AI와 학습의 환상: 생산적 고군분투를 지키는 6단계 설계

요즘 교육 현장에서 AI만큼 뜨거운 주제는 없다. 학생들에게 AI 사용을 허용해야 하는가, 아니면 금지해야 하는가? 이 질문 앞에서 많은 교사가 깊은 고민에 빠진다. AI가 학습을 돕기도 하고 해치기도 한다는 상충하는 증거는 이런 혼란을 더 키운다.

AI, 양날의 검인가 아니면 설계의 문제인가?

이 논문은 AI를 교육 현장에 ‘허용할 것인가 말 것인가’를 묻는 것은 잘못된 질문이라고 단언한다. AI의 효과는 전적으로 ‘어디에, 어떻게 설계하고 배치하느냐’에 따라 달라진다는 주장이다. AI 자체의 선악을 따지는 건 에너지 낭비라는 뜻이다.

데이터·근거: 이 연구는 통제된 실험 결과를 인용한다. 가드레일 없는 AI를 사용한 고등학생들은 AI 없이 공부한 학생들보다 시험 점수가 약 17% 낮았다. 반면, 동일한 AI 모델을 답변 제한 및 교사 맞춤형 힌트 제공으로 재설계하자 해로운 영향이 사라졌다. 심지어 잘 설계된 AI 튜터는 학습 효과를 거의 2배 높였다고 보고한다. 소프트웨어 엔지니어를 대상으로 한 코딩 과제 연구에서는 AI 도구 사용 시 과제 수행 능력은 높아졌지만, 코드 뒤의 개념 학습은 현저히 줄어드는 ‘학습 환상’ 현상을 보여준다.

필자의 판단: 이 대목은 현장의 막연한 불안감을 명확한 설계의 문제로 전환한다. AI는 만병통치약이 아니다. 중요한 건 ‘무엇을 위해’, ‘어떻게’ 활용하는가이다.

‘노력 없는 함정’과 생산적 고군분투의 중요성

학습은 ‘생산적 고군분투(productive struggle)’라는 인지적 노력을 통해 일어난다. AI가 이 고군분투를 대신해버리면, 학생들은 쉽게 답을 얻어 ‘잘 배우고 있다’는 착각, 즉 ‘학습의 환상’에 빠진다. 결국 AI 없이 문제를 해결해야 할 때 학습 내용은 허물어진다.

데이터·근거: 논문은 인지 과학 연구를 바탕으로 이 주장을 펼친다. 학생들이 능동적으로 참여하는 수업에서 객관적 학습 성과는 높았지만, 학생들은 오히려 ‘덜 배우고 있다’고 느꼈다는 연구 결과(Deslauriers et al., 2019)는 이 역설을 증명한다. AI로 매끄럽게 진행된 학습은 실제 학습이 가장 적게 일어날 때 가장 생산적으로 느껴질 수 있다는 점을 지적한다. 논문은 이를 지식 지도(knowledge map)를 비유로 설명하며, 새로운 아이디어가 기존 지도에 단단히 연결되기 위한 6가지 단계를 제시한다: 준비(Prime), 탐색(Probe), 지시(Point), 연결(Attach), 강화(Strengthen), 평가(Test)이다.

필자의 판단: 본질적으로 학습은 고통스러운 과정이다. AI가 그 고통을 제거하는 순간, 학습이라는 근육 자체가 퇴화한다. 마치 헬스장에서 무거운 역기를 AI가 대신 들어주는 것과 같다. 당장은 편하지만, 내 근력은 늘지 않는다. 이 개념은 AI를 활용할 때 가장 먼저 고려해야 할 인지적 설계 원칙이다.

AI 배치 규칙, ‘어디에, 어떻게’ 넣을 것인가

AI는 학생의 고유한 사고와 수행 능력을 가리지 않으면서, 피드백, 연습 밀도, 전문적 현실감을 높이는 곳에만 배치해야 한다. 첫 번째 어려운 시도인 탐색(Probe) 단계와 마지막 비보조 평가(Test) 단계는 AI의 개입이 허용되지 않는 ‘보호된 영역’이다. 이 두 단계에서 AI가 없는 상태로 학생의 능력이 증명되어야 한다. 그 외의 단계에서는 가드레일이 있는 AI 활용을 통해 힌트, 예시, 연습 문제를 제공할 수 있다.

데이터·근거: 논문은 다음 표를 통해 각 단계별 교사의 역할, AI의 역할, 그리고 AI가 물러서야 하는 지점을 명확히 제시한다.

학습 단계	교사의 역할	AI의 합법적 역할 (및 경계선)	근거 (핵심)
1. 준비(Prime)	흥미 유발; 사전 지식 활성화; 소속감 고취	훅/비유 초안 작성; 회상 퀴즈 자동 생성. 낮은 위험 단계	동기 부여 및 사전 지식 활성화
2. 탐색(Probe)	어려운 문제 제시; 답 제공 금지; 고군분투 보호	개입 금지. 독립적 시도 후에만 도구 해제하는 게이트	생산적 실패, 문제 해결력 구축
3. 지시(Point)	질문으로 안내; 최소한의 힌트 제공	가드레일 있는 튜터: 힌트, 오류 감지. 결론 제시 금지	소크라테스식 질문, 인지적 도제
4. 연결(Attach)	명확한 예시 제시; 개념 연결	맞춤형 예시 및 재구성 생성. 안전하고 강력한 활용	학습 준비된 후의 ‘해결된 예시 효과’
5. 강화(Strengthen)	다양하고 새로운 문제 제시; 설명/교수 유도	연습 문제 확대: 맞춤형 훈련, 즉각적 피드백. 학생이 작업	의도적 연습, 장기 기억 공고화
6. 평가(Test)	비보조의 공정한 평가	개입 금지. 문항 초안 작성 지원 가능하나, 평가는 AI 제외	지식 인출, 학습 증명

필자의 판단: 이 프레임워크는 단순히 ‘AI 사용 정책’을 넘어, ‘AI를 활용한 수업 설계 원칙’을 제공한다. 핵심 진단 기준은 간결하다: “AI가 과제를 ‘노력 없이’ 느껴지게 만든다면, 잘못된 곳에 배치된 것이다.” 이것은 모든 교사가 수업을 설계할 때 즉각적으로 적용할 수 있는 강력한 지침이다. AI는 부차적인 작업을 처리하고, 교사는 학생의 고군분투를 지켜보는 ‘관찰자’이자 ‘촉진자’ 역할을 더 잘 수행한다. 구조적으로 AI는 반복적이고 확장 가능한 작업을 맡아 교사의 시간을 귀한 곳에 집중시키는 역할을 한다.

현장 적용의 날카로운 조건과 나의 비판적 낙관

이 연구는 AI 교육의 큰 그림을 제시하며 낙관적인 미래를 보여준다. 그러나 이 프레임워크가 현장에서 성공하려면 몇 가지 조건이 충족되어야 한다. 첫째, 교사 개개인의 ‘AI 리터러시’ 수준 격차가 크다. AI를 ‘도구’로 여기는 교사와 ‘마법’으로 여기는 교사 사이의 간극을 줄여야 한다. 둘째, AI 도구의 접근성과 유연성이 필수적이다. 현재 상용 AI 도구들은 ‘가드레일’을 자유롭게 설정하거나 특정 단계에서만 개입하도록 프로그래밍하는 데 한계가 있다. 학교 차원 또는 교육청 차원의 맞춤형 AI 플랫폼 개발이 필요하다. 셋째, 평가 시스템의 변화가 병행되어야 한다. ‘탐색’과 ‘평가’ 단계에서 AI를 완전히 배제하는 것은 현행 지필고사 중심의 평가 방식에 큰 변화를 요구한다. 학생들이 AI 없이 스스로 사고하고 문제를 해결하는 과정을 ‘보호’하고 ‘증명’할 수 있는 새로운 평가 모델이 필요하다.

구조적 분석: 연구는 “AI 증거는 아직 젊다”고 솔직히 고백한다. 특히 일부 AI 관련 연구 결과(예: 특정 AI 튜터가 학습 효과를 2배 높였다는 연구)는 소규모 엘리트 코스를 대상으로 한 것이어서 일반화하기 어렵다는 점을 명확히 밝힌다. 이는 AI의 잠재력을 환영하면서도, 실제 효과에 대한 과도한 기대를 경계하라는 메시지이다. 즉, AI는 만병통치약이 아니다. 제대로 사용하지 않으면 오히려 학습의 근간을 해칠 수 있다. 교육 현장의 교사들이 AI를 교육 과정에 통합할 때는 단순히 “좋아 보인다”는 인상에 의존하지 않고, 반드시 명확한 학습 목표와 연결하고, 학생의 인지적 부담과 생산적 고군분투 사이의 균형을 면밀히 관찰해야 한다.

비판적 낙관: 이 연구의 가치는 명확한 원칙을 제시했다는 점이다. 무작정 AI를 사용하거나 금지하는 대신, ‘학습의 본질’이라는 북극성을 기준으로 AI의 위치를 잡으라고 말한다. 우리는 이 원칙을 바탕으로 학교 현장에서 작은 실험부터 시작해야 한다. 옆자리의 동료 교사와 점심시간에 이 논문에서 제시한 ‘생존자 편향’ 예시를 가지고 “우리 반 아이들이라면 어떤 반응을 보일까?” “어떻게 AI를 써볼 수 있을까?” 같은 가벼운 대화를 나누는 것, 이것이 시작이다. 즉각적인 성과를 기대하기보다, AI가 학습자의 ‘인지적 주권(cognitive sovereignty)’을 침해하지 않으면서도 학습 경험을 확장할 방법을 함께 고민하고 공유하는 문화가 필요하다.

지금 당장 시도할 한 가지

이 프레임워크가 거창한 교육 과정 개편을 의미하지는 않는다. 단 하나의 수업에서, 단 하나의 새로운 개념을 가르칠 때 이 6단계 모델을 적용해 보라. 특히 ‘탐색(Probe)’ 단계에서 AI를 완전히 배제하고 학생들이 스스로 답을 찾아 헤매는 시간을 허용하고, ‘평가(Test)’ 단계에서 AI의 도움 없이 자신의 지식을 증명하게 만들라. 그리고 그 사이 단계에서 AI가 제공하는 맞춤형 힌트나 무한한 연습 기회가 학생들에게 어떤 영향을 미치는지 직접 관찰하라.

출처

• Brcic, M., & Frljic, S. (2026). The Effortless Trap: Productive Struggle, AI, and the Illusion of Learning. arXiv preprint arXiv:2606.26181.