AI 교육의 다음 기준, 도입보다 설계

학교의 AI 논쟁이 ‘사용할 것인가’에서 ‘어떤 학습 행위를 보호할 것인가’로 바뀌고 있습니다. 시카고대 일부 교육과정은 AI 보조 글쓰기를 제한하는 반면, Alpha School은 적응형 소프트웨어를 수업의 중심에 둡니다. 동시에 기업 현장에서는 AI 사용량보다 성과와 비용을 함께 관리해야 한다는 요구가 커지고 있습니다.

서로 다른 두 가지 AI 교육 모델

AI Weekly가 소개한 시카고대 사회과학 핵심 교육과정은 교실 내 기기 사용과 AI 보조 글쓰기를 원칙적으로 제한합니다. AI 채점도 교수가 사람의 평가와 비교해 신중하게 검증해야 한다는 입장입니다. 여기서 보호하려는 대상은 특정 도구가 아니라 토론, 글쓰기, 평가를 통해 학생이 자신의 사고를 증명하는 과정입니다.

반대편에는 Adaptive Learning(적응형 학습)을 중심에 둔 Alpha School이 있습니다. 학생들은 오전 약 두 시간 동안 개인별 진도에 맞춘 소프트웨어로 공부하고, 이후 코딩·창업·발표 등의 활동에 참여합니다. 다만 현재 공개된 정보만으로는 성과가 소프트웨어 때문인지, 학생 선발이나 학비·학교 문화 때문인지 분리하기 어렵다는 지적이 나옵니다.

두 사례는 AI 허용 여부만으로 교육 정책을 나누기 어렵다는 사실을 보여줍니다. 같은 AI 기능도 연습 기회를 늘리면 Augmentation(인간 능력 보강)이지만, 학생이 직접 해야 할 사고를 대신하면 Automation(자동화)이 됩니다. 따라서 과목별 학습 목표를 먼저 정하고, AI가 그 목표에 어떤 영향을 주는지 판단해야 합니다.

많이 쓰는 것과 잘 쓰는 것은 다릅니다

기업에서는 AI 비용이 새로운 운영 변수로 떠올랐습니다. Futurism이 인용한 내부 자료에 따르면 응답한 Microsoft 직원 약 350명의 28일간 AI 지출 중앙값은 약 300달러였지만, 한 직원은 같은 기간 2만8천 달러를 사용했습니다. 단순 사용량을 장려하면 Token(모델이 텍스트를 처리하는 기본 단위) 소비가 성과와 무관하게 늘어날 수 있다는 사례입니다.

교육기관도 사용 횟수만으로 AI 활용 성과를 평가해서는 안 됩니다. 과제 완성도, 개념 이해, 수정 과정, 출처 검증 능력처럼 학습 결과와 연결된 지표가 필요합니다. 학교가 유료 AI를 제공한다면 과목별 예산, 사용 목적, 고비용 작업의 승인 기준도 함께 마련해야 합니다. 접근 기회의 격차를 줄이려면 학생 개인에게 구독료를 떠넘기지 않는 방안도 중요합니다.

로컬 AI와 과학 데이터가 넓히는 실습

Mac mini와 Mac Studio에 대한 기업 수요 증가는 Local AI(데이터를 외부 서버로 보내지 않고 자체 장비에서 실행하는 인공지능)의 관심을 보여줍니다. 여러 대의 장비를 연결해 큰 모델을 구동하는 방식은 개발·연구 교육에서도 데이터 통제와 반복 실험에 유리합니다. 그러나 장비 가격, 메모리 용량, 전력 사용량을 고려하면 모든 학교에 적합한 해법은 아닙니다. 소형 모델이나 공동 실습 서버부터 검증하는 편이 현실적입니다.

NASA의 낸시 그레이스 로먼 우주망원경도 데이터 중심 교육의 새로운 소재가 될 전망입니다. 로먼은 하루 1.4테라바이트의 관측 데이터를 전송할 예정이며, Machine Learning(기계학습)과 시민과학자가 주요 발견 후보를 선별하는 데 참여합니다. 학생들은 공개 데이터가 제공되면 천문학뿐 아니라 데이터 정제, 이상 탐지, 시각화, 재현 가능한 연구 절차를 함께 배울 수 있습니다.

학생 활용법

AI로 초안을 곧바로 완성하기보다 먼저 자신의 주장과 근거를 작성한 뒤, AI에는 반론 탐색이나 문장별 검증을 요청해 보세요. 모델 사용 시간과 결과, 수정 이유를 간단히 기록하면 비용 대비 효과와 실제 학습 과정을 함께 확인할 수 있습니다.

교육기관이 먼저 정할 세 가지

첫째, 학생이 반드시 직접 수행해야 할 사고 과정이 무엇인지 정해야 합니다. 둘째, AI 사용 결과를 평가할 증거와 사람의 검토 책임을 명확히 해야 합니다. 셋째, 비용·개인정보·컴퓨팅 자원의 한도를 수업 설계에 포함해야 합니다.

좋은 AI 교육 정책은 하나의 도구를 일괄 허용하거나 금지하는 문서가 아닙니다. 학습 목표에 따라 사람의 노력이 필요한 지점과 기술이 도움을 줄 지점을 구분하고, 그 효과를 검증할 수 있게 만드는 운영 설계입니다.