ChatGPT와 Perplexity 함께 쓰는 법｜논리적 사고와 출처 검증을 동시에 잡는 AI 학습법

논리적 사고와 출처 검증을 동시에 잡는 ‘이중 스캐폴딩’ 학습법

AI를 하나만 잘 쓰는 시대에서, 여러 AI를 목적에 맞게 조율하는 시대로 AI에게 질문하면 답을 얻을 수 있습니다. 하지만 AI 시대의 학습에서 더 중요한 것은 어떤 AI에게 무엇을 맡길 것인가를 결정하는 능력입니다. AI가 너무 그럴듯하게 설명하기 때문에 틀린 정보도 맞는 것처럼 받아들이기 쉽다는 것입니다.

이를 흔히 ‘환각(Hallucination)’이라고 부릅니다. 그렇다면 어떻게 해야 할까요? AI를 사용하지 않는 것이 답일까요? 그렇지 않습니다. 오히려 중요한 것은 AI의 장점을 활용하면서 약점을 다른 도구로 보완하는 것입니다. 이때 활용할 수 있는 대표적인 조합이 ChatGPT와 Perplexity입니다.

두 도구를 단순히 비교해서 “어느 것이 더 좋은가?”를 묻는 것보다, “각각 어떤 역할을 맡기면 좋은가?”를 생각하는 것이 훨씬 생산적입니다. 이 글에서는 ChatGPT와 Perplexity를 하나의 팀처럼 활용하여 [생각하기 → 탐색하기 → 검증하기 → 다시 생각하기]라는 학습 구조를 만드는 방법을 살펴보겠습니다.

1. ChatGPT와 Perplexity는 경쟁자가 아니라 역할이 다른 도구입니다

AI 도구를 사용할 때 흔히 하는 실수가 있습니다. “ChatGPT와 Perplexity 중 무엇이 더 좋아요?” 하지만 이런 질문은 사실 크게 의미가 없습니다. 두 도구는 활용 목적에 따라 장점이 다르기 때문입니다. 쉽게 표현하면, ChatGPT는 ‘생각을 함께 구조화하는 파트너’, Perplexity는 ‘정보를 탐색하고 출처를 확인하는 리서치 파트너’, 로 활용할 수 있습니다.

물론 각각의 기능은 계속 발전하고 있고 서로 겹치는 영역도 많습니다. 하지만 학습의 관점에서 보면 역할을 나누어 사용하는 것이 매우 효과적입니다. 예를 들어 어떤 주제를 공부한다고 생각해보겠습니다. ChatGPT에서는 “이 주제를 어떤 관점에서 이해해야 할까?” 를 생각하고, Perplexity에서는 “이 주장을 뒷받침하는 실제 자료는 어디에 있을까?”를 확인하는 방식입니다. 즉, ChatGPT = 사고의 구조화, Perplexity = 정보의 탐색과 검증이라는 이중 구조를 만드는 것입니다.

2. 이것이 ‘이중 스캐폴딩’입니다

교육에서 스캐폴딩(Scaffolding)은 학습자가 혼자 해결하기 어려운 문제를 해결할 수 있도록 적절한 도움과 발판을 제공하는 것을 의미합니다. AI를 활용한 학습에서도 이러한 구조를 만들 수 있습니다. 그런데 AI 하나만 사용하는 것이 아니라 서로 다른 역할의 AI를 함께 사용하면 이중 스캐폴딩(Double Scaffolding) 구조를 만들 수 있습니다.

첫 번째 발판은 사고를 돕는 것입니다.

• “무엇을 질문해야 할까?”
• “어떤 관점으로 바라봐야 할까?”
• “논리를 어떻게 구성해야 할까?”

두 번째 발판은 정보를 확인하는 것입니다.

• “이 주장은 사실인가?”
• “근거가 있는가?”
• “누가 발표한 자료인가?”
• “언제 만들어진 자료인가?”

이 두 가지가 결합되면 [생각의 구조 + 사실의 근거]를 동시에 확보할 수 있습니다.

3. 첫 번째 원칙: 처음부터 검색하지 마라

의외로 중요한 원칙입니다. 어떤 주제를 공부할 때 무조건 검색부터 시작하지 않는 것입니다. 예를 들어 “AI가 교육을 어떻게 바꿀 것인가?”라는 주제가 주어졌다고 생각해보겠습니다. 처음부터 검색엔진에 질문하면 수많은 자료가 쏟아집니다.

문제는 자료가 많아질수록 오히려 무엇이 중요한지 판단하기 어려워진다는 것입니다. 따라서 먼저 ChatGPT와 대화하면서 문제의 구조를 잡는 것이 좋습니다. 예를 들어 이렇게 질문할 수 있습니다.

“AI가 교육에 미치는 영향을 공부하고 싶어. 아직 주제에 대한 지식이 많지 않아. 찬성과 우려의 관점을 나누고, 교육에서 가장 중요한 쟁점이 무엇인지 정리해줘. 단순한 결론을 제시하지 말고 내가 추가로 조사해야 할 질문을 만들어줘.”

이렇게 하면 AI가 답을 대신 만들어주는 것이 아니라 탐구의 질문을 만들어주는 역할을 하게 됩니다.

4. 두 번째 원칙: ChatGPT에게 ‘질문’을 만들게 하라

ChatGPT를 단순 답변기로 사용하는 대신 질문 생성기로 활용해보십시오. 예를 들어 기후변화를 공부한다면,

“기후변화에 대해 조사하기 전에 내가 생각하지 못했을 가능성이 높은 질문 10개를 만들어줘. 원인, 영향, 정책, 경제, 기술, 개인의 행동이라는 관점이 골고루 포함되도록 해줘.”

라고 요청할 수 있습니다. 이렇게 하면 학습자는 하나의 질문에서 출발해 여러 방향으로 사고할 수 있습니다. 그리고 그중 중요한 질문을 골라 실제 조사를 시작합니다. 이 과정이 중요합니다. AI에게 답을 받는 것보다 AI를 이용해 더 좋은 질문을 만드는 것이 학습에서는 더 큰 가치가 있기 때문입니다.

5. 세 번째 원칙: Perplexity에서는 ‘근거’를 찾는다

질문의 구조가 만들어졌다면 이제 Perplexity를 활용해 자료를 탐색할 수 있습니다. 예를 들어 ChatGPT와의 대화를 통해 “AI가 학생의 자기주도학습에 어떤 영향을 미치는가?” 라는 질문이 만들어졌다고 해보겠습니다. 이제 Perplexity에서 단순히 “AI 자기주도학습”이라고 검색하는 것보다 구체적으로 질문합니다.

“생성형 AI가 학생의 자기주도학습에 미치는 영향을 다룬 최근 연구를 찾아줘. 교육기관이나 학술연구를 우선적으로 제시하고, 각 주장마다 출처와 발표 연도를 함께 알려줘.”

이렇게 하면 정보 탐색의 목적이 명확해집니다. 중요한 것은 Perplexity가 제시한 출처도 다시 확인해야 한다는 것입니다. AI가 출처를 보여준다고 해서 자동으로 모든 정보가 정확해지는 것은 아닙니다.

• 원문을 열어보고,
• 제목과 내용을 확인하고,
• 발행기관을 확인하고,
• 실제로 해당 주장을 담고 있는지 확인해야 합니다.

6. ‘출처가 있다’와 ‘검증되었다’는 다릅니다

이 부분은 반드시 기억해야 합니다. AI가 링크를 하나 제시했다고 해서 그 정보가 검증된 것은 아닙니다. 예를 들어 AI가 “최근 연구에 따르면 생성형 AI를 활용한 학생의 학업 성취도가 크게 향상되었습니다.”라고 말했다고 가정해보겠습니다. 여기에서 바로 믿으면 안 됩니다. 다음 질문을 이어가야 합니다.

• 어떤 연구인가?
• 연구 대상은 누구인가?
• 표본 규모는 얼마인가?
• 언제 발표되었는가?
• 상관관계인가, 인과관계인가?
• 연구 결과를 다른 연구에서도 확인할 수 있는가?

이 질문들이 바로 비판적 사고입니다. 따라서 AI 시대의 정보 검증은 [출처 확인 → 원문 확인 → 맥락 확인 → 다른 자료와 비교]의 순서로 이루어져야 합니다.

7. ChatGPT로 다시 돌아와 ‘논리’를 검토한다

여기서 끝나지 않습니다. Perplexity에서 확보한 자료를 다시 ChatGPT에 가져와 분석하게 할 수 있습니다. 예를 들어, “이 자료들을 바탕으로 ‘생성형 AI가 자기주도학습에 긍정적인 영향을 준다’는 주장을 검토해줘. 자료가 실제로 뒷받침하는 주장과 내가 과도하게 해석한 부분을 구분해줘.”라고 요청할 수 있습니다.

그러면 AI는 수집한 자료를 바탕으로 논리 구조를 다시 검토할 수 있습니다. 여기에서 중요한 것은 AI에게 최종 판단을 맡기는 것이 아닙니다. ChatGPT의 분석 역시 하나의 검토 의견으로 활용하고, 최종적으로는 학습자가 원문을 확인하고 판단해야 합니다. 이렇게 하면

• Perplexity → 근거 확보
• ChatGPT → 논리 구조화
• 학습자 → 최종 판단이라는 구조가 만들어집니다.

8. 두 AI를 함께 사용하는 실제 학습 루틴

이를 하나의 학습 과정으로 정리해보겠습니다.

• STEP 1. 주제 선택: “AI가 교육을 어떻게 변화시키는가?”
• STEP 2. ChatGPT: 주제를 여러 관점으로 나누고 핵심 질문을 만듭니다.
• STEP 3. Perplexity: 핵심 질문에 대한 실제 자료와 근거를 탐색합니다.
• STEP 4. 원문 확인: AI가 제시한 출처를 직접 열어봅니다.
• STEP 5. ChatGPT: 확인한 자료를 바탕으로 주장과 근거의 연결 관계를 분석합니다.
• STEP 6. 반론 요청: “이 주장에 반대하는 근거가 있는지 찾아야 할 질문을 만들어줘.”
• STEP 7. Perplexity: 반대 관점의 연구와 자료를 다시 탐색합니다.
• STEP 8. 나의 판단: 최종적으로 내가 어떤 입장에 동의하는지 근거와 함께 정리합니다. 이것이 바로 이중 스캐폴딩 학습법입니다.

9. 학생에게 적용한다면 이렇게 할 수 있습니다

예를 들어 중학생이 “스마트폰 사용이 학습에 미치는 영향”이라는 주제로 수행평가를 준비한다고 생각해보겠습니다. 먼저 ChatGPT에게 묻습니다.

“스마트폰 사용과 학습의 관계를 조사하려고 해. 찬성이나 반대 결론을 먼저 주지 말고, 이 주제를 조사할 때 살펴봐야 할 관점과 핵심 질문을 만들어줘.”

다음으로 Perplexity에서 조사합니다.

“청소년의 스마트폰 사용과 학업 성취 또는 학습 집중도의 관계를 조사한 최근 연구를 찾아줘. 연구기관, 발표연도, 주요 결과를 함께 제시해줘.”

그리고 원문을 확인합니다. 그다음 ChatGPT에게 다시 묻습니다.

“이 연구들을 바탕으로 스마트폰 사용이 학습에 부정적이라고 단정할 수 있는지 검토해줘. 연구에서 확인된 사실과 해석을 구분해줘.”

마지막으로 학생이 자신의 결론을 작성합니다. 이 과정에서 학생은 단순히 AI가 써준 보고서를 제출하는 것이 아닙니다. [질문을 만들고 → 자료를 찾고 → 출처를 확인하고 → 논리를 검토하고 → 자신의 결론]을 만드는 것입니다. 바로 이것이 AI 시대의 학습입니다.

10. 성인 학습자에게도 똑같이 적용할 수 있습니다

이 방법은 학생에게만 필요한 것이 아닙니다. 직장인이나 4050세대가 새로운 분야를 공부할 때도 매우 유용합니다. 예를 들어 “AI가 앞으로 일자리에 어떤 영향을 줄까?” 라는 질문을 공부한다고 해보겠습니다.

ChatGPT에게는

“AI가 일자리에 미치는 영향을 공부하고 싶어. 고용 감소라는 관점만 보지 말고 새로운 직무와 직업 전환이라는 관점까지 포함해서 핵심 질문을 만들어줘.”

Perplexity에서는

“AI와 일자리 변화에 대한 최근 OECD, WEF, 정부기관 등의 보고서를 찾아줘. 보고서 발표 연도와 핵심 통계를 함께 제시해줘.”

다시 ChatGPT에서

“이 자료들의 주장을 비교해보고 서로 일치하는 부분과 다른 부분을 구분해줘.”

그리고 마지막에는 자신이 판단합니다. 이렇게 하면 AI는 나 대신 공부하는 도구가 아니라 내 공부를 돕는 연구팀처럼 활용됩니다.

11. 가장 중요한 것은 ‘AI끼리 싸우게 하는 것’이 아닙니다

ChatGPT와 Perplexity를 병행한다고 해서 “어느 AI의 답이 맞는지 경쟁시키자.”라는 의미는 아닙니다. 핵심은 두 AI에게 서로 다른 역할을 부여하는 것입니다.

• ChatGPT에게는 생각을 확장하고 구조화하는 역할
• Perplexity에게는 정보를 탐색하고 근거를 찾는 역할
• 그리고 인간에게는 검증하고 판단하는 역할을 맡기는 것입니다. 이 세 가지가 결합될 때 비로소 AI 활용이 학습으로 연결됩니다.

12. AI 시대에는 ‘한 도구를 잘 쓰는 능력’보다 ‘도구를 조율하는 능력’이 중요합니다

앞으로 AI 도구는 계속 늘어날 것입니다.

• 글쓰기 AI,
• 검색 AI,
• 이미지 AI,
• 영상 AI,
• 데이터 분석 AI,
• 업무 자동화 AI,
• AI 에이전트까지 등장하고 있습니다.

그렇다면 미래의 핵심 역량은 특정 AI 서비스의 버튼을 잘 누르는 능력에 머물지 않을 것입니다. 오히려 “이 문제를 해결하려면 어떤 AI를 어떤 순서로 사용해야 하는가?”를 판단하는 능력이 중요해질 것입니다. 이것은 앞서 이야기한 Director의 역할과도 연결됩니다. Executor는 하나의 도구에게 모든 일을 맡깁니다.

• Director는 문제를 나누고,
• 도구를 선택하고,
• 각각의 역할을 배치하고,
• 결과를 비교하고, 최종 판단을 내립니다.

AI 시대의 진짜 리터러시는 ‘답을 얻는 능력’이 아닙니다

ChatGPT와 Perplexity를 함께 사용하는 목적은 더 빨리 답을 얻기 위해서가 아닙니다. 오히려 더 잘 생각하기 위해서입니다.

• ChatGPT에게 질문을 만들고,
• Perplexity에서 근거를 찾고, 원문을 확인하고,
• 다시 ChatGPT에서 논리를 검토하고,
• 마지막에는 자신의 판단을 내립니다.

이 과정에서 AI는 인간의 생각을 대신하지 않습니다. 오히려 인간의 생각을 확장하고 검증하는 발판이 됩니다. 그래서 AI 시대의 학습은 다음과 같이 바뀌어야 합니다.

질문 → 탐색 → 검증 → 분석 → 반론 → 재탐색 → 판단

이것이 AI 시대에 필요한 새로운 학습 사이클입니다. 결국 AI의 답보다 중요한 것은 ‘누가 방향을 결정하는가’입니다. AI는 앞으로 더욱 똑똑해질 것입니다.

• 검색도 더 잘하고,
• 글도 더 잘 쓰고,
• 분석도 더 잘하고,
• 자료를 연결하는 능력도 더욱 강력해질 것입니다. 그럴수록 인간에게 필요한 것은 AI보다 더 많은 정보를 기억하는 능력이 아닐 수 있습니다.

대신,

• 무엇을 물어볼 것인가
• 어디에서 근거를 찾을 것인가
• 무엇을 의심할 것인가
• 어떤 답을 믿을 것인가
• 최종적으로 어떤 판단을 내릴 것인가를 결정하는 능력이 중요해집니다.

ChatGPT와 Perplexity를 병행하는 것은 바로 이 능력을 연습하는 하나의 방법입니다. ChatGPT가 생각의 발판이라면, Perplexity는 근거의 발판입니다. 그리고 두 발판을 오가는 최종 학습자는 바로 나 자신이어야 합니다. AI에게 생각을 맡기는 사람이 아니라, AI를 서로 다른 역할로 배치하고 그 결과를 조율하는 사람. 그 사람이 AI 시대의 진정한 Director입니다. AI를 잘 쓰는 사람에서, AI를 잘 배치하는 사람으로. 이것이 우리가 AI 시대에 배워야 할 새로운 학습법입니다.

참고자료

• OpenAI. ChatGPT — 생성형 AI 기반 대화·추론 및 정보 구조화 활용
• Perplexity AI. Perplexity — AI 기반 검색 및 출처 중심 정보 탐색
• UNESCO (2023). Guidance for Generative AI in Education and Research — 교육과 연구에서 생성형 AI의 활용과 윤리적 고려
• OECD (2023). Digital Education Outlook 2023 — 디지털 기술과 AI가 교육에 미치는 영향
• OECD (2021). OECD Digital Education Outlook 2021 — AI·디지털 기술과 교육의 변화
• World Economic Forum (2023). The Future of Jobs Report 2023 — 미래 핵심 역량과 AI·비판적 사고
• World Economic Forum (2025). The Future of Jobs Report 2025 — AI와 기술 변화에 따른 직무·역량 변화
• Mollick, E. (2024). Co-Intelligence: Living and Working with AI — 인간과 AI의 협업 방식
• NIST (2023). Artificial Intelligence Risk Management Framework (AI RMF 1.0) — AI 위험 관리와 신뢰성 있는 AI 활용
• 한국교육학술정보원(KERIS) — 생성형 AI의 교육적 활용 및 디지털 교육 관련 자료

뭔문보기 : ChatGPT와 Perplexity 함께 쓰는 법｜논리적 사고와 출처 검증을 동시에 잡는 AI 학습법

Socko/Ghost