대화형 AI와 교실이 공유하는 한 가지 진실: 지식은 ‘흐름’이 아니라 ‘응고’다

버튼을 누르는 기술과, 기억이 굳는 학습의 공통점

우리는 종종 기술의 진보를 “더 잘 대답하는 기계”로, 교육의 진보를 “더 열심히 참여하는 수업”으로 이해한다. 그런데 이 둘의 핵심은 전혀 다른 곳에 있다. 진짜 변화는 반응이 아니라 전이에서, 참여가 아니라 응고와 재응고에서 일어난다.

생성형 AI가 문장을 만들어내는 데서 멈춘다면, 그것은 아직 계산기와 그리 다르지 않다. 반대로 대화형 AI는 말하고, 요청하고, 다른 도구와 사람을 호출해 목표를 완수하려 한다. 교육도 마찬가지다. 수업 안에서 활발히 움직이는 것만으로는 충분하지 않다. 학생이 정보를 자기 것으로 굳히고, 다른 상황에서 스스로 꺼내 쓸 수 있어야 비로소 배움이 된다.

이 두 영역은 놀랍도록 비슷한 질문 앞에 서 있다. 어떻게 해야 어떤 시스템이 단순한 출력 장치에서 실제 행위자이자 학습자로 바뀌는가? 그리고 그 순간, 우리는 무엇을 잃고 무엇을 얻는가?

생성과 수행 사이, 가장 위험한 착각

생성형 AI는 놀랍다. 문장을 매끄럽게 만들고, 코드를 짜고, 이미지를 그린다. 교육의 언어로 바꾸면, 이것은 학생이 문제를 “그럴듯하게” 풀어내는 상태와 닮았다. 답이 나오고, 활동이 있었고, 무언가 해낸 것처럼 보인다. 하지만 그 결과가 곧바로 이해를 뜻하지는 않는다.

여기서 가장 위험한 착각은 표현이 곧 내면화라고 믿는 것이다. AI가 문장을 생성했다고 해서 실제로 세계를 이해한 것은 아니고, 학생이 발표를 잘했다고 해서 지식이 장기기억에 정착한 것도 아니다. 둘 다 표면에서는 유창하지만, 깊은 층위에서는 아직 임시 저장 상태일 수 있다.

이 차이는 매우 중요하다. 임시 저장된 정보는 곧 사라진다. 학생은 며칠 뒤 같은 맥락이 아니면 다시 막히고, AI는 지정된 틀 밖의 상황에서는 취약해진다. 즉, 출력의 세련됨과 능력의 깊이는 다르다.

지식은 말해지는 순간에 완성되지 않는다. 지식은 다시 꺼내지고, 다시 쓰이고, 다시 구조화될 때 비로소 몸을 얻는다.

이 점에서 생성형 AI와 많은 수업 개혁 담론은 같은 함정에 빠진다. “잘 말하게 하기”를 “잘 이해하게 하기”로 오해하는 것이다. 그러나 실제 역량은 말의 유창성보다 행동의 지속성에서 드러난다.

진짜 전환은 대화가 아니라 행위성이다

대화형 AI가 중요한 이유는 단순히 말솜씨가 좋아서가 아니다. 핵심은 **행위성(agency)**이다. 즉, 사용자의 목표를 이해한 뒤 다른 소프트웨어를 호출하고, 다른 사람과 협업하고, 여러 단계를 조정하며 실제 결과를 만들어내는 능력이다. 여기서 AI는 더 이상 한 번 답하고 끝나는 도구가 아니라, 목표를 향해 움직이는 존재가 된다.

이 구조는 교육에서도 똑같이 등장한다. 수업이 지식 전달에서 끝나면 학생은 반응자에 머문다. 그러나 학생이 정보를 재구성하고, 문제를 선택하고, 협력하고, 설명하고, 수정하고, 다시 적용하는 순간, 학생은 단순한 수용자가 아니라 학습의 행위자가 된다.

중요한 것은 대화가 아니라 대화가 무엇을 가능하게 하느냐이다. 말은 시작점일 뿐이다. 진짜 변화는 말 다음에 무엇이 일어나느냐에 있다. AI가 다른 도구를 불러와 실행할 수 있을 때, 학습자가 기억을 재구성해 다른 과제에 적용할 수 있을 때, 시스템은 비로소 살아 움직인다.

이 관점에서 보면 “더 많이 상호작용하게 하자”는 구호는 충분하지 않다. 상호작용의 빈도보다 중요한 것은 상호작용이 내부 구조를 바꾸는가이다. 수업이 많아도 기억이 굳지 않으면 학습은 남지 않고, AI가 아무리 말을 잘해도 실행 경로가 없으면 그 대화는 장식에 그친다.

교육과 AI는 같은 긴장을 공유한다: 자유를 주되, 경계를 세워야 한다

행위성이 생기면 곧바로 문제가 생긴다. 자유를 얼마나 허용할 것인가, 어디서 멈추게 할 것인가. AI에게 다른 시스템을 조정할 권한을 주는 순간, 우리는 편리함과 위험을 동시에 얻게 된다. 교육에서도 비슷하다. 학생 중심 수업을 강조할수록 교사는 통제력을 일부 내려놓아야 한다. 그러나 완전한 방임은 학습을 심화시키지 못한다.

이때 필요한 것은 모호한 이상주의가 아니라 설계된 경계다. AI라면 어떤 행동은 허용하고 어떤 행동은 금지할지, 어떤 로그가 남아야 하고 누가 검증할 수 있어야 하는지 명확해야 한다. 교육이라면 어떤 활동이 단순한 수행인지, 어떤 활동이 이해의 응고를 돕는지, 어떤 피드백이 즉흥적 반응이 아닌 재구성을 촉발하는지 분명해야 한다.

여기서 중요한 통찰 하나가 있다. 자율성은 통제의 반대말이 아니라, 잘 설계된 통제 위에서만 의미를 가진다. 아무 경계 없는 자율성은 혼란이고, 아무 여지도 없는 통제는 죽은 시스템이다. 좋은 시스템은 경계를 통해 자유를 가능하게 한다.

예를 들어 생각해보자. 내비게이션 앱은 경로를 계산해주지만, 운전대를 빼앗지는 않는다. 반대로 교실에서 학생에게 토론을 시키면서 정답만 외우게 하면, 토론은 형식만 남는다. 둘 다 “참여”는 있지만, 하나는 선택의 자유를 주고 다른 하나는 자유를 가장한 통제를 반복한다.

깊은 배움은 ‘한 번의 수행’이 아니라 ‘재응고의 순환’이다

학습에서 가장 오해받는 개념은 아마도 “한 번 해봤다”는 사실이다. 발표를 했고, 과제를 제출했고, 수행평가를 치렀고, 기록도 남았다. 그러나 실제 학습은 그렇게 단선적으로 굳지 않는다. 뇌는 정보를 한 번 받아들이는 것으로 끝나지 않고, 다시 꺼내고, 다시 연결하고, 다시 고정하는 과정을 거친다. 이것이 응고와 재응고다.

이 과정을 쉽게 비유하면, 젖은 시멘트를 한 번 부어놓는 것과 같다. 표면이 말랐다고 해서 내부까지 굳은 것은 아니다. 아직 손자국이 남고, 충격을 받으면 쉽게 변형된다. 반면 충분히 시간이 지나고 여러 번 압축되고 재정렬된 시멘트는 다른 하중을 견딘다. 학습도 마찬가지다. 빠른 반응은 표면을 만들지만, 반복적 재구성은 구조를 만든다.

문학 작품을 읽는 장면을 떠올려보자. 처음 읽을 때 학생은 인물, 사건, 표현을 따라가며 임시 기억을 만든다. 하지만 정말 이해했다는 것은 그 작품의 구조를 다른 질문에 적용할 수 있을 때다. 예를 들어 “이 인물의 갈등은 왜 단순한 감정 문제가 아닌가?” “이 장면의 침묵은 무엇을 드러내는가?” 같은 질문에 스스로 답할 수 있어야 한다. 그때 비로소 텍스트는 정보가 아니라 사고의 도구가 된다.

대화형 AI도 이와 비슷하다. 단순히 질문에 대답하는 AI는 임시 반응이다. 그러나 여러 단계의 작업을 조율하고, 맥락을 유지하고, 목표를 향해 다시 수정해나가는 AI는 구조를 가진다. 교육과 AI의 공통 과제는 결국 이것이다. 출력을 남기는 것이 아니라, 구조를 남기는 것.

그렇다면 좋은 교실과 좋은 AI는 무엇을 닮아야 하는가

좋은 교실과 좋은 AI는 둘 다 “정답을 빨리 내는 시스템”이 아니다. 둘 다 상태를 바꾸는 시스템이어야 한다. 학생이 수업 전과 수업 후에 생각하는 방식이 달라져야 하고, AI가 사용자 요청 전과 후에 작업을 조직하는 방식이 달라져야 한다.

이때 핵심은 네 가지다.

첫째, 입력보다 재구성. 정보를 받는 것보다, 기존 지식과 엮어 새 구조를 만드는 과정이 중요하다.

둘째, 수행보다 반성. 무언가를 해보는 것보다, 왜 그렇게 했는지, 무엇이 부족했는지 되짚는 과정이 더 중요하다.

셋째, 기록보다 검증. 기록이 남는다고 이해가 보장되지 않는다. 남은 흔적이 실제로 다음 상황에서 작동하는지 확인해야 한다.

넷째, 자율성보다 경계가 먼저. 자유로운 행동은 무조건 좋은 것이 아니라, 분명한 제한과 책임 구조 속에서만 가치가 있다.

이 네 가지는 교육과 AI를 함께 보는 데 매우 유용하다. 교실에서는 수행평가와 생활기록부가 목적이 아니라 이해를 돕는 수단이 되어야 하고, AI에서는 대화가 목적이 아니라 실제 문제 해결을 돕는 수단이 되어야 한다. 수단이 목적을 집어삼키는 순간, 시스템은 똑똑해 보이지만 약해진다.

가장 정교한 시스템은 사용자를 감탄하게 만드는 시스템이 아니라, 사용자의 사고와 행동을 바꾸는 시스템이다.

Key Takeaways

• 유창함과 이해를 구분하라. 말이 잘 나온다고 학습이 끝난 것은 아니고, AI가 그럴듯한 답을 만든다고 문제를 해결한 것도 아니다.
• 재응고를 설계하라. 한 번의 활동으로 만족하지 말고, 다시 설명하기, 다시 적용하기, 다시 수정하기를 반드시 넣어라.
• 행위성과 경계를 함께 생각하라. 자율성을 줄수록 통제 장치, 책임 구조, 검증 절차가 더 중요해진다.
• 기록을 결과가 아니라 증거로 보라. 생활기록부든 AI 로그든, 남기는 것 자체가 목적이 아니라 실제 변화가 있었는지 확인하는 장치여야 한다.
• 무엇을 배우게 할지 먼저 정하라. 수업 방식이나 기술 도입보다 앞서, 어떤 사고 구조를 남길지 정의해야 한다.

기술이든 수업이든, 핵심은 ‘살아 있는 흔적’을 남기는 일이다

우리는 종종 혁신을 새로움으로 착각한다. 더 화려한 대화, 더 참여적인 수업, 더 정교한 기록이 곧 진보라고 믿는다. 하지만 진짜 진보는 다르다. 반응하는 시스템을, 스스로 구조를 바꾸는 시스템으로 만드는 것이다.

대화형 AI가 미래라면, 그것은 대화가 많아지는 세상이 아니라 행위가 분산되는 세상이다. 학생 중심 수업이 미래라면, 그것은 활동이 많은 교실이 아니라 기억이 구조화되는 교실이다. 결국 둘 다 같은 질문으로 수렴한다. 우리는 도구를 얼마나 똑똑하게 만들 것인가가 아니라, 도구와 학습이 실제로 사람을 어떻게 바꾸게 할 것인가를 물어야 한다.

그러니 다음에 AI가 말을 잘한다고 감탄하거나, 수업이 활발했다고 만족하려거든 한 번 더 물어야 한다. 이 말과 활동은 무엇을 남기는가. 임시 반응인가, 아니면 다음 상황에서 스스로 작동하는 구조인가. 그 질문을 던지는 순간, 우리는 비로소 생성의 시대를 지나 진짜 변화의 시대를 시작하게 된다.