AI가 답을 주는 시대, 학생에게 남겨야 할 네 가지

생성형 AI가 과제와 자료 조사에 들어온 지 몇 학기가 지났다. 학교와 학원의 대응은 대체로 두 갈래였다. 금지하거나, 사용법을 가르치거나. 그런데 포브스 기술 위원회(Forbes Technology Council) 회원 패널이 2026년 9월 8일 공개한 기고문은 그 두 갈래가 모두 같은 지점을 비켜간다고 본다. 문제는 도구를 쓰느냐 마느냐가 아니라, 학생이 도구가 내놓은 답을 판단할 수 있느냐라는 것이다.

이 기고문은 포브스가 'Council Post'로 표시한 글이다. 유료 회원제 기고 프로그램의 산출물이고, 참여한 패널 가운데 일부는 자기 회사를 함께 밝히고 있다. 연구 논문이 아니라 현장에서 제품을 만드는 사람들의 의견 모음이라는 뜻이다. 수치나 연구 인용은 없다. 그 점을 감안하고 읽되, 이들이 공통으로 짚은 네 가지는 입시 현장에도 그대로 옮겨볼 만하다.

답을 의심하는 능력

패널이 첫째로 꼽은 것은 'AI 답변에 대한 회의(Skepticism Regarding AI Answers)'다. AI는 그럴듯하지만 불완전하거나 틀린 답을 자신 있게 내놓는다. 그래서 필요한 능력은 답을 빨리 얻는 것이 아니라 어떤 답이 신뢰받을 자격이 있는지 가려내는 것이라고 이들은 말한다.

이 칼럼의 해석으로는, 이 지점이 한국 입시와 가장 직접 맞닿는다. 영어 지문 해석을 AI에 물어본 학생은 답을 얻는다. 하지만 그 해석이 맞는지 판단하려면 결국 자기가 문장 구조를 볼 줄 알아야 한다. 판단할 능력이 없는 상태에서 받은 답은 지식이 아니라 추측이다. 시험장에는 AI가 없다는 뻔한 이유 때문만이 아니다. 틀린 답을 틀렸다고 알아채지 못하면 그 오류가 그대로 쌓인다.

확률을 이해하는 능력

둘째는 '확률과 통계 문해력(Probability and Statistical Literacy)'이다. 패널의 설명은 이렇다. AI 모델은 답을 '아는' 것이 아니라 데이터의 패턴에서 가장 그럴듯한 것을 예측한다. 자신 있게 말한 답이 틀릴 수 있는 이유가 여기에 있다.

이것은 수학 과목 얘기가 아니다. 도구가 어떻게 작동하는지 아는 것과 모르는 것의 차이다. 원리를 모르면 AI의 확신에 찬 말투를 정답의 신호로 읽는다. 원리를 알면 그 말투가 계산의 부산물일 뿐임을 안다.

먼저 생각하고 나중에 묻는 순서

셋째는 '독립적 사고(Independent Thinking)'인데, 패널은 이를 태도가 아니라 절차로 제안한다. '사람이 먼저(human first)'인 작업 순서를 학교가 강제하라는 것이다. 학생이 자기 논지나 틀을 먼저 세운 뒤에 도구를 쓰게 하면, 도구는 생각을 대신하는 것이 아니라 그 생각을 검증하고 다듬는 자리로 내려온다.

이 칼럼의 해석으로는 이것이 네 가지 가운데 교실에서 가장 바로 적용할 수 있는 제안이다. 금지도 허용도 아니고 순서를 정하는 일이기 때문이다. 서술형 답안을 쓸 때 초안은 반드시 손으로 먼저 쓰게 하고, 그다음에 AI에 검토를 맡기는 식이다. 결과물만 보면 둘은 비슷해 보이지만, 학생 머릿속에 남는 것은 완전히 다르다.

무엇을 넣지 말아야 하는지 아는 능력

넷째는 '개인정보 판단(Privacy Judgment)'이다. 어떤 정보를 도구에 넣어도 되고 어떤 것은 안 되는지 스스로 판단하는 능력을 말한다. 네 가지 가운데 가장 덜 논의되지만, 학생이 성적표나 생활기록부 내용을 아무 서비스에나 붙여넣는 상황을 떠올려보면 왜 들어갔는지 알 수 있다.

남는 질문

이 네 가지는 모두 'AI를 잘 쓰는 법'이 아니라 'AI가 있어도 자기 판단을 유지하는 법'에 관한 것이다. 기고문이 연구가 아니라 의견 모음이라는 한계는 분명하다. 다만 금지와 사용법 교육 사이에서 오가던 논의에 세 번째 축을 제시한다는 점에서는 읽을 값이 있다.

원장님과 학부모가 당장 물어볼 수 있는 질문은 하나다. 우리 아이는 AI가 내놓은 답을 보고 "이건 아닌 것 같은데"라고 말할 수 있는가. 그 말이 나온다면 도구를 써도 괜찮다. 나오지 않는다면, 도구를 금지하는 것보다 먼저 그 판단력을 만드는 일이 급하다.