AI가 답을 대신 써 주는 교실에서 강사가 지킬 것

하버드 교육대학원의 Usable Knowledge가 2023년 8월 던진 물음은 명확하다. ChatGPT 같은 생성형 인공지능이 교실에 들어온 상황에서 교사는 무엇을 해야 하는가. 기사를 쓴 라이언 네이글하우트는 답을 양극단에서 찾지 않았다. 완전한 금지도, 전면 허용도 아닌 중간 어딘가에 교사의 자리가 있다는 말이다. 기사가 다룬 무대는 미국 교실이지만 물음의 구조는 한국 교실과 포개진다. 수능과 내신을 준비시키는 강사에게 이 질문은 먼 미래의 화두가 아니라 이번 학기 과제 설계의 문제다.

금지와 허용 사이에 강사의 자리가 있다

하버드 기사가 가장 분명하게 짚은 지점은 교사의 대응이 양극단 사이에 놓여야 한다는 말이다. 한쪽 끝에는 전면 금지가 있다. 학생이 ChatGPT를 켜는 순간 부정행위로 처리하는 방식이다. 다른 쪽 끝에는 모든 사용을 열어 두는 방임이 있다. 기사는 대다수 교사의 현실적 답이 이 둘 사이에 자리 잡는다고 봤다. 한국 학원가의 고민도 다르지 않다. 내신 수행평가 보고서를 AI가 대신 써 온 학생을 어떻게 가려낼 것인가. 논술 답안 첨삭을 AI에게 맡긴 글을 어디까지 인정할 것인가.

전면 금지가 매력적으로 끌리는 이유는 단순하다. 관리가 편하다. 그러나 금지는 학생이 학원 밖에서 AI를 쓰는 현실을 바꾸지 못한다. 교실 문턱에서만 작동하는 규칙이다. 반대로 전면 허용은 강사가 무엇을 가르쳤는지 확인할 길을 지운다. 수능 국어 비문학 지문을 스스로 분석한 학생과 AI 요약을 베낀 학생의 답안이 같아지는 순간, 평가는 의미를 잃는다. 그래서 기사가 가리키는 중간 지대는 타협이 아니라 설계의 영역이다. 강사가 어떤 과제를 내고 무엇을 채점하느냐가 곧 AI를 향한 입장이 된다. 집에서 쓰는 글과 교실에서 손으로 쓰는 글을 나누는 일, 완성된 결과물보다 글이 만들어진 과정을 평가에 넣는 일이 중간 지대를 만드는 구체적 방법이다. 금지 공지 한 장으로 끝날 사안이 아니라 과제의 성격을 다시 짜야 풀리는 사안이다.

AI가 쓴 답안에는 빈틈이 있다

기사는 사용자가 AI에게 에세이를 쓰게 하고 질문에 답하게 만드는 방법을 찾아냈다고 적었다. 동시에 AI가 만든 글과 답이 완벽과는 거리가 멀다고 못 박았다. 이 빈틈이 강사에게는 거꾸로 도구가 된다. AI가 만든 답안은 그럴듯한 문장을 빠르게 뽑아낸다. 그러나 근거가 약하거나 사실이 어긋난 대목이 자주 섞인다.

수능 국어 화법과 작문, 내신 서술형 채점 기준으로 보면 이 약점이 또렷하게 드러난다. 출처를 대지 못하는 주장, 지문에 없는 내용을 끌어온 추론, 질문의 조건을 빠뜨린 답이 대표적이다. 강사가 AI 답안의 빈틈을 학생과 함께 뜯어보는 수업은 그대로 비판적 읽기 훈련이 된다. 학생에게 완성된 답을 주는 대신, 틀린 답을 주고 무엇이 어떻게 틀렸는지 찾게 하는 방식이다.

이 접근은 평가 도구의 방향도 바꾼다. AI가 쉽게 채우는 과제일수록 변별력이 떨어진다는 신호이기 때문이다. 단순 요약이나 정보 정리형 과제는 AI가 몇 초 만에 끝낸다. 반대로 자신의 풀이 과정을 설명하거나, 두 지문의 관점을 견주거나, 오답의 이유를 따지는 과제는 AI도 쉽게 흉내 내지 못한다. 교육과정이 강조하는 고차원 사고를 묻는 문항일수록 AI의 빈틈은 커진다. 강사가 AI 답안의 틈을 수업의 중심에 놓으면, AI는 베끼는 도구가 아니라 분석 대상이 된다.

오정보와 학생 정보라는 두 위험

기사가 교사와 행정가의 머릿속을 떠나지 않는 걱정으로 꼽은 것이 오정보와 데이터 프라이버시다. 두 위험은 성격이 다르다. 오정보는 AI가 내놓는 답의 품질 문제다. 데이터 프라이버시는 AI에 무엇을 입력하느냐의 문제다.

오정보부터 보면, AI는 틀린 사실을 자신 있는 문장으로 말한다. 학생이 AI 문장을 검증 없이 받아들이면 잘못된 지식이 그대로 굳는다. 수능 비문학이나 내신 사회·과학 서술형에서 출처 없는 단정은 감점 요인이다. 강사가 AI 답을 교차 확인하는 절차를 수업에 넣어야 하는 이유다. EBS 교재나 교과서로 AI의 주장을 대조하는 습관이 오정보를 거르는 첫 관문이 된다.

데이터 프라이버시는 학원 운영과 더 가깝게 맞닿는다. 학생의 성적, 답안, 개인 정보를 외부 AI 서비스에 그대로 입력하면 개인 정보가 어디에 저장되고 어떤 방식으로 활용되는지 통제하기 어렵다. 기사가 짚은 우려가 바로 이 지점이다. 강사가 채점 보조나 첨삭에 AI를 쓰더라도, 학생을 특정가능하는 정보는 빼고 입력하는 원칙이 필요하다. 오정보와 프라이버시는 따로 노는 위험이 아니다. 검증 없이 받아들인 답과 무방비로 넘긴 정보가 겹치면 학원의 신뢰가 한꺼번에 무너진다. 두 위험을 같은 무게로 다루는 강사가 AI를 오래 안전하게 쓴다.

AI의 사고가 학습을 대신한다는 두려움

기사가 짚은 또 하나의 우려는 AI의 '사고'가 인간의 학습을 대체한다는 두려움이다. 학생이 스스로 생각하는 대신 AI에 묻고 끝내면, 배움의 핵심인 사고 과정이 통째로 빠진다.

이 두려움은 한국 교실에서 특히 무겁다. 수능과 내신이 묻는 것은 정답 자체가 아니라 정답에 이르는 과정이기 때문이다. 수학 풀이의 논리, 국어 지문의 근거, 영어 문장의 구조를 따라가는 힘은 학생이 직접 헤맬 때 자란다. AI가 학생의 헤맴을 건너뛰게 해 주면 결과는 빨라지지만 능력은 자라지 않는다. 답안은 매끄러워지는데 실력은 제자리인 상황이 온다.

그렇다고 AI를 학습에서 몰아내는 답은 기사의 결론이 아니다. 핵심은 사고 과정을 누가 거치느냐다. AI에 답을 시키는 대신 AI와 토론하게 하면 사고는 오히려 늘어난다. AI가 내놓은 풀이의 허점을 학생이 반박하게 하는 과제, AI의 답을 더 나은 답으로 고치게 하는 과제가 그렇다. 강사가 설계하기에 따라 같은 도구가 사고를 빼앗기도, 사고를 끌어내기도 한다. 기준은 단순하다. 학생이 AI를 쓴 뒤 더 많이 생각했는가, 아니면 덜 생각했는가. 이 물음 하나가 과제가 학습을 돕는지 갉아먹는지를 가른다.

회복력이라는 오래된 단어의 재등장

기사의 제목이 가리키는 단어는 학문적 회복력이다. 회복력은 무너지지 않는 힘이 아니라 흔들린 뒤 다시 서는 힘이다. 생성형 AI가 교실의 규칙을 흔드는 상황에서 기사가 교사에게 권하는 자세가 바로 이말이다.

회복력은 학생에게만 필요한 자질이 아니다. AI가 답을 대신 써 주는 환경에서 학생이 길러야 할 회복력은 막히는 문제 앞에서 포기하지 않는 끈기, 틀린 답을 고쳐 가는 태도다. 수능 국어의 낯선 지문, 어려운 킬러 문항 앞에서 학생을 버티게 하는 힘과 다르지 않다. AI가 쉬운 길을 열어 줄수록, 어려운 길을 견디는 훈련은 오히려 귀해진다.

기사가 회복력을 화두로 꺼낸 이유는 분명하다. 기술은 계속 바뀐다. 오늘의 ChatGPT가 내일은 다른 도구로 바뀐다. 특정 도구를 막는 규칙은 금세 낡는다. 그러나 흔들리는 환경에서 다시 배우는 힘은 도구가 바뀌어도 남는다. 강사가 학생에게 물려줄 것은 AI 사용법보다 변화 앞에서 무너지지 않는 학습 태도다. 교육과정이 말하는 자기주도학습도 이 회복력과 닿는다. 누가 떠먹여 주지 않아도 스스로 다시 일어나 배우는 학생이 도구가 바뀌어도 끝까지 남는다.

강사에게도 적응력이 요구된다

기사의 요약이 교사에게 직접 건네는 말은 적응력이다. 학생의 회복력을 키우는 출발점은 강사의 적응이라는 말이다. AI가 바꾼 교실은 강사에게도 익숙하지 않은 환경이다.

적응은 AI를 능숙하게 다루는 기술과 다르다. 모든 AI 도구 숙련을 강사에게 요구하는 압박은 오히려 함정이다. 도구는 계속 바뀌고, 어제 익힌 기능이 오늘 사라진다. 정작 필요한 적응은 평가와 과제를 보는 눈을 바꾸는 일이다. AI가 쉽게 푸는 과제와 그렇지 않은 과제를 구별하는 감각, 결과물 뒤의 과정을 읽어 내는 시선이 그말이다.

학원가의 현실에서 이 적응은 경쟁력과 직결된다. AI가 대신 써 주는 보고서로 채워지는 수업과, AI가 흉내 내지 못하는 사고를 길러 주는 수업은 학부모의 눈에도 갈린다. 강사가 AI를 적으로 두느냐 재료로 두느냐가 수업의 가치를 가른다. 변화에 적응한 강사는 AI를 두려워하지 않는다. 학생이 AI로 무엇을 하는지 알고, AI 답안 위에서 수업을 다시 설계한다. 기사가 말한 적응력은 새로운 기술 목록이 아니라 가르치는 방식을 다시 보는 태도다.

다음 학기 과제에서 바꿀 한 가지

기사를 한 줄로 줄이면, AI를 막을지 허용할지가 아니라 무엇을 어떻게 평가할지를 다시 정하라는 주문이다. 기사의 주문을 당장 적용할 한 가지는 과제의 무게중심을 결과물에서 과정으로 옮기는 일이다.

방법은 거창하지 않다. 다음 수행평가나 논술 과제에서 완성된 글 한 편만 받지 않는다. 학생이 처음 잡은 개요, 중간에 고친 흔적, 왜 그렇게 고쳤는지를 적은 메모를 함께 받는다. AI가 한 번에 뽑아내는 매끈한 결과물로는 채울 수 없는 항목이다. 채점 기준에 과정 점수를 넣는 순간, AI를 베낀 답안과 직접 쓴 답안이 갈린다.

수업 안에서 손으로 쓰는 짧은 글쓰기를 한 번 넣는 것도 같은 효과를 낸다. AI 답안을 일부러 제시하고 빈틈을 찾게 하는 활동, AI의 풀이를 학생이 반박하게 하는 토론도 다음 주에 바로 쓴다. 핵심은 AI가 쉽게 푸는 과제를 줄이고, AI가 흉내 내지 못하는 사고를 묻는 과제를 늘리는 방향이다. EBS 문항이나 기출을 그대로 내주던 과제에 "AI라면 어떻게 답했을까, AI 답의 약점은 무엇인가"라는 한 줄을 더하는 것으로 충분하다. 기사가 말한 회복력은 거기서부터 자란다.

검증 가능한 과정이 수업의 증거가 된다

Harvard GSE 글에서 반복되는 걱정은 AI가 쓴 답의 완성도가 아니라 사람의 학습이 사라지는 장면이다. 에세이와 질문 답변을 만들어내는 도구는 이미 교실 안으로 들어왔다. 답은 매끈하지만 완벽하지 않다. 따라서 강사가 볼 증거도 완성본 한 장에서 끝나지 않는다. 학생이 어떤 문장을 우선 붙잡았는지, 어떤 근거를 확인했는지, AI 답안에서 어떤 오류를 발견했는지가 수업의 증거가 된다. 수능 독해와 내신 서술형에서도 같은 원리가 작동한다. 정답 번호보다 근거 줄을 찾는 과정이 실력을 드러낸다.

이 기준을 세우면 AI 사용 여부를 감시하는 수업에서 벗어난다. 학생은 도구를 썼다는 사실보다, 도구가 낸 답을 어떻게 검증했는지 설명할 때 점수를 얻는다. 데이터 사생활도 같은 기준 안에 들어온다. 과제에 넣으면 안 되는 개인 정보와 제출해도 되는 학습 흔적을 나누는 규칙이 필요하다. 규칙은 금지 목록으로 끝나지 않는다. 학생이 흔들린 뒤 다시 시도한 기록을 남기게 만드는 설계다. 회복력은 마음가짐만으로 자라지 않고 다시 풀어 고친 흔적을 보는 평가에서 자란다.

강사는 다음 수업에서 두 가지 흔적을 남기면 된다. 하나는 학생이 AI 답안을 보기 전에 적은 자기 해석이다. 다른 하나는 AI 답안을 본 뒤 고친 이유다. 두 기록이 남으면 결과물은 더 이상 혼자 서지 못한다. 학습자는 처음 생각과 수정한 생각 사이의 차이를 설명한다. 강사는 완성도보다 판단의 이동을 본다. Harvard GSE 글이 말한 회복력과 적응력은 이런 작은 장치에서 수업 언어가 된다. 금지와 허용 사이의 선택도 막연하지 않다. 학생의 사고 과정이 드러나는 활동은 열고, 사고 과정을 지우는 활동은 닫는다.