대학의 AI 활용, 도구보다 워크플로가 중요해진다

Google Workspace의 Gemini(제미나이)가 Gmail, Drive, Docs, Slides, Chat 어디에서든 다른 앱의 작업을 수행할 수 있도록 기능을 확장했습니다. 이제 교육 현장에서 중요한 질문은 “AI로 문서를 쓸 수 있는가”가 아니라 “AI가 연결된 작업 흐름을 어떻게 바꾸는가”입니다.

한 화면에서 이어지는 AI 작업

기존에는 문서를 요약하려면 Docs, 발표 자료를 만들려면 Slides, 메일을 보내려면 Gmail로 각각 이동해야 했습니다. 이번 확장으로 Gemini 사이드 패널은 여러 Workspace 앱에서 공통 기능을 제공하며, 문서 안에서 검토 요청 메일을 만들거나 Drive의 자료를 바탕으로 발표 자료 초안을 만드는 식의 교차 앱 작업을 지원합니다.

이는 단순한 편의 기능이 아닙니다. 과제나 연구 프로젝트는 대개 자료 탐색, 초안 작성, 동료 피드백, 일정 조율, 결과 발표로 이어집니다. AI가 이 연결부를 다루기 시작했다는 것은 생산성의 단위가 개별 결과물이 아니라 프로젝트 전체로 바뀐다는 뜻입니다.

교육자에게 필요한 설계 원칙

교수자와 교사는 AI가 만든 결과물을 그대로 제출하게 하기보다, 작업 단계를 평가 기준으로 분리할 필요가 있습니다. 예를 들어 자료 선정 근거, 프롬프트 기록, AI 초안의 수정 이유, 최종 출처 검증을 함께 제출하게 하면 학생의 판단 과정을 확인할 수 있습니다.

특히 여러 앱에 흩어진 이메일·일정·문서가 함께 활용될수록 개인정보와 공유 권한의 범위도 점검해야 합니다. AI가 참조할 수 있는 자료와 외부에 공유해도 되는 자료를 구분하는 디지털 리터러시가 필수 역량이 됩니다.

개인도 모델을 학습하는 시대의 의미

개인 개발자가 약 998달러의 비용으로 38억 개 매개변수의 LLM(대규모 언어 모델)을 학습한 사례도 주목할 만합니다. 이는 누구나 범용 모델을 새로 만들어야 한다는 뜻은 아닙니다. 다만 학습 설정, 데이터 품질, 평가 방식, 연산 비용을 이해하는 능력이 연구실 밖의 개발자에게도 점차 중요해지고 있음을 보여 줍니다.

학생에게는 공개 모델을 사용할 때에도 “모델의 답이 왜 나왔는가”를 묻는 태도가 필요합니다. 모델 크기나 벤치마크 점수만으로 성능을 판단하지 말고, 과제의 맥락 길이와 평가 방식이 결과에 어떤 영향을 주는지 살펴봐야 합니다.

AI 활용의 전제는 보안입니다

Windows 11의 9월 보안 업데이트는 실제 악용된 권한 상승 취약점 두 건을 포함해 다수의 보안 문제를 수정했습니다. 학교와 대학에서는 공용 PC, 연구실 장비, 개인 노트북이 과제 파일과 계정에 연결되므로 업데이트를 미루는 일이 곧 학습 데이터의 위험으로 이어질 수 있습니다.

AI 도구가 여러 서비스와 자료를 연결할수록 계정 보호, 운영체제 업데이트, 접근 권한 정리는 더 기본적인 학습 습관이 됩니다. 편리한 자동화와 안전한 환경은 서로 대체하는 선택지가 아니라 함께 갖춰야 할 조건입니다.

학생 활용법

팀 프로젝트에서 Gemini를 활용한다면 먼저 Drive에 자료 폴더와 접근 권한을 정리한 뒤, 문서에서 회의 안건·역할 분담·검토 요청 초안을 만드세요. 이후에는 AI가 만든 문장과 일정 제안을 반드시 팀원이 확인하고, 출처와 최종 결정은 사람이 기록하는 방식으로 활용하는 것이 좋습니다.