AI 교육, 과거의 AI에 머물러 있지는 않은가..
Fomo를 걱정할 필요는 없다. 그러나 흥선대원군과 같은 폐쇄적 정책으로 다가올 미래를 부정해서는 안될 것이다.
목차(클릭하세요)
[기사 출처 및 관련링크]
Ⅰ. 수능 출제에 들어온 AI
1-1. 문제 풀이에서 출제 과정으로
•
이미지 출처: 서울경제, 류석 기자, 「업스테이지, 수능 영어문제 AI 출제 맡는다」, 2026.10.6., A12면
◦
온라인 기사 원문: 2026.10.5. 게재
•
업스테이지가 한국교육과정평가원의 수능 영어 자동 문항 생성 사업에서 1순위 사업자로 선정됨. 교육과정 성취기준과 문항 유형 등의 조건에 맞춰 지문·선택지·정답·해설을 생성하는 시스템을 개발할 예정임.
◦
참고로 업스테이지 김성훈 대표님은.. 아실분은 아시겠지만, 국내 딥러닝 분야를 이끌어 온 대표적인 연구자이자 교육자
◦
‘모두를 위한 딥러닝’ 강의로 AI를 공부하는 분들에게도 잘 알려진 홍콩 과기대 교수 출신 리더
1-2. 역할을 나눠 맡는 멀티 에이전트
•
문항 생성과 검증, 유사도·표절 검사, 난이도 예측을 담당하는 여러 AI 에이전트가 정보를 주고받는 구조가 적용됨
•
에이전트의 역할과 작업 순서, 정보 흐름을 조율하는 오케스트레이션 관점에서 이해할 수 있음.
•
핵심은 AI가 문제 하나를 만드는 것을 넘어, 출제의 여러 단계를 나눠 수행한다는 점임.
•
수능과 같은 국가단위 시험에서 출제 위원장 밑에, 교수, 출제진, 검토진, 최종 검토진 등으로 역할이 구분되어 있는 우리나라에 도입하기 위한 전략이라고 볼 수 있음
Ⅱ. AI Agent가 바꾸는 교육의 과제
2-1. 답변 생성에서 작업 과정 설계로
•
이 사례는 AI 활용 교육의 범위를 다시 생각하게 함. Agentic AI의 프론티어 모델들의 성능 향상에 따라, 문서화하는 대부분의 일들은 AI와 협업하게 될 것이다.
•
특히 문항출제와 같이 목표와 조건을 정하고, 역할과 작업 순서를 설계할 수 있다면 해당 분야에서 AI Agent를 활용하는 사례는 앞으로도 확장될 것이라고 예상된다.
•
특히, 프론티어 모델들의 자기 개선에 따른 성능향상과 함께, 오케스트레이션 등의 기법이 범용화 되어, 기존에는 AI로 절대 대체될 일이 없을 거라는 분야에도 AI의 활용분야는 넓어지고 있다.
2-2. 결과물보다 검증과 책임까지
•
결국 남는 문제는 AI로 함께 만든 문항에 대한 책임이다.
◦
AI로 출제한 문제를 바로 활용할 수 있을 것이라는 기대는 하지않는다..바이브 코딩의 사례를 보면 결국 검토와 최종 승인은 인간의 몫
◦
여러 AI가 검증에 참여한다고 정확성이 저절로 보장되지는 않는다. 검증하는 AI 역시 오류를 놓칠 수 있다.
◦
AI가 문항을 만들고 검토하더라도, 최종적으로 출제를 승인하고 책임질 사람과 기관은 필요하다.
•
사람과 AI의 협업은 오류를 줄일 수 있다. 다만 조건이 있다.
◦
한 사람이 놓친 오류를 다른 사람이나 AI가 찾아낸다면 검증의 신뢰도를 높일 수 있다.
◦
그러나 같은 기준과 비슷한 방식으로 검토하면, 여러 검토자가 같은 오류를 놓칠 수도 있다. 참여자의 수만 늘리기보다 서로 다른 관점에서 검토하고, 실제로 오류가 줄었는지 확인하는 과정이 중요하다.
◦
지금 수능에서 큰 문제가 되는 있는 문항 오류에 대한 시시비비는 확실히 줄일 수 있을 것이라고 생각한다.
◦
필자도 문항 출제와 오류여부 및 이의신청 가능성에 대해 AI의 검토를 받은 후에는 단한차례도 오류신청을 받은 것이 없다.
•
그래서 교과 지식과 판단력, 통찰력을 갖춘 집필진은 여전히 필요하다.
◦
AI에게 맡길 일과 사람이 직접 확인할 일을 구분하는 데도 전문성이 필요하다. 문항이 교육과정에 맞는지, 정답이 타당한지, 학생의 이해를 제대로 평가하는지는 해당 분야를 깊이 아는 사람이 판단해야 한다.
◦
이 기사에서 한 가지 우려되는 것은, AI가 출제와 검증을 수행한다는 이유로 집필진을 줄여 예산을 절감하려는 접근이다. 기사에 그런 계획이 제시된 것은 아니지만, AI 도입이 전문가의 검토를 축소하는 근거로 쓰여서는 안 된다고 생각한다.
◦
내가 생각하는 AI 활용의 목적은 새로운 유형의 문항을 개발하고, 출제 오류를 줄이는 데 있다. AI로 확보한 시간과 여력을 더 꼼꼼한 검토와 문항의 질을 높이는 데 사용했으면 한다.
Ⅲ. 교육분야는 ‘AI시대의 흥선대원군’이 될 것인가
3-1. 신중한 검토와 무조건적인 배제
•
나는 자기 개선을 지향하는 AI의 발전과 에이전트의 확산이 교육의 기존 관념과 관습을 빠르게 바꿀 것으로 본다.
•
얼마 전, 한 연수에서 교육 관계자가 AI를 활용한 문제 출제를 지양해야 한다고 말했다는 이야기를 전해 들었다. 직접 들은 발언은 아니어서, 어떤 맥락에서 나온 의견인지는 알 수 없다.
•
출제 오류와 보안을 걱정하는 것은 당연하다. 다만 최신 기술과 검증 방법을 충분히 살피지 않은 채 AI 출제 자체를 배제한다면, 그 판단은 다시 검토할 필요가 있다.
•
한국교육과정평가원도 AI를 활용한 문항 생성과 검증 시스템을 준비하고 있다. 이것만으로 AI 출제의 타당성이 입증되는 것은 아니지만, 교사라면 이러한 변화가 출제와 평가에 어떤 영향을 줄지 살펴야 한다.
•
출제 오류에 따른 재검토와 행정적 부담, 문항 유출에 따른 보안 위험은 함께 따져야 한다.
◦
유료 서비스라는 이유만으로 문항의 보안이 보장된다고 판단해서는 안 된다. 입력 자료의 학습 사용 여부뿐 아니라 보관·삭제 정책, 접근 권한, 소속 기관의 보안 지침까지 확인해야 한다.
◦
이러한 조건을 충족할 수 없다면 실제 시험 문항의 입력을 제한하고, 공개된 기출문항이나 가상 문항으로 활용 가능성을 검토할 수 있다.
•
가장 확실한 해결책은?
◦
외부 AI 서비스에 대화와 출제 기록을 보내지 않으려면, 개인 PC에서 로컬 LLM을 실행하거나 직접 관리하는 서버에 모델을 설치하는 방법도 있다. (최근 맥미니의 열풍, 호스팅어 서비스 등이 이와 같은 이유). 근데 이걸 할 수 있는 사람이 얼마나 될까?
◦
다만 외부 호스팅 서버를 이용한다면 서버 제공업체의 데이터 처리 조건도 확인해야 한다. 어느 방식이든 설치와 보안 관리에는 전문성이 필요하다. 개별 교사에게 이를 모두 맡기기는 어렵다. 보안을 요구한다면, 학교와 교육기관도 교사가 사용할 수 있는 안전한 AI 환경을 함께 마련해야 한다.
•
교육계는 ‘AI 시대의 흥선대원군’이 되어서는 곤란하다. 우려가 있다면 구체적인 위험을 밝히고, 이를 줄일 방법을 검토해야 한다. 신중함은 필요하지만, 충분한 검토 없이 가능성까지 닫아버리는 태도는 경계해야 한다.
3-2. 과거의 AI로 현재를 판단하는 위험
•
AI가 중요하다고 말하면서도 최근 업계의 소식과 흐름을 놓친다면, 과거의 AI를 기준으로 오늘의 판단과 정책을 만들 수 있다.
•
무지성으로 새로운 기술이라는 이유만으로 신뢰하는 것도 경계해야 하지만, 더 큰 문제는 예전의 오류만으로 현재의 가능성을 부정하는 것이지 않을까?
•
과거의 AI로 현재를 판단하는 누를 범하지 말자.
•
지난달 내렸던 판단이 이번달에는 달라져야 할 수 있는게 이 세계의 AI발전속도다..
3-3. 결론?
교육자도 계속 배우고 판단을 고쳐야 함•
말로만 AI가 중요하다고 떠들지 말고, 실제 AI가 어떻게 바뀌는지 관심을 가지고, 적용가능성에 대해 실시간으로 반응하는 유연성이 필요하지 않을까?
•
이제 프롬프팅 교육은 그만하자..가스라이팅 안해도 Agent는 정확한 목표가 맥락지와 함께 주어진다면, 컴퓨터로 할 수 있는 모든 작업은 인간보다 빠르고 정확하게 할 수 있다..
•
우리는 그 Agent를 오케스트레이션 할 수 있는 통찰력과 판단력을 사례로 익혀야 한다.