유네스코 라틴아메리카·카리브해 고등교육국제연구소가 공개한 글로벌 고등교육 트렌드 자료는 디지털 전환과 인공지능이 고등교육의 교수·학습, 연구, 행정, 질 보증 체계를 동시에 흔들고 있음을 보여준다. 스포트라이트유 특집 기획안은 4회차 주제로 AI와 디지털 전환, 교원 역량 개발을 함께 다루도록 제안했다. 이 주제는 단순히 새로운 기술을 대학에 도입할 것인가의 문제가 아니라, 대학 교육의 방식과 교원의 역할, 학생 지원 체계, 교육 불평등의 구조를 다시 묻는 문제다.
AI는 대학의 미래가 아니라 이미 도착한 현실이다
대학은 오랫동안 새로운 기술을 받아들이는 공간이자, 동시에 그 기술의 의미를 비판적으로 검토하는 공간이었다. 인터넷, 온라인 강의, 학습관리시스템, 빅데이터, 클라우드, 화상회의 플랫폼은 대학 교육의 형태를 조금씩 바꿔왔다. 그러나 생성형 AI의 등장은 이전의 디지털 전환과는 다른 속도와 깊이를 갖고 있다. AI는 강의 자료를 만들고, 학생의 글을 첨삭하고, 코딩을 보조하고, 연구 아이디어를 정리하고, 행정 문서를 작성하며, 평가 문항과 피드백까지 생성한다. 이제 대학은 AI를 사용할 것인지 말 것인지를 결정하는 단계에 머물 수 없다. 이미 학생과 교수, 직원은 각자의 방식으로 AI를 사용하고 있으며, 대학은 그 현실을 제도와 교육 안으로 어떻게 가져올 것인지를 결정해야 한다.
기획안은 AI가 교수·학습·연구·행정 모두를 재편하고 있으며, 동시에 어떤 언어와 맥락이 우선시되는지에 따른 편향 문제가 심각하다고 정리했다. 이는 AI가 단순히 생산성을 높이는 도구가 아니라, 지식이 생성되고 유통되는 방식 자체에 개입한다는 뜻이다. AI가 영어권 지식과 대규모 데이터가 축적된 분야에 더 강하게 작동한다면, 비영어권 학문, 지역 지식, 소수 언어, 맥락 의존적 지식은 상대적으로 주변화될 수 있다. 대학이 AI를 도입할 때 가장 먼저 물어야 할 질문은 기술의 성능이 아니라, 그 기술이 어떤 지식을 더 잘 보이게 하고 어떤 지식을 덜 보이게 하는가이다.
디지털 전환은 기회이면서 새로운 불평등이다
디지털 전환은 고등교육의 접근성을 넓힐 수 있다. 온라인 강의는 시간과 공간의 제약을 줄이고, AI 기반 학습지원은 학생 개인의 수준과 속도에 맞춘 피드백을 가능하게 한다. 학습분석 시스템은 중도탈락 위험 학생을 조기에 발견할 수 있고, 디지털 자료는 장애학생이나 성인학습자에게 새로운 학습 경로를 열어줄 수 있다. 원격 실험, 가상현실, 시뮬레이션, 자동번역, 음성인식 기술은 고등교육의 형식을 더 유연하게 만들 수 있다.
그러나 디지털 전환은 모든 학생에게 같은 방식으로 기회가 되지 않는다. 기획안은 2019년에서 2024년 사이 전 세계 인터넷 사용자 비율이 53%에서 68%로 증가했지만, 아프리카는 38% 수준에 머물렀고, 저소득 국가는 27%만 인터넷에 접속한다고 정리했다. 코로나19 팬데믹 시기에도 유럽 고등교육기관은 85%가 온라인 전환에 성공한 반면, 아프리카는 29%에 그쳤다는 비교가 제시됐다. 디지털 전환은 교육의 문을 넓히는 동시에, 접속할 수 없는 사람을 더 멀리 밀어내는 구조를 만들 수 있다.
한국 대학은 이 문제를 단순히 해외의 디지털 격차로만 볼 수 없다. 한국은 인터넷 인프라가 높은 수준에 있지만, 대학 안의 디지털 격차는 다른 형태로 존재한다. 학생마다 노트북, 소프트웨어, 조용한 학습공간, AI 활용 경험, 데이터 문해력, 영어 자료 접근 능력은 다르다. 교수자 사이에서도 디지털 도구를 수업 설계에 자연스럽게 통합할 수 있는 사람과 그렇지 못한 사람의 차이가 크다. 대학 간 격차도 있다. 대형 대학은 자체 플랫폼과 AI 교육 인프라를 빠르게 구축할 수 있지만, 재정이 취약한 대학은 외부 서비스에 의존하거나 최소한의 대응에 머물 가능성이 크다.
따라서 디지털 전환은 인프라 보급만으로 완성되지 않는다. 학생과 교원이 기술을 의미 있게 사용할 수 있도록 돕는 교육 설계, 지원 인력, 데이터 거버넌스, 윤리 기준, 접근성 보장, 지속적인 역량 개발이 함께 필요하다. 기술은 도입하는 순간 자동으로 교육 혁신이 되지 않는다. 기술이 교육의 목적과 연결될 때만 혁신이 된다.
AI는 교수를 대체하는가, 아니면 교수의 역할을 바꾸는가
AI 논의에서 가장 자주 등장하는 질문은 교수가 대체될 것인가이다. 그러나 대학이 던져야 할 질문은 조금 다르다. AI가 강의자료 작성, 문제 출제, 요약, 번역, 피드백, 행정 문서 작성의 일부를 수행할 수 있다면, 교수는 무엇에 더 많은 시간을 써야 하는가. AI가 학생에게 즉각적인 답변을 제공할 수 있다면, 대학 강의는 어떤 경험을 제공해야 하는가. AI가 지식을 설명할 수 있다면, 교수는 학생에게 어떤 질문을 던져야 하는가.
AI는 교수자의 일부 업무를 보조할 수 있다. 반복적인 피드백, 기초 개념 설명, 자료 검색, 학습 수준별 연습문제 생성, 수업자료 초안 작성, 행정 문서 정리 등에서 AI는 분명한 효율성을 제공한다. 그러나 대학 교육은 정보 전달만으로 이루어지지 않는다. 학생이 어떤 질문을 던지는지, 어떤 오해를 하고 있는지, 어떤 맥락에서 배움을 포기하는지, 어떤 경험을 통해 전공과 삶을 연결하는지는 AI가 쉽게 대체하기 어려운 영역이다. 교수의 역할은 지식을 전달하는 사람에서 학습을 설계하고, 질문을 조직하고, 판단을 훈련시키며, 학생이 자신의 배움을 성찰하도록 돕는 사람으로 더 분명히 이동할 가능성이 크다.
이 변화는 교수에게 기회이면서 부담이다. 기획안은 고등교육 교원이 고용 불안, 불투명한 경력 전망, 과중 업무, AI·디지털 역량 요구를 동시에 겪고 있다고 정리했다. 세계 고등교육 교원 여성 비율은 평균 45% 수준이지만 지역별 격차가 있고, 여성 교원의 성별 임금 격차도 제시됐다. AI 시대의 교원 문제는 단지 교수법 연수의 문제가 아니다. 대학이 교원에게 더 많은 디지털 역량과 새로운 교육 방식을 요구하면서도, 그에 필요한 시간과 지원, 안정적 지위, 공정한 보상을 제공하지 않는다면 전환은 교원의 추가 부담으로 귀결될 수 있다.
AI 시대의 수업은 ‘과제 감시’보다 ‘평가 재설계’가 중요하다
생성형 AI 확산 이후 대학 강의실에서 가장 먼저 불거진 문제는 과제와 평가였다. 학생이 AI로 에세이를 작성하고, 코드를 생성하고, 번역과 요약을 맡기면 기존 과제의 의미가 흔들린다. 이에 따라 AI 탐지 도구, 표절 기준, 사용 금지 규정, 과제 제출 방식 변경이 논의되고 있다. 그러나 AI 시대의 평가 문제를 단순히 부정행위 감시로만 접근하면 대학은 더 큰 질문을 놓치게 된다.
AI가 수행할 수 있는 과제를 학생에게 그대로 요구한다면, 문제는 학생이 AI를 사용했다는 사실만이 아니다. 그 과제가 과연 학생의 사고력과 수행능력을 제대로 평가하고 있었는지도 함께 물어야 한다. 요약, 단순 설명, 일반적 논증, 형식적 보고서는 이제 AI가 빠르게 생성할 수 있다. 그렇다면 대학 평가는 학생이 자료를 어떻게 해석하는지, 자신의 경험과 현장 맥락을 어떻게 연결하는지, 근거의 신뢰성을 어떻게 판단하는지, AI가 생성한 답변을 어떻게 비판적으로 검토하고 수정하는지까지 포함해야 한다.
AI 사용을 무조건 금지하는 방식은 현실성이 낮다. 반대로 아무 기준 없이 허용하는 것도 교육적 책임을 방기하는 일이다. 필요한 것은 과목별·전공별·수준별 AI 활용 기준을 명확히 하고, 학생에게 AI 사용의 윤리와 한계를 가르치는 것이다. 어떤 과제에서는 AI 사용을 금지할 수 있고, 어떤 과제에서는 AI를 활용하되 사용 내역을 공개하게 할 수 있으며, 또 다른 과제에서는 AI 결과물을 비판적으로 검토하는 능력 자체를 평가할 수 있다. 대학은 AI를 부정행위의 원천으로만 볼 것이 아니라, 새로운 문해력과 판단력을 가르쳐야 할 대상으로 봐야 한다.
AI는 강의실만이 아니라 대학 행정에도 영향을 미친다. 입학 상담, 학사 안내, 민원 응대, 학생 이탈 예측, 장학금 추천, 시간표 설계, 연구지원, 문서 작성, 홍보 콘텐츠 제작 등 다양한 영역에서 AI 활용 가능성이 커지고 있다. 대학 행정의 일부가 자동화되면 학생 서비스의 속도와 접근성은 높아질 수 있다. 야간이나 주말에도 기본적인 안내가 가능하고, 반복 업무가 줄어들면 직원은 더 복합적인 학생 지원에 집중할 수 있다.
그러나 행정 AI는 데이터와 책임의 문제를 동반한다. 학생의 성적, 출결, 상담 기록, 장학 정보, 가정 형편, 학습 활동 데이터가 결합될수록 개인정보 보호와 데이터 거버넌스가 중요해진다. AI가 중도탈락 위험 학생을 예측할 때, 그 판단 기준이 불투명하거나 특정 집단에 불리하게 작동한다면 지원이 아니라 낙인이 될 수 있다. 챗봇이 잘못된 학사 정보를 제공했을 때 책임은 누구에게 있는지도 명확해야 한다. 대학 행정의 AI 도입은 효율성만으로 정당화될 수 없다. 학생 권리, 설명 가능성, 이의제기 절차, 데이터 최소화, 인간의 최종 판단 원칙이 함께 설계되어야 한다.
한국 대학은 이미 다양한 형태의 디지털 행정을 경험하고 있다. 그러나 AI 도입이 개별 부서의 편의나 홍보용 혁신에 머물면 위험하다. 대학 차원의 원칙과 거버넌스가 필요하다. 어떤 데이터를 수집할 것인지, 누가 접근할 수 있는지, AI 판단을 어떤 업무에 사용할 수 있는지, 학생에게 어떻게 고지할 것인지, 오류가 발생했을 때 어떻게 수정할 것인지에 대한 기준이 있어야 한다. AI는 행정을 빠르게 만들 수 있지만, 행정의 책임을 대신 질 수는 없다.
한국 대학 AI 교육의 과제는 도입 경쟁이 아니라 역량의 보편화다
최근 한국 대학들은 AI 교양, AI 융합전공, 디지털 리터러시 교육, AI 기반 학습지원 시스템, 에듀테크 플랫폼 도입을 확대하고 있다. 일부 대학은 전교생 AI 교육을 내세우고, 일부 대학은 산업 수요에 맞춘 AI·반도체·데이터 분야 인재양성에 집중하고 있다. 이러한 시도는 필요하다. AI는 특정 전공 학생만의 도구가 아니라 모든 학생이 사회에서 만나게 될 기본 환경이 되고 있기 때문이다.
하지만 AI 교육이 몇 개의 교과목 개설이나 플랫폼 도입으로 끝나서는 안 된다. 인문사회계열 학생에게 필요한 AI 교육과 공학계열 학생에게 필요한 AI 교육은 다르다. 예체능계열 학생에게 AI는 창작과 저작권, 표현 윤리의 문제로 다가오고, 보건·복지계열 학생에게는 인간 판단과 책임의 문제로 다가온다. 교직과 상담, 법학, 경영, 언론, 디자인, 행정 등 각 분야는 AI를 서로 다른 방식으로 다룬다. 따라서 대학의 AI 교육은 전공 맥락 속에서 재설계되어야 한다.
더 중요한 것은 AI 활용 역량을 일부 우수 학생이나 특정 전공의 특권으로 만들지 않는 것이다. 디지털 전환이 고등교육 불평등을 심화시키지 않으려면, 모든 학생이 최소한의 AI 문해력과 데이터 판단력을 갖출 수 있어야 한다. AI가 생성한 정보의 오류를 확인하고, 출처를 검토하고, 개인정보를 보호하고, 저작권과 윤리 문제를 이해하며, 자신의 사고를 AI에 종속시키지 않는 능력이 필요하다. 대학의 AI 교육은 도구 사용법 교육을 넘어 비판적 판단력의 교육이어야 한다.
AI 시대의 대학 혁신에서 가장 중요한 조건 중 하나는 교원 역량 개발이다. 새로운 도구를 도입해도 교수자가 수업 목표와 평가 방식, 학생 피드백 구조에 맞게 활용하지 못하면 교육 혁신은 일어나지 않는다. 교수자가 AI를 이해하지 못하면 학생의 AI 사용을 적절히 지도하기 어렵고, 반대로 AI의 가능성만 과신하면 학습의 깊이를 놓칠 수 있다.
교원 연수는 단발성 워크숍으로 끝나서는 안 된다. 교수자는 자신의 전공과 수업 방식에 맞게 AI를 실험하고, 실패하고, 동료와 사례를 공유할 시간이 필요하다. 대학은 교수학습센터, 디지털 교육지원 조직, 전공별 커뮤니티, 수업 컨설팅, 조교와 전문인력 지원을 함께 마련해야 한다. AI 전환은 교수 개인의 열정에 맡길 수 있는 일이 아니다. 제도적 지원이 있어야 한다.
특히 비정년트랙 교원, 시간강사, 겸임교원, 신임교원은 AI 전환에서 소외되기 쉽다. 이들은 수업의 상당 부분을 담당하지만, 대학의 장기적 역량 개발 체계에서는 주변에 놓이는 경우가 많다. AI 교육 혁신이 실제 강의실에서 작동하려면 정규 교원만이 아니라 다양한 고용 형태의 교원에게도 교육 기회와 지원이 제공되어야 한다. 교원 처우와 AI 역량은 별개의 문제가 아니다. 불안정한 노동 조건 위에 혁신을 요구하면 전환은 지속 가능하지 않다.
AI가 바꾸는 것은 강의 기술이 아니라 대학의 교육 철학이다
AI와 디지털 전환은 대학에 편리한 도구를 제공하지만, 동시에 대학의 교육 철학을 시험한다. 대학이 AI를 단순히 비용 절감과 효율화의 수단으로만 사용한다면, 강의는 더 표준화되고 교수자는 더 많은 업무를 떠안으며 학생은 더 많은 자동화된 피드백 속에서 고립될 수 있다. 반대로 AI를 학생의 사고를 확장하고, 교수자의 반복 업무를 줄이며, 개별 학생의 어려움을 조기에 발견하고, 전공 교육을 실제 문제 해결과 연결하는 방식으로 설계한다면 대학 교육의 질은 높아질 수 있다.
핵심은 기술이 아니라 설계다. AI가 어떤 수업 목표를 위해 사용되는지, 학생에게 어떤 역할을 부여하는지, 교수자의 판단은 어디에 남겨둘 것인지, 평가의 공정성은 어떻게 확보할 것인지, 취약한 학생이 배제되지 않도록 어떤 지원을 할 것인지가 중요하다. 대학은 AI를 도입하는 기관이 아니라 AI 시대의 배움을 설계하는 기관이어야 한다.
한국 대학은 지금 중요한 갈림길에 있다. AI를 빨리 도입한 대학과 그렇지 못한 대학의 격차가 생길 수 있다. 그러나 더 근본적인 격차는 기술 도입 속도가 아니라 교육 설계 역량에서 나타날 것이다. AI 플랫폼을 갖춘 대학이 반드시 좋은 교육을 하는 것은 아니다. 학생에게 질문하는 법, 판단하는 법, 협력하는 법, 책임 있게 기술을 사용하는 법을 가르치는 대학이 AI 시대의 좋은 대학이 될 가능성이 크다.
AI가 대학을 바꾸고 있지만, 대학의 미래가 인간 없는 자동화로 향해야 하는 것은 아니다. 오히려 AI가 더 많은 정보를 더 빠르게 제공할수록 인간 교수자의 역할은 더 중요해질 수 있다. 학생은 답을 얻는 것보다 좋은 질문을 배우는 데 어려움을 겪고, 정보를 찾는 것보다 그 정보의 의미와 한계를 판단하는 데 더 많은 도움이 필요하다. AI가 피드백을 제공할 수 있어도, 학생이 좌절하고 방향을 잃고 배움의 의미를 찾지 못할 때 필요한 것은 인간적 관계와 교육적 해석이다.
강의실의 디지털 대전환은 교수의 종말을 뜻하지 않는다. 그것은 교수의 역할이 다시 정의되는 과정이다. 교수는 지식 전달자에서 학습 설계자, 피드백 해석자, 윤리적 판단의 안내자, 전공 공동체로 학생을 초대하는 사람으로 이동해야 한다. 대학 행정은 자동화된 서비스 제공자를 넘어 학생의 데이터를 책임 있게 다루는 공적 기관으로 성숙해야 한다. 학생은 AI를 편리한 답안 생성기가 아니라 자신의 사고를 확장하는 도구로 사용할 수 있어야 한다.
AI 시대의 대학은 기술을 두려워해서도 안 되고, 기술에 자신을 맡겨서도 안 된다. 필요한 것은 비판적 수용이다. 대학은 AI를 활용하되, AI가 대학의 목적을 대신 정하게 해서는 안 된다. 교육의 중심에는 여전히 사람이 있어야 한다. 학생이 배우고, 교수자가 가르치며, 공동체가 지식을 나누고, 사회가 더 나은 질문을 만들어가는 과정이 대학의 본질이기 때문이다.
한국 대학의 AI 전환은 이제 시작 단계다. 중요한 것은 누가 더 많은 시스템을 도입했는가가 아니라, 누가 더 깊이 교육을 재설계했는가이다. AI가 강의실을 바꾸는 시대에 대학이 붙들어야 할 질문은 분명하다. 기술은 무엇을 할 수 있는가가 아니라, 대학은 그 기술로 어떤 배움을 가능하게 할 것인가다.
#유네스코 #고등교육 #AI교육 #디지털전환 #교원역량 #한국대학
답글 남기기