AI가 학교 교육에 미치는 영향

Karpathy가 바라 보는 AI 시대 학교 교육의 핵심 변화

• AI가 과제에 사용되는지를 탐지하는 방식은 원리적으로 불가능, 모든 외부 과제는 AI 사용을 전제로 한 환경임
  • 모든 “AI 탐지기”는 우회 가능하고 신뢰할 수 있는 검출 수단이 존재하지 않음
  • 결과적으로 가정에서 수행한 과제는 전부 AI가 개입했다고 가정하는 것이 기본 상태로 전환됨
• 평가의 중심이 가정 과제 → 교실 내 평가로 이동하며, 교사가 직접 감독 가능한 환경에서 학생이 능력을 드러내는 구조가 필요함
  • 학생이 AI 없이 문제 해결 능력을 유지하는 이유가 교실 내 실제 평가 상황에서 발생함
  • 필기시험·프로젝트·프레젠테이션 등 AI 접근이 통제되는 상황의 비중이 크게 확대됨
• AI 사용 능력은 필수지만, 동시에 학생이 AI 없이도 문제 해결이 가능한 기본기를 갖춰야 하는 이중 목표가 형성됨
  • 계산기 도입 시기와 유사하게, 기본 연산을 직접 수행할 수 있어야 도구의 오류나 입력 실수를 감지할 수 있음
  • AI는 계산기보다 오류 가능성이 훨씬 높아 검증·판단·해석 능력의 중요성이 크게 강화됨
• 시험·평가 방식은 교사 재량에 따라 도구 비허용/제한적 허용/오픈북/AI 기반 자료 제공/직접 AI 사용 평가 등 다양한 설계로 확장됨
  • 문제 해결뿐 아니라 AI가 만든 답안을 평가·수정·검증하는 형태의 과제도 포함됨
  • 교육 현장의 창의적 평가 설계가 중요한 요소로 부상함
• 최종적으로 학생이 AI를 능숙하게 활용하면서도, AI 없을 때도 학습·사고·문제 해결이 가능한 인간을 만드는 것이 목표로 제시됨
  • 이를 달성하기 위한 현실적 방법은 수업과 평가의 무게중심을 교실 안으로 이동시키는 것으로 요약됨
• 첨부한 트윗은 AI가 시험지 자체를 풀어버리는 새로운 상황
  • Gemini Nano Banana Pro가 시험 문제 이미지 자체를 분석해 즉시 정답을 도출하는 기능 시연
    • 손글씨 표기, 도형, 화학식 등 다양한 형태의 문제 요소를 인식해 직접 풀이 생성
    • 생성된 해답은 ChatGPT 기준 대부분 정답이며, 오답은 화합물 표기 하나와 철자 오류 하나뿐임
  • 이로 인해 기존 시험 설계의 AI 통제 가능성 자체가 무너지는 상황이 이미 현실화됨
    • 시험지·문제·도표·필기까지 모두 읽어 풀이하는 능력이 등장하면서,
      “AI를 쓰지 않는다”는 가정 아래 설계된 평가 구조는 더 이상 유지될 수 없다는 점이 드러남
• 학교 교육이 직면한 변곡점은 AI 금지 여부가 아니라 어떤 방식으로 AI를 통합하고, 어떤 상황에서 독립적 사고를 평가할지로 이동함

[GN⁺]

Hacker News 의견

• 내 학생 중 한 명이 흥미로운 AI 검출 도구 문제를 가져왔음
  그의 여동생이 직접 쓴 에세이가 AI가 쓴 것으로 100% 확신 판정을 받아 0점을 받을 뻔했음
  나는 교사에게 직접 만나서 30~60분 동안 구두로 에세이 내용을 토론해보자고 제안했음
  이런 상황은 앞으로 정직한 학생들에게 점점 더 흔해질 문제임

  • 내 아들도 비슷한 일을 겪었음
    선생님이 반 친구들에게 “이 학생만 진짜로 썼다”고 칭찬했는데, 사실은 AI에게 여러 번 단순화 요청을 해서 제출한 버전이었음
    교사들이 이미 게임에서 진 것 같다는 생각이 듦
  • 교육이 다시 학습 중심으로 돌아갔으면 함
    지금은 학위가 점점 의미를 잃고 있고, 단순히 자격증화된 시스템이 되어버렸음
    과거처럼 실력으로 입증하는 방식이 낫다고 생각함
    예를 들어 하버드 1869년 입학시험처럼 시험을 통과하면 바로 입학하는 식이었음
    빅테크의 코딩 인터뷰 시스템은 이런 점에서 훨씬 낫다고 봄
  • 교사들이 증거 없이 학생을 유죄 추정하는 게 놀라움
    학생과 교사 모두 법의 기본 원리를 배우는 수업이 필요하다고 생각함
    학생회 같은 조직이 이런 상황에서 개입할 수 있어야 함
    AI는 단지 이런 문제를 더 자주 드러내는 계기가 될 뿐임
  • 이런 도구들이 또 다른 임의의 게이트키핑을 만들어냄
    나도 면접에서 비슷한 경험을 함 — 알고리즘을 외워서 말하면 “다른 화면 보고 있다”고 의심받음
    교육은 사회의 평등 장치여야 하는데, 지금은 오히려 억압 도구로 변하고 있음
  • 예전에 교수님이 부정행위를 발견했을 때, 모든 학생에게 해당 문제를 0점 처리하고
    항의하러 온 학생에게는 직접 문제를 풀어보게 하는 방식으로 해결했음
    매우 우아한 대응이었다고 생각함

• 요즘은 학생의 AI 부정행위만 문제 삼고, 교사의 AI 사용은 간과됨
  실제로 ChatGPT로 채점한 흔적이 보이는 과제들이 있음
  학생이 LLM으로 에세이를 쓰고, 교사는 LLM으로 채점하는 기묘한 피드백 루프가 생김
  하지만 교사 개인의 문제라기보다 시스템적 재설계가 필요함
  교사에게 충분한 시간과 보상이 없다면, 결국 그들도 같은 도구를 쓸 수밖에 없음
  인터넷과 스마트폰 때처럼 AI도 위협으로만 보는 태도는 문제임
  결국 LLM을 학습 도구로 활용할 줄 아는 사람이 유리해질 것임

  • 교육의 근본 목표를 다시 봐야 할 시점임
    지금의 강의 중심 구조는 비효율적이며, 소규모 그룹 프로젝트 중심으로 바꾸는 게 낫다고 생각함
    교사가 학생 한 명 한 명을 직접 파악할 수 있는 구조가 필요함
  • 나도 교사로서 동의함
    이미 많은 대학에서 AI 채점이 비공식적으로 이루어지고 있음
    잘만 쓰면 효율적이고 공정한 평가가 가능하지만, 지금은 투명성 부족이 문제임
    AI가 빠른 피드백을 제공해 학습 효과를 높일 수 있다면, 그건 큰 이점임
    인간 채점은 종종 느리고 무의미한 피드백을 주기 때문임
  • “LLM이 학생의 에세이를 쓰고, 또 다른 LLM이 채점한다”는 말이
    최근 South Park 에피소드의 줄거리 그대로였음
  • 예전엔 교사들이 숙제를 거의 읽지 않고 훑어봤음
    그렇다면 AI가 채점하는 게 오히려 나을 수도 있지 않을까 하는 생각이 듦

• AI는 학위나 교육을 없애는 게 아니라, 값싼 방식을 없애는 중임
  대형 강의, 스캔트론 시험, 저임금 강사 시스템이 이제는 부조리하게 느껴짐
  결국 옥스브리지식 소규모 수업이 미래의 모델이 될 것임 — 하지만 매우 비쌈

  • 그렇게 되면 교육이 부자만의 특권이 되는 셈임
    기술 혁명이 평등을 약속했지만, 현실은 정반대임
  • 다만 2025년 인구 절벽 덕분에
    대학들이 어쩔 수 없이 소규모 수업으로 전환할 가능성도 있음
    그러면 학생 개개인에게 더 많은 시간을 쓸 수 있을 것임
  • 만약 AI로 인해 노동 가치가 0에 수렴한다면, 오히려 옥스브리지 모델이 가장 효율적일 수도 있음
  • 과거 케임브리지에서 러셀 밑에서 공부하던 시절엔 5명 정도의 수업이었음
    지금은 대학이 너무 대중화되어, 많은 학생이 그곳에 있을 이유가 없음
    AI가 이런 사회적 구조 변화를 촉발할 수도 있겠지만, 가능성은 낮다고 봄

• 학부 시절 Doug Lea 교수님이 과제 제출을 직접 시연 방식으로 진행했음
  코드를 실행하고, 교수님이 직접 엣지 케이스 입력을 시도하며 질문함
  학생이 자신의 코드를 이해하고 설명할 수 있어야 했음
  이런 대면 평가는 부정행위를 막고 진짜 실력을 드러내는 좋은 방법이었음
  Karpathy가 말한 것처럼, 구두 시험과 실시간 방어는 교육의 본질로 돌아가는 길임

  • 하지만 현실적으로 교수 인력과 시간이 부족해 이런 방식은 어렵다는 점이 문제임
  • 나도 1:1 세션으로 학생을 평가해봤는데, 직접 작성하지 않은 코드는 금방 티가 남음
    설계 이유나 테스트 과정, 개선 아이디어를 설명하지 못함
  • 유럽의 일부 대학에서는 이런 실습 기반 평가가 표준이었음
    반면 요즘 학생 중엔 기본 개념조차 모른 채 AI 결과를 그대로 제출하는 경우가 많음
    AI의 허위 자신감이 오히려 학습을 방해함
  • AI로 인한 생산성 향상을 교육 개선에 투자해, 스캔트론식 평가를 없애길 바람

• 대학 시절 교수님이 “100% 표절 논문”을 쓰라는 과제를 냈었음
  각 문장을 출처별 색으로 표시하고, 한 문장 이상 연속으로 같은 출처를 쓰면 안 됐음
  오히려 일반 논문보다 훨씬 어려웠지만 인용과 창의성을 배우는 훌륭한 경험이었음
  AI도 이런 식으로 연구 도구로 활용하는 법을 가르칠 수 있을 것 같음

  • 최신 버전 대신 구형 LLM을 써서 일부러 틀린 정보를 넣는 실습도 재미있을 듯함
  • Olmo3 웹 데모처럼 문장별로 훈련 데이터 출처 추적 기능이 있다면
    출처 검증이 훨씬 쉬워질 것임

• 기존 학교 시스템은 암기 중심이라 완전히 재설계가 필요함
  아이들이 지식과 기술을 통합하는 프로젝트를 더 많이 해야 함
  핵심 개념만 암기하고, 나머지는 도구를 활용해 문제를 해결하도록 해야 함
  학교는 호기심을 억누르는 구조가 아니라, 탐구 본능을 키우는 공간이 되어야 함
  교사들도 관료적 제약에 묶여 있어 비난하기 어렵다고 생각함

  • 물론 모든 학습이 재미있을 수는 없음
    기초 훈련과 반복 연습이 필요한 영역도 있음
    프로젝트 기반 학습만으로는 한계가 있음
  • 나도 교사로 일해보니, 결국 지루한 수업의 누적 학습이 고급 프로젝트를 가능하게 함을 깨달았음
  • 학교가 개인 학습보다 비효율적인 이유는, 여전히 암기 중심 구조에 머물러 있기 때문임
  • 이런 변화를 이루려면 교육 예산을 10배 이상 늘려야 함
    하지만 사회는 여전히 그 논의를 회피하고 있음
  • 현실적으로는 시험과 지필 평가가 가장 저렴하고 대규모로 가능하기 때문임

• AI가 교육에 도입된 지 3년이 지났지만, 실제로는 숙제 대체와 행정 업무에만 쓰이고 있음
  결과적으로 학위 가치 하락이 문제임
  모든 학생이 AI 도움으로 비슷한 결과물을 낸다면, 진짜 실력을 어떻게 구분할까?
  결국 질문은 “AI를 어떻게 쓸까?”가 아니라 “교육의 목적이 무엇인가?”로 돌아감

  • 지금은 “프로그래밍을 할 수 있나?”보다 “AI에게 시킬 수 있나?”가 중요한 시대임
    즉, AI 오퍼레이터가 되는 시험임

• 교육의 질은 결국 교수자의 노력량에 비례함
  하지만 현재 구조는 생산성 중심이라 좋은 교육과 정반대임
  선택형 시험은 빠르지만, 서술형과 구두 평가가 훨씬 정확함
  오토그레이딩은 편하지만, LLM이 너무 잘 풀어버림
  반면 창의적 과제는 학생의 개성이 드러나지만, 채점이 매우 힘듦
  발표식 평가도 좋지만 시간 제약이 큼
  그래도 LLM을 활용하면 프로젝트 반복 속도를 높일 수 있어, 그건 장점임

  • 어떤 교사는 오픈형 문제만 내지만, 학생들이 Cluely 같은 툴로 답을 얻음
    붙여넣기 흔적이 있으면 0점 처리한다고 함
    결국 생산성 중심 구조가 문제라, 학교 차원의 변화가 필요함
    Cluely 링크
  • AI가 서술형 답안 채점을 대신할 수 있지 않냐는 질문도 있음

• 나는 시험 스트레스에 약한 학생이었음
  시간 제한이 없는 과제는 항상 A였지만, 즉흥 구두 시험은 불안했음
  내 아들이 나처럼 된다면 어떻게 도와야 할지 고민임
  가끔은 AI 없는 환경, 마치 ‘패러데이 케이지 대학’이 있었으면 좋겠다는 생각도 함

  • 비슷한 아이를 둔 부모로서, 저위험 환경에서 점진적 훈련이 중요하다고 생각함
    완벽주의보다는 실패 허용력을 키워야 함

• 교사의 80~90%는 AI를 다룰 준비가 되어 있지 않음
  급변하는 기술을 따라가기도 어렵고, 학생은 처벌받는 구조임
  공교육의 질이 떨어진 상황에서, AI 활용 금지는 현실적이지 않음
  결국 AI를 남용한 학생은 스스로 대가를 치르게 될 것임

  • 예전엔 숙제는 자유롭게, 시험은 감독하에 치르는 이중 구조가 있었음
    지금도 그 방식을 쓰면 LLM 시대에도 잘 작동할 것임
  • 결국 디지털 아리스토텔레스 시대가 오고 있음
    교사는 점점 감독자 역할로 바뀌겠지만, 그 전환 과정은 매우 혼란스러울 것임