독서토론이 곧 뉴스레터다 — 콜로퀴움 2026.06.10

한림대학교 미디어스쿨 콜로퀴움 · 2026.06.10

독서토론이 곧
뉴스레터다

글쓰기가 곧 미디어가 되는
AI 시대의 전공 수업 설계

발표 · 안창현 (Achmage)

오늘의 질문

AI 시대,
우리는 무엇을
«평가»받게 되는가?

결과물이 아니라 ‘과정’ — 그리고 그 과정은 어디에 남는가.

Part 0 · 도입

20년차 기자도
고전한
‘AI 시험’

SK AX AI 역량 인증 시험 — KBS 9시 뉴스 (2026.06.01)

Part 0 · 도입

SK가 만든 ‘AI 역량 인증 시험’이
9시 뉴스에 나왔습니다

KBS 뉴스9 — SK AX AI 역량시험 보도 장면 — **KBS 뉴스9** (2026.06.01) · “채용·승진 가르는 ‘AI 시험’…직접 쳐봤습니다”

Part 0 · 도입

9년차는 A, 20년차는 B —
다년차 KBS 기자들도 고전했습니다

방준원 기자

KBS · 2018년 입사(45기) · 9년차

김준범 기자

KBS · 2007년 입사(33기) · 20년차

≠

최고 등급은 S · 출처: KBS 뉴스9(2026.06.01), 나무위키 KBS NEWS 구성원

Part 0 · 도입

시험은 2단계 — 리터러시, 그리고 부트캠프

STEP 1 · AI 리터러시

생성형 AI 원리 이해부터 프롬프트 활용·일상 업무 적용까지. 실제 업무 맥락에서 문해력과 실행력을 평가.

STEP 2 · AI 부트캠프

RAG 시스템·AI 웹/앱 개발 실습을 거쳐 AI 에이전트를 직접 설계·개발하고 기술 평가로 인증.

SK AX AI 시험 보도 장면 — AI 활용 과정 자체를 채점한다 — KBS / SK AX

Part 0 · 도입

“코딩을 몰라도 풀 수 있습니다.
핵심은 주어진 문제를 얼마나
구조화하고 단계적으로 접근하느냐를
중점으로 평가하는 것입니다.”
— 윤성환 · SK AX AI시험 사업부 팀장

시험은 답이 아니라 ‘문제를 푸는 과정’을 본다.

한 문장으로

기업은 결과물이 아니라
‘AI를 쓰는 과정’을
채점하기 시작했습니다.

Part 0 · 도입

방송국 신입 PD도 곧 — 세 가지를 동시에 봅니다

비개발자 대상 AI 바이브 코딩 시험 — opencode 화면과 ‘비개발자용 시험’ 자막 — 비개발자도 **‘바이브 코딩’**으로 문제를 푸는 시대 — KBS 뉴스9

글쓰기 · 기획력

독자와의 관계를 설계하는 힘.

AI 구조화 능력

문제를 분해해 단계적으로 AI에 시키는 사고.

바이브 코딩 실행력

대시보드·팩트체크 앱을 직접 만들어 보이기.

Part 1 · 학계와 연구

학계는 이미
‘과정’을 봅니다

Nature · Frontiers · Wiley 설문 (2025–2026)

Part 1 · 학계와 연구

전 세계 연구자 4,946명 중,
실제로 AI를 연구에 쓴 사람은 1,043명뿐

1,043

— 실제로 AI를 연구에 써봤다 (21%)

“써봤다”는 응답조차 편집 28%, 초안 작성 8% 미만
(Nature 설문조사, 2025년 2월 기준)

AI로 논문을 써본 경험 설문 — 소수만 실제 사용 — “AI로 논문을 써봤는가” — 대부분 **안 해봤거나 안 쓰겠다**. Nature·Wiley 설문

출처: Wiley “전 세계 연구자 AI 활용 실태”(2025.02.04) · Nature

Part 1 · 학계와 연구

못 쓰는 이유의 66%는 실력이 아니라
‘교육·지침 부족’이었습니다

필요한 건 ‘AI 교육’ 44%

‘어디서 시작할지 모름’ 22%

그리고 대부분은
“원고·보조금·동료평가에서 곧 보편화될 것”이라 답했다.

대부분의 AI 활용이 몇 년 내 받아들여질 것이라는 전망 차트 — 대부분의 AI 활용은 **몇 년 내 받아들여질 것**으로 예상 — Nature

Part 1 · 학계와 연구

어디까지 허용되나 — 편집 90%, 번역 91%

AI 편집 허용도 차트 — 편집 — 초안은 사람이 쓰고 AI로 다듬기: 허용 90%

AI 번역 허용도 차트 — 번역 — 전체 번역에 AI 사용: 허용 91%

단, ‘프롬프트까지 공개하라’는 응답이 번역에선 42%. — 과정 공개 압력은 이미 시작됐다.

출처: Nature 설문(2025.05.14), 5,000여 명 · Dr Bloggs 시나리오

Part 1 · 학계와 연구

그러나 Methods·Results·Discussion은
‘절대 쓰지 말라’가 과반입니다

논문 섹션별 AI 사용 허용도 차트 — 섹션이 ‘결과’에 가까울수록 **Never appropriate** 비율이 치솟는다 — Nature

초록·서론엔 관대하지만,
생산성 보조, 판단은 사람.

Part 1 · 결정적 발견

AI를 ‘써본’ 사람일수록
AI 활용에 호의적이었다.
“respondents’ self-reported experience with AI for writing or reviewing papers did correlate strongly with having favourable opinions of the scenarios.”

— Nature 설문 분석 (2025.05.14)

태도를 가르는 건 찬반이 아니라 — 그리고 경험은 기록으로만 쌓인다.

Part 1 · Hao et al. 2026 (Nature)

AI를 ‘도구로 쓴’ 논문은 — 압도적으로 앞서갑니다

3.02×

논문 출판 편수

4.84×

피인용 횟수

−1.37년

팀장 승진까지 시간

1980–2025년 4,129만 편 분석 · “AI를 도구로 쓴 자연과학 논문” · Hao et al., Nature (2026.01)

역설

그런데 AI는 새로운 주제를 열기보다
‘기존 인기 주제’를
반복하게 만들었습니다.

새 논문조차 결국 ‘최초의 원본’만 인용한다 — 확산은 빨라지지만, 사유는 좁아진다.

핵심

관건은 ‘AI를 썼느냐’가 아니라
‘내 Original Data가 있느냐’였습니다.

Part 1 · 동료평가 (Peer Review)

단 7개월 만의 반전

2025년 5월 · Nature

“Peer review에 AI, 절대 반대” 52%

2025년 12월 · Frontiers

55%

“이미 동료평가에 AI를 쓰고 있다”
(전 세계 1,600여 명)

7개월

Part 1 · Frontiers 2025 종합 권고

학계의 처방은 6가지 — 전부 ‘과정’을 가리킵니다

투명성과 책임

언제·어디서·어떻게 AI를 썼는지 공개

AI 리터러시 교육

구조화된 교육·공인 프로그램

윤리·무결성

인간 책임·편향 테스트·재현성 감사

형평성·접근성

AI 역량에 공평한 접근 보장

커뮤니티 참여

정책 공동 수립·피드백 메커니즘

정책 리더십

글로벌 표준 수립에 기여

반복되는 한 단어

‘과정’ 검증
‘과정’ 교육
‘과정’ 평가

그렇다면

그 ‘과정’은
어디에 저장합니까?

GPT 채팅창에? 새 창을 열 때마다 맥락은 초기화됩니다.
머릿속에? 생각날 때마다 처음부터 재구성해야 합니다.

Part 2 · 저널리즘 교육

저널리즘 교육은
어디로 가고 있나

ACEJMC · Columbia · USC · Columbia Journalism Review

Part 2 · ACEJMC (미국 저널리즘 인증)

졸업생 핵심 역량 — 결국 같은 네 가지

찾기

적절한 도구로 이미지와 정보를 효과적으로 제시한다

평가

비판적 사고로 연구를 수행하고 정보를 평가한다

검증

정확성·공정성·명확성과 기본 수치·통계를 비판적으로 검증한다

표현

대상·목적에 맞게 정확하고 명확하게 글을 쓴다

그런데

이 역량은 전부
‘기록하는 습관’ 없이는
작동하지 않습니다.

Part 2 · Columbia Journalism School (CJS 2030)

Learn. Build. Critique.

자료를 찾고·모으고·분석하는 역량을 강조하며 —
“개인이 스스로 디지털 아카이브를 구축하라”고 명시한다.

데이터 저널리즘 = 단발성 프롬프트가 아니라 ‘자료·출처·분석·판단이 남는 작업 환경’.

Part 2 · USC AIMS × Columbia Journalism Review

18명의 기자에게 물었습니다 —
“당신은 AI를 어떻게 쓰는가”

기자들의 증언 · 01 / 04

“AI는 생산성을 위한 것이지,
글쓰기를 위한 것이 아니다.”
“As much as I believe that AI helps my productivity, I refuse to use it for writing.”

— Emilia David · VentureBeat

글쓰기를 AI에 넘기면 독자와의 관계도, 역량 자체도 사라진다.

기자들의 증언 · 02 / 04

그 자체로 AI는
눈속임(parlor trick)일 뿐이다.
“AI on its own is a parlor trick … useful when paired with properly structured data and someone who knows what they’re doing.”

— Zach Seward · The New York Times, AI 총괄

구조화된 데이터 + 도메인 지식이 있어야 AI가 작동한다 = PKM의 존재 이유.

기자들의 증언 · 03 / 04

AI는 손으로 여겨야지,
두뇌로 여겨선 안 된다.
“I don’t fear AI if it’s used as a hand, not a brain.”

— Susie Cagle

판단하는 두뇌는 사람이다 — AI에 맡기면 빨라지지만, 덜 인간적이고 덜 진실해진다.

기자들의 증언 · 04 / 04

똑똑하지만 헛소리도 잘하는 조수 —
내 원고와 인터뷰 녹취록을 먼저 올린 뒤에야 검증시킨다.
“I’ll upload sections of my book, along with interview transcripts … I would never ask it to write anything, though.”

— Nicholas Thompson · The Atlantic, CEO

인간의 1차 자료·기록이 있어야 AI가 비로소 일한다.

Part 2 · 공통 구조

AI를 잘 쓰는 기자들의 작업은 똑같은 모양입니다

01 · 인간

1차 자료를 만든다

취재·기록·글쓰기로 원본 데이터 생성

▶

02 · AI

보조한다

정리·검증·요약·번역 (AI는 ‘손’)

▶

03 · 인간

최종 판단·발행

“유일한 출처가 AI라면 보도하지 않는다”

Ben Welsh(Reuters)·Sarah Cahlan(WaPo)·Khari Johnson(CalMatters) — CJR “How We’re Using AI”(2025.05.12)

결론

AI를 잘 쓰는 기자일수록,
자신의 1차 자료를
체계적으로 축적합니다. = PKM

구조화된 개인 지식이 없는 사람에게 AI는 ‘parlor trick(눈속임)’에 그친다.

Part 2 · Northwestern University

‘Agentic Investigation Challenge’ — 지금 진행 중입니다

Northwestern Agentic Investigation Challenge — 상금과 일정 안내 — 상금 $5,000 · 마감 7/15 · 심사 8/15 — AI 활용 탐사보도 공모전

“AI로 취재한 기사 한 편”이 아니라,
AI를 어떻게 썼는지에 대한 모든 과정 기록을 통째로 제출하라.

Part 2 · 무엇을 제출하나

제출물 4종 — 결과물이 아니라 ‘과정’입니다

①

Agent Skills

재사용 가능한 AI 작업 절차 (디렉터리)

②

Findings (PDF)

외부 자료까지 결합한 발견 보고서

③

Interaction Traces (JSON)

입력·도구호출·출력·개입의 전체 로그

④

README.md

전체 구조를 잇는 마크다운 색인

출처: Agentic AI Investigative Journalism Challenge, Northwestern (2026.06 진행 중)

① Agent Skills

10번 돌려 9번 같은 결과를 내는,
‘재현 가능한 작업 절차’

한 번 쓰고 버리는 프롬프트가 아니라 — 구조화·저장된 지식 자산.

③ Interaction Traces

입력 · 도구호출 · 출력 —
그리고 ‘내가 개입해 바로잡은 순간’까지
전체 로그를 통째로.

채팅창을 닫으면 사라지는 방식으론 불가능 — 별도로 저장·관리하는 시스템이 필요하다.

결정타

파일로 안 남으면,
제출 자체가 불가능합니다.

GPT 웹 채팅 → traces 증발 ✗

로컬 기록 (PKM) → 그대로 제출 ✓

Part 3 · 기록

그래서, 결국
‘기록’입니다

과정을 평가하려면, 그 과정이 어딘가에 남아 있어야 한다.

Part 3 · 총정리

세 갈래가 한 곳을 가리킵니다

기업
SK AX
결과물이 아니라 문제를 구조화하고 푸는 과정을 평가

학계
Nature · Frontiers
‘썼다/안 썼다’를 넘어 프롬프트·작업 과정 공개로

저널리즘
Northwestern
취재·작업의 전 과정 기록·검증을 요구

공통점은 하나 — ‘과정’을 본다.

Part 3 · AI 활용의 진화

AI는 5단계로 진화했습니다 — 프롬프트에서 하네스까지

프롬프트 → CoT → MCP → 스킬스 → 하네스 & AI OS

같은 흐름의 다른 정리 — ‘나를 아는 AI’로 수렴

출처: 더베러 뉴스레터 220호

Part 3 · 국가 표준

국가 AI전략위가 ‘마크다운’을 표준 문서로 채택했습니다

국가인공지능전략위원회 보도자료 (2026.03.05)

마크다운 (Markdown/.MD)
“복잡한 서식 없이 제목·문단·목차를 단순 기호로 표현해 사람과 AI가 함께 읽기 쉬운 문서 방식.”

기존 한글 문서는 편집이 많아 AI가 구조를 인식하기 어렵다는 문제의식.

Part 3 · 기록의 ‘형태’

같은 파일 — 사람 눈엔 깔끔, AI 눈엔 깨짐

사람의 눈 (한글 .hwp)

AI의 눈 (메모장으로 열기)

=

Part 3 · 급소

문제는 기록의 존재가 아니라 기록의 형태입니다

흔한 항변 진짜 문제 (급소)

“한글·워드로 다 정리했는데?” 죽은 그릇 — AI가 못 읽습니다

“수첩·공책에 펜으로 적었는데?” 검색·재현·연결이 불가능합니다

“GPT 로그인하면 다 있는데?” 채팅창끼리는 서로 연결이 안 됩니다

‘기록이 있다’와 ‘AI가 읽을 수 있다’는 전혀 다른 이야기입니다.

Part 3 · 현장 — 26-1학기 오디세이세미나3

16명을 면담했습니다.
모두가 “AI도 쓰고,
기록도 한다”고 했습니다.

Part 3 · 면담 결과 — 공통점 3가지

“알고 있지만, 하지 않는다”

01
임시 저장소 수준
수첩·메모장·카톡 ‘나에게 보내기’. 경험은 있되 지식으로 변환하는 과정이 없다.

02
‘머릿속’에만 존재
관찰·취재는 풍부하나 과정이 안 남아—
포트폴리오는 ‘기억’으로 재구성.

03
인식 ≠ 실행
모두 필요성에 공감.
다만 어디서·어떻게 시작할지를 모른다.

핵심

“기억은 휘발되지만,
기록은 축적된다” —
의지가 아니라 ‘설계’의 문제입니다.

TL;DR · Markdown is all you need

기록이 없어서가 아닙니다.
그 기록이 마크다운이 아니라서,
AI가 못 읽어서 문제입니다.

Part 4 · 어떻게 저장하나

.md를
‘어떻게’ 저장하나

CMDS LLM Wiki · CMDS Vault · Achmage OS — 3중 아키텍처

Part 4 · 3중 아키텍처

핵심은 수집·이해·실행을 ‘분리’하는 것

수집
CMDS LLM Wiki
AI가 고품질 자료를 자동 수집 — 찾는 노력을 줄인다.

이해
CMDS Vault
내가 읽고·이해하고·직접 쓴 것만 (AI 절대 금지).

실행
Achmage OS
반복 제작을 단축·표준화하는 시스템.

수집·이해·실행을 섞지 않고 분리 관리한다

Part 4 · 세 공간이 하는 일

“모으는 곳 · 이해하는 곳 · 만들어 내는 곳”

세 가지 볼트, 쉽게 — 저장 / 모아 둠 / 실행

수집 ≠ 이해 ≠ 실행 — 역할이 다르다

LLM Wiki는 모으는 곳, Vault는 이해하는 곳, Achmage OS는 만들어 내는 곳.

Part 4 · 하루 작업 흐름

자료 수집 → 이해 여부 판단 → 축적 → 실행

수집·이해·실행을 분리하면 — 지식도 안 꼬이고, AI 실행도 안정된다

Part 4 · 학생 개인 뉴스룸으로 보면

자료수집 데스크 · 편집·독서 노트 · 제작 데스크

편집·독서 노트(Vault)에 가장 많은 시간을 써야 한다

LLM Wiki
편집장에게 자료를 수집·제공

Vault
읽기·검수·소화 — 시간 최다 투입

Achmage OS
제작 노가다↓, 내용 집중↑

핵심

도구가 아니라 —
“무엇을 위해, 어떤 지식을
왜 모으는가”입니다.

Part 5 · 10계명

도구가 아니라
사고의 원칙 —
“기록은 실천”

10 commandments — 기록하는 사람을 위한 원칙

기록은 실천입니다 · 1–5

1
단 한 줄이라도 직접 기록하라 — AI가 쓴 1,000줄보다 내가 쓴 한 줄.

2
관심 분야가 아니어도 10초 이상 정독했으면 스크랩.

3
폴더 분류가 아니라 #해시태그 분류로 사고하라.

4
노트는 갯수보다 밀도 — AI 2,400개 < 내가 쓴 24개.

5
엘리베이터에서 10초 안에 설명할 수 있을 만큼 내 말로.

기록은 실천입니다 · 6–10

6
‘나중에’는 없다 — 지금 당장 메모하고 마크다운으로 옮겨라.

7
기록은 습관이다 — 운동처럼, 매일 단 3줄이라도.

8
남에게 설명·공유·가르쳐라 — 그래야 ‘안다’는 확신이 생긴다.

9
AI와 나의 분업 — 수집·가공은 AI, 읽기·검수·분석은 나.

10
노트테이킹은 노트메이킹을 위한 과정 — 생각이 날 때까지 읽어라.

한림대학교 미디어스쿨 콜로퀴움 · 2026.06.10

독서토론이 곧
뉴스레터다

글쓰기가 곧 미디어가 되는 — 기록은, 실천입니다.

발표: 안창현 (Achmage) · 감사합니다

흔한 항변	진짜 문제 (급소)
“한글·워드로 다 정리했는데?”	죽은 그릇 — AI가 못 읽습니다
“수첩·공책에 펜으로 적었는데?”	검색·재현·연결이 불가능합니다
“GPT 로그인하면 다 있는데?”	채팅창끼리는 서로 연결이 안 됩니다

SK가 만든 ‘AI 역량 인증 시험’이9시 뉴스에 나왔습니다

9년차는 A, 20년차는 B —다년차 KBS 기자들도 고전했습니다

방준원 기자

김준범 기자

시험은 2단계 — 리터러시, 그리고 부트캠프

방송국 신입 PD도 곧 — 세 가지를 동시에 봅니다

글쓰기 · 기획력

AI 구조화 능력

바이브 코딩 실행력

전 세계 연구자 4,946명 중,실제로 AI를 연구에 쓴 사람은 1,043명뿐

못 쓰는 이유의 66%는 실력이 아니라‘교육·지침 부족’이었습니다

필요한 건 ‘AI 교육’ 44%

‘어디서 시작할지 모름’ 22%

어디까지 허용되나 — 편집 90%, 번역 91%

그러나 Methods·Results·Discussion은‘절대 쓰지 말라’가 과반입니다

AI를 ‘도구로 쓴’ 논문은 — 압도적으로 앞서갑니다

논문 출판 편수

피인용 횟수

팀장 승진까지 시간

단 7개월 만의 반전

“Peer review에 AI, 절대 반대” 52%

“이미 동료평가에 AI를 쓰고 있다”(전 세계 1,600여 명)

학계의 처방은 6가지 — 전부 ‘과정’을 가리킵니다

투명성과 책임

AI 리터러시 교육

윤리·무결성

형평성·접근성

커뮤니티 참여

정책 리더십

졸업생 핵심 역량 — 결국 같은 네 가지

AI를 잘 쓰는 기자들의 작업은 똑같은 모양입니다

1차 자료를 만든다

보조한다

최종 판단·발행

‘Agentic Investigation Challenge’ — 지금 진행 중입니다

제출물 4종 — 결과물이 아니라 ‘과정’입니다

Agent Skills

Findings (PDF)

Interaction Traces (JSON)

README.md

세 갈래가 한 곳을 가리킵니다

SK AX

Nature · Frontiers

Northwestern

AI는 5단계로 진화했습니다 — 프롬프트에서 하네스까지

국가 AI전략위가 ‘마크다운’을 표준 문서로 채택했습니다

같은 파일 — 사람 눈엔 깔끔, AI 눈엔 깨짐

문제는 기록의 존재가 아니라 기록의 형태입니다

“알고 있지만, 하지 않는다”

임시 저장소 수준

‘머릿속’에만 존재

인식 ≠ 실행

핵심은 수집·이해·실행을 ‘분리’하는 것

CMDS LLM Wiki

CMDS Vault

Achmage OS

“모으는 곳 · 이해하는 곳 · 만들어 내는 곳”

자료 수집 → 이해 여부 판단 → 축적 → 실행

자료수집 데스크 · 편집·독서 노트 · 제작 데스크

LLM Wiki

Vault

Achmage OS

SK가 만든 ‘AI 역량 인증 시험’이
9시 뉴스에 나왔습니다

9년차는 A, 20년차는 B —
다년차 KBS 기자들도 고전했습니다

전 세계 연구자 4,946명 중,
실제로 AI를 연구에 쓴 사람은 1,043명뿐

못 쓰는 이유의 66%는 실력이 아니라
‘교육·지침 부족’이었습니다

그러나 Methods·Results·Discussion은
‘절대 쓰지 말라’가 과반입니다

“이미 동료평가에 AI를 쓰고 있다”
(전 세계 1,600여 명)