AI와 교육: 앤스로픽 교육팀이 밝힌 학생 사용 실태, 러닝 모드, AI 리터러시 강좌

핵심 메시지

• 앤스로픽 자체 조사에서 클로드를 쓴 학생 상호작용의 47%는 주고받는 과정이 거의 없는 직접적·거래적 형태였다.
• 클로드는 블룸 분류법의 상위 단계인 창조와 분석을 수행하고 있었는데, 교사가 정작 학생에게 바라는 것이 그 단계라는 점이 문제로 지적됐다.
• 학생들이 먼저 '브레인 롯'을 걱정했고, 그 목소리가 답을 바로 주지 않는 튜터형 기능 러닝 모드로 이어졌다.
• 앤스로픽은 두 대학교수와 함께 만든 AI 리터러시 강좌에서 프롬프트 요령이 아니라 언제 AI를 쓰지 않을지를 가르치는 쪽에 무게를 뒀다.
• 참가자들이 공통으로 꼽은 미해결 과제는 교육기관의 느린 적응 속도, K-12 데이터 프라이버시, 그리고 5년 뒤 무엇을 가르쳐야 하는가였다.

쉽게 이해하기

앤스로픽이 사내 교육 관련 인력 네 명을 모아 AI와 교육을 주제로 나눈 대화를 공개했다. 진행을 맡은 드루 벤트는 전직 고등학교 수학 교사이자 부모가 모두 교육자인 인물이고, 조이는 비기술 사용자를 대상으로 한 교육 콘텐츠를, 매기는 사내에서 '교육부'라고 부르는 교육팀을 만들어 이끌고 있다. 물리학과 수학을 전공하고 MIT에서 강의한 경험이 있는 에프라임은 제품 엔지니어링 매니저로 교육용 기능을 만들었다. 네 사람 모두 교실 경험이나 자녀 문제로 이 주제와 개인적으로 얽혀 있다는 점을 먼저 밝힌다.

대화의 출발점은 앤스로픽 사회적영향팀이 지난해 진행한 사용 실태 조사다. 클로드의 주요 사용처 가운데 교육이 상위에 올랐는데, 정작 학생 상호작용의 47%는 주고받는 과정이 거의 없는 직접적이고 거래적인 요청이었다. 벤트는 교사 시절 학생에게 기대하는 인지 단계가 '종합'과 '창조'였는데, 데이터를 보니 그 상위 단계를 클로드가 대신 수행하고 있더라고 말한다. 한 노스이스턴대 교수는 AI로 쓴 과제물이 너무 많이 들어와 앞으로 전통적인 에세이 과제는 다시 내지 않겠다고 밝혔다고 한다.

그럼에도 이들이 기대를 거는 지점은 분명하다. 교사 한 명이 감당하기 어려웠던 상호작용형 수업을 어떤 과목에서든 대규모로 구현할 수 있고, 자원이 부족한 지역에서 진로 코치나 면접 연습 상대를 구하기 어려웠던 사람들에게 대안이 될 수 있다는 것이다. 에프라임은 일대일 개인 지도를 받은 평균적인 학생이 그렇지 않은 학생의 98퍼센타일보다 나은 성취를 보였다는 연구를 언급하며, 사람 튜터로는 확장이 불가능했던 그 방식을 AI가 상시로 제공할 수 있다는 점을 가장 큰 가능성으로 꼽는다.

회사가 실제로 하고 있는 일도 세 갈래로 소개된다. 하나는 조 펠러와 릭 데이컨 두 교수와 함께 만든 AI 리터러시 강좌로, 금방 낡아버리는 프롬프트 요령 대신 자신의 AI 사용이 효율적·효과적·윤리적·안전한지 스스로 평가하는 틀을 다룬다. 다른 하나는 클로드를 튜터 위치에 두는 '러닝 모드'인데, 답을 바로 내놓는 대신 풀이를 안내하고 올린 자료로 플래시카드를 만들어 준다. 사내에서 자발적으로 시작된 프로젝트였고 첫 버전은 2주 만에 나왔다고 한다. 세 번째는 미국 교사노조(AFT) 같은 외부 기관과의 협업이다.

해결되지 않은 문제도 솔직하게 나열된다. 5년 뒤 코딩 커리큘럼이 어떤 모습일지, 교실에 쏟아지는 AI 도구에 넣은 데이터가 어떻게 처리되는지, 천천히 움직이도록 설계된 교육기관이 빠른 기술 변화를 어떻게 따라갈지가 그것이다. 에프라임은 이를 '교육의 언번들링'이라고 부르며, 지식 전달은 AI가 맡더라도 학생이 성장하고 책임감을 배우는 기관의 역할은 남겨야 한다고 말한다. 대화는 한 옥스퍼드 교수의 말을 인용하며 끝난다. AI의 시대는 좋은 질문을 하는 시대가 될 것이고, 문제를 가지기에 지금보다 좋은 때는 없었다는 것이다.

주요 인사이트

• 코드를 배우는 순서가 뒤집히고 있다. 벤트는 자신이 CS를 배울 때 90%를 코드 작성에, 10%를 남의 코드를 읽고 검토하는 데 썼는데 지금은 코딩 에이전트와 일하며 비율이 정확히 반대가 됐다고 말한다. 글은 읽기부터 배우는데 코딩은 쓰기부터 가르쳐 온 관행을 다시 볼 때가 됐다는 문제 제기다.
• AI 과제를 도입하면 6개월 걸릴 분량을 2주에 끝내는 학생이 나오는데, 그것을 어떻게 채점하느냐는 질문이 대학 방문에서 반복해 나왔다고 한다. 결과물이 아니라 AI를 쓴 과정을 평가하자는 아이디어가 이 문제의 대안으로 제시된다.
• 매기는 인식론을 연구한 사람과의 대화를 소개하며, AI는 사람이라면 상당한 훈련이 필요한 '확신에 찬 어조'를 아무 때나 만들어 낸다고 지적한다. 사람을 상대로 익힌 진위 판별 감각이 AI에는 통하지 않을 수 있다는 것이다.
• 제품 원칙도 언급된다. 리텐션이나 체류 시간 같은 표준 인게이지먼트 지표를 최적화하지 않고, 때로는 AI를 쓰지 않도록 유도하는 결정을 내린다고 말한다. 매기는 10억 명이 기술에 의존하게 되는 것보다 100만 명에게 AI를 쓰지 않는 법을 가르치는 편이 낫다고 표현했다.
• 학생을 문제의 원인으로 보지 않는 태도가 반복해서 나온다. 학생들이 먼저 '브레인 롯'을 걱정했고, 제품 피드백에서도 모델에 의존하기보다 자기 능력이 확장되기를 원한다는 신호가 나온다는 것이다. 이들은 이를 개인의 동기 문제가 아니라 제도의 문제로 규정한다.

자주 묻는 질문

관련 AI 소식