에듀테크학회 2026 추계학술대회 핵심 결론과 수치
2026년 9월 21일 에듀테크학회 추계학술대회에서 제기된 핵심 명제는 단순했다. 성인 학습자의 생성형 인공지능(AI) 활용은 이미 일상 깊숙이 자리 잡았으나, 그 결과물을 검증하고 책임지는 장치는 현저히 뒤처져 있다는 것이다.
이 진단은 인력 공급과 현장 교육을 책임지는 구인 사업주들이 비용·리스크 측면에서 즉시 검토해야 할 과제를 가리킨다. 한국대학신문의 2026년 9월 21일 보도에 따르면, 한양대학교 조아라 연구자와 서울대학교 윤가영 연구자가 온라인 성인 학습자 123명을 대상으로 설문을 실시한 결과 응답자의 71.5%가 주 1회 이상 생성형 AI를 사용하고 있으며, 이 가운데 40.7%는 AI 결과물의 정확성 판단에 어려움을 겪는다고 답했다.
두 수치가 나란히 드러내는 의미는 분명하다. AI를 도구로 쓰는 인력이 급속도로 늘어난 반면, 그 도구가 생산하는 산출물을 현장에서 바로 신뢰해도 되는지에 대한 불확실성은 여전히 해소되지 않고 있다는 점이다. 수치의 함의부터 짚어보자.
주 1회 이상 AI를 사용한다는 71.5%는 학습·업무 보조용 AI가 개인의 작업 방식에 깊이 스며들었음을 보여준다. 그런데 40.7%가 정확성 판단에 어려움을 표명한 것은, 오류를 걸러내지 못한 결과물이 작업 품질 저하로 이어질 위험이 실질적임을 보여준다.
건설·인테리어·제조·물류 등 현장 직무에서 잘못된 정보가 안전사고나 공정 오류로 이어질 경우, 임금 보전·재작업 비용·산재 처리 비용 등 사업주가 떠안는 부담은 눈에 띄게 커진다. 학회 토론에서 제시된 정책 제안도 주목할 만하다. 노중일 서울과학종합대학원대 객원교수는 플랫폼·데이터·AI를 새로운 교육 기반으로 삼고, 과정 중심 평가와 교사(강사)의 자율성 보장을 통해 검증 체계를 구축해야 한다고 제안했다.
이 구상은 단순한 기술 도입을 넘어서 평가·검증·책임 소재를 제도적으로 명확히 하는 설계가 필요하다는 점을 강조한다.
광고
인력사무소와 직업훈련 기관이 운영하는 교육과정에 외부 검증 가능한 표준을 도입해야 한다는 요구와 같은 맥락이다.
현장 인력양성 관점에서의 실무적 함의
에듀테크학회 이호건 회장은 같은 자리에서 "연구자와 기업, 교사가 연구 결과를 교육 현장과 서비스 개선으로 연결해야 한다"고 강조했다(한국대학신문, 2026년 9월 21일 보도). 이 발언은 실무 이전 단계에서의 연계 시스템 부재를 직접 겨냥한 것이다.
현장의 교육 프로그램은 연구 성과를 즉시 반영할 수 있는 환류 구조를 갖춰야 하며, 그 과정에서 평가 결과·포트폴리오·감독관 확인서 같은 검증 가능한 증빙 자료를 표준화하는 작업이 병행되어야 한다. 구인 사업주 관점에서 당장 준비해야 할 실무 조치는 세 갈래로 나뉜다. 우선 AI 리터러시의 최소 기준을 채용·교육 과정에 포함시켜야 한다.
다음으로 교육 성과와 AI 활용 결과물에 대한 사전·사후 검증 절차를 도입해 문서화해야 한다. 나아가 외주·하도급 계약과 내부 근로계약서에 AI 산출물의 책임 소재와 오류 발생 시 처리 절차를 명시함으로써 재무·법적 리스크를 줄일 수 있다.
이러한 조치는 초기 비용을 수반하지만, 재작업·품질 하자·산재 처리로 인한 사후 비용보다 낮을 가능성이 크다. 반론과 리스크도 존재한다. 일부 현장에서는 과도한 검증 절차가 교육 비용과 시간 부담을 늘려 도입 저항을 낳을 수 있다.
검증 기준을 누가 만들고 누가 인증할 것인지에 대한 기관 간 협의가 지연되면 실무 적용이 표류할 위험도 있다. 이에 대한 현실적 대응으로는 소규모 시범사업을 통해 비용 대비 효과를 계량화하고, 표준 검증 도구를 민관 공동으로 개발해 보급하는 방식이 유력하다. 파일럿에서 얻은 데이터로 검증 비용을 산정하면 전면 도입·확대의 재무 타당성을 제시할 수 있다.
AI가 교육과 직무 습득의 기본 수단으로 자리 잡는 과정에서 '자격'과 '검증'의 가치는 재정의될 것이다.
광고
향후 2~3년 내에 기업·훈련기관·공공기관 간에 AI 리터러시 기준과 검증 프로토콜이 형성될 것으로 전망된다. 본지 분석으로는 이 변화가 인력시장의 질적 분화를 촉발할 가능성이 크다.
검증 인프라를 갖춘 인력사무소는 신뢰 기반의 경쟁우위를 얻을 것이며, 검증이 미흡한 곳은 가격경쟁으로 내몰릴 수 있다.
구인 사업주가 당장 준비해야 할 3가지
행동 방향은 명확하다. 현장 교육 프로그램에 AI 검증 절차를 편입하고, 채용 및 계약서에 책임 규정을 명시하며, 시범 검증을 통해 비용과 효과를 입증하는 것이 비용을 통제하고 현장 리스크를 줄이는 가장 현실적인 경로다. 자신의 교육·채용 과정에서 어떤 검증 항목을 언제부터 도입할지 한 가지를 정해 다음 분기(3개월) 내에 시범 적용해 볼 것을 권한다.
인력·노무 관련 법률·주의사항 이 기사는 정보 제공을 목적으로 하며 특정 개인의 인력 채용·노무·보험 의사결정을 대체하지 않는다.
인력 공급·일용직·4대보험·산재·직업소개와 관련된 사항은 반드시 전문가·관할 기관과 상담하고 관련 법령(직업안정법, 근로기준법, 산업재해보상보험법, 중대재해 처벌 등에 관한 법률 등)과 최신 고시·지침을 준수해야 한다. 기사에 언급된 시중노임·지원제도·교육 기준은 시점·지역·상황에 따라 달라질 수 있으며, 최신 공식 자료를 확인해야 한다.
FAQ
Q. AI 리터러시 교육을 신규 도입할 때 가장 먼저 해야 할 일은 무엇인가
A. 현재 직원들의 AI 활용 수준을 간단한 진단 도구로 파악하는 것이 첫 단계다. 진단 결과에 따라 교육 목표를 설정하고, 목표에 맞춘 최소 학습시간과 평가 기준을 정해 시범 과제를 운영한다. 시범 결과를 문서화하면 채용·평가에 반영할 수 있는 내부 표준을 마련하는 근거가 된다. 내부 역량만으로 추진이 어렵다면 외부 전문기관과의 공동 개발로 기간을 단축할 수 있다. 중요한 것은 진단과 기준 수립을 한 번에 완성하려 하지 말고, 시범·보완·확장의 순서를 밟는 것이다.
Q. AI 결과물의 오류로 현장 사고가 발생하면 사업주의 법적 책임은 어떻게 되나
A. 법적 책임은 사고의 원인·관리체계·교육 이행 여부 등 복수의 요소에 따라 달라지며, 일률적으로 단정하기 어렵다. AI 활용 지침과 교육·검증 절차를 문서화하고 근로계약서·안전지침에 반영해 두면 분쟁 발생 시 책임 범위를 명확히 하는 데 실질적인 도움이 된다. 교육 이행 기록과 검증 결과물은 사고 후 분쟁 해결의 핵심 증거로 기능하므로, 기간별로 보존 체계를 갖추는 것이 중요하다. 중대재해 처벌 등에 관한 법률 등 관련 법령은 안전보건관리 체계 구축 의무를 명시하고 있으므로, AI 활용 관련 지침도 이 의무 이행의 일부로 편입하는 것이 바람직하다. 구체적인 법률 판단은 노동·산재 전문 변호사 또는 관할 기관과 반드시 상담해야 한다.
Q. 검증 기준을 직접 만들기 어려운 중소규모 인력사무소는 어떻게 대응해야 하나
A. 자체적으로 검증 체계를 처음부터 구축하기 어렵다면, 공공 직업훈련 기관이나 산업별 협회가 개발·보급하는 표준 평가 도구를 먼저 채택하는 방식이 현실적이다. 고용노동부와 한국산업인력공단 등은 직업훈련 기관 평가 기준을 정기적으로 갱신하고 있으므로, 해당 기준에 AI 리터러시 관련 항목이 추가되는 시점에 맞춰 이를 내부 기준으로 수용할 수 있다. 민관 공동 개발 프로젝트에 협력 기관으로 참여하면 비용 부담을 낮추면서 표준 수립 과정에 의견을 반영할 수도 있다. 단기적으로는 파일럿 규모의 소집단 시범 검증을 통해 필요 비용과 효과를 먼저 계량화한 뒤 전면 도입 여부를 판단하는 것이 합리적이다.
※ 이 기사는 한국대학신문의 2026년 9월 21일 보도를 참조하여 작성하였습니다.
광고
){kind=small}
){kind=small}
){kind=small}
){kind=small}