생성형 AI 교육 보고서, OECD는 무엇을 발견했나

생성형 AI가 교육 현장으로 빠르게 스며들고 있다. 하지만 이 기술이 정말 학생의 학습에 도움이 될까? OECD가 발간한 「디지털 교육 전망 2026(Digital Education Outlook 2026)」 보고서는 이 질문에 대해 현재까지 축적된 가장 포괄적인 근거를 제시한다.

보고서는 생성형 AI가 과제 수행 능력을 높여줄 수는 있지만, 생각하는 노력을 대신하게 되면서 오히려 진정한 학습을 방해할 수 있다는 핵심 모순을 지적한다. 기술의 가능성과 위험 사이에서, 교육의 본질을 지키며 AI를 효과적으로 통합할 길은 어디에 있을까?

생성형 AI, 교육 현장을 바꾸다

2022년 챗GPT 출시 이후, 생성형 AI는 교육 현장에서 더 이상 낯선 존재가 아니다. 학생들은 과제, 아이디어 탐색, 개념 설명 등 다양한 목적으로 AI를 활용한다. 교사 역시 수업 계획, 자료 제작, 평가 문항 생성 등에 AI의 도움을 받는다. OECD 보고서는 여러 국가의 설문조사를 모아 이 현황을 구체적인 수치로 보여준다.

아래 표는 주요 국가의 학생 및 교사 생성형 AI 사용 현황을 요약한다.

국가	조사 시점	대상	주요 사용률
스위스	2024년	고등학교 (일반계)	약 50%가 주 1회 이상 수업에 사용, 약 70%가 사용 경험 있음
에스토니아	2024년	중학생	74%가 학습 지원에 AI 도구 사용
에스토니아	2024년	고등학생	90%가 학습 지원에 AI 도구 사용
유럽 7개국	2024년	12-17세	48%가 챗GPT 사용 경험 있음
미국	2025년	15-17세	68%가 챗GPT 등 AI 챗봇 사용 경험 있음
OECD 평균	2024년	중학교 교사	36%가 지난 1년간 업무에 AI 사용

학생들의 주된 사용 목적은 ‘인지적 지원’(정보, 설명, 요약)과 ‘생산 지원’(아이디어 생성, 초안 작성, 문제 풀이)으로 나타난다. 교사들은 주로 수업 준비와 생산성 향상을 위해 AI를 쓴다. AI 사용자 중 68%는 가르칠 주제를 요약하는 데, 64%는 수업 계획을 짜는 데 사용했다.

과제 수행은 ‘성공’, 학습은 ‘실패’

생성형 AI가 학생의 과제 결과물 품질을 높여준다는 점은 여러 연구에서 확인된다. 하지만 이것이 곧 학습 효과로 이어지는 것은 아니다. OECD 보고서는 ‘과제 수행’과 ‘진정한 학습’ 사이의 불일치 문제를 여러 연구를 근거로 지적한다.

가장 대표적인 사례는 튀르키예 고등학생 1,000명을 대상으로 한 수학 학습 실험이다. 학생들을 세 그룹으로 나누어 90분씩 6회에 걸쳐 연습 문제를 풀게 했다.

• A그룹: 교과서만 사용 (GenAI 미사용)
• B그룹: 범용 챗봇(GPT Base) 사용
• C그룹: 교육용 챗봇(GPT Tutor, 직접적인 답 대신 학습을 유도하도록 설계) 사용

연습 과정에서는 교육용 챗봇을 쓴 C그룹의 정답률이 가장 높았다. 하지만 AI 없이 치른 최종 시험 결과는 정반대였다.

그룹	연습 중 성과 (A그룹 대비)	최종 시험 성과 (A그룹 대비)
A그룹 (GenAI 미사용)	기준	기준
B그룹 (GPT Base)	+48%	-17%
C그룹 (GPT Tutor)	+127%	0%

연습 때는 AI를 쓴 쪽이 앞섰지만, AI 없이 치른 시험에서는 범용 챗봇 집단만 17퍼센트 낮았다. 출처: OECD (2026), OECD Digital Education Outlook 2026, Figure 1.5 (CC BY 4.0).

범용 챗봇을 사용한 학생들은 연습 때 높은 성과를 보였지만, 최종 시험에서는 오히려 성적이 떨어졌다. 답을 쉽게 얻는 과정에서 깊이 생각하고 문제를 해결하는 인지적 노력을 건너뛰었기 때문이다. 보고서는 이를 ‘인지적 오프로딩(cognitive offloading)’ 또는 ‘메타인지적 게으름(metacognitive laziness)’이라 부른다.

물론 생성형 AI가 학습에 긍정적인 영향을 미친 사례도 있다. 하버드 대학교 물리학 입문 과정에서 진행된 무작위 통제 실험이 대표적이다. 이 실험에서는 AI 튜터와 함께 온라인으로 학습한 학생들이 대면 ‘액티브 러닝’ 수업에 참여한 학생들보다 더 짧은 시간에 더 많은 것을 배웠고, 학습 동기와 참여도도 더 높았다.

두 사례의 결정적 차이는 ‘교육적 설계(pedagogical design)’에 있다. 범용 챗봇은 단순히 답을 제공하는 데 초점을 맞추지만, 잘 설계된 교육용 AI 튜터는 학생이 스스로 답을 찾아가도록 유도하는 소크라테스식 대화법 같은 교육학적 전략을 따른다. 기술 자체가 아니라, 기술을 교육 원리에 맞게 어떻게 설계하고 활용하는가가 학습 효과를 좌우하는 것이다.

보고서 전체 요약

OECD 디지털 교육 전망 2026 보고서는 총 14개 장으로 구성되어 있다. 각 장의 핵심 주장을 표로 요약했다.

장	주제	핵심 주장
요약	교육 분야 생성형 AI	생성형 AI는 과제 수행 능력을 높이지만, 잘못 사용하면 인지적 노력을 줄여 실제 학습을 저해한다. 성공의 열쇠는 교육적 설계에 있다.
1	개요	학생과 교사의 AI 사용은 이미 주류가 되었다. 범용 챗봇의 무분별한 사용은 학습에 위험하며, 교육적 목적에 맞게 설계된 도구나 교수법이 필요하다.
2	역량 개발과 평가	AI로 과제 수행 능력이 향상되는 것과 인간의 역량이 개발되는 것은 다르다. AI 시대 평가는 결과물뿐 아니라 학습 과정 자체를 측정해야 한다.
3	AI 튜터	생성형 AI는 과거의 경직된 AI 튜터와 달리 유연하고 개인화된 대화가 가능하다. 소크라테스식 대화법을 구현해 비판적 사고를 촉진할 수 있다.
4	협력 학습	AI는 정보 제공자, 촉진자, 심지어 인공적인 동료 역할을 하며 협력 학습을 지원할 수 있다. 효과는 AI를 어떤 역할로 설정하는지에 따라 달라진다.
5	창의성	AI를 즉각적인 결과물 생산(빠른 AI)이 아닌, 반복적인 탐색과 성찰(느린 AI)에 활용할 때 창의성을 증진시킨다. 단, 집단적 창의성의 획일화 위험이 있다.
6	교육 격차 해소	인터넷 연결이 불안정한 지역에서도 소형 언어 모델(SLM)을 활용한 ‘AI 언플러그드’ 모델로 교사를 지원하고 교육 격차를 줄일 수 있다.
7	교사-AI 협업	교사와 AI의 관계는 대체(Replacement), 보완(Complementarity), 증강(Augmentation)으로 나뉜다. 인간의 전문성과 AI의 효율성이 시너지를 내는 ‘증강’이 가장 이상적이다.
8	교사 자율성	범용 AI를 교육용 AI로 전환하려면 인간 중심 설계(Human-Centered Design)가 필수다. 교사가 설계자이자 조율자로서 자율성을 가져야 한다.
9	AI 조교(TA)	AI 조교(JeepyTA 사례)는 행정 업무, 질의응답, 피드백을 자동화해 인간 조교와 교수가 더 중요한 교육 활동에 집중하게 한다.
10	교사 지원 도구	AI는 수업 계획(ScaffGen), 교사 전문성 개발(수업 대화 분석), 실시간 튜터링 지원(Tutor CoPilot) 등 다양한 방식으로 교사를 지원할 수 있다.
11	기관 운영	고등교육기관에서 AI 임베딩 기술을 활용해 학점 인정, 편입, 진로 상담 등 행정 업무를 효율화하고 정확도를 높일 수 있다.
12	표준화 평가	생성형 AI는 평가 문항을 대량 생성해 생산성을 높이고, 듀오링고 사례처럼 더 실제적인 상호작용형 평가 방식을 가능하게 한다.
13	과학 연구	AI는 문헌 검토, 가설 생성, 데이터 분석 등 연구 전반의 작업 방식을 바꾸고 있다. 교육 연구 분야에서도 합성 데이터 생성 등 새로운 가능성을 연다.
14	종합 및 제언	생성형 AI의 성공적 교육 도입은 모든 이해관계자의 책임이다. 인간 중심 학습 원칙을 지키며 기술을 교육적 목적에 맞게 활용해야 한다.

학생은 어떻게 배워야 하는가

보고서의 1부(3~6장)는 생성형 AI 시대에 학생의 학습이 어떻게 변해야 하는지를 다룬다. 핵심은 AI를 ‘정답 자판기’가 아닌 ‘생각의 파트너’로 활용하는 것이다.

AI 튜터는 더 이상 정해진 규칙에 따라 움직이지 않는다. 생성형 AI 덕분에 학생의 수준과 질문에 맞춰 유연하게 대화하며 소크라테스식 문답법을 구사할 수 있다. 학생이 스스로 개념을 발견하고 비판적 사고력을 기르도록 돕는 것이 목표다.

협력 학습에서도 AI는 다양한 역할을 맡는다. 그룹의 정보 허브가 되거나, 토론을 촉진하는 사회자가 되거나, 특정 전문성을 가진 가상의 팀원으로 참여할 수도 있다. 중요한 것은 AI가 저절로 협력을 증진하는 것이 아니라, 교사가 AI의 역할을 명확히 설계하고 시나리오에 통합해야 한다는 점이다.

창의성 개발에서 보고서는 ‘느린 AI’와 ‘빠른 AI’의 개념을 제시한다. ‘빠른 AI’는 즉각적인 답이나 결과물을 얻는 데 사용된다. 이는 편리하지만 독창적 사고를 저해할 수 있다. 반면 ‘느린 AI’는 아이디어를 탐색하고, 다양한 가능성을 시험하며, 성찰하는 반복적 과정에 AI를 활용하는 방식이다. 이 방식은 개인의 창의성을 증강시키지만, AI가 제안하는 아이디어에 의존하면서 결과물이 획일화될 위험도 존재한다.

마지막으로 보고서는 교육 격차 문제에 주목한다. 인터넷이 없는 지역을 위한 ‘AI 언플러그드(AI Unplugged)’ 모델은 중요한 대안이다. 스마트폰에서 오프라인으로 작동하는 소형 언어 모델(SLM, Small Language Model)이 교사에게 피드백을 주고 수업 자료를 지원하는 방식이다. 이는 기술의 혜택이 일부에게만 돌아가지 않도록 하는 중요한 형평성 관점을 제시한다.

교사는 어떻게 가르쳐야 하는가

보고서 2부(7~10장)는 교사의 역할 변화와 AI와의 협력 모델을 집중적으로 조명한다. 핵심 메시지는 AI는 교사를 ‘대체’하는 것이 아니라 ‘증강’해야 한다는 것이다.

교사와 AI의 관계는 세 가지로 구분된다.

1. 대체(Replacement): AI가 교사의 업무를 완전히 자동화한다. 생산성은 높아지지만, 교사의 전문성 약화와 교육의 비인간화를 초래할 수 있다.
2. 보완(Complementarity): 인간과 AI가 각자 잘하는 역할을 분담한다. 교사는 관계 형성이나 복합적 판단을, AI는 데이터 처리나 반복 작업을 맡는다.
3. 증강(Augmentation): 교사와 AI가 한 팀처럼 상호작용하며 시너지를 낸다. 서로의 결과물을 비판하고 개선하며, 혼자서는 도달할 수 없는 더 나은 교육적 결과를 만들어낸다. 이것이 보고서가 지향하는 가장 이상적인 모델이다.

이러한 ‘증강’ 모델을 실현하려면 교사가 AI 사용자에 머물지 않고 ‘공동 설계자(co-designer)’이자 ‘공동 조율자(co-orchestrator)’가 되어야 한다. 인간 중심 설계(Human-Centered Design) 원칙에 따라 교육 현장의 필요와 교육학적 목표를 AI 도구 설계에 반영해야 한다는 것이다.

구체적인 교사 지원 도구 사례도 여럿 제시된다. 미국 스탠퍼드 대학교에서 개발한 Tutor CoPilot은 온라인 튜터링 중인 튜터에게 실시간으로 교육적 조언을 제공한다. 이 도구를 사용한 튜터들은 더 효과적인 교수법을 사용했고, 특히 경험이 적은 튜터일수록 학생의 학습 성과 향상에 큰 도움을 받았다. 펜실베이니아 대학교의 JeepyTA는 AI가 조교(TA) 역할을 맡아 강의 공지, 과제 관련 질의응답, 토론 요약 등 반복적인 업무를 처리한다. 그만큼 인간 조교와 교수는 학생과의 상호작용이나 심층 피드백 같은 더 본질적인 활동에 시간을 쓸 수 있었다.

교육 시스템은 어떻게 바뀌어야 하는가

보고서 3부(11~13장)는 AI가 교육 기관과 시스템 전체의 운영 방식을 어떻게 바꿀 수 있는지 탐색한다. 교실 안의 변화가 아니라 교육의 ‘백엔드(back-end)’가 어떻게 달라지는가에 관한 이야기다.

고등교육기관에서는 AI의 임베딩(embedding) 기술이 행정 업무를 바꾸고 있다. 임베딩은 단어나 문장, 혹은 강의 같은 대상을 다차원 공간의 벡터로 표현하는 기술이다. 이를 활용하면 여러 대학의 수많은 강의 설명과 내용을 분석해 어떤 과목들이 서로 유사한지 자동으로 판단할 수 있다. 이는 학생들의 학점 교류, 편입 심사, 진로 상담 같은 복잡한 업무를 더 빠르고 정확하게 처리하는 데 도움을 준다.

표준화 평가 분야에서도 생성형 AI는 두 가지 방향으로 기여한다. 첫째는 효율성이다. 기존 평가 문항들과 유사한 새 문항을 대량으로 생성해 출제 비용과 시간을 크게 줄인다. 둘째는 평가 방식 자체의 변화다. 듀오링고(Duolingo) 영어 시험의 사례처럼, AI와 실시간으로 대화하거나 글을 고쳐 쓰는 상호작용형 평가를 도입해 실제 언어 사용 능력에 더 가까운 평가가 가능해진다.

교육 연구 역시 AI로 인해 변화하고 있다. AI는 방대한 문헌을 빠르게 검토하고, 데이터 속에서 새로운 가설을 발견하며, 코드를 짜고 분석하는 전 과정을 돕는다. 특히 교육 분야에서는 민감한 학생 데이터를 직접 사용하지 않고도, 원본 데이터의 통계적 특성을 그대로 재현한 ‘합성 데이터(synthetic dataset)’를 생성해 연구에 활용할 수 있다. 이는 데이터 접근의 한계를 극복하고 연구 가능성을 크게 넓히는 새로운 기회다.

교육의 미래를 위한 제언

보고서는 생성형 AI를 교육에 성공적으로 통합하기 위한 제언으로 마무리한다. 기술의 도입이 교육적 목적을 잃고 표류하지 않으려면, 모든 이해관계자가 인간 중심 원칙을 공유하고 각자의 역할을 수행해야 한다.

이해관계자	핵심 제언
정부/관할 당국	모든 학생에게 기기, 연결성, AI 도구에 대한 접근성을 보장하고, 교사 AI 리터러시 교육에 투자하며, 교육용 AI 연구개발을 지원한다.
교사	AI를 학생의 학습과 관계를 ‘대체’가 아닌 ‘강화’하는 도구로 사용한다. 기초 지식 습득과 AI 활용 사이의 균형을 맞추고, AI 결과물을 비판적으로 검토한다.
학생	AI를 학습을 건너뛰는 지름길이 아닌, 생각의 폭을 넓히는 ‘학습 파트너’로 활용한다. AI의 결과물을 질문하고 검증하며 비판적으로 사용한다.
교육 기관	교육과정에 맞는 안전한 AI 도구를 제공하고, 교사 연수와 전문적 학습 공동체를 지원하며, 명확한 AI 사용 정책과 윤리 규정을 수립한다.
AI 개발사	교육학 연구와 교육과정에 기반한 교육용 AI 도구를 개발한다. 교사, 학생 등 최종 사용자와 함께 공동 설계하고, 안전성과 투명성을 확보한다.
학부모/가정	자녀가 AI 도구에 과도하게 의존하지 않고 독립적인 학습 능력을 기르도록 지원한다. 연령에 맞는 사용을 지도하고, 학교와 소통하며 일관된 원칙을 유지한다.

궁극적으로 보고서가 강조하는 것은 AI 시대 교육의 성공은 기술 자체가 아닌, 그것을 사용하는 인간의 지혜와 판단에 달려 있다는 점이다. 생성형 AI는 강력한 도구이지만, 그 방향키는 언제나 교육의 본질을 이해하는 인간의 손에 있어야 한다. AI가 학습의 지름길이 아니라 학습의 파트너가 되도록 하는 것, 이것이 우리 앞에 놓인 과제다.

출처

• OECD (2026), OECD Digital Education Outlook 2026: Exploring Effective Uses of Generative AI in Education, OECD Publishing, Paris, https://doi.org/10.1787/062a7394-en.