AI, 교육의 조력자인가 대체자인가

챗GPT의 등장 이후, 교육 현장은 전례 없는 속도로 AI와 마주한다. 어떤 교사는 AI를 혁신의 기회로 보고, 또 어떤 교사는 학생들의 독립적 사고를 저해하고 학문적 진정성을 위협하는 존재로 여긴다. 이러한 극명한 온도 차이 속에서, 우리는 이 기술의 본질을 파고들어 현장에 실질적 가치를 만들어내야 한다.

이 연구가 발표된 '비정규 및 디지털 교육 저널'

AI, 교실 문턱을 넘다—교육 현장의 새 파고

AI는 더 이상 컴퓨터 과학자들만의 전유물이 아니다. 챗GPT 같은 생성형 도구의 확산으로 AI는 교실, 훈련 프로그램, 그리고 스스로 학습하는 모든 영역에 걸쳐 빠르게 교육 현장으로 침투한다.

이 연구는 AI가 과거에도 지능형 튜터링 시스템이나 학습 분석 엔진의 형태로 존재했지만, 그 활용은 주로 자원이 풍부한 기관이나 연구실에 국한되었다고 설명한다 (Zawacki-Richter et al., 2019; Holmes et al., 2019). 하지만 최근 몇 년간 머신러닝 기술의 발전과 클라우드 기반 서비스의 대중화로 AI 기능이 주류 교육 플랫폼에 통합되었다. 특히 챗GPT와 같은 대규모 언어 모델의 등장은 결정적인 전환점이 됐다 (Kasneci et al., 2023). 이는 강력한 생성 도구가 누구나 무료로 접근할 수 있게 됐다는 의미다. 초기에는 많은 학교와 대학이 AI의 명백한 유용성과 오용에 대한 우려 사이에서 금지와 채택이라는 극단적인 반응을 보였다 (Cooper, 2023).

본질적으로 이 연구의 분석은 AI가 교육 현장에 던진 충격을 정확히 포착한다. 하지만 단순히 ‘확산’이라는 표현만으로는 부족하다. AI는 교사들에게 ‘수십 년간 쌓아온 교사의 노하우가 대체될 수 있다’는 심리적 위협감, 나아가 직업적 정체성에 대한 구조적 질문을 던졌다. 현장이 직면한 것은 단순히 새로운 도구의 등장이 아니라, 교육의 근본적인 의미를 재정의해야 하는 위기이자 기회이다.

AI, 어디에 어떻게 쓰이는가—네 가지 핵심 활용 영역

이 연구는 AI의 교육 적용 분야를 크게 네 가지로 분류하고, 각 영역에서의 기회와 위험을 명확하게 제시한다. 이는 AI 에듀테크 시장의 핵심 플레이어들과 그들이 제공하는 가치를 이해하는 데 중요한 통찰을 준다.

1. 개인 맞춤형 및 적응형 학습: AI는 학습자의 반응, 학습 속도, 오류 데이터 등을 분석해 난이도, 학습 순서, 콘텐츠를 조절한다. 고정된 학습 경로 대신, 개인별 특성에 맞춰 마치 인간 튜터처럼 개별적인 관심을 제공한다 (Luckin et al., 2016). 보고에 따르면 이러한 개인화는 학습 참여도를 높이고 학습자가 자신의 필요에 따라 진도를 나아가도록 돕는다.
2. 지능형 튜터링 및 자동 평가: 학습자의 지식 상태를 모델링해 문제 해결 과정에서 단계별 안내, 힌트, 피드백을 제공한다. AI는 수동으로는 불가능할 정도로 빠른 속도로 응답을 채점하고, 오개념을 탐지하며, 형성 평가 피드백을 생성한다 (Holmes et al., 2019). 자이 앤 넴(Zhai & Nehm, 2023)은 AI 기반 평가가 이미 교육 현장의 확고한 부분이 됐으며, 교사의 역할이 기계가 생성한 통찰을 해석하는 방향으로 변화했다고 주장한다.
3. 생성형 AI의 콘텐츠 및 대화 기능: 챗GPT와 같은 대규모 언어 모델(LLM)은 자연어 프롬프트에 반응해 독창적인 텍스트, 설명, 대화를 생성한다. 교육에서는 교재 초안 작성, 복잡성 수준에 따른 설명 제공, 브레인스토밍 지원, 대화형 학습 파트너 역할 등으로 활용된다 (Kasneci et al., 2023). 초기 탐색 연구에서는 사실 오류와 불균일한 신뢰도 등 분명한 한계도 드러나, 주의 깊은 인간 감독의 필요성을 보여준다 (Cooper, 2023).
4. 비정규 평생 학습 지원: 공식적인 교실 환경을 넘어, AI는 비정규 및 평생 학습의 기반으로 작용한다. 개방형 강좌 및 기술 플랫폼의 추천 시스템은 학습 목표에 맞는 콘텐츠를 제안하고, 챗봇은 정해진 시간 외에도 질문에 답변한다. 유연하고 자기 주도적인 비정규 학습의 특성상 AI의 개인화 및 온디맨드 도구와 자연스럽게 결합한다.

이 연구는 AI의 주요 적용 분야별 기회와 위험을 명확하게 정리한다.

영역	일반적인 도구 및 예시	보고된 이점	주요 위험
개인 맞춤형 및 적응형 학습	적응형 학습 과정; 학습 분석 대시보드	개별 학습 속도 조절; 어려움을 겪는 학습자 조기 식별	불투명한 알고리즘; 데이터 품질 의존성
지능형 튜터링 및 자동 평가	지능형 튜터링 시스템; 자동화된 형성 평가	즉각적인 피드백; 교사의 반복적 업무 부담 감소	판단 오류; 평가 가능한 기술의 협소화
생성형 AI	대규모 언어 모델; 대화형 비서	빠른 콘텐츠 생성; 즉각적인 설명 및 대화	부정확성; 표절; 독립적 추론 약화
비정규 평생 학습	강좌 추천; 챗봇; 재교육 경로	유연하고 즉각적인 접근; 자기 주도 학습 지원	불균등한 접근; 제한된 감독; 데이터 사생활 침해

AI가 제공하는 ‘개별화’와 ‘효율성’은 교사의 업무 부담을 줄이고 학습 참여도를 높이는 명백한 이점을 준다. 하지만 그 이면에는 알고리즘 편향성, 데이터 사생활 침해, 그리고 가장 중요하게는 ‘독립적 사고’의 약화라는 그림자가 공존한다. 현장에서 ‘개별 맞춤형’이라는 말만으로는 부족하다. 우리는 AI가 실제로 학습자의 어떤 인지적 과정을 자극하고, 어떤 학습 결과로 연결되는지에 대한 구체적 검증을 요구한다.

AI는 ‘교수학습의 증폭기’—현장 적용의 비판적 낙관주의

이 연구는 AI를 교수학습의 증폭기(amplifier of pedagogy)로 이해하는 것이 가장 유용하다고 역설한다. AI는 교사를 대체하는 것이 아니라, 숙련된 교육자가 이미 수행하는 역할을 확장하여 반복적인 작업을 처리하고 시의적절한 추가 피드백을 제공할 때 가장 효과적이다. 인간의 판단, 동기 부여, 관계 형성을 대체하리라 기대할 때 실패한다.

셀윈(Selwyn, 2019)은 ‘가르치는 기능을 단순히 자동화할 수 있다’는 시각을 경계하라고 충고한다. 이 연구가 검토한 증거도 이러한 경고와 일치한다. 교사의 역할은 여전히 핵심적이지만, AI 지원 학습을 설계하고 감독하며 그 결과를 해석하는 방향으로 전환된다 (Holmes et al., 2019). 생성형 도구의 생산성과 학습 진정성 사이의 긴장은 금지 조치로 해결되기 어렵다. 탐지가 불확실하고 회피가 비현실적이므로, 쉬운 답변 생성 대신 과정, 추론, 적용을 중시하는 방식으로 과제와 평가를 재설계하는 것이 더 지속 가능한 대응이다 (Cooper, 2023; Zhai & Nehm, 2023). 이는 더욱 진정성 있고 대화적인 평가, 그리고 AI를 숨기지 않고 비판적으로 활용하는 방법에 대한 명시적인 교육으로 나아간다.

‘증폭기’라는 표현은 AI의 본질을 정확히 꿰뚫는다. 좋은 교수법에 AI를 더하면 더 좋아지고, 나쁜 교수법에 AI를 더하면 더 나쁜 결과가 증폭될 따름이다. 이것은 AI가 만능 해결책이 아님을 역설적으로 증명한다. 현장에서는 교사들이 AI를 교육 과정에 통합하고 평가 방식을 재설계하는 데 막대한 시간과 노력을 투입해야 한다. 수업 설계 템플릿에 ‘AI 활용 지점’이라는 칸을 하나 더 추가하는 것만으로는 부족하다. 동료 교사들과 함께 특정 수업 과제에서 챗GPT 사용 후기를 짧게 공유하고, 어떤 프롬프트가 학생의 사고를 더 깊게 만들었는지 5분간 토론하는 미세한 실천이 AI 리터러시를 현장에 녹여내는 시작점이다.

우리에게 필요한 것은 AI 리터러시와 지배구조—’그래서 어떻게’ 가치 설계?

이 연구는 AI의 유익한 도입을 위한 전제 조건으로 AI 리터러시를 강조한다. 학습자와 교육자는 AI의 능력과 한계, 오해를 일으킬 수 있는 지점, 그리고 결과물을 평가하는 방법을 알아야 한다 (Ng et al., 2021). 그러한 리터러시가 없다면 AI의 이점은 이미 유리한 사람들에게만 돌아가, 위에서 언급한 형평성 문제를 심화시킨다. 따라서 커리큘럼 전반에, 특히 비정규 성인 학습 과정에 AI 리터러시를 포함하는 것이 AI 도구의 기술적 능력만큼이나 중요하다 (UNESCO, 2023).

또한 공식 교육 환경은 구조와 감독을 제공하지만 적응 속도가 느리다. 반면 비정규 학습은 민첩하고 학습자 주도적이어서 개인화된 생성 도구에 적합하지만, 공식 시스템에서 학습자를 보호하는 제도적 안전장치가 부족한 경우가 많다. 따라서 비정규 교육의 과제는 유연성을 유지하면서도 데이터 보호, 투명성, 인간 감독 측면에서 공식 교육과 유사한 기준을 채택하는 것이다 (UNESCO, 2023). AI가 두 영역에 걸쳐 학습을 공평하게 지원하려면 임시적인 결정보다는 일관된 지배구조가 필요하다.

이 연구는 ‘AI 리터러시’를 단순히 기술 사용법을 넘어선 비판적 사고의 영역으로 확장한다. 이는 본질적으로 AI라는 도구를 통해 학습자의 메타인지 능력을 강화하려는 시도이다. 하지만 ‘AI 리터러시’는 구호로만 존재할 뿐, 실제 교육 과정 설계에선 여전히 파편적이다. 교육 정책은 “AI 리터러시 교육을 강화한다”는 선언을 넘어, 구체적으로 어떤 과목에서, 어떤 연령대에, 어떤 내용과 평가 방식으로 이것을 구현할 것인지에 대한 로드맵을 내놓아야 한다. 그리고 비정규 교육 기관에서 데이터 사생활 침해나 불투명한 알고리즘 문제를 어떻게 해결할 것인가? 이는 기술의 문제가 아니라, 사회적 합의와 정책적 의지의 문제다. 개별 교사나 기관에 맡길 문제가 아니다.

결론—AI 활용, 현장의 내일을 그리다

이 연구는 AI가 교육에 제공하는 개인화, 효율성, 그리고 폭넓은 접근성을 인정하면서도, 학문적 진정성, 형평성, 사생활 침해, 그리고 인간 판단의 위치에 대한 심각한 질문들을 제기한다. 이는 AI가 교육을 “강화해야지, 대체해서는 안 된다”는 핵심 메시지를 전달한다.

다만 이 연구는 서술적 검토의 한계로 인해 ‘얼마나 더 나아지는가?’라는 현장의 절박한 질문에 대한 정량적 답을 주지는 않는다. 이를 현장에 적용하기 위해 우리는 ‘측정 가능한 강화’를 추구해야 한다.

당신의 다음 수업 설계에서, 학생들이 챗GPT를 ‘교사 대신 정보를 찾는 도구’가 아니라, ‘자신의 생각과 주장을 정교하게 다듬는 비판적 사고의 촉매제’로 활용하게 할 구체적인 과제를 하나 설계한다. 그리고 그 결과를 학년 메신저에 한두 줄로 공유한다. 이는 현장의 집단 지성이 AI를 교육에 제대로 착근시키는 가장 확실한 방법이다.

출처

• Bîrsan, D. C. (2026). The Role of Artificial Intelligence in Education: Opportunities, Challenges, and Implications for Formal and Non-Formal Learning. Journal of Non-Formal and Digital Education, 2(2), 2–7. https://doi.org/10.63734/JNFDE.02.02.001