AI는 연수의 문제가 됐다

600만 명. 미국에서 K-12와 고등교육 교사를 대상으로 한 무료 AI 리터러시 교육이 공개됐다. 첫 물결은 20개 이상의 세션이다. 형식은 길지 않다. 준비 시간이나 점심시간에 끝낼 수 있는 짧은 마이크로 트레이닝이고, 시간이 있으면 여러 모듈을 쌓아 긴 워크숍처럼 운영할 수 있다. 이 사실에서 더 중요한 것은 규모가 아니라 방향이다. AI 도입 논의가 이제 “어떤 도구를 쓰는가”에서 “누가 어떤 기준으로 배워야 하는가”로 이동하고 있다. 한국 독자에게 남는 질문도 여기에 있다. AI를 잘 쓴다는 말은 기능 숙련인가, 아니면 판단을 훈련하는 전문성인가.

도구가 아니라 연수의 문제가 됐다

왜 교사 600만 명 대상 교육인가. AI는 앱 하나를 설치한다고 조직 안에 들어오지 않는다. 누군가의 업무 습관, 평가 방식, 설명 책임, 동료와의 협업 규칙 안으로 들어온다. 그래서 AI 활용은 개인의 호기심만으로 해결되지 않는다. 조직이 “무엇을 배움으로 인정할 것인가”를 정해야 한다.

이번 교육의 핵심은 무료라는 조건보다 표준에 맞춘 연수라는 구조다. 한 기술기업이 교육 표준 단체와 협력했고, AI에 준비된 졸업생상이라는 기준을 지원한다고 밝혔다. 여기서 관찰해야 할 지점은 명확하다. AI 리터러시는 더 이상 부가 기능 설명서가 아니라 전문성 개발의 언어로 번역되고 있다.

한국에서도 비슷한 혼란이 있다. 새로운 도구가 나오면 먼저 기능 시연이 돌고, 다음에는 프롬프트 모음이 돈다. 하지만 현장에서 오래 남는 것은 대개 도구 이름이 아니라 규칙이다. 무엇을 맡겨도 되는지, 무엇은 사람이 검토해야 하는지, 결과물을 어디까지 신뢰할지에 대한 합의다. 결국 AI 활용의 출발점은 기술 접속이 아니라 판단의 배치다.

스낵형 전문성

이번 프로그램이 흥미로운 이유는 교육을 “짧게 쪼갰다”는 데만 있지 않다. 짧은 세션을 순서 없이 들을 수 있고, 준비 시간이나 점심시간에 처리할 수 있으며, 필요하면 여러 개를 묶어 워크숍으로 만들 수 있다. 이것은 교육을 이벤트가 아니라 일과 사이에 끼워 넣는 방식이다. 이름을 붙이면 스낵형 전문성이다.

스낵형 전문성은 가볍다는 뜻이 아니다. 오히려 무거운 변화를 버틸 수 있게 작게 자른다는 뜻이다. AI/LLM은 한 번의 강연으로 이해하기 어렵다. 모델의 한계, 입력 방식, 결과 검토, 윤리적 사용, 업무별 적용은 서로 다른 층위에 있다. 긴 강의 하나로 모든 층위를 처리하려 하면 대부분은 기억에서 빠져나간다. 짧은 단위는 그 반대다. 오늘 필요한 한 장면만 붙잡는다.

구체 사례는 이번 교육 자체다. 첫 물결 20개 이상의 세션은 비순차적 마이크로 트레이닝으로 설계됐다. 교사가 준비 시간에 한 세션을 듣고, 다른 날 점심시간에 또 하나를 듣고, 이후 여러 모듈을 모아 긴 워크숍으로 확장할 수 있다. 이 구조는 “한 번 배웠으니 끝”이 아니라 “필요할 때 다시 붙인다”에 가깝다. 결국 학습의 단위가 강의실 시간이 아니라 업무 흐름으로 바뀐다.

한국 사회가 여기서 볼 것은 교육 분야만의 변화가 아니다. 직장에서도 AI 교육은 종종 하루짜리 특강이나 신규 서비스 소개로 끝난다. 그러나 실제 변화는 회의록을 요약하는 순간, 고객 응답 초안을 검토하는 순간, 보고서 구조를 다시 짜는 순간에 일어난다. 학습이 그 순간과 붙어 있지 않으면 AI는 빠르게 장식이 된다. 기능보다 맥락이다.

짧은 교육은 표준 없이는 흩어진다

하지만 짧은 교육이 항상 좋은 답은 아니다. 마이크로 트레이닝은 접근성을 높이지만, 동시에 파편화를 만든다. 누구는 프롬프트 작성만 배우고, 누구는 이미지 생성만 배우고, 누구는 자동 요약만 배운다. 각자 조금씩 아는 상태가 되면 조직 안에서는 오히려 기준이 흐려질 수 있다. 짧음은 장점이지만, 표준이 없으면 흩어진다.

이번 사례가 표준과 졸업생상이라는 언어를 함께 내세운 이유도 여기에 있다. 짧은 세션이 의미를 가지려면 그것들이 어디로 이어지는지 보여줘야 한다. 어떤 능력을 만들기 위한 세션인지, 그 능력이 수업과 평가와 피드백에서 어떻게 드러나는지, 도구 사용과 책임 있는 판단이 어디서 만나는지를 설명해야 한다. 단어 몇 개를 바꾸는 프롬프트 훈련만으로는 충분하지 않다.

한국에 그대로 옮기기 어려운 지점도 있다. 미국의 교사 600만 명을 대상으로 한 대규모 무료 교육이라는 구도는 매력적으로 보이지만, 한국의 현장은 제도와 업무 방식, 평가 문화가 다르다. 같은 모듈을 배포한다고 같은 변화가 생기지 않는다. 짧은 연수는 바쁜 사람에게 맞지만, 바쁜 조직이 깊은 질문을 피하는 수단이 될 수도 있다. 결국 형식보다 연결이 먼저다.

한국의 질문은 속도가 아니라 연결이다

한국에서 AI 리터러시 논의가 자주 놓치는 것은 속도다. 더 정확히 말하면 속도를 너무 앞세운다. 빨리 도입하고, 빨리 익히고, 빨리 성과를 보여주는 언어가 강하다. 그러나 AI가 일상적 도구가 될수록 중요한 것은 빠른 사용이 아니라 일관된 연결이다. 교과별 수업이든 회사의 업무 프로세스든 시민의 정보 소비든, AI가 들어오는 자리는 이미 규칙이 있는 자리다.

따라서 질문은 “무엇을 배울 것인가”에서 끝나지 않는다. “배운 것을 어느 장면에 붙일 것인가”가 더 중요하다. 예를 들어 요약 도구를 배웠다면 그것은 읽기 시간을 줄이는 기능으로만 끝나지 않는다. 어떤 문서를 요약해도 되는지, 요약문을 원문 확인 없이 공유해도 되는지, 요약 과정에서 빠진 쟁점은 누가 책임지는지까지 이어진다. 이것이 리터러시다.

AI는 사람을 대체하는 버튼이 아니라 판단을 드러내는 장치다. 같은 도구를 써도 한 사람은 검토 시간을 줄이고, 다른 사람은 검토 자체를 없앤다. 겉으로는 모두 효율이다. 하지만 결과는 다르다. 전자는 판단의 순서를 바꾼 것이고, 후자는 판단의 자리를 비운 것이다. 결국 AI 교육의 기준은 “쓸 수 있는가”보다 “무엇을 남겨두는가”에 있어야 한다.

한 문장으로 남기는 사용 기준

이 글을 읽고 다르게 볼 수 있는 한 가지는 AI 교육의 품질을 보는 기준이다. 세션 수, 무료 여부, 최신 기능 소개만으로는 충분하지 않다. 그 교육이 끝난 뒤 한 문장이 남는지가 중요하다. “이 도구는 어떤 판단을 돕고, 어떤 판단은 사람이 끝까지 맡는가.” 이 문장이 없다면 교육은 사용법에 머문다.

구체 행동도 크지 않아도 된다. AI 관련 강의, 사내 교육, 공공 안내, 제품 설명을 접할 때 기능 목록 옆에 그 한 문장을 적어 보는 방식이다. 명령이 아니라 기준이다. 예컨대 자동 요약을 배운다면 “요약은 초안을 줄이는 데 쓰고, 핵심 누락 여부는 원문을 본 사람이 확인한다”는 식이다. 이미지 생성이라면 “시안 탐색에는 쓰되, 사실을 전달하는 장면에서는 출처와 맥락을 별도로 확인한다”가 될 수 있다. 이 문장은 도구를 금지하지도, 맹신하지도 않는다. 사용의 경계를 만든다.

AI/LLM을 둘러싼 말은 앞으로도 많아진다. 새로운 모델, 새로운 기능, 새로운 교육이 계속 나온다. 하지만 오래 남는 것은 이름이 아니라 기준이다. 짧은 교육이든 긴 워크숍이든, 결국 사람에게 필요한 것은 “나를 대신해 봐”가 아니라 “내 판단을 어디서 더 선명하게 만들 것인가”라는 질문이다.

600만 명이라는 숫자는 거대한 보급의 장면처럼 보인다. 그러나 그 안쪽에서 실제로 움직이는 것은 더 작은 단위다. 점심시간에 끝낼 수 있는 한 세션, 업무 중간에 붙는 한 모듈, 그리고 사용 뒤에 남는 한 문장이다. AI를 더 많이 쓰는 사람이 늘어나는 것과 AI를 더 분명하게 판단하는 사람이 늘어나는 것 사이에서, 우리는 지금 어느 쪽을 교육하고 있는가?