“맞춤교육이란 편리함에 숨어있는 판단의 문제”

콘텐츠가 아니라 경로를 바꾼다

AI 교육을 단순히 ‘컴퓨터가 공부를 도와주는 일’로 이해하면 핵심을 놓치게 된다. 지금 교육 현장에 들어오고 있는 AI는 과거의 인터넷 강의나 디지털 교과서와 다르다. 과거의 디지털 교육은 이미 만들어진 콘텐츠를 학생에게 보여주는 방식에 가까웠다. 그러나 AI 기반 교육은 학생이 어떤 질문을 하는지, 어느 문제에서 반복적으로 틀리는지, 어느 개념을 이해하지 못한 채 다음 단계로 넘어가는지를 분석한다. 그리고 그 분석을 바탕으로 다음 설명, 다음 문제, 다음 자료를 자동으로 제시한다.

이 구조의 첫 번째 기술은 생성형 AI(Generative AI) 대화 엔진이다. 학생이 질문하면 AI는 검색 결과를 나열하지 않고, 문장 형태의 답변을 만들어낸다. 검색은 여러 자료를 보여주고 선택을 사용자에게 맡긴다. 반면 생성형 AI는 여러 자료와 학습된 패턴을 바탕으로 하나의 자연스러운 답변을 구성한다. 학생 입장에서는 이것이 교사나 과외교사의 설명처럼 느껴질 수 있다. 이 지점에서 AI는 정보 도구를 넘어 교육적 권위의 형태를 띠기 시작한다.

학습분석은 아이의 약점을 읽는다

두 번째 기술은 학습분석과 지식추적이다. AI 교육 플랫폼은 학생의 정답률만 보지 않는다. 문제 풀이 시간, 반복 오답 유형, 힌트 요청 횟수, 특정 개념에서 멈춘 시간, 복습 주기까지 데이터로 축적할 수 있다. 이를 통해 AI는 “분수 개념은 이해했지만 비례식 전환에서 막힌다”거나 “문장 독해는 가능하지만 추론형 질문에서 약하다”는 식의 세부 진단을 시도한다.

교육적으로는 강력한 도구다. 교사가 한 명 한 명을 세밀하게 보기 어려운 현실에서 AI는 학습 결손을 빠르게 찾아낼 수 있다. 경제적 여건 때문에 충분한 사교육을 받기 어려운 학생에게는 개인 튜터처럼 작동할 수도 있다. AI 교육이 ‘교육 격차를 줄이는 기술’이라는 기대를 받는 이유도 여기에 있다.

그러나 이 장점은 동시에 위험을 품고 있다. 학생의 학습 과정이 세밀하게 기록될수록 교육 데이터의 범위도 넓어진다. 단순한 성적 정보가 아니라 집중 시간, 반응 속도, 반복 실수, 질문 방식까지 축적될 수 있다. AI 교육은 아이를 더 잘 돕기 위해 아이를 더 많이 읽는다. 바로 이 지점에서 편의성과 감시성의 경계가 흐려진다.

숨어있는 교과과정 추천 알고리즘 

세 번째 기술은 추천 알고리즘이다. AI는 학생에게 다음에 풀 문제, 다음에 볼 설명, 다음에 읽을 자료를 추천한다. 이때 추천은 단순한 편의 기능이 아니다. 교육에서는 추천이 곧 학습 경로가 된다. 어떤 학생에게는 쉬운 문제를 더 주고, 어떤 학생에게는 심화 문제를 제시하며, 어떤 학생에게는 특정 관점의 해설을 반복적으로 보여줄 수 있다.

이 과정에서 AI는 보이지 않는 교과과정 설계자가 될 수 있다. 정식 교육과정은 국가와 학교가 정했더라도, 실제 학생이 접하는 학습 경험은 플랫폼의 추천 구조가 좌우할 수 있다. 같은 단원을 배우더라도 어떤 자료를 먼저 보고, 어떤 해설을 반복해서 듣고, 어떤 문제를 더 많이 접하느냐에 따라 학생의 이해는 달라진다.

네 번째 기술은 검색증강생성(RAG·Retrieval-Augmented Generation)이다. 이는 AI가 자체 학습된 내용만으로 답하는 것이 아니라, 교과서·논문·기사·학교 자료·웹문서 등 외부 자료를 연결해 답변을 만드는 방식이다. 겉으로 보면 정확도를 높이는 기술이다. 그러나 교육에서는 어떤 자료를 연결하느냐가 중요하다. 같은 역사적 사건이라도 어떤 자료를 우선 연결하느냐에 따라 설명의 방향이 달라질 수 있다. 기술의 문제처럼 보이지만 실제로는 자료 선택의 문제이고, 자료 선택은 곧 판단의 문제다.

교실을 더 깊이 읽는 멀티모달 AI

다섯 번째 기술은 멀티모달 AI(Multimodal AI·텍스트·음성·이미지 등을 함께 처리하는 인공지능)다. 앞으로의 AI 교육은 텍스트 질문에 답하는 수준에 머물지 않는다. 학생의 음성 질문을 듣고, 손글씨 풀이를 읽고, 그림이나 그래프를 해석하며, 영상 속 실험 장면을 설명하는 방식으로 확장된다. 나아가 일부 기술은 학생의 표정, 음성의 떨림, 반응 속도 등을 통해 집중도나 정서 상태를 추정하려 할 수 있다.

이 단계에 이르면 AI 교육은 지식 전달을 넘어 학생의 행동과 반응까지 분석하는 체계가 된다. 맞춤교육이라는 이름 아래 학습 데이터가 더 깊고 넓게 수집되는 것이다. 학생의 약점을 찾아 보완하는 것은 유용하다. 그러나 학생의 반응을 어디까지 읽고, 그 데이터를 누가 보관하며, 어떤 목적으로 다시 활용할 것인지는 별개의 문제다.

AI 교육의 핵심 위험은 오답 하나가 아니다. 더 큰 위험은 학생이 어떤 순서로 지식을 접하고, 어떤 설명을 반복해서 듣고, 어떤 관점을 자연스러운 기준으로 받아들이게 되는지를 AI가 조용히 조정할 수 있다는 점이다. 교육에서 영향력은 노골적인 강요보다 반복과 배열을 통해 더 강하게 작동하기도 한다.

기술 도입보다 중요한 것은 투명성

특히 역사, 윤리, 가족, 성, 시민성, 정치, 사회갈등과 같은 주제는 단순한 정보 전달로 끝나지 않는다. 이 영역에서 AI는 “사실을 알려주는 도구”라고 주장할 수 있지만, 실제 답변은 사실의 선택과 배열, 표현의 강도, 반론의 배치, 가치 판단의 경계에 영향을 받는다. 그러므로 AI 교육의 쟁점은 “AI가 똑똑한가”가 아니다. 더 중요한 질문은 “AI가 어떤 자료를 근거로 삼는가”, “그 자료 선택 기준은 누가 정했는가”, “학생과 학부모는 그 기준을 알 수 있는가”, “교사는 그 과정을 통제할 수 있는가”다.

학부모의 선택권도 이 기술 구조 안에서 다시 정의돼야 한다. 과거에는 교과서와 수업계획을 확인하면 대략적인 교육 내용을 알 수 있었다. 그러나 AI 교육에서는 공식 교육과정과 실제 학습 경험 사이에 플랫폼 층위가 새로 생긴다. 학생이 같은 교과를 배우더라도 AI가 추천한 보충자료, 대화형 설명, 자동 생성 문제, 추가 읽기 자료가 서로 달라질 수 있다. 학부모가 학교의 큰 교육 방향은 알 수 있어도, 자녀가 AI와 나눈 실제 학습 대화와 추천 경로까지 알기는 어렵다.

따라서 AI 교육 시대의 핵심 원칙은 기술 금지가 아니다. 기술을 쓰되, 판단권의 경계를 분명히 해야 한다. AI 교육 도구는 어떤 자료를 근거로 답변하는지 설명 가능해야 한다. 학생에게 제공된 주요 추천 경로와 학습자료는 교사와 학부모가 확인할 수 있어야 한다. 민감한 가치 판단이 포함된 주제에서는 자동 추천보다 인간 검토가 우선돼야 한다. 학생의 학습 데이터와 정서 데이터도 최소한으로 수집하고, 목적 외 활용을 제한해야 한다.

판단은 사람이, 어시스트는 AI가

ALO의 관점에서 보면 결론은 분명하다. AI는 교육을 도울 수 있다. 그러나 교육 판단의 주체가 되어서는 안 된다. AI는 학생이 모르는 것을 더 빨리 찾게 해주고, 교사가 놓친 학습 결손을 발견하게 해주며, 반복 학습을 효율화할 수 있다. 하지만 무엇을 가르칠 것인지, 어떤 가치 판단을 유보해야 하는지, 어떤 주제에서 학부모 고지와 선택권이 필요한지는 여전히 사람이 결정해야 한다.

교육은 지식 전달이 아니라 세계를 이해하는 틀을 만드는 과정이다. 그래서 AI 교육의 미래는 더 정교한 알고리즘보다 더 분명한 책임 구조에 달려 있다. 편리함은 중요하지만, 교육에서 편리함이 곧 정당성을 뜻하지는 않는다. 학생의 질문에 가장 빠르게 답하는 기술보다 중요한 것은 그 답이 어떤 자료와 기준에서 나왔는지를 설명할 수 있는 구조다. 아이의 배움에 개입하는 모든 AI는 결국 한 가지 질문 앞에 서야 한다. 이 기술은 아이를 더 잘 배우게 돕고 있는가, 아니면 누군가의 기준을 더 조용히 주입하고 있는가. 이 질문을 놓치지 않을 때 AI는 교육의 위협이 아니라 진정한 조력자가 될 수 있다.

※ 이 기사는 주간 한미일보 12호(6월 1주차)에 게재된 기사이다.