와튼의 AI 교육 전환 전략, 학생이 이끄는 미래

2024년 9월, 챗GPT의 등장으로 교육 현장이 술렁이던 시기에 공유된 와튼 스쿨의 사례는 단순한 기술 도입 이야기가 아니다. 세계 최고 경영대학원이 인공지능을 교수와 학습의 혈관에 심는 과정은 우리에게 근본적인 질문들을 던진다. AI 네이티브 기관으로의 전환이 과연 현실에서 가능한 일일까? 이 변화는 누구에게 어떤 가치를 가져다주는가? 나는 이들이 현장에서 부딪히며 얻은 답과 새로운 질문들을 함께 탐구하고자 한다.

와튼의 대담한 시도, AI 네이티브 기관으로의 전환

와튼 스쿨의 리처드 폴 워터맨(Richard Paul Waterman) 교수는 AI 기반 교육 전환의 불씨를 당긴 핵심 인물이다. 그의 초기 관찰은 단순했다. 샌프란시스코 캠퍼스에서 한 동료 교수가 자신의 수업에서 다루는 개념과 놀랍도록 유사한 내용을 가르치는 장면을 목격한다. 이 깨달음은 중요한 통찰로 이어진다. 와튼의 모든 수업은 녹화되고 대본이 존재하는데, 이 방대한 데이터를 개별 교수가 수동으로 분석하는 것은 불가능하다는 판단이었다. 연간 120개 수업, 각 수업당 18시간을 한 사람이 들여다본다면 2,160시간 이상이 필요하다. 이는 1년치 노동 시간보다 많으며, 그 시간 동안 내용은 이미 변화한다.

워터맨 교수는 이 비효율적인 상황을 해결하기 위해 대규모 언어 모델(LLM)의 잠재력을 직관적으로 파악했다. 그는 LLM이 이 콘텐츠를 소화하여 ‘강화된 검색’ 기능을 제공할 것이라 예상한다. 특정 아이디어를 활용하는 강의를 검색하는 방식은 교과 과정 통합의 가능성을 열었다. 이 아이디어는 두 가지 핵심 프로젝트로 구체화된다. 교수진을 위한 웸바 인사이트(Wemba Insights)와 학생을 위한 스탯봇(StatBot)이다.

구조적으로 보면, 이 접근은 AI가 단순한 자동화가 아니라 인간의 인지적 한계를 확장하는 도구임을 명확히 보여준다. AI는 개인의 역량을 증대하는 촉매제 역할을 한다.

학생 주도 혁신, 스탯봇의 파급력

스탯봇은 강의 요약, 특정 개념 설명, 시험 대비 질문 생성 등 학생의 학습 과정을 전방위로 지원하는 AI 챗봇이다. 이 도구는 특히 경영학 석사(EMBA) 학생들에게 폭발적인 반응을 얻었다. 이들은 풀타임 직업과 학업을 병행하므로, 학습 효율성이 곧 학업 성공의 관건이다. 워터맨 교수는 챗봇이 학생 질문에 5~10초 만에 답하는 반면, 교수의 이메일 답변은 며칠이 걸릴 수 있음을 지적한다. 이러한 시간 효율성은 스탯봇의 가장 큰 매력이다.

누푸르 자인(Nupur Jain)과 세린 오카(Ceren Okar) 두 EMBA 학생(워터맨 교수는 이들을 ‘슈퍼 TA’라 부른다)은 스탯봇의 학생 채택을 이끄는 핵심 동력이었다. 이들은 초기 사용자로서 동료 학생들에게 직접 챗봇 활용법을 공유하고, 초기 회의론을 불식시키는 데 기여한다. 초기 사용자들은 챗봇이 생성한 답변으로 숙제나 퀴즈에서 도움을 받고, 그 경험을 다른 학생들과 공유한다. 그 결과, 챗봇 출시 한 달 반 만에 전체 학생의 약 70%가 스탯봇을 활발히 사용한다. 학생들은 챗봇에 “다섯 살 아이에게 설명하듯이 개념을 알려달라”, “특정 주제에 대해 질문을 만들어달라” 등 다양한 프롬프트를 시도하며 학습 경험을 개인화한다.

구분	특징	AI 챗봇 활용 양상
초기 수용자 (기술 친화적 서부 코호트)	기술 친화적, 지적 호기심	적극적 활용, 동료들에게 도움 공유
회의론자 (재무 중심 동부 코호트)	전통 학습 방식 선호, 기존 방식에 자부심	초기 저항, 동료 성공 사례 관찰 후 수용

초기 수용자와 회의론자 그룹을 분석한 결과, 기술 친화적인 서부 코호트가 초기부터 적극적으로 스탯봇을 활용한 반면, 재무 중심의 동부 코호트는 회의적인 시각이 강했다. 그러나 초기 수용자들의 성공 사례가 입소문을 타면서 회의론자들 역시 스탯봇 사용을 시작한다. 학생은 단순히 수동적 학습자가 아니라, 기술 도입의 가장 강력한 동력임을 스탯봇의 사례는 증명한다. 교육 현장에서의 AI 수용은 상부의 지시보다 사용자 경험의 즉각적 가치에서 시작된다.

교수진 협력의 난제와 해법

교수진을 위한 웸바 인사이트는 교과 과정 통합을 목표로 한다. 워터맨 교수는 모든 강의 내용을 AI가 분석하여 다른 교수가 어떤 내용을 가르치는지 파악하고, 이를 바탕으로 교과 과정을 유기적으로 연결하려는 비전을 제시한다. 초기에는 36명의 핵심 교수진 중 18명만 참여를 결정하며 학생용 챗봇보다 느린 채택 속도를 보인다. 이 지연의 주된 원인은 기술적 문제보다는 인간적 저항에 있었다. 워터맨 교수는 교수들이 “자신만의 농담”이나 “특별한 교수법”이 도용될 것을 우려하여 공개를 꺼리는 심리를 지적한다.

하지만 그는 학생들의 수요가 결국 교수들의 참여를 이끌어낼 것이라 단언한다. 교수가 유일하게 AI 도구를 사용하지 않는다면, 학생들로부터 상당한 압박을 받을 수밖에 없다는 뜻이다. 기술 도입의 최종 걸림돌은 언제나 인간의 심리적 저항에 있으며, 이를 극복하는 핵심은 실질적 가치 증명과 동료 및 학생들의 압력이다. 교육 현장에서의 혁신은 단순히 새로운 도구의 도입이 아니라, 교수진의 인식과 행동 변화를 수반한다.

AI 신뢰 구축, 투명성과 검증의 기술

AI 기반 도구가 교육 현장에서 성공적으로 안착하려면 신뢰 구축은 필수적이다. 브랜든 래프빙(Brandon Lafving) IT 프로젝트 리드는 기술적 관점에서 이 신뢰를 어떻게 설계했는지 설명한다. 영문학 전공의 그가 기술 프로젝트를 이끌었다는 점은 AI 기술이 특정 기술 배경과 무관하게 누구에게나 열린 영역임을 시사한다.

신뢰 구축을 위한 기술적 접근:

1. 권한 부여 및 개인화: 학생 신원을 확인하여 해당 섹션의 정확한 데이터베이스에 접근하게 한다. 챗봇이 학생 이름을 부르며 인사하는 기능은 개인화된 경험을 제공한다.
2. 투명한 근거 제시: 챗봇 답변의 신뢰도를 높이고자 모든 답변에 강의록에서 직접 인용된 구문과 해당 강의 영상의 타임스탬프 링크를 제공한다. 학생은 답변이 의심스러울 때 언제든 원본 자료를 확인하여 검증한다.
3. 데이터 의존성 강화: 챗봇이 자체 학습 데이터가 아닌, 와튼의 강의 데이터베이스와 강의록에 엄격하게 의존하도록 시스템 프롬프트를 설정한다. 이는 이른바 환각(hallucination) 현상을 최소화한다.
4. 유기적 청킹(Synchronous Chunking): 벡터 데이터베이스에 데이터를 저장할 때, 단순히 일정 길이로 나누는 대신 ‘코사인 유사성 점수’를 활용하여 대화의 자연스러운 주제 전환 지점에서 청크를 나눈다. 이는 챗봇의 답변 품질을 비약적으로 향상시켰다. 워터맨 교수는 이 개선점을 보고 “내 일자리가 없어질 수도 있겠다”라고 농담할 만큼 놀랐다.

AI 활용의 핵심은 정확도 하나가 아니라 신뢰도 구축에 있다. 기술적 투명성은 곧 윤리적 책임의 출발점이며, 이는 교육 현장에서 특히 중요하게 작용한다. 학습 과정에서 AI로 얻은 정보가 검증 가능하다는 점은 학생의 비판적 사고력을 오히려 자극하는 역설적 효과를 낳는다.

한국 교육 현장에 던지는 질문

와튼 스쿨의 사례는 한국의 초중고 교육 현장에 많은 시사점을 던진다. 교육 당국은 AI 디지털 교과서 도입과 AI 디지털 기반 교육혁신을 추진하며, 교사들은 급변하는 기술 환경에 적응하려 애쓴다.

주요 시사점과 한국적 적용:

• 학생 주도 AI 도입: 한국 학생들 역시 새로운 기술에 대한 호기심과 높은 적응력을 지닌다. 와튼 사례처럼, 학생들의 학습 효율성 증대에 초점을 맞춘 AI 도구는 하향식 지시보다 빠르게 현장에 스며들 수 있다. 예를 들어, 특정 교사의 수업 자료만을 학습한 수업 전용 챗봇은 교사에게는 업무 부담을 덜어주고, 학생에게는 개인화된 복습 기회를 제공한다.
• 교사 협력의 허들: 와튼 교수진이 ‘자신만의 농담’을 공유하길 꺼리는 모습은 한국 교사들의 수업 전문성 존중이라는 명분 뒤에 숨은 지식 공유의 저항과 맞닿아 있다. 교사 개개인의 뛰어난 수업 노하우가 시스템적으로 공유되고 활용되는 문화는 여전히 난제로 남는다.
• 신뢰와 투명성: 한국 교육 현장에서 AI 챗봇이 성적이나 평가와 연동될 때, 신뢰와 익명성 보장은 더욱 민감한 문제가 된다. AI 답변의 근거를 명확히 제시하고, 학생 활동 데이터의 익명성을 철저히 지키는 기술적, 제도적 설계는 필수불가결하다. 교사가 AI가 제시한 자료를 학생이 직접 검증하도록 유도하는 학습 환경 설계 또한 중요하다.

한국 교실에 AI 챗봇이 들어올 때, 기술적 난관보다 더 큰 걸림돌은 교실의 벽이다. 이 벽은 교사 개인의 전문성에 대한 자부심에서, 혹은 평가의 공정성에 대한 우려에서 기인한다. 중요한 것은 이러한 심리적, 문화적 장벽을 해소하는 방안을 모색하는 일이다.

비판적 낙관주의자의 시선

와튼의 사례는 AI가 교육 시스템을 어떻게 변화시킬 수 있는지에 대한 강력한 비전을 제시한다. 특히 학생 주도적인 기술 수용은 하향식 지시가 가지는 한계를 명확히 보여준다. 결국, AI 기술은 그 자체로 교육을 혁신하지 않는다. 교육을 혁신하는 것은 기술이 제공하는 새로운 가능성을 발견하고, 이를 활용하려는 인간의 의지와 협력 문화이다. 기술이 가져올 부작용과 윤리적 문제, 특히 AI의 ‘환각’이나 데이터 편향 문제는 끊임없이 경계해야 한다. 하지만 와튼이 투명한 검증 메커니즘으로 신뢰를 구축하려 노력하듯이, 우리도 AI의 한계를 인정하고 보완하며 나아가야 한다.

이제 한국의 교육 현장은 교사들이 AI를 자신만의 방식으로 실험하고, 그 과정에서 얻은 인사이트를 동료들과 공유하는 작은 성공의 고리를 만들어야 한다. 학교는 교사가 동료들과 AI 활용 성공과 실패 사례를 투명하게 나누는 비정기적인 대화 모임을 시도해야 한다. 단순히 AI 도구를 제공하는 데서 그치지 않고, 교사들이 서로의 경험으로 배우고, 함께 문제를 해결하며 AI 교육의 새로운 지평을 열어갈 ‘심리적 안전감이 확보된’ 소통의 장이 필요하다.

출처

• OpenAI Forum: https://forum.openai.com/public/videos/ai-in-higher-education-2024-09-30