교실에 당도한 인공지능, 엇갈리는 혁신의 기대
인공지능이 교육을 완벽히 혁신할 것이라는 막연한 기대가 넘쳐난다. 일상 속에서 많은 학부모와 대중은 인공지능 도입을 단순히 편리한 새로운 기능을 쓰는 문제로 여긴다. 하지만 막상 교실의 문을 열고 들어가면 기묘한 모순과 마주하게 된다.
일선 학교를 책임지는 교사들의 표정에는 기술이 가져다줄 기대보다 짙은 불안이 서려 있다. 기계가 정답을 내놓는 교실에서 교사는 무엇을 지키고 가르쳐야 하는가. 이 질문은 오늘날 교육계가 직면한 가장 무겁고 시급한 화두다.
정책의 맹렬한 속도와 멈춰선 현장의 간극
정부와 교육 당국의 행보는 거침이 없다. 교육부는 다가올 2026년부터 인공지능 보편교육을 전면 도입하고 전국의 이천 개 학교를 관련 중점학교로 지정하겠다고 선언했다.
서울과 경기 등 각 지역 교육청 역시 앞다투어 화려한 종합계획을 쏟아내며 제도의 속도를 높이고 있으며, 이제 핵심 질문은 단순한 도입을 넘어 '어떻게 바꿀 것인가'로 옮겨가고 있다. 그러나 그 이면의 현실은 차갑다. 한국교육개발원 조사에 따르면 현장 교사의 육십 퍼센트 이상이 생성형 인공지능을 수업에 제대로 활용해 본 경험조차 없다. 이화여대 미래교육연구소의 통계는 더욱 뼈아프다.
학생의 칠십구 퍼센트가 이미 인공지능을 사용하고 있지만, 그중 육십팔 퍼센트는 윤리나 올바른 활용 교육을 전혀 받지 못한 상태다. 기술의 가속도와 교실의 실질적인 준비 상태 사이에 아득한 간극이 존재한다. 이 간극 속에서 학생들은 기계의 첫 대답에 무비판적으로 순응하는 앵커링 효과(Anchoring Effect)에 빠져 주도적인 사고력을 잃어가고 있다.
그나마 다행인 것은, 현장 교사들 사이에서 인공지능이 교사의 역할을 대체하기보다 무엇을 더 해야 하는지 명확하게 드러내는 도구로 인식하기 시작했다는 것이다.
통제와 감시로 변질된 평가, 숨겨진 양극화
이러한 엇박자가 만들어낸 가장 치명적인 난제는 시스템의 고도화 속도를 낡은 교육 및 평가 체계가 전혀 따라가지 못한다는 점이다. 최근 고등학교와 대학교까지 휩쓴 인공지능 커닝 사태나, 문제를 찍기만 해도 정답을 띄워주는 이른바 'AI 안경'의 등장은 점수와 결과 중심의 낡은 평가 방식이 기술 앞에서 이미 속수무책으로 무너지고 있음을 보여준다.
서열 중심의 평가 방식이 굳건한 상황에서 학생들은 스스로 논리의 틀을 짜기보다 기계가 내놓은 첫 대답에 무비판적으로 순응하는 앵커링 효과에 빠져 주도적인 문제 해결력을 잃어가는 중이다.
맞춤형이라는 미명 아래 기기 접근성이 부족한 인공지능 소외형 학생과 맹목적으로 기계에 기대는 과도 의존형 학생으로 나뉘는 새로운 양극화마저 심화하고 있다. 결국 압도적인 기술은 진정한 혁신을 이끄는 대신 학생의 부정행위를 적발하고 감시하는 낡은 통제 수단으로 전락할 우려가 크다.
데이터 선점을 향한 기업과 담론의 역설
공교육이 낡은 구조 속에서 멈칫한 공백을 에듀테크 기업들이 발 빠르게 파고들고 있다. 이들은 단순한 소프트웨어 제공을 넘어 학생의 학습과 진로 전반을 아우르는 성장 데이터 인프라 구축에 사활을 거는 중이다. 최근 이십억 원대의 투자를 유치한 트루밸류의 행보가 대표적이다.
이들이 운영하는 드림어필은 누적 이용자 육만 명을 돌파하며 중고생의 링크드인으로 불리고 있다. 기업들은 이를 통해 청소년의 기초 데이터를 선점하고 향후 성인기의 인적 자원 관리 영역까지 확장하려는 생태계 구축에 속도를 내고 있다.
정책이 방향만 지시하고 교사가 실무적 혼란을 겪는 사이, 도리어 이익을 추구하는 기업들이 세미나를 열어 학계와 교사를 모으고 교실의 난제를 공론화하는 역설적인 상황이 벌어지고 있다.
규제를 넘어 교육 구조의 근본적 재설계를 향해
인공지능 기반의 교육이 진정한 의미의 교실 혁신으로 이어지려면 우리의 접근 방식을 근본적으로 뒤집어야 한다. 학생이 기계를 쓰지 못하게 막는 훈육이나 출처 검사에만 몰두해서는 안 된다. 아무리 막대한 예산을 들여 뛰어난 공공 시스템이 도입되더라도, 학생을 지원하는 방식과 평가 구조가 변하지 않는다면 교실은 차가운 기술의 감시망으로 남을 뿐이다.
기술과 기업의 거센 파도 속에서 교육계가 주도성을 회복해야 한다. 교사가 앞장서서 학생의 데이터를 어떻게 보호하고 윤리적 기준을 세울 것인지 묻고, 교육과 평가 구조 전반을 근본적으로 재설계해야 할 시점이다. 결국 인공지능 교육은 교사가 먼저 '무엇을 지키고 싶은가'를 치열하게 묻는 데서 시작된다.
[전문 용어 사전과 Q & A]
1. AI 보편교육 의미: 특정 소수가 아닌 모든 학생이 일상적으로 인공지능 기술의 원리를 이해하고 활용할 수 있도록 국가 차원에서 제공하는 의무적 성격의 교육 정책이다.
Q: 이 교육이 도입되면 교사의 역할은 축소되는가?
A: 그렇지 않다. 단순한 지식 전달을 넘어 학생의 비판적 사고, 윤리적 판단력, 관계 역량을 길러주는 교사의 고도화된 역할이 더욱 강하게 요구된다.
2. 성장 데이터 인프라 의미: 학생의 단순한 시험 점수뿐만 아니라 진로 탐색 과정, 목표 설정, 활동 내역 등 성장의 전 과정을 하나의 디지털 데이터로 연결해 관리하는 토대다.
Q: 기업들이 이 인프라 구축에 사활을 거는 이유는 무엇인가?
A: 학생 시절의 방대한 기록을 선점함으로써 단순한 교육 서비스를 넘어 향후 취업 등 인적 자원 관리 전반을 아우르는 거대 플랫폼으로 생태계를 확장하기 위함이다.
3. 앵커링 효과 (Anchoring Effect) 의미: 배가 닻을 내리면 그 주위에만 머물 듯이 특정 정보나 초기 값에 지나치게 얽매여 이후의 판단이 제한되는 현상을 뜻한다.
Q: 인공지능 교육에서 이 효과가 왜 치명적인가?
A: 학생들이 스스로 논리적 구조를 고민하기도 전에 기계가 제시한 첫 대답을 정답으로 무비판적으로 수용하게 만들어 주도적인 문제 해결력과 창의성을 잃게 할 위험이 크기 때문이다.
4. 드림어필과 에버멘토 의미: 국내 에듀테크 기업이 운영하는 플랫폼으로 청소년의 꿈과 성장 기록을 공유하고 교사의 스마트 평가를 돕는 서비스다.
Q: 학교 현장에서 이 플랫폼들은 어떤 역할을 하는가?
A: 표면적으로는 교사의 행정 업무를 덜어주고 학생의 진로를 돕는 유용한 도구지만, 구조적으로는 에듀테크 기업이 공교육 현장의 핵심 데이터를 축적하는 강력한 기반이 된다.
5. MMS 의미: 교육부 장관상 수상 이력이 있는 맞춤형 학습지원 소프트웨어다.
Q: 학교에서 어떤 기능을 수행하는가?
A: 교사의 교육, 평가, 관리를 다각도로 지원하며 과중한 업무를 경감하고 데이터를 기반으로 피드백을 제공한다.
){kind=small}
){kind=small}
){kind=small}
){kind=small}