[딥테크] 인공지능을 대하는 학교의 자세

AI만 언급하면 ‘주가 상승?’
흥분과 달리 수익 성과 ‘미미’
학습 효과 검증 후 도입해야

본 기사는 스위스 인공지능연구소(SIAI)의 SIAI Researh Memo 시리즈 기고문을 한국 시장 상황에 맞춰 재구성한 글입니다. 본 시리즈는 최신 기술·경제·정책 이슈에 대해 연구자의 시각을 담아, 일반 독자들에게도 이해하기 쉽게 전달하는 것을 목표로 합니다. 기사에 담긴 견해는 집필자의 개인적 의견이며, SIAI 또는 그 소속 기관의 공식 입장과 일치하지 않을 수 있습니다.

S&P 500 기업 중 287곳이 분기 실적 보고에서 인공지능(AI)을 언급한 것을 보면, AI는 많은 기업에 ‘마법의 주문’이 된 것 같다. 하지만 AI 관련 실제 수익은 크게 눈에 띄는 곳이 없다. 흥분이 숫자를 앞서는 흔한 패턴이 지속되는 상황에서 교육계는 어떻게 해야 할까?

‘인공 지능’에 대한 ‘과도한 기대’

가장 먼저 지적할 것은 AI를 언급하는 것이 주가에 도움이 되는지는 모르지만 학교는 무작정 흥분을 따라갈 만큼 예산이 넉넉하지 않다는 것이다. 전면적 도입은 온전히 실제 학습 효과에 도움이 되는지를 보고 결정해야 한다.

AI에 대한 과도한 흥분은 곳곳에서 목격된다. 실적 보고서에 언급되는 횟수도 그렇고, 데이터센터에 투자되는 천문학적인 돈과 AI 거품(bubble)이 터지기 직전이라는 추측마저도 과열 분위기를 반영하고 있다. 국제에너지기구(IEA)에 따르면 데이터센터에 들어가는 전력이 2030년이면 현재의 두 배가 될 것이라고 한다.

교육에 미치는 효과는 “아직”

학교도 보고만 있지는 않다. 미국에서는 교사들에게 AI 훈련을 실시한 교육 당국이 1년 사이 두 배로 증가했다. 하지만 실제로 수업에 활용한 교사는 네 명 중 한 명에 그치는 것으로 나타나기도 했다. 영국 정책 당국은 AI의 가능성을 인정하지만 강력한 교육 효과가 증명될 때까지 전면적 도입을 보류하라는 입장을 보이고 있다. 유네스코(UNESCO, 유엔교육과학문화기구)는 더 나아가 인간, 권리, 증거가 중심이 된 접근을 촉구하고 있다.

그간 행해진 연구에 따르면 AI는 주어진 조건이 맞으면 성과를 낸다. 조사에 따르면 GPT4는 역량에 맞는 과제를 주면 생산성 향상에 이바지하지만 한도를 넘는 업무에 대해서는 그렇지 못하다. 초안 작성이나 적은 분량의 코딩 작업 등 중간 수준의 업무는 주목할 만한 개선을 보이지만 더 높은 수준의 업무는 아니다.

학교로서는 고민거리가 아닐 수 없다. 초기 연구는 AI 개인 교사(tutor)가 학생들의 성과를 획기적으로 개선하고 교사들의 업무 부담을 줄여준다고 했다. 하지만 엄밀한 점검이 없으면 채점 등의 중요 영역에서 실수가 발생할 수밖에 없다. 근소한 성과를 놓고 기적이 일어난 양 호들갑을 떠는 것도 경계할 일이다.

‘투자 대비 학습 효과’로 검증

그렇다면 학교는 AI도 다른 학습 도구들과 동일 선상에 놓고 시험하고 측정하며 검증해야 한다. AI로 인해 절약된 시간과 향상된 학습 효과를 구매와 훈련, 통합에 들어간 비용과 비교하는 지표를 만들어 사용하는 것도 좋다. 이른바 ‘AI 투자 대비 학습 효과’(Learning Return on AI Investment)다.

만약 한 달 이용료가 30유로(약 5만원)인 AI 도구를 사용해 교사들이 주당 세 시간씩 시간을 절약했으며 이 사실이 증명된다면 분명한 성과가 맞다. 학생들도 마찬가지다. AI 도구가 지속적으로 시험 성적을 개선하고 채점 논란을 줄이며, 학생들의 수업 참여를 강화했는지 측정하면 된다. 성과를 확인한 후 이용을 확대하라는 것이다.

AI는 분명 공짜가 아니다. 에너지 비용이 급증하면서 구독료는 오르는데 서비스 수준은 지출을 따라가지 못하고 있다. 개인정보 보호 및 데이터 보관 지침도 민감한 학생 데이터를 다룬다는 측면에서 위험 요소임이 틀림없다. 따라서 학교는 공급업자들에게 에너지 사용량과 데이터 관리 정책을 묻고, 제3자에 의한 검증을 포함해야 한다. 인터넷이 불안정하거나 예산이 충분치 않은 교육 기관은 연결이 필요 없거나 사양이 낮은 모델에서 시작하는 것도 나쁘지 않다.

거품에 속지 말고 ‘성과’에만 집중해야

즉 광고가 아닌 실질적인 성과에 주목하고, 시범 운영 교실을 만들어 검증한 후 도입을 늘리는 것이 좋다. 워크숍을 통해 가정을 검증하고 AI 모델의 장단점을 파악할 필요도 있다. 계약 전에는 장기 비용과 데이터 위험을 필수적으로 고려해야 한다. 모두가 혁신을 억누르는 것이 아니라 실질적인 성과로 이어질지를 검증하기 위한 것이다.

완벽한 증거가 나올 때까지 기다리면 뒤떨어질 것이라는 우려는 이해한다. 하지만 신중한 검증은 방향성과 목적성을 동시에 담보하기 위한 것이며, 공공 서비스 영역에서의 실패는 지역사회 전반에 피해를 준다는 사실을 망각하면 안 된다. 시장이 흥분을 따를지라도 교육 현장은 철저히 성과에 기반해야 한다.

반복하지만 AI 도구가 교사들의 업무 부담을 줄이고, 학생들의 학습 성과를 개선하며, 학교의 장기적 성장에 도움을 주는지가 결정의 기준이 돼야 한다. 명확한 증거에 기반해 성능을 시험하고 성과에만 초점을 맞춘다면 학교는 거품을 따라 키우지 않으면서 AI를 진정한 학습 도구로 만들 수 있을 것이다.

본 연구 기사의 원문은 Education and the AI Bubble: Talk Isn't Transformation을 참고해 주시기 바랍니다. 본 기사의 저작권은 스위스 인공지능연구소(SIAI)에 있습니다.