[Q레이션 레터 #4] "AI가 똑똑해질수록 지식공유는 줄어들까요?" 반전의 증거를 짚어보다 🔍

2026.09.17  | No.04 | 구독하기 

☝️01. 교수자를 위한 Q

🔒 내 자료와 학습자 정보를 어떻게 다루는지부터 본다

Claude for Teachers는 검증된 교육자 계정의 대화를 모델 학습에 쓰지 않고, 학생 정보는 별도의 K-12 데이터 처리 부속서로 보호하며 미국의 데이터 보호 기준(FERPA: Family Educational Rights and Privacy Act)을 적용한다고 밝혔습니다. 여기에 Chan Zuckerberg Initiative의 교육 이니셔티브인 Learning Commons와 함께 만든 학습과학 기반 티칭 스킬로 수업 계획 수립, 학습자별 맞춤 분화, 자료 분석, 반복 업무 자동화를 돕고, 정해진 학습 기준 아래 세부 역량과 순서까지 파악해 그 기준에 맞는 수업안을 짜도록 연결돼 있습니다. 교원단체와 안전 기준을 함께 다듬어 가고 있다는 점도 눈에 띕니다.

  Claude for Teachers 소개 화면(출처: Claude)  

🧭 답을 주는 도구인지, 생각하게 하는 도구인지 가른다

비슷한 시기인 2026년 7월, Microsoft도 M365 Copilot에 학습 특화 기능 Study and Learn을 선보였습니다. 학습자가 올린 문서나 슬라이드, PDF를 바탕으로 시험 대비 플래시카드를 만들거나 문제를 단계별로 짚어주고, 글쓰기 논증을 다듬도록 돕는 식입니다. 적응적 스캐폴딩, 생산적 고군분투, 능동적 학습, 응용과 전이라는 4가지 학습과학 원칙을 따르는데, 특히 질문으로 시작해 학습자가 스스로 답을 추론하도록 이끄는 설계가 핵심입니다.

Study and Learn 화면(출처: Microsoft 365 Blog)

정답을 바로 건네는 도구와 그 답에 이르는 과정을 함께 짚어 주는 도구는 겉보기에는 비슷해도 실제 쓰임은 다릅니다. 두 빅테크 기업이 같은 시기에 이런 설계를 나란히 내놓았다는 것은 지난 4호 동향 브리프에서 살펴본 '사고력과 책임을 지키는 학습 설계'라는 흐름이 교육 특화 AI에도 이어지고 있다는 신호로 읽을 수 있습니다. 

결국 교육용 AI를 고르는 기준은 화려한 기능이 아니라, 내 자료와 학습자 정보를 어떻게 다루고 어떤 학습 원칙을 따르는지에 있다고 볼 수 있습니다.

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

✌️02. 교육행정가를 위한 Q 

📊 "쓰고는 있지만 모른다"는 간극을 보여주는 조사

응답자의 94%가 최근 6개월 사이 업무에 AI 도구를 썼다고 답했지만, 기관의 AI 정책과 가이드라인을 인지하고 있다는 응답은 54%에 그쳤습니다. 92%의 기관이 AI 전략을 갖추고 있는데도 투자 대비 효과(ROI)를 측정하는 곳은 13%뿐이었고, 56%는 기관이 제공하지 않은 AI 도구까지 업무에 쓰고 있다고 답했습니다. 같은 조사에서 응답자의 67%는 6가지 이상의 위험을 '시급하다'고 꼽았는데, 오정보 확산과 동의 없는 데이터 활용, 스스로 생각하는 힘의 약화가 가장 많이 지목됐습니다.

위험을 이렇게 폭넓게 걱정하면서도 정작 그 위험을 다룰 정책은 절반 가까이가 모르고 있다면, 원칙을 세우는 일과 그 원칙을 구성원에게 닿게 하는 일은 별개로 챙겨야 할 과제로 볼 수 있습니다.

🧩 처음부터 만들지 않고, 검증된 기준을 가져온다

원칙을 백지에서 세우기보다, 이미 검증된 절차와 평가 기준을 빌려오는 방법이 있습니다. 국내에서 행정안전부는 2026년 6월 「공공부문 AI 도입·활용 가이드」를 배포해, 기획부터 운영까지를 5단계로 표준화하고 기관 내부의 최신 문서를 우선 참조하게 해 환각을 줄이는 RAG(Retrieval-Augmented Generation) 우선 전략을 안내했습니다.

국제적으로는 UNICEF가 2026년 7월 제네바에서 열린 AI for Good Global Summit에서 EdTech for Good Framework 2.0을 공개했습니다. 60개국 141개 기관이 낸 피드백 약 900건을 반영한 개정판으로, 도구의 투명성과 맥락, 비례성, 책임성을 따져 보도록 짜여 있습니다. UNICEF 총재 캐서린 러셀은 이 프레임워크를 두고 "공공 시스템이 AI와 디지털 도구가 학습 공간에 들어오고 쓰이는 방식을 만들어 갈 수 있고, 또 그래야 한다는 선언"이라고 밝혔습니다. 해당 프레임워크는 오픈소스로 공개돼 있어 기관 상황에 맞게 변형해 쓸 수 있습니다. 그리고 이 기준은 이미 현장에서 쓰이고 있습니다. UNICEF는 이 프레임워크로 도구를 먼저 심사한 뒤 성과가 검증된 것만 골라 국가 단위로 확산시키는 Blue Unicorn Portfolio를 함께 운영합니다. 2025년 4월 첫 심사를 거쳐 선정된 도구 7개가 15개국에 배치돼 1,200만 명이 넘는 학습자에게 닿고 있고, 각국 적용 사례는 독립된 제3자 연구로 학습 성과를 검증받습니다.

결국 기관의 AI 활용 원칙을 세우는 일은 새 규정을 처음부터 만드는 것이 아니라, 이미 검증된 절차와 평가 기준을 우리 상황에 맞게 가져와 채우는 데서 시작할 수 있습니다.

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

👌03. 모두를 위한 Q

🔄 똑똑하고 인간적으로 느껴질수록, 오히려 더 나눈다

중국 IT업과 제조업을 중심으로 직장인 496명을 조사한 이 연구는 생성형 AI가 똑똑하고 인간적으로 느껴질수록 AI 자기효능감은 높아지고 기술에 밀려날 것이라는 위협 인식은 오히려 낮아져, 지식공유 의도가 늘어난다는 결과를 확인했습니다. 연구진은 이 반전을 '위협을 도전으로 재해석하는 인지 작용'이라 이름 붙였는데요. AI의 역량을 자신을 대체할 위협이 아니라 함께 일할 자원으로 받아들이면서 나타나는 현상이라는 설명입니다. 연구·기술 조직에서 흔히 품는 '내 전문성이 AI로 대체되지 않을까'라는 불안이 적어도 이 연구에서는 지식공유를 움츠러들게 하기보다 AI를 능숙하게 다루는 사람일수록 동료와 더 활발히 나누는 쪽으로 나타난 셈입니다.

이 효과를 키우는 방법은 두 갈래로 갈립니다. AI를 다루는 기술 지식은 '밀려날 거라는 불안'을 줄이는 데는 도움이 됐지만, 정작 'AI를 잘 쓴다는 자신감'을 키우는 데는 큰 효과가 없었습니다. AI를 깊이 알수록 환각이나 데이터 유출 같은 약점까지 함께 눈에 들어와 낙관이 옅어진 영향도 있고, AI가 어떻게 작동하는지 아는 것과 실제로 써서 성과를 내 본 경험이 서로 다른 확신이라는 점도 작용한 것으로 보입니다. 불안은 '얼마나 이해하고 있나'에서 줄어들지만, 자신감은 '해낸 적이 있나'에서 생깁니다. 그래서 조직이 할 일도 시기별로 달라집니다. AI 도입 초기 불안이 클 때는 마인드셋을 다루는 쪽에 무게를 싣고, 자신감이 이미 자리 잡은 팀에서는 정보 위주의 교육보다 직접 써 보고 피드백 받는 실습 기회를 늘리는 쪽이 지식공유를 끌어올리는 데 도움이 될 수 있습니다. 다만 표본이 중국 문화권의 특정 업종에 한정돼 있고 자기보고식 설문에 기댄 결과라, 다른 문화권이나 직군에도 그대로 적용된다고 단정하기는 이릅니다.

🔍 현장에서는 다른 결의 긴장도 함께 있다

이 반전이 낙관으로만 흐르지 않도록, 실제 조직이 신뢰를 어떻게 다루는지도 함께 볼 필요가 있습니다. Deloitte는 2026년 2월 자사 State of AI in the Enterprise 보고서 제작 과정을 공개하며, 'Human-led, AI-accelerated' 원칙을 밝혔습니다. 구체적으로 AI는 초기 가설과 테마를 브레인스토밍하고 패턴을 찾아 기존 보고서와 대조하는 일을 맡았고, 사람은 최종 설문을 검증하고 신뢰할 수 있는 출처로 서사를 뒷받침하는 일을 맡았습니다. 그 결과를 두고 "AI가 제안한 인사이트의 100%가 전문가의 실질적 재작업을 거쳤다"고 밝혔습니다. 신뢰가 저절로 따라오는 것이 아니라, 검증 구조를 눈에 보이게 설계한 결과로 볼 수 있습니다. 실제로 Founder Reports가 2026년 5월 발표한 조사에서 미국 근로자 2,078명에게 물은 결과, 동료가 AI를 썼다는 사실을 알면 77%가 결과물을 더 꼼꼼히 검토하고 43%는 신뢰도가 낮아진다고 답했으며, 45%는 AI에 과의존한 동료의 작업물을 고치거나 다시 만든 경험이 있다고 했습니다(관리자급 57%, AI 사용이 의무화된 기업 73%로 더 높음). 지식공유 '의도'는 늘어도, 그 결과물에 대한 '신뢰'는 별개로 다뤄야 할 문제로 볼 수 있습니다. 

그렇다면 AI가 똑똑해질수록 동료 간 지식공유가 줄어들 거라는 우려는 적어도 이 연구가 보여주는 방향에서는 꼭 들어맞지는 않는다고 볼 수 있습니다. 다만 그 공유가 계속 이어지려면, Deloitte처럼 검증 구조를 눈에 보이게 설계하거나 결과물을 한 번 더 들여다보는 동료의 수고를 자연스러운 절차로 받아들이는 태도가 함께 필요해 보입니다.

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

이달의 Q레이션, 어떻게 보셨나요?

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

  다음 주면 추석 연휴입니다.
평안한 연휴 보내시고 <미래형 교수학습 동향 뉴스레터>로
10월 첫 번째 주에 다시 찾아뵙겠습니다. 🌕

📮 <미래형 교수학습 동향 브리프> 4호가 나왔어요!

🌐 미래형 교수학습 동향, 더 가까이 만나기

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

기타 문의 - 📧 hspark@kird.re.kr