[AI 교육의 성패, 교사 역량 '측정'과 '산업화'에 달렸다]

newsvalue.kr 보도 | 7 hours ago [AI 교육의 성패, 교사 역량 '측정'과 '산업화'에 달렸다]

AI 교육이 기술 도입 경쟁에서 교사 역량의 산업화 경쟁으로 이동하고 있다. 이화여대 사범대학이 2028년까지 5개 전공 이수체계 전반에 AI 교육과정을 확대 적용하겠다고 밝히면서, 교원양성기관의 AI 교육이 '실험' 단계를 넘어 '표준'으로 자리 잡을 수 있을지가 초미의 관심사로 떠올랐다. 핵심은 AI 도구 사용법 교육이 아니라 AI가 생성한 결과를 검증하고 교육적으로 재설계할 수 있는 교사를 길러내는 데 있다. 문제는 이런 역량을 어떻게 정의하고 측정하느냐인데, 이 지점에서 에듀테크 산업의 새로운 경쟁 구도가 형성되고 있다.

이화여대 사범대학의 계획은 올해 9개 교과목 개선에 그치지 않는다. 2027년 2월부터 교육과정 개발 결과물을 온라인 공유 플랫폼 '셰어캠퍼스'를 통해 타 대학과 현장 교사, 일반에 개방하고, 4년 주기 교육과정 개편과 연계해 2028년부터 국어·영어·수학·사회·과학 5개 전공 이수체계 전반으로 확대 적용한다. 이 계획이 의미를 가지려면 개별 대학의 성공 사례를 넘어 교원양성기관 전체가 참고할 수 있는 '재현 가능한 교육모델'이 만들어져야 한다. AI 교육은 기술 변화가 빨라 특정 플랫폼이나 특정 생성형 AI 서비스에 종속된 교육과정은 지속 가능성이 낮다. 현재 널리 쓰이는 생성형 AI 서비스의 기능이 1~2년 뒤 크게 달라질 수 있기 때문이다. 반면 교사에게 필요한 핵심 역량은 특정 서비스의 버튼을 누르는 방법이 아니라 AI가 생성한 결과를 검증하고, 교육 목적에 맞게 활용하며, 학생의 학습과정에서 인간의 판단이 필요한 지점을 구분하는 능력이다. 대학의 교육과정은 특정 AI 제품 중심이 아니라 '문제 정의-도구 선택-결과 검증-교육적 적용-윤리적 판단'이라는 역량 중심으로 설계될 필요가 있다. UNESCO 역시 교사의 AI 역량을 특정 제품 사용법이 아니라 인간 중심 사고, 윤리, AI 기초 및 활용, AI 교수법, 전문적 학습이라는 구조로 제시하고 있다.

가장 큰 리스크는 AI 자체가 아니라 '검증되지 않은 교육 자동화'다. AI 에이전트가 수업안을 작성하고 평가문항을 만들며 상담 상황을 시뮬레이션할 수 있게 되면 예비교사가 스스로 교육적 판단을 내리는 과정이 줄어들 가능성이 있다. 교사가 AI가 만든 수업안을 수정하는 데 익숙해지면 '왜 이 수업을 해야 하는가'라는 교육적 질문보다 'AI가 무엇을 만들어줬는가'에 의존할 수 있다. 생성형 AI는 사실과 다른 정보를 생성하거나 특정 관점에 편향된 결과를 내놓을 수 있는데, 교육 현장에서는 오류가 단순한 업무상 실수로 끝나지 않고 학생의 학습과 판단에 영향을 줄 수 있다는 점에서 위험 수준이 다르다. 개인정보 문제도 있다. 학생의 성적, 생활기록, 상담내용, 학습행동 데이터 등을 AI 시스템에 입력하는 순간 데이터의 저장과 처리, 제3자 제공 여부, 보관기간, 삭제권한 등이 문제가 된다. 따라서 AI 교원양성 과정에서 'AI 윤리'를 별도의 이론 과목 하나로 끝내는 방식은 충분하지 않다. 수업을 설계할 때 개인정보를 어떻게 처리할 것인지, 평가문항을 만들 때 편향을 어떻게 확인할 것인지, AI가 작성한 학생 피드백을 어느 범위까지 사용할 것인지 등 실제 교육과정 안에서 윤리적 판단을 반복적으로 경험하도록 해야 한다.

이번 사례는 AI 교육산업의 사업모델에도 변화를 가져올 수 있다. 지금까지 기업 대상 AI 교육은 임직원에게 생성형 AI 사용법이나 업무 자동화 방법을 교육하는 형태가 많았다. 하지만 기업의 AI 전환이 본격화하면서 교육의 성과를 객관적으로 측정해야 한다는 요구가 커지고 있다. 교육 전후 역량을 측정하고, 부족한 영역을 다시 교육한 뒤 재평가하는 구조가 필요한 이유다. 코드프레소가 'AI Fluent'와 같은 생성형 AI 활용 역량 평가 서비스를 운영하고, 해외 대학에서도 AI 역량 평가 챌린지를 진행한 경험을 보유하고 있다는 점은 이런 변화와 연결된다. 교원양성에서도 같은 구조를 적용하면 대학은 예비교사의 AI 역량을 교육 전후로 측정할 수 있다. 다만 평가의 질이 중요하다. AI 역량을 단순히 프롬프트 작성 능력이나 생성형 AI 사용 빈도로 측정한다면 교육의 본질과 멀어질 수 있다. 교사의 AI 역량은 최소한 AI 기본 이해, 교과 적용, 수업 설계, 평가 설계, 결과 검증, 윤리적 판단, 학생과의 상호작용 등 여러 요소를 함께 평가해야 한다. 앞으로 AI 교육기업의 경쟁력은 콘텐츠의 양보다 '역량을 얼마나 정확하게 정의하고 측정할 수 있는가'에 의해 좌우될 가능성이 크다.

산업체가 교원양성 과정에 참여한다고 해서 자동으로 교육의 질이 높아지는 것은 아니다. 기업은 최신 기술과 산업 현장 경험을 제공할 수 있지만, 교육과정의 목적과 학습자의 발달단계, 교수법, 평가의 타당성 등을 판단하는 전문성은 대학과 교육학계에 있다. 따라서 이번 협력의 핵심은 어느 한쪽이 다른 쪽을 대체하는 구조가 아니라 역할을 분리하는 데 있다. 대학은 교육목표와 교수법, 평가체계, 교원양성의 학문적 기준을 담당하고 기업은 빠르게 변화하는 기술과 산업현장의 문제, AI 활용사례를 제공하는 방식이다. 특히 자동차 소프트웨어 기업과 교육 플랫폼 기업이 함께 참여한다는 점은 교원양성 과정에서 산업 현장의 AI 활용사례와 교육 플랫폼의 경험을 연결할 수 있는 구조를 만든다. 이 모델이 성공하려면 공동 개발한 교육과정이 실제 예비교사의 수업설계 능력 향상으로 이어졌는지를 장기간 추적해야 한다.

AI 시대에 교사의 전문성이 약화될 것이라는 전망도 있지만 반대로 교사의 역할이 더욱 중요해질 가능성도 있다. AI가 지식을 생성하고 문제를 만들고 학생 데이터를 분석할수록 누군가는 그 결과가 교육적으로 적절한지 판단해야 한다. 결국 교사의 경쟁력은 AI보다 많은 지식을 기억하는 능력에서 벗어나 'AI가 만든 지식을 검증하고 학생에게 적절한 학습 경험으로 전환하는 능력'으로 이동할 가능성이 높다. 이는 교사의 역할이 줄어드는 것이 아니라 역할의 중심이 이동한다는 의미다. 교육부가 2026년부터 AI 교육 담당교원 연수를 기초·심화·전문 과정으로 운영하고 교과 연계 수업 역량을 강조하는 것도 같은 맥락이다. 이화여대 사범대학의 실험은 이런 정책적 방향을 교원양성 단계에서 먼저 적용하는 사례로 볼 수 있다.

이번 협력의 성패는 협약 체결 자체가 아니라 3년 동안 축적될 결과에 달려 있다. 첫 번째 평가 기준은 예비교사의 AI 역량이 실제로 얼마나 개선됐는지다. 두 번째는 AI 활용이 교과별 교육성과로 연결되는지 여부다. 세 번째는 AI 에이전트가 예비교사의 교육적 판단력을 강화하는지, 아니면 AI 의존도를 높이는지다. 네 번째는 개인정보·저작권·편향 등 위험을 교육과정에서 실질적으로 관리할 수 있는지다. 마지막으로 다른 대학과 학교 현장이 이 모델을 얼마나 쉽게 적용할 수 있는지도 중요하다. 이화여대가 2027년부터 교육과정 결과물을 공유하고 2028년 5개 전공으로 확대하겠다는 계획을 세운 것도 결국 개별 프로젝트를 교원양성의 구조적 변화로 연결하기 위한 단계로 해석할 수 있다.

AI 교육의 산업적 가치는 결국 기술 자체가 아니라 '사람의 역량을 얼마나 지속적으로 바꿀 수 있느냐'에서 결정된다. 교원양성 역시 마찬가지다. AI 사용법을 익힌 교사를 양성하는 데 그친다면 기술 변화가 한 번만 바뀌어도 교육과정은 다시 낡는다. 반대로 AI를 평가하고 선택하고 검증하며 교과 수업에 재설계할 수 있는 교사를 양성한다면 새로운 AI 기술이 등장할 때마다 교육과정을 스스로 갱신할 수 있는 기반이 만들어진다. 에듀테크 업계가 주목해야 할 지점은 바로 여기다. 콘텐츠와 플랫폼을 파는 시대에서 역량을 정의하고 측정하고 검증하는 시대, 즉 '교사 역량의 산업화'가 AI 교육의 다음 승부처가 될 것이다.