AI 커리어 격차는 이미 시작됐다 — 한국 중고생 교육이 다시 짜야 할 질문

포브스의 버나드 마(Bernard Marr)는 AI가 거대한 해고 사태로 즉시 전환되지는 않았어도 채용·임금·업무 가치 판단의 축은 이미 이동하기 시작했다고 분석한다. 핵심은 AI를 도구로 쓰는 사람과 직무 자체를 AI 위에서 다시 설계하는 사람 사이에 벌어지는 격차다. 이 분기점은 성인 노동시장만의 이슈가 아니다. 수능과 내신, EBS 강의와 학원 커리큘럼 위에서 자라는 한국 중고생의 진로 설계에도 그대로 들어온다. 단순히 챗봇을 쓸 줄 아는 학생과, 챗봇에게 문제를 재정의해 시키는 학생의 차이는 입시 이후의 첫 직장 단계에서부터 임금과 역할로 분리된다는 신호다.

AI를 쓰는 학생과 직무를 재설계하는 학생은 다르다

마의 글이 지적하는 새로운 분기점은 단순한 도구 사용 여부가 아니다. 같은 챗GPT, 같은 생성형 AI를 손에 쥐어도 어떤 사람은 기존 업무를 1.2배 빠르게 처리하는 데 그치고 어떤 사람은 업무 자체의 정의를 바꾼다. 후자가 채용과 임금에서 우위를 가져간다는 게 글의 메시지다.

이 구도는 한국 중고생 학습 현장에 그대로 옮겨놓을 수 있다. 수행평가에서 AI에게 영어 에세이 초안을 받아 그대로 다듬어 내는 학생과, 주제를 잘게 쪼개 단계별 질문을 던지고 출처를 검증하며 자기 논리로 재조립하는 학생은 표면적인 결과물은 비슷해 보여도 학습된 사고 근육이 다르다. 내신 서술형이 점차 자료 해석·근거 제시형으로 이동하는 흐름에서, 후자의 학생은 시험장에서도 AI 없이 동일한 절차를 머릿속에서 돌릴 수 있다.

학원과 EBS 강의가 던져야 할 질문도 바뀐다. 이 개념을 설명하는 영상을 몇 번 보았는가가 아니라, 이 개념을 AI에게 설명하게 시키고 설명의 빈틈을 잡아낼 수 있는가가 평가의 축이 된다. 도구 사용 횟수가 아니라 문제 재정의 능력이 곧 학습의 깊이라는 전환이다.

채용 기준이 바뀐다는 신호 — 입시 그 이후를 본다

마의 글이 강조하는 또 하나의 포인트는 AI가 일자리를 없애기 전에 평가 기준을 바꾼다는 점이다. 같은 직무 공고라도 기대되는 산출물의 수준과 속도가 올라가고 신입에게 요구되는 사고의 폭이 넓어진다. 진입 장벽이 다른 모양으로 재배치되는 셈이다.

한국의 진로교육은 여전히 대학 입학을 종착점으로 설계되어 있는 경우가 많다. 고등학교 3년의 학습 동선, 학원 로드맵, 자기소개서·생활기록부 전략 모두 입시 한 점에 집중된다. 그러나 입시 이후 4~6년 뒤 노동시장에 들어설 때 이들이 만나는 채용 기준은 지금 부모 세대가 경험한 것과 다른 형태로 재구성되어 있을 가능성이 높다.

이런 변화는 진로 상담의 언어 자체를 바꾼다. 어느 학과를 가야 안전한가에서 어떤 직무에서도 통하는 재설계 역량을 어떻게 쌓을 것인가로 질문이 이동한다. 의대·이공계·인문계라는 큰 박스 안에서도, AI 위에서 자기 일을 다시 그릴 줄 아는 학생과 그렇지 못한 학생의 격차는 학과 선택보다 더 크게 벌어질 수 있다는 것이 마의 분석이 시사하는 바다.

영어 수업이 가장 빠르게 흔들린다

AI 격차가 가장 빠르게 가시화되는 과목은 영어다. 문법 정답을 고르는 객관식 풀이, 단어 암기 테스트, 정해진 패턴의 빈칸 추론은 생성형 AI가 가장 잘하는 영역과 정확히 겹친다. 학생이 AI에게 시켜서 푼 답과 학원에서 풀이해 준 답의 차이가 점점 좁혀진다. 이 지점에서 문법 정답형 영어 수업의 한계가 드러난다.

마의 글이 말하는 재설계 능력을 영어 학습에 옮기면, 수업의 무게중심은 자료 조사 → 요약 → 발표 → 피드백 순환으로 이동한다. 영어 기사 한 편을 AI에게 한국어로 요약시키고 끝내는 게 아니라, 요약의 누락 지점을 찾아 다시 영어로 질문하고 그 답을 자기 발표 슬라이드로 재구성하며 친구나 교사의 피드백을 다시 AI 프롬프트로 환원하는 순환이다. 이 과정에서 영어는 정답을 맞히는 언어가 아니라 생각을 정교화하는 매체로 기능한다.

수능 영어 절대평가 체제 아래에서 변별력이 떨어진다는 비판은 이미 오래된 논의다. 그러나 AI 시대에 영어의 진짜 변별력은 시험지 위가 아니라, 영어 자료를 빠르게 읽고 AI와 협업해 한 단계 깊은 결과물을 만들어내는 능력에서 갈린다. 학원 영어 커리큘럼이 모의고사 회독수가 아니라 영어 기반 AI 협업 과제 수로 차별화될 시기가 다가오고 있다.

AI 리터러시는 검색이 아니라 재구성이다

한국 교육 현장에서 AI 리터러시는 종종 챗GPT 사용법이나 프롬프트 잘 쓰는 법 정도로 좁게 소비된다. 그러나 마의 글이 보여주는 격차의 본질은 사용법이 아니라 사고법이다. AI가 내놓은 답을 의심하며 빈틈을 찾고 다른 각도에서 다시 묻고 결과를 자기 문제 정의에 맞게 재구성하는 절차 — 이것이 직무 재설계의 축소판이다.

중고생 단계에서 이 능력을 키우는 가장 현실적인 통로는 교과 과정 안의 탐구 활동, 수행평가, 그리고 동아리 프로젝트다. 예컨대 사회·과학 보고서를 작성할 때 AI가 제시한 통계와 인용을 그대로 옮기지 않으며 출처를 추적하고 상충하는 자료를 비교하며 자기 결론을 따로 세우는 훈련이다. 이 과정은 생활기록부의 한 줄로 남는 활동이어도 실제로 학생의 머릿속에 남는 것은 정보를 신뢰 가능한 형태로 재구성하는 절차다.

학부모와 교사의 역할도 함께 이동한다. AI를 쓰지 마라와 마음껏 써라의 양극단을 벗어나, 어떤 단계에서 AI를 끼워 넣으며 어떤 단계에서는 의도적으로 AI를 빼고 사고할 것인가를 함께 설계해 주는 코치형 개입이 필요해진다. 이런 개입은 학원이 단순 문제풀이 공급자에서 학습 설계 파트너로 자리를 옮길 때 만들어지는 새로운 가치이기도 하다.

학원과 공교육의 분업이 다시 그려진다

AI 격차 시대에 공교육과 사교육의 역할 분담도 재조정될 가능성이 크다. 정해진 커리큘럼과 평가 시스템을 운영해야 하는 공교육은 AI 협업형 과제를 즉시 전면화하기 어렵다. 학원은 그와 달리 학생 개개인의 학습 동선을 설계할 자유도가 높다. 이 자유도가 어디로 흘러가느냐가 향후 5~10년 학원의 정체성을 결정한다.

지금까지 학원의 핵심 경쟁력은 '진도 관리'와 '문제 회독수'였다. 그러나 AI가 개별 학생의 진도를 추적하고 약점을 짚어 주는 데 점점 능숙해지면서 학원이 회독수만으로 차별화하는 모델은 한계에 부딪힌다. 이 자리를 대체하는 것이 '재설계 코칭' — 학생이 AI와 협업해 만든 결과물을 함께 뜯어보며 어디서 사고가 멈췄는지, 어디서 AI에 의존했는지 진단하는 역할이다.

이 변화는 영어 학원, 논술 학원, 코딩 학원 모두에 해당된다. 공통적으로 요구되는 것은 학생의 결과물 뒤에 있는 사고 흐름을 읽어내는 교사의 눈이다. AI가 만들어 준 깔끔한 답안 너머로, 학생이 실제로 무엇을 이해했고 무엇을 건너뛰었는지를 분별하는 능력이 학원의 새로운 진입 장벽이 된다.

지금 중고생이 준비해야 할 한 가지 습관

마의 분석을 한국 중고생의 일상으로 환원하면 한 가지 습관에 도달한다. 'AI에게 답을 받기 전에, 내가 어떤 문제를 풀고 있는지 한 문장으로 다시 정의해 보는 습관'이다. 이 한 문장이 명확할수록 AI는 더 정교하게 작동하며 결과물에 대한 비판도 가능해진다. 반대로 이 한 문장이 흐릿하면 AI의 답은 그저 '그럴듯한 텍스트'로 끝난다.

이 습관은 수능 비문학 지문 분석에서, 영어 서술형 답안 구성에서, 수학 풀이의 첫 줄에서 그대로 작동한다. 도구가 무엇이든 — 종이와 연필이든, EBS 인강이든, 생성형 AI든 — 문제를 자기 언어로 다시 정의하는 학생이 결과의 깊이를 가져간다. AI 커리어 격차의 씨앗은 이미 중고등학교 책상 위, 노트북 화면 앞에서 자라고 있다. 격차의 방향을 결정하는 것은 도구의 보유 여부가 아니라, 도구 앞에서 던지는 첫 질문의 품질이다.