시험 끝나고 학생에게 “질문 있어?”라고 물으면 대개 조용하다.

오래 그게 이해가 안 됐다. 모르는 게 없을 리 없는데. 그런데 어느 날 방식을 바꿔봤다.

“질문 없어도 돼. 대신 이 지문에 대해 선생님한테 되물을 질문 하나만 만들어봐.”

그러자 교실이 조용해지는 방식이 달라졌다. 아까는 할 말이 없어서 조용했다면, 이번엔 뭔가 하려는데 안 돼서 조용했다.

그때 생각이 바뀌었다. 질문이 없어서 조용한 것과 질문을 못 만들어서 조용한 것은 다르게 생겼다. 물론 그냥 빨리 집에 가고 싶어서일 수도 있다. 그건 내가 알 수 없다. 다만 그날 이후로 나는 “질문 있어?” 대신 “되물을 질문 하나 만들어봐”를 쓴다. 적어도 무엇 때문에 조용한지는 구분이 되니까.

그리고 이건 학생만의 이야기가 아니다.

한 줄 답: 질문은 몰라서 하는 게 아니라 내 생각의 빈칸을 드러내려고 하는 것입니다. 답을 받는 일이 쉬워질수록 판단은 되묻는 능력에서 갈립니다. 정의·기준·비교·반례·원인·적용·가치 — 이 일곱 개 중 두 개만 던져도 대부분의 그럴듯함이 걸러집니다.

답이 흔해진 시대의 이상한 결과

과학기술정보통신부가 2026년 3월 발표한 2025년 인터넷이용실태조사에 따르면, 생성형 AI 서비스를 경험해 봤다는 응답은 2024년 33.3%에서 2025년 44.5%로 11.2%포인트 올랐다. 전국 22,671가구·가구원 50,750명을 조사했다.

여기서 조심할 게 두 가지 있다. 하나, 이 문항의 응답 대상은 조사에 참여한 전체 가구원이 아니라 일정 연령 이상 이용자다. 그러니 “국민의 절반”으로 읽으면 안 된다. 둘, ‘경험’은 직접 물어본 경우만이 아니라 번역이나 요약처럼 서비스에 얹혀 쓴 경우까지 포함한다.

그래도 방향은 분명하다. AI가 준 답을 읽는 일이 이제 예외가 아니라 기본값이 되어가고 있다.

그런데 여기서 이상한 일이 생긴다. 답을 얻는 비용이 0에 가까워지면, 답을 검토하는 일이 상대적으로 비싸진다.

예전에는 답 하나를 얻는 데 시간이 들었다. 검색하고, 몇 페이지 열어보고, 서로 다른 말을 비교했다. 그 과정 자체가 검토였다. 힘들었지만 그 힘듦이 우리를 지켜주고 있었다.

지금은 3초면 답이 온다. 검토 과정이 통째로 빠졌다. 그리고 적어도 나는, 답을 얻는 데 걸린 시간으로 그 답의 무게를 재는 버릇이 있다. 오래 걸려서 찾은 답은 신중하게 다루고, 쉽게 온 답은 쉽게 삼킨다.

그래서 필요해진 것이 되묻기다. 사라진 검토 과정을 질문 형태로 다시 집어넣는 것.

질문은 답을 얻기 위한 게 아니다

여기서 하나 정리하고 가자. 우리는 질문을 “모르는 걸 채우는 도구”로 배웠다. 그런데 되묻는 질문의 목적은 다르다.

되묻는 질문은 답을 얻으려고 하는 게 아니라, 내가 무엇을 모르는지 드러내려고 한다.

이게 왜 중요하냐면, 읽을 때 우리는 이해한 것과 이해한 것 같은 느낌을 잘 구분하지 못하기 때문이다. 매끄러운 문장을 읽으면 이해한 느낌이 든다. 그 느낌은 이해와 상당히 비슷하게 생겼다.

그런데 질문을 하나 만들어보라고 하면 그 둘이 갈라지는 편이다. 이해한 사람은 대개 질문이 나오고, 이해한 느낌만 있는 사람은 잘 안 나온다.

그러니까 질문이 안 만들어지는 건 부끄러운 일이 아니라 유용한 진단이다. 나는 이걸 학생들에게 이렇게 말한다. “질문이 안 나오면 아직 그 글을 못 다룬 거야. 그거 알아낸 것만으로 오늘 성공이야.”

되묻는 질문 7가지

일곱 개다. 다 쓸 필요는 없다. 대개 두세 개면 충분하고, 어떤 답에 무엇이 필요한지는 몇 번 해보면 감이 온다.

질문	던질 말
정의	그 말이 정확히 뭐지?
기준	어느 정도부터 그렇다고 하지?
비교	무엇과 비교한 거지?
반례	안 통하는 경우는?
원인	정말 그것 때문인가?
적용	내 상황에도 맞나?
가치	누구에게 좋은 이야기인가?

하나씩 보자.

1. 정의 — “그 말이 정확히 무엇을 뜻하는가”

가장 자주 필요하고 가장 자주 건너뛴다.

“이 제품은 친환경입니다.” 친환경이 뭔가. 재료가 그런가, 공정이 그런가, 포장이 그런가. “전문가들이 추천합니다.” 어떤 분야의 누구인가.

정의 질문이 강한 이유는, 말이 클수록 정의가 흐리기 때문이다. 그리고 흐린 정의는 나중에 아무 뜻으로나 쓰인다.

2. 기준 — “어느 선을 넘으면 그렇게 되는가”

좋다, 많다, 빠르다, 효과적이다 같은 말이 나오면 이걸 던진다.

“효과가 좋습니다” → 어느 정도 차이가 나야 ‘좋다’고 부르는가. 5%인가 50%인가. “대부분이 만족했습니다” → 대부분이 몇 퍼센트인가, 몇 명 중 몇 명인가.

기준 질문의 좋은 점은 막연한 인상을 숫자로 바꿔준다는 것이다. 그리고 숫자로 바뀌는 순간, 그 숫자가 큰지 작은지를 내가 판단할 수 있게 된다.

3. 비교 — “무엇과 비교한 결과인가”

모든 우위 주장에는 숨은 비교 대상이 있다. 그리고 그 대상은 대개 말해주지 않는다.

“30% 더 저렴합니다” → 무엇보다. “속도가 두 배입니다” → 어떤 조건에서 무엇에 비해.

비교 대상을 물으면 종종 답이 이상해진다. 자사 구형 모델과 비교했거나, 특수한 조건에서 측정했거나. 비교 대상을 고르는 것 자체가 이미 주장이다.

4. 반례 — “이게 성립하지 않는 경우는 무엇인가”

일곱 개 중 하나만 쓰라면 나는 이걸 고른다.

내 경험으로는 이 질문 하나에서 가장 많은 과장이 걸러졌다. 튼튼한 주장은 반례를 대도 조건이 이미 붙어 있고, 과장된 주장은 그제야 조건이 붙기 시작한다. 조건이 언제 등장하는지를 보는 것이다.

AI에게 쓸 때 특히 유용하다. “이 방법이 통하지 않는 경우를 알려줘”라고 하면, 방금 전 매끄러웠던 답에 갑자기 단서가 여러 개 붙는다. 그중 상당수는 처음부터 있어야 했던 것들이다. 물론 되물음에 반응해 급히 만들어낸 것도 섞인다. 그래서 붙은 단서가 확인 가능한 형태인지를 함께 봐야 한다.

하나 덧붙이면 — 숫자나 인용이 나왔을 때는 위 일곱 개보다 먼저 던질 게 있다. “이거 몇 명 대상이고, 언제 자료야?” 출처·표본·시점은 일곱 개 어디에도 안 들어가는 별도 축이다. AI가 준 답이라면 특히 그렇다. 솔직히 말하면 나도 이 글 앞부분에서 그 질문을 나 자신에게 늦게 던졌다. 통계를 인용해놓고 응답 대상이 누구인지를 나중에야 확인했다.

5. 원인 — “정말 그것 때문인가”

두 가지가 같이 나타나는 것과, 하나가 다른 하나를 만드는 것은 다르다.

“이걸 쓴 사람들이 성적이 올랐다” → 이걸 써서 오른 건가, 원래 열심히 하는 사람들이 이걸 쓴 건가. 순서가 뒤집혀 있을 수도 있고 제3의 원인이 있을 수도 있다.

이건 앞선 글에서 수능 오답 함정 2위가 인과역전이었던 것과 같은 이야기다. 원인과 결과를 바꿔 놓는 건 가장 오래되고 가장 잘 먹히는 방식이다.

6. 적용 — “내 상황에도 해당하는가”

여기서 많이 미끄러진다. 맞는 말인데 나에게는 안 맞는 경우.

조건이 다르면 결론도 다르다. 대상이 다르거나, 규모가 다르거나, 시점이 다르면. “일반적으로 유리합니다”가 참이어도 내 조건에서 참인지는 별개다.

이 질문은 특히 계약과 제도 앞에서 중요하다. 약관에서 조건 하나에 걸려 결론이 뒤집히는 것이 정확히 이 문제다.

7. 가치 — “이건 누구에게 좋은 이야기인가”

마지막은 관점 읽기와 이어진다.

사실 판단이 끝나도 남는 게 있다. 이 결론이 누구의 이익에 봉사하는가. 그리고 나는 그 방향에 동의하는가.

이 질문이 마지막인 이유가 있다. 앞의 여섯 개는 참인지를 묻고, 이건 그래서 어떻게 할지를 묻는다. 판단에서 결정으로 넘어가는 자리다.

적어도 네 개는 데이터에서 나왔다

일곱 개 전부를 근거로 뒷받침할 생각은 없다. 어디서 왔는지 정직하게 나누겠다.

수능 국어 13년치 720문항을 분석한 글에서, 오답이 사람을 속이는 방식 상위 세 가지가 맥락이탈·인과역전·유사어혼동이었다고 썼다. 셋이 합쳐 약 39%였다.

그 셋을 깨는 질문을 보면 이렇게 된다.

유사어혼동 — 비슷하지만 다른 말로 바꿔놓은 것. → 정의. 그 말이 정확히 뭔가.

인과역전 — 원인과 결과를 뒤집은 것. → 원인. 정말 그것 때문인가.

맥락이탈 — 조건을 떼어낸 것. → 반례가 먼저고, 그다음이 기준과 적용이다. 그 조건이 없으면 성립하지 않는 경우가 무엇인가, 어느 선까지인가, 내 경우에도인가.

나머지 둘 — 비교와 가치 — 는 기출에서 나온 게 아니다. 학원을 운영하면서 견적서와 약관을 읽다가 붙인 것이다.

정리하면 이렇다. 다섯 개는 기출 분석에서, 두 개는 현장에서 왔다. 정의·원인·반례·기준·적용은 시험 문제의 함정 구조에서 나왔고, 비교와 가치는 약관과 견적서와 광고 문구를 읽다가 붙었다.

시험 문제를 푸는 도구와 약관을 읽는 도구가 겹치는 이유가 여기 있다. 함정의 구조가 같으면 그것을 깨는 질문도 같다.

AI에게 되물을 때의 요령 하나

“더 자세히 알려줘”는 되묻기가 아니다. 분량만 늘어난다.

되묻기는 받은 답의 특정 부분을 겨냥해 조건을 좁히는 일이다. 차이를 보면 분명하다.

• ✗ “좀 더 설명해줘” → 같은 이야기가 길어진다
• ✓ “이 주장이 성립하지 않는 경우 세 가지를 알려줘” → 판단 재료가 생긴다
• ✗ “정말이야?” → 대체로 그렇다고 한다
• ✓ “이 수치는 몇 명을 대상으로 조사한 것이고, 언제 자료야?” → 확인 가능한 것이 나온다

분량과 재료는 다르다. 우리에게 필요한 건 재료다.

그리고 하나 더. 되물으면 답은 대개 조심스러워진다. 그런데 이걸 “원래 미묘한 문제였구나”로 읽으면 안 된다. AI는 반박이나 되물음을 받으면 그 주장이 맞든 틀리든 일단 물러서는 성향이 있다. 맞는 답에 “정말이야?”라고 물어도 조건이 붙는다.

그러니 조심스러워진 답에서 봐야 할 건 태도가 아니라 내용이다. 확인 가능한 조건이 새로 붙었으면 재료가 생긴 것이고, “상황에 따라 다릅니다” 정도로 물러섰을 뿐이면 아무것도 얻지 못한 것이다. 둘은 완전히 다르다.

오늘 할 수 있는 것

일곱 개를 외우지 않아도 된다. 나도 매번 다 쓰지 않는다.

오늘 받은 답이나 읽은 기사 하나를 골라 질문 두 개만 적어보자. 하나는 반례, 하나는 기준으로.

• “이게 성립하지 않는 경우는?”
• “어느 정도부터 그렇다고 하는 거지?”

답을 찾지 않아도 된다. 질문 두 개가 만들어지는지 확인하는 것만으로 충분하다. 만들어지면 그 내용을 다루고 있는 것이고, 안 만들어지면 아직 아닌 것이다. 어느 쪽이든 아까보다 정확히 알게 된다.

그게 이해에서 판단으로 넘어가는 가장 짧은 다리다.

---

근거에 대하여 — 생성형 AI 이용 경험률은 과학기술정보통신부 「2025 인터넷이용실태조사」 결과에 따른 것으로, 2024년 33.3%에서 2025년 44.5%로 11.2%포인트 늘었다. 조사는 전국 22,671가구·가구원 50,750명을 대상으로 했다. 다만 이 문항의 응답 대상이 조사 가구원 전체인지 일정 연령 이상 이용자인지는 공개된 자료에서 확인되지 않아, 이 글은 절대 수준이 아니라 증가 추세만 근거로 삼았다. 질문 생성 훈련의 학습 효과를 다룬 해외 메타분석이 존재하지만, 원문을 직접 확인하지 못했고 일부 하위 집단의 사례 수가 매우 적어 수치를 인용하지 않았다. 일곱 가지 질문은 학술 분류가 아니라 수업과 기출 분석, 약관 읽기 경험에서 정리한 목록이다.

이 글은 thinkwith의 자체 조사·집계로 작성되었습니다. 출처: 답을 받은 다음이 진짜다 — 되묻는 질문 7가지 — thinkwith

자주 묻는 질문

재질문 생성이 무엇인가요?

답을 받은 뒤에 그 답을 향해 다시 던지는 질문을 만드는 일입니다. 처음 던지는 질문은 모르는 것을 채우려는 질문이지만, 되묻는 질문은 받은 답에 무엇이 빠졌는지를 드러내려는 질문입니다. 판단은 대개 첫 답이 아니라 두 번째 질문에서 갈립니다.

되묻는 질문 7가지는 무엇인가요?

정의·기준·비교·반례·원인·적용·가치입니다. 정의는 그 말이 정확히 무엇을 뜻하는지, 기준은 어느 선을 넘으면 그렇게 되는지, 비교는 무엇과 비교한 결과인지, 반례는 이것이 성립하지 않는 경우가 있는지, 원인은 정말 그것 때문인지, 적용은 내 상황에도 해당하는지, 가치는 누구에게 좋은 이야기인지를 묻습니다. 일곱 개를 다 쓸 필요는 없고 대개 두세 개면 충분합니다.

왜 질문이 사고의 빈칸을 드러낸다고 하나요?

질문을 만들려면 무엇을 모르는지 먼저 알아야 하기 때문입니다. 답만 읽을 때는 이해한 것과 이해한 것 같은 느낌이 잘 구분되지 않습니다. 그런데 그 답에 되물을 질문을 하나 만들어 보라고 하면 갑자기 어려워집니다. 질문이 만들어지지 않는다는 것은 대개 그 내용을 다루지 못하고 있다는 신호입니다.

AI에게 되묻는 것과 그냥 다시 물어보는 것은 어떻게 다른가요?

다시 물어보는 것은 같은 질문을 반복해 더 긴 답을 받는 일이고, 되묻는 것은 받은 답의 특정 부분을 겨냥해 조건을 좁히는 일입니다. 더 자세히 알려달라고 하면 분량이 늘고, 이 주장이 성립하지 않는 경우를 알려달라고 하면 판단 재료가 늘어납니다. 분량과 재료는 다릅니다.

되묻는 질문 중 가장 먼저 쓸 것 하나를 고르면 무엇인가요?

반례입니다. 이것이 성립하지 않는 경우는 무엇인지 묻는 질문 하나로 대부분의 과장이 걸러집니다. 그다음이 기준입니다. 좋다·많다·빠르다 같은 말이 나왔을 때 어느 선을 넘으면 그런지 물으면 막연한 인상이 숫자로 바뀝니다.

질문을 많이 하면 결정이 더 늦어지지 않나요?

되묻기는 정보를 늘리려는 절차가 아니라 판단 지점을 찾으려는 절차라 오히려 결정을 앞당깁니다. 정보를 더 모아서 결정하려 하면 끝이 없지만, 반례 하나와 기준 하나를 확인하면 대개 결론이 나옵니다. 결정을 미루게 만드는 것은 정보 부족보다 기준 부재인 경우가 많습니다.

아이나 학생에게도 같은 방법을 쓸 수 있나요?

쓸 수 있고, 오히려 더 잘 듣습니다. 다만 일곱 개를 외우게 하지 말고 하나만 주는 편이 낫습니다. 무엇을 배웠는지 묻는 대신, 오늘 배운 것에 대해 선생님께 되물을 질문을 하나 만들어보라고 하면 이해했는지가 훨씬 정확하게 드러납니다.

오늘 당장 무엇을 하면 되나요?

오늘 AI에게 받은 답이나 읽은 기사 하나를 골라 되묻는 질문을 두 개만 적어보세요. 하나는 반례, 하나는 기준으로 하면 됩니다. 답을 찾지 않아도 됩니다. 질문 두 개가 만들어지는지 확인하는 것만으로 그 내용을 다루고 있는지가 드러납니다.