핵심 3줄 요약
- 생성형 AI가 글쓰기·계산·코딩·이미지 제작 등 여러 실행의 진입장벽을 낮추면서 교육은 ‘무엇을 직접 수행할 수 있는가’만으로 목적을 설명하기 어려워지고 있다.
- 중요한 것은 AI 사용 여부보다 학생에게 어떤 사고 과정과 판단 능력을 남길 것인가다.
- 따라서 AI 시대의 교육은 지식과 기술의 습득을 유지하면서도 목적 설정, 논리적 구조화, 결과 판단과 수정 능력을 더 분명한 교육 목표로 다룰 필요가 있다.
- 기술은 늘 인간이 할 수 있는 일의 범위를 넓혀왔다. 다만 AI는 그 범위를 이전보다 훨씬 빠르고 넓게 바꾸고 있다. 그림을 그리지 못하는 사람이 이미지를 만들고, 악보를 읽지 못하는 사람이 음악을 만들고, 코드를 제대로 쓰지 못하는 사람이 프로그램을 만든다. 몇 년 전까지만 해도 해당 영역에 들어가기 위해 먼저 익혀야 했던 기술의 일부를 건너뛰고도 결과물에 접근할 수 있다.
- 그래서 AI 시대의 교육을 이야기하면서 가장 먼저 물어야 할 것은 ‘AI를 어떻게 가르칠 것인가’가 아닐지도 모른다.
- 우리는 무엇을 배우게 해야 하는가.
- 이 질문부터 다시 시작해야 한다.
AI가 학습에 쉬운 길을 만들면 무엇이 달라질까?
사람의 선택은 환경의 영향을 받는다. 같은 목적지로 가는 쉬운 길과 어려운 길이 동시에 놓여 있다면 굳이 더 많은 비용이 드는 길을 선택할 이유는 많지 않다.
AI는 학습에도 그런 길을 만든다. 문제를 읽고 무엇을 묻는지 생각하고, 어디에서 시작할지 정하고, 한 번 실패하고, 다른 방법을 시도하고, 마지막에 무엇이 잘못됐는지 복기하던 과정 어디에나 들어올 수 있다. “어떻게 해야 하지?”라고 묻는 순간 출발점을 알려주고, 풀이와 오류를 설명하고, 마지막에는 정리까지 해준다.
편리하고, 분명한 기회이기도 하다. 하지만 과제에 성공할 가능성이 높아지는 것과 내가 그 과제를 해결할 능력을 갖게 되는 것은 같은 일이 아니다. OECD의 《Digital Education Outlook 2026》도 생성형 AI가 과제 수행을 높이면서 실제 학습과 분리될 수 있음을 지적한다. 반대로 교육적으로 설계된 AI 튜터가 학습을 높인 실험도 있다.
같은 AI인데 결과가 다르다. 그러니 문제는 AI를 쓰느냐 쓰지 않느냐가 아니다.
2025년 하버드대 물리학 수업에서 실시된 무작위 대조실험은 교육적 설계의 중요성을 보여준다. 학습 원리를 반영해 설계한 AI 튜터는 기존 능동학습 수업보다 높은 학습 향상을 보였다. 이 사례 역시 AI라는 도구 자체보다 어떤 사고를 대신하고 어떤 사고를 촉진하도록 설계했는지가 중요하다는 점을 보여준다.
학생에게 어떤 과정을 남겨둘 것인가의 문제다.
AI가 지워내는 과정과 남겨야 할 과정은 어떻게 구분할까?
사실 이 문제는 AI가 처음 만든 것도 아니다. 어떤 분야를 오래 공부하면 많은 판단이 머릿속에 압축된다. 문제를 보자마자 출발점이 보이고, 글을 읽으면 어색한 문장이 느껴지고, 결과물을 보면 무엇을 고쳐야 할지 짐작한다.
초보자에게는 그 압축된 결과보다 그 앞의 과정이 필요하다. 왜 여기에서 시작했는가. 왜 이것을 버리고 저것을 선택했는가. 실패했을 때 무엇을 바꿨는가.
AI는 이런 중간의 상당 부분을 대신할 수 있다. 이미 그 과정을 충분히 지나온 사람에게는 큰 효율이지만, 아직 그 과정이 만들어지지 않은 사람에게는 능력을 형성하는 기회마저 건너뛸 수 있다.
그래서 앞으로 교육은 모든 어려움을 지키는 일도, 모든 어려움을 없애는 일도 아닐 것이다. 무엇은 도구에 맡기고 무엇은 사람이 직접 통과해야 하는지를 구분하는 일에 가까워질 것이다.
AI 시대에 사람에게 무엇이 남아야 할까?
기술은 계속 ‘어떻게 할 것인가’를 싸게 만들 것이다. 그렇다면 사람에게 더 중요해지는 것은 그 앞과 뒤다. 무엇을 할 것인가. 왜 그것을 할 것인가. 어떤 결과가 내가 원한 것에 가까운가. 틀렸다면 어디를 바꿀 것인가.
무엇을 할지 판단하려면 먼저 판단할 재료가 있어야 한다. 여기에는 사람과 세상에 대한 방대한 간접경험이 필요하다. 내가 살아보지 못한 시대를 역사로 만나고, 살아보지 못한 삶을 문학으로 경험하고, 자연과 사회의 작동 방식을 과학과 사회과학으로 배운다.
하지만 경험이 많다고 판단이 저절로 생기지는 않는다. 사실과 해석을 나누고, 관계를 따지고, 가능성을 비교하고, 자신의 결론을 만들고, 다시 그 결론을 의심할 수 있어야 한다. 그 기저에 논리적 사고가 있다.
경험이 사고의 재료라면 논리는 그 재료를 연결하는 방식이다.
OECD와 유럽연합 집행위원회의 2026년 AI 리터러시 프레임워크도 AI를 단순히 사용할 수 있는 능력에 그치지 않고, AI의 작동을 이해하고 결과를 비판적으로 평가하며 정보에 근거해 판단하는 능력을 함께 다룬다.
여기서 말하는 인문은 특정 교과의 이름이 아니다. 내가 말하는 AI 시대의 인문적 교육은 인간을 논리적인 기계로 만드는 것이 아니라, 복잡한 경험과 욕망을 함부로 왜곡하지 않은 채 생각의 구조로 다룰 수 있게 하는 교육에 가깝다.
AI 시대 교육의 목적은 어디로 이동해야 할까?
이 관점에서 보면 수학을 배우는 이유도, 기초를 정의하는 방식도, 학생을 평가하는 방식도 다시 묻게 된다.
수학은 단지 더 어려운 문제를 풀기 위한 과목인가. 악보와 소묘와 코딩 문법은 앞으로도 모든 사람에게 같은 의미의 기초인가. 현재 성적이 낮다는 사실은 한 학생의 미래 가능성을 어디까지 설명할 수 있는가.
이 질문들은 서로 떨어져 있지 않다. AI가 더 많은 실행을 가져갈수록 교육은 ‘무엇을 직접 할 수 있는가’보다 무엇을 판단하고, 어떻게 구조를 만들고, 실패한 뒤 다시 움직일 수 있는가를 더 중요하게 다뤄야 한다.
그렇다고 성적이나 지식이 중요하지 않다는 뜻은 아니다. 둘은 학생이 어디에 서 있는지 판단하는 데 필요한 정보다. 교육이 학생에게 끝내 남겨야 하는 것은 그 자리에서 다음 움직임을 스스로 만들 수 있는 힘이다.
AI가 많은 실행을 대신할수록 배움은 오히려 그 힘을 향해야 한다. 그리고 그러려면 먼저 오래된 단어 하나부터 다시 물어야 한다.
우리는 앞으로 무엇을 ‘기초’라고 부를 것인가.
관련 교빛 글
- [연재 2부] AI 시대에 기초학습은 무엇을 의미할까?
- [연재 3부] AI가 학습의 중간 과정을 대신하면 어떤 문제가 생길까?
- [연재 4부] AI 시대에도 수학을 배워야 하는 이유는 무엇일까?
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
- OECD & European Commission (2026), Empowering Learners for the Age of AI: An AI Literacy Framework for Primary and Secondary Education
https://www.oecd.org/en/publications/empowering-learners-for-the-age-of-ai_65cd27d4-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