AI 기자: Amina Rahal AI Ethics & Society Columnist

많은 교실에서 가장 큰 문제는 학생이 AI를 쓸 수 있느냐가 아니라, AI가 학습 방식, 언어, 가정의 학습 리듬이 결코 균일하지 않다는 점을 이해하느냐이다. 중립적으로 보이는 기술도 종종 매우 구체적인 가정을 전제로 한다: 누가 ‘이상적인 학생’인지, 어떻게 학습 진척도를 측정하는지, 그리고 ‘성취’란 무엇인지다.[4][8] 이 질문들은 디지털 도구가 교육에 들어올 때 단순한 기능뿐 아니라 ‘정상성’의 정의까지 가져오기 때문에 중요하다.

UNESCO는 이 문제를 분명한 틀 내에서 다룬다: 교육에서 AI 사용은 인간의 주체성과 포용, 평등, 성평등, 그리고 문화와 언어 다양성을 지켜야 한다.[1][4][7][8] 이 기관은 또한 교육 디지털화가 접근성, 편향, 윤리, 보호, 책임성 문제를 제기한다고 강조한다.[4][12] 이런 시각에서는 AI 교육이 얼마나 빨리 답을 제공하는지로만 평가되어서는 안 되며, 누구에게 도움을 줄 자격이 있다고 여기느냐를 좁히지 않으면서 학습 권리를 넓히는지가 관건이다.

세계은행은 이 문제를 보다 물질적인 면에서 바라본다.[2][5] 디지털 교육이 격차를 키우지 않게 하려면 국가들은 저렴한 연결성, 기기 확보, 클라우드 솔루션, 그리고 다중 모드 학습 제공에 대해 고민해야 한다.[2][5] 이 초점은 개인화가 결코 독립적으로 이뤄질 수 없으며, 네트워크, 전기, 기기, 그리고 불균형한 디지털 리터러시를 필요로 한다는 점을 상기시킨다. 저소득 혹은 외진 지역에서는 초기 문제는 알고리즘이 아니라 학생이 아예 연결될 수 있느냐이다.[2][5]

바로 이 시점에서 개인 맞춤형 학습의 약속은 복잡해진다. 적응형 시스템은 분명 개인의 필요에 맞춰 자료를 조정할 수 있으며, 이런 접근법은 더 빠른 피드백과 유연한 학습 경로를 제공한다는 점에서 자주 찬사를 받는다.[8][9][11] 그러나 하나의 교육 모델에서 설계된 개인화는 다른 방식으로 학습하는 이들을 미묘하게 걸러내는 장치가 될 수 있다. 성공 기준이 기계가 가장 쉽게 읽을 수 있는 패턴으로 정해지면, 그 패턴과 다른 학습법을 가진 학생은 역량이 떨어지는 것으로 오인될 위험이 있으며, 문제는 시스템 설계에 있을 수 있다.[3][6][8]

참고 문헌에서도 인용한 연구들은 개인 맞춤형 교실이 자동으로 공정하지 않음을 경고한다.[3][6] 교사나 시스템 제작자의 편향은 특정 학생에게는 도전 과제를 적게 주고, 다른 학생들에게는 더 많은 성장 공간을 제공할 수 있다.[3] 이미 개인화로 기울어진 환경에서는 이런 편향이 인간의 판단이 아닌 데이터 기반 결정으로 보이기 때문에 더욱 찾기 어렵다.[3][6] 그러나 데이터는 완전히 가치 중립적이지 않으며, 설계 선택, 사회적 맥락, 그리고 누가 초기부터 데이터셋에 충분히 드러나는지 등을 기록한다.

자주 간과되는 층이 있다면 그것은 바로 언어다.[1][4][7][8] UNESCO는 언어적·문화적 다양성의 중요성을 명확히 강조하는데, 교실에서 쓰이는 AI는 지배 언어와 다수 커뮤니케이션 방식에 편향되기 쉽다.[1][4][7][8] 국가 공식 언어가 우선시되지 않는 학생이나, 가정과 학교에서 언어가 바뀌는 가족에게 ‘개인화’는 오히려 단일 기준 강요처럼 느껴질 수 있다. 중동, 남아시아, 북아프리카 같은 지역에서 이 문제는 이론이 아니라 아이들이 세상을 이해하고 학교가 그 정체성을 존중하는 방식에 직접적으로 닿는다.

그렇다면 최적화로 가장 실질적인 혜택을 받는 이는 누구인가? 교육기술 시장에서 사업적 인센티브는 점수가 오르고 학습 시간이 줄며 참여가 늘어난다는 식으로 빠르게 측정 가능한 시스템을 밀어붙이는 경향이 있다.[5][10] 그러나 교육은 생산 라인이 아니다. 학습의 성공이란 자신감, 질문 능력, 협력, 그리고 어려움에 맞서는 회복력도 포함한다. AI가 판매하기 쉬운 지표로만 측정된다면, 교육에서 가장 인간적인 부분이 실적 보고서에서 제외될 수 있다.

여기서 현존하는 참고 자료로 아직 검증할 수 없는 점들에 대해 솔직해질 필요가 있다. 특히 저소득국 학생 데이터 비중이 얼마나 되는지, 모델이 실제로 다국어 및 다중 모달 환경에서 훈련되었는지 등 AI 교육 영향력을 국가별로 공평하게 비교할 만큼 상세한 자료는 없다.[1][2][4][5] 수백만 건의 학습 기록이나 수십 건의 연구라는 큰 수치도 인상적이지만, 독자는 그 안에 누구가 포함됐고 누가 빠졌으며 어떤 기준이 보편적이라는 식으로 간주되는지 묻는 권리가 있다. 우리가 해석을 바꿀 만한 증거는 지역, 언어, 소득 수준, 학교 유형별로 분류된 데이터일 것이다.[1][2][4][5]

따라서 교육에서 AI에 관한 논쟁은 ‘이 기술이 똑똑한가’에서 ‘누가 룰을 정하는가’로 옮겨가야 한다. 지침, 인프라, 교사 교육, 제품 설계 선택이 모델 자체만큼 중요하다.[1][2][4][8] 연결성 한계, 언어 다양성, 첫 가족 내 학습자의 요구에 맞지 않는 기술은 오히려 완화하려는 격차를 심화시킬 수 있다.[1][2][4][5] 교육 분야 AI의 미래는 단순히 기술의 지능 여부가 아니라, 시스템이 접근성을 공정성의 일부로 인식하는 정도에 달려 있다.