노력은 사라진 게 아니라 이동했다: 부정행위 논쟁이 놓치는 평가의 문제

포브스에 기고한 아메리칸 하이스쿨의 데이나 윌리엄스(Dana Williams)는 학교의 AI 논쟁이 대체로 부정행위에 초점을 맞춘다고 보고, 그 프레임 자체를 문제 삼는다. 그의 글에 따르면 더 큰 이야기는 AI가 인지 자체에 무엇을 하고 있느냐이며, 지능은 한때 개인의 자산이었지만 이제 인간의 판단과 외부 도구를 결합해 어느 쪽도 혼자서는 못 할 일을 해내는 '분산 지능'으로 옮겨 가고 있다. 이 칼럼의 해석으로는 이 글의 가치는 그 낙관적 전망에 있지 않다. 글이 무심코 드러내는 한 가지 사실, 곧 우리가 측정하는 노력과 실제로 가치를 만드는 노력이 갈라지고 있다는 진단에 있다.

윌리엄스는 이를 '노력의 이동(effort migration)'이라고 부른다. 우리는 늘 노력을 눈에 보이는 것, 곧 조사에 들인 시간, 손으로 쓴 페이지, 단계별로 풀어낸 문제와 묶어 왔는데, AI가 그 과정을 몇 시간에서 몇 분으로 압축하는 순간 우리는 결과를 하찮게 여긴다는 것이다. 그러나 그가 보기에 노력은 사라진 것이 아니라 형태를 바꿨다. 더 나은 질문을 만들고, 경쟁하는 답들을 평가하고, 오류를 잡아내고, 더 나은 결과를 향해 반복하는 일이 그것이며, 그 기술들은 점점 가치가 커지는데도 거의 어떤 평가도 그것을 측정하지 않는다.

측정되는 노력과 가치를 만드는 노력의 분리

구조적으로 보면 윌리엄스의 진단은 평가의 문제로 귀결된다. 학교가 여전히 보이는 노력을 채점하는 한, AI로 보이는 노력을 줄인 학생은 '덜 노력한' 학생으로 기록되고, AI 출력을 검증하고 반복해 다듬은 학생의 노력은 어디에도 기록되지 않는다. 이 칼럼의 독법으로는 여기서 부정행위 논쟁이 왜 소모적인지가 드러난다. 부정행위 논쟁은 보이는 노력이 여전히 유일한 척도라는 전제를 공유한 채 그 척도를 지키느냐 버리느냐를 다툰다. 윌리엄스의 글은 척도 자체가 이미 낡았을 가능성을 제기한다.

그는 근거로 마이크로소프트의 2024년 워크 트렌드 인덱스를 인용한다. 전 세계 지식 노동자의 75%가 이미 직장에서 AI를 쓴다는 수치다. 같은 회사의 AI 기술 특별 보고서에서는 기업 리더의 66%가 AI 기술이 없는 사람을 채용하지 않겠다고 답했고, 많은 고용주가 AI를 쓸 줄 아는 중간 경력자를 AI를 모르는 숙련자보다 선호한다고 했다고 그는 전한다. 두 수치는 마이크로소프트가 각각 2024년 워크 트렌드 인덱스와 AI 기술 특별 보고서에서 제시한 것이며, 윌리엄스가 인용한 대로 옮겼다. 그러나 윌리엄스가 이 수치로 말하려는 것은 분명하다. 학교가 AI에 적응할 때쯤이면 고용주가 원하는 기술은 이미 두 번 바뀌어 있을 것이라는 시간의 문제다.

윌리엄스의 핵심 주장. 윌리엄스는 지능이 개인 자산에서 '분산 지능'으로 이동하고 있으며, 노력은 사라진 것이 아니라 질문 설계·출력 평가·오류 검출·반복으로 이동했다고 주장한다. 그가 보는 새 격차는 AI를 쓰는 학생과 안 쓰는 학생 사이가 아니라 AI 출력을 심문할 줄 아는 학생과 모르는 학생 사이에 있으며, 학문 진실성의 쟁점은 AI 사용 여부가 아니라 지적 소유권이다. 그가 인용한 수치는 지식 노동자 75%가 직장에서 AI를 쓴다는 마이크로소프트 2024년 워크 트렌드 인덱스와, 기업 리더 66%가 AI 기술 없는 사람을 채용하지 않겠다고 답한 같은 회사의 AI 기술 특별 보고서다.

격차는 사용 여부가 아니라 심문 능력에서 벌어진다

윌리엄스가 말하는 새로운 격차는 흔히 말하는 디지털 격차와 다르다. 링크드인의 직장 학습 보고서를 인용하며 그는 실제로 AI를 쓸 줄 아는 노동자가 얼마나 적은지, 고용주로부터 정식 교육을 받은 이는 더 적다는 점을 짚는다. 그의 표현으로는 진짜 승자는 검색할 줄 아는 학생이 아니라 AI가 준 것을 심문할 줄 아는 학생이다. 출력을 검증하고, 틀린 주장을 잡아내고, 슬며시 들어온 편향을 알아보고, 밋밋한 초안을 반복해 방어 가능한 글로 다듬는 능력이며, 그것은 기초 이해보다 훨씬 위의 전문성이고 고르게 분포하지 않는다.

윌리엄스의 논지를 한국 교육에 적용해 보면, AI 사용이 넓어질수록 출력 검증 훈련의 차이가 중요한 변수로 작용할 수 있다. 그렇다면 격차는 도구 접근보다 도구를 의심하는 습관에서 벌어질 가능성이 있고, 그 습관은 정답을 맞히는 훈련과는 다른 종류의 훈련을 요구한다. 이는 한국 실태를 측정한 결론이 아니라 이 칼럼의 추론이다.

지적 소유권이라는 기준의 무게

학문 진실성에 대한 윌리엄스의 제안은 간명하다. 'AI 찬성'과 'AI 반대'로 갈린 논쟁은 양쪽 다 틀렸고, 쟁점은 AI가 아니라 지적 소유권이라는 것이다. 학생이 자기 추론을 설명할 수 있는가, 결론을 방어할 수 있는가, 자기가 제출한 AI 생성물에서 실수를 찾아낼 수 있는가, 에세이를 생성하는 법 이상을 안다는 것을 보여줄 수 있는가. 이 질문들은 AI가 개입했든 아니든 중요한 기술이라고 그는 말한다.

이 칼럼은 이 기준에 동의하면서 그 비용을 짚고 싶다. 지적 소유권을 확인하려면 학생에게 설명하고 방어하고 오류를 찾게 하는 평가가 필요하다. 이 칼럼의 관점에서는, 학생의 설명과 방어를 확인하는 평가는 선다형 평가보다 교사의 시간을 더 요구할 가능성이 크다. 윌리엄스가 말하는 척도의 전환은 옳은 방향이지만 공짜가 아니다. 계산기가 수학 교육을 대체하지 않고 강화했고 인터넷이 조사를 없애지 않고 보완했다는 그의 비유는 맞다. 다만 이 비유는 기술 변화에 맞춰 평가도 적응해야 한다는 과제를 남긴다. 평가의 변화가 늦어질 경우 학생들이 기존 척도로 판단받을 위험이 있다는 것이 이 칼럼의 문제의식이다.

어제의 기준으로 내일의 지능을 잰다는 것

윌리엄스의 결론은 학교가 지능의 의미가 바뀌고 있음을 이해하느냐에 따라 갈린다는 것이다. 이해하는 학교는 학생이 살아갈 세계를 준비시키고, 다른 학교는 어제의 기준으로 지능을 계속 잴 것이다. 그의 말대로 학교의 AI 논쟁은 기술에 관한 것이 아니라 지능, 인간의 것과 그 밖의 것에 관한 논쟁이다.

이 칼럼의 결론은 조금 더 좁다. 어제의 기준으로 재는 학교가 틀렸다고 말하기는 쉽다. 어려운 것은 새 기준으로 잴 수 있는 평가를 만드는 일이며, 그 평가는 학생의 판단을 관찰할 수 있어야 하고, 그러려면 사람이 읽어야 한다. 노력이 이동했다면 평가의 노력도 같은 방향으로 이동해야 한다.

부정행위 논쟁은 낡은 척도를 지키는 싸움이다. 진짜 질문은 학생의 판단을 볼 수 있는 평가를 누가, 어떤 비용으로 만들 것인가다.

출처: Forbes — AI Isn't Helping Students Cheat; It's Changing What Learning Means (Dana Williams, The Yass Prize contributor, 2026-08-17)