AI에게 질문하지 못하는 아이, AI의 답을 의심하지 않는 아이

숙제를 3초 만에 끝낸 아이를 보며 대견함보다 덜컥 겁이 먼저 났다면, 부모님의 그 직관이 맞습니다. 모니터 앞에 앉은 아이가 타자 몇 번을 두드리자마자 화면 가득 매끄러운 줄글이 쏟아져 내립니다. 독후감의 서론, 본론, 결론이 한 치의 어긋남 없이 갖추어져 있고, 단락 사이의 연결도 나무랄 데가 없어요. 역사 인물의 생애를 요약하는 숙제든, 과학 실험의 결과를 정리하는 과제든 기계는 단 몇 초 만에 빈틈없는 보고서를 만들어냅니다. 아이는 마우스로 긁어 복사한 뒤 제출용 문서 프로그램에 붙여넣고는 홀가분한 표정으로 의자에서 일어섭니다. 책장을 넘기며 문장을 곱씹거나, 어떤 단어를 골라야 할지 연필을 쥐고 망설이던 시간은 온데간데없이 사라졌어요.

아이의 책상 위에서 벌어진 이 기묘한 풍경은 교실과 학교 행정망을 곧바로 뒤흔들었습니다. 2023년 1월 3일, 학생 100만 명 이상을 관할하는 미국 최대 학군인 뉴욕시 교육청은 관할 공립학교 네트워크와 기기에서 챗GPT 접속을 전면 차단했습니다.1 뉴욕시 교육청 대변인 제나 라일은 학생들의 학습에 미칠 부정적인 영향과 함께 안전성, 콘텐츠의 정확성에 대한 우려를 공식적인 차단 이유로 밝혔어요. 숙제의 정직성이 무너지고 아이들이 스스로 생각하는 힘을 잃어버릴 것이라는 공포가 정책으로 드러난 순간이었습니다.

하지만 빗장을 걸어 잠근 통제는 오래가지 못했습니다. 불과 몇 달 뒤인 2023년 5월 18일, 데이비드 뱅크스 뉴욕시 교육감은 초크비트 기고문을 통해 전면 차단 조치를 철회한다고 발표했습니다. 그는 초기 금지 조치가 두려움에 기반한 반사적 반응이었다고 인정하며, 교사의 행정 업무 개선과 수업 지원을 위해 교육 현장에 AI 자원을 제공하겠다고 입장을 바꾸었습니다. 학교 담장 밖 세상의 아이들은 이미 손안의 스마트폰으로 매일같이 인공지능과 대화하고 있는데, 교실의 인터넷 선만 뽑는다고 해서 밀려오는 거대한 변화를 막아설 수는 없었던 탓입니다.

새로운 계산 도구가 등장했을 때 교실이 겪었던 당혹감은 이번이 처음은 아닙니다. 시간을 반세기 전으로 돌려보면 우리는 지금과 놀라울 만큼 닮은 장면을 마주하게 됩니다. 1970년대 초반만 해도 100달러에서 400달러에 달하던 휴대용 전자계산기는 1976년 미국 국립과학재단과 국립교육연구소 지원 조사 시점에는 10달러에서 20달러 선으로 가격이 급락했습니다.2 어른들의 전유물이던 연산 기계가 아이들의 가방 속으로 쏟아져 들어오기 시작했어요.

당시 수학교육계 역시 거센 충격에 휩싸였습니다. 손으로 나눗셈과 곱셈을 훈련하지 않으면 아이들의 뇌가 퇴화하고 기본 연산 감각이 영영 사라질 것이라는 비명이 터져 나왔습니다. 그러나 교육자들은 무조건적인 금지 대신 도구의 자리를 다시 규정하는 쪽을 택했습니다. 1974년 9월 미국수학교사협의회 이사회는 수학 수업에서 휴대용 계산기의 교육적 활용을 적극적으로 탐색하고 연구하라는 공식 입장문을 냈습니다. 이어서 1975년 미국 전국수학교육자문위원회는 보고서를 통해 1980년까지 8학년 이상의 모든 학생에게 1인당 1대의 휴대용 계산기가 제공되어야 한다고 권고했습니다.

그렇다면 계산기를 쥐여준 아이들의 머리는 정말 어른들의 걱정처럼 굳어버렸을까요. 1970년대 후반 수이덤 등이 학교 단위 실험 연구 100여 편을 종합 분석한 결과는 기우를 씻어냈습니다.2 계산기를 사용한 학생들의 연산력과 문제해결력은 기계를 쓰지 않고 손으로 푼 집단보다 떨어지지 않았습니다. 기계가 기계적인 덧셈과 뺄셈을 도맡아주는 동안, 아이들은 어떤 계산식을 세워야 할지 문제를 해석하는 상위 차원의 사유로 발걸음을 옮길 수 있었기 때문입니다. 논쟁을 거친 미국수학교사협의회는 1980년 4월 종합 정책 보고서를 발표하며 전 학년에서 계산기와 컴퓨터를 수학 학습에 전면 도입할 것을 확정했습니다.

과거 전자계산기가 교실에 안착할 수 있었던 이유는 명확했습니다. 계산기는 연산의 수고를 덜어주는 대신, 아이들이 어떤 식을 세워야 할지 문제를 해석하는 상위 차원의 사유에 집중하도록 도왔기 때문입니다. 하지만 지금 우리 아이들이 마주한 챗GPT는 1970년대의 전자계산기와는 그 궤를 전혀 달리합니다. 계산기는 인간이 수식을 먼저 세워 입력창에 넣어주어야만 비로소 답을 뱉어냈습니다. 연산의 알고리즘과 풀이의 방향을 결정하는 주체는 언제나 아이 자신이었지요. 반면 생성형 AI는 수식을 세우는 과정, 즉 문제의 구조를 짜고 논리를 세우며 언어로 표현하는 사고의 전 과정 자체를 송두리째 대행합니다.

그렇다면 반세기 전 계산기가 단순 반복 연산을 덜어내 상위 사고의 문을 열어주었듯, 챗GPT 역시 아이들의 사유를 질식시키는 대신 더 깊은 배움으로 이끄는 지적 도구가 될 수는 없을까요? 기계에게 생각을 통째로 넘겨주는 단순 외주가 아니라, 아이의 잠재력을 끌어올리는 인지적 증강으로 나아가려면 과연 무엇이 전제되어야 할까요.

이 질문을 품고 도구의 방향을 다시 설계하려 한 시도가 바로 살만 칸의 도전이었습니다. 2024년 1억 5,000만 명을 거쳐 2025년 3월 기준 190개국 1억 7,000만 명이 넘는 등록 이용자를 보유한 칸 아카데미의 설립자 살만 칸은 2023년 4월 TED 강연 무대에 섰습니다.34 그는 GPT-4를 기반으로 개발된 AI 튜터 칸미고를 시연하며 인공지능이 교육을 파괴하지 않고 구원할 수 있는 길을 역설했습니다. 이어서 2024년 5월 14일 출간한 저서에서 그는 AI가 가져올 교실의 혁신을 다각도로 짚어냈지요. 아이에게 정답을 곧바로 떠먹여 주는 대신, 질문을 되던지며 생각의 끈을 놓지 않도록 유도할 때 비로소 기술이 사유를 증강할 수 있다는 비전이었습니다.

하지만 살만 칸이 제시한 이상적인 튜터의 모습 뒤편에서, 오늘날 실제 가정과 교실의 아이들이 겪고 있는 현실은 몹시 위태롭습니다. 칸미고처럼 학생에게 되물으며 생각을 유도하는 정교한 학습 설계를 거치지 않은 채 범용 챗GPT를 쥐게 된 아이들은 전혀 다른 길을 걷고 있어요. 아이들은 생각의 고통을 견디는 대신 프롬프트 입력창에 과제 질문을 통째로 던져버립니다.

여기서 등장하는 심각한 현상이 바로 외주화된 사고입니다. 2026년 3월 17일 RAND 연구소의 조사 결과는 이러한 현실을 뼈아프게 보여줍니다. 미국 대학생의 62퍼센트가 생성형 AI를 사용하고 있는데, 이 중 38퍼센트는 핵심 개념에 대한 설명을, 35퍼센트는 아이디어 구상을, 33퍼센트는 글의 전체적인 구성을 인공지능에 전적으로 넘겨버리고 있었습니다. 스스로 머리를 쥐어짜며 논리의 뼈대를 세우고 흩어진 생각을 하나의 문맥으로 엮어내야 할 인지적 노동 자체를 기계에 통째로 외주 준 셈입니다. 더욱 역설적인 사실은 전체 대학생의 67퍼센트가 이러한 과도한 AI 의존이 비판적 사고력과 문제 해결력을 저해하고 있음을 스스로 인정하고 있다는 점입니다.

머릿속에서 벌어져야 할 치열한 고민이 외주화되면 겉보기에만 완벽한 결과물이 남습니다. 이것이 바로 외견상 완성도의 함정입니다. 분량도 적절하고, 맞춤법도 완벽하며, 참고문헌의 모양새까지 갖춘 글을 제출하지만 정작 그 글을 낸 아이에게 "이 문장은 어떤 근거로 썼니?" 라고 물으면 아무런 대답도 내놓지 못해요. 문장과 문장 사이의 인과관계는 기계의 확률 모델이 직조해 낸 것일 뿐, 아이의 머릿속을 통과한 지식이 아니기 때문입니다. 오답을 마주하고 당황하며 고쳐 쓰는 좌절 속에서 자라나던 학습의 힘이, 완성도라는 매끄러운 껍데기 아래서 소리 없이 질식하고 있습니다. 계산기가 연산의 짐을 덜어주어 상위 사고를 꽃피웠던 과거의 교훈과 달리, 지금의 AI는 아이가 스스로 생각할 기회마저 앗아가는 가장 손쉬운 지름길이 되어버린 셈입니다.

가정의 서재와 학교 교실에서 벌어지는 낯선 풍경을 바라보며, 많은 부모님이 마음 깊은 곳에서 서늘한 불안을 느끼고 계실 거예요. 밤늦게까지 학원가를 오가며 두꺼운 문제집을 몇 권씩 풀리고, 한 글자도 틀리지 않게 달달 외워 시험 점수를 1점이라도 더 올리려 애쓰던 그 수많은 시간들이 과연 우리 아이의 미래를 지켜줄 수 있을까 하는 의구심이지요. 우리가 오랜 세월 철석같이 믿어왔던 정답 맞히기 중심의 공부는 기술의 거대한 지각변동 앞에서 급격히 길을 잃어가고 있어요.

부모님들이 비싼 학원비를 치르고 밤낮없이 아이를 다그치며 가닿고자 했던 목적지는 어디였을까요. 의대나 로스쿨처럼 입시 시장의 가장 높은 자리를 차지한 전문직 일자리, 즉 사회적으로 인정받고 미래가 보장된다고 믿었던 탄탄한 경로였을 거예요. 하지만 생성형 AI는 바로 그 안전지대부터 거세게 흔들고 있어요.

2023년 11월 16일 한국은행의 한지우, 오삼일 연구진이 발표한 보고서를 보면, 상위 20퍼센트를 기준으로 국내 취업자의 12퍼센트에 이르는 약 341만 명이 AI로 대체될 가능성이 높은 것으로 나타났어요.5 연구진은 과거의 로봇이 단순한 육체노동을 대신했던 것과 달리, AI는 비반복적이고 인지적인 업무를 빠르게 흡수하기 때문에 고학력·고소득 일자리일수록 노출도가 더 높다고 짚었습니다. 실제로 대한민국 입시의 정점에 선 일반 의사는 AI 노출 지수 상위 1퍼센트에 자리했고, 회계사는 상위 19퍼센트, 변호사는 상위 21퍼센트로 측정되었어요. 반면 대면 접촉과 관계 형성이 필수적인 기자는 상위 86퍼센트, 성직자와 대학교수는 98퍼센트, 가수 및 성악가는 99퍼센트로 AI 노출 지수가 매우 낮게 나타났지요. 세계적인 금융기관의 시선도 다르지 않습니다. 2023년 3월 26일 골드만삭스의 조셉 브릭스와 데베시 코드나니 연구팀 역시 전 세계 정규직 일자리 약 3억 개가 자동화에 노출될 수 있으며, 미국 내 900개 이상의 직업 중 3분의 2가 영향권에 들고 노출 직무 작업량의 25퍼센트에서 50퍼센트가 대체 가능하다고 추산했어요.6

이 차가운 통계들이 우리 교육에 던지는 질문은 묵직합니다. 지금까지 우리 사교육 시장이 아이들에게 비싼 대가를 치르며 길러주고 싶었던 능력은 과연 무엇이었을까요.

그동안 우리 아이들은 학원 자습실에 갇혀 무엇을 배웠나요. 두꺼운 판례와 법조문을 빠짐없이 외우고, 복잡한 공식에 숫자를 오차 없이 대입하며, 출제자의 의도를 파악해 오답을 지워나가는 '소거법' 기술을 훈련해 왔어요. 시험지에 적힌 다섯 개 보기 중 가장 흠잡을 데 없는 정답 하나를 골라내는 요령이야말로 입시 사교육이 약속하던 최고의 경쟁력이었지요. 이미 정해진 지식을 머릿속에 최대한 빠르고 정밀하게 채워 넣은 뒤, 시험지 위에서 실수 없이 그 지식을 꺼내놓는 정답 맞히기 기술 말이에요.

하지만 기계는 바로 그 정형화된 지식의 저장과 인출에서 인간의 능력을 아득히 뛰어넘습니다. 수백 쪽의 전문 서적과 보고서를 단 1초 만에 훑어 핵심을 요약하고, 방대한 판례 속에서 유사한 논리를 즉각 찾아내며, 복잡한 세무 서식을 빈틈없이 채워 넣는 일은 이제 인공지능이 가장 저렴하고 손쉽게 해내는 영역이 되었어요. 정해진 정답을 남들보다 실수 없이 찾아내는 능력의 시장 가치가 급격히 떨어지고 있는 셈이에요.

그런데도 오늘 저녁 우리 아이들의 현실은 어떤가요. 여전히 학원 책상 앞에 웅크려 앉아 기출문제의 유형을 달달 외우고, 보기의 단어 하나에 밑줄을 그어가며 정답 번호를 맞히는 데 소중한 밤을 쏟아붓고 있어요. 남이 이미 만들어놓은 문제의 정답을 맞히는 훈련에 갇힌 아이는, 기계가 단 몇 초 만에 답을 쏟아내는 세상에서 가장 먼저 길을 잃기 쉬워요. 모르는 문제가 나왔을 때 '이 질문 자체가 왜 성립했을까?' 라고 의심해보는 대신 해설지를 펴서 답을 외우듯, 인공지능이 뱉어낸 그럴듯한 답변 앞에서도 스스로 생각하는 근육을 작동시키지 못한 채 무기력하게 고개를 끄덕이게 되기 때문이에요. 챗GPT가 찰나의 순간에 생성해 낼 수 있는 지식의 조각들을 기계적으로 복제하는 사교육은, 결국 아이를 질문할 줄 모르는 수동적인 지식 소비자로 머물게 할 뿐입니다.

기계가 지식 노동의 상당 부분을 집어삼키는 상황을 바라보며 많은 부모님이 막연한 두려움에 사로잡힙니다. 그러나 모든 인간의 지적 노동이 무차별적으로 무너지는 것은 아니에요. 인공지능이 거침없이 파고드는 영역과 결코 침범하지 못하는 영역 사이에는 뚜렷한 경계선이 그어져 있습니다.

2024년 5월, 매사추세츠공과대학교의 대런 아세모글루 교수가 발표한 연구는 인공지능의 실제 파급력을 냉정하게 진단합니다. 그는 향후 10년간 AI 도입으로 인한 경제 전반의 총요소생산성 누적 증가율이 최대 0.66퍼센트 수준에 그칠 것으로 분석했어요.7 나아가 맥락 의존성이 높고 객관적인 성과 측정이 어려운 과업들까지 두루 반영할 경우, 생산성 누적 증가율은 0.53퍼센트 미만으로 더욱 낮아진다고 짚었습니다.7

이 분석이 드러내는 핵심은 기술이 인간을 다루는 두 가지 방식의 차이에 있습니다. 하나는 인간의 기존 작업을 기계가 온전히 대신하는 자동화의 영역이고, 다른 하나는 인간의 사유를 확장하고 역량을 북돋는 증강의 영역입니다.

자동화가 손쉽게 침투하는 작업들은 대체로 규칙이 뚜렷하고 맥락 의존성이 낮은 과업들입니다. 긴 글을 서너 줄로 줄이는 단순 요약, 정형화된 어휘와 문법에 의존하는 외국어 번역, 기존 코드 라이브러리를 가져와 규격에 맞게 조립하는 코딩 문법 암기 같은 일들이 여기에 해당해요. 이러한 능력들은 기술의 발전과 함께 급속도로 평준화됩니다. 어제까지는 특별한 훈련을 거친 전문가의 기술이었을지 몰라도, 오늘날에는 프롬프트 한 줄로 누구나 즉시 가질 수 있는 흔한 자원이 되어버렸기 때문이지요.

반면 아세모글루 교수가 지적한 맥락 의존성이 높은 과업은 전혀 다른 차원에 놓여 있습니다. 데이터의 표면에 드러나지 않는 행간의 의미를 짚어내는 일, 서로 다른 이해관계자들의 미묘한 감정과 사회적 맥락을 읽어내어 타협점을 찾아내는 일, 수많은 정보 속에서 왜곡된 지점과 허위 사실을 가려내기 위해 의심을 품는 일은 기계의 알고리즘으로 단순 치환되지 않습니다.

무엇보다 가장 결정적인 경계선은 문제를 풀어내는 수행 능력과 문제를 정의하는 안목 사이에 존재합니다. 인공지능은 주어진 질문에 대해 통계적으로 가장 그럴듯한 답변을 생성해 내는 데 탁월해요. 하지만 어떤 질문이 지금 이 순간에 가장 유의미한지, 우리가 직면한 곤경의 본질이 무엇인지를 먼저 규정하는 일은 하지 못합니다.

기계가 정답을 쏟아내는 세상에서는 답을 외우는 것보다 무엇을 물어야 할지 아는 안목이 훨씬 희소한 가치를 지닙니다. 질문을 던지려면 현상을 세심하게 관찰하고, 기존의 설명에 위화감을 느끼며, '이것이 정말 최선일까?' 를 되묻는 비판적 사유가 선행되어야 해요. 아이가 질문하지 못하고 기계가 뱉어낸 매끄러운 텍스트를 정답으로 맹신할 때, 아이는 기술의 주인이 아니라 알고리즘이 유도하는 대로 끌려다니는 인지적 하수인으로 머물게 됩니다.

교실의 책상과 서재의 모니터 앞에서 우리는 이미 그 위태로운 순간들을 목격하고 있습니다. 기계가 3초 만에 뱉어낸 화려한 문장 앞에서 생각을 멈추고, 과제의 빈칸을 채우는 속도에 취해 자신이 무엇을 모르는지조차 알지 못하는 아이들이 늘어가고 있어요. 스스로 고민하고 문장을 고쳐 쓰는 인지적 수고를 기계에 고스란히 떠넘기는 외주화된 사고는 아이의 생각 근육을 조용히 마비시킵니다. 기계가 답을 얼마든지 대신 찾아주는 시대일수록 우리 아이에게 절실한 배움은 답을 빨리 맞히는 재주가 아니라, 복잡한 현실의 문제를 언어로 논리정연하게 구조화하고 기계에게 핵심을 찔러 묻는 단단한 질문력입니다.

학원가가 밀집한 거리를 걷다 보면 불과 얼마 전까지 간판을 빼곡히 채우던 코딩 학원들 사이로 논술과 독서 토론을 내건 학원들이 다시 부쩍 늘어난 풍경을 보게 됩니다. 십수 년 동안 아이들의 손에 파이썬 문법책과 블록 코딩 프로그램을 쥐여주며 미래의 언어를 배워야 한다고 재촉하던 흐름이 순식간에 방향을 틀고 있어요. 밤낮으로 자판을 치며 컴퓨터와 대화하는 규칙을 익히게 하던 부모님들은 이제 자녀를 논술 학원에 보내 글쓰기와 독해력을 다져주어야 하는 것인지 깊은 혼란에 빠져듭니다.

이 불안한 방황의 이면에는 기술 환경의 극적인 전환이 놓여 있습니다. 2024년 2월 12일 아랍에미리트 두바이에서 열린 세계정부정상회의 무대에 오른 엔비디아의 최고경영자 젠슨 황은 오마르 알 올라마 인공지능 특임장관과의 대담에서 지난 10여 년간 교육계를 지배해 온 상식을 뒤흔드는 발언을 남겼습니다. 그는 과거에 누구나 컴퓨터 언어를 배워야 한다고 믿었지만 이제는 상황이 완전히 정반대가 되었다고 선언했어요. 컴퓨팅 기술의 궁극적인 지향점은 그 누구도 프로그래밍을 직접 할 필요가 없게 만드는 것이며, 인간이 사용하는 자연어가 곧 가장 강력한 프로그래밍 언어가 되었다는 이야기였습니다. C언어나 파이썬 같은 컴퓨터 문법 암기에 매달리기보다 생물학이나 농업, 제조업, 교육처럼 풀고자 하는 대상 분야의 도메인 지식을 깊이 갖추는 것이 훨씬 더 중요해졌다는 지적이었습니다.

이러한 선언은 교육 현장에서도 즉각적인 파동으로 나타났어요. 2025년 11월 17일 서울대학교 입학처 집계에 따르면 2026학년도 서울대 컴퓨터공학부 수시모집 경쟁률은 지역균형전형이 5.83대 1에서 2.33대 1로, 일반전형이 8.50대 1에서 4.31대 1로 크게 떨어졌습니다.8 미국 국립학생정보센터의 제이컵 라이트 등이 관여한 조사에서도 2025년 가을학기 컴퓨터 및 정보과학 분야 학부 등록률이 전년 대비 8.1퍼센트 하락하며 약 20년 만에 처음으로 감소세를 기록했지요.9 인공지능이 코드를 척척 짜내는 시대에 단순 문법을 외우고 조립하는 기능적 기술만으로는 설 자리가 좁아졌다는 불안이 입시 지형도에 고스란히 반영된 결과입니다.

하지만 자판 위의 코딩 문법이 힘을 잃었다고 해서 프로그래밍 교육의 가치가 통째로 사라졌다고 단정하는 것은 또 다른 오해를 부릅니다. 2025년 6월 4일 영국의 라즈베리 파이 재단이 발표한 정책 보고서는 대화형 인공지능을 바탕으로 말 몇 마디로 코드를 짜는 '바이브 코딩' 시대라 할지라도 기초 프로그래밍 교육은 결코 멈춰서는 안 된다고 짚어냈습니다. 문법 암기는 도구가 대신해 줄 수 있지만, 문제가 어떤 단계와 조건으로 맞물려 돌아가는지 이해하는 시스템 논리와 컴퓨팅 사고력은 아동기 사고 훈련의 기초 체력으로 남아야 한다는 뜻입니다.

결국 지금 우리 아이들에게 요구되는 것은 코딩 기술이냐 논술 기술이냐의 양자택일이 아닙니다. 컴퓨터 언어라는 외피가 벗겨진 자리에 본질로 남은 것은, 복잡한 현실의 문제를 논리적으로 쪼개어 언어로 정교하게 구조화하는 힘입니다. 프롬프트 창에 던져 넣는 말은 마술 주문이 아니라, 내가 다루려는 세계의 규칙과 맥락을 인과관계에 맞추어 설계해 내는 사고의 뼈대여야 해요.

실제로 아이가 기계와 대화하는 모습을 가만히 들여다보세요. 기후 변화를 주제로 발표 준비를 할 때, 한 아이는 검색창을 대하듯 기계에 "기후 변화에 대해 써줘"라고 단편적인 요구만 던집니다. 그러면 인공지능은 어디서나 볼 수 있는 방대하고 뻔한 개요를 쏟아내고, 아이는 그 텍스트의 숲에서 갈피를 잡지 못한 채 화면 속 문장을 무기력하게 베껴 적고 말지요.

반면 생각의 구조를 짤 줄 아는 아이는 프롬프트 창에 문제의 조건과 제약을 차근차근 설계해 넣습니다. "초등학교 저학년 동생들에게 지구온난화로 인한 해수면 상승 문제를 설명하려고 해. 어려운 학술 용어 대신 일상생활의 비유를 사용해 줘. 그리고 문제의 원인, 동생들이 겪게 될 변화, 오늘부터 실천할 수 있는 행동 세 가지를 순서대로 나누어 3분 분량의 발표 대본으로 작성해 줘."

두 아이가 마주하는 결과물의 깊이는 완전히 다를 수밖에 없습니다. 후자의 아이는 프롬프트를 적는 짧은 시간 동안 이미 머릿속에서 깊은 사유를 거쳤어요. 발표를 듣는 청중이 누구인지 대상 독자를 명확히 규정했고, 다루어야 할 정보의 범위를 좁혔으며, 원인과 결과, 행동이라는 논리적 뼈대와 분량의 한계까지 구체적인 조건문으로 설정했습니다. 이처럼 생각을 단계별로 쪼개고 제약 조건을 걸어 언어로 정교하게 조직하는 훈련이야말로 인공지능 시대에 요구되는 진짜 문해력의 모습입니다.

2025년 8월 13일에 발표된 한 메타 연구는 이 생각의 구조화가 학습자에게 미치는 영향을 명료하게 증명합니다. 연구진은 2023년부터 2025년 사이 고등교육 분야에서 나온 약 1,000편의 학술 논문 가운데 27편을 엄선해 정밀하게 분석했어요. 그 결과 체계적인 프롬프트 작성 훈련을 거친 학부생들은 단순히 기계에 지시를 내리는 수준을 넘어, 문제를 구체화하고 다각도로 검토하는 비판적 사고 능력이 확연히 향상되는 양상을 나타냈습니다.

앞에서 마주했던 외주화된 사고가 인지적 수고를 기계에 고스란히 떠넘기며 사유를 마비시키는 과정이었다면, 생각을 구조화하는 프롬프트 작성은 정반대의 길을 걷습니다. 문제를 이루는 요소가 무엇인지 파악하고, 어떤 조건을 부여해야 기계가 빗나가지 않는지 따져 묻는 과정은 언어를 가장 엄밀하게 벼려내는 인지적 훈련이 되지요. 겉보기에 그럴듯한 문장에 취하는 아이와 달리, 생각의 구조를 짤 줄 아는 아이는 기계가 출력해 낼 텍스트의 설계도를 머릿속에 먼저 그릴 수 있습니다. 문법 암기라는 기술적 숙련이 흩어진 자리에서, 자신의 생각을 논리적인 조건문으로 구체화하는 문해력이 새로운 배움의 기준으로 올라서는 이유가 바로 여기에 있습니다.

가정에서 아이가 인공지능을 사용하는 모습을 가만히 지켜보면 두 가지 극단적인 장면이 엇갈립니다. 한 아이는 검색창을 대하듯 단어 몇 개나 교과서의 질문 문장을 그대로 복사해 넣고는, 기계가 즉각 토해내는 문장을 멍하니 바라보다가 그대로 화면을 닫아버려요. 반면 다른 아이는 인공지능이 첫 번째 답을 내놓자마자 미간을 찌푸리며 다시 묻습니다. '이 결론은 어떤 전제에서 출발한 거지?' , '만약 대상의 조건이 바뀌면 논리가 어떻게 달라져?' 라며 기계의 대답을 집요하게 물고 늘어집니다. 두 아이가 손에 쥔 도구는 똑같은 인공지능이지만, 그 안에서 벌어지는 배움의 깊이는 건널 수 없는 간극을 만들어냅니다.

아이들의 일상에서 이 간극은 이미 거대한 현실이 되었어요. 교육부와 한국교육학술정보원이 2026년 3월에 발표한 실태 조사 결과에 따르면, 대한민국 중학생의 93.8퍼센트, 고등학생의 96.7퍼센트가 학업 목적으로 생성형 AI를 사용하고 있었습니다.10 거의 모든 아이가 이미 교과 공부와 과제 해결에 기계를 튜터이자 참고서로 곁에 두고 있는 셈이지요.

도구의 보급이 완성된 자리에서는 도구를 다루는 질문의 질이 학생의 역량을 가르는 진짜 척도가 됩니다. 2026학년도 서울대학교 입학본부가 내놓은 학생부 평가 가이드라인을 보면 교육 현장의 눈높이가 어디로 향하는지 선명하게 드러납니다. 대학은 생성형 AI를 단순히 결과물을 찍어내는 도구로 쓴 흔적이 아니라, 학생 본인의 주도적인 사고 과정과 집요한 질문 설계 역량이 어떻게 투영되었는가를 중점적인 우수 평가 기준으로 제시했어요. 기계가 답을 대신 찾아주는 시대일수록 지원자가 어떤 질문을 기계에 던졌으며, 그 대답을 어떻게 자신의 사유로 확장해 나갔는가를 깊이 들여다보겠다는 뜻입니다.

우리가 새로이 주목해야 할 역량의 이름이 바로 '질문 벼리기'입니다. 질문 벼리기란 머릿속에 떠오른 첫 생각을 여과 없이 툭 던지고 마는 것이 아니라, 대상의 맥락을 파고들며 질문의 각도를 예리하게 벼려내는 사유의 훈련이에요.

이 질문의 층위를 끌어올리기 위해 교육계가 다시 주목한 오래된 지혜가 있습니다. 2026년 2월 19일 OECD와 교육 연구진이 짚어냈듯, 약 60년 전 인간의 지능과 학습 방식을 탐구하기 위해 출범했던 하버드 교육대학원 '프로젝트 제로'의 사고 루틴들이 인공지능 시대의 프롬프트를 작성하고 메타인지를 훈련하는 핵심 틀로 새롭게 호명되고 있습니다.

실제 2024년 무하마드 살만 칸 연구진은 학부 공학 2개 과정 학생 140명을 대상으로 생성형 AI와 하버드 프로젝트 제로의 사고 루틴을 결합하는 실험을 진행했습니다.11 연구진이 접목한 대표적인 루틴이 바로 '질문 분류하기(Question Sorts)'와 과일의 껍질을 벗기듯 문제의 핵심으로 파고드는 '과일 껍질 벗기기(Peel the Fruit)'였어요. 학생들에게 복잡한 문제 앞에서 무작정 답을 구하지 않게 하고, 질문의 겉껍질부터 중심부의 맥락까지 단계적으로 파고들도록 유도하자 비판적 사고력과 복잡한 문제 추론 역량이 뚜렷하게 성장했습니다.

이 연구가 증명한 사고 루틴을 오늘 우리 아이의 책상 위로 가져와 볼까요? 아이가 역사 숙제를 하기 위해 인공지능을 켰다고 생각해 보세요.

대부분의 아이는 과일의 맨 바깥 껍질에 머무는 '사실 확인형 질문'을 던집니다. "조선 후기 대동법이 뭐야?" 인공지능은 1초 만에 교과서 요약본 같은 매끄러운 정의를 쏟아내고, 아이는 만족하며 창을 닫습니다. 여기서 배움은 멈추고 맙니다.

하지만 질문 벼리기를 훈련한 아이는 질문을 분류하며 과일의 껍질을 한 겹 벗겨냅니다. 현상의 이면을 묻는 '원인 탐구형 질문'으로 들어가는 것이지요. "대동법이 양반 지주들의 거센 반발을 사면서 전국에 확대 시행되기까지 100년이나 걸린 핵심적인 이해관계의 충돌은 무엇이었어?"2 기계는 단순한 개념 설명을 넘어 당시 공납 제도의 모순과 권력층의 경제적 득실을 분석하기 시작합니다.

아이는 여기서 멈추지 않고 문제의 씨앗을 향해 '관점 전환형 질문'을 던지며 사유의 중심부로 파고듭니다. "만약 당시 토지를 적게 가진 일반 농민의 시선에서 본다면, 대동법 시행은 세금 부담을 줄여주었지만 또 어떤 새로운 현실적 한계를 겪게 만들었을까?" 그제야 인공지능은 평면적인 정답을 벗어나 입체적인 역사적 맥락과 구조적 딜레마를 화면에 펼쳐놓습니다.

단순한 지식 검색에서 시작해 원인을 묻고, 관점을 뒤집으며 맥락의 핵심으로 질문을 벼려 들어가는 이 과정 자체가 가장 밀도 높은 인지적 훈련이 됩니다. 질문을 한 번 던지고 끝내는 것이 아니라, 기계가 내어놓은 답변의 빈틈을 확인하고 조건을 덧붙이며 되묻는 피드백의 힘은 매우 강력합니다. 2026년 2월 10일 국제 학술지 MDPI에 게재된 연구에 따르면, 이러한 반복적 피드백 루프를 적용했을 때 인공지능이 생성한 전문 문항의 품질이 기본 프롬프트만 썼을 때보다 최대 30퍼센트까지 향상되었습니다. 2026년 4월 1일 스트럭처럴 러닝의 폴 메인이 발표한 연구에서도 이러한 프로젝트 제로의 사고 루틴을 수업에 적용했을 때 학생들의 비판적 사고력이 23퍼센트 향상되었음이 확인되었지요.

좋은 답은 화려한 컴퓨터 기술에서 나오지 않습니다. 복잡한 상황 속에서 무엇이 원인이고 무엇이 맥락인지 집요하게 들여다보는 질문의 깊이에서 나옵니다. 단편적인 사실을 묻는 아이에게 인공지능은 게으른 지식의 자판기에 불과하지만, 껍질을 벗겨내듯 질문을 벼려낼 줄 아는 아이에게 인공지능은 비로소 사유를 무한히 확장해 주는 가장 든든한 지적 파트너가 되어줍니다.

기계가 단 몇 초 만에 그럴듯한 답변을 쏟아내는 교실에서 가장 경계해야 할 풍경은, 화면에 뜬 활자를 한 줄의 의심도 없이 정답으로 수용하는 아이들의 순진한 태도입니다. 인공지능은 자신이 만들어낸 문장이 참인지 거짓인지 알지 못해요. 그저 앞선 단어 뒤에 올 확률이 가장 높은 단어를 수학적으로 배열할 뿐이지요. 그 결과 아주 유려하고 논리정연한 어조로 완벽한 거짓말을 꾸며내는 환각 현상이 필연적으로 뒤따릅니다.

문제는 아이들이 이 매끄러운 거짓말에 너무나 쉽게 무장해제된다는 사실이에요. OECD가 2026년 1월 19일 발간한 《2026년 디지털 교육 전망》 보고서에 실린 튀르키예 학생 대상 실험 결과는 이 위기를 적나라하게 드러냅니다. 학생들이 수학 문제를 풀 때 GPT-4의 지원을 받도록 하자, 단기적인 문제 해결 성과는 127퍼센트나 급상승했어요.12 화면 속 인공지능이 정답으로 향하는 길을 즉각 제시해 주었기 때문입니다. 하지만 실험진이 학생들에게서 AI 도구를 완전히 차단하고 온전히 스스로의 힘으로 문제를 풀게 하자, 학생들의 학업 성과는 인공지능을 쓰기 전보다 오히려 17퍼센트 하락했습니다.

원리에 대한 깊은 이해나 고민 없이 기계의 답을 빌려 쓰던 학생들은 정답을 맞히는 순간 스스로 그 개념을 완벽히 이해했다고 착각했습니다. 자신이 무엇을 알고 무엇을 모르는지 가늠하는 내면의 메타인지 감각이 마비된 결과, 기계라는 지지대가 사라지자마자 사유의 기반 자체가 무너져 내린 것이지요.

이러한 지적 무기력에 맞서기 위해 아이들에게 심어주어야 할 또 하나의 본질적인 태도가 바로 오류 사냥꾼 감각입니다. 화면에 나타난 문장을 결론이 아니라 하나의 용의선상에 올려진 가설로 대하며, 기계가 숨겨놓은 논리적 비약과 허위 정보를 끈질기게 추적해 내는 비판적 태도예요.

그러나 아이들의 정보 판별력 현실은 참담할 정도로 취약합니다. 2021년 1월 스탠퍼드 대학교의 샘 와인버그 교수 연구팀이 미국 14개 주 고등학생 3,446명을 대상으로 실시한 디지털 시민 온라인 추론 평가 결과는 충격적이었습니다.13 평가에 참여한 대다수의 학생이 웹 화면에 뜬 스폰서 콘텐츠조차 제대로 구별해 내지 못했고, 정보의 출처가 지닌 신뢰성과 배후의 편향을 걸러내지 못했어요. 겉보기에 전문적인 레이아웃을 갖추고 권위 있는 어휘를 사용하기만 하면 아이들은 그 정보의 진위를 의심 없이 받아들였습니다. 1장에서 살펴본 외견상 완성도의 함정이 학생들의 정보 검증 단계에서도 치명적인 맹점으로 작동하고 있었던 셈입니다.

그렇다면 아이들의 눈을 뜨게 할 훈련은 어디서 시작되어야 할까요. 2022년 7월 《Journal of Educational Psychology》에 게재된 테레사 오르테가와 마크 스미스의 연구는 고등학교 수업 현장에서 건져 올린 실마리를 보여줍니다. 연구진은 미국 고등학교 정부 수업 시간에 스탠퍼드 디지털 탐구 그룹의 시민 온라인 추론 중재 프로그램을 투입하며 '옆으로 읽기(lateral reading)' 기법을 훈련시켰어요.

옆으로 읽기란 주어진 글을 화면 위아래로만 수동적으로 훑어 읽는 세로 읽기에서 벗어나, 인터넷 브라우저에 새로운 탭을 여러 개 열어두고 해당 정보의 출처가 어디인지, 작성자가 누구이며 어떤 이해관계를 품고 있는지를 외부의 독립된 정보원과 교차 검증하는 방식입니다. 글 자체의 매끄러움에 갇히지 않고 웹의 바깥으로 발걸음을 옮겨 정보의 진위를 따져 묻는 훈련을 거치자, 학생들의 출처 판별 능력은 유의미하게 향상되었습니다.

오류 사냥꾼 감각을 익힌 아이는 인공지능이 뱉어낸 화려한 답변 앞에서 감탄하는 대신 곧바로 브라우저 창을 옆으로 엽니다. 기계가 인용한 연구 보고서가 실제로 존재하는 문헌인지 다른 검색창에 제목을 넣어 확인하고, 통계 수치의 출처가 공신력 있는 기관의 발표와 일치하는지 원문을 찾아 대조해요. 화면 속 문장에 고개를 끄덕이기 전에 '기계의 설명 중 내가 논리적으로 납득하지 못한 부분은 어디인가?' , '내가 지금 이 주제의 사실관계를 스스로 입증할 수 있는가?' 를 따져 물으며, 열어둔 탭 사이를 바쁘게 오가며 앎의 경계를 하나씩 확인해 나갑니다.

모든 아이 곁에 가장 유능하고 지치지 않는 개인 교사가 한 명씩 붙어 있다면 교육의 풍경은 어떻게 달라질까요. 교육학계에서 이 상상은 오랜 시간 풀지 못한 숙원이었습니다. 1984년 미국의 교육심리학자 벤저민 블룸은 교육사에 길이 남을 실험 결과를 발표했어요. 교사 한 명이 다수의 학생을 가르치는 전통적인 집단 수업 환경과 비교했을 때, 교사와 일대일로 개별 지도를 받은 학생 집단의 학업성취도가 무려 2 표준편차, 즉 2.0 시그마나 높게 나타났다는 사실이었지요.

2.0 시그마의 차이는 보통의 교실에서 딱 중간 수준인 50백분위에 머물던 평범한 아이가 일대일 지도를 받으면 상위 98퍼센트 수준의 최우수 학생으로 올라선다는 뜻입니다. 학생 한 사람의 이해 속도에 맞추어 막힌 곳을 짚어주고 끊임없이 되물어주는 맞춤형 대화가 만들어내는 지적 도약의 크기는 그만큼 압도적이었습니다. 하지만 블룸은 이 놀라운 결과를 발표하며 깊은 고민을 덧붙였어요. 소수의 특권층이 아니라 교실의 모든 아이에게 일대일 개인 튜터를 붙여주는 일은 막대한 사회적 비용 때문에 현실에서는 도저히 불가능에 가깝다는 한계였지요. 블룸은 이 거대한 간극을 감당 가능한 비용의 집단 교육 환경에서 어떻게 구현할 것인가라는 질문을 던졌고, 교육계는 이를 '2 시그마 문제'라고 불렀습니다.

블룸이 던진 이 난제는 생성형 AI의 등장과 함께 마침내 풀리는 듯 보였습니다. 2011년 애리조나 주립대학교의 커트 반렌 교수가 수많은 실증 연구를 종합 검토해 발표했을 때만 해도 사정은 조금 달랐어요. 반렌 교수는 실제 인간 튜터링의 효과크기가 통념처럼 2.0 시그마에 달하는 것이 아니라 0.79 수준이며, 컴퓨터 기반의 지능형 튜터링 시스템 역시 0.76 수준으로 인간 튜터와 큰 차이가 없다는 점을 밝혔습니다.14 기계가 인간 튜터의 자리를 일정 부분 채울 수 있다는 가능성을 보았지만, 당시의 시스템은 정해진 알고리즘을 벗어나지 못하는 투박한 문답 기계에 머물러 있었지요.

하지만 대형 언어 모델을 품은 생성형 AI는 이전의 기계들과는 완전히 다른 대화 능력을 보여주었습니다. 2025년 하버드 대학교의 그레고리 케스틴 교수 연구팀이 학부생 194명을 대상으로 학술지 《Scientific Reports》에 발표한 물리 교육 무작위 대조 시험 결과는 교육계를 다시 한번 흥분시켰어요.15 연구진이 학생들에게 AI 튜터 시스템을 제공하고 수업을 진행했더니, 물리학 교육에서 가장 효과적인 방식으로 꼽히던 교실 내 전통적인 능동형 학습보다 AI 튜터를 활용한 집단이 더 뛰어난 학습 성과를 기록한 것입니다. 학생의 오답 뒤에 숨은 오개념을 짚어내고 끈질기게 소크라테스식 문답을 이어가는 기계의 튜터링이 고등 물리학의 개념 이해에서도 인간의 전통적인 수업을 앞설 수 있음을 증명한 셈이었지요.

이러한 기술적 확신 속에서 칸 아카데미의 AI 튜터 '칸미고' 같은 도구들이 학교 현장에 빠르게 투입되었습니다. 학생이 수학 문제를 풀다가 "답이 뭐야?" 라고 물으면 정답을 곧바로 알려주는 대신 "너는 이 단계에서 어떤 규칙을 적용해야 한다고 생각하니?" 라며 되묻는 소크라테스식 기계 대화가 설계되었어요. 실제로 2026년 5월 1일 칸 아카데미가 6개월간 진행된 제품 실험 결과를 내놓았을 때, 칸미고와 대화를 나눈 학생들의 '다음 문항 정답률'은 이전보다 6퍼센트포인트 향상된 것으로 나타났습니다. 기계가 2 시그마 문제의 오랜 빗장을 마침내 풀어내는 것처럼 보였습니다.

그러나 모니터 너머 실제 교실의 바닥에서 벌어진 현실은 실험실의 장밋빛 예측과 크게 어긋났습니다. 2026년 8월 7일, 토론토 대학교의 필립 오레오풀로스와 찰스리버 어소시에이츠의 니나 로 연구진이 미국 테네시주의 18개 중학교에서 칸미고를 2년간 무작위 대조 시험으로 추적 관찰한 연구 결과는 뼈아픈 실상을 보여주었습니다.

AI 튜터를 배정받아 2년을 보낸 학생 집단의 수학 학업성취도 향상은 1학기당 전국 백분위수 순위 기준으로 고작 1.3 상승하는 데 그쳤어요.16 학년 단위로 환산하면 표준편차의 약 0.06에서 0.08에 불과한 미미한 수준이었습니다.16 시스템에 1년간 매우 활발하게 참여한 학생 집단의 추정치만 따로 추려 분석해 보아도 학업성취도 향상은 0.14 표준편차에 머물러, 인공지능의 도움 없이 그저 혼자 문제집을 풀며 자율 학습을 진행한 학생들의 통상적인 성취도와 사실상 다를 바가 없었습니다.16

실험실의 장밋빛 기대가 무너진 이유는 연구진이 확보한 학생들의 실제 로그 데이터에서 선명하게 드러납니다. 학생들은 중간값 기준으로 수학 연습을 한 날 중 겨우 33퍼센트의 날에만 칸미고에게 메시지를 보냈어요. 더 충격적인 사실은 문제를 틀려 개념 설명이나 힌트가 절실했던 세션 중에서도 기계 튜터에게 질문을 던진 비율은 고작 17퍼센트에 불과했다는 점입니다. 문제를 틀리고도 화면 구석에서 상냥하게 질문을 기다리는 AI 튜터를 완전히 외면한 채 창을 닫아버리거나 무작정 다른 번호를 찍어 누르는 아이들이 태반이었습니다.

2026년 8월 25일 교육 전문 매체 초크비트의 보도는 이 어긋남의 정곡을 찔렀습니다. 교육 전문 기자 맷 바넘과의 인터뷰에서 칸 아카데미의 창립자 살만 칸은 교실 현장의 고충을 솔직하게 털어놓았어요. 개발진은 아이들이 인공지능과 주고받는 소크라테스식 문답을 통해 스스로 생각하는 법을 훈련하기를 기대했지만, 교실의 중학생들은 능동적인 사고의 고통을 견디려 하지 않았습니다. 아이들은 소크라테스처럼 되묻는 기계의 질문을 성가신 장애물로 여겼고, 대화창에 즉각적인 정답만을 요구하거나 아예 시스템에 접속하지 않으며 자발적 참여를 기피했습니다.

생각을 유도하는 기계의 질문을 귀찮아하는 아이들의 마음 밑바닥에는 이전 장들에서 짚어보았던 심리적 함정이 도사리고 있습니다. 2026년 7월 21일 성균관대학교 주소미, 이창준, 이대호 연구팀이 대학생 88명을 대상으로 GPT-4o를 투입해 진행한 실험은 이를 아주 날카롭게 증명합니다. 연구진이 AI의 개입 단계를 나누어 학습 효과를 추적한 결과, 비판적 사고 없이 인공지능의 산출물을 수동적으로 받아들인 학생들은 후속 시험 점수가 오히려 뚜렷하게 하락했습니다.

그럼에도 불구하고 이 학생들은 자신이 해당 개념을 아주 많이 배웠다고 굳게 믿고 있었어요. 연구팀은 이를 배운 느낌만 비대해지는 '체감 학습' 현상이라고 명명했습니다. 기계가 친절하게 단계를 쪼개어 설명해주고 힌트를 던져주니, 학생은 머릿속에서 인지적 마찰을 겪지 않고도 문제가 술술 풀리는 환상에 빠진 것입니다. 실제로는 아무런 지적 근육도 자라지 않았는데, 겉보기의 유려함에 속아 자신이 개념을 장악했다고 착각하는 체감 학습의 덫에 걸려든 것이지요.

앞에서 살펴본 질문 벼리기와 오류 사냥꾼 감각이 학습자의 내면에 단단한 습관으로 자리 잡지 않은 상태라면, 아무리 정교한 소크라테스식 기계 대화라 할지라도 무용지물이 되고 맙니다. 무엇을 모르는지 스스로 집요하게 파고드는 질문의 의지가 없는 아이에게, 화면 속 튜터의 상냥한 반문은 그저 성가신 방해물일 뿐입니다. 기계 튜터가 2 시그마의 기적을 일으키지 못하는 까닭은 알고리즘의 결함 때문이 아닙니다. 모니터 앞에 앉은 아이가 생각의 주도권을 쥔 채 기계의 응답을 검증하고 다듬어갈 지적 준비가 되어 있지 않기 때문입니다. 일대일 튜터가 손안에 쥐어질수록, 배움의 성패는 도구의 지능이 아니라 질문을 벼려내는 아이의 내면적 태도에 의해 더 극단적으로 갈라지게 됩니다.

앞서 확인했듯, 인공지능이 아무리 정교해져도 지식을 수동적으로 전달받는 방식으로는 아이의 머릿속에 지적 근육이 자리 잡지 못해요. 화면 속 기계 튜터의 상냥한 설명에 기대어 배운 느낌만 비대해지는 체감 학습의 덫에 빠지거나, 되묻는 기계를 귀찮아하며 회피하는 아이들에게 교실마저 일방적인 강의식 지식 전달을 고집한다면 배움은 온전히 멈춰 서고 맙니다. 정답을 외워 시험지에 쏟아붓는 지식 소비자의 자리에 머무는 한, 아무리 뛰어난 인공지능을 쥐여주어도 아이는 생각을 외주화하는 손쉬운 도피처로 기계를 소비할 뿐이지요.

그렇다면 인공지능 시대를 맞이한 교실은 이제 무엇을 하는 곳이어야 할까요. 교사가 교탁 앞에 서서 교과서 지식을 한 방향으로 쏟아내는 강의식 수업의 효용이 끝난 자리에서, 학교는 전혀 다른 배움의 문법을 써내려가야 합니다. 교과서에 갇힌 죽은 지식을 외우는 수동적인 소비자의 자리에서 벗어나, 현실의 복잡한 문제를 해결하기 위해 지식을 능동적으로 엮어 무언가를 직접 만들어내는 지식 생산자의 자리로 아이들을 이동시키는 반전된 탐구 교실입니다.

이 거대한 전환의 실마리를 가장 선도적으로 보여주는 곳이 미국 샌디에이고의 혁신학교 네트워크인 하이테크하이(High Tech High)예요. 이곳의 교실에는 교과서도, 일방적인 강의도 없습니다. 학생들은 학기 내내 실제 사회와 지역 공동체가 맞닥뜨린 문제를 해결하는 프로젝트 기반 학습(PBL)에 몰두합니다.

교실 안에 인공지능이 들어왔을 때 이 탐구의 풍경은 한층 더 깊어집니다. 8년간 중학교 과학 교사로 일하며 5년간 프로젝트 기반 학습을 이끌어온 교육자 숀 길리는 2023년 6월 11일, 하이테크하이 교육대학원의 공식 교육 저널 《HTH Unboxed》 제24호를 통해 챗GPT를 접목해 중학교 과학 교육 프로젝트 3개를 완전히 새롭게 개편한 설계를 공개했어요. 교사가 지식을 주입하는 대신 인공지능을 아이들의 프로젝트 기획과 가설 설정을 돕는 보조 연구원으로 교실에 배치한 것이지요.

이어서 2025년 4월 3일, 하이테크하이 교육대학원의 칼리 프레더릭과 교육 플랫폼 인콰이어(Inkwire)의 아타시 파리크는 대형 언어 모델을 활용해 교사와 학생이 현실 문제를 다루는 프로젝트 기반 학습을 함께 설계하는 방안을 발표했습니다. 기계는 학생의 생각을 가로채는 대필가가 아니라, 아이들이 던진 거친 아이디어를 정교한 탐구 계획으로 구체화해 주는 지적 비계의 역할을 맡습니다.

실제 교실에서 이 반전된 탐구 교실이 어떻게 굴러가는지는 하이테크하이 출라비스타(Chula Vista) 캠퍼스의 교사 테드(Ted)의 실천에서 또렷하게 확인할 수 있어요. 2026년 4월 24일 공개된 교육 팟캐스트 '에듀케이트 AI(Educate AI)'에서 테드는 2년 전부터 학생들의 프로젝트 및 포트폴리오 작성을 돕는 플랫폼 인콰이어를 수업에 도입하고, 챗GPT와 이미지 생성 도구인 미드저니를 아이들의 창작 보조 도구로 적극 활용해 온 경험을 소개했습니다.

테드의 중학교 교실에서 학생들은 환경 생태 단원을 배울 때 교과서의 환경오염 정의를 외우지 않습니다. 대신 지역사회의 하천 오염과 해양 쓰레기 문제를 해결하기 위해 초등학교 저학년 아이들이 읽을 수 있는 인터랙티브 생태 동화책을 직접 기획하고 출판하는 프로젝트에 뛰어듭니다.

이 과정에서 챗GPT와 미드저니는 아이들의 생각을 빼앗는 요술봉이 아니라 지칠 줄 모르는 연구 보조원이자 삽화 디자이너로 작동합니다. 아이들은 챗GPT에게 "지역 하천의 수질 오염 데이터를 10세 어린이가 이해하기 쉬운 비유로 바꾸어줘"라고 요청하며 과학적 사실을 쉬운 언어로 변환하는 과정을 조율합니다. 이야기의 주인공인 물고기 캐릭터를 시각화하기 위해 미드저니의 프롬프트 창에 수질 오염의 징후와 생태적 특성을 반영한 세부 묘사를 영어로 벼려 넣습니다.

여기서 결정적인 차이가 생겨납니다. 외주화된 사고에 갇힌 아이는 "하천 오염 동화 한 편 써줘"라고 입력한 뒤 화면에 뜬 줄글을 그대로 긁어 복사하고 생각을 멈추지요. 하지만 반전된 탐구 교실의 아이는 책의 총괄 기획자이자 편집장으로서 기계를 지휘합니다. 인공지능이 생성해 낸 동화의 초안을 읽으며 아이들은 앞서 익힌 오류 사냥꾼 감각을 곧바로 발동해요. "이 대목에서 설명한 용존산소량 수치는 우리 지역 하천의 실제 측정치와 맞지 않아", "주인공이 환경 문제를 해결하는 방식이 너무 비현실적이야"라며 기계의 환각과 논리적 비약을 잡아내고 수정을 요구합니다. 텍스트와 시각 자료를 조율하며 책의 뼈대를 완성해 나가는 과정 전체가 비판적 사고와 시스템 논리를 총동원하는 치열한 생산의 노동이 됩니다.

그렇다면 교사는 이 복잡한 프로젝트를 어떻게 평가할까요. 인공지능이 매끄럽게 다듬어준 결과물만 채점한다면 아이가 스스로 생각했는지, 기계에 생각을 통째로 외주화했는지 가려낼 수 없습니다. 그래서 테드 교사는 결과물로서의 동화책 대신 인콰이어 플랫폼에 고스란히 누적된 프로젝트 포트폴리오를 핵심적인 평가 잣대로 삼았어요. 학생이 챗GPT와 주고받은 프롬프트의 질문 기록, 기계의 답변에서 틀린 점을 찾아내 검증한 팩트체크의 흔적, 그리고 초안을 비판적으로 다듬어간 수정 이력을 교사가 꼼꼼히 들여다보며 평가하는 것입니다. 화려한 외양 뒤에 숨은 학생의 지적 마찰과 질문의 과정을 추적하는 이 과정 중심 포트폴리오 평가 덕분에, 아이들은 기계의 답을 베끼는 유혹을 이겨내고 탐구의 주도권을 끝까지 지켜냅니다.

자판을 두드려 정답을 맞히던 아이들이 교실에서 출판 기획자, 데이터 분석가, 시각 스토리텔러로 변모하는 순간입니다. 지식을 머릿속에 집어넣는 일에만 매달리던 수동적인 소비자는 기계를 도구 삼아 현실의 문제를 해석하고 세상에 자신의 목소리를 내놓는 능동적인 생산자로 거듭납니다. 교사 역시 지식의 독점적 전달자라는 낡은 옷을 벗고, 아이들의 질문을 다듬어주고 프로젝트의 방향을 잡아주는 탐구의 멘토로 교실 한가운데 바로 서게 됩니다.

아이들이 각자의 태블릿 화면 속에 완벽한 AI 튜터를 모셔두고 혼자만의 속도로 지식을 빨아들이는 풍경을 보고 있으면 문득 서늘한 의문이 고개를 듭니다. 기계와의 상호작용만으로 모든 개념을 막힘없이 이해할 수 있다면, 아이들은 매일 아침 굳이 무거운 가방을 메고 한 공간에 모여 부대낄 필요가 있을까요. 개인화된 맞춤 학습이라는 매혹적인 구호의 이면에는, 학생 한 사람 한 사람이 디지털 섬으로 고립되어 타인과의 접촉을 잃어버릴지 모른다는 짙은 그림자가 드리워져 있습니다.

이 고립의 위험성을 교육계에 가장 뼈아프게 경고해 온 학자가 매사추세츠공과대학교의 셰리 터클 교수예요. 터클 교수는 2015년 대면 대화의 힘을 역설한 저서 《대화를 잃어버린 사람들》을 통해 디지털 기기가 인간의 연결감을 높여주는 척하면서 실제로는 깊은 유대와 공감을 파괴하고 있다고 갈파했지요. 그리고 2026년 9월 29일 MIT 뉴스를 통해 전해진 후속 저서 《인공적 친밀함(Artificial Intimacy)》에서 그녀는 생성형 AI 챗봇이 인간의 고립을 한층 더 교묘하게 심화시키고 있다고 강하게 경고했습니다.

기계와의 대화는 언제나 매끄럽고 편리합니다. AI 튜터는 아이가 짜증을 내도 결코 화를 내지 않고, 아이의 수준에 맞춰 한없는 인내심으로 대답을 맞추어줍니다. 마찰도 없고, 어색한 침묵도 없으며, 상대방의 기분을 살피느라 긴장할 필요도 없습니다.

그러나 터클 교수가 지적하듯, 바로 그 마찰 없음이야말로 아이들의 사회적 성장을 가로막는 치명적인 함정이에요. 타인과 관계를 맺고 지적 대화를 나눈다는 것은 필연적으로 상대의 당혹스러운 침묵을 마주하고, 의견의 불일치로 인한 갈등을 견디며, 거친 감정과 비논리적인 반론을 조율해 나가는 피곤한 신체적 마찰을 동반합니다. 기계가 제공하는 무균실 같은 인공적 친밀함에 길들여진 아이는, 나와 다른 타인의 시선을 견뎌내며 설득하고 타협하는 현실의 인간적 근육을 형성하지 못합니다.

바로 이 지점에서 학교라는 물리적 공간의 진짜 존재 이유가 되살아납니다. 개인화된 지식의 습득을 AI 튜터가 도맡아줄수록, 교실의 중력은 동료들과 부대끼며 논쟁하고 협력하는 오프라인 상호작용의 장으로 강력하게 이동해야 합니다.

실제로 세계 각국의 공교육 현장은 AI를 도입하면서도 교실의 중심을 동료 학습과 토론으로 되돌려놓는 수업 구조를 구축하고 있습니다. 2024년 대만 교육부가 발표한 '인재방주계획'은 매우 인상적인 이원 체계를 보여줍니다. 교사용 AI 어시스턴트와 학생용 AI 튜터를 결합하되, 학습 설계를 철저히 개별 자기주도 학습 후 교실 내 토론과 협력 수업으로 이어지도록 설계했어요. 모니터 앞에서 기계와 일대일로 씨름하며 개념을 잡은 아이들은 곧바로 화면을 닫고 동료들과 둥글게 둘러앉아 수업 후 토론을 시작합니다. 기계와의 상호작용은 혼자만의 완결된 배움이 아니라, 친구들과 나눌 깊은 논쟁을 준비하기 위한 징검다리로 자리매김한 셈이지요.

국내에서도 이러한 교실의 구조 전환은 이미 시작되었습니다. 2025년 2월 20일 부산광역시교육청이 보도자료를 통해 발표한 수업 혁신 모형은 그 구체적인 경로를 제시합니다. 생성형 AI를 활용한 '질문하기-생각하기-표현하기-협력적 문제 해결하기'로 이어지는 4단계 수업 모델이 그것입니다.

이 교실에서 학생들은 먼저 인공지능과 문답을 주고받으며 자신의 생각을 글로 표현하고 토론의 논거를 정리합니다. 하지만 배움은 거기서 멈추지 않아요. 정리된 생각과 AI의 분석 결과를 들고 아이들은 교실 바닥으로 걸어 나와 친구들과 얼굴을 마주합니다. 화면 속 AI가 귀띔해 준 논거를 내세워 짝을 설득해 보기도 하고, 동료의 예상치 못한 반박에 부딪혀 논리의 빈틈을 절감하며 당황하기도 합니다. 인공지능이 제공한 지식을 재료 삼아 아이들은 타인의 숨소리와 표정을 읽으며 서로의 오차를 수정해 나가는 협력적 문제 해결의 현장으로 뛰어듭니다.

개별화된 기계 튜터가 보편화될수록 학교 교실의 진정한 가치는 지식을 머리에 담아주는 강의실이 아니라, 타인과 부딪히며 지적 마찰을 경험하는 광장이 되는 데 있습니다. 화면 속 알고리즘이 아무리 다정하게 말을 걸어온다 한들, 불완전하고 거친 동료 인간과의 부대낌 속에서 겪는 혼란과 조율의 경험을 기계의 매끄러운 텍스트가 대신해 줄 수는 없어요.

모니터 앞을 벗어나 교실이라는 광장으로 걸어 나온 아이들은 비로소 기계가 결코 대신해 줄 수 없는 인간 고유의 힘을 길러냅니다. 나와 다른 관점을 지닌 타인의 입장을 헤아리는 윤리적 감수성, 생각의 차이와 실패의 껄끄러움을 견디며 끝까지 대화를 이어가는 끈기, 그리고 알고리즘이 내놓은 답을 의심하며 스스로 탐구의 길을 여는 주도성이 바로 그것입니다. 지식을 설명해 주는 도구가 아무리 완벽해진다 해도, 우리 아이들이 학교에서 길어 올려야 할 배움의 본질은 화면 바깥에서 다른 사람과 어깨를 맞대며 자라나는 이 단단한 인간성에 있습니다.

화면 속 인공지능에게 판사나 의사의 이미지를 그려달라고 부탁하면 모니터에는 어김없이 정장을 차려입은 백인 중년 남성의 모습이 나타납니다. 간호사나 청소부를 그려달라고 텍스트를 넣으면 화면은 망설임 없이 유색인종 여성의 얼굴을 채워 넣어요. 성공한 기업가의 하루를 글로 써달라고 요청했을 때도 마찬가지입니다. 첨단 도시의 통유리 빌딩에서 커피를 마시며 회의를 주재하는 서구 남성의 일상이 유려한 문장으로 출력됩니다. 아이들은 이 세련된 결과물을 보며 기계가 세상의 평균을 객관적으로 보여주고 있다고 믿어버리기 쉽습니다.

하지만 인공지능이 내놓는 매끄러운 결과물은 중립적인 거울과 거리가 멉니다. 기계는 인간이 남겨놓은 과거의 방대한 텍스트와 이미지 데이터를 학습하며 자라납니다. 그 데이터 속에는 인류가 오랜 세월 무의식중에 쌓아온 차별과 고정관념, 불평등한 권력 구조가 고스란히 스며들어 있어요. 인공지능은 그 얼룩진 데이터를 확률적으로 조합해 가장 빈번하게 등장했던 익숙한 평균값을 출력할 따름입니다.

국제사회는 이미 이 문제의 심각성을 엄중하게 경고하고 있습니다. 2023년 9월 7일 유네스코는 펑춘 먀오와 웨인 홈스 등이 집필한 '교육과 연구를 위한 생성형 AI 지침'을 전 세계에 발표했습니다. 유네스코는 지침서 제2장을 통해 생성형 AI의 학습 데이터가 주로 부유하고 기술적으로 앞선 글로벌 북반구(Global North)에 치우쳐 있다는 점을 강하게 지적했어요. 웹에 존재하는 데이터의 대다수가 특정 문화권과 언어권에 집중되어 있다 보니, 기계가 만들어내는 답안은 필연적으로 다원적인 의견을 지워버리고 소수 민족이나 비영어권 화자 같은 사회적 소외 집단을 논의의 바깥으로 밀어내게 됩니다.

이러한 데이터 편향은 교실에서 자라나는 아이들의 세계관에 직접적인 상처를 남깁니다. 기술이 생산한 지식이 교실 안으로 무차별하게 유입될 때, 아이들은 특정 문화권의 편향된 시선을 보편적인 진리로 자연스럽게 받아들이게 돼요. 기계의 문장이 유려해질수록 그 이면에 도사린 문화적 종속과 차별의 위험은 아이들의 시야에서 교묘하게 가려집니다.

유네스코가 같은 지침서에서 미래 세대를 위한 3대 핵심 AI 역량을 공식 규정한 배경도 여기에 있습니다. 첫 번째는 '인공지능 윤리(Ethics)', 두 번째는 'AI 기술 이해 및 숙련도(Techniques/Data literacy)', 세 번째는 '비판적 사고 및 AI 결과 검증 역량(Agency/Critical Thinking)'입니다. 이는 공교육 프레임워크 차원에서 기계를 다루는 단순 조작 기술을 넘어 알고리즘의 밑바닥에 깔린 가치관을 비판적으로 검토하는 힘을 체계적으로 길러내야 함을 분명히 한 것입니다.

법과 제도의 울타리 역시 빠르게 세워지고 있습니다. 2024년 5월 21일 유럽의회와 유럽연합 이사회는 세계 최초의 포괄적 인공지능 규제법인 유럽연합 인공지능법(AI Act)을 최종 승인했습니다. 이 법안은 교육 분야에서 활용되는 인공지능 시스템을 대단히 엄격하게 다루고 있어요. 부속서 III 제3조에서는 학생의 입학 여부를 결정하는 시스템뿐만 아니라, 학습 성과를 평가하고 시험을 채점하는 AI 도구(b항), 나아가 개인의 교육 수준과 직업 진로에 영향을 미칠 수 있는 인공지능 도구를 잠재적 위험성이 높은 고위험군으로 못 박았습니다.17

유럽연합이 교육 분야를 고위험군으로 분류한 이유는 명백합니다. 채점 알고리즘이나 학생 평가 도구에 내재된 편향이 아이 한 사람의 미래를 구조적으로 왜곡할 수 있기 때문입니다. 법안 제10조는 이러한 시스템을 개발하고 운용할 때 훈련 데이터 속에 편향이 존재하는지 사전에 면밀히 감지하고 수정하는 거버넌스 체계를 반드시 갖추도록 의무화했습니다.17 데이터는 한 인간의 기회와 권리를 좌우하는 사회적 규범이라는 인식이 법령에 엄격히 반영된 셈입니다.

우리나라 교육과정 역시 이러한 변화의 필요성을 제도 안에 담아내기 시작했습니다. 2020년 9월 대한민국 교육부는 고등학교 선택 과목으로 '인공지능 기초' 교육과정을 발표했습니다. 이 교육과정은 대단원 중 하나로 '인공지능 윤리'를 명시하며 데이터 편향성, 알고리즘이 불러일으키는 윤리적 딜레마, 그리고 인공지능을 사회에 적용할 때 지켜야 할 사회적 책임과 공정성을 핵심 학습 요소로 규정했습니다. 단순히 코딩 기술을 익히는 수준을 넘어 기술이 사회에 미치는 파장을 깊이 성찰하도록 이끈 조치였습니다.

앞서 우리는 기계의 오류를 집요하게 추적하는 오류 사냥꾼 감각을 살펴보았습니다. 이 감각이 텍스트의 사실관계나 통계 수치의 정확성을 대조하는 작업에 머문다면, 윤리적 감수성은 그보다 한 걸음 더 깊은 사유의 영역으로 들어섭니다. 화면에 뜬 문장이 사실인가를 확인하는 일에서 나아가, "이 문장은 누구의 관점에서 쓰였을까?" , "이 결론 뒤편에서 목소리를 잃어버린 사람은 누구일까?" 를 집요하게 따져 묻는 태도입니다.

이러한 물음이 바로 기계의 매끄러운 텍스트를 대면할 때 아이들이 발휘해야 할 윤리적 책임감입니다. 인공지능은 데이터 속에서 가장 확률이 높은 단어를 조합할 뿐, 그 표현이 특정 집단을 어떻게 배제하고 어떤 편견을 재생산하는지 스스로 판단하지 못합니다. 기계가 내놓은 답안에서 편향된 시선을 발견했을 때, 아이는 화면을 닫고 다른 관점의 자료를 직접 찾아 대조하며 소외된 목소리를 문장에 다시 채워 넣어야 합니다. 결과물의 정확성을 확인하는 수준을 넘어 그 답이 품고 있는 사회적 공정성을 질문할 때, 아이는 비로소 알고리즘이 짜놓은 편견의 틀을 깨고 주체적인 판단자로 서게 됩니다.

교실에서 아이들이 공부를 포기하게 만드는 가장 큰 적은 언제나 실패에 대한 두려움이었습니다. 시험지 위에 빨간 줄이 그어지는 순간 아이들은 자신이 무능하다고 느끼며 책장을 덮어버리곤 했지요. 한 번의 오답이 곧 지적 낙인이 되는 전통적인 평가 체제 아래서, 실수는 배움의 과정이 아니라 피해야 할 수치스러운 흉터였습니다. 그러다 보니 아이들은 가장 안전하고 확실한 정답만을 좇으며 지적 모험을 극도로 기피해 왔습니다.

그런데 생성형 AI는 이 실패의 풍경을 근본적으로 바꾸어놓고 있습니다. 이전 장에서 살펴본 반전된 탐구 교실의 풍경처럼, 아이들은 이제 컴퓨터 화면 앞에서 몇 번이고 시제품을 만들고 부수는 실험을 감행합니다. 글의 개요를 짜거나 이미지를 디자인하고 코드를 구성할 때, 기계는 몇 초 만에 새로운 대안을 쏟아냅니다. 아이디어가 막히거나 오류가 발생해도 몇 날 며칠을 끙끙 앓을 필요 없이 즉각적인 피드백을 받아 새로운 시도를 이어갈 수 있어요. 시도하고 실패하는 데 드는 시간과 심리적 비용이 사실상 제로에 수렴하는 환경이 열린 것입니다.

2025년 5월 24일 미국 네브래스카 링컨 대학교 연구진이 발표한 연구는 이러한 변화의 가능성을 잘 보여줍니다. 연구진은 코딩을 처음 배우는 초보 학생들을 대상으로 ChatGPT와 'Giuseppe'라는 인터페이스를 활용해 학습 과정을 관찰했습니다. 학생들은 복잡한 문법 규칙에 가로막혀 좌절하는 대신, 인공지능을 통해 아이디어를 신속하게 시제품으로 구현해 내며 코딩의 진입 장벽을 가뿐하게 뛰어넘었습니다. 기계가 즉각적인 피드백을 제공하며 수정을 도와주자, 학생들은 막연한 두려움 없이 자신의 설계를 계속해서 고쳐나갈 수 있었습니다.

하지만 실패의 비용이 줄어들었다고 해서 배움이 저절로 완성되는 것은 아닙니다. 네브래스카 링컨 대학교 연구진은 신속한 프로토타이핑이 가능해진 이면에, 학생들이 초기 단계에서 극심한 메타인지적 과부하를 겪는다는 사실도 함께 밝혀냈습니다. 기계가 끝없이 대안을 쏟아내고 코드를 뱉어낼수록, 아이는 그 방대한 정보 속에서 무엇이 문제의 핵심인지 길을 잃고 헤매기 쉽다는 뜻입니다.

기계가 실패의 과정을 가로채 대신 해결해 줄 때 일어나는 그늘은 바로 여기에 있습니다. 화면 속 인공지능이 매끄러운 답안을 단숨에 완성해 주면, 아이는 자신이 그 내용을 온전히 이해했다고 착각하기 쉽습니다. 그러나 막힌 곳에서 멈추어 서서 고민하고, 오류가 발생한 원인을 스스로 추적하며 가다듬는 인지적 마찰이 사라지면 스스로 사유하는 근육은 자라나지 않습니다. 실패가 너무 손쉽게 지워지는 환경은 역설적으로 아이에게서 깊이 씨름하며 배우는 기회를 앗아갈 수 있습니다.

우리가 회복해야 할 배움의 태도는 실패를 기계에 외주 주는 것이 아니라, 실패를 마주하고 다루는 내면의 힘을 기르는 데 있습니다. 버지니아 대학교 모티베이트 랩과 협력한 엘리자베스 클라크의 실천은 이 지점에서 매우 중요한 방향을 가리킵니다. 클라크는 학습자가 실패를 두려워하지 않고 생성형 AI를 지적 동반자로 활용할 수 있도록 돕는 성장 마인드셋 기반의 교육 모듈과 3종의 인터랙티브 봇을 설계해 배포했습니다.

이 오픈 교육 리소스에서 인공지능은 정답을 즉시 내어주는 마술 상자가 아닙니다. 아이가 아이디어를 던졌을 때 허점을 짚어주고, 새로운 관점에서 문제를 바라보도록 유도하는 지적 벽돌의 역할을 합니다. 아이들은 완벽한 결과물을 한 번에 얻으려 하지 않고, 기계와 문답을 주고받으며 자신의 초안을 수십 번 고쳐 씁니다. 실수를 피해야 할 오점이 아니라, 생각을 더 날카롭게 다듬어가는 자연스러운 배움의 디딤돌로 받아들이는 법을 익히는 것입니다.

지능은 고정된 것이 아니라 노력과 훈련을 통해 자라난다는 믿음은 인공지능 시대에 더욱 절실해집니다. 화면 속에서 몇 초 만에 번듯한 글과 그림이 쏟아져 나오는 환경일수록, 아이들은 첫 번째 결과물의 완성도에 쉽게 현혹됩니다. 그 매끄러운 껍데기를 의심하고 부수며, 자신이 원하는 수준에 도달할 때까지 질문을 다시 벼리고 논리를 가다듬는 끈기, 즉 그릿(Grit)과 회복탄력성이 없다면 기계의 편리함은 오히려 아이의 성장을 멈추게 하는 독이 됩니다.

기계가 수많은 초안을 쏟아낼 때, 그것을 쓰레기통에 집어던지고 다시 시작할 수 있는 용기는 아이 자신의 내면에서 나와야 합니다. 열 번을 시도해 열 번 모두 실패한다 해도 좌절하지 않고, "어디서 논리가 어긋났을까?" 를 물으며 자판을 다시 두드리는 태도야말로 기술이 결코 대신해 줄 수 없는 인간 고유의 회복탄력성입니다.

앞서 살펴보았듯 우리 아이들의 책상 위에서 생성형 AI는 이미 일상적인 학습 도구로 깊숙이 자리 잡았습니다. 교실과 방 안에서 아이들은 매일 저녁 컴퓨터 화면을 켜고 기계의 조언을 구하며 과제를 풀어나가지요. 하지만 기계가 정답과 요약을 척척 내어줄수록, 학부모와 교사의 마음 한구석에는 말 못 할 불안이 자라납니다. 생각하는 수고를 기계에 덜어낼수록 아이의 생각하는 힘 자체가 무뎌지는 것은 아닐까 하는 걱정입니다.

이 불안은 막연한 기우가 아닙니다. 2025년 1월 마이클 겔리히 교수가 국제 학술지 《Societies》에 발표한 연구는 기술 의존의 이면에 도사린 위험을 명확한 수치로 보여줍니다. 참가자 666명을 대상으로 분석한 결과, 생각하는 수고를 기계에 넘기는 이른바 인지적 오프로딩(cognitive offloading)이 잦아질수록 비판적 사고 점수는 뚜렷하게 낮아지는 음의 상관관계를 나타냈어요.18 생성형 AI 도구를 자주 사용할수록 비판적 사고력이 구조적으로 저하되고 있었으며, 이 의존도가 가장 높게 나타난 집단은 17세에서 25세 사이의 청년층이었습니다. 머리를 쥐어짜며 생각의 뼈대를 세우고 논리를 벼려야 할 결정적인 시기에, 아이들이 편리함에 기대어 지적 근육을 쓸 기회를 통째로 양도하고 있었던 셈입니다.

일터의 현장에서도 이러한 징후는 똑같이 관찰됩니다. 2025년 4월 마이크로소프트의 하오핑 리와 아드바이트 사르카 연구진은 인간-컴퓨터 상호작용 학회(ACM CHI '25)에서 지식 노동자들의 인지적 작업 위임에 관한 연구를 공개했어요. 지식 노동자들 역시 생성형 AI에 복잡한 인지 작업을 넘기면서 스스로 쏟는 비판적 사고의 노력 수준이 확연히 감소했습니다.

연구진은 여기서 매우 흥미로운 심리적 이중 효과를 발견했습니다. 인공지능 시스템의 능력을 맹신하는 과신이 강할수록 비판적 사고를 기울이려는 노력은 급격히 줄어들었어요. 반면 자신의 역량과 판단력에 대한 확신, 즉 자기 확신이 높은 이들은 비판적인 검토의 노력을 오히려 늘렸습니다. 알고리즘에 영혼을 맡기지 않으려면 기계의 화려한 기능에 감탄하기보다, 내 안에 스스로 판단할 수 있다는 단단한 자기 확신이 먼저 서 있어야 한다는 뜻입니다.

아이들이 기계의 요약과 추천에 휘둘리지 않고 생각의 주인이 되려면 바로 이 내면의 힘이 필요합니다. 2019년 5월 22일 경제협력개발기구(OECD)가 발표한 'OECD 학습 나침반 2030'은 이 역량을 학생 주도성(Student Agency)이라는 개념으로 명쾌하게 정의했어요. 주도성이란 수업 시간에 조용히 앉아 질문에 대답하는 수동적인 태도를 뜻하지 않습니다. OECD는 주도성을 "자신의 삶과 주변 세계에 긍정적인 영향을 미칠 수 있는 능력"이라고 밝히며, 스스로 목표를 설정하고, 자신의 생각과 행동을 깊이 성찰하며, 그 결과에 대해 책임 있게 행동하는 총체적인 실천 역량으로 규정했습니다.

이튿날인 2019년 5월 23일, OECD 교육기술국의 안드레아스 슐라이허 국장은 오늘날 디지털 기술 환경에서 이 학생 주도성이 왜 그토록 절박한지 핵심을 짚었습니다. 슐라이허 국장은 소셜미디어 알고리즘이 이용자를 달콤한 가상 버블 속에 가두어 확증 편향을 심화시키고 사회를 양극화하고 있다고 강하게 비판했어요. 기계가 개인의 취향과 편향에 맞춘 정보만 끊임없이 떠먹여 주는 환경 속에서, 교육이 알고리즘에 그저 순응(compliance)하는 아이를 길러낸다면 사회는 파편화될 수밖에 없습니다. 우리 아이들에게 필요한 것은 기계의 친절한 안내를 얌전하게 따르는 태도가 아니라, 스스로 생각하고 의심하며 시스템의 제안을 단호하게 거절할 수 있는 독립적 비판 능력과 윤리적 판단력입니다.

기계가 매끄러운 문장으로 아이의 입맛에 맞는 결론을 내밀 때, 아이에게 요구되는 가장 단단한 무기는 알고리즘의 제안을 의심하고 밀어내는 힘입니다. 인공지능이 "이 주장이 가장 논리적입니다"라고 요약해 줄 때, "아니, 네가 제시한 편리한 길 대신 다른 근거와 반대 입장을 직접 찾아보겠어"라고 말할 수 있는 결단이지요. 기계를 내 생각을 대신해 주는 주인으로 모시는 것이 아니라, 내가 세운 목표를 위해 비판적으로 부리는 도구로 통제하는 태도가 바로 학생 주도성의 본질입니다.

데이터 뒤에 숨은 편향을 꿰뚫어 보는 윤리적 감수성, 실패를 두려워하지 않고 초안을 수십 번 고쳐 쓰는 회복탄력성, 그리고 알고리즘이 쳐놓은 편리한 버블을 깨고 스스로 사유의 길을 선택하는 학생 주도성까지. 기계가 지능을 흉내 내는 시대에 우리 아이들이 지켜내야 할 대체 불가능한 인간성의 밑바탕이 이렇게 분명해졌습니다. 이제 우리는 이 철학적 기준을 들고 매일 저녁 아이의 책상과 식탁으로 돌아가야 해요. 당장 오늘 저녁부터 가정과 교실에서 아이의 손을 잡고 실행할 수 있는 구체적인 행동 원칙들을 하나씩 짚어볼 차례입니다.

아이의 책상 위에서 모니터 불빛이 꺼지지 않는 저녁, 부모의 마음은 여전히 복잡합니다. 2023년 커먼 센스 미디어의 조사에 따르면 학생의 38퍼센트가 교사의 허락이나 인지 없이 학교 과제에 챗GPT를 사용한 적이 있다고 답했고, 56퍼센트는 주변 친구가 그렇게 쓰는 모습을 목격했다고 응답했습니다. 이어 2025년 7월 같은 기관의 조사에서는 미국 13세에서 17세 청소년의 72퍼센트가 생성형 AI 도구를 이미 써본 것으로 나타났지요. 기술은 이미 아이들의 손끝에 일상으로 스며들었지만, 2024년 9월 커먼 센스 미디어가 발표한 보고서가 지적하듯 청소년의 빠른 AI 일상화와 가정 내 부모의 인지 및 지침 수준 사이에는 여전히 아득한 격차가 가로놓여 있습니다.

이 격차를 좁히기 위해 완벽한 양육 환경을 당장 구축할 필요는 없습니다. 거창한 규칙 대신 오늘 저녁 서재와 식탁에서 곧바로 실행할 수 있는 세 가지 원칙으로 출발하면 충분해요.

첫 번째 원칙은 화면의 글을 그대로 긁어 옮기는 '결과물 복사-붙여넣기'의 전면적인 금지입니다. 1장에서 살펴본 외주화된 사고와 외견상 완성도의 함정은 아이가 기계의 문장을 자신의 문서로 복사하는 그 찰나의 손짓에서 시작됩니다. 아이가 인공지능을 참고서로 삼아 아이디어를 얻거나 문맥을 다듬는 것은 얼마든지 허용하되, 화면에 출력된 문장을 통째로 복사해 숙제 프로그램에 붙여넣는 행위만큼은 가정 내에서 단호하게 선을 그어야 해요. 기계가 뱉어낸 문장을 그대로 베껴 쓰는 대신, 출력된 답변 중 최소 1~2개 문장에 대해 아이가 직접 브라우저의 다른 창을 열어 외부 출처와 사실관계를 대조하게 하거나, 기계의 주장에 대한 자신만의 반론을 덧붙여 문서를 다시 쓰도록 유도하는 것입니다. 다른 출처를 찾아 대조하고 자신의 생각을 보태어 재작성하는 과정이 개입되어야 비로소 앞서 다룬 오류 사냥꾼 감각이 작동하고 생각의 외주화를 막을 수 있습니다.

두 번째 원칙은 저녁 식탁의 질문을 바꾸는 '식탁 위의 역질문 대화법'입니다. 2025년 11월 17일 MIT Day of AI와 커먼 센스 미디어가 공동 출시한 '가족을 위한 AI 리터러시 툴킷', 그리고 2025년 12월 10일 양 기관이 링크드인 라이브 세미나를 통해 강조한 실천법의 핵심도 바로 이 식사 자리의 대화에 닿아 있습니다. 밥상머리에서 아이에게 "오늘 학교에서 뭐 배웠니?" 혹은 "숙제 다 끝냈니?" 라고 채근하듯 묻는 대신, "오늘 챗GPT에게 던진 최고의 질문은 뭐였니?" 라고 물어보는 것이지요.

이 단순한 말 한마디는 아이의 시선을 결과물에서 질문의 설계 과정으로 단숨에 돌려놓습니다. 아이는 자신이 기계에 무엇을 물었는지, 원하는 답을 얻기 위해 프롬프트를 어떻게 벼려나갔는지 식탁 위에서 털어놓기 시작합니다. "처음에는 그냥 기후변화 원인을 물었더니 너무 뻔한 답이 나와서, 우리 동네 하천 데이터를 넣고 다시 물어봤어"라는 식의 대화가 오가는 순간, 식탁은 아이의 질문 벼리기 역량과 메타인지를 자연스럽게 점검하는 배움터로 바뀝니다. 아이가 기계에 주도권을 뺏기지 않고 생각의 주인으로 섰는지를 확인하는 가장 부드러운 일상적 점검인 셈입니다.

세 번째 원칙은 아이와 함께 기술적 안전 울타리를 세우고 대화의 규칙을 합의하는 일입니다. 부모가 알아두어야 할 최소한의 법적 기준은 분명합니다. OpenAI의 2026년 1월 1일 발효 기준 공식 이용약관은 만 13세 미만 아동의 서비스 이용을 금지하고 있으며, 13세 이상 18세 미만 청소년은 법정대리인의 동의와 허가를 필수 요건으로 두고 있습니다. 2025년 9월 29일에는 부모가 13세에서 17세 자녀의 계정과 연동해 안전 설정을 관리할 수 있는 '자녀 보호 기능'도 공식 출시되었지요.

그러나 기계적인 계정 연동이나 일방적인 차단만으로는 아이의 책상을 온전히 지킬 수 없습니다. 법적 최소 기준을 울타리로 삼되, 부모는 아이와 머리를 맞대고 '우리가 인공지능을 대하는 태도'에 대해 솔직한 대화를 나누어야 해요. 학교 과제를 할 때 어디까지 기계의 도움을 받고 어디서부터 내 생각을 쓸 것인지, 기계에 가족의 개인정보나 사적인 고민을 함부로 털어놓지 않는 프라이버시의 경계는 어디인지, 그리고 화면 속 답변에 편향이나 거짓이 섞여 있을 때 어떻게 대처할 것인지를 아이의 언어로 직접 약속해보는 것입니다. 무조건적인 통제 대신 아이를 신뢰받는 파트너로 존중하며 안전 규칙을 함께 세워나갈 때, 아이는 비로소 기술의 유혹에 휩쓸리지 않고 스스로를 지키는 디지털 시민으로 자라납니다.

가정에서 세운 세 가지 원칙이 학교의 담장을 넘어서려면 교실의 평가 방식 또한 완전히 다른 궤도로 진입해야 합니다. 앞서 2장에서 확인했듯 기계를 걷어내는 순간 손쉽게 무너져 내리는 지식은 아이의 진짜 실력이 아니지요. 기계의 힘을 빌려 정답만 매끄럽게 적어 내는 방식의 평가는 아이의 머릿속에 배움이 온전히 자리 잡았는지를 결코 증명하지 못합니다.

이미 세계 각국의 교육 현장은 완성된 정답 대신 사고의 과정을 추적하는 '의심하는 과제 설계법'으로 평가의 축을 옮겨가고 있습니다. 2025년 3월 31일, 핀란드 국가교육위원회(EDUFI)와 교육문화부는 172개 기관의 의견서와 청소년 온라인 플랫폼 '디기라띠'를 통한 의견을 수렴해 전 교육 단계를 아우르는 인공지능 국가 권고안을 발표했습니다.19 당시 안데르스 아들러크로이츠 교육부 장관 등이 관여한 이 권고안은 인공지능이 기존의 시험을 대체할 수 없으며, 평가의 최종 책임은 오직 인간 교사에게 있다는 점을 명확히 천명했어요. 인공지능을 평가 다변화 도구로 활용하되, 정답의 적합성만을 채점하던 획일적 평가에서 벗어나 학습 과정의 다변화를 교사가 직접 살피도록 규정한 것입니다.

우리나라에서도 평가의 무게중심을 옮기려는 실험이 구체화되고 있습니다. 2025년 6월 27일 발표된 내용에 따르면, 경기도교육청이 중학교 7개교 등에 도입한 AI 서·논술형 평가시스템 분석 결과 AI 채점과 교사의 직접 채점 간 일치율이 95퍼센트 이상을 기록했습니다. 교사의 채점 보조 업무를 덜어줄 수 있는 가능성을 보여준 수치이지요.

하지만 앞서 4장에서 살펴보았듯, 학생의 학습 성과를 평가하는 인공지능 도구는 알고리즘에 내재된 편향으로 학생의 사유를 왜곡할 수 있는 엄연한 고위험 영역에 속합니다. 95퍼센트라는 일치율은 교사가 시험지 채점의 기계적 부담을 덜어내기 위한 보조적 참고치일 뿐, 인공지능이 아이의 배움을 최종적으로 승인할 수 있다는 뜻은 결코 아니에요. 핀란드 권고안이 못 박았듯 평가의 최종 책임은 오직 교사에게 머물러야 합니다. 인공지능을 행정적 보조 도구로 현명하게 쓰되, 학생 사고의 고유한 맥락과 주도성에 대한 진짜 평가는 교사가 아이의 사유 과정을 직접 확인하는 방식으로 설계되어야 합니다.

교사가 확보한 시간과 여력은 이제 결과물 중심의 과제를 해체하고 '프롬프트 로그 제출'과 '구술 역추적 평가'를 구축하는 데 투입되어야 해요. 과제물을 받을 때 완성된 보고서만 달랑 받는 것이 아니라, 과제를 수행하는 동안 인공지능과 어떤 문답을 주고받았는지 타임스탬프가 찍힌 대화 기록 전체를 함께 내도록 하는 방식입니다.

이러한 평가 모델은 이미 대학과 에듀테크 현장에서 표준으로 자리 잡기 시작했습니다. 2026년 2월 16일 발표된 룩셈부르크 대학교의 가이드라인은 학생이 생성형 AI를 사용해 과제를 작성할 때 프롬프트 로그와 초안을 반드시 제출하도록 의무화했습니다. 그리고 제출에 그치지 않고 학생이 본인의 언어로 과제물을 직접 설명하고 방어하는 '구술 후속 확인(oral follow-up/defence)'을 거쳐야만 최종 성적을 부여하도록 규정했지요.

2025년 11월 5일 에듀테크 플랫폼 테시파이가 내놓은 대학원 과제 설계 지침 역시 이와 정확히 일치합니다. 테시파이는 타임스탬프가 포함된 프롬프트 로그와 5분간의 구술 점검을 결합한 10점 만점 루브릭을 제시했습니다. 검증 엄격성에 4점, 수정 명확성에 3점, 성찰 품질에 2점, 문서화 완성도에 1점을 배점하여, 기계의 초안을 아이가 어떻게 비판적으로 검토하고 고쳐 썼는지를 꼼꼼하게 점수화한 것입니다.

이러한 로그 제출과 구술 평가는 최근 교육계를 괴롭히는 AI 감지 도구의 한계를 극복하는 가장 확실한 방패가 되기도 합니다. 2026년 3월 27일 linesNcircles 보고서에 따르면 Turnitin이나 GPTZero 같은 시중의 AI 감지 도구들이 사람이 쓴 글과 기계가 쓴 글이 섞인 하이브리드 텍스트를 판별할 때 오탐률이 무려 4퍼센트에서 15퍼센트에 달합니다. 무고한 학생이 억울하게 부정행위자로 몰리는 오탐 누명을 막기 위해서라도, 질문과 사용 도구, 조치 내역이 담긴 5분 미만의 작성 로그와 구술 점검을 통해 자신이 어떤 질문을 던졌고 어떤 조치를 취했는지 직접 소명하게 하는 과정 중심 평가가 필수적입니다.

교실에서 구술 평가를 도입할 때 교사들이 느끼는 채점 부담은 국제바칼로레아(IB)의 루브릭 설계 원칙을 참조하면 덜어낼 수 있어요. 국제바칼로레아기구(IBO)는 DP 언어 A 개인 구술 평가를 진행할 때 지식·이해·해석 10점, 분석·평가 10점, 초점·조직 10점, 언어 구사 10점 등 총 40점 만점의 루브릭을 적용하면서 '최적 적합(Best fit)' 원칙을 고수합니다. 채점 기준표의 모든 세부 문장에 글자 그대로 들어맞지 않더라도, 학생의 구술 수행을 종합적으로 보아 가장 잘 부합하는 수준의 점수를 주는 방식이지요.

교사는 모니터 앞에 앉은 아이에게 길고 복잡한 시험을 치르게 할 필요가 없습니다. 아이가 제출한 보고서와 프롬프트 로그를 앞에 두고 딱 5분간 질문을 던지면 됩니다. "기계가 첫 번째로 제시한 답변에서 어떤 논리적 허점을 발견했니?" , "세 번째 문단에 들어간 데이터는 어떤 경로로 팩트체크를 거쳤니?" 라고 물어보는 순간, 아이가 윤리적 책임감과 주도성을 발휘해 기계를 부렸는지, 아니면 그저 텍스트를 외주 주어 베꼈는지가 낱낱이 드러납니다. 자신의 사유를 거치지 않은 문장은 아이의 입술을 통해 소리 내어 방어될 수 없기 때문입니다.

평가의 틀을 바꾸고 가정의 원칙을 세우는 일의 한가운데에는 결국 어른들의 태도 변화가 자리하고 있습니다. 교단에 선 교사와 식탁을 지키는 부모를 가장 짓누르는 감정은 '내가 인공지능을 잘 모르는데 어떻게 아이를 지도할 수 있을까' 하는 권위주의적 불안감입니다. 지식의 전달자이자 모든 질문의 정답을 미리 알고 있어야 한다는 낡은 교사상과 부모상이 어른들의 어깨를 무겁게 짓누르고 있어요.

그러나 인공지능 시대의 어른은 모든 답을 쥐고 있는 백과사전이 될 필요가 없습니다. 오히려 "나도 이 답은 잘 모르겠는데, 우리 함께 AI에게 물어보고 그 답이 맞는지 검증해 볼까?" 라고 솔직하게 고백할 수 있는 '러닝 코치'로 내려서야 합니다. 어른이 자신의 무지를 투명하게 인정하고 아이와 나란히 서서 기계의 출력을 의심하고 대조하는 순간, 교실과 가정에는 수직적인 지시 대신 치열한 탐구적 연대감이 형성됩니다.

실제로 교실 현장에서 인공지능을 적극적으로 끌어안은 교사들은 이 태도 전환을 통해 교육의 본질을 되찾고 있습니다. 갤럽과 월튼 가족재단이 2025년 미국 공립학교 교사 2,232명을 대상으로 조사한 바에 따르면, 주 1회 이상 인공지능을 활용하는 교사는 주당 평균 5.9시간의 업무 시간을 절약하고 있었습니다.20 이는 한 학기 기준 약 6주 분량의 업무 시간에 해당하는 여유입니다. 2026년 3월 OECD 보고서 역시 영국 중등 과학교사들이 생성형 AI의 지원을 받았을 때 수업 및 자료 준비 시간이 31퍼센트 감소했으며, 경험이 적은 튜터의 학생 합격률은 9퍼센트포인트 증가했다고 밝혔지요.

이렇게 절약된 시간은 지식 전달이 아닌 아이들과의 깊은 대화로 흘러들어 갑니다. 미국 워싱턴대학교의 케이티 데이비스 교수 연구팀이 2026년 5월 인간-컴퓨터 상호작용학회(ACM CHI 2026)에서 발표한 공립학교구 교사 22명 심층 인터뷰 결과는 그 생생한 현장을 보여줍니다. 교사들은 구글 제미나이나 매직스쿨 AI 같은 도구를 도입해 수업 준비와 행정 업무로 인한 번아웃을 크게 줄이고 있었습니다. 그리고 확보된 시간과 에너지를 다문화·다언어 학습자처럼 세심한 배려가 필요한 학생들을 위한 개별 맞춤형 지도에 오롯이 쏟아붓고 있었지요.

이러한 변화는 프로젝트 학습(PBL) 환경에서도 뚜렷하게 관찰됩니다. 2025년 4월 3일 발표된 연구에 따르면, AI 기반 PBL을 운영하는 학교의 교사 20명과 학생 150명을 심층 분석한 결과 생성형 AI 도구는 교사의 번잡한 과업 관리를 돕고 촉진자(Facilitator)로서의 역할을 대폭 강화했습니다.21 기계가 학습의 보조 관리자로 투입되자 교사는 교탁 뒤에 갇혀 진도를 빼는 대신, 모둠 사이를 자유롭게 오가며 개별 학생의 막힌 생각을 뚫어주고 협력을 촉진하는 멘토로 거듭난 것입니다.

어른이 답을 쥐고 가르치려 들지 않고 질문을 관리하는 코치로 돌아설 때, 아이는 비로소 정답을 맞히는 압박에서 벗어나 생각의 실험을 시작합니다. 기계가 몇 초 만에 뱉어낸 화려한 답변을 책상 위에 함께 펼쳐두고, 어른과 아이가 머리를 맞대어 사실관계를 추적하고 편향을 걸러내는 과정 자체가 가장 밀도 높은 배움의 현장이 됩니다.

오늘 저녁, 식탁에서 과제를 마친 아이에게 "숙제 다 끝냈니?" 대신 "오늘 인공지능이 내놓은 답 중에서 미심쩍어서 직접 다시 확인해 본 문장은 뭐였니?" 라고 말을 건네보세요. 그리고 내일 아침 교실에서는 모니터 앞에 앉은 아이에게 "정답이 무엇이니?" 대신 "이 답을 얻기 위해 기계에게 어떤 질문을 던졌고, 기계의 초안을 어떻게 고쳐 썼니?" 라고 첫 질문을 던져주세요. 어른이 정답 대신 과정의 맥락을 묻기 시작할 때, 아이는 기계의 편리함에 생각을 외주 주지 않고 비로소 자신의 온전한 언어로 세계를 설명하기 시작합니다.