AI 에이전트가 교사의 시간을 되돌려줄 수 있는가

오후 다섯 시, 고등학교 교무실 한쪽 책상에 국어 교사가 혼자 앉아 있다. 형성평가 결과 파일을 NEIS에 입력하면서 동시에 다음 주 수업 지도안을 열어 두고 있다. 하루에 다섯 시간 수업했지만 나머지 시간은 온통 이런 작업들로 채워졌다. Canvas가 출시한 AI 교수 에이전트 'IgniteAI Agent'는 바로 이 지점을 겨냥한다. 교사가 반복 행정에서 벗어나 수업 본연에 집중하도록 돕겠다는 것인데, 한국 교실에서 이 약속이 얼마나 작동할지는 전혀 다른 질문이다.

반복 업무가 수업 준비를 잠식하는 구조

한국 중·고등학교 교사의 하루는 수업으로만 이루어지지 않는다. 내신 성취기준에 맞춘 평가 계획 문서 작성, 학교생활기록부 세부능력 및 특기사항 기재, 교육과정 재구성 보고서, 학부모 상담 자료 준비. 이 작업들이 수업 준비 시간을 잠식한다. 학원 강사도 다르지 않다. 수업보다 많은 시간이 커리큘럼 정리, 문제 선별, 성적표 제작, 상담 자료 구성에 들어간다.

행정과 수업이 같은 사람에게 묶여 있는 구조가 문제의 본질이다. 교사 1인이 수업 설계자이자 평가자이자 기록자이자 상담자 역할을 동시에 수행한다. AI 에이전트가 이 반복 작업 일부를 가져간다면, 교사에게 돌아오는 시간은 어디로 쓰일까. 이 질문이 IgniteAI Agent를 흥미롭게 만드는 동시에, 에이전트의 한계를 가늠하게 만드는 출발점이다.

Canvas의 설계 논리는 분명하다. 교사가 반복하는 작업을 에이전트에게 위임하고 교사는 학생과의 실제 상호작용에 집중한다. 수업의 질은 교사가 학생을 바라보는 시간과 비례한다는 전제 위에 서 있다. 이 전제 자체는 틀리지 않는다. 문제는 그러한 전제가 한국 교실에서 실행 가능한 조건 위에 서 있지 않다는 점이다.

자동화의 실제 작동 범위 — 패턴 감지와 맥락 해석 사이

IgniteAI Agent가 자동화하는 작업은 크게 세 범주다. 단원 목표를 입력하면 학습 자료 초안과 퀴즈 문항을 생성하는 자료 제작, 학생 오답 패턴과 진도 이탈 구간을 수치로 보여주는 데이터 분석, 특정 학생의 과제 미제출이나 높은 오답률에 반응해 교사에게 알림과 보충 자료를 제안하는 개입 제안이다. 에이전트는 사람이 눈으로 확인하고 판단해야 했던 작업을 자동으로 처리하고 결과만 전달한다.

구체적으로 상상해보면 이렇다. 고등학교 2학년 영어 수업에서 관계사 단원을 마친 뒤 퀴즈를 실시했다고 하자. 수강생 35명 중 22명이 관계대명사 생략 규칙 문항을 틀렸다. 에이전트는 이 패턴을 즉시 감지하고 교사에게 보충 설명 자료를 제시한다. 교사가 35개의 답안지를 직접 분류하고 오답 유형을 통계로 정리하는 작업이 자동화된 셈이다. 이건 작지 않은 절감이다.

그러나 에이전트가 감지한 패턴이 실제 원인과 다를 수 있다. 22명이 관계사 문법을 몰라서 틀린 건지, 지문 독해 자체를 놓쳤는지, 시간이 부족해서 찍은 건지 에이전트는 판단하지 않는다. 패턴을 감지하지, 의미를 이해하지 않는다. 해석은 교사의 몫으로 남는다. 에이전트가 데이터를 정리하는 시간을 줄여줄 수는 있지만 데이터를 수업으로 연결하는 판단은 여전히 교사가 맡는다. 자동화의 범위는 분석 전까지다.

한국 교실이 이 전제를 받아들이지 못하는 세 가지 이유

IgniteAI Agent는 Canvas LMS 위에서만 작동한다. 학생 데이터가 Canvas 안에 축적되어야 에이전트가 읽고 분석한다. 그러나 한국 공교육에서는 NEIS가 학생 정보를 관리하고 EBS 온라인 클래스나 학교 자체 플랫폼이 학습 자료 배포에 쓰인다. 학원에서는 업체별 독자 프로그램이 따로 운영된다. 글로벌 LMS가 한국 중·고등 현장에 실질적으로 도입된 비율은 극히 낮다. 에이전트가 읽을 수 있는 데이터가 없으면 자동화는 시작점에도 도달하지 못한다.

내신 평가는 자동화의 대상이 아니다. 한국 학교 내신은 교사가 직접 출제하고 검토하는 절차를 명시적으로 요구한다. 교육과정과 성취기준에 맞춘 문항 설계는 법적·행정적 책임이 따르는 작업이다. AI가 문항 초안을 만들더라도 교사가 전부 검토하고 재작성해야 하는 현실에서, 실제 시간 절감은 기대보다 훨씬 작다. AI 초안을 수정하는 데 드는 시간이 처음부터 직접 쓰는 시간과 크게 다르지 않다는 말이 현장에서 나오는 이유다.

신뢰의 문제도 있다. 학생부 세부능력 및 특기사항은 대학 입시에 반영된다. AI가 이 문장의 초안을 작성했다는 사실이 알려질 경우 학부모나 입학처가 어떻게 받아들일지, 아직 아무도 명확한 기준을 내놓지 않았다. 기술의 가능성보다 제도적 신뢰가 정립되어야 하는 영역이 있다. 내신과 학생부가 그 가운데 가장 민감하다. 도구를 쓰고 싶어도 쓸 수 없는 맥락이 기술에 앞서 존재한다.

에이전트 도입이 교사에게 요구하는 것

IgniteAI Agent를 도입하려면 Canvas 위에서 수업을 설계한다는 전제가 앞선다. 이건 도구를 하나 추가하는 일이 아니라 수업 운영 방식 전체를 재편하는 일이다. 학습 목표를 LMS 안에서 정의하고 자료를 플랫폼에 업로드하며 학생 반응을 시스템 안에서 수집하는 루프가 구축되어야 에이전트가 의미 있게 개입한다.

이 전환 비용은 누가 지불하는가. 교사가 플랫폼을 새로 배우고 기존 수업 자료를 이전하며 학생들에게 새로운 접속 방식을 안내하는 동안 에이전트는 아직 아무것도 도와주지 않는다. 자동화의 혜택은 전환 비용을 치른 다음에야 온다. 비용 대부분이 교사 개인의 시간과 에너지로 청구된다. 이 구조에서 AI 에이전트 도입은 교사를 돕는 도구이기 이전에, 교사에게 투자를 요구하는 전제 조건이 된다.

실제로 AI 도구 도입 초기에 오히려 더 바빠졌다는 반응이 드물지 않다. 도구가 늘어난 만큼 도구를 운용하는 책임도 늘어나기 때문이다. 에이전트의 출력을 검토하며 오류를 수정하고 학생에게 적합한 형태로 재편집하는 작업이 더해진다. 단기적으로 업무량이 줄기보다 늘어나는 국면이 반드시 존재한다. 이 단계를 예상하지 못한 채 도입하면 도구는 사용되지 않는다. 설치는 됐지만 열리지 않는 앱으로 남는다.

지금 가르치는 자리에서 확인하는 것

에이전트를 도입하기 전에, 지금 수업에서 반복되는 작업 목록을 한 번 써보는 일이 출발점이다. 매주 같은 형식으로 만드는 학습지, 매번 비슷한 내용으로 작성하는 진도 피드백, 같은 유형의 오답에 반복하는 구두 설명. 이 목록을 쓰다 보면 자동화에 적합한 작업과 그렇지 않은 작업이 자연스럽게 분리된다. 목록을 만드는 것 자체가 이미 분석이다.

자동화에 적합한 작업은 입력과 출력이 일정하고 교사의 판단 개입이 상대적으로 낮은 것들이다. 학습지 형식 구성, 특정 유형 오답의 기본 해설 초안, 진도 현황 요약, 반복 안내문 작성. 이와 달리 학생 개별 면담 내용, 수업 중 즉흥적 방향 전환, 특정 학생의 태도 변화에 대한 해석은 에이전트가 대신할 수 없다. 이 두 범주를 구분하는 것이, 어떤 AI 도구를 만나든 앞서 해야 할 작업이다. 도구보다 범주 구분이 앞선다.

한 가지 실험을 해볼 수 있다. 다음 단원 학습지 한 장을 AI로 초안을 만들어 보고 그 과정에서 어느 부분을 수정하게 되는지 관찰한다. 어느 부분이 그대로 쓸 수 있고 어느 부분이 반드시 손을 타야 하는지. 관찰이 쌓이면 에이전트가 실제로 무엇을 줄여주고 무엇은 여전히 교사에게 남기는지 판단하는 기준이 된다. IgniteAI Agent가 한국 교실에 그대로 착지하지 않더라도, 자동화 가능한 영역과 그렇지 않은 영역을 스스로 구획하는 능력은 어떤 도구가 오더라도 필요하다.

오후 다섯 시의 교무실로 다시 돌아가면, 교사가 반복하고 있는 작업 가운데 몇 가지는 이미 자동화가 가능한 것들이다. 그리고 몇 가지는 어떤 에이전트도 대신할 수 없는 것들이다. 두 범주 사이에서 교사는 무엇을 지키고 무엇을 넘길 것인가. 기술이 교실에 들어오는 속도보다 교사가 이 질문을 갖는 속도가 더 중요하다면, 지금 한국 교육 현장에서 어느 쪽이 더 빠르게 움직이고 있는가.