생성형 AI 확산으로 고등교육의 기준이 바뀌고 있다
지식 전달에서 학습 과정·윤리·판단력·평가 설계로 이동하는 대학의 과제

인공지능(AI)은 더 이상 대학 교육 바깥에 있는 기술이 아니다. 학생이 과제를 쓸 때만 몰래 사용하는 도구도 아니고, 교수자가 수업 준비를 위해 실험적으로 활용하는 보조 수단에 머무르지도 않는다. 스마트폰, 문서 작성 도구, 검색 서비스, 학습관리시스템, 행정 자동화 도구 속에 이미 들어와 있다. 대학이 AI 사용 여부를 묻는 단계는 빠르게 지나가고 있다. 이제 남은 질문은 다르다. 대학은 AI를 금지할 것인가가 아니라, AI가 일상화된 환경에서 무엇을 교육하고 어떻게 평가할 것인가를 정해야 한다.

최근 글로벌 고등교육계에서 반복적으로 제기되는 문제의식은 명확하다. 생성형 AI는 그럴듯한 답을 빠르게 만들 수 있다. 완성도 높은 문장, 정돈된 요약, 논리적으로 보이는 보고서, 근거가 있어 보이는 참고문헌까지 순식간에 만들어낸다. 과거 대학 교육이 정답에 가까운 결과물과 완성도 높은 제출물을 중심으로 학생의 성취를 판단했다면, AI 시대의 대학은 더 이상 같은 방식으로 학습을 보증하기 어렵다. 결과물만으로는 학생이 실제로 이해했는지, 스스로 판단했는지, 주어진 정보를 검증했는지 확인하기 어렵기 때문이다.

이 변화는 단순한 교수법의 문제가 아니다. 대학 교육의 정체성과 학위의 신뢰도, 학생 평가의 공정성, 연구 윤리, 개인정보 보호, 노동시장 변화까지 연결된 구조적 전환이다. AI가 대학에 던진 질문은 “학생이 AI를 썼는가”에 그치지 않는다. 더 본질적인 질문은 “AI가 만든 답을 검증할 수 있는 사람을 대학이 길러내고 있는가”다.

남아공 AI 정책 철회 사태가 보여준 것

AI 시대 고등교육의 위험을 상징적으로 보여준 사건은 남아프리카공화국에서 발생했다. 남아공 통신디지털기술부는 2026년 4월 국가 인공지능 정책 초안을 공표했지만, 이후 참고문헌 목록에 실존하지 않는 출처가 포함된 사실이 드러나자 이를 철회했다. 남아공 정부는 공식 발표를 통해 정책 문서의 참고문헌에 허위 출처가 포함된 것은 단순한 기술적 문제가 아니라 정책 초안의 완전성과 신뢰성을 훼손한 사안이라고 밝혔다.

이 사건이 주는 메시지는 무겁다. AI 활용의 위험은 학생에게만 있는 것이 아니다. 고위 공직자, 연구자, 교수자, 정책 담당자도 예외가 아니다. AI가 만들어낸 문서는 충분히 권위 있어 보일 수 있고, 여러 단계의 검토를 통과할 수도 있다. 그러나 출처 검증과 인간의 판단이 빠지는 순간, 그럴듯한 문서는 정책 실패로 이어질 수 있다.

이 사례는 대학이 AI 윤리를 학생 부정행위의 문제로만 다뤄서는 안 된다는 점을 보여준다. AI 리터러시는 “학생이 과제를 대신 쓰지 않도록 감시하는 기술”이 아니다. 그것은 교수자와 행정직원, 연구자, 대학 경영진 모두에게 필요한 기본 역량이다. AI가 제시한 정보가 실제로 존재하는지, 그 출처가 신뢰할 수 있는지, 특정 지역과 문화의 데이터만 반영한 것은 아닌지, 개인정보나 민감정보가 부적절하게 사용된 것은 아닌지 확인하는 능력이 대학 전체의 운영 역량이 되고 있다.

대학은 더 이상 ‘지식 전달자’만으로 남을 수 없다

남아공 사립 고등교육기관 Eduvos의 미네 데 클레르크 커리큘럼·연구학장은 Moneyweb과의 대화에서 AI가 고등교육의 역할을 바꾸고 있다고 짚었다. 과거 대학은 지식을 전달하는 기관으로 인식됐지만, 이제는 실제 세계의 경험을 촉진하고 학생이 학습 과정에서 무엇을 이해했는지를 확인하는 방향으로 이동해야 한다는 것이다.

이 변화는 대학의 교수자 역할을 바꾼다. 교수자는 더 이상 지식을 일방적으로 전달하는 사람에 머무르기 어렵다. 학생이 AI를 이용해 자료를 찾고 초안을 만들고 아이디어를 확장하는 상황에서, 교수자는 학생이 그 결과를 어떻게 해석하고 검증하고 자기 언어로 재구성하는지를 살펴야 한다. 수업은 단순한 내용 전달보다 질문 설계, 맥락 이해, 근거 확인, 토론, 피드백, 수정 과정의 비중이 커질 수밖에 없다.

평가 방식도 바뀌어야 한다. AI는 ‘완성된 답안’을 만들 수 있지만, 학습의 과정 전체를 책임지지는 않는다. 학생이 어떤 질문을 던졌는지, 어떤 자료를 선택했는지, 어떤 근거를 배제했는지, AI가 제시한 오류를 어떻게 고쳤는지, 최종 판단을 어떻게 내렸는지는 여전히 인간의 영역이다. 대학이 평가해야 할 것은 바로 이 과정이다.

이 때문에 글로벌 고등교육계에서는 결과물 중심 평가에서 과정 중심 평가로의 전환이 강조되고 있다. 학생이 제출한 보고서가 완벽해 보이는가보다 중요한 것은, 그 보고서가 만들어지는 과정에서 학생이 실제로 사고했는가이다. AI가 만든 문장을 얼마나 자연스럽게 다듬었는지가 아니라, 학생이 AI의 한계를 이해하고 오류를 바로잡을 수 있는가가 핵심 역량이 되고 있다.

노동시장이 요구하는 역량도 바뀌고 있다

AI가 대학 교육을 흔드는 이유는 학내 평가 문제 때문만은 아니다. 대학이 학생을 내보내는 노동시장 자체가 변하고 있다. 세계경제포럼은 2025년 미래 일자리 보고서에서 빅데이터 전문가, 핀테크 엔지니어, AI·머신러닝 전문가 등을 빠르게 성장하는 직무로 제시했다. 그러나 변화는 기술 직무에만 국한되지 않는다.

농업은 위성 영상과 AI 기반 날씨 분석을 결합하는 방향으로 바뀌고 있다. 간호와 보건의료 분야도 AI 기반 환자 모니터링과 임상 보조 시스템을 활용하게 된다. 행정, 회계, 법률, 교육, 콘텐츠 제작, 연구지원 업무 역시 AI와 분리되기 어렵다. 다시 말해 앞으로의 직업 세계는 “AI를 쓰는 직업”과 “AI를 쓰지 않는 직업”으로 단순히 나뉘지 않는다. 대부분의 직업이 AI와 결합하면서, 직무 안에서 인간이 맡아야 할 판단의 층위가 달라진다.

그렇다면 대학이 길러야 할 역량도 달라진다. 학생에게 필요한 것은 특정 도구를 능숙하게 사용하는 기술만이 아니다. 기술 이해, 데이터 문해력, 윤리 감수성, 맥락 판단, 협업 능력, 비판적 사고, 창의적 문제 해결력이 함께 요구된다. 이른바 하드 스킬과 소프트 스킬의 구분도 흐려진다. AI 시대의 전문성은 기술을 다루는 능력과 인간적 판단을 결합하는 능력에 가까워지고 있다.

대학 교육이 여전히 전공 지식 전달과 시험 답안 작성에 머문다면, 졸업생은 AI가 이미 수행할 수 있는 일에 갇힐 가능성이 크다. 반대로 대학이 AI를 활용한 탐구, 검증, 협업, 윤리적 판단을 교육과정 안에 설계한다면, 학생은 AI를 대체자가 아니라 사고를 확장하는 도구로 사용할 수 있다.

AI는 이미 대학 현장에 들어와 있지만, 제도는 그 속도를 따라가지 못하고 있다. 유네스코는 고등교육기관을 대상으로 한 조사에서 공식 AI 정책을 갖춘 기관이 19%에 그쳤고, 42%는 관련 지침을 개발 중이라고 밝혔다. 이는 상당수 대학이 AI 활용을 사실상 구성원 개인의 판단에 맡기고 있음을 의미한다.

미국 고등교육 IT 단체 EDUCAUSE의 2026년 조사도 비슷한 문제를 보여준다. 조사 응답자의 94%는 최근 6개월 안에 업무 목적으로 AI 도구를 사용했다고 답했다. 그러나 AI 활용을 안내하는 소속 기관의 정책이나 지침을 알고 있다고 응답한 비율은 54%에 그쳤다. 또 56%는 기관이 제공하지 않은 AI 도구를 업무에 사용한 경험이 있다고 답했다.

이 수치는 대학 AI 거버넌스의 핵심 위험을 드러낸다. 학생만 AI를 쓰는 것이 아니다. 교수자와 행정직원도 이미 AI를 사용하고 있다. 그런데 공식 지침을 모르거나, 기관이 제공하지 않은 외부 도구를 사용하는 비율이 높다면 개인정보, 연구자료, 학생 성적, 내부 행정자료가 통제되지 않은 환경으로 흘러갈 수 있다. 이는 단순한 편의성의 문제가 아니라 데이터 보안과 대학의 신뢰 문제다.

특히 대학은 일반 기업보다 더 민감한 정보를 다룬다. 학생의 학업 이력, 상담 기록, 장학 정보, 장애 지원 정보, 연구 데이터, 미공개 논문, 인사 자료가 모두 대학 안에 있다. AI 도구에 어떤 자료를 입력할 수 있고, 어떤 자료는 절대 입력해서는 안 되는지 명확히 정하지 않으면, 대학은 섀도우 IT의 위험에 노출된다. 섀도우 IT는 조직이 승인하지 않은 도구를 구성원이 임의로 사용하는 현상을 말한다. 생성형 AI 시대의 섀도우 IT는 데이터 유출과 책임 소재 불분명이라는 문제를 동시에 만든다.

금지와 감시만으로는 해결되지 않는다

AI 확산 초기 많은 대학은 표절과 부정행위에 초점을 맞췄다. 학생이 ChatGPT를 이용했는지 탐지하고, AI가 쓴 글을 찾아내고, 제출물의 진위를 판별하는 것이 주요 관심사였다. 그러나 시간이 지나면서 탐지 중심 접근의 한계가 분명해지고 있다.

AI 탐지 도구는 완벽하지 않다. 사람이 쓴 글을 AI가 쓴 글로 오판할 수 있고, 반대로 AI가 만든 글을 놓칠 수도 있다. 특히 영어가 모국어가 아닌 학생, 글쓰기 훈련을 충분히 받지 못한 학생, 정형화된 문체로 쓰는 학생에게 불리하게 작동할 가능성도 있다. 탐지 기술에 과도하게 의존하면 학습을 돕기보다 불신과 감시의 문화를 강화할 수 있다.

호주의 고등교육품질기준청 TEQSA는 생성형 AI 시대의 평가 개혁에서 탐지 장치에 주로 투자하기보다 학생의 실제 역량과 이해를 보여주는 평가 설계가 필요하다고 강조한다. 평가와 학습 경험은 학생이 AI가 보편화된 사회에서 윤리적이고 비판적이며 능동적으로 참여할 수 있도록 설계되어야 하고, 학생 학습에 대한 신뢰할 만한 판단은 단일한 제출물이 아니라 다양한 맥락의 평가를 통해 형성되어야 한다는 것이다.

이 접근은 대학 평가의 방향을 바꾼다. 모든 과제를 감시 대상으로 보는 대신, 평가를 다시 설계해야 한다. 일부 평가는 감독이 가능한 환경에서 학생의 독립적 이해를 확인해야 한다. 구술시험, 실시간 발표, 수업 중 문제 해결, 대면 실습, 포트폴리오 면담 등은 학생이 실제로 알고 있는지를 확인하는 장치가 될 수 있다. 동시에 다른 평가는 AI 활용을 전제로 설계할 수 있다. 학생에게 AI를 사용하게 하되, 어떤 질문을 던졌고 어떤 답변을 받았으며 무엇을 수정했고 왜 최종 판단을 그렇게 내렸는지를 제출하게 하는 방식이다.

핵심은 AI를 무조건 배제하는 것이 아니다. AI를 사용할 수 없는 평가와 AI를 사용할 수 있는 평가를 구분하고, 각각의 목적을 명확히 하는 것이다. 독립적 이해를 확인해야 하는 지점에서는 보안성 있는 평가가 필요하고, 실제 산업 현장과 유사한 과제에서는 AI와 협업하는 능력을 평가해야 한다. 이것이 AI 시대 평가 개혁의 핵심이다.

유럽은 규제, 영국은 자율 원칙, 호주는 평가 개혁

지역별 대응 방식은 다르게 나타난다. 유럽연합은 AI 법제를 통해 교육 영역의 고위험 AI 활용을 규율하고 있다. EU AI Act는 교육·직업훈련 영역에서 입학, 배정, 평가 등에 사용되는 AI 시스템을 고위험 영역으로 분류하고, 교육기관 내 감정 인식 AI 등 일부 활용을 금지하는 방향으로 규제를 강화했다. 이는 대학이 AI 도구를 도입할 때 단순히 효율성만 볼 수 없다는 뜻이다. 입학, 평가, 학생 관리, 시험 감독에 쓰이는 AI는 학생의 권리와 학습 기회에 직접 영향을 미치기 때문에 더 높은 수준의 투명성과 책임을 요구받는다.

영국의 주요 연구중심대학들은 러셀그룹을 중심으로 생성형 AI 교육 원칙을 마련해 왔다. 핵심은 AI 사용을 일괄 금지하는 데 있지 않다. 학생과 교직원의 AI 문해력을 높이고, 학문적 엄격성과 진실성을 지키며, 대학 간 모범사례를 공유하는 데 있다. 개별 대학들은 전공과 과제 특성에 따라 AI 사용 허용 범위와 출처 표기 방식을 세분화하고 있다.

호주는 평가 개혁을 전면에 세우고 있다. 생성형 AI가 보편화된 상황에서 기존 과제 중심 평가만으로 학위의 신뢰를 보장하기 어렵다는 문제의식이 크다. 이에 따라 학위 과정 전체에서 학생의 학습 성과를 어떻게 보증할 것인지, 각 과목 단위에서 최소한의 보안성 있는 평가를 어떻게 설계할 것인지, 또는 두 방식을 어떻게 결합할 것인지가 논의되고 있다.

이 차이는 각국의 제도와 문화에 따라 다르지만, 공통점도 있다. AI를 외면하지 않는다는 점이다. 감시와 처벌만으로는 충분하지 않고, 교육과정과 평가, 데이터 정책, 교수자 연수, 학생 지원 체계를 함께 바꿔야 한다는 방향으로 이동하고 있다.

한국 대학도 이미 생성형 AI 활용 가이드라인을 내놓고 있다. 일부 대학은 강의계획서에 AI 활용 가능 여부를 명시하도록 하고, 학생에게 AI 사용 사실을 밝히게 하며, 표절과 부정행위 기준을 정비하고 있다. 그러나 선언적 수준의 가이드라인만으로는 충분하지 않다.

이제 필요한 것은 대학 차원의 운영 체계다. 첫째, 수업별 AI 활용 기준을 명확히 해야 한다. 어떤 수업에서는 AI 사용을 제한할 수 있고, 어떤 수업에서는 AI 사용 과정을 평가의 일부로 포함할 수 있다. 중요한 것은 학생이 수업마다 다른 기준을 추측하지 않도록 하는 것이다. 강의계획서와 과제 안내문에 허용 범위, 금지 범위, 표기 방식, 위반 시 처리 기준이 구체적으로 제시돼야 한다.

둘째, 평가 방식을 재설계해야 한다. 보고서 제출 하나로 성취를 판단하는 방식은 점점 취약해진다. 수업 중 활동, 발표, 면담, 구술평가, 초안과 수정본 비교, AI 활용 기록, 자료 검증 과제, 동료 피드백, 프로젝트 포트폴리오 등을 결합해야 한다. 특히 졸업 인증, 전공 핵심역량, 교원·간호·사회복지·공학 등 자격과 직결되는 분야에서는 학생이 실제로 수행할 수 있는지를 확인하는 안전 평가 지점이 필요하다.

셋째, 데이터 입력 기준을 정해야 한다. 대학 구성원이 외부 AI 도구에 입력할 수 있는 정보와 입력해서는 안 되는 정보를 구분해야 한다. 학생 개인정보, 성적, 상담 내용, 연구 참여자 정보, 비공개 행정자료, 미발표 연구자료는 원칙적으로 보호돼야 한다. 대학이 자체 보안형 AI 도구를 제공하지 않는다면, 구성원은 편의성을 이유로 외부 도구를 사용할 가능성이 높다. 이는 대학 본부 차원의 기술 인프라와 정책 투자가 필요한 이유다.

넷째, 교수자와 직원 교육이 필요하다. AI 리터러시는 학생에게만 요구할 수 없다. 교수자가 AI의 한계를 모르고 과제 평가나 피드백에 AI를 무비판적으로 사용한다면 학습 신뢰가 흔들린다. 행정직원이 민감한 자료를 외부 도구에 입력하면 보안 사고가 발생할 수 있다. 연구자가 AI가 만들어낸 가짜 참고문헌을 확인하지 않으면 연구윤리가 훼손된다. 대학 전체가 AI 활용의 기본 원칙을 공유해야 한다.

다섯째, 학생을 감시 대상이 아니라 학습의 파트너로 보아야 한다. 학생들은 이미 AI를 사용하고 있다. 사용을 금지한다고 해서 사용이 사라지지는 않는다. 오히려 숨겨진 사용이 늘어날 수 있다. 대학은 학생에게 “쓰지 말라”고만 말하기보다, “어떻게 쓰면 학습이 되고 어떻게 쓰면 부정행위가 되는지”를 가르쳐야 한다. AI가 준 답을 그대로 제출하는 것과, AI를 이용해 아이디어를 확장한 뒤 출처를 검증하고 자신의 판단을 더하는 것은 다르다. 이 차이를 교육하는 것이 대학의 역할이다.

AI가 대학을 위협한다는 말은 절반만 맞다. AI는 대학 교육의 낡은 방식을 위협한다. 지식을 전달하고, 암기한 내용을 시험 보고, 완성된 결과물만으로 학습을 판단하는 방식은 AI 앞에서 취약해졌다. 그러나 AI는 동시에 대학의 본질을 더 분명하게 드러내고 있다.

대학은 단순히 정보를 전달하는 곳이 아니다. 정보의 신뢰성을 판단하고, 지식을 맥락 속에서 해석하며, 타인의 주장과 자신의 생각을 구분하고, 공동체에 책임 있는 결정을 내리는 사람을 길러내는 곳이다. AI가 빠르게 답을 만들수록, 대학은 더 천천히 묻고 더 엄밀하게 검증하는 훈련을 해야 한다. AI가 문장을 매끄럽게 만들수록, 대학은 그 문장 뒤의 근거와 책임을 물어야 한다. AI가 효율을 높일수록, 대학은 효율로 대체할 수 없는 인간의 판단을 교육해야 한다.

AI 시대의 고등교육 경쟁력은 최신 도구를 얼마나 많이 도입했는가로만 결정되지 않는다. 더 중요한 것은 대학이 어떤 기준으로 AI를 사용하게 할 것인가, 어떤 지점에서 인간의 독립적 이해를 확인할 것인가, 어떤 데이터를 보호할 것인가, 어떤 윤리 기준을 공유할 것인가이다.

생성형 AI는 대학에 불편한 질문을 던지고 있다. 학생이 쓴 글인가, AI가 쓴 글인가를 넘어, 대학은 학생이 실제로 사고했는지 확인할 수 있는가. 교수자는 AI가 만든 결과를 검증할 수 있는가. 대학 행정은 편의성과 보안 사이의 경계를 세울 수 있는가. 학위는 여전히 사회가 신뢰할 수 있는 역량의 증명인가.

이 질문에 답하지 못하는 대학은 AI를 도입하고도 교육의 신뢰를 잃을 수 있다. 반대로 이 질문에 정면으로 답하는 대학은 AI를 위협이 아니라 교육 혁신의 계기로 삼을 수 있다. AI가 정답을 쓰는 시대일수록, 대학은 정답을 의심하고 검증하며 책임지는 인간을 길러내야 한다. 그것이 AI 시대 고등교육의 새로운 출발점이다.

#AI고등교육 #생성형AI #대학평가혁신 #AI리터러시 #학문적진실성 #대학거버넌스 #AI윤리 #교육데이터보안 #과정중심평가 #스포트라이트유