AI티처스쿨 기술 분과, 내 일의 흐름을 읽고 AI로 다시 설계하다

변화의 속도는 언제나 우리의 예상보다 빠르다. 특히 인공지능 분야는 그렇다. 얼마 전까지만 해도 인공지능이 그저 질문에 답하는 도구인 줄 알았던 우리가, 이제는 인공지능이 업무를 수행하는 모습을 목격한다. 이 변화의 본질을 이해하고 우리 교사들의 일상에 접목하는 일은 더 미룰 수 있는 선택지가 아니다.

AI, 질문에서 업무 수행으로 진화한다

우리는 인공지능의 역할을 ‘답변’에 국한하는 시야를 버려야 한다. 지금의 인공지능은 단순히 질문에 정답을 제시하는 단계를 넘어섰다. 방대한 자료를 읽어내고, 복잡한 내용을 체계적으로 정리하며, 나아가 다음 행동을 구체적으로 제안한다. 이는 인공지능이 더 이상 우리 사고의 보조자가 아니라, 실제 업무 흐름의 일부를 맡아주는 ‘업무 수행자’로 진화했다는 명확한 증거이다.

이러한 변화는 과장된 미래 예측이 아니다. 이미 많은 산업 분야에서 인공지능은 보고서 초안을 작성하거나, 데이터 분석 결과에 기반한 의사결정을 지원하며, 복잡한 고객 서비스 시나리오를 처리한다. 교육 현장 역시 이 변화의 파고를 피할 수 없다. 우리가 과거에 겪었던 정보 검색의 불편함이 사라진 것처럼, 이제는 단순 반복 업무의 부담이 경감되는 시대에 진입한다. 중요한 것은 이 전환이 이미 시작되었다는 점이다.

2026년, 에이전트의 시대가 온다

지금 인공지능은 어디까지 왔는가? 2026년은 AI 에이전트의 해로 기록될 것이다. 2025년 말부터 이미 클로드 코드(Claude Code)나 코덱스(Codex) 같은 모델, 그리고 로컬 환경에서 구동하는 다양한 AI 에이전트 활용이 급증한다. 이 에이전트들은 우리가 처음 접했던 챗GPT와는 전혀 다른 존재다. 단순히 질문에 답하는 데서 그치지 않고, 여러 도구와 연동하여 실제 작업을 순차적으로 실행한다.

문제는 교육 현장의 AI 활용 논의가 이 속도를 따라가지 못한다는 점이다. 사회 전반은 이미 ‘내 일을 직접 해주거나’, ‘내 일을 대신 해주는’ AI 에이전트 활용에 집중하지만, 교육 현장의 강의 대부분은 여전히 AI를 에듀테크 도구 활용이나 수업 설계의 보조 수단으로만 다룬다. 우리는 AI가 서툴던 시절부터 그 발전 과정을 직접 목격한 세대이다. 그 초창기 AI에 대한 실망감, 곧 ‘AI 네이티브’를 이해하는 데 결정적인 병목으로 작용한다. 이것이 우리가 AI 디지털 기술 분과에서 2026년 9월부터 AI 에이전트의 실제적 가치를 탐구하려는 이유이다.

도구 학습이 아니라, 일의 구조를 재설계하는 시선

우리 AI 디지털 기술 분과는 단순히 최신 인공지능 도구의 기능을 배우는 곳이 아니다. 우리가 목표하는 바는 각자의 업무를 근본적으로 다시 설계하는 일이다. 최신 도구의 기능은 빠르게 변한다. 오늘 강력했던 기능이 내일이면 구식으로 전락한다. 하지만 일을 관찰하고 그 구조를 파악하며, 더 효율적인 방식으로 재설계하는 능력은 어떤 도구가 등장해도 변하지 않는 핵심 역량이다. 이는 마치 특정 요리법을 외우는 것이 아니라, 식재료의 특성을 이해하고 다양한 조리법을 조합하여 새로운 맛을 창조하는 능력과 같다. 도구는 수단일 뿐, 본질적으로 우리가 다루는 것은 ‘일’ 그 자체이다.

자동화, 교사의 삶을 개선하는 통로

AI 에이전트를 활용한 자동화는 단순히 업무 효율을 높이는 기술적 접근이 아니다. 이는 교사 개개인의 삶을 개선하는 강력한 방법론 중 하나이다. 우리는 교육 업무에만 AI 활용을 한정하지 않는다. 교사로서, 연구자로서, 때로는 창작자로서 각자의 일 전체를 에이전트의 관점으로 바라본다. 불필요한 반복 업무나 에너지를 소모하는 잡무를 자동화하는 것은 교사가 학생 지도와 본질적인 교육 연구에 더 많은 시간을 투자할 수 있음을 의미한다.

물론 모든 업무를 자동화해야 한다는 강박은 버린다. 어떤 업무는 사람의 판단과 개입이 반드시 필요하며, 자동화하지 않는 선택 역시 중요한 ‘설계 결과’이다. 본질적으로 이 과정은 교사의 자율성과 주도성을 회복하는 데 초점을 둔다.

재설계의 출발점, 나의 업무 관찰

효율적인 업무 재설계는 추상적인 아이디어에서 출발하지 않는다. 언제나 정확한 관찰에서 시작한다. 우리는 자신의 워크플로를 객관적으로 기록하고 분석한다. 여기서 말하는 ‘데이터’는 단순히 숫자를 뜻하지 않는다. 일상 업무의 맥락을 이루는 정성적 정보들이다.

다음의 네 가지 요소를 기록하는 것이 그 첫걸음이다.

관찰 요소	주요 질문	목적
반복 빈도	이 일을 얼마나 자주 하는가?	자동화 잠재력 파악
소요 시간	어디에서 시간이 가장 오래 걸리는가?	병목 현상 식별
오류·재작업	무엇 때문에 다시 작업하는가?	실수 원인 분석 및 예방 전략 수립
자료 흐름	어떤 정보가 들어오고 나가는가?	정보 유입·유출 경로 파악 및 통합 기회 탐색

자신의 업무 흐름을 정확히 들여다보는 일은 고되고 지루하다. 하지만 이 과정 없이는 어떤 인공지능도 우리의 문제를 해결해주지 않는다. 불필요한 단계를 제거하거나, AI에 맡길 수 있는 부분을 명확히 하는 것은 이처럼 냉철한 자기 관찰에서 비로소 가능해진다.

유튜브로 발견하고 내 일에서 검증한다

새로운 도구와 활용 사례를 가장 빠르게 접하는 입구는 유튜브다. 코덱스, 클로드 코드, 다양한 자동화 사례들이 영상 콘텐츠로 끊임없이 쏟아져 나온다. 우리는 이러한 최신 사례를 영상으로 찾아 서로 나누며 아이디어를 얻는다.

하지만 유튜브 영상 링크만 쌓아두면 그것은 그저 ‘재생목록’일 뿐이다. 진정한 연구와 개선은 거기서 시작된다. 영상에서 발견한 아이디어를 ‘내 업무에서 재현’해보는 과정이 반드시 필요하다. 영상에서 작동하는 것처럼 보이는 기능이 내 실제 업무 환경에서 그대로 구현되는지, 어떤 한계가 있는지, 나에게 맞춰 어떻게 수정해야 하는지를 직접 확인해야 한다. ‘작동 여부’와 ‘한계’, 그리고 ‘수정 방법’을 파악하는 일, 바로 이 재현과 변형의 과정까지 가야 비로소 의미 있는 학습이 완료된다.

실패를 자산으로, 공동의 지도를 그린다

우리는 잘된 결과만을 공유하는 커뮤니티가 아니다. 오히려 실패의 기록이야말로 우리의 워크플로를 공동의 자산으로 만드는 가장 중요한 요소라고 단언한다. 성공은 때때로 우연의 결과일 수 있다. 그러나 실패는 명확한 원인과 맥락을 지닌다. 왜 틀렸는지, 어디까지 인공지능에 맡겨야 했는지, 그리고 어떻게 문제를 해결했는지를 함께 기록하고 공유할 때 우리는 시행착오의 반복을 줄이고 공동의 지식 지도를 구축할 수 있다. 잘된 결과만 공유하면 공동체의 성공은 위장이 된다.

실패 공유는 다음 세 가지 질문을 중심으로 이루어진다.

실패 공유 요소	질문	목적
무엇을 시도했나	어떤 업무에, 어떤 도구를, 어떤 조건에서 적용했는가?	시도의 맥락과 변수 명확화
왜 틀렸나	어떤 맥락에서, 어떤 자료로 인해 오류가 발생했으며, 검증 과정은 어떠했는가?	실패의 근본 원인 분석
어떻게 고쳤나	업무 범위를 어떻게 조정했고, 기준을 무엇으로 삼았으며, 사람의 어떤 확인이 더해졌는가?	개선 과정 및 최종 해결 방안 공유

이러한 실패 공유 문화가 있어야 우리는 도구 하나를 더 배우는 데서 멈추지 않는다. 내 일을 더 효과적으로 설계하고, 나아가 대전AI교육 교사커뮤니티의 집단 지성을 한 단계 끌어올리는 것을 목표로 한다.

AI티처스쿨(AITS)은 초·중·고 선생님들이 함께하는 대전AI교육 교사커뮤니티이다. 오는 2026년 9월부터 AI 디지털 기술 분과와 AI 디지털 교육 분과 활동을 시작한다. 이 글에서 다룬 AI 디지털 기술 분과는 바로 선생님들의 개인 업무 혁신에 초점을 둔다. AI 디지털 교육 분과에 대한 이야기는 다음 글에서 자세히 다룰 예정이다.

우리는 동료 선생님들의 참여를 기다린다. 지금 당신의 워크플로에 AI 에이전트를 접목할 가장 실질적인 방법을 함께 탐구하고, 그 과정에서 얻은 통찰과 실패를 공유하며 더 나은 교육 현장을 만들어 나갈 수 있다. 당신의 업무 흐름을 읽고, AI로 다시 설계할 준비가 되었는가?

출처

• AI티처스쿨(AITS) AI 디지털 기술 분과 소개 자료 (2026). Google Slides