AI 시대, 우리는 어떤 사람을 길러내야 하는가 - 2부
AI가 더 똑똑한데 왜 공부해야 하는가
AI 시대, 우리는 어떤 사람을 길러내야 하는가 — 2부
교사는 AI로 문제를 만듭니다. 학생은 AI로 문제를 풉니다. 교사는 다시 AI로 답안을 확인합니다.
조금 극단적으로 묘사했지만, AI가 교육에 들어온 모습을 압축하면 이런 장면을 떠올릴 수 있습니다. 그렇다고 누군가를 비난하고 싶지는 않습니다. 교사는 출제와 채점에 드는 시간을 절약하고, 학생은 점수라는 목표를 효율적으로 얻습니다. 모두가 자기 자리에서 합리적인 도구를 사용한 것입니다.
그런데 이상합니다.
문제도 만들어지고 정답도 제출되고 점수도 나오는데, 정작 누가 무엇을 배웠는지는 알기 어려워집니다.
AI가 교육을 망가뜨렸다기보다, 기존 교육의 목표와 평가 방식에 숨어 있던 모순이 AI를 통해 더 선명하게 드러나는 것처럼 보입니다.
정답을 생산하는 일이 교육의 목적이었나
학교에서 점수는 중요한 도구입니다. 어느 부분을 이해했고 어느 부분을 더 배워야 하는지 확인하는 데 도움이 됩니다. 하지만 점수가 최종 목표가 되면 이야기가 달라집니다.
교사는 좋은 문제와 평가 결과를 생산하고, 학생은 높은 점수를 생산합니다. 이때 AI는 굉장히 효율적인 기계가 됩니다. 문제는 그 효율이 어디를 향하느냐입니다.
저는 이런 현상을 여러 분야에서 반복해서 발견합니다. 원래 어떤 목적을 돕기 위해 만들어진 촉매제나 유인책이 어느 순간 목적 자체가 되는 현상입니다.
점수는 배움을 돕기 위한 수단이었는데 점수 때문에 공부합니다. 생산성은 사람의 삶을 돕기 위한 가치였는데 생산성을 위해 삶을 조정합니다. 그리고 AI가 등장하자 우리는 마침내 질문할 수 있게 되었습니다.
“정답을 얻기 위해 공부하는 것이라면, 정답을 더 잘 내놓는 AI가 있는데 무엇하러 공부합니까?”
이 질문에 답하지 못한다면 교육을 아무리 자동화해도 그 목적은 점점 흐려질 것입니다.
어차피 공장에서 옷이 나오는데, 왜 뜨개질을 할까
여기서 저는 뜨개질을 떠올립니다.
공장에서는 값싸고 품질이 일정한 옷을 대량 생산합니다. 그렇다면 실을 한 코씩 엮어 옷을 만드는 일은 비효율적입니다. 단순히 옷 한 벌을 확보하는 것이 목적이라면 그렇습니다.
하지만 뜨개질을 하는 사람은 옷만 얻지 않습니다. 실의 성질을 느끼고, 손의 장력을 조절하고, 도안을 읽고, 한 코를 잘못 뜬 뒤 풀어서 다시 시작하는 경험을 얻습니다.
그림도 같습니다. AI가 훌륭한 그림을 생성할 수 있는데 왜 직접 그림을 그릴까요? 기타 연주도 마찬가지입니다. AI가 음악을 만들어 준다면 무엇하러 기타 줄을 직접 튕길까요?
질문의 대상만 공부로 바꿔 보겠습니다.
“AI가 더 빠르고 정확하게 설명할 수 있는데, 왜 내가 직접 배워야 하나?”
효율만을 극단으로 밀어붙이면 학생마다 스마트 안경과 AI 서비스를 제공하는 편이 긴 교육과정보다 저렴하다는 식의 주장까지 나올 수 있습니다. 장비 가격이나 실제 효용을 따져 만든 경제성 분석이 아니라, 교육의 목적을 정보 접근과 정답 생산으로만 제한했을 때 도달하는 사고실험입니다.
그런데 우리는 직관적으로 무언가 빠져 있다고 느낍니다.
직접 한다는 것은 교양을 배우는 것이다
저는 이 빠진 부분을 하나의 문장으로 묶고 싶습니다.
“지식이든 예술이든, 그것을 직접 한다는 것은 교양을 배우는 것이다.”
여기서 교양은 단순히 많이 아는 지식의 목록이 아닙니다. 세상을 바라보는 시야입니다.
직접 그림을 그려 본 사람은 다른 사람의 그림에서 손의 망설임이나 표현의 선택을 발견할 수 있습니다. 기타를 연주해 본 사람은 연주자의 기교뿐 아니라 그 기교를 위해 들인 시간을 상상할 수 있습니다. 코드를 작성해 본 사람은 프로그램이 작동한다는 사실 뒤에 숨어 있는 설계와 예외 처리를 떠올릴 수 있습니다.
그 경험이 없는 사람도 작품을 즐기고 소프트웨어를 사용할 수 있습니다. 그러나 직접 해 본 사람에게는 세상을 읽는 새로운 언어가 하나 생긴 셈입니다.
수학도 마찬가지입니다. 미적분을 배우는 일이 모든 사람을 수학자로 만들기 위한 과정일 필요는 없습니다. 변화율을 이해한 사람은 속도나 성장, 감소와 같은 현상을 조금 다른 눈으로 바라볼 수 있습니다.
교양의 가치는 생산성을 높일 때도 있습니다. 하지만 교양의 가치를 생산성으로만 환산할 수는 없습니다. 생산적인 결과물이 나오지 않았다고 해서 직접 배우고 경험한 시간이 사라지는 것은 아니니까요.
AI를 없애는 것이 답은 아니다
그렇다면 학생이 모든 것을 AI 없이 공부해야 할까요? 저는 그렇지 않다고 생각합니다.
계산기를 사용한다고 수학이 사라지지 않았듯, AI를 사용한다고 배움이 반드시 사라지는 것은 아닙니다. 중요한 것은 어떤 단계에서 무엇을 배우려 하는지입니다.
예를 들어 학생이 계약서를 공부한다고 합시다. 처음에는 계약이 무엇인지, 조항이 왜 필요한지 직접 이해해야 할 것입니다. 이후 AI에게 서로 다른 조건의 계약서를 만들어 달라고 하거나, 어느 쪽에 불리한 조항인지 질문할 수 있습니다. 나아가 친구와 실제 협상 상황을 연습할 수도 있습니다.
이렇게 하면 AI는 정답을 대신 제출하는 기계가 아니라 실험과 탐구의 범위를 넓혀 주는 도구가 됩니다.
평가 역시 달라질 필요가 있습니다. 최종 답이 맞았는지만 묻는 대신, 어떤 근거로 판단했는지, 새로운 조건이 등장했을 때 생각을 바꿀 수 있는지, AI의 설명이 틀렸다면 무엇으로 검증할 수 있는지 확인해야 합니다.
모든 과제를 이런 방식으로 만들 수는 없을 것입니다. 기본 지식을 외우거나 반복 연습해야 하는 때도 있고, AI 없이 혼자 판단하는 능력을 확인해야 하는 때도 있습니다. 다만 교육의 목표에 따라 도구를 다르게 사용하는 것이 중요해집니다.
이제 ‘왜?’를 끝까지 따라갈 수 있다
AI가 교육에 들어오면서 생긴 가장 중요한 가능성은 출제 자동화가 아닐지도 모릅니다.
과거에는 학생 한 명이 질문을 쉰 번 던지면 교사가 모두 답하기 어려웠습니다. 교사의 능력 문제가 아니라 시간과 자원의 문제였습니다. 그러나 이제는 학생이 궁금한 주제를 자신의 속도로 끝까지 파고들 수 있습니다.
“왜 하늘은 파랗지?”에서 시작해 “왜 노을은 빨갛지?”, “다른 행성에서는 어떤 색이지?”, “대기가 없다면?”으로 이어지는 식입니다. 한 가지 답은 새로운 질문의 출발점이 됩니다.
물론 AI가 내놓는 답이 언제나 옳지는 않습니다. 그래서 출처를 확인하고, 실험하고, 다른 사람과 토론하는 과정이 필요합니다. AI에게 질문하는 일이 새로운 형태의 무비판적 수용이 되어서는 안 됩니다.
또 AI가 다음 질문을 제안해 주는 것도 무조건 나쁘지 않습니다. 스스로 질문을 만들기 어렵거나 관심의 출발점을 찾지 못하는 사람에게는 도움이 될 수 있습니다. 중요한 것은 질문을 누가 만들었느냐보다 그 과정이 학습자의 이해와 선택을 넓혔느냐입니다.
우리는 정답을 아는 사람이 아니라 세상을 보는 사람을 길러야 한다
AI가 지식에 대한 접근 비용을 낮출수록, 지식을 직접 익히는 이유는 오히려 더 분명하게 설명되어야 합니다.
교육은 더 이상 정보를 머릿속에 쌓아 두는 일만으로 정당화되기 어렵습니다. 그렇다고 정보가 중요하지 않다는 뜻도 아닙니다. 기본 지식이 있어야 AI의 답을 의심하고 해석할 수 있기 때문입니다.
결국 교육은 아는 것, 해 보는 것, 판단하는 것을 함께 다루어야 합니다.
공장에서 옷을 만들 수 있어도 뜨개질을 배우는 이유가 있습니다. AI가 음악을 생성할 수 있어도 기타를 연주하는 이유가 있습니다. 그리고 AI가 정답을 알려줄 수 있어도 사람이 직접 공부하는 이유가 있습니다.
그 행위가 우리에게 결과물 이상의 시야를 남기기 때문입니다.
그런데 다음 문제가 남습니다. 사람마다 궁금해하는 것도, 궁금해지는 시기도 다릅니다. 모든 학생이 같은 시간표에 따라 같은 깊이로 배워야 할까요?
다음 글에서는 AI 개인화 교육을 통해 다양한 관심과 가능성을 보존하는 사회를 상상해 보겠습니다.
