 필요가 있나요?"

타당한 질문입니다. 검색과 생성형 AI는 분명히 외부 기억의 역할을 훌륭히 해냅니다. 하지만 핵심은 이것입니다. AI를 쓰더라도, 그 결과를 자신의 삶과 문제에 적용하는 것은 결국 사람의 몫입니다. AI는 답을 줄 수 있지만, 어떤 질문을 던질지, 그 답이 내 상황에 맞는지 판단하려면 내 안에 작동하는 지식의 틀이 있어야 합니다.

비유하자면, AI는 강력한 망원경입니다. 그러나 어디를 봐야 할지, 무엇을 보고 있는지 아는 것은 보는 사람의 안목입니다. 안목 없이 망원경만 들면 그저 흐릿한 점들을 볼 뿐입니다. 진짜 지식은 그 안목을 만드는 일이고, 이것은 AI가 대신해 줄 수 없습니다.

오히려 AI 시대에는 "적용되는 지식"의 가치가 더 커집니다. 정보 자체는 흔해졌으니, 그 정보를 연결하고 판단하고 자신의 맥락에 적용하는 능력이 사람을 구별 짓는 기준이 됩니다.

창의성은 연결이고 조합이다

지식을 자기 것으로 만들었다면, 다음 단계는 그것들을 연결하는 것입니다. 여기서 창의성이라는 주제가 등장합니다.

흔히 창의성을 무에서 유를 만드는 신비한 재능으로 오해합니다. 하지만 스티브 잡스의 유명한 말처럼 "창의성은 그저 사물들을 연결하는 것"입니다. 창의적인 사람은 남들이 따로 떨어뜨려 보는 것들 사이에서 연결을 발견합니다.

메디치 효과

작가 프란스 요한손은 'The Medici Effect'에서 르네상스 시대 피렌체의 메디치 가문이 조각가, 과학자, 시인, 철학자를 한자리에 모았을 때 폭발적인 창조가 일어났다고 분석합니다. 서로 다른 분야가 교차하는 지점에서 새로운 아이디어가 솟아난다는 것입니다.

이것은 개인에게도 적용됩니다. 개발만 아는 사람보다, 개발과 음악을, 또는 개발과 글쓰기를 함께 아는 사람이 더 독창적인 연결을 만들어냅니다. 저는 탁구를 치면서 배운 "상대의 리듬을 깨뜨리는 전략"을 코드 리뷰의 페이스 조절에 적용해 본 적이 있습니다. 엉뚱해 보이지만, 이런 분야 간 이전(transfer)이 바로 창의성의 재료입니다.

연결을 늘리는 법

창의적 연결을 늘리려면 두 가지가 필요합니다. 연결할 재료(다양한 지식)와 그것들을 충돌시킬 기회(생각할 시간)입니다.

재료 늘리기: 자기 분야 밖의 책을 의도적으로 읽습니다. 개발자라면 생물학, 건축, 음악 이론처럼 멀어 보이는 분야가 오히려 신선한 은유를 줍니다.
충돌시키기: 서로 다른 분야의 노트를 나란히 놓고 "이 둘 사이에 공통 구조가 있는가?"를 묻습니다. 제텔카스텐(Zettelkasten) 같은 노트 시스템이 효과적인 이유가 여기에 있습니다. 개별 메모를 서로 링크하면서 예상치 못한 연결이 드러납니다.

지식은 이어가는 것: 배경지식과 기존 지식에 잇기

새로운 지식은 진공 속에 들어오지 않습니다. 이미 가진 지식의 그물망에 걸려야 비로소 자리를 잡습니다. 인지심리학에서 말하는 스키마(schema), 즉 기존 지식 구조에 새 정보를 연결할 때 학습이 일어납니다.

그래서 무언가를 배울 때 가장 먼저 할 일은 "내가 이미 아는 것 중에 이것과 닮은 게 무엇인가?"를 묻는 것입니다. 새로운 프로그래밍 언어를 배운다면 이미 아는 언어와의 공통점과 차이점부터 매핑합니다. 완전히 새로운 것은 거의 없습니다. 대부분은 이미 아는 것의 변형이거나 조합입니다.

배경지식의 복리

배경지식이 많을수록 새 지식을 붙일 자리가 많아집니다. 이것이 지식이 복리로 쌓이는 이유입니다. 아는 것이 많은 사람일수록 새로운 것을 더 빨리, 더 깊이 배웁니다. "부익부 빈익빈"이 지식의 세계에서도 작동하는 셈입니다. 매튜 효과(Matthew effect)라 불리는 이 현상은, 일찍부터 꾸준히 지식의 그물망을 키워 두는 것이 얼마나 중요한지 말해줍니다.

학습 방식	고립된 암기	그물망에 잇기
인출 단서	적음	많음
응용 가능성	낮음	높음
장기 기억	약함	강함
새 지식 흡수	느림	빠름

실천 루틴

원리를 알았으니 매일 돌릴 수 있는 루틴으로 정리하겠습니다.

학습 사이클 5단계

입력: 책, 아티클, 강의를 읽거나 듣는다. 단, 입력 자체를 목표로 삼지 않는다.
인출: 자료를 덮고, 핵심을 나의 언어로 빈 종이에 적는다. 막히는 곳을 표시한다.
연결: "내가 이미 아는 무엇과 닮았는가? 어디에 쓸 수 있는가?"를 적는다. 기존 노트와 링크한다.
적용: 작더라도 실제로 써본다. 코드 한 줄, 글 한 단락, 대화 한 번이라도 좋다.
재방문: 며칠 뒤, 일주일 뒤 다시 인출한다. 간격을 둔 반복(spaced repetition)이 기억을 굳힌다.

일·주·월 루틴

매일: 그날 배운 것 하나를 한 문장으로 요약해 적는다.
매주: 그 주의 노트를 훑으며 서로 연결할 수 있는 두 메모를 찾아 링크한다.
매월: 한 달간 배운 것 중 실제로 삶이나 일에 적용한 사례를 점검한다. 적용한 게 없다면, 그달의 학습은 대부분 무기력한 지식으로 남은 것이다.

함정: 수집만 하는 사람

이 주제에서 가장 흔하고 위험한 함정은 "수집 중독"입니다. 저장 자체가 주는 만족감 때문에, 사람들은 끝없이 모으기만 합니다.

함정 1: 디지털 호더링

읽지도 않을 아티클을 북마크하고, 보지도 않을 강의를 사 모으는 행위는 학습이 아니라 학습에 대한 불안의 회피입니다. "언젠가 볼 거야"라는 폴더는 대개 디지털 무덤이 됩니다. 모으는 행위가 주는 가짜 진보감을 경계해야 합니다.

함정 2: 하이라이트의 착각

책에 형광펜을 긋는 행위는 능동적으로 보이지만, 연구에 따르면 단순한 밑줄 긋기는 학습 효과가 놀랄 만큼 낮습니다. 손은 움직였지만 머리는 거의 일하지 않기 때문입니다. 밑줄 대신, 여백에 자신의 말로 한 줄 써넣는 것이 훨씬 낫습니다.

함정 3: 도구에 대한 집착

완벽한 노트 앱을 찾아 끝없이 도구를 옮겨 다니는 것도 흔한 회피입니다. 도구는 지식을 적용하는 데 도움을 줄 뿐, 도구 자체가 지식을 만들지는 않습니다. 어떤 도구든 하나를 정해 꾸준히 쓰는 것이 도구를 자주 바꾸는 것보다 낫습니다.

균형의 핵심은 입력과 출력의 비율입니다. 입력이 출력을 크게 앞지르면, 그것은 학습이 아니라 소비입니다. 의식적으로 출력 — 설명하기, 적용하기, 만들기 — 의 비중을 늘려야 합니다.

정보와 이해는 다르다

지금까지 "지식"이라는 단어를 자주 썼지만, 사실 우리는 두 가지를 뭉뚱그려 부르고 있습니다. 정보(information)와 이해(understanding)입니다. 이 둘을 구분하지 못하면, 정보를 모으는 일을 이해를 키우는 일로 착각하게 됩니다.

정보는 외부에 존재하는 사실의 조각입니다. "트랜잭션 격리 수준에는 네 단계가 있다"는 문장은 정보입니다. 검색하면 나오고, 책에 적혀 있고, 누구에게 물어도 같은 답이 나옵니다. 정보는 복사할 수 있습니다. 옮겨 적고, 캡처하고, 북마크할 수 있습니다.

이해는 다릅니다. 이해는 그 정보들 사이의 관계를 내 머릿속에서 재구성한 것입니다. "왜 격리 수준이 높아질수록 동시성이 떨어지는가", "내 서비스의 트래픽 패턴에서는 어느 수준이 적절한가"를 스스로 따져 본 사람만이 이해를 가집니다. 이해는 복사할 수 없습니다. 오직 자기 머릿속에서 다시 지어야만 생깁니다.

이 구분이 중요한 이유는, 정보의 양과 이해의 깊이가 거의 무관하기 때문입니다. 어떤 주제에 대해 아티클을 백 개 저장해도 이해는 1밀리미터도 늘지 않을 수 있습니다. 반대로 한 개념을 붙잡고 스스로 질문을 던지며 씨름하면, 자료 하나로도 깊은 이해에 도달할 수 있습니다.

구분	정보	이해
존재하는 곳	외부(책, 검색, 노트)	내부(나의 머릿속)
복사 가능성	가능	불가능
늘리는 방법	수집	재구성과 적용
AI 대체 가능성	높음	낮음

그래서 학습의 목표를 "정보를 더 많이 가지는 것"에서 "이해를 더 깊게 만드는 것"으로 옮겨야 합니다. 정보는 필요할 때 검색하면 됩니다. 그러나 이해는 미리 내 안에 지어 두지 않으면, 정작 필요한 순간에 빌려 올 수 없습니다.

망각 곡선과 간격 반복

지식을 자기 것으로 만들었다 해도, 가만히 두면 사라집니다. 19세기 독일 심리학자 헤르만 에빙하우스는 자신을 대상으로 무의미한 음절을 외우고 시간이 지나며 얼마나 잊는지를 측정했습니다. 그 결과가 유명한 망각 곡선(forgetting curve)입니다. 핵심은 망각이 처음에 가장 가파르게 일어난다는 사실입니다. 배운 직후 몇 시간, 며칠 사이에 상당 부분이 날아갑니다.

이 사실은 우울하게 들리지만, 실은 강력한 학습 전략의 출발점입니다. 잊기 직전에 다시 한 번 떠올리면, 그 기억은 더 천천히 사라지는 곡선으로 갈아탑니다. 이것을 반복할수록 곡선은 점점 완만해지고, 결국 그 지식은 거의 영구적으로 자리 잡습니다. 이 원리를 체계화한 것이 간격 반복(spaced repetition)입니다.

핵심은 "간격"입니다. 한 번에 몰아서 다섯 번 읽는 것보다, 다섯 번을 며칠에 걸쳐 나누어 떠올리는 것이 훨씬 강하게 남습니다. 벼락치기가 시험 다음 날이면 증발하는 이유, 그리고 어릴 때 나눠 외운 구구단이 평생 남는 이유가 여기에 있습니다.

제가 쓰는 간격 반복 리듬

저는 거창한 시스템 대신 단순한 리듬을 씁니다.

배운 당일: 자료를 덮고 핵심을 한 번 인출한다.
다음 날: 다시 빈 종이에 떠올려 본다. 막히면 그 부분만 확인한다.
일주일 뒤: 노트를 보지 않고 누군가에게 설명하듯 말해 본다.
한 달 뒤: 실제 문제나 대화에서 그 지식을 써먹을 기회를 일부러 만든다.

간격 반복을 "복습"과 혼동하면 안 됩니다. 복습은 보통 다시 읽는 것이고, 간격 반복의 핵심은 다시 떠올리는 것, 즉 인출입니다. 자료를 펴 놓고 눈으로 훑는 것은 익숙함만 키울 뿐, 곡선을 바꾸지 못합니다. 반드시 덮고, 기억에서 끄집어내야 합니다.

무기력한 지식을 살리는 실제 예시

원리만 늘어놓으면 공허하니, 제가 실제로 죽은 지식을 살려 본 과정을 하나 풀어보겠습니다.

저는 라인(LINE)에서 일하던 시절, 분산 시스템의 "최종 일관성(eventual consistency)"이라는 개념을 책으로 여러 번 읽었습니다. 정의는 줄줄 외웠습니다. 노드들이 잠시 다른 값을 가질 수 있지만 시간이 지나면 같아진다는 것. 그런데 이 지식은 정확히 무기력한 상태였습니다. 외웠지만 한 번도 써본 적이 없었으니까요.

전환점은 실제 장애였습니다. 한 기능에서 사용자가 설정을 바꿨는데, 다른 화면에서는 한동안 옛날 값이 보이는 버그가 올라왔습니다. 처음에는 단순 캐시 버그로 봤습니다. 그런데 원인을 파고들다가, 문득 책에서 외운 그 개념이 떠올랐습니다. "아, 이게 바로 최종 일관성의 그 간극이구나." 그 순간 죽어 있던 정의가 살아 있는 도구로 바뀌었습니다.

여기서 멈추지 않고, 저는 글로 정리한 다음 그 과정을 의도적으로 자기 것으로 만들었습니다.

나의 언어로 재구성: "최종 일관성이란, 사용자에게는 잠깐의 거짓말을 허용하되 결국 진실로 수렴하기로 한 약속이다"라고 제 문장으로 적었습니다.
기존 지식과 연결: 예전에 배운 캐시 무효화, 그리고 탁구에서 배운 "지금 한 점을 내주더라도 게임 전체를 가져가는" 트레이드오프 감각과 연결했습니다.
다시 적용: 다음 설계 회의에서 비슷한 상황이 나왔을 때, 저는 이 개념을 먼저 꺼내 동료에게 설명했습니다. 설명해 보니 제가 아직 흐릿하게 아는 부분이 드러났고, 그걸 다시 메웠습니다.

흥미로운 점은 외국어 공부에서도 같은 패턴이 반복된다는 것입니다. 저는 영어와 일본어를 함께 공부하는데, 단어장을 외우기만 할 때는 회화에서 한마디도 안 나왔습니다. 그러나 그날 외운 표현을 일부러 그날 안에 실제 대화나 글에 한 번 끼워 쓰면, 그 표현은 비로소 제 입에 붙었습니다. 탁구도 마찬가지입니다. 유튜브로 백핸드 이론을 백 번 봐도 늘지 않다가, 그 동작 하나에 집중해 실제로 공을 쳐 보는 순간부터 몸에 익기 시작했습니다.

결국 분야는 달라도 구조는 같습니다. 정의를 외우는 것은 시작일 뿐이고, 살아 있는 지식은 항상 "실제로 한 번 써봄"이라는 다리를 건넌 뒤에야 생깁니다.

가르치며 배우기: 프로테제 효과

지식을 자기 것으로 만드는 가장 강력한 방법 하나를 따로 떼어 이야기하고 싶습니다. 바로 가르치는 것입니다.

교육심리학에는 프로테제 효과(protégé effect)라는 개념이 있습니다. 누군가를 가르칠 것이라고 예상하고 공부한 사람은, 단지 시험을 본다고 생각하고 공부한 사람보다 내용을 더 깊이 이해하고 더 오래 기억한다는 것입니다. 가르친다는 전제만으로도 뇌가 정보를 다루는 방식이 달라집니다.

왜 그럴까요? 가르치려면 단순히 사실을 아는 것으로는 부족하기 때문입니다. 정보를 논리적 순서로 재배열해야 하고, 듣는 사람이 어디서 막힐지 예상해야 하고, 쉬운 말로 바꿔야 하고, 예상 질문에 답할 수 있어야 합니다. 이 모든 과정이 곧 깊은 인출이고 재구성입니다. 가르치기는 파인먼 기법을 실제 청중 앞에서 실행하는 것과 같습니다.

청중이 꼭 사람일 필요도 없습니다. 저는 이해가 흐릿한 개념을 만나면, 빈 의자에 가상의 후배가 앉아 있다고 상상하고 소리 내어 설명해 봅니다. 막히는 지점이 즉시 드러납니다. 블로그에 글을 쓰는 것도 같은 원리입니다. 이 글 역시 제가 어렴풋이 알던 학습 원리들을 누군가에게 설명하려고 정리하면서, 제 안에서 훨씬 또렷해졌습니다.

그래서 저는 권합니다. 무언가를 제대로 배우고 싶다면, 그것을 가르칠 자리를 일부러 만드세요. 동료에게 점심시간에 5분 설명하기, 스터디에서 발표하기, 짧은 글로 남기기. 가르치는 순간, 비로소 자신이 무엇을 모르는지 정직하게 마주하게 됩니다.

제텔카스텐과 두 번째 뇌

앞에서 노트를 서로 링크하는 이야기를 했는데, 이 방식을 가장 깊이 체계화한 것이 독일 사회학자 니클라스 루만의 제텔카스텐(Zettelkasten)입니다. 루만은 수만 장의 메모를 서로 연결한 카드 상자 하나로 평생 70여 권의 책과 수백 편의 논문을 썼다고 알려져 있습니다. 죈케 아렌스는 'How to Take Smart Notes'에서 이 방법을 현대적으로 풀어냈습니다.

핵심 아이디어는 단순합니다. 메모를 폴더에 분류해 가두지 말고, 서로 연결하라는 것입니다. 분류는 하나의 메모를 한 자리에 고정하지만, 연결은 하나의 메모가 여러 맥락에 동시에 닿게 합니다. 바로 이 연결의 그물망에서 예상치 못한 아이디어가 솟아납니다. 메디치 효과를 개인의 노트 안에서 일으키는 장치인 셈입니다.

제텔카스텐의 작동 원리를 간단히 정리하면 이렇습니다.

임시 메모: 떠오른 생각이나 읽은 것을 일단 빠르게 적는다. 형식은 중요하지 않다.
영구 메모: 임시 메모를 나중에 다시 보며, 하나의 완결된 생각을 나의 언어로 한 장에 적는다. 이때가 곧 인출과 재구성의 순간이다.
연결: 새 영구 메모를 기존 메모들과 잇는다. "이건 어떤 메모와 닮았는가, 무엇과 충돌하는가"를 묻는다.
발전: 연결이 쌓이면 비슷한 메모들이 군집을 이루고, 그 군집이 곧 글 한 편, 프로젝트 하나의 씨앗이 된다.

요즘은 이런 연결형 노트를 "두 번째 뇌(second brain)"라 부르기도 합니다. 다만 여기에 함정이 있습니다. 두 번째 뇌를 만든다는 명분으로 정작 첫 번째 뇌, 즉 자기 머리에는 아무것도 남기지 않는 경우입니다. 도구는 어디까지나 첫 번째 뇌의 이해를 돕는 보조여야 합니다. 메모를 옮겨 적는 데서 끝나면 그것은 또 다른 형태의 수집일 뿐입니다. 영구 메모를 반드시 나의 언어로 재구성하는 단계가, 제텔카스텐을 살아 있는 시스템으로 만드는 심장입니다.

AI는 무엇을 바꾸고 무엇을 바꾸지 못하는가

앞에서 AI 시대에도 적용되는 지식의 가치가 커진다고 했는데, 이 부분을 조금 더 정직하게 파고들고 싶습니다. AI는 분명 학습의 풍경을 크게 바꿉니다. 그러나 바꾸는 것과 바꾸지 못하는 것을 구분하는 것이 중요합니다.

AI가 바꾸는 것은 "정보에 접근하는 비용"입니다. 예전에는 어떤 개념을 알려면 책을 찾고 사람에게 묻고 한참 헤매야 했습니다. 이제는 즉시 설명을 받습니다. 단순 암기의 가치는 분명히 줄었습니다. 전화번호를 외우지 않게 된 것과 비슷합니다.

그러나 AI가 바꾸지 못하는 것은 "이해를 내 안에 짓는 과정"입니다. 앞서 말한 정보와 이해의 구분이 여기서 결정적입니다. AI는 정보를 무한히 제공하지만, 이해는 여전히 내 머릿속에서 재구성해야만 생깁니다. AI가 써준 글을 읽고 고개를 끄덕이는 것은 익숙함이지 숙달이 아닙니다.

오히려 새로운 위험이 생깁니다. AI가 매끄러운 답을 즉시 주기 때문에, 우리는 "이해했다"는 착각에 더 쉽게 빠집니다. 막힘 없이 답이 나오니 인출의 고통을 건너뛰게 되고, 인출이 없으면 기억도 이해도 굳지 않습니다. AI는 익숙함의 착각을 대량으로 생산하는 기계일 수 있습니다.

그래서 저는 AI를 쓸 때 한 가지 규칙을 둡니다. AI에게 답을 받은 뒤, 반드시 창을 닫고 그 내용을 나의 언어로 한 번 재구성해 봅니다. 설명하지 못하면 이해한 것이 아닙니다. 또 AI의 답을 그대로 믿지 않고, "이 답이 내 상황의 어떤 전제에서 맞고 어디서 틀릴 수 있는가"를 따집니다. 이 판단을 하려면 결국 내 안에 작동하는 지식의 틀이 있어야 합니다.

요컨대 AI는 외부 기억과 초안 작성을 대신해 줍니다. 그러나 판단, 연결, 적용 — 즉 살아 있는 지식의 핵심 — 은 여전히 사람의 몫이고, 그 몫은 AI 시대에 줄어들기는커녕 더 귀해집니다.

깊이와 넓이: T자형 지식

창의성이 연결에서 나온다면, 넓게 아는 것이 무조건 좋은 것 아니냐는 생각이 들 수 있습니다. 절반은 맞습니다. 연결할 재료가 다양할수록 새로운 조합의 가능성이 커지니까요. 그러나 넓이만으로는 부족합니다. 깊이 없는 넓이는 얕은 잡학이 되기 쉽습니다.

그래서 자주 권장되는 모양이 T자형 지식입니다. 세로획은 한 분야의 깊은 전문성을, 가로획은 여러 분야에 걸친 폭넓은 교양을 뜻합니다. 깊은 세로획이 있어야 그 분야에서 진짜 문제를 풀 수 있고, 넓은 가로획이 있어야 다른 분야와 연결할 다리가 생깁니다.

왜 깊이가 먼저 필요할까요? 한 분야를 깊이 파보면, 표면의 사실 아래 깔린 원리와 구조가 보입니다. 그리고 바로 그 원리 수준에서야 다른 분야와의 유사성이 드러납니다. 예를 들어 분산 시스템의 합의 알고리즘을 깊이 이해한 사람은, 사람들 사이의 의사결정이나 팀의 합의 과정에서 같은 구조를 발견합니다. 표면만 아는 사람에게는 이 둘이 전혀 무관해 보입니다. 깊이가 연결의 해상도를 높이는 것입니다.

제 경험으로는, 하나라도 끝까지 파본 경험이 있는 사람은 새로운 분야를 배울 때도 "끝까지 판다는 것이 어떤 느낌인지"를 압니다. 그 메타 감각 자체가 전이됩니다. 그래서 저는 넓게 기웃거리기 전에, 적어도 한 분야에서는 바닥을 쳐보는 경험을 권합니다.

지식의 모양	특징	한계
I자형 (깊이만)	한 분야 전문가	연결할 다리가 부족
일자형 (넓이만)	박학다식	깊은 문제 해결력 부족
T자형 (깊이 + 넓이)	전문성 위에 연결	의도적 노력이 필요

제약이 창의성을 키운다

창의적 연결을 늘리려면 재료와 시간이 필요하다고 했는데, 의외의 세 번째 요소가 있습니다. 바로 제약입니다. 무한한 자유가 창의성을 낳을 것 같지만, 실제로는 적절한 제약이 더 독창적인 해법을 끌어냅니다.

빈 종이에 "무엇이든 그려보라"고 하면 대부분 막막해합니다. 그러나 "세 가지 색만 써서 외로움을 표현하라"고 하면 갑자기 아이디어가 쏟아집니다. 제약은 무한한 가능성의 바다를 풀 수 있는 크기로 좁혀 줍니다. 그리고 그 좁은 틀 안에서 우리는 평소라면 시도하지 않았을 우회로를 찾게 됩니다.

이것은 지식의 적용에도 그대로 적용됩니다. "이 개념을 어디든 써보라"는 막막하지만, "이 개념을 오늘 점심 약속을 정하는 데 써보라"처럼 좁히면 갑자기 구체적인 연결이 보입니다. 제가 학습 루틴에서 "작더라도 실제로 써본다"를 강조하는 이유도 여기 있습니다. 작게 좁힌 적용 과제가 오히려 적용을 쉽게 만듭니다.

그래서 새로운 지식을 만났을 때 저는 일부러 좁은 질문을 던집니다. "이걸 내가 지금 하는 이 프로젝트의 이 한 부분에 쓴다면?" 범위를 좁힐수록 적용은 추상에서 구체로 내려오고, 죽은 지식이 살아날 통로가 열립니다.

흔한 함정 더 깊이 들여다보기

앞에서 수집 중독, 하이라이트의 착각, 도구 집착을 다뤘습니다. 여기서는 더 미묘해서 알아채기 어려운 함정 몇 가지를 덧붙입니다.

함정 4: 수동적 소비의 안락함

영상 강의를 1.5배속으로 보고, 오디오북을 들으며 설거지를 하는 것은 효율적으로 보입니다. 그러나 수동적 소비는 익숙함만 키울 뿐 숙달로 가지 않습니다. 흘러가는 정보를 받기만 하면 인출의 근육은 한 번도 쓰이지 않습니다. 강의를 들었다면, 끝난 뒤 반드시 멈추고 "방금 들은 것의 핵심 세 가지"를 떠올려 적어야 비로소 소비가 학습으로 바뀝니다.

함정 5: 완벽한 시작을 기다리기

"제대로 정리된 시스템을 갖춘 다음 시작하겠다"는 마음은 흔한 미루기의 가면입니다. 완벽한 노트 구조, 완벽한 학습 계획을 갖추기를 기다리는 동안 정작 배움은 일어나지 않습니다. 어설프더라도 오늘 배운 것 하나를 지금 적용하는 것이, 완벽한 시스템을 갖추고 내일 시작하는 것보다 낫습니다.

함정 6: 진보감과 진보의 혼동

체크리스트에 표시하고, 책을 다 읽었다고 기록하고, 강의 완료 배지를 받는 것은 기분이 좋습니다. 그러나 그것은 진보의 신호이지 진보 그 자체가 아닙니다. 진짜 진보는 "전에는 못 풀던 문제를 이제 푼다", "전에는 설명 못 하던 것을 이제 설명한다"로만 측정됩니다. 측정 지표를 활동량이 아니라 능력의 변화로 잡아야 합니다.

이 모든 함정의 공통점은 "노력하는 느낌"과 "실제 학습"을 혼동한다는 것입니다. 정직한 학습자는 끊임없이 묻습니다. "지금 이 활동은 익숙함을 키우고 있는가, 숙달을 키우고 있는가?"

의도적 연습: 그냥 반복과 무엇이 다른가

"적용해 본다"는 말을 여러 번 했는데, 모든 반복이 같은 가치를 갖는 것은 아닙니다. 심리학자 안데르스 에릭손의 연구가 보여준 핵심은, 단순한 반복이 아니라 의도적 연습(deliberate practice)이 실력을 끌어올린다는 것입니다. 둘의 차이를 아는 것이 적용을 진짜 성장으로 바꾸는 열쇠입니다.

운전을 30년 했다고 카레이서가 되지는 않습니다. 같은 동작을 자동화된 채로 반복하면, 어느 수준에서 실력은 고원(plateau)에 머뭅니다. 반면 의도적 연습은 일부러 자신의 한계 바로 바깥 지점을 겨냥합니다. 지금 막 안 되는 것, 조금 어려운 것을 골라 집중적으로 반복하고, 매번 피드백을 받아 교정합니다.

의도적 연습의 요소를 정리하면 이렇습니다.

구체적 목표: "잘하기"가 아니라 "이 한 가지 동작을 정확히"처럼 좁고 명확한 목표를 세운다.
편안함 바깥: 이미 되는 것을 반복하지 않는다. 막 안 되는 지점을 의도적으로 고른다.
즉각적 피드백: 무엇이 맞고 틀렸는지 빨리 안다. 피드백이 없으면 잘못된 동작을 굳힐 뿐이다.
반성적 수정: 피드백을 보고 다음 시도를 바꾼다. 같은 실수를 반복하지 않는다.

저는 탁구에서 이것을 절감했습니다. 그냥 게임만 즐기던 시절에는 1년이 지나도 늘지 않았습니다. 그런데 "오늘은 백핸드 한 동작만, 영상으로 찍어 자세를 확인하며" 같은 의도적 연습으로 바꾸자 몇 주 만에 변화가 왔습니다. 학습도 똑같습니다. 이미 아는 개념을 다시 읽는 편안한 반복 대신, 막히는 지점을 골라 인출하고 설명하고 피드백받는 것 — 그것이 지식판 의도적 연습입니다.

적용하지 않는 지식의 진짜 비용

마지막으로, 적용하지 않는 지식이 단순히 "효과가 없는" 정도가 아니라 실제로 비용을 발생시킨다는 점을 짚고 싶습니다. 많은 사람이 수집을 무해한 취미로 여기지만, 사실 거기에는 보이지 않는 대가가 따릅니다.

첫째, 기회비용입니다. 읽지도 않을 아티클을 정리하고 도구를 옮겨 다니는 시간은, 하나라도 제대로 적용해 볼 수 있었던 시간을 빼앗습니다. 모으는 데 쓴 한 시간은 만드는 데 쓰지 못한 한 시간입니다.

둘째, 인지적 부담입니다. 읽지 않은 자료가 쌓인 폴더, "언젠가 해야 할" 강의 목록은 끊임없이 마음 한구석을 누릅니다. 끝내지 못한 일이 주의를 붙잡는 현상은 잘 알려져 있습니다. 미완의 수집은 죄책감이라는 형태로 정신적 비용을 청구합니다.

셋째, 가짜 안도감입니다. 가장 교묘한 비용입니다. "이 주제는 자료를 모아뒀으니 어느 정도 안다"는 착각은, 정작 그 주제를 진짜로 공부할 동기를 빼앗습니다. 저장은 학습을 미루는 가장 우아한 핑계가 됩니다.

그래서 저는 새 자료를 저장하려 할 때마다 한 가지를 자문합니다. "이걸 저장한 뒤 실제로 적용할 구체적 계획이 있는가? 없다면, 지금 저장은 미래의 나에게 빚을 떠넘기는 것 아닌가?" 이 질문 하나가 무의미한 수집을 상당히 줄여 주었습니다. 모으지 않는 것도 하나의 능력입니다.

지식은 사건이 아니라 습관이다

마지막으로 관점 하나를 바꾸고 싶습니다. 우리는 흔히 배움을 사건으로 생각합니다. "이 책을 다 읽었다", "이 강의를 수료했다"처럼 끝이 있는 일로 여깁니다. 그러나 살아 있는 지식의 관점에서 배움은 사건이 아니라 습관입니다. 끝나는 것이 아니라 계속 이어가는 것입니다.

이 글 전체를 관통하는 주제가 바로 그것입니다. 지식은 모아서 완성하는 창고가 아니라, 끊임없이 인출하고 연결하고 적용하며 키워가는 정원에 가깝습니다. 정원은 한 번 만들고 끝나지 않습니다. 물을 주지 않으면 시들고, 가꾸면 자랍니다. 망각 곡선이 가르쳐준 것처럼, 돌보지 않은 지식은 조용히 사라집니다.

그래서 저는 거창한 목표 대신 작은 습관 하나를 권합니다. 매일 단 하나, 그날 배운 것을 어딘가에 적용해 보는 것입니다. 코드 한 줄, 대화 한 번, 외국어 표현 하나, 글 한 단락이면 충분합니다. 중요한 것은 크기가 아니라 매일 다리를 건넌다는 사실입니다. 정보에서 적용으로 가는 그 다리를 매일 한 번씩 건너는 사람과, 영원히 강 이쪽에서 자료만 쌓는 사람의 차이는 시간이 지날수록 복리로 벌어집니다.

습관이 되면 적용은 더 이상 의지력의 문제가 아니게 됩니다. 새로운 것을 배우면 자동으로 "이걸 어디에 써볼까"를 묻는 사람이 됩니다. 그때 비로소 학습은 노력에서 본성으로 바뀝니다. 그것이 제가 도달하고 싶은, 그리고 여러분께 권하고 싶은 학습자의 모습입니다.

자가 점검 체크리스트

이번 주에 배운 것 중 하나라도 실제로 적용해 보았는가?
저장만 하고 들여다보지 않은 자료가 쌓이고 있지 않은가?
새 개념을 나의 언어로 다시 설명할 수 있는가?
서로 다른 분야의 지식을 연결해 본 적이 있는가?
새 지식을 배울 때 기존에 아는 것과 매핑하는가?
입력과 출력의 비율이 한쪽으로 지나치게 기울어 있지 않은가?

자주 묻는 질문

Q. 적용할 기회가 없는 지식은 어떻게 하나요?

작게라도 시뮬레이션하세요. 실제 프로젝트가 없다면, 가상의 시나리오를 만들어 "이 개념을 여기 쓴다면 어떻게 될까"를 글로 써보는 것만으로도 인출과 적용의 효과가 생깁니다.

Q. 메모를 많이 하는데도 기억에 안 남습니다.

메모가 "복사"에 가깝기 때문일 수 있습니다. 원문을 옮겨 적는 대신, 자료를 덮고 나의 언어로 재구성해 보세요. 인출이 들어가야 기억이 굳습니다.

Q. 창의성은 타고나는 것 아닌가요?

연결의 재료(지식)와 연결할 시간을 의도적으로 늘리면 창의적 연결의 빈도가 올라갑니다. 창의성은 신비한 재능이라기보다 충분히 훈련 가능한 습관에 가깝습니다.

Q. 시간이 부족한데 인출이며 재구성까지 다 하기는 무리입니다.

오히려 시간이 부족할수록 인출이 이득입니다. 다시 읽기는 시간을 많이 쓰고도 익숙함만 남기지만, 한 번의 인출은 짧은 시간에 기억을 강하게 굳힙니다. 입력의 양을 줄이고 출력의 밀도를 높이는 편이, 같은 시간으로 훨씬 많이 남깁니다. 적게 배우고 제대로 적용하는 것이 많이 읽고 다 잊는 것보다 낫습니다.

Q. AI에게 요약을 시키면 학습 시간을 아낄 수 있지 않나요?

AI 요약은 정보 접근을 빠르게 해주지만, 그 요약을 읽는 것만으로는 이해가 생기지 않습니다. AI에게 요약을 받았다면, 그 요약을 다시 덮고 나의 언어로 재구성하는 단계를 반드시 넣으세요. 요약을 읽는 것은 입력이고, 그것을 다시 설명하는 것이 학습입니다. AI는 입력을 줄여줄 뿐, 학습 자체를 대신해주지는 못합니다.

마치며: 살아 있는 지식을 향하여

회의에서 아무 말도 못 했던 그날 이후, 저는 학습의 정의를 바꿨습니다. 이제 저에게 학습의 끝은 "저장"이 아니라 "적용"입니다. 무언가를 배웠다고 말하려면, 그것을 나의 언어로 설명할 수 있어야 하고, 새로운 문제에 끼워 쓸 수 있어야 합니다.

지식은 모으는 것이 아니라 살아 움직이게 하는 것입니다. 자기 것으로 소화하고, 기존의 그물망에 잇고, 다른 분야와 충돌시켜 새로운 것을 만들 때, 비로소 지식은 무기력에서 깨어납니다. AI가 정보를 무한히 제공하는 시대일수록, 그 정보를 살아 있는 지식으로 바꾸는 사람의 가치는 줄지 않고 오히려 커집니다.

오늘 배운 것 하나를 골라, 작게라도 적용해 보세요. 그 한 번의 적용이 죽은 정보를 살아 있는 지식으로 바꾸는 첫걸음입니다.

"들은 것은 잊고, 본 것은 기억하며, 직접 해본 것은 이해한다."

참고 자료

Whitehead, A. N. The Aims of Education and Other Essays. Macmillan, 1929.
Brown, P. C., Roediger, H. L., & McDaniel, M. A. Make It Stick: The Science of Successful Learning. Harvard University Press, 2014.
Johansson, Frans. The Medici Effect. Harvard Business Review Press, 2004.
Roediger, H. L., & Karpicke, J. D. "Test-Enhanced Learning." Psychological Science, 2006. ncbi.nlm.nih.gov
"The Feynman Technique: The Best Way to Learn Anything", Farnam Street. fs.blog
"Why Constraints Are Good for Innovation", Harvard Business Review. hbr.org
Ahrens, Sönke. How to Take Smart Notes. 2017. jamesclear.com