생성형 AI 시대, 학교는 더 잘 가르치고 있는가?

AI 시대 우리 교실이 마주한 불편한 진실

 

인지 활동을 대행하는 AI의 공습과 교실의 혼란

대규모 언어모델(LLM)에 기반한 생성형 AI가 교실 깊숙이 침투하고 있다. 영상을 보여주거나 계산을 돕던 과거의 도구들과 달리, 생성형 AI는 인간의 인지 활동 자체를 대행하며 교육의 패러다임을 뿌리째 흔드는 중이다. 정부의 AI 교육시수 확대 정책과 PISA 2029의 AI 리터러시 평가 도입 등 제도적 변화는 빠르게 추진되고 있다. 하지만 정작 현장의 교사와 학생들은 무엇을 어떻게 가르치고 배워야 할지 혼란을 겪고 있다. 이러한 전례 없는 상황 속에서 우리 교육이 처한 현실을 점검하고 나아갈 길을 찾는 신간 『교실에 들어온 생성형 AI』가 출간되었다.

 

과제는 A+, 시험은 F — AI가 만든 학습의 착시

생성형 AI가 교실에 들어온 이후 기묘한 역설이 펼쳐지고 있다. 과제 점수는 오르는데 실력은 제자리이고, 보고서는 완벽한데 학생은 자기가 쓴 내용을 설명하지 못한다. 이 책은 이러한 역설의 정체를 ‘수행-학습 격차’라 명명하고, AI를 활용한 결과물이 마치 학습이 일어난 것처럼 착각하게 만드는 메커니즘을 다양한 교육학적 연구와 실험을 통해 분석한다. 더불어 AI에 인지 과제를 위탁할수록 학습자의 메타인지 능력이 약화되는 ‘목발 효과’, AI 컴패니언의 사용으로 인해 오히려 진정한 관계를 맺는 것이 더욱 어려워지는 ‘관계의 착시’까지 AI가 교실에 가져온 역설을 날카롭게 파헤친다.

 

답을 주는 AI에서 질문하는 AI로 — 교육의 본질을 되찾는 실천

이 책은 역설을 진단하는 데서 그치지 않고 실천적 전환의 방향을 제안한다. 답을 주는 AI 대신 질문을 던지는 AI, 결과물 중심의 평가 대신 학습 과정을 드러내는 평가, 빠른 완성 대신 느린 탐색을 통한 창의적 사고—저자들은 소크라테스식 대화, 스캐폴딩, 자기조절학습 등 교육학의 핵심 원리들을 AI 활용 수업 설계에 접목하는 구체적인 방법론을 제안한다. 그리하여 AI를 잘 쓰는 기술이 아니라, AI 앞에서 교육적 판단을 내리는 힘이 무엇인지를 보여준다.

 

대체가 아닌 증강 — 교사의 행위주체성의 조건

교사의 전문성과 주체성 문제도 빠뜨리지 않는다. 인간-AI 협업의 58%가 오히려 성과가 저하된다는 연구 결과를 직시하며, 대체(replacement)가 아닌 증강(augmentation)이란 개념으로 교사-AI 협업 모델을 정립하고자 한다. 나아가 AI 리터러시와 디지털 시민성 교육이 단순한 기술적 이해를 넘어 비판적 성찰과 윤리적 판단의 영역으로 확장돼야 함을 역설하고, 교사가 전문적 주체성을 유지하는 조건을 구체적으로 제시한다.

 

AI 교육 연구 리터러시 — 우리 교실을 위한 비판적 해석

이 책은 AI 교육의 효과에 대한 빅테크 기업의 과장과 실제 현실을 구별하는 ‘연구 리터러시’ 역량의 중요성을 강조하고, 외국의 연구를 한국 교육의 현실에 맞게 비판적으로 해석하여 도입해야 한다는 주체적 태도를 지지한다. 교사이자 데이터 기반 교육 연구자인 저자들은 AI가 교육을 혁신할 것이라는 무비판적 낙관론과 학습을 망칠 것이라는 극단적 비관론을 넘어 “AI 시대에도 본질을 지키는 교육”을 시종일관 강조한다. ‘AI를 잘 쓰는 법’을 넘어 ‘AI가 교육에 스며드는 모습’을 고민하며 현장에 도움이 될 개념과 방법론을 찾고자 함께 연구한 저자들은 집필을 위한 자료를 모으고 개념을 정선하는 동안 AI를 직접 활용해 그 가능성과 한계, 위험성을 다각도로 체득하였다. 따라서 이 책은 사람과 사람, 사람과 AI의 대화를 통해 학습이 일어난 ‘느린’ 과정의 기록이자, 저자들 자신도 함께 배워 나간 결과물이다.

[목 차]

들어가며 ․ 4

 

1부 역설의 발견: AI가 바꿔 놓은 교실

 

1장 수행-학습의 격차: AI가 만든 착시

1. 이상한 역설 ․ 12

2. 수행-학습 격차 ․ 14

3. 목발 효과 ․ 20

4. 힘들어야 배운다 ․ 25

5. AI 시대, 교사의 새로운 역할 ․ 32

 

2장 메타인지적 게으름: 사유를 외주화할 때 잃는 것들

1. 뇌가 감독 모드로 전환될 때 ․ 38

2. 메타인지적 게으름 ․ 39

3. 인지적 오프로딩 ․ 45

4. 인지 부하 이론: 적절한 노력의 과학 ․ 49

5. 생각하는 능력을 지키며 AI 활용하기 ․ 54

 

3장 관계의 착시: AI 컴패니언이 숨기는 것들

1. 올해의 단어 ․ 60

2. 외로움과 사회적 고립 ․ 62

3. 챗 챔버와 기만적 친밀감 ․ 67

4. 상호 호혜성의 부재 ․ 74

5. 진정한 관계를 지키며 AI 활용하기 ․ 80

 

2부 본질의 탐색

 

4장 질문하는 AI: 소크라테스식 방법과 스캐폴딩

1. 두 가지 AI 튜터 이야기 ․ 86

2. 소크라테스식 방법 ․ 89

3. 스캐폴딩과 근접발달영역 ․ 94

4. 교육적 가드레일 ․ 101

5. 질문하는 AI로의 전환 ․ 107

 

5장 학습의 주인 되기: 자기조절학습과 협력학습

1. 결과물의 시대에서 과정의 시대로 ․ 113

2. 자기조절학습 ․ 115

3. 과정 피드백 ․ 123

4. 협력학습과 지식 공동 구성 ․ 131

5. 학습의 주인으로 서기 ․ 139

 

6장 역량 중심 AI 통합 수업 설계

1. 같은 AI, 다른 수업 ․ 145

2. AI 협업 기반 수업 설계 ․ 147

3. 구조화된 불확실성의 수업 적용 ․ 151

4. 역량 중심 수업 설계 ․ 157

5. 수업 설계자로서의 교사 ․ 164

 

3부 주체성의 회복

 

7장 AI 리터러시와 디지털 시민성

1. AI가 가속화한 문제 ․ 170

2. 시민성 교육 지형의 변화 ․ 172

3. 변하지 않는 토대, 달라지는 적용 ․ 184

4. AI와 함께, 그러나 인간으로서 ․ 194

부록: OECD－EC AI 리터러시 프레임워크 ․ 200

 

8장 교사의 전문성과 행위주체성, AI와의 협업

1. 인간과 AI, 함께하면 정말 더 나아질까? ․ 205

2. 교사의 행위주체성 ․ 207

3. 대체에서 증강으로 ․ 212

4. 시너지적 팀워크와 창조적 공명 ․ 218

5. 증강된 교사의 미래 ․ 221

 

4부 미래의 설계

 

9장 ‘느린’ AI와 인간의 창의성

1. 완벽함 속에 사라진 것 ․ 230

2. 느린 AI와 가능성 사고 ․ 231

3. 구조화된 불확실성과 제약된 독창성 ․ 237

4. 의도적 비연결과 창의성 ․ 242

5. AI 시대의 창의적 교육자 ․ 248

 

10장 AI 시대의 평가 혁신

1. 완벽한 에세이의 역설 ․ 253

2. 과정 중심 평가와 포트폴리오 ․ 255

3. 전이 평가와 휴먼 인 더 루프 ․ 262

4. AI 활용 역량 평가 ․ 267

5. AI 시대 평가의 새로운 지평 ․ 271

 

11장 AI 연구 리터러시: 증거 기반 실천을 위한 역량 갖추기

1. 역설의 발견 ․ 277

2. 연구 설계의 질 ․ 279

3. 효과 크기와 전이 ․ 284

4. 맥락적 적용 ․ 290

5. 증거 기반 실천가로서의 교사 ․ 295

 

참고문헌 ․ 301

[본 문]

‘수행’은 현재 시점에서 과제를 완수하는 능력이다. 단기적이고 즉각적이며 눈에 보인다. 반면 ‘학습’은 시간이 지나도 유지되고 새로운 상황에 적용할 수 있는 능력이다. 장기적이고 지속적이며 전이가 가능하다. AI를 사용하면 수행은 향상되지만, 학습은 저해될 수 있다.―15쪽

 

‘목발 효과’란 AI에 과도하게 의존하여 독립적 사고력이 약화되는 현상이다. 메타인지적 위임으로 생각의 단계를 건너뛰게 되고, 인지 부채가 축적된다. MIT의 뇌 영상 연구에 따르면 ChatGPT 사용 시 뇌 연결성이 감소하고, 대다수의 사용자가 자신이 쓴 글을 기억하지 못했다.―25쪽

 

‘생산적 고투’란 학습 과정에서 경험하는 적절한 수준의 어려움과 좌절을 의미한다. “이게 왜 안 되지?” 하고 고민하면서 문제의 본질을 이해하게 된다. 여러 방법을 시도해보고 실패하면서 다양한 접근법을 학습한다. 오류를 발견하고 수정하면서 깊은 이해와 기억이 형성된다. “아, 이거였구나!” 하는 깨달음의 순간에 강력한 장기 기억이 형성된다. 이 고투가 ‘생산적’인 이유는, 바로 이 과정에서 진정한 학습이 일어나기 때문이다.―29쪽

 

AI 시대의 교사는 새로운 질문을 던져야 한다. 과거에는 “과제를 완성했는가?”를 물었다. 이제는 “무엇을 배웠는가?”를 물어야 한다. 과거에는 “정답을 맞혔는가?”를 물었다. 이제는 “왜 그 답인지 설명할 수 있는가?”를 물어야 한다. 과거에는 “결과물이 좋은가?”를 물었다. 이제는 “어떻게 생각했는가?”를 물어야 한다. 과거에는 “얼마나 빨리 끝냈는가?”를 물었다. 이제는 “얼마나 깊이 고민했는가?”를 물어야 한다. 과거에는 “AI를 사용했는가?”를 물었다. 이제는 “AI를 어떻게 사용했는가?”를 물어야 한다. 결과물의 품질이 아니라 학습의 과정을 보는 눈. 그것이 AI 시대 교사의 핵심 역량이다.―34~35쪽

 

인간을 인간답게 만드는 것은 생각하는 능력이다. 문제를 분석하고, 대안을 탐색하고, 비판적으로 평가하고, 창의적으로 해결하는 능력은 타고나는 것이 아니라, 스스로 생각하는 경험을 통해 발달한다. 그리고 그 경험이 줄어들면 위축된다. AI 시대의 교육자는 이 역설을 직시해야 한다. AI를 활용하되, 생각하는 힘은 지켜내야 한다. 편리함을 누리되, 학습의 본질은 포기하지 않아야 한다. 우리가 목표로 해야 할 방향은 AI와 함께 더 잘하되, AI 없이도 생각할 수 있는 인간을 키우는 것이다.―56~57쪽

 

AI 시대에 학습자는 결과물의 생산자가 아니라 학습 과정의 주인이어야 한다. 자기조절학습, 과정 피드백, 협력학습은 학습자의 주도성을 지키는 세 가지 핵심축이다.―143쪽

 

(교사에게) 가장 중요한 일은 AI 사용법을 가르치는 것이 아니다. 교육의 토대—도구 판단력, 비판적 사고, 윤리적 판단—를 AI라는 새 조건 위에서 재구성하여, 학생이 기능적 AI 리터러시를 넘어 비판적 AI 리터러시와 사회문화적 AI 리터러시로 나아가도록 돕는 것이다.―197쪽

 

AI 시대의 창의성은 효율성을 추구하는 ‘빠른 AI’ 사용이 아니라, 가능성을 탐색하고 성찰하는 ‘느린 AI’ 접근과 의도적인 비연결을 통해 발현된다. 느린 AI는 AI를 답을 얻는 도구가 아니라 탐색의 파트너로 활용하는 접근이다. Beghetto와 Zamana(2025)의 연구에 따르면, 가능성 사고와 맥락 엔지니어링을 통한 느린 AI 접근이 창의적 사고를 촉진한다.―251쪽

 

AI 시대의 평가는 학생이 AI로 무엇을 만들었는지가 아니라, AI와 함께 그리고 AI 없이 무엇을 배웠는지를 드러내야 한다. 과정을 보고, 역량을 평가하며, 전이를 확인하는 것 ― 이것이 진정한 학습을 측정하는 방법이다.―274쪽

 

AI 시대의 교사에게 연구 리터러시는 선택이 아닌 필수다. 효과가 있다는 주장과 실제 증거를 구분하고, 연구 결과를 자신의 맥락에 비판적으로 적용하는 능력이 교육적 의사결정의 핵심이다.―299쪽