AI 일상 활용 교육 구조 전환 가속
감시 강화 한계, 비용 대비 효과 낮고 형평성 논란
과정 중심 학습 체계 전환 필요

본 연구 기사는 유럽 경제 연구소 The Economy의 연구위원(Fellow)들이 작성한 The Economy 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 개인적인 의견이며, The Economy 또는 집필자의 소속 기관의 견해와 일치하지 않을 수 있습니다.

학생 절반 이상이 학업 전반에서 인공지능(AI) 도구를 일상적으로 활용하고 있는 것으로 나타났다. AI는 보고서 초안 작성, 자료 수집, 문장 수정 등 학습 전반에 활용되며 학습 방식 자체를 바꾸고 있다.

하지만 현재 교육계의 논의는 “어떻게 챗GPT 사용을 차단할 것인가”라는 지엽적 문제에 초점을 맞추는 데 그친다. AI 사용 여부를 가려내는 탐지 시스템과 시험 감독 강화, 징계에 자원을 집중하는 방식은 비용 대비 효과가 낮고 기술적 우회도 가능해 문제의 본질을 해결하기 어렵다는 지적이 나온다.

기술 단속의 한계와 교육적 왜곡

그동안 다수 교육기관은 AI를 규정 위반 수단으로 간주하고 탐지와 처벌 체계를 강화하는 데 주력해 왔다. 시험 중 화면 녹화 의무화, 지필 고사의 부활, AI 탐지 소프트웨어 도입 등이 대표적 사례다. 그러나 탐지 도구의 낮은 신뢰도와 판정 기준의 불투명성이 도마 위에 오르면서 최근 일부 기관은 해당 기술의 사용을 중단하기에 이르렀다. 이는 기술 변화에 대응해 사후적으로 통제 장치를 보완하려는 시도가 얼마나 취약한지를 여실히 보여준다.

문제의 핵심은 기술이 행동의 비용과 편익 구조를 근본적으로 변화시킨다는 점이다. AI를 통해 단시간에 일정 수준의 결과물을 생성할 수 있게 되면서, 학습자가 느끼는 부정행위의 진입 장벽은 현저히 낮아졌다. 이런 상황에서 감시만을 강화할 경우 학생들의 정서적 부담과 사생활 침해 우려가 커지며, 교실은 의심이 우선하는 환경으로 전락할 위험이 크다.

형평성 문제 또한 간과할 수 없는 요소다. 안정적인 학습 환경을 갖춘 학생에 비해 통신 여건이 취약하거나 돌봄 책임이 있는 학생들은 강화된 감시 조건을 충족하기가 상대적으로 어렵다. 결국 감시 중심의 정책은 부정행위 억제보다 교육 기회의 격차를 확대하는 부작용을 낳을 가능성이 농후하다.

통제 전략의 구조적 한계

2023~2025년 실시된 현장 실태 조사에 따르면 학생의 AI 활용률은 이미 60%를 넘어 80%에 육박하고 있다. AI 활용이 학습 과정에 깊숙이 편입된 일상적 활동으로 자리 잡은 셈이다. 반면 이를 가려낼 탐지 기술은 여전히 기술적 한계를 드러낸다. 주요 기술 공급업체들조차 오탐 가능성을 인정하며, 탐지 결과만으로 부정행위 여부를 단정하기 어렵다는 입장을 밝히고 있다.

기관별로 통일되지 않은 가이드라인과 제재 절차 역시 혼란을 부추긴다. 명확한 기준 없는 감시 강화는 행정적 부담만 가중할 뿐, 실제로 부정행위를 감소시켰는지에 대한 객관적 근거는 제시하지 못하는 실정이다. 정책의 초점이 단속 수단의 정교화에서 벗어나, 평가 체계와 학습 설계의 근본적인 개편으로 이동해야 한다는 목소리에 힘이 실리는 이유다.

학습의 가치를 높이는 설계

해법의 실마리는 보상 구조 재설계에 있다. 부정행위의 편익은 낮추는 동시에, 정직한 학습 과정에 대한 보상을 확대하는 구조를 만드는 것이 핵심이다. 우선 평가는 최종 결과물의 생성 과정 전체를 증명하도록 설계될 필요가 있다. 초안과 수정 이력, 참고 자료 정리본 등을 단계별로 요구하면 단일 AI 산출물만으로는 과제를 수행하기 어려워진다. 사고의 흐름과 판단 과정을 구체적으로 제시해야 하기 때문이다.

과제 구조를 세분화하는 전략도 효과적이다. 수업 중 토론, 간단한 현장 글쓰기, 간략한 발표를 병행하면 외부에서 작성된 결과물을 그대로 제출하는 방식은 효력을 잃는다. 이와 더불어 프롬프트 설계와 결과 검증에 대한 교육을 제도권 안으로 수용해야 한다. 생성된 답변을 비판적으로 검토하고 근거를 재확인하는 능력을 기를 때, AI는 강력한 학습 보조 도구로 거듭날 수 있다.

구술시험이나 프로젝트 발표·질의응답 등 대면 중심 평가를 병행하는 것도 대안으로 거론된다. 채점 기준 역시 문장 표현의 완성도가 아닌 사고의 깊이와 판단의 타당성에 무게를 둬야 한다. 이러한 설계는 기술 의존의 보상을 낮추고 직접 수행의 가치를 높이는 실질적인 장치로 작동할 전망이다.

학습 설계 지원 강화

일각에서는 과제 체계의 전면 개편이 현실적으로 어렵다는 우려를 제기하기도 하지만, 단속 체계 구축에 투입되는 막대한 자원을 고려한다면 이는 실행 가능성의 문제라기보다 우선순위의 문제에 가깝다. 단계별 초안 제출이나 질의응답 추가와 같은 점진적 조정만으로도 유의미한 변화를 기대할 수 있다.

이제 교육기관은 처벌 중심의 예산을 교수·학습 설계 지원으로 과감히 전환해야 한다. 학습 과정을 투명하게 드러내는 과제 설계안을 개발하고, 이를 현장에 적용할 수 있도록 행정적·기술적 지원을 보장하는 것이 시급하다. 정책 입안자들 역시 광범위한 AI 금지나 과도한 감독 의무화 대신, 발표 및 질의응답, 포트폴리오 기반 검증 등 저비용 학습 확인 방식에 대한 연구와 확산을 지원해야 한다.

AI는 이미 교육 현장의 거스를 수 없는 흐름이 됐다. 결국 본질은 감시의 영역을 무한정 넓히는 데 있지 않다. 평가 체계를 재구성해 정직한 노력이 실질적인 보상으로 이어지는 환경을 만드는 것이 핵심이다. 과정과 사고를 보상하는 평가 체계가 확립될 때, 비로소 교육 현장의 책임과 신뢰가 회복될 수 있다.

본 연구 기사의 원문은 Stop Chasing Ghosts: Why Policing AI Won’t Stop Students from Using ChatGPT — and What Will Focus SEO keyword: prevent ChatGPT cheating을 참고해 주시기 바랍니다. 본 기사의 저작권은 The Economy에 있습니다.