AI는 교사를 대체하지 않는다, 다만 학습의 방식을 바꾼다

AI 도구에 질문을 던지면 그럴듯한 답이 즉시 돌아온다. 정보 접근만 보면 교실과 학원의 존재 이유가 흔들리는 듯하다. 그런데 EdSurge에 실린 테리 테일러의 글은 학습이 정보 접근만의 문제였던 적이 없다고 짚는다. 학생은 정보의 질을 가려내고, 잘된 작업을 알아보고, 생각을 잇는 능력을 길러야 한다. 모두가 같은 결론에 이르지 않는다는 현실과도 부딪쳐야 한다. AI가 진짜 학습을 받치는 순간과, 답을 검증 없이 받아들이는 인지적 항복으로 미끄러지는 순간을 가르는 일이 교사의 새 과제가 된다.

그럴듯한 답이 학습을 멈추는 지점

누구나 어디서나 질문을 던지면 표면상 합리적으로 보이는 답이 돌아온다. 정보 접근은 역사상 가장 쉬워졌다. 그래서 전통적 학교와 대학의 종말을 예언하는 목소리가 나온다. 하지만 교육은 정보 접근만의 일이었던 적이 없다. 학생이 사회의 유능한 구성원이 되려면 그보다 훨씬 많은 것이 필요하다. 정보의 질을 가려내고, 잘된 결과물을 알아보고, 흩어진 생각을 잇는 힘이다. 여기에 모두의 의견이 같지 않다는 사실, 그래도 괜찮다는 사실을 견디는 경험이 더해진다. 이런 배움은 사람 사이의 관계를 요구한다. 비위를 맞추는 AI는 삶의 마찰을 가리는 쪽으로 움직인다. 테일러는 AI 답변을 최소한의 검증으로 삼키는 태도를 인지적 항복이라 부른다. 수능 비문학 지문을 붙들 때도 정답만 건네받으면 사고가 멈춘다. 학원 강사가 학생에게 풀이 과정을 되묻는 이유가 여기 있다. 내신 서술형 답안을 채점할 때 교사가 보는 것도 결론이 아니라 결론에 이른 길이다. AI가 그 길을 대신 걸어 주면 평가가 측정하려던 능력이 사라진다.

무료 챗봇과 설계된 튜터는 같은 도구가 아니다

학습 결과는 어떤 AI를 쓰느냐에 따라 크게 갈린다. 인지적 항복의 위험은 무료 표준 LLM에서 더 크다. 이 모델은 도움을 주도록 설계되어 질문에 곧장 답을 내놓는다. 학생이 이런 방식으로 AI를 쓸 때 뇌 활동과 학습 보존량이 모두 낮아진다. 반대로 학습을 단계별로 떠받치고 대면 수업을 보조하는 도구는 결과가 다르다. 한 학부 물리학 입문 강좌 연구에서, 정교하게 설계된 AI 튜터를 쓴 학생들은 능동적 대면 수업을 받은 학생들보다 학습 향상도가 두 배였다. 같은 AI라는 이름을 달고 있어도 무료 챗봇과 설계된 튜터는 다른 도구다. 학원가에서 EBS 연계 교재를 풀이만 베끼는 학생과 오답을 스스로 재구성하는 학생의 성취가 갈리는 장면과 닮았다. 도구가 답을 떠먹여 주는지, 학생이 다음 단계를 직접 밟게 하는지가 갈림길이다. 평가 도구를 고를 때 강사가 먼저 던질 질문은 정확도가 아니라 이 도구가 사고를 멈추게 하는가다.

AI를 들이지 말아야 할 구간이 있다

AI가 학습 과정에서 맡는 역할이 중요하고, 어떤 순간에는 손을 떼야 한다. 앞의 물리학 연구 저자들은 구조화된 AI 튜터링이 여러 개념을 복합적으로 종합하고 고차원 비판적 사고를 요구하는 과제에는 맞지 않을 수 있다고 경고했다. 에스토니아는 더 큰 규모로 이 원칙을 보여 준다. 에스토니아 교육부 장관은 OpenAI와 손잡고 고등학교에 맞춤형 AI 플랫폼을 들이면서도 혼합 모델을 설명한다. 학생은 학습 초기에 손글씨로 기억을 형성하고, 나중에 디지털 도구로 피드백과 AI 보조 학습을 받는다. 에스토니아는 더 어린 학년에는 AI를 들이지 않는다. 기초 지식과 기능을 먼저 쌓게 하려는 선택이다. 한국 교육과정도 저학년 한글 쓰기와 손셈을 강조하는 이유가 같은 자리에 놓인다. 수능 킬러 문항이 측정하려는 복합 추론은 AI가 대신 밟아 주면 길러지지 않는다. 어디까지 AI에 맡기고 어디부터 손글씨와 백지 풀이로 돌리느냐가 커리큘럼 설계의 핵심이 된다.

교사 하루 연수가 만든 일 년치 격차

좋은 AI 활용과 나쁜 AI 활용의 결과가 이토록 멀기 때문에, 교사는 AI를 책임 있게 교수 도구에 더할 지원을 받아야 한다. 시에라리온의 한 연구에서 중등 교사들은 AI 도구를 학습에 들이기 전에 하루짜리 연수를 마쳤다. 그러고 나서야 일 년치 추가 수업에 맞먹는 수학 학습 향상이 나타났다. 도구를 먼저 쥐여 준 것이 아니라 교사를 먼저 준비시킨 순서가 결과를 만들었다. 하루 연수라는 작은 투자가 일 년이라는 격차로 돌아온 셈이다. 한국 학원가에서 새 평가 도구나 AI 첨삭 서비스를 도입할 때도 같은 순서가 필요하다. 강사가 도구의 한계와 개입 지점을 먼저 익히지 않으면, 같은 도구가 누구의 손에서는 학습을 키우고 누구의 손에서는 인지적 항복을 부른다. EBS나 교육청 연수가 기능 시연에 그치지 않고 언제 AI를 멈춰야 하는지를 다뤄야 하는 이유다. 교사의 전문성을 존중하는 연수가 도구 자체보다 먼저다.

사라진 학습 모드와 접근의 불균형

구글, OpenAI, 앤트로픽 모두 학습 모드와 관련 기능을 내놓는다. 다만 이런 기능은 보통 사용자가 직접 켜야 하고, 기업용이 아닌 사용자에게는 점점 찾기 어려워진다. OpenAI는 2025년 7월 스터디 모드를 선보였다가 올봄 표준 ChatGPT 화면에서 조용히 내렸다. 이 기능은 기업 계약을 맺은 학교와 시스템에만 남아 있다. 계약은 비싸다. 하지만 이런 계약이 교육자가 실제로 원하는 유형의 AI 수요를 끌어올린다. 여러 교육 주체가 협력해 조달 과정에서 기술 기업에 비슷한 요구를 내밀 때 특히 그렇다. 학생의 사고를 멈추게 하는 무료 챗봇은 누구나 손에 쥐고, 학습을 떠받치는 설계된 도구는 비싼 계약 뒤에 숨는 구조다. 한국에서도 수능과 내신을 준비하는 학생 사이의 도구 격차가 사교육비 격차로 이어질 위험이 있다. 학원과 학교가 따로 움직이는 대신 평가 도구 조달 기준을 함께 세울 때 협상력이 생긴다. 학습과 학생 데이터를 지키는 기준이 함께 가야 한다.

기술 전환을 견뎌 온 교육의 내력

AI 이전에도 교육은 기술 전환을 여러 번 통과했다. 테일러는 그 내력에서 자신감을 얻는다. 20세기 전후 의무교육법이 통과될 무렵, 앤드루 카네기가 세운 도서관 2,509곳은 많은 경우 교실 역할을 했다. 줄리어스 로젠월드가 지은 학교 5,000곳은 미국 남부 농촌 흑인 아동의 3분의 1을 가르쳤다. 새 학습 방식의 혜택을 모두에게 닿게 한 사례다. 더 거슬러 가면 독일 도제 프로그램이 오늘날 튼튼한 이유도 보인다. 산업혁명기에 독일 길드는 변화에 맞서는 대신 모델을 바꿔 진화하는 경제에 맞췄다. 넘쳐나는 정보의 시작에는 인쇄기가 있었다. 인쇄기는 텍스트 접근을 넓혔고 누가 전문성을 주장할 수 있는지를 다시 짰다. 글쓰기 자체가 아주 오래전에 커리큘럼과 자격 인증, 정보 교환을 바꿨다. AI도 같은 줄에 선 전환이다. 한국 교육과정이 평가 도구와 학원가 관행을 다시 짜야 하는 까닭이 여기 있다. 기술이 바뀔 때 버틴 쪽은 저항한 집단이 아니라 자기 모델을 고쳐 쓴 집단이다.

다음 수업에서 바꿀 한 가지

테일러의 글이 강사에게 남기는 질문은 하나로 모인다. 언제 AI가 진짜 학습을 받치고, 언제 인지적 항복으로 미끄러지는가다. 다음 수업에서 바꿀 한 가지는 과제를 내기 전에 AI 금지 구간을 먼저 정하는 일이다. 개념을 처음 만나고 기초를 세우는 단계는 손글씨와 백지 풀이로 남긴다. 에스토니아가 초기 학습에 손글씨를 둔 선택과 같은 자리다. 그다음 단계, 곧 자기 풀이를 점검하고 피드백을 받는 구간에서만 AI를 연다. 학생이 AI 답을 가져오면 결론을 채점하는 대신 어떻게 그 답에 닿았는지를 되묻는다. 내신 서술형과 수능 비문학이 측정하려는 능력이 바로 그 과정에 있다. 강사 자신도 도구를 학생에게 쥐여 주기 전에 한 번은 직접 돌려 보며 어디서 답을 떠먹이는지 확인한다. 시에라리온의 하루 연수가 일 년의 격차를 만든 순서를 교실 단위로 줄이는 셈이다. 도구를 바꾸기 전에 도구를 멈출 지점을 먼저 정하는 것, 그 한 가지가 다음 커리큘럼의 출발점이 된다.