AI가 틀렸다고 지적해도 우길 때, 대개는 태도의 문제가 아닙니다. 모델에게는 자기가 틀렸음을 확인하는 스위치가 없고, 대화를 가장 그럴듯하게 이어 갈 뿐이라 여러분의 반박도 새 맥락으로 읽힐 뿐입니다. 그러니 같은 대화 안에서 다투지 마세요. 다툴수록 그 자리에서 새 이유를 지어내기 쉽습니다. 대화에서 빠져나와, 실제로 통하는 세 가지 확인법으로 바꾸는 것이 정답입니다.
먼저 구분하세요: 우기는 것인지, 여러분에게 끌려가는 것인지
흔한 모습은 두 가지입니다. 하나는 그럴듯한 방어입니다. 숫자가 틀렸다고 하면 출처, 연도, 정의까지 갖춘 전문적으로 들리는 설명을 즉시 내놓지만 전부 즉석 창작입니다. 다른 하나는 정반대입니다. 강하게 몰아붙이면 바로 사과하며 수정본을 내놓지만, 그 새 답도 근거가 없습니다. 둘 다 본질은 같습니다. 사실이 아니라 대화의 분위기를 따라가는 것입니다. 감정으로 압박할수록 양보도 저항도 연극처럼 됩니다.
세 가지 확인법, 순서대로 쓰세요
첫째, 검증 가능한 단위까지 몰아붙이세요. 확신하느냐고 묻지 말고, 출처의 정확한 이름, 원문 문장, 숫자의 계산 과정을 내놓게 한 뒤 직접 원문을 열어 대조하세요. 원문을 인용하지 못하는 것은 기본적으로 의심 대상입니다. 둘째, 새 대화를 독립적으로 열어 다시 물어보세요. 이전 답과 여러분의 입장은 밝히지 마세요. 새 대화는 자기 이야기를 이어 가는 관성을 끊습니다. 두 답이 일치하면 신뢰도가 오르고, 다르면 그 사실을 애초에 잡지 못했다는 뜻입니다. 셋째, 잘게 나눠 항목별로 확인하세요. 큰 질문을 날짜, 이름, 숫자, 정의처럼 한입에 확인할 수 있는 사실로 쪼개 검색 엔진, 공식 페이지, 계산기로 대조하세요. 틀린 것은 한두 항목뿐인 경우가 많아 답 전체를 버릴 필요는 없습니다.
증거를 내미는 방식이 태도를 바꿉니다
틀렸다고 말하는 것보다 권위 있는 원문을 그대로 대화에 붙여 넣는 편이 훨씬 효과적입니다. 모델은 비난보다 텍스트 증거를 더 안정적으로 다룹니다. 다만 말로만 인정하고 두 문단 뒤에 다시 틀린 버전을 쓰는 경우도 있으니, 고쳤다는 말을 믿지 말고 핵심 결론은 직접 다시 읽어 보세요.
답 사용 자체를 멈춰야 할 때
의료, 법률, 계약 금액, 시험 표준 답안처럼 틀리면 대가가 큰 일에는 여러 번 묻는 전략이 통하지 않습니다. 전문 데이터베이스, 공식 문서, 사람의 전문 의견을 기준으로 하고, AI는 질문 목록 정리에만 쓰세요. 일상적인 자료 조사, 초안 작성, 생각 정리라면 위 세 가지로 한 번 확인하는 것으로 대개 충분합니다. 기준은 하나만 기억하세요. 스스로 독립적으로 확인할 수 없는 일은, 확신에 차서 말한다고 믿지 마세요. 확신은 문체이지 증거가 아닙니다.
