최근 인공지능 활용이 교육정책의 핵심 과제가 되면서, 많은 기관이 교사 연수를 빠르게 확대하고 있다. 초중등학교뿐 아니라 대학에서도 비슷한 흐름이 나타난다. 이런 움직임 자체는 자연스럽다. 기술이 급변할수록 정책 담당자는 현장에 새로운 도구를 신속히 알리고 싶어 하기 때문이다. 실제로 OECD는 TALIS 2024를 인용하며, 최근 12개월 동안 수업에 AI를 사용하지 않은 교사들 가운데 69%가 AI를 활용해 가르칠 지식과 기술이 없다고 답했다고 정리한다. 교사 역량 지원이 필요하다는 점은 분명하다.
하지만 여기서 곧바로 “연수를 많이 하면 된다”는 결론으로 가는 것은 단순하다. 연수는 기본적으로 집단교육이다. 같은 내용을 같은 시간에 같은 방식으로 전달하는 구조이기 때문에, 강사의 수준과 사례, 참여자의 필요가 조금만 달라도 만족도와 효과는 크게 달라진다. 더 큰 문제는 많은 연수가 실제 수업 변화보다 ‘몇 명이 들었는가’로 성과를 측정한다는 점이다.
2026년 첫 4개월의 변화 : 수업자체보다는 경로설계
인공지능이 교육에 들어오면서 많은 사람들은 먼저 수업에 AI를 넣을 것인가를 묻는다. 그러나 지금 벌어지는 진짜 변화는 그보다 훨씬 깊다. 핵심은 교육의 중심이 더 이상 동일한 내용을 동일한 방식으로 전달하는 것에 머물 수 없게 되었다는 점이다. OECD는 2026년 보고서에서 생성형 AI가 학생의 학습을 튜터, 파트너, 조력자로서 지원할 수 있다고 보면서도, 교육적 설계 없이 과제를 AI에 맡기면 수행 결과만 좋아질 뿐 실제 학습이 늘지 않을 수 있다고 지적했다. 다시 말해 중요한 것은 AI의 존재 자체가 아니라, 학생마다 다른 속도와 수준, 질문과 막히는 지점을 따라 학습 경로를 다시 설계할 수 있게 되었다는 사실이다. 이제 좋은 수업은 모두에게 같은 설명을 잘하는 수업이 아니라, 각자의 배움이 어디에서 멈추는지를 보고 다음 경로를 정교하게 조정하는 수업이 되어야 한다.
이 변화는 교사의 역할도 근본적으로 다시 정의한다.
교재의 시대가 끝나고, 학습자의 편집 시대가 온다
AI Agent 시대가 열리면서 교육과 출판은 이제 같은 질문 앞에 서게 되었다. 과거에는 출판사가 기획하고, 저자가 집필하고, 학교와 학원이 채택한 교재를 학습자가 따라가는 구조였다. 그러나 이제는 학습자 스스로 자신의 목적과 수준에 맞는 자료를 편집해 내는 시대가 시작되고 있다. 일본어를 공부하려는 사람이 자주 쓰는 동사 100개의 변형을 예문과 함께 정리해 달라고 하면, AI는 몇 초 안에 수준별 예문, 활용표, 연습문제, 암기 카드까지 만들어 낼 수 있다. 교재가 더 이상 완성품으로 주어지는 것이 아니라, 요청에 따라 생성되는 맞춤형 산출물이 된 것이다.
이 변화는 단순한 편의성의 문제가 아니다. 교육의 생산 구조 자체가 바뀌고 있다는 뜻이다. OECD는 2026년 보고서에서 생성형 AI가 학습 자료 제작, 피드백, 개인화된 지원 방식을 바꾸고 있으며, 교육 시스템은 이를 책임 있게 활용할 수 있도록 재설계되어야 한다고 본다.
융합교육은 왜 실패했는가, AI가 그 막힌 문을 다시 연다
지난 20년 동안 교육계는 끊임없이 융합교육의 중요성을 말해 왔다. STEM교육, 융합형 인재, 통합적 사고, 문제해결 중심 학습 같은 표현도 낯설지 않다. 그러나 냉정하게 돌아보면 실제 성과는 기대보다 크지 않았다. 구호는 넘쳤지만, 학교와 대학의 일상적 교육 구조를 바꾸는 데에는 성공하지 못했다. 왜 그랬을까. 이유는 단순하다. 우리는 융합의 가치를 말했지만, 융합이 실제로 일어날 구조를 만들지는 못했기 때문이다.
융합은 단순히 여러 과목을 한 자리에 놓는다고 이루어지지 않는다. Multidisciplinary는 여러 분야가 병렬적으로 만나는 수준이고, Interdisciplinary는 분야 간 개념과 방법이 실제로 연결되는 단계이며, Transdisciplinary는 아예 기존 학문 경계를 넘어 새로운 문제 중심의 사고체계를 만드는 단계다. 그런데 현실의 교육은 대부분 첫 단계에 머물렀다.
6-3-3은 영원한가: 이제 교육정책도 백지에서 다시 그릴 때다
교육은 본질적으로 보수적일 수밖에 없다. 한 세대의 현재가 아니라 다음 세대의 미래를 다루기 때문이다. 그래서 교육정책은 신중해야 하고, 제도 변화는 쉽게 밀어붙여서는 안 된다. 그러나 신중함과 관성은 다르다. 지금의 제도가 오랫동안 유지되어 왔다는 사실만으로 정당화된다면, 그것은 안정이 아니라 정체에 가깝다. 특히 기술 변화와 진로 구조의 변화가 사회 전반을 흔드는 시대라면, 교육도 조금씩 고치는 일과 처음부터 다시 묻는 일을 동시에 해야 한다. 한국 교육의 기본 골격인 6-3-3-4 학제는 1951년 수립된 뒤 70년 넘게 유지되어 왔다. 오래 지속되었다는 사실은 안정성을 보여주지만, 동시에 지금이야말로 그 구조가 여전히 최선인지 다시 물어야 할 시점임을 뜻하기도 한다.
이미 현실은 제도보다 먼저 움직이고 있다. 2025학년도 수능 지원자는 52만2,670명이었고, 이 가운데 검정고시 등 ‘기타 지원자’는 2만109명으로 3.8%를 차지했다.
AI가 무너뜨린 언어장벽, 이제 교육의 실력이 드러난다
오랫동안 교육에서 언어는 실력의 문제가 아니라 접근권의 문제였다. 어떤 언어를 쓰는가에 따라 읽을 수 있는 논문이 달랐고, 접속할 수 있는 강의가 달랐으며, 결국 학문의 깊이와 기회의 범위도 달라졌다. 특히 과학기술과 학술 출판에서는 영어의 우위가 절대적이었다. 최근 연구는 지난 10년간 과학 출판물의 90% 이상이 영어로 쓰였다고 지적하며, 영어와의 언어적 거리가 클수록 대학의 연구성과에도 불리하게 작용한다고 분석한다. 즉, 언어는 단순한 소통 수단이 아니라 지식 접근의 보이지 않는 장벽이었다.
그런데 인공지능이 이 장벽을 빠르게 흔들고 있다. UNESCO는 최근 보고서에서 다국어·다중모달 AI의 발전이 배포 비용을 낮추고, 저사양 기기에서도 음성 중심 활용을 가능하게 하면서 교육 접근성을 넓히고 있다고 평가했다. 과거에는 영어 원문을 이해할 수 있는 사람만 누릴 수 있었던 지식이 이제는 번역, 요약, 질의응답을 거치며 훨씬 넓게 열리고 있다.
AI교육에 있어서 인지적 오프로딩(Cognitive Offloading)의 위험
인공지능을 교육에 적용하는 논의는 대체로 효율의 언어로 가득 차 있다. 더 빠르게, 더 쉽게, 더 적은 노력으로 더 좋은 결과를 얻자는 것이다. 그러나 바로 이 지점에 중요한 역설이 숨어 있다. 학습은 원래 어느 정도의 어려움과 씨름하는 과정인데, AI가 그 마찰을 너무 빨리 제거해 버리면 오히려 배움의 깊이는 얕아질 수 있다. OECD의 2026 보고서는 생성형 AI가 분명 학습을 지원할 수 있지만, 명확한 교육 원리 없이 사용될 경우 과제를 성공적으로 수행하는 것이 실제 학습으로 이어지지 않을 수 있다고 지적한다. 겉으로는 잘한 것처럼 보여도, 머릿속에는 오래 남지 않는다는 뜻이다.
이 문제를 설명하는 핵심 개념이 바로 인지적 오프로딩이다. 인간은 계산기나 검색엔진처럼 도구를 이용해 사고 부담을 덜어 왔지만, 학습에서는 모든 부담을 덜어내는 것이 능사가 아니다.
도구가 아닌 인식론적 파트너쉽(Epistemic Partnership)
교육 현장에서 인공지능은 여전히 주로 도구로 설명된다. 검색을 돕고, 글쓰기를 보조하고, 요약과 번역을 해 주는 편리한 수단이라는 뜻이다. 물론 이런 설명은 틀리지 않다. 그러나 이제는 이 관점만으로 AI를 이해하기 어렵다. 생성형 AI는 단순히 명령을 수행하는 기계를 넘어, 질문에 응답하고, 논리를 구성하고, 새로운 연결을 제안하며, 때로는 인간의 사고 방향까지 바꾸어 놓는다. 이런 상황에서 AI를 단지 망치나 계산기 같은 도구로만 보는 것은 충분하지 않다. 앞으로 교육은 AI를 지식을 함께 구성하는 에피스테믹 파트너십, 즉 인식론적 협력의 대상으로 이해해야 한다.
여기서 중요한 전환은 하나다. AI가 내놓는 답을 확정된 진실이 아니라 협상 가능한 제안으로 받아들이는 태도다. 많은 학생들은 AI가 문장을 매끄럽게 쓰고, 자신감 있게 설명하고, 빠르게 결론을 제시하기 때문에 그것을 정답처럼 받아들이기 쉽다. 그러나 AI의 출력은 진리가 아니라 가능성 중 하나다.
교육을 바꾸지 못한 기술, 이제야 학습자를 만나기 시작했다
기술은 언제나 교육을 혁신할 것이라는 약속과 함께 등장해 왔다. 교육방송은 누구나 배울 수 있는 세상을 열 것처럼 보였고, MOOC는 세계 최고 수준의 강의를 시간과 장소의 제약 없이 제공함으로써 교육민주주의를 실현할 것처럼 말해졌다. 이러닝, 스마트교육, 에듀테크 역시 데이터와 플랫폼을 통해 개인맞춤형 학습이 가능하다고 주장했다. 그때마다 교육계는 큰 기대를 품었다. 그러나 냉정하게 돌아보면, 교육의 본질적 구조는 쉽게 바뀌지 않았다. 여전히 학교는 정해진 시간표와 교과목, 평가와 시험을 중심으로 움직이고, 학습자는 대체로 그 구조 안에서 반응하는 존재로 남아 있다. 왜 수많은 기술은 교육을 바꾸지 못했을까.
이유는 생각보다 단순하다. 대부분의 교육기술이 학습자가 아니라 공급자의 시선에서 설계되었기 때문이다. 더 많은 콘텐츠를 효율적으로 전달하는 방법, 더 많은 학생을 동시에 관리하는 시스템, 더 정교하게 학습 데이터를 수집하고 분석하는 플랫폼은 계속 발전했다.
플립러닝의 실패를 AI가 다시 쓰다
한때 교육계에서는 플립러닝(Flipped Learning)에 대한 기대가 매우 컸다. 강의는 미리 영상이나 자료로 학습하고, 수업 시간에는 토론과 문제해결, 적용 활동에 집중하자는 발상이었다. 우리나라에서는 흔히 ‘거꾸로 학습’으로 불리며 미래형 수업의 대표 모델처럼 소개되기도 했다. 이론만 보면 매우 매력적이다. 지식 전달은 교실 밖으로 보내고, 교실 안에서는 더 높은 수준의 사고를 수행하자는 구상이기 때문이다. 그러나 실제 현장에서 플립러닝은 기대만큼 보편화되지 못했다. 이유는 단순하다. 토론과 탐구 중심 수업이 작동하려면 그 이전에 충분한 지식의 축적이 필요하기 때문이다.
토론은 형식만 갖춘다고 이루어지지 않는다. 관련 주제에 대해 일정 수준 이상의 이해가 있어야 질문이 생기고, 반론이 가능하며, 비교와 연결이 이루어진다. 그런데 사전학습이 충분하지 않은 상태에서 진행되는 토론은 쉽게 피상적인 의견 교환으로 흐른다.
학습자 스스로 학습하는 뉴럴캠퍼스
[ 제가 모델링 및 개발 중인 뉴럴캠퍼스 ]
대학은 오랫동안 강의자를 중심으로 설계되어 왔다. 누군가가 지식을 정리하고, 정해진 순서로 전달하고, 학습자는 그 흐름을 따라가며 이해와 암기를 축적하는 방식이다. 물론 이 체계는 대규모 교육을 가능하게 했지만, 동시에 학습자의 속도와 관심, 질문의 방향을 충분히 반영하지 못한다는 한계를 안고 있었다. 바로 이 지점에서 뉴럴캠퍼스는 대학의 구조 자체를 다시 묻는다. 뉴럴캠퍼스는 강의자가 중심이 되는 대학이 아니라, 학습자가 스스로 학습을 전개하고 그 과정 속에서 평가까지 이루어지는 새로운 학습 모델이다.
이 모델의 핵심은 지식을 선형적 강의가 아니라 구조화된 지식망으로 제시한다는 데 있다. 예를 들어 미시경제와 거시경제의 개념을 Knowledge Base에 넣으면, AI는 먼저 그 자료의 구조를 분석하여 학습자에게 보여준다. 학습자는 그 구조 전체를 처음부터 끝까지 따라갈 필요가 없다.
AI 사용을 공개하자: 숨김이 아니라 투명성이 교육의 윤리를 만든다
인공지능의 발전 속도를 보면 이제 교육이 무엇을 준비해야 하는지조차 빠르게 바뀌고 있다. 1~2년 뒤의 기술 수준을 예측하기도 어려운 상황에서, 교육 현장에 AI가 본격적으로 들어오면 가장 민감한 문제는 결국 정직함과 윤리성이다. 많은 사람들은 이 문제를 “AI를 쓰지 못하게 하면 된다”거나 “AI 사용 여부를 탐지하면 된다”는 식으로 접근한다. 그러나 이런 방식은 오래가기 어렵다. 기술이 발전할수록 탐지 기술과 회피 기술도 함께 정교해지기 때문이다. 금지와 감시만으로는 교육의 윤리를 지킬 수 없다. 이제 필요한 것은 다른 접근이다. AI 사용을 숨기게 만드는 구조가 아니라, AI 사용을 공개하게 만드는 구조다.
AI 시대의 부정직함은 단순히 AI를 사용했다는 사실에 있지 않다. 더 본질적인 문제는 사용했음에도 사용하지 않은 것처럼 꾸미는 데 있다. 반대로 말하면, AI 활용이 공개되고 기록되고 설명될 수 있다면 윤리의 기준은 훨씬 분명해진다.