AI가 자신에게 남긴 메모를 보며, 성찰기도를 다시 생각한다

AI도 메모를 남긴다는 연구 하나

최근 arXiv에 공개된 "Notes to Self: Can LLMs Benefit from Experiential Abstractions?" 논문은 흥미로운 질문을 던져요. 대형언어모델이 과제를 수행한 뒤, 그 경험을 요약한 메모를 스스로에게 남기면 다음 수행이 나아지는가 하는 질문이죠. 이 논문은 arXiv에 현재 등록된 자료이고, 동료심사를 마쳤다는 뜻은 아니라는 점을 먼저 밝혀 둘게요. 그럼에도 방향 자체는 분명해요. 모델이 자기 행동을 되짚고, 그 요약을 다음 판단의 재료로 삼는다는 발상이니까요. 이런 설계는 단순한 성능 개선 기법처럼 보이지만, 조금만 각도를 틀면 오래된 신앙 언어와 나란히 놓이는 지점이 생겨요. 스스로를 돌아보고 기록하는 행위 자체가 낯설지 않기 때문이죠. 이런 흐름은 인간이 오래전부터 이어온 자기 성찰 방식과 자연스럽게 비교되곤 해요.

성찰기도와 얼마나 닮았나

그리스도교 전통에서 성찰기도, 곧 examen은 하루를 되돌아보며 잘한 일과 놓친 일을 구분하는 기도예요. 이냐시오 영성에서 특히 강조되어 온 실천이고, 보통 감사로 시작해 하루를 되짚고 회개와 결심으로 마무리하는 흐름을 따른다고 알려져 있어요. 형식만 보면 AI의 자기 메모와 겹치는 부분이 많아요. 둘 다 지나간 경험을 언어로 정리하고, 그 정리를 다음 행동의 기준으로 삼거든요. 가령 하루를 마치며 "오늘 이 대목에서 조급했다"고 적는 행위와, 모델이 "이 유형의 과제에서는 이런 접근이 실패했다"고 기록하는 행위는 절차상 나란히 놓을 수 있어요. 둘 다 언어로 경험을 압축하고, 압축된 문장을 다음 판단의 입력으로 되돌려 놓으니까요.

갈라지는 지점: 대면할 인격이 없다

여기서 멈추면 성찰기도를 기술로 환원하기 쉬워요. 하지만 examen의 핵심은 정리 자체가 아니라, 그 정리를 누구 앞에 내놓느냐에 있어요. 성찰기도는 자기 자신을 향한 독백이 아니라 하나님 앞에서의 자기대면이죠. 전통적으로 이를 코람 데오, 곧 하나님 앞에 선다는 감각으로 부르기도 해요. 잘못을 인정하는 행위에는 책임질 대상이 있고, 그 대상과의 관계가 다음 결단의 무게를 만들어요. AI의 메모는 이 구조가 없어요. 모델은 자기 출력을 참조할 뿐, 그 출력을 누구에게도 내놓지 않아요. 저장소에 남는 텍스트일 뿐이니까요. 참회할 상대가 없으니, 부끄러움도 용서도 성립하지 않아요. 그 인격 앞에서만 진짜 부끄러움이 성립한다고 성찰기도는 오래 가르쳐 왔어요.

반론 — 훈련의 효과는 대상과 무관한가

이 지점에서 반론이 하나 떠올라요. 반복적으로 자신을 검토하는 행위 자체가 이미 훈련으로서 기능한다면, 그 대상이 인격적 신이든 아니든 실천의 효과는 비슷하지 않겠느냐는 반론이죠. 실제로 습관 형성이나 인지행동적 접근에서는 자기 기록과 피드백 루프만으로도 행동 변화가 관찰돼요. 이 반론은 가볍게 넘길 수 없어요. 자기 검토가 반복될수록 판단의 정확도가 높아진다는 점은 AI 연구와 습관 이론 양쪽에서 공통으로 확인되는 흐름이니까요. 다만 성찰기도가 추구해 온 것은 행동 교정만이 아니라 관계 안에서의 자기 이해였다는 점을 함께 놓아야 해요. 효과가 비슷해 보여도, 무엇을 향해 있는지는 다른 질문으로 남아요. 정확도를 높이는 훈련과, 관계 속에서 자신을 다시 읽는 훈련은 겹치면서도 완전히 포개지지는 않아요.

그래도 남는 질문들

AI가 기도, 인격, 죽음, 공동체 같은 신앙 언어를 흔드는 방식은 대개 이런 식이에요. 절차는 비슷한데 대상이 비어 있는 형태로 다가오는 거죠. 죽음 앞에서도 비슷한 질문이 생겨요. 기억을 남기는 존재와, 그 기억 앞에 설 인격이 있는 존재는 다른 이야기니까요. 성찰기도를 준비할 때, 이번 주는 무엇을 정리했는지보다 누구 앞에서 정리했는지를 먼저 물어보면 어떨까요. 공동체 안에서 그 기록을 나누는 자리가 있는지도 함께 물을 만해요. 그 질문 하나가 기도와 자기 관리를 구분하는 자리일지도 몰라요.

참고 자료

• Towards Miniature Humanoid Tele-Loco-Manipulation Using Virtual Reality and Reinforcement Learning — arxiv.org, 2026-07-22 발행
• 3 Google updates from Galaxy Unpacked 2026 — blog.google, 2026-07-22 발행
• Notes to Self: Can LLMs Benefit from Experiential Abstractions? — arxiv.org, 2026-07-22 발행

본문 집필에 참고한 공개 자료입니다. 접속 확인일: 2026-07-24.