[AI MEMO] AI 거품 논란 확산, 교육현장서 ‘효과 검증’ 필요성 부각

데이터센터 확충과 전력비 상승으로 교육 재정 부담 심화
AI 인프라 투자 확대로 학습 효과 검증 없는 도입 위험 확대
실증 기반 예산 집행과 성과 중심 정책 전환 필요

본 기사는 스위스 인공지능연구소(SIAI)의 SIAI Business Review 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.

2030년까지 전 세계 데이터센터 확충에 6조7,000억 달러(약 8,980조원)가 필요할 것으로 전망되면서 교육계의 재정 불안이 커지고 있다. 인공지능(AI) 활용이 급속히 확산되는 가운데, 관련 자금이 교사나 교육과정보다 인프라 구축에 집중되고 있기 때문이다. 같은 기간 데이터센터 전력비가 두 배 이상 오를 것으로 예상돼 학교 운영 예산과 전력망에도 추가 부담이 불가피하다.

이에 따라 대규모 AI 투자가 실제 수익과 성과로 이어질 수 있는지에 대한 검증이 향후 핵심 과제로 떠올랐다. 성과 없이 장기계약만 늘어날 경우, 교육기관은 기대 이하의 도구와 막대한 비용을 떠안을 위험이 있다. 교육계에서는 AI 솔루션 도입 시 홍보 문구나 기술 낙관론보다 학습 효과가 입증된 사례를 기준으로 예산을 집행해야 한다는 현실적인 목소리가 커지고 있다.

급증하는 AI 인프라 투자, 교육 예산 압박

마이크로소프트, 알파벳, 아마존, 메타, 엔비디아, 앤트로픽 등 주요 IT 기업은 올해 역대 최대 규모의 데이터센터 투자를 단행했다. 알파벳은 910억~930억 달러(약 122조~125조원)를, 마이크로소프트는 분기별로 투자액을 확대하고 있다. 아마존 역시 클라우드 수요 증가에 맞춰 지출을 늘리고 있다.

이처럼 대규모 설비 투자는 기업의 현금 유동성을 약화시켜 재무 안정성 확보를 어렵게 만든다. 그 결과 AI 시장은 막대한 초기비용과 지속적 업그레이드가 필요한 구조로 고착되고, 학교나 대학 등 최종 소비자에게 장기적 비용 부담이 전가될 가능성이 높다.

실제 오픈AI는 상반기 43억 달러(약 5조8,000억원) 매출을 기록했지만 모델 운영·개발비로 상당한 지출을 이어가고 있다. 앤트로픽 또한 연 매출 70억 달러(약 9,460억원)에 근접했으나 서버 운영과 인력 비용 탓에 수익성 개선은 더디다. 반면 엔비디아는 AI 반도체 수요 확대 덕분에 인프라 공급 부문에서 높은 실적을 기록했다. 이익이 칩·서버 등 공급망 기업에 집중되는 구조 속에서, 교육기관은 이용 요금 인상과 장기계약 등 재정 불확실성에 노출되고 있다.

대학이 직면한 현실

AI 도입은 교육 재정 구조 전반에 영향을 미친다. 한정된 예산에서 AI 시스템 구축에 자금을 투입하면 교사 충원이나 학생 지원 등 본연의 교육 기능이 위축된다. 국제에너지기구(IEA)에 따르면 2030년 데이터센터 전력 소비량은 945TWh에 이를 전망이다. 전력 비용 상승은 대학의 에너지 수급과 운영비 부담을 가중시켜, AI 도입에 따른 부가 비용과 전기요금 인상이 동시에 현실화될 수 있다. 결국 AI 활용은 추상적 효과보다 전력·네트워크·보안 등 구체적 비용 증가로 이어진다. 각 대학은 도입 이전에 이런 재정·운영 여건을 면밀히 검토해야 한다.

정책 당국도 신중한 접근을 요구하고 있다. 미국 교육부는 2025년 7월 AI 활용 지침을 발표하며 데이터 보호, 알고리즘 공정성, 교육과정 연계의 필요성을 강조했다. 이어 10월에는 33개 주와 푸에르토리코가 초·중등학교 AI 가이드라인을 마련했다. 경제협력개발기구(OECD) 역시 AI가 도입 방식에 따라 교육격차를 확대시킬 수 있다고 경고하며, 기업의 마케팅 주장만으로 도입을 결정해서는 안 된다고 지적했다.

정책의 방향은 명확하다. 도입 효과가 객관적으로 입증돼야 한다는 원칙이다. 대학은 구매 결정을 학습 성과와 직접 연계해야 하며, 학생 데이터 보호 수준은 의료 정보와 동등하게 유지돼야 한다. 성과 검증과 데이터 관리 책임은 공급사에 명확히 귀속돼야 하고, 교직원은 기술 변화에 따른 비용 구조 변동에 즉각 대응할 수 있어야 한다.

실증과 가격이 기준이 되는 AI

최근 AI 튜터의 학습 효과를 입증하는 연구 결과가 잇따르고 있다. 하버드대 연구진은 2025년 발표에서 AI 활용 강의의 평균 성적이 기존 수업보다 약 10점 높았다고 밝혔다. 국내에서도 맞춤형 AI 학습 플랫폼 도입 후 학습 효율이 27%, 학업 성취도가 15% 향상된 사례가 확인됐다.

그러나 이러한 효과는 기술의 통합 수준과 교육 맥락에 따라 달라진다. 칸아카데미의 AI 튜터 ‘칸미고(Khanmigo)’는 긍정적 반응을 얻었으나, 교사와 연계된 형태일 때만 개선 효과가 뚜렷했다. 즉 AI가 교실을 대체하기보다 보조적 역할을 할 때 효용이 극대화된다는 것이다. 결국 판단 기준은 가격과 통합성이다. 라이선스 비용이 기존 튜터링·과목이수 비용 절감 효과를 상회하면 도입을 재검토해야 한다. 실제로 효과적인 AI는 적용 범위가 명확하고, 교사·학생의 업무 흐름에 자연스럽게 녹아들 때 경쟁력을 가진다.

비용 구조와 지속 가능성의 재점검

GPT-4 기반 최신 모델의 개발·운영에는 수억에서 수십억 달러 규모의 인프라와 에너지 투자가 필요하다. 업계는 2030년까지 데이터센터 건설과 설비 투자에 매년 수십억 달러가 투입될 것으로 보고 있다. 이러한 구조에서는 가격 인하보다 장기계약과 업그레이드 중심의 수익 모델이 우선 등장해 교육기관의 예산을 압박할 가능성이 크다.

따라서 기관은 단순한 기술 선전보다 읽기·수학 등 실제 학습 개선 효과를 데이터로 검증해야 한다. 저가 인프라에서도 안정적으로 작동하는 모델을 우선 도입하면 전력·네트워크 비용을 줄일 수 있다. 또한 공급사에는 로그와 검증 데이터를 요구하고, 성과가 부족하면 계약을 중단할 수 있는 기준을 마련해야 한다.

교육계의 대응 전략

교육계는 대형 기술 기업과 자본 경쟁에 참여할 필요가 없다. 무엇보다 소프트웨어, 장비, 네트워크, 교사 연수, 전력 등 실제 총소유비용을 세밀하게 따져야 한다. 각 AI 사업은 결석 관리, 글쓰기 첨삭, 수학 풀이, 진로 상담처럼 현장 문제를 직접 해결할 때만 도입 근거가 된다.

정책적으로는 지역·국가별로 성과 기준을 통일해 공급사가 동일한 검증을 받도록 하고, 구매 결정도 객관적 데이터에 근거해야 한다. 연구진은 일시적 유행보다 지속 가능한 개선 효과를 검증해야 하며, 예산은 실질적 성과가 입증된 도구에만 배분돼야 한다. 이 같은 원칙이 정착되면 기업 역시 교육 현장의 효용과 가치를 중시하는 방향으로 기술 개발을 전환하게 된다.

미래 교육, 원칙이 답

AI 인프라 투자가 곧 교육 발전을 보장하지는 않는다. 향후 교육기관이 지향해야 할 방향은 거대한 자금 집행이나 모호한 기대가 아니라, 학습 효율·행정 경감·예산 효용이라는 명확한 기준이다. 학생의 시간, 교사의 노력, 사회의 신뢰라는 본질적 가치를 지키기 위해서는 ‘실증된 효과에만 투자한다’라는 원칙이 필요하다. 이 기준을 충족하는 기술만이 교육 현장에 지속 가능한 변화를 불러올 수 있으며, 그렇지 않다면 AI 투자는 결국 또 하나의 거품으로 남게 될 것이다.

본 연구 기사의 원문은 Education and the AI Bubble: Budgets, Buildouts, and the Real Test of Value을 참고해 주시기 바랍니다. 본 기사의 저작권은 스위스 인공지능연구소(SIAI)에 있습니다.