703 ／ 707
AI 시대 교육의 그림자: Never-skilling과 Mis-skilling
인공지능은 학습에 강력한 도구가 될 수 있지만, 동시에 새로운 교육적 문제를 야기한다. 특히 의학 교육 분야에서 AI 의존이 심화되면 학생이나 초기 전공의가 핵심 역량을 제대로 갖추지 못하거나, 심지어 잘못된 지식을 습득할 위험이 커진다.
AI 시대 교육의 새로운 도전, 네버 스킬링과 미스 스킬링
최근 연구는 AI가 의학 교육에 미치는 영향을 분석하며 기존의 데스킬링(deskilling) 외에 네버 스킬링(never-skilling)과 미스 스킬링(mis-skilling)이라는 두 가지 새로운 교육 문제를 제기한다. 데스킬링은 이미 숙련된 의사가 AI에 장기간 의존하면서 기존 능력이 약해지는 현상을 뜻한다. 반면 네버 스킬링과 미스 스킬링은 학습 초기 단계에서 발생하는 문제에 주목한다.
네버 스킬링이란 무엇인가
네버 스킬링은 “기술을 잃는 것”이 아니라, 애초에 핵심 역량을 제대로 배우고 습득하지 못하는 현상을 일컫는다. 의학 교육에서 AI를 너무 이른 시점부터 사용하면 학생이나 초기 전공의는 독립적인 임상 추론 능력을 형성하지 못할 위험을 겪는다.
핵심은 여기에 있다. AI가 진단명, 감별 진단, 치료 계획 등을 즉시 제시하면 학습자는 당장 좋은 답을 얻는다. 그러나 스스로 병력, 증상, 검사 결과를 연결하고 가능한 진단을 세우며 불확실성 속에서 판단하는 훈련을 충분히 하지 못할 수 있다. 그 결과 AI가 있을 때는 유능해 보이지만, AI가 없거나 AI가 잘못된 답을 냈을 때는 독립적인 판단을 내리지 못한다.
다음 표는 데스킬링과 네버 스킬링의 차이를 보여준다.
| 특징 | 데스킬링 (Deskilling) | 네버 스킬링 (Never-skilling) |
|---|---|---|
| 대상 | 이미 숙련된 전문가 | 의대생, 초기 수련의 등 아직 기초 역량이 형성되지 않은 학습자 |
| 현상 | AI에 의존하며 기존에 획득했던 능력이 약화되는 것 | AI에 의존하며 기초 역량을 애초에 획득하지 못하는 것 |
| 문제 발생 시점 | 숙련 단계 이후 | 역량 형성 초기 단계 |
이 두 현상은 AI 의존이 인간의 역량에 미치는 부정적인 영향을 설명하지만, 발생하는 시점과 대상에 명확한 차이가 존재한다.
미스 스킬링, 잘못된 학습의 위험
미스 스킬링은 AI가 잘못된 정보를 제공했을 때, 학습자가 이를 비판 없이 받아들여 잘못된 지식이나 판단 패턴을 배우는 현상이다. 네버 스킬링이 “배우지 못함”에 가깝다면, 미스 스킬링은 “잘못 배움”으로 이해한다. 이는 학습자가 AI의 오류를 식별할 능력이 부족할 때 발생할 수 있다.
핵심 역량 상실의 세 가지 메커니즘
연구는 AI 의존이 네버 스킬링과 미스 스킬링을 초래하는 세 가지 핵심 메커니즘을 지목한다.
첫째, 역량 획득 실패가 나타난다. 임상 추론 능력은 스스로 문제를 풀고, 틀리고, 피드백을 받는 능동적인 과정에서 형성된다. 그러나 AI가 답을 먼저 제시하면 이러한 인지적 노력이 생략된다. 뇌가 문제를 해결하기 위한 깊은 사고를 할 기회를 얻지 못하는 것이다.
둘째, 판단 보정 능력의 결핍이 발생한다. AI를 효과적으로 사용하려면 언제 AI를 신뢰하고, 언제 의심하며, 언제 무시해야 하는지 아는 능력이 필요하다. 하지만 이는 독립적인 기초 실력이 있어야 가능하다. 기초 실력이 없는 학습자는 AI의 답을 검증하지 못하고 무비판적으로 받아들이기 쉽다.
셋째, 메타인지와 전문직 정체성의 약화로 이어진다. 의사는 단순히 AI의 답을 전달하는 사람이 아니다. 환자의 맥락과 불확실성을 종합해 판단을 내리는 전문가이다. AI 의존이 지나치면 학습자는 자신을 “판단하는 사람”이 아니라 “AI 결과를 중계하는 사람”으로 이해할 위험이 있다. 이는 전문직으로서의 자기 이해와 역할 인식을 왜곡한다.
AI 활용의 핵심, 방식과 시점
중요한 점은 AI 자체에 문제가 있는 것이 아니라, AI를 언제, 어떻게 사용하느냐가 문제라는 주장이다. AI가 답을 바로 제공하는 answer-delivery mode로 사용되면 네버 스킬링의 위험이 커질 수 있다. 이 방식은 학습자의 주도적인 사고 과정을 방해한다.
반대로 AI가 질문을 던지고, 학습자의 추론을 요구하며, 피드백을 제공하는 learning mode로 사용되면 오히려 학습을 도울 수 있다. 이 방식은 학습자가 능동적으로 문제에 참여하고 사고력을 발전시키는 데 기여한다.
단계별 AI 교육 설계
연구 저자들은 AI 시대의 교육을 위한 세 단계 접근법을 제안한다. 이는 AI의 이점을 활용하면서도 네버 스킬링의 위험을 최소화하기 위한 방안이다.
- AI 없이 기본 임상 추론 능력 기르기: 학습 초기에는 AI의 도움 없이 스스로 문제를 해결하고 판단하는 기초 역량을 충분히 쌓는다.
- AI 오류 찾고 검증하기: 기초 역량이 갖춰진 후에는 AI의 결과물을 비판적으로 평가하고, 오류를 찾아내며, 이를 검증하는 훈련을 한다.
- 감독 아래 AI와 협업하기: 최종적으로는 지도 감독하에 AI와 효과적으로 협업하며 실제 임상 상황에 적용하는 능력을 배운다.
AI 시대 교육의 방향
네버 스킬링 문제는 AI 시대 교육의 핵심적인 위험 요소 중 하나이다. AI가 학생을 더 똑똑하게 만드는 것이 아니라, 학생이 스스로 생각할 기회를 빼앗아 ‘AI 없이는 판단하지 못하는 전문가’를 만들 수 있다는 우려를 반영한다. 따라서 중요한 것은 AI 사용을 전면 금지하는 것이 아니다. 기초 역량을 먼저 튼튼하게 세우고, 그 위에 AI 활용 능력을 얹는 교육 설계를 구축하는 일이다.
신경과학의 시선으로 보면
뇌가 새로운 기술을 배우고 전문성을 구축하는 과정은 끊임없는 시도와 오류, 그리고 피드백을 통해 신경망을 정교하게 다듬는 일이다. 만약 AI가 이 과정을 지속적으로 우회하여 정답만을 제시한다면, 뇌는 문제 해결에 필요한 복잡한 신경 경로를 효율적으로 형성하지 못한다. 이는 마치 특정 근육을 사용하지 않아 약해지는 것과 유사하며, 인지적 ‘네버 스킬링’으로 이어진다.
출처
- Nature Medicine (2026). https://www.nature.com/articles/s41591-026-04438-y