혁신의 속도는 빨랐다, 통제의 장치는 준비되어 있었는가

2026년 2월 말, 미국 로스앤젤레스 통합교육구(LAUSD)를 둘러싼 연방수사국(FBI)의 압수수색은 단순한 지역 행정 사건을 넘어 교육계 전반에 묵직한 질문을 던졌다. 수사 대상은 2024년 도입된 인공지능(AI) 기반 교육 챗봇 ‘에드(Ed)’ 프로젝트와 그 계약 과정이었다. 자택과 교육구 본부가 동시에 수색 대상이 되면서, AI 도입을 주도했던 교육감은 직무에서 물러났고, 해당 프로젝트는 교육 혁신 사례가 아닌 행정 리스크의 상징으로 전환됐다. 사건의 핵심에는 에듀테크 스타트업 ‘올히어(AllHere)’와 체결된 AI 챗봇 계약이 있었다. 학생 상담과 행정 안내를 자동화하겠다는 취지로 추진된 이 사업은 수백만 달러 규모의 계약을 통해 출범했으나, 출시 이후 기술적 결함과 운영 차질이 이어졌고 결국 중단 수순을 밟았다. 이후 기업은 파산 절차에 들어갔고, 계약 과정과 자금 집행의 적정성을 둘러싼 의혹이 수면 위로 떠올랐다.

이 사건이 던지는 질문은 단순히 “한 프로젝트가 실패했는가”에 머물지 않는다. 오히려 더 근본적인 문제는 AI라는 기술이 교육 행정에 도입되는 과정에서, 기존의 조달 절차와 감독 체계가 충분히 작동했는지 여부다. 혁신을 표방하는 속도와 공공기관이 감당해야 할 책임 사이의 간극이 이번 수사에서 드러났다는 평가가 나온다.

‘에드(Ed)’ 프로젝트는 무엇이었나

‘에드’는 학생의 학사 일정 안내, 출결 알림, 상담 연결 등을 자동화하는 AI 기반 디지털 어시스턴트로 설계됐다. 교육구는 이를 통해 행정 업무 부담을 줄이고, 학생과 학부모의 문의 대응 속도를 개선하겠다고 설명했다. 당시 발표 자료에서는 “AI를 통한 맞춤형 지원”이라는 표현이 반복됐고, 프로젝트는 공공 교육기관의 디지털 전환 사례로 홍보됐다. 그러나 실제 운영 단계에서는 기술적 안정성과 응답 정확도에 대한 문제가 제기됐다. 일부 기능은 기대한 수준으로 작동하지 않았고, 학생 정보 처리 방식에 대한 내부 우려도 뒤따랐다. 프로젝트는 본격적인 정착 단계로 넘어가기 전에 중단되었고, 이후 벤더 기업의 재정 문제와 수사 착수 소식이 겹치면서 논란은 확대됐다. 여기서 주목해야 할 지점은 기술의 성공 여부가 아니라, 기술 도입 과정의 설계다. 공공 교육기관이 외부 AI 기업과 계약을 체결할 때, 실제 기술 검증과 파일럿 테스트는 어느 수준까지 진행되었는가. 성능 검증과 위험 분석은 충분했는가. 혁신을 강조하는 발표와 달리, 내부 통제 장치는 그 속도를 따라가지 못한 것은 아닌지에 대한 질문이 제기된다.

공공기관의 기술 도입에서 가장 핵심이 되는 것은 ‘속도’가 아니라 ‘절차’다. 특히 AI와 같이 복잡하고 불투명한 알고리즘 기반 시스템의 경우, 기술적 실사(Due Diligence)와 외부 검증은 필수적 단계로 여겨진다. 계약 체결 이전에 독립적인 전문가 검토가 이루어졌는지, 성능과 보안에 대한 파일럿 테스트가 충분했는지, 이해관계 충돌 가능성은 사전에 차단되었는지 등이 조달 과정의 기본 점검 항목이다. LAUSD 사례에서 수사 대상이 된 부분 역시 이러한 절차적 적정성 문제다. 벤더 선정 과정이 공개 경쟁 입찰 구조였는지, 내부 의사결정 기록이 투명하게 남아 있는지, 고위직과 외부 기업 간 접촉 과정이 규정에 부합했는지 등이 조사 범위에 포함된 것으로 알려졌다. 이는 특정 개인의 문제를 넘어, AI 도입을 둘러싼 조직 차원의 통제 장치가 얼마나 견고했는지를 묻는 사안이다. 교육기관은 일반 기업과 달리 공적 자금과 학생 데이터를 동시에 다루는 조직이다. 따라서 기술 실패는 단순한 비용 손실을 넘어 신뢰의 훼손으로 이어질 수 있다. 이번 사건은 “AI 도입”이 더 이상 IT 부서의 업무가 아니라, 대학과 교육기관의 최고 의사결정 구조와 직결된 문제임을 드러냈다.

데이터는 누구의 통제 아래 있었는가

AI 시스템이 교육 현장에 도입될 때 가장 민감한 자산은 ‘데이터’다. 학생의 출결 기록, 상담 내용, 학습 이력, 연락처 정보 등은 단순 행정 자료가 아니라 개인의 교육 궤적이 축적된 민감 정보에 해당한다. AI 챗봇이 이러한 데이터를 기반으로 학습하고 응답을 생성한다는 점에서, 데이터 저장 위치와 접근 권한, 보안 체계는 기술적 성능만큼이나 중요한 요소다. 올히어 프로젝트가 중단되고 기업이 파산 절차에 들어가면서 제기된 또 하나의 질문은 바로 이 데이터의 귀속과 관리 책임이었다. 외부 벤더가 운영하던 시스템이 종료될 경우, 데이터는 어디에 저장되어 있는가. 해당 기업의 재정 상태가 악화될 경우, 데이터 보호 의무는 어떻게 이행되는가. 계약서에 명시된 조항과 실제 운영 관행 사이의 간극은 없었는지 점검이 필요하다는 지적이 뒤따랐다.

특히 2026년을 기점으로 자율적 판단과 실행이 가능한 ‘에이전틱 AI’ 기술이 확산되면서, 단순한 정보 응답을 넘어 행정적 추천과 의사결정 보조 기능까지 AI가 담당하게 될 가능성이 커지고 있다. 이 경우 데이터는 단순한 입력값이 아니라 정책 판단의 기반이 된다. 데이터 관리 체계가 흔들릴 경우, 교육기관의 의사결정 구조 자체가 영향을 받을 수 있다는 점에서 이번 사안은 장기적 파장을 예고한다.

광고

이번 사안은 초·중등 교육기관에서 발생한 사건이다. 그러나 그 구조를 들여다보면 고등교육과 무관하다고 말하기 어렵다. 대학 역시 최근 2~3년 사이 생성형 AI 도입을 가속화해 왔다. 학사 행정 자동화, 상담 챗봇, 연구 지원 도구, 입학 전형 데이터 분석 등 다양한 영역에서 외부 AI 솔루션과의 계약이 늘어났다. 기술의 적용 범위는 오히려 대학이 더 넓다. 문제는 대학의 거버넌스 구조가 이러한 변화 속도를 충분히 따라가고 있는지 여부다. 많은 대학에서 AI 도입은 정보전산팀 또는 디지털혁신센터 차원의 프로젝트로 시작된다. 그러나 계약 체결, 데이터 이전, 장기 유지 비용, 알고리즘 책임성 문제는 결국 총장과 이사회, 감사 기구의 판단 영역으로 이동한다. 기술적 사안이 곧 재정·법률·윤리 문제로 연결되는 구조다. LAUSD 사례는 특정 지역의 행정 논란으로 끝날 수 있다. 그러나 더 중요한 점은, 대학이 유사한 계약 구조를 이미 다수 운영하고 있다는 사실이다. 벤더 의존형 클라우드 AI 시스템, 외부 모델 API 연동, 학생 데이터 기반 분석 서비스 등은 국내외 대학에서 빠르게 확산되고 있다. 구조가 닮아 있다면, 위험 역시 닮아 있을 가능성이 있다.

LAUSD 사태와 맞물려, 각국 의회와 정책 기관에서도 교육 분야 AI 도입에 대한 점검 움직임이 본격화되고 있다. 영국 의회는 최근 교육 영역에서의 AI 활용이 갖는 “약속과 위험”을 동시에 검토하는 조사를 개시했다. 생성형 AI가 학습을 보조하는 도구로 기능할 수 있다는 점은 인정하면서도, 데이터 보호와 알고리즘 투명성, 공공 조달 절차의 적정성 문제를 함께 들여다보겠다는 입장이다. 유럽연합 차원에서도 고위험 AI 시스템에 대한 감독 체계를 강화하는 규제 논의가 이어지고 있다. 교육은 의료·공공안전과 함께 사회적 영향력이 큰 영역으로 분류된다. 특히 학생 평가, 진로 추천, 장학금 선발과 같이 개인의 미래에 직접적인 영향을 미치는 기능을 AI가 수행할 경우, 설명 가능성과 책임 소재 규명이 필수 요건으로 거론된다.

이 같은 흐름은 AI 도입의 속도를 늦추겠다는 의미라기보다, 통제 구조를 선제적으로 설계하겠다는 신호에 가깝다. 기술을 도입한 이후 문제가 발생하면 사후 대응에 막대한 비용이 들어간다. 반면, 계약 단계에서 투명성과 책임 구조를 명확히 하면 위험을 줄일 수 있다. 이번 사건이 규제 논의에 기름을 부을지, 아니면 일시적 파동으로 그칠지는 아직 단정하기 어렵다.

국내 대학은 얼마나 준비되어 있는가

이 사건을 단순히 미국 교육 행정의 문제로만 볼 수는 없다. 국내 대학 역시 생성형 AI 기반 상담 시스템, 학사 안내 챗봇, 연구 지원 플랫폼, 입학 데이터 분석 솔루션 등을 빠르게 도입하고 있다. 일부는 자체 개발이지만, 상당수는 외부 벤더와의 계약을 통해 운영된다. 문제는 그 과정에서 거버넌스 체계가 얼마나 정교하게 설계되어 있는지다. 첫째, 벤더 선정과 계약 체결 과정은 얼마나 투명한가. 공개 경쟁 입찰이 원칙적으로 작동하고 있는지, 기술 성능과 보안 검증을 외부 전문가가 교차 평가하는 구조가 있는지 점검이 필요하다. AI 솔루션은 일반 소프트웨어와 달리 알고리즘의 내부 구조가 공개되지 않는 경우가 많다. 이때 대학은 단순 사용자에 머물 것인지, 책임 있는 검증자로 기능할 것인지 선택해야 한다. 둘째, 데이터 관리 체계는 명확한가. 학생 데이터가 어디에 저장되는지, 계약 종료 시 데이터는 어떻게 반환·삭제되는지, 외부 기업의 재정 위기 상황에서 보호 장치는 무엇인지가 계약서에 구체적으로 명시되어야 한다. 데이터는 기술적 자산이 아니라 법적·윤리적 책임의 대상이다. 특히 장기적 계약 구조에서는 기업의 지속 가능성까지 평가 대상에 포함되어야 한다는 지적이 나온다.

지난 2~3년은 대학이 AI를 얼마나 빠르게 도입할 수 있는지를 겨루는 시기였다. 생성형 AI의 등장 이후, 대학은 학습 지원, 연구 보조, 행정 자동화 등 다양한 영역에서 기술을 실험해 왔다. 속도는 경쟁력이었고, 도입 자체가 혁신의 지표처럼 받아들여졌다. 그러나 LAUSD 사태는 질문의 방향을 바꿔 놓았다. 이제 핵심은 “얼마나 빨리 도입했는가”가 아니라 “누가, 어떤 구조 속에서 통제하고 있는가”다. AI는 단순한 소프트웨어가 아니다. 의사결정을 보조하고, 데이터를 해석하며, 때로는 정책 방향에 영향을 준다. 이 과정에서 책임의 경계가 흐려질 수 있다. 기술 제공 기업은 알고리즘의 세부 구조를 영업 기밀로 보호하고, 기관은 이를 활용해 서비스를 운영한다. 문제 발생 시 책임은 어디까지 공유되는가. 이 질문은 앞으로 대학 이사회와 감사 기구가 반드시 답해야 할 사안이다.

대학은 지식 생산 기관인 동시에 공공성을 띤 조직이다. 기술 도입이 재정 효율성을 높이고 서비스 접근성을 개선할 수는 있다. 그러나 그 과정에서 투명성과 책임성을 확보하지 못한다면, 혁신은 신뢰를 잠식하는 요인이 될 수 있다. 2026년 2월의 사건은 기술적 실패의 사례라기보다 거버넌스 설계의 시험 문제에 가깝다.

AI는 대학을 대체하지 않는다. 그러나 대학의 운영 방식은 바꾼다. 지금 필요한 것은 더 정교한 알고리즘이 아니라, 그 알고리즘을 둘러싼 의사결정 구조의 재설계다. 혁신은 선언으로 완성되지 않는다. 통제와 책임이 뒤따를 때에만 지속 가능하다.

#AI거버넌스, #LAUSD, #교육데이터보호, #대학조달투명성, #에이전틱AI, #공공기관AI도입, #대학혁신리스크, #고등교육정책, #AI시대대학,