생성형을 넘어 에이전트로: AX의 다음 단계

지금까지의 장이 '생성형 AI를 어떻게 안전하게 쓸까'였다면, 이 장은 그다음 질문을 던진다. AI가 답을 만들어 주는 것을 넘어 일을 대신 수행하기 시작할 때, 학교는 무엇을 준비해야 하는가. 바로 이 지점에서 1장이 정의한 "일하는 방식 자체가 바뀌는" AX가 실제로 시작된다.

주요 근거: EDUCON 2026 · Agentic AI in Education (IEEE) · Inside Higher Ed · 교육플러스(에이전트 리터러시) (자료 수집일 2026-07-05)

생성형과 에이전트, 무엇이 다른가

차이는 한 문장으로 잡힌다. 생성형 AI는 '만들어 주고', 에이전트는 '해낸다'. 생성형은 한 번 묻고 한 번 답한다. 지도안 초안을 청하면 초안을 내놓고, 나머지(수정·자료 찾기·문서 정리)는 모두 사람의 몫이다. 이 핸드북의 1~5장이 주로 다룬 것이 이 층이다. 에이전트는 다르다. 목표를 주면 스스로 계획을 세우고, 검색·문서·표 계산·브라우저 같은 여러 도구를 오가며 여러 단계를 거쳐 완성물을 만들어 온다. 매 단계 사람이 지시하지 않아도 된다.

2026년 현재 이 변화는 제품으로 나타나고 있다. Anthropic의 Claude Cowork는 파일을 직접 만들고 로컬 폴더를 읽고 쓰며, 브라우저 확장으로 웹사이트를 열어 버튼을 누르고 양식을 채운다. OpenAI의 ChatGPT Atlas는 브라우저를 내장한 에이전트 모드로 여러 단계를 스스로 수행한다. 이들은 '답을 보여 주는' 도구가 아니라 '일을 마쳐 오는' 도구다.

비유하자면, 생성형 AI가 아주 유능한 받아쓰기 도우미라면 에이전트는 지시를 받고 조사·초안·정리까지 마쳐 오는 수습 조교다. 조교가 일을 대신 해 와도, 그 결과를 검토하고 최종 책임을 지는 사람은 여전히 교사다. 이 구분이 이 장 전체를 관통한다.

왜 이것이 AX의 핵심인가? 1장에서 AX를 "일하는 방식과 의사결정 구조 자체가 바뀌는 것"으로 정의했다. 냉정히 말하면 생성형 AI는 그 정의를 온전히 충족하지 못한다. 기존 절차의 각 단계를 빠르게 해줄 뿐, 절차 자체를 바꾸지는 않기 때문이다. '어떻게 할지'를 위임받아 절차를 다시 짜는 것은 에이전트 층에서 비로소 일어난다. 국내에서도 EDUCON 2026은 AI 에이전트의 등장을 "교육의 도구를 바꾸는 수준이 아니라, 교실의 주체와 운영 방식 자체를 바꾸는 변화"로 규정했다.

사람은 '위에서' 감독한다: human-on-the-loop

가장 흔한 오해부터 짚는다. "에이전트가 알아서 하면 사람은 빠지는 것 아닌가?" 아니다. 에이전트는 사람의 개입을 없애지 않는다. 개입의 자리를 옮길 뿐이다. 프롬프트 단계에서 사람은 매 단계 '안에(in the loop)' 있었다. 한 번 묻고, 답을 보고, 다시 물었다. 에이전트 단계에서 사람은 방향을 정하고 결과를 검토하며 기준을 조정하는 '위에(on the loop)'로 올라선다. 에이전트 시대의 기본 자세는 human-in-the-loop가 아니라 human-on-the-loop다. 이 한 문장이 이 장에서 가장 중요하다.

좋은 비유가 있다. AI를 스타트렉의 승무원 '데이터'가 아니라 우주선 컴퓨터처럼 쓰는 것이다. 지시를 받으면 정확히 실행하되, 전체 방향과 의사결정은 사람이 책임진다. 실무로 옮기면, 신뢰할 수 있는 반복 작업은 에이전트가 스스로 실행하게 두고 사람은 중간 보고와 완성물만 확인하는 방식이다. 숙련된 팀원에게 과제를 맡기고 중간 점검만 받는 것과 같다. AI 연구자 안드레이 카파시의 표현을 빌리면, 사람이 더 잘해야 하는 것은 미학과 판단과 스펙 설계다. 큰 방향의 카테고리는 사람이 감독하고, 세부는 에이전트가 채운다.

다만 '위에서 감독한다'가 '손을 놓는다'는 뜻은 아니다. 감독의 강도는 그 행동이 미칠 영향의 크기에 비례해야 한다. 부담이 낮은 일, 예컨대 수업 자료 초안을 위한 자료 조사는 결과만 검토하면 된다. 부담이 큰 일, 예컨대 성적이나 생활기록부에 반영되는 판단은 고삐를 바짝 죄어 사람이 더 자주, 더 깊이 확인한다. 그래도 전체 틀은 사람이 위에서 방향을 쥐고 감독하는 human-on-the-loop다. SK그룹의 정리를 빌리면, 인간의 역할은 결과를 확인하는 검수자에 그치지 않고 상황을 해석하며 기준과 정책 자체를 조정하는 감독자다.

한 가지가 더 필요하다. 작업 기록, 곧 감사 가능성이다. 에이전트가 무엇을 왜 했는지 되짚을 수 있는 흔적을 남겨야 사람이 검토하고 감사할 수 있다. 2026년 거버넌스 논의에서 에이전트의 각 행동에 사람이 확인할 수 있는 판단 근거를 남기게 하는 '투명한 에이전시(transparent agency)'가 표준으로 떠오르는 이유다. 이는 5장의 데이터 투명성과 설명 가능성 원칙이 '출력'에서 '행동'으로 확장된 것이다.

6대 영역은 어떻게 달라지나

3장의 여섯 영역은 폐기되지 않는다. 오히려 각 영역의 질문이 한 단계 위로 올라간다. 생성형 단계에서 묻던 것과 에이전트 단계에서 물어야 할 것을 나란히 두면 이렇다.

표의 마지막 두 줄이 특히 무겁다. 에이전트가 학생의 과제를 통째로 해낼 수 있게 되면 "제출물이 학생의 것인가"라는 평가의 근본 질문이 흔들린다(실제로 2026년 고등교육에서는 '에이전트가 과목 전체를 이수할 수 있다'는 문제 제기가 나왔다). 대응의 방향은 5장에서 이미 제시했다. 결과물 하나로 판단하지 말고, 과정과 수업 중 실시간 활동과 구술의 비중을 키우는 것이다. 에이전트 시대는 그 원칙을 선택이 아니라 필수로 만든다.

보이지 않는 노동의 함정: AX가 오히려 일을 늘릴 때

여기서 반드시 짚어야 할 위험이 있다. AI를 들이면 일이 줄어든다는 믿음이다. 잘못 쓰면 일은 줄지 않는다. 보이지 않는 곳으로 옮겨가며 오히려 늘어난다. 'AI 폭증의 역설'이라는 말처럼, 도구가 늘수록 그 결과를 검토하고 고치고 확인하는 노동이 그 자리를 채운다. 에이전트가 모호한 지시를 제멋대로 가정하거나 환각으로 채우면, 사람은 더 많은 검토와 재작업에 시간을 쓴다. 겉으로는 자동화됐는데 속으로는 더 바빠지는 것이다.

더 깊은 함정은 감독의 역설이다. 에이전트를 제대로 감독하려면 그 일을 아는 역량이 필요한데, 정작 에이전트에 다 맡기다 보면 그 역량이 무뎌진다. Anthropic의 연구에서는 AI에 크게 기댄 개발자들의 디버깅 능력이 몇 달 만에 47% 급감한 사례가 보고됐다. 교사도 다르지 않다. AI의 설명을 비판 없이 받아들이기 시작하면, 수업 내용을 스스로 검토하고 재구성하는 힘, 곧 교사의 전문성 자체가 빠르게 무뎌진다. 이것이 '인지 부채'이자 '이해 부채'다. 편의를 위해 미래의 역량을 당겨쓰는 셈이다.

그렇다면 어떻게 넘어서는가. 이 극복의 설계가 바로 진짜 AX와 겉핥기 도입을 가른다.

• 해봤거나 스스로 할 수 있는 일만 위임한다. 자신이 못 하는 일을 통째로 맡기면 결과를 검증할 수도 없다. 위임은 실력 위에서만 안전하다.
• 마찰을 일부러 남긴다. 진짜 역량은 마찰에서 온다. 계획과 판단은 사람이 직접 하고, 반복적이고 소모적인 실행만 에이전트에 넘긴다.
• 명확하게 위임해 재작업을 줄인다. 의도와 제약과 수용 기준과 맥락을 한 번에 주면, 모호한 지시를 여러 번 고쳐 주는 보이지 않는 노동이 줄어든다.
• 우주선 컴퓨터로 쓴다. 방향은 사람이 쥐고 실행만 맡긴다. 사고 전체를 외주로 넘기지 않는다.

정리하면 이렇다. 일을 단지 옮기기만 하면 AX가 아니다. 보이지 않는 노동까지 계산에 넣어, 사람이 실제로 더 중요한 일에 시간을 쓰도록 설계할 때 비로소 AX다. 시간이 정말 줄었는지 눈으로 확인하는 것, 그것이 이 전환의 정직한 성적표다.

지금 가능한 것과 성숙이 필요한 것

가장 중요한 실천적 구분이다. 에이전트라고 다 같은 에이전트가 아니다. 무엇에 작용하는가로 나누면 지금 할 일과 미룰 일이 분명해진다.

지금 책임 있게 가능: 교사향(敎師向) 에이전트

교사 자신의 업무를 대행하고, 결과가 학생이나 기록에 닿기 전에 교사가 검토하는 방식이다. 자료 조사, 문항 초안, 단원 자료 세트 정리처럼 사람을 반드시 거치는 일이라면 지금도 책임 있게 쓸 수 있다. 국내 신호도 이 방향에서 먼저 나타난다. 네이버는 하이퍼클로바X와 웨일 플랫폼을 결합해 과정 중심 평가를 자동화하고 교사 채점 부담을 줄이면서 학생에게 피드백을 주는 모델을 선보였고, 스켈터랩스 같은 기업은 교사 행정업무를 지원하는 '교육 AI 에이전트'를 내놓았다. 공통점은 학생·행정의 뒤편에서 교사를 돕는 자리에 먼저 선다는 것이다.

아직 성숙이 필요: 학생·기록향 자율

반대로 에이전트가 학생과 직접 상호작용하거나, 생활기록부·NEIS 같은 기록 시스템에 자율로 작용하는 것은 신중해야 한다. 5장이 정리한 벽(개인정보 보호법, AI 기본법의 고영향 AI 규율, 평가 공정성, 미성년자 보호)과 정면으로 만나기 때문이다. 특히 에이전트는 '텍스트를 출력'하는 데 그치지 않고 '행동'하므로, 잘못될 때의 위험이 생성형보다 크다. 잘못된 자율 실행 하나가 곧바로 학생의 기록이나 개인정보에 닿을 수 있다.

교사향 에이전트 실습: 위임하고, 검토하고, 책임진다

개념만으로는 손에 잡히지 않는다. 지금 책임 있게 해볼 수 있는 교사향 활용 세 가지를 든다. 각 시나리오의 핵심은 '사람이 남는 지점'을 분명히 하는 것이다. 그것이 에이전트를 안전하게 쓰는 실천의 전부라 해도 지나치지 않다. 세 시나리오 모두 학생 개인정보를 다루지 않으며, 소속 교육청 지침 확인을 전제로 한다(5장).

세 시나리오의 공통 문법을 눈치챘을 것이다. 목표를 위임하되, 부담이 큰 지점일수록 사람이 '안'에 남는다. 이 하나의 원칙만 지키면, 에이전트는 교사의 시간을 돌려주면서도 판단과 책임은 교사에게 남긴다.

도구가 아니라 문화가 준비되어야 한다

지금까지의 이야기에는 한 가지 전제가 깔려 있다. AX는 열정적인 교사 한 명의 도구 사용이 아니라는 것이다. 1장에서 말했듯 AX의 주어는 사람과 조직이고, 3장에서 보았듯 여섯 영역이 함께 준비될 때 비로소 전환이 된다. 에이전트 단계에서는 이 사실이 더 분명해진다. 한 교사가 에이전트를 아무리 잘 다뤄도, 학교의 권한 정책과 감사 체계와 데이터 규칙과 지원이 없으면 그 실천은 오래가지 못하고 위험하기까지 하다.

그래서 진짜 질문은 "어떤 도구를 살까"가 아니라 "학교 차원에서 이 도구를 책임 있게 쓸 지원 시스템을 어떻게 갖출까"이다. 문화의 준비는 대개 네 가지로 나타난다.

• 심리적 안전. 작게 실험하고 실패해도 되는 분위기가 있어야 교사가 새로운 방식을 시도한다. 감사와 문책이 먼저 오면 아무도 움직이지 않는다.
• 교사학습공동체. 한 교사가 얻은 노하우가 옆 반으로, 학교 전체로 번지는 통로다. 외부 특강보다 동료가 실제로 해 본 것을 나누는 자리가 행동을 바꾼다.
• 점진적 도입. 대화형으로 써 보고, 반복되는 일은 정형화하고, 정책으로 규칙을 세우고, 신뢰가 쌓인 일부터 자동화한다. 한 번에 전면화하지 않는다.
• 거버넌스. 어떤 행동에 승인이 필요한지, 어떤 권한을 여는지, 어떻게 감사할지를 도구가 도착하기 전에 학교가 정해 둔다(3장 거버넌스 영역).

EDUCON 2026이 AI 에이전트를 "교실의 주체와 운영 방식 자체를 바꾸는 변화"라 부른 것은 곧 문화의 변화를 뜻한다. 문화가 바뀌지 않으면 값비싼 도구만 남고 전환은 일어나지 않는다. 2장에서 본 AI 디지털교과서의 교훈이 여기서 다시 울린다. 현장의 준비와 사회적 합의를 앞질러 도구를 밀면 제도가 되돌린다.

새 역량, 프롬프트 리터러시를 넘어 에이전트 리터러시로

도구가 바뀌면 역량도 바뀐다. 생성형 시대의 핵심 역량이 '잘 묻는 법'(프롬프트 리터러시)이었다면, 에이전트 시대의 역량은 에이전트의 작업을 비판적으로 통제하고, 검증하고, 그 결과에 책임지는 법이다. 국내에서도 이를 '에이전트 리터러시(Agent Literacy)'라는 새로운 핵심 역량으로 부르기 시작했다. 이것은 3장에서 다룬 교원 역량 3단계(진입-적응-선도)의 자연스러운 연장선이다. 선도 단계 교사들은 이미 이 방향으로 움직이고 있다.

학생에게 가르칠 것도 분명해진다. 프롬프트를 잘 쓰는 기술을 넘어, 에이전트에 일을 맡기더라도 결과를 검증하고 최종 판단과 책임은 자신이 진다는 태도다. 이는 5장에서 말한 AI 리터러시(AI의 답을 정답이 아니라 출발점으로 대하는 태도)가 '행동하는 AI'로 확장된 것이다. 에이전트가 유능할수록, 그것을 부리는 사람의 판단력이 더 중요해진다는 역설을 학생이 몸으로 익히게 하는 것이 목표다.

내다보되 서두르지 않기

솔직히 말한다. 이 장은 전망이다. K-12 교실의 자율 에이전트는 아직 초기 단계이고, 확립된 근거보다 다가오는 방향이 앞선다. 그래서 이 핸드북은 이 장을 '지금 이렇게 하라'가 아니라 '이렇게 준비하라'로 쓴다. 검증되지 않은 것을 교실에 서둘러 들이는 것은, 2장에서 본 AI 디지털교과서의 교훈을 그대로 반복하는 길이다.

그러나 방향을 아는 것과 서두르는 것은 다르다. 방향을 알면 오늘의 준비가 달라진다. 구체적으로는 세 가지다.

첫째, 교사향 활용으로 감을 익힌다. 자기 업무를 대행시키고 검토하는 경험이 에이전트 리터러시의 출발점이다.

둘째, 거버넌스와 문화를 미리 세운다. 어떤 행동에 승인이 필요하고 어떤 권한을 열지, 그리고 실험을 허용하고 서로 배우는 분위기를 도구가 도착하기 전에 갖춘다.

셋째, 역량 체계에 에이전트 리터러시를 넣는다. 연수와 교육과정이 프롬프트에서 멈추지 않게 한다.

참고 자료

• EDUCON 2026, AI 에이전트와 교육의 변화. 교육신문
• Agentic AI in Education: State of the Art and Future Directions. IEEE
• Agentic AI Can Complete Whole Courses. Now What? Inside Higher Ed
• '프롬프트 리터러시'를 넘어 '에이전트 리터러시'로. 교육플러스
• 휴먼인더루프, AI 시대 다시 주목받는 인간의 역할. SK AX
• "사람이 묻는 일 늘었다" AI 폭증의 역설. 포춘코리아
• 교사를 위한 AI 에이전트: 지시하고 조율하고 위임하는 기술 · 에이전트형 코딩: 효율의 덫, 전문성의 위기 · AI 에이전트 시대, 교사의 마지막 병목은 이해력(디버깅 47% 급감, 우주선 컴퓨터, 감독의 역설 등의 근거). 닷커넥터 블로그