생성형 AI와 문학 창작을 둘러싼 핵심 질문은 결국 하나로 수렴된다. “AI가 인간처럼 쓸 수 있는가?”가 아니라, “AI와 함께 쓰는 경험이 인간의 창작 개념을 어떻게 바꾸는가?” 실증 연구는 생성형 AI가 개별 작가와 학습자의 창의적 글쓰기 성과를 높이는 유효한 도구가 될 수 있음을 분명히 보여 준다. 동시에 집단적 서사 다양성의 축소, 작가 주체성의 약화, 저자성과 책임 소재의 분산이라는 쉽게 해소되지 않는 과제도 함께 남긴다.
－01_“생성형 AI와 문학 창작” 중에서

추천 시스템이 고도화되면서 나타나는 두 번째 현상은 초(超)개인화(hyper-personalisation)다. 단순히 장르나 저자 기반의 추천을 넘어, 독자가 처한 상황(시간, 위치), 감정 상태, 읽기 속도, 심지어 중단한 페이지까지 분석해 “지금 이 순간 당신에게 맞는 책”을 제안하는 수준으로 진화하고 있다. “오늘 밤 위로가 필요한 당신에게 어울리는 로맨스”, “출퇴근 30분에 딱 맞는 짧은 에세이”와 같은 형태의 추천은, 독서의 출발점을 독자의 현재 욕구에 최대한 맞추는 방향으로 설계된다. 이 개인화의 심화가 낳는 가장 주목할 부작용이 바로 필터 버블(filter bubble)이다. (…) 독서의 맥락에서 필터 버블은 몇 가지 특수한 문제를 낳는다. 독서는 원래 새로운 세계, 낯선 관점, 다른 삶의 방식과 만나는 경험이다. 문학이 공감 능력을 키우고 타자 이해를 깊게 한다는 전통적 믿음은, 독자가 자신의 세계 밖으로 나가는 여행을 전제한다. 그러나 알고리듬은 독자를 이미 알고 있는 세계 안에 머물게 하는 방향으로 최적화된다. 추천 시스템이 “당신이 좋아할 것”을 제안하는 동안, “당신이 몰랐지만 필요했을 것”은 시야 밖으로 밀려난다.
－03_“독서 행태와 알고리듬 추천” 중에서

문학 독서는 이 감정 문해력을 기르는 특수한 공간이다. 소설·시·희곡은 독자에게 타인의 내면을 ‘안전한 거리’에서 경험하게 한다. 허구의 울타리 안에서 독자는 자신을 보호하는 심리적 방어막을 낮추고 등장인물의 감정 상태에 몰입할 수 있다. 이때 발생하는 감정적 체험은 단순한 오락이 아니라, 실제 삶에서 타인의 감정을 이해하는 데 전이되는 사회적 훈련이다. 문학의 언어는 감정의 복잡성, 모순성, 다층성을 담아내는 도구로서 어떤 다른 매체보다 정교하다. AI가 감정 데이터를 수치화할 수 있게 된 오늘날에도, 문학이 감정 문해력 교육의 핵심 매체로 남아 있는 이유가 여기에 있다.
－06_“감정 문해력과 독자의 경험” 중에서

AI 도구가 교육 현장에 급속히 보급되면서 문학 교실의 학문적 진실성(academic integrity) 문제가 심각한 교육적 과제로 부상하였다. 생성형 AI가 표절 위험, 허위 인용(환각, hallucination), 인지 역량 저하 세 가지 주요 위험을 초래할 수 있다. Turnitin·iThenticate·MOSS 등 현행 표절 탐지 도구로는 AI 생성 텍스트를 충분히 감지하지 못하며, 교수진은 단기 금지와 장기 통합이라는 두 입장 사이에서 갈등하고 있다. 관련한 각종 연구들은 강력한 제도적 정책 수립과 평가 방식의 재설계가 시급하다고 권고한다.
－09_“저작권·윤리·저자성 논쟁” 중에서