생성형 AI 시대, 대학이 가르쳐야 할 세 가지

AI 변화의 핵심은 ‘사용’보다 ‘판단’입니다

미국 정부가 AI 위험과 기회를 검토할 새 전담 조직을 발표했고, 특정 작가의 문체를 모방하는 생성형 AI(인공지능) 서비스도 등장했습니다. 학생과 교육자에게 중요한 변화는 도구의 성능 자체보다, AI가 만든 결과를 어떤 기준으로 쓰고 검증할지가 학습 역량이 되고 있다는 점입니다.

이번 논의에서 전담 조직은 120일 안에 AI의 위험과 기회에 관한 보고서를 내놓을 예정입니다. 정책의 구체적 효과는 앞으로 확인해야 하지만, 교육 현장도 AI를 단순한 과제 보조 도구가 아니라 학습·저작권·진로에 영향을 주는 기반 기술로 다뤄야 합니다.

대학 교육에서 달라져야 할 세 가지

1. 답변 생성보다 출처 검증을 먼저 배워야 합니다

대규모 언어 모델(LLM, 대규모 언어 모델)은 자연스러운 문장을 빠르게 만들지만, 그 문장이 사실인지와 출처가 적절한지는 별개의 문제입니다. 과제나 발표에서 AI를 사용했다면, 학생은 원문 자료를 다시 확인하고 AI가 만든 요약과 자신의 해석을 구분해야 합니다.

교육자는 결과물만 평가하기보다 질문 설계, 검증 과정, 인용 기록을 함께 보게 할 필요가 있습니다. 이는 AI 사용을 금지하는 방식보다 학생의 정보 판단력을 실제로 키우는 방법입니다.

2. ‘문체 모방’은 편리함과 권리 문제를 함께 갖습니다

특정 작가의 글쓰기 방식처럼 보이는 문장을 만드는 서비스는 초안 작성과 표현 실험에 활용될 수 있습니다. 그러나 문체는 개인의 창작 정체성과 밀접하게 연결돼 있으며, 독자가 사람의 글과 AI 생성물을 혼동할 위험도 있습니다.

학생은 유명 작가나 교수, 동료의 문체를 그대로 흉내 내기보다, AI에게 구조·독자·분량 같은 작업 조건을 제시하는 편이 바람직합니다. 예를 들어 “차분한 설명문 형태로, 근거와 반론을 구분해 작성해 달라”고 요청하면 특정 개인을 모방하지 않고도 목적에 맞는 초안을 만들 수 있습니다.

3. AI가 만든 학습 환경을 비판적으로 설계해야 합니다

AI가 과제를 만들고 학생이 AI로 답을 만드는 순환은 학습을 빠르게 보이게 할 수 있지만, 사고 과정이 사라질 위험도 있습니다. 특히 읽기, 문제 정의, 근거 비교처럼 시간이 필요한 활동은 자동화할수록 실력이 남지 않을 수 있습니다.

따라서 수업은 AI 사용 여부만 묻기보다, 어떤 단계에서 사용했는지 밝히게 해야 합니다. 아이디어 발산에는 AI를 쓰되 핵심 주장과 근거 선정은 학생이 직접 맡고, 최종 제출물에는 검증한 출처를 남기는 방식이 현실적인 기준이 될 수 있습니다.

학생 활용법

AI를 사용할 때는 먼저 자신의 초안을 짧게라도 작성한 뒤, 논리의 빈틈과 반론 후보를 찾아 달라고 요청해 보세요. 이후 AI의 답변을 원문 자료와 대조하고, 최종 문장에는 본인이 확인한 근거만 남기는 습관이 중요합니다.