교육 AI, 기술보다 정책이 먼저다

교무실 오전 10시, 1교시가 막 끝나고 교사 한 명이 빈 자리로 돌아왔다. 책상 위에는 이번 학기 초 교육청에서 내려온 'AI 활용 교육 가이드라인' 문서가 놓여 있었다. A4 여섯 장짜리였는데, 표지엔 공문 도장이 찍혀 있었고 본문에는 붉은 밑줄이 한 줄도 없었다. 읽지 않은 것이 아니라, 읽었어도 교실에 어떻게 적용할지 방법을 몰랐던 것이다. 그 사이에 학생들은 이미 스마트폰으로 AI에게 수행평가 초고를 맡기고 있었고, 인근 수능 전문 학원들은 자체 AI 문항 생성 루틴으로 수업 구조를 빠르게 재편하고 있었다. 제도는 그 속도를 따라잡지 못했다. 이 글은 한국 교육 현장에서 AI 도입의 성패를 가르는 것이 기술 수준이 아니라 정책 설계와 교사 역량이라는 주장을 실제 구조 안에서 검토한다.

도구는 교실에 먼저 도착했다

교육부가 2024년 발표한 AI 디지털 교과서 도입 계획은 2025년부터 수학·영어·정보 과목 일부에 단계적 적용을 시작했다. 그런데 현장 교사들이 받은 것은 도구 매뉴얼이었지, 수업 설계 원칙이 아니었다. 어떤 교사가 AI 튜터를 수업 흐름에 통합하고 싶어도, 그 활동이 내신 평가와 어떻게 연결되는지 명확하지 않다면 결국 멈추게 된다. 내신은 여전히 학교별 지필 평가가 기준이고, AI 보조 도구로 산출한 결과물이 수행평가에서 어떤 지위를 갖는지 아직 공식 규정이 없다.

사교육 현장의 속도는 다르다. 강남 일부 영어 학원은 이미 자체 AI 문항 은행으로 수업 전 진단 테스트를 자동화했고, 수능 대비 학원들은 오답 패턴을 분석해 개인화된 복습 자료를 자동 생성하는 루틴을 완성했다. 공교육과 사교육 사이에 정책의 시차가 생겼다. 기술이 문제가 아니다. 기술은 이미 양쪽 모두에 있다. 문제는 공교육이 그 기술을 내신·수능이라는 평가 체계와 연결하는 규칙을 아직 갖추지 못했다는 점이다.

정책이 늦은 이유는 단순하지 않다. AI 생성 결과물의 저작권 귀속, 수행평가에서의 AI 사용 허용 범위, 교사의 평가 권한과 AI 판정의 충돌—이 질문들은 기술이 해결하는 영역이 아니라 제도가 정의해야 하는 영역이다. 한국 교육 정책은 전통적으로 시험 체계를 중심으로 움직인다. 수능이 바뀌지 않으면 교실이 바뀌지 않는다는 관성이 여기서도 작동한다. AI는 새로운 도구로 교실에 들어왔지만, 수능 체계는 아직 그 도구의 존재를 공식적으로 인정하지 않았다.

평가 공백이 교사를 멈추게 한다

AI 도입 논의에서 자주 빠지는 개념이 하나 있다. '평가 정합성'이다. 어떤 교수법이나 도구도, 그것이 평가 체계와 연결되지 않으면 교실에서 지속될 수 없다. 교사가 AI 도구를 수업에 통합하고 싶어도, 그 결과가 내신 점수에 반영되거나 수행평가에서 인정받는 구조가 아니라면, 학생도 교사도 결국 그 도구를 부차적인 것으로 다루게 된다. 평가 바깥에 있는 활동은 한국 교실에서 살아남기 어렵다. 이것이 냉정한 현실이다.

구체적인 상황을 보자. 경기도의 한 고등학교 2학년 국어 수업에서 교사는 AI 글쓰기 보조 도구를 활용한 에세이 단원을 설계했다. 학생들이 AI와 함께 초고를 작성하고, 교사가 그 과정에서 피드백을 주는 방식이었다. 수업 자체는 잘 돌아갔다. 학생들의 참여도가 높았고, 초고의 완성도도 이전 학기보다 눈에 띄게 나아졌다. 그런데 학기말 수행평가 채점 기준표에는 'AI 보조 사용 여부'에 관한 항목이 없었다. 교사는 AI를 쓴 학생과 쓰지 않은 학생을 같은 기준으로 평가할 수밖에 없었고, AI를 더 정교하게 활용한 학생이 더 높은 점수를 받는 것이 공정한 것인지 판단할 근거가 없었다.

이 상황이 반복되면 교사는 결국 선택하게 된다. AI 도구를 아예 쓰지 않거나, 쓰되 평가에서 완전히 분리하거나. 두 경우 모두 AI 도입의 교육적 효과는 공식적으로 측정되지 않는다. 도구는 교실 안에 있지만 제도 밖에 있는 상태가 된다. 기술보다 정책이 먼저여야 한다는 주장이 실제로 의미하는 것은 바로 이 지점이다. 교사가 AI를 '쓸 수 있느냐'의 문제가 아니라, '어떻게 평가와 연결하느냐'의 문제다. 그 연결이 없으면 도구는 교실에서 유령처럼 머문다.

가이드라인이 내려와도 연수 설계가 따로 논다

반론을 분명히 넣어야 한다. 정책이 먼저라는 주장은 맞지만, 정책이 나온다고 해서 교실이 바뀐다는 보장은 없다. 한국 교육 현장에서 정책과 실천 사이의 거리는 생각보다 길다. 교육부가 가이드라인을 내고 교육청이 연수를 기획해도, 그 내용이 실제 수업에 반영되기까지는 평균 몇 학기를 요구한다. 그 사이에 도구는 버전이 바뀌고, 현장 교사는 새로운 가이드라인을 또 받는다. 정책의 반감기가 도구의 업데이트 주기보다 길면, 정책은 항상 뒤처진다.

교사들의 디지털 도구 역량 격차도 무시할 수 없다. 20년 경력의 수학 교사와 3년 차 영어 교사가 동일한 AI 연수 커리큘럼을 받아도, 각자 교실에서 실행할 수 있는 수준은 전혀 다르다. 연수 설계가 '평균 교사'를 기준으로 만들어지면, 실제로 활용할 수 있는 교사에겐 너무 기초적이고, 준비가 덜 된 교사에겐 너무 빠르다. 연수 자체의 개인화 문제가 AI 수업 도입의 문제보다 먼저 해결되어야 하는데, 현재 연수 구조는 여기에 취약하다.

더 깊은 문제는 연수 내용이 '도구 사용법'에 집중한다는 것이다. AI 플랫폼에서 프롬프트를 입력하는 법, AI 채점 도구 연동 방법—이런 내용이 연수의 중심을 차지한다. 그런데 진짜 필요한 역량은 도구 사용이 아니라, 도구가 들어왔을 때 수업 설계를 다시 구성하는 능력이다. AI가 텍스트 요약을 잘한다면 교사는 왜 학생이 직접 읽어야 하는지를 새롭게 정의해야 한다. AI가 문법 오류를 자동으로 잡는다면 쓰기 평가의 기준을 문법 영역 너머로 이동시켜야 한다. 이런 설계 역량은 하루짜리 연수로 생기지 않는다. 정책이 연수를 만들고, 연수가 다시 설계 역량을 키우는 루틴이 없으면, 정책은 결국 문서로 끝난다.

기술의 성능이 아닌 제도의 설계가 결과를 만든다

지금까지 살펴본 두 가지 문제—평가 공백과 연수 부실—는 결국 같은 뿌리를 가진다. AI를 교육에 도입할 때, 기술의 성능을 먼저 보는 시각과 제도의 설계를 먼저 보는 시각이 충돌한다. 기술 성능 중심의 시각은 이렇게 말한다. 더 좋은 AI 튜터가 나오면 학습 효과가 올라갈 것이다. 개인화된 피드백 정확도가 높아지면 교사의 부담이 줄 것이다. 이 시각은 틀리지 않지만 불완전하다. 기술이 아무리 정교해도, 내신 평가와 연결되지 않고 교사가 어떻게 써야 할지 모르고 학교마다 사용 기준이 다르다면, 그 기술은 교실에서 안정적으로 작동하지 않는다.

제도 설계 중심의 시각은 다른 질문을 먼저 던진다. 이 도구가 내신 수행평가에서 어떤 기준으로 허용되는가. 교사가 AI 보조 결과물을 어떻게 평가 증거로 인정하는가. 학교급별로 사용 범위를 어떻게 구분하는가. 이 질문들에 명확한 답이 없으면, 기술이 아무리 뛰어나도 교실에서의 AI는 '쓰면 안 되는 것'과 '써도 그만인 것' 사이 어딘가에 머문다. 둘 다 제도적 정체 상태다. 그 사이에서 학생들은 규칙 없이 도구를 쓰고, 교사는 그 사용을 공식적으로 인정하지도 금지하지도 못한다.

수능과 내신이 진학의 거의 전부를 결정하는 한국 교육 구조에서, 제도 설계 없이 도구를 먼저 들여오는 것은 규칙 없는 경기장을 여는 것과 같다. 준비된 쪽이 먼저 유리한 위치를 차지하고, 규칙이 나중에 만들어지면 그 기울어진 구조를 공식화하게 된다. 사교육이 AI 도구를 공교육보다 먼저, 더 빠르게 통합하는 현재의 흐름이 정확히 그 방향으로 가고 있다. 제도가 늦을수록 격차는 기술 격차가 아닌 접근 격차가 된다. 어느 교육 환경에서 AI를 얼마나 전략적으로 쓸 수 있느냐의 차이가, 결국 내신 결과로 나타나기 시작하는 것이다.

교사가 먼저 관찰자가 되어야 한다

정책이 완성될 때까지 기다리는 것은 선택지가 아니다. 교실은 지금도 돌아가고, 학생들은 이미 AI를 쓰고 있다. 그렇다면 제도가 뒤따라오는 시간 동안 교사가 할 수 있는 것은 무엇인가. 지금 당장 수업 구조를 전면 바꾸는 것도, 모든 AI 사용을 금지하는 것도 아니다. 가장 실질적인 시작점은 관찰 기록이다. 거창한 연구 설계가 아니라, 수업 안에서 학생들이 AI를 실제로 어떻게 사용하는지를 메모로 남기는 것이다.

한 학기 동안 어떤 과목에서, 어떤 과제 유형에서, 수행 과정의 어느 단계에서 학생들이 AI를 쓰는지를 구체적으로 기록하면 두 가지가 생긴다. 첫째, 교사 자신이 AI 사용 패턴을 파악하게 된다. 어떤 학생이 AI에 전적으로 의존하는지, 어떤 학생이 AI를 도구로 조절하며 쓰는지가 보인다. 둘째, 이 기록은 학교 내 정책 논의의 근거가 된다. '고3 영어 수행평가에서 AI 작문 보조를 초고 단계까지만 허용한다'는 구체적 제안은, 관찰 데이터 없이는 설득력 있게 제출하기 어렵다. 데이터가 있는 교사의 목소리와 없는 교사의 목소리는 다르다.

단 하나의 실험으로 시작할 수 있다. 다음 수행평가 설계에서 '이 과제에서 AI를 사용한다면 어느 단계에서 사용하겠는가'를 학생에게 미리 물어보는 것이다. 결과를 채점에 반영하지 않아도 좋다. 그 질문을 수업 안에 던지는 것 자체가, AI 사용에 관한 교실 내 언어를 만드는 첫 번째 작업이다. 제도가 언어를 정의하기 전에, 교사가 교실 언어를 먼저 만들 수 있다. 그 언어가 나중에 학교 내 규정의 토대가 된다. 정책의 실질적 출발점은 종종 교육청 회의실이 아니라 교실 안에 있다.

교무실 창가의 그 안내문은 다음 학기가 오면 새 버전으로 바뀔 것이다. 정책이 교실을 따라잡는 속도는 앞으로도 도구의 속도보다 느릴 가능성이 높다. 그런데 지금 교실에서 벌어지는 일—학생들이 AI에게 무엇을 맡기고 무엇을 스스로 하는가—은 그 느린 속도와 무관하게 이미 진행 중이다. 결국 정책이 교실을 따라잡을 때, 그 정책이 교실의 실제를 담고 있을 것인가, 아니면 이상적인 가정만 담은 또 하나의 공문이 될 것인가. 그 차이를 만드는 것은 지금 교실 안에서 관찰하는 사람이다. 교사가 AI를 먼저 배우는 것이 아니라 학생이 AI를 어떻게 쓰는지를 먼저 보는 것—그것이 지금 가장 필요한 역량인지는, 각자의 교실에서 스스로 판단할 수밖에 없는 질문이다.