[Q레이션 레터 #2] AI로 만든 교육, 만족도가 높으면 좋은 교육일까요? ⭐

2026.07.16  | No.02 | 구독하기 

☝️01. 교육기획자를 위한 Q

🪜 사용한 만큼 밝힌다: 네 단계로 나눠 보기

두 저자가 제안하는 GenAI 사용 투명성 프레임워크는 생성형 AI를 얼마나 썼는지를 최소에서 전면까지 네 단계로 나눕니다. 그리고 단계마다 무엇을 내부에 기록하고 무엇을 학습자에게 공개할지를 함께 안내합니다.

핵심은 사용의 영향이 클수록 문서화와 공개의 수준을 함께 높이는 것입니다. 전부 공개하거나 아무것도 밝히지 않는 일률적 규칙 대신, 자료마다 관여한 정도에 맞춰 조절하는 방식입니다. 두 경우를 예로 들어 이 기준을 어떻게 적용할 수 있는지 살펴보겠습니다.

#AI로 교안이나 학습 자료의 일부를 만들 때 📃

저희가 매월 발행하는 미래형 교수학습 동향 브리프처럼, 사람이 직접 글을 쓰면서 일부 작업에만 AI의 도움을 받는 경우가 많습니다. 이때 AI를 어떻게 활용했느냐에 따라 단계가 달라집니다. 문장을 다듬거나 아이디어를 얻는 정도로 활용했다면 ① 최소에, 자료의 전체 구조는 사람이 주도하되 일부 섹션의 초안만 AI가 만들고 사람이 다듬어 통합했다면 ② 부분에 가깝다고 볼 수 있습니다.

👉 최소에 해당하는 자료라면 학습자에게 따로 밝히지 않아도 되지만 내부 기록으로 남겨 둘 수 있습니다. 부분에 해당한다면 어떤 도구를 어떤 부분에 썼는지 내부에 기록해 두고, 학습자가 보는 자료에도 '이 자료의 학습 활동과 토론 질문 예시는 생성형 AI의 도움을 받아 초안을 작성했고, 콘텐츠개발팀이 학습 목표에 맞게 수정했습니다'와 같이 AI 활용 지점을 밝히는 편이 권장됩니다. 여기서 내부 기록은 조직 차원에서 부서나 팀이 함께 참고할 수 있는 공유 기록을 의미합니다. 

#AI로 팟캐스트나 영상을 제작할 때 🎧

원문을 넣으면 결과물의 대부분을 AI가 생성하는 산출물도 있습니다. NotebookLM의 오디오 개요(팟캐스트)나 비디오 개요가 대표적인데요. 저희도 동향을 다양한 방식으로 전해 드리고자 브리프 원문을 바탕으로 AI가 생성한 팟캐스트를 제공하고 있습니다. 이 경우 사람은 전체를 감독하고 품질을 확인하는 QA 역할을 하기 때문에 ④ 전면에 가깝다고 볼 수 있습니다. 

👉 이때는 사용한 도구와 모델 버전, 입력한 프롬프트, 편집 과정까지 내부 기록으로 남겨 두는 것이 권장됩니다. 학습자에게도 어떤 도구를 어떤 목적으로 검토했는지, 관련 기록이 어디에 보관되어 있는지까지 함께 안내하는 편이 좋습니다. 예를 들어 '이 팟캐스트는 이번 호 브리프 원문을 바탕으로 NotebookLM으로 생성한 뒤, 콘텐츠개발팀이 내용 정확성을 검토해 편집했습니다. 관련 프롬프트와 편집 이력은 내부에 별도 보관하고 있습니다' 정도로 말이죠. 그런데 우리는 왜 이렇게까지 밝혀야 할까요?

🤝 밝히는 일이 곧 신뢰를 쌓는 일

두 저자는 문서화와 공개를 구분합니다. 문서화는 프롬프트와 버전, 수정 이력을 남기는 내부 기록으로 나중에 되짚어 볼 수 있게 하고, 공개는 청중에 맞춘 수준으로 알리는 일입니다. 앞의 두 사례에서 본 것처럼, 같은 자료라도 AI가 어떤 역할을 했는지에 따라 밝히는 범위와 표현이 달라집니다. 그리고 이런 규범은 교육 현장만의 고민이 아닙니다. 학술 출판과 저널리즘 분야도 이미 AI 보조 작업을 어떻게 표기할지 기준을 세워 가고 있습니다.

두 저자가 인용한 한 연구에 따르면 교수자가 AI 사용을 밝히지 않을 때 학습자는 오히려 자신의 AI 활용을 드러내기 어려운 낮은 신뢰의 분위기를 느낀다고 합니다. 투명성은 규정을 지키는 문제를 넘어 학습자와의 신뢰를 지키는 일로 볼 수 있습니다. 결국 밝히느냐 마느냐를 두고 고민하기보다, 사용한 만큼에 맞춰 어느 정도로 밝힐지를 정하는 일에 가깝습니다.

*아래 버튼을 눌러 KIRD 블로그에서 자세한 내용을 확인하실 수 있습니다. 

✌️02. 교육운영자를 위한 Q 

📊 더 정교한 형식이 더 나은 결과를 내지는 않았다

연구진은 세 조건에 똑같은 학습 내용을 담되 전달 방식만 달리했습니다. 세 번째 조건의 영상은 사람 모습으로 생성한 AI 아바타 강사가 화면 한쪽에서 설명하는 형태였습니다. 결과는 예상과 달랐습니다. 세 형식 사이에 지식 습득, 실습 과제 수행, 학습 직후는 물론 7일 뒤 기억 유지(retention)에서도 통계적으로 의미 있는 차이가 나타나지 않았습니다. 더 정교하고 자원이 많이 드는 형식이 반드시 더 나은 성과로 이어지지는 않은 것입니다.

다만 이 실험은 참가자 65명 규모에 초심자를 대상으로 했고, 엑셀 함수처럼 비교적 단순하고 구조가 분명한 과제를 다뤘습니다. 연구진도 이 결과를 형식 간 효과가 같다는 증거로 볼 수는 없으며, 조직 현장으로 곧장 일반화하기보다 신중히 참고할 결과로 받아들여야 한다고 밝힙니다.

🪞 만족도가 곧 학습 성과는 아니다

이 연구에서 더 눈여겨볼 지점은 따로 있습니다. 참가자들은 영상 형식을 더 몰입되고 효과적이라고 평가했지만, 그 평가는 실제 수행이나 기억 유지 성과와 통계적으로 이어지지 않았습니다. 특히 AI 아바타 조건에서는 일부 참가자가 아바타의 존재를 다소 산만하거나 부자연스럽게 느꼈다고 답했습니다. 형식의 새로움이 곧 더 나은 경험이나 성과로 이어지지는 않은 셈입니다. 연구진은 이를 지각과 실제 성과 사이의 간극(perception-performance gap)으로 짚으며, 만족도와 몰입도만으로 학습 효과를 판단하면 형식의 효과를 실제보다 높게 볼 수 있다고 봅니다.

Training Industry가 2026년에 낸 특집도 같은 방향을 제시합니다. AI가 학습에 들어오면서 평가는 완료율이나 만족도를 넘어 더 동적이고 데이터에 기반한 방식으로 옮겨가야 한다는 것입니다. 구체적인 방법도 제안하는데요, AI 도입률을 추적하는 데 그치지 말고 성과 개선을 AI 사용과 연결할 방법을 찾고, 학습 데이터를 CRM이나 ERP 같은 업무 시스템과 연결하면 학습이 생산성, 혁신, 고객 만족 같은 성과와 어떻게 이어지는지 살펴볼 수 있다는 것입니다. 국내 기업 교육 맥락에서는 KIRD 브리프 2026-2호 「전사 AX 설계, 무엇을 먼저 결정해야 하는가」가 이 문제를 더 깊이 다루는데, AI 사용량을 성과 지표로 삼으면 오히려 '워크슬롭'이 늘 수 있다고 지적합니다. 그렇다면 AI로 만든 교육이 효과가 있었는지는 겉으로 드러나는 만족이 아니라, 학습자가 실제로 무엇을 해낼 수 있게 됐는지에서 확인해야 합니다.

*아래 버튼을 눌러 KIRD 블로그에서 자세한 내용을 확인하실 수 있습니다. 

👌03. 모두를 위한 Q

🧭 도구의 사용법보다, 스스로 방향을 잡는 힘

Spelhaug의 답은 특정 도구를 가르치는 데 있지 않습니다. 그가 강조하는 것은 학습자가 스스로 방향을 잡아 나가는 능력, 곧 비판적 사고와 통찰, 그리고 끊임없이 배우려는 태도 같은 메타인지 역량입니다. 그는 이 변화를 글을 쓰던 사람이 글을 다듬는 편집자로, 한 악기를 연주하던 사람이 여러 악기를 이끄는 지휘자로 옮겨 가는 일에 빗댑니다. 그가 드는 근거 가운데 하나는 2025년에 Stanford 연구진이 급여 데이터를 분석한 결과입니다. AI에 많이 노출된 직군에서 초기 경력 근로자의 고용이 다른 집단에 비해 약 13퍼센트 줄어든 것으로 나타났습니다.

특정 역량의 반감기가 짧아지는 만큼, 무엇 하나를 익히는 일보다 계속 배워 나가는 능력이 더 오래 간다는 것입니다. Spelhaug는 이를 두고 학습자가 갖고 나가야 할 가장 중요한 자질로 배움에 대한 지치지 않는 욕구를 꼽습니다.

🧠 '잘못된 자신감'을 경계한다

Spelhaug는 한 가지를 특히 경계합니다. 생성형 AI가 진짜 이해 없이도 유능해진 듯한 느낌을 준다는 점입니다. 그는 이를 잘못된 자신감이라 부릅니다. Microsoft가 약 500명을 추적한 연구에서, 짜임새 있는 교수 설계 없이 AI로만 학습한 경우 자신감은 올라갔지만 실제 지식은 늘지 않았다고 그는 전합니다.

비슷한 신호는 다른 연구에서도 보입니다. Microsoft 연구진이 2025년에 지식 근로자 319명을 조사한 연구에 따르면 AI에 대한 신뢰가 높을수록 비판적 사고를 덜 하는 경향이 나타났습니다. AI를 더 신뢰할수록 오히려 스스로 따져 보는 노력을 덜 하게 될 수 있다는 것입니다.

Spelhaug는 예전에 저개발 지역 학습자에게 저가 노트북을 나눠 주던 프로젝트에 참여했던 경험을 떠올립니다. 도구를 손에 쥐여 주는 것만으로는 학습이 일어나지 않았고, 많은 기기가 몇 달 만에 방치됐다고 그는 말합니다. AI도 또 하나의 도구일 뿐이며, 가장 좋은 결과는 AI가 교수자를 대신할 때가 아니라 AI와 교수자가 함께 일할 때 나타났다는 것입니다. 이런 방향을 실제 수업에서 구현한 국내 사례로는 KIRD 브리프 2026-1호 「NotebookLM으로 토론 스파링 파트너 챗봇 만들기」가 있습니다. AI를 답 기계가 아니라 학습자의 사고를 자극하는 토론 상대로 세운 경우입니다. 그래서 AI 시대에 학습자에게 남겨 줄 것은 특정 도구의 사용법이 아니라, 스스로 계속 배우고 AI가 준 답을 비판적으로 따져 보는 힘입니다.

*아래 버튼을 눌러 KIRD 블로그에서 자세한 내용을 확인하실 수 있습니다. 

이달의 Q레이션, 어떻게 보셨나요?

비슷한 고민을 안고 계셨다면, 오늘 읽으신 이야기를 주변과 한번 나눠 보시면 어떨까요.

앞으로도 함께 들여다보면 좋을 질문이 있다면 들려주세요!
보내 주시는 이야기 하나하나가 다음 호의 Q가 됩니다.

🥳 다가오는 HRD·교수학습 행사

🌐 미래형 교수학습 동향, 더 가까이 만나기

전 세계 교수학습·HRD의 모든 동향을 한눈에! - 미래형 교수학습 동향 아카이브

기타 문의 - 📧 hspark@kird.re.kr