프랑스 푸아티에 대학교의 앤드류 피터슨 교수가 교육자 20명을 대상으로 조사한 결과, 충격적인 사실이 드러났다. AI 교육 도구로 가르치기 쉬운 기술일수록 미래에 AI가 인간을 대신해서 할 가능성이 높다는 것이다. 194개 기술을 분석한 결과, 이 둘 사이의 관련성은 통계적으로 매우 높았다. 예를 들어 프로그래밍 같은 기술을 살펴보자. AI 교육 시스템으로 코딩을 배우는 것은 훨씬 쉽고 효과적이다.

하지만 동시에 AI 코딩 도우미들이 일상적인 프로그래밍 작업을 자동으로 처리하면서 초급 프로그래밍 기술의 가치는 떨어지고 있다. 이런 식으로 교육 현장에서는 효과가 좋다고 여겨지는 기술들이 정작 직장에서는 가치가 떨어지는 모순이 발생한다. 특히 단계별로 따라 할 수 있는 '닫힌 기술'들이 이런 문제에 더 취약하다. 반면 상황에 따라 달라지는 '열린 기술'들은 AI로 가르치기는 어렵지만 직장에서도 상대적으로 안전한 것으로 나타났다.

시험 점수만 보는 학교 vs 미래까지 보는 학교... AI 시대 교육 격차 급속 확산

연구진은 교육 정책 결정자들이 범하는 실수를 이론으로 설명했다. 대부분의 교육 기관은 AI 도구를 도입할 때 당장 눈에 보이는 교육 효과만 본다. 시험 점수가 오르고 학습 속도가 빨라지는 것을 보면서 "이 기술이 좋다"고 판단한다. 하지만 5~10년 후 그 기술이 노동시장에서 어떤 가치를 가질지는 생각하지 않는다.

반대로 미래까지 내다보는 '현명한' 교육 계획자는 다르게 행동한다. AI가 발전할수록 AI로 쉽게 가르칠 수 있는 기술에 대한 투자를 줄이고, 대신 사람 간의 소통이나 창의적 사고 같은 기술에 더 집중한다.

문제는 대부분의 학교가 첫 번째 방식으로 운영된다는 점이다. 연구에 따르면 AI 기술이 발전할수록 이런 '근시안적' 교육과 '현명한' 교육 사이의 차이는 계속 벌어진다. 결국 학생들이 배운 기술과 사회가 필요로 하는 기술 사이의 간격도 더욱 커진다.

AI가 숙제 대신해 주면서 학생들의 '끈기, 창의성'이 사라진다

더 심각한 문제가 있다. AI 교육 도구에 지나치게 의존하면 학생들의 끈기, 창의성, 자기조절 능력 같은 중요한 특성들이 제대로 기르지지 않는다는 것이다. 이런 능력들은 어려운 문제를 고민하고 씨름하는 과정에서 자연스럽게 길러지는데, AI가 쉬운 답을 제공하면서 그런 기회가 줄어든다.

연구진은 이를 '생각 떠넘기기(cognitive offloading)' 현상이라고 설명한다. 학생들이 깊이 생각하는 대신 AI에게 의존해서 빠른 해답만 찾으려 한다는 뜻이다. 실제로 여러 연구에서 AI 도구를 자주 쓰는 학생들의 비판적 사고 능력이 떨어지는 것이 확인됐다. AI 도구가 없으면 오히려 성적이 나빠지기도 한다.

이런 능력들은 시험으로 측정하기 어렵기 때문에 학교에서 간과하기 쉽다. 하지만 사회 전체적으로는 매우 중요한 가치를 가진다. 연구에 따르면 미래를 생각하는 교육 계획과 현재만 보는 교육 계획 사이의 차이는 AI가 발전할수록 더욱 벌어진다.

점수 올리려다 미래 망친다... 학교의 AI 과잉 투자가 부르는 악순환

학교가 AI 교육 도구 도입량을 스스로 정할 때도 문제가 생긴다. 학교 관리자들은 측정하기 쉬운 성과, 즉 시험 점수 향상에만 집중해서 AI 도입을 결정한다. 학생들의 창의성이나 끈기 같은 능력에 미치는 나쁜 영향은 고려하지 않는다.

연구 결과, 학교가 선택하는 AI 사용량은 사회 전체에 가장 좋은 수준보다 항상 많다. AI 도입 비용이 떨어질수록 이런 차이는 더욱 벌어진다. 학교는 당장 보이는 교육 효과에 현혹되어 과도하게 AI에 투자하지만, 그 과정에서 학생들이 정말 필요한 능력을 기를 기회는 놓친다.

특히 AI 기술 사용이 늘어날수록 그로 인한 피해도 더 커진다. 연구진은 이를 '한계 피해 증가' 현상이라고 설명한다. 처음에는 별문제가 없어 보이지만, AI 의존도가 높아질수록 학생들의 중요한 능력 손실이 기하급수적으로 커진다는 뜻이다.

초보도 전문가도 살아남는데... 중급 개발자만 일자리 잃는 이유

연구는 더욱 복잡한 상황도 분석했다. AI가 모든 수준의 기술을 똑같이 대체하지 않는다는 점이다. 기본적인 수준의 기술은 여전히 필요하고, 최고급 전문가는 AI와 함께 일하며 오히려 더 높은 가치를 인정받는다. 하지만 중간 수준의 기술자들은 '대체 함정'에 빠져 일자리를 잃을 위험이 가장 크다.

예를 들어 코딩 분야에서 보면, 기본적인 프로그래밍 이해는 AI 도구를 사용하거나 다른 사람과 협업할 때 여전히 필요하다. 최고급 개발자들은 복잡한 시스템을 설계하고 AI를 관리하는 역할을 한다. 하지만 중간 수준의 프로그래머들이 하던 일상적인 코딩 작업들은 대부분 AI가 대신하게 된다.

현명한 교육 계획자라면 학생들을 이런 '함정'에 빠뜨리지 않기 위해 양극단 전략을 쓴다. 기본 소양을 쌓거나 아니면 최고급 전문가가 되도록 하는 것이다. 하지만 현재만 보는 교육 계획자는 자기도 모르게 학생들을 중간 수준의 위험 지역으로 밀어 넣는다.

FAQ ( ※ 이 FAQ는 본지가 리포트를 참고해 자체 작성한 내용입니다.)

Q1: AI 교육 도구를 쓰면 안 되나요?

A1: AI 교육 도구 자체가 나쁜 것은 아닙니다. 문제는 어떤 기술을 어떻게 가르치느냐입니다. AI로 쉽게 가르칠 수 있는 기술일수록 나중에 AI가 그 일을 대신할 가능성이 높습니다. 따라서 당장의 교육 효과만 보지 말고, 그 기술이 미래에도 가치가 있을지 함께 고려해야 합니다.

Q2: 그럼 어떤 것을 가르쳐야 하나요?

A2: 사람과의 소통, 창의적 사고, 복잡한 문제 해결 같은 능력과 끈기, 자기조절 같은 성격적 특성을 기르는 데 집중해야 합니다. 이런 능력들은 AI로 가르치기 어렵지만, 미래에도 사람만이 할 수 있는 영역으로 남을 가능성이 높습니다.

Q3: 학교에서는 어떻게 대응해야 하나요?

A3: 시험 점수 같은 당장 보이는 성과만으로 AI 도입을 결정하지 말고, 학생들의 전체적인 성장을 고려해야 합니다. 또한 산업계의 미래 전망을 교육 계획에 반영하고, AI 도구를 쓸 때도 학생들이 스스로 깊이 생각할 수 있도록 설계해야 합니다.

해당 기사에 인용된 논문 원문은 arvix에서 확인 가능하다.

논문 명: Training for Obsolescence? The AI-Driven Education Trap

이미지 출처: 이디오그램 생성

해당 기사는 챗GPT와 클로드를 활용해 작성되었습니다.