AI는 교육을 변별에서 개별화로 바꿀 수 있을까?

개별화는 왜 오래된 이상에 머물렀을까?

학생마다 수준과 속도에 맞는 교육을 해야 한다는 생각은 새롭지 않다. 문제는 비용이었다.

한 명의 교사가 많은 학생에게 서로 다른 문제를 주고, 각자의 오답을 분석하고, 다른 설명과 힌트를 제공하는 데는 많은 시간이 든다. 대규모 교육이 표준화될 수밖에 없었던 이유다.

AI는 이 비용을 낮출 가능성이 있다. 같은 개념을 여러 방식으로 설명하고, 학생 수준에 맞춰 문제를 변형하고, 반복되는 오류를 찾고, 필요한 힌트의 정도를 조절하는 작업의 비용은 이전보다 낮아질 수 있다.

같은 교실 안에서도 학생 A에게는 출발점을 찾는 질문을, 학생 B에게는 두 풀이를 비교하는 질문을 줄 수 있다.

OECD의 《Digital Education Outlook 2026》은 교육 목적에 맞게 설계된 생성형 AI가 개인화된 지원과 질문·피드백을 제공할 가능성을 다룬다. 2025년 하버드대 물리학 수업의 무작위 대조실험도 학습 원리와 단계별 지원을 반영한 AI 튜터의 가능성을 보여준다. 다만 이 사례를 모든 교과와 모든 학생에게 자동 일반화할 수는 없다.

그런데 여기에도 중요한 구분이 있다. AI가 학생에게 맞는 정답을 더 빨리 주는 것은 개별화가 아니다.

학생에게 맞는 다음 사고를 제공하는 것이 개별화다.

즉 답이 아니라 사고 과정이 개인화되어야 한다.

개별화는 방임과 어떻게 다를까?

학생마다 다른 길을 허용한다고 해서 학생이 원하는 대로 쉬운 길만 선택하게 두자는 뜻은 아니다. 인간은 환경의 영향을 크게 받는다. 특히 아직 학습 습관과 자기조절 능력이 충분히 형성되지 않은 학생에게는 환경 설계가 중요하다.

그래서 개별화에는 오히려 더 정교한 개입이 필요하다. 어디까지 혼자 하게 할 것인지, 언제 힌트를 줄 것인지, 어떤 실패는 직접 경험하게 할 것인지, 어느 순간 한 단계 더 높은 요구를 할 것인지 결정해야 한다.

공통된 기초가 사라지는 것도 아니다. 문제를 이해하고, 조건을 구분하고, 관계를 찾고, 자신의 판단을 설명하고, 틀렸다면 수정하는 구조는 모두에게 필요하다.

달라지는 것은 그 사고의 길이와 속도다.

학생은 문제 난이도만으로 설명될 수 있을까?

개별화가 필요한 이유는 학업 수준 차이만이 아니다. 사람은 같은 실패에도 다르게 반응한다. 어떤 학생은 다시 도전하고, 어떤 학생은 그것을 자기 능력에 대한 판정으로 받아들인다. 누군가는 경쟁에서 동력을 얻고, 누군가는 경쟁하는 순간 사고를 멈춘다.

감정과 이성은 따로 움직이지 않는다. 학생이 자신을 어떻게 해석하는지, 선생을 얼마나 신뢰하는지, 실패를 어떤 의미로 받아들이는지가 실제 학습에도 영향을 준다.

그래서 기술이 개별화를 가능하게 할수록 교사의 역할은 오히려 사람을 이해하는 쪽으로 이동한다. AI는 문제와 데이터를 분석한다. 하지만 학생의 “모르겠어요”가 정말 모른다는 뜻인지, 실패할까 봐 먼저 포기하는 말인지, 오늘 유난히 아무것도 하지 못하는 이유가 수학 밖에 있는지는 맥락 속에서 봐야 한다.

기술이 학생별 경로를 만들수록 인간은 학생을 더 깊게 봐야 한다.

평가에서는 함께, 학습에서는 다르게 할 수 있을까?

입시와 공통 평가가 존재하는 한 변별은 사라지지 않을 것이다. 그러니 변별 자체를 악이라고 할 필요는 없다. 중요한 것은 선발 시스템의 논리를 교육 전체의 논리로 가져오지 않는 것이다.

평가에서는 같은 기준을 사용할 수 있다. 그러나 그 기준에 도달하기 위해 모두가 같은 경로와 같은 속도를 사용할 필요는 없다. 현재 50점인 학생과 90점인 학생은 같은 시험을 준비하더라도 지금 해야 할 공부가 다르다.

교육이 먼저 물어야 할 것은 “왜 이 학생은 저 학생만큼 하지 못하지?”가 아니다.

이 학생은 지금 어디에서 멈추고 있으며, 다음 한 걸음은 무엇인가.

그 한 걸음을 완성하면 다시 다음을 본다. 개별화는 학생을 평가하지 않는 교육이 아니다. 현재 위치를 더 정확하게 보고, 그 위치에서 실제 이동을 만들기 위한 교육이다.

그런데 바로 여기에서 마지막 문제가 생긴다. 교사는 현재 위치를 하나의 정보로 보지만, 학생은 그것을 자기 자신에 대한 판정으로 받아들이기도 한다. 학생에게는 그 위치가 어느 순간 “나는 원래 못하는 사람”이라는 문장으로 번역되기도 한다.

그렇다면 교육은 학생에게 현재 위치를 어떻게 경험하게 해야 할까.

관련 교빛 글

• [연재 4부] AI 시대에도 수학을 배워야 하는 이유는 무엇일까?
• [연재 6부] 수학 성적이 낮은 학생의 자신감은 어떻게 회복할 수 있을까?
• [연재 3부] AI가 학습의 중간 과정을 대신하면 어떤 문제가 생길까?

참고한 자료

• OECD (2026), OECD Digital Education Outlook 2026: Exploring Effective Uses of Generative AI in Education

https://www.oecd.org/en/publications/oecd-digital-education-outlook-2026_062a7394-en.html

• Kestin, G. et al. (2025), “AI tutoring outperforms in-class active learning”, Scientific Reports

https://www.nature.com/articles/s41598-025-97652-6

• OECD (2024), Mathematics for Life and Work — 수학적 추론과 새로운 상황에서의 전략 선택을 다룬다.

https://www.oecd.org/en/publications/mathematics-for-life-and-work_26f18d39-en.html

---