AI 시대 학교: 지식보다 실무감각을 가르쳐야 한다

AI를 쓰는 수업은 학생이 답을 받아 적는 시간이 아니라, 답을 확인하고 고치는 시간이어야 한다.

학생이 AI에게 “이 자료를 표로 정리해줘”라고 말하면 몇 초 뒤 표가 나온다. “고등학생도 이해하게 설명해줘”라고 하면 AI는 설명 수준을 낮춘다. “발표 자료로 바꿔줘”라고 하면 AI는 목차와 슬라이드 초안을 만든다.

자료 조사, 요약, 글쓰기, 코딩, 표 정리, 발표 자료 만들기는 이미 AI가 빠르게 처리한다. 아직 사람의 지시와 검토가 필요하지만, 학생이 혼자 자료를 찾고 글과 표를 만들던 많은 과제는 점점 AI가 대신하게 된다.

그러면 학교가 지금처럼 지식을 설명하고, 학생에게 외우게 하고, 시험지에 답을 쓰게 하는 데 대부분의 시간을 쓰는 방식은 버티기 어렵다.

학교는 지식보다 실무감각을 가르쳐야 한다. 학생은 AI를 쓰는 법만 배워서는 부족하다. 학생은 실무 개념을 배우고, 그 개념을 실제 사람, 실제 물건, 실제 현장에 적용해봐야 한다. 학생은 AI가 낸 답이 현실에서 맞는지 확인하고, 틀린 부분을 다시 고쳐봐야 한다.

지식을 설명하는 것은 AI가 더 잘한다

학교 입장에서는 불편한 말일 수 있다. 하지만 지식을 설명하는 일만 놓고 보면 AI는 이미 너무 잘한다.

학생이 수업을 못 알아들으면 AI는 다시 설명한다. 그래도 모르면 더 쉽게 설명한다. 학생이 예시를 바꿔달라고 하면 AI는 다른 예시를 든다. AI는 수학 문제를 단계별로 풀어주고, 영어 문장을 고쳐주고, 역사 사건을 흐름대로 정리해준다. 학생은 같은 질문을 여러 번 해도 눈치를 보지 않는다.

물론 AI는 틀린 말도 한다. 그래서 학생은 AI가 내놓은 답을 의심하고 검증하는 법을 배워야 한다. 하지만 개념을 설명하는 일 자체는 이제 학교만의 강점이 아니다. 학생에게 지식을 전달하는 기능만 보면, AI는 교과서보다 친절하고 학원보다 싸다.

그런데도 많은 학교는 아직 예전 방식으로 수업한다. 선생님이 설명하고, 학생이 받아 적고, 시험 기간에 외워서 답을 쓴다. 과제도 비슷하다. 학생은 자료를 찾아 요약하고, 보고서를 쓰고, 발표 자료를 만든다.

문제는 이런 과제 대부분이 자료를 찾고 글과 표를 만드는 데서 끝난다는 점이다. 혼자 컴퓨터로 끝내는 과제는 AI가 가장 빠르게 대신한다.

고등학교가 가장 많이 바뀌어야 한다

대학도 바뀌어야 하지만, 더 큰 문제는 고등학교다.

고등학교는 여전히 정답을 빨리 찾는 훈련에 너무 많은 시간을 쓴다. 학생은 개념을 외우고, 문제를 풀고, 틀린 유형을 다시 외운다. 좋은 점수는 누가 더 빠르고 정확하게 정답을 쓰는지로 갈린다. 학생은 문제를 푸는 사람으로 훈련된다. 더 정확히 말하면, 정해진 답을 뽑아내는 사람으로 훈련된다.

기본기는 필요하다. 학생은 계산도 해야 하고, 글도 읽어야 하고, 최소한의 지식은 머리에 넣어야 한다. 문제는 비중이다. 지금 학교는 너무 많은 시간을 정답 맞히기에 쓴다. 학생이 직접 문제를 정하고, 실제 사람에게 물어보고, 실패한 뒤 다시 고치는 시간은 너무 적다.

AI 시대에는 학교가 시간을 쓰는 방식이 달라져야 한다. 정답 찾기는 AI가 잘한다. 학생이 학교에서 더 배워야 하는 일은 현실에서 문제를 찾는 일이다. 학생은 AI가 낸 답에서 빠진 조건을 찾아야 한다. 학생은 남이 준 문제를 푸는 데서 끝나지 않고, 실제 사람이 겪는 불편을 확인해야 한다.

고등학교부터 바뀌어야 한다. 학생이 12년 동안 정답 맞히기에만 익숙해지면, 대학에서 갑자기 실제 문제를 다루기 어렵다. 학교가 학생을 정답 맞히기에 익숙하게 만들어놓고, 나중에 학생에게 창의력이 부족하다고 말하면 안 된다.

신입이 하던 일을 AI가 대신한다

신입은 앞으로도 필요하다. 회사에는 계속 새 사람이 들어와야 한다. 누군가는 다음 실무자가 되고, 누군가는 다음 팀장이 되어야 한다. 문제는 신입의 필요성이 사라진 게 아니다. 신입이 회사에서 처음 맡던 일을 AI가 대신한다는 점이다.

예전 회사는 신입에게 비교적 쉬운 일을 맡겼다. 신입은 자료를 찾고, 고객사를 조사하고, 회의록을 정리하고, 보고서 초안을 썼다. 개발 직군의 신입은 단순한 코드 수정이나 테스트를 맡았다. 회사 입장에서 이런 업무는 큰 성과가 아니었다. 하지만 신입에게는 중요한 학습 과정이었다.

신입은 쉬운 업무를 하면서 회사 일을 배웠다. 신입은 어떤 자료가 쓸 만한지, 보고서는 어디까지 써야 하는지, 숫자는 어디서 틀릴 수 있는지, 상사는 왜 특정 질문을 하는지 익혔다. 회사는 쉬운 업무를 통해 신입에게 일하는 법을 가르쳤다.

이제 AI가 쉬운 업무를 빠르게 처리한다. AI는 자료를 조사하고, 내용을 요약하고, 초안을 쓰고, 표를 정리하고, 단순 코드를 만든다. 경력자가 AI를 쓰면 예전 신입 몇 명이 처리하던 업무를 더 짧은 시간에 끝낼 수 있다. 회사 입장에서는 신입을 교육하기 위해 쉬운 업무를 따로 맡길 이유가 줄어든다.

그래서 신입에게 요구되는 기준이 바뀐다. 회사는 “모르지만 열심히 배우겠습니다”라는 말만으로는 부족하다고 느낀다. 회사는 신입에게도 최소한의 일머리를 기대한다. 신입은 일을 어떻게 나눌지, AI에게 무엇을 시킬지, AI가 낸 결과를 어디서 의심할지, 실제 상황에서 무엇을 확인해야 할지 알아야 한다.

학교의 책임은 여기서 커진다. 회사가 쉬운 업무로 신입을 오래 가르치기 어렵다면, 학교가 회사 입사 전 훈련을 맡아야 한다. 학생은 졸업하기 전에 실무 개념을 한 번은 처음부터 끝까지 적용해봐야 한다. 학생은 AI로 조사하고, 초안을 만들고, 실제 쓸 사람에게 보여주고, 맞지 않는 부분을 다시 고쳐봐야 한다.

학생이 교실 밖에서 AI 답에 빠진 조건을 직접 찾아보면, 다음 답을 볼 때도 무엇을 의심해야 하는지 더 잘 기억한다.

학생은 AI 답이 실제 상황에 맞는지 봐야 한다

앞으로의 신입은 AI에게 일을 구조적으로 시킬 줄 알아야 한다. 신입이 “이거 해줘”라고 통째로 맡기는 수준에 머물면 회사는 신입을 높게 평가하기 어렵다. 신입은 AI에게 조사할 내용, 비교할 기준, 초안의 목적, 계산 조건, 검토 기준을 나눠서 지시해야 한다. 그리고 AI가 낸 결과가 실제 상황에 맞는지 확인해야 한다.

회사 일에는 문서와 화면에 안 적힌 조건이 많다. 물건은 늦게 오고, 고객은 말을 바꾸고, 장비는 계획대로 작동하지 않는다. 사람은 문서에 적히지 않은 이유로 반대한다. AI가 만든 답은 깔끔해 보여도, 실제 상황에서는 조건이 빠져 있거나 비용이 맞지 않을 수 있다.

그래서 학생은 사람을 만나야 한다. 학생은 물건을 직접 봐야 한다. 학생은 장비를 다뤄봐야 한다. 학생은 사용자가 실제로 무엇을 불편해하는지 물어봐야 한다. 학생은 AI가 만든 계획을 실제 상황에 적용해보고, 맞지 않는 부분을 다시 수정해야 한다.

실무감각은 강의만 들어서는 생기지 않는다. 문제집을 많이 풀어도 실무감각은 생기지 않는다. 학생이 실제 사람과 실제 조건을 상대해봐야 실무감각이 생긴다.

학교는 실무 개념을 실제 문제에 적용하게 해야 한다

학교가 바뀐다는 말은 거창한 구호가 아니다. 학교가 수업에서 실무 개념을 실제 문제에 적용하게 해야 한다는 뜻이다.

학생이 직접 문제를 정해야 한다. 학생이 AI로 초안을 만들어야 한다. 학생이 그 초안을 실제 쓸 사람에게 보여주고, 무엇이 빠졌는지 물어봐야 한다. 그 사람이 실제로 불편해하는지도 확인해야 한다. 학생이 만든 결과물이 실제로 도움이 되는지 보고, 도움이 안 되면 왜 도움이 안 되는지 다시 따져야 한다.

고등학생도 할 수 있다. 학생은 학교 안의 낭비를 줄이는 도구를 만들어볼 수 있다. 학생은 동네 가게의 불편한 업무를 조사해볼 수 있다. 학생은 친구들이 실제로 쓰는 작은 앱이나 문서를 만들어볼 수 있다. 중요한 것은 규모가 아니다. 실제 사용자가 있고, 실제 반응이 있고, 다시 고쳐야 하는 작업이 있느냐가 중요하다.

대학은 더 강하게 바뀌어야 한다. 공학 수업은 장비, 데이터, 실제 조건을 다뤄야 한다. 경영 수업은 고객, 가격, 판매를 다뤄야 한다. 인문학 수업도 글을 쓰고 제출하는 데서 끝나지 말고, 사람들이 실제로 읽고 반응하는 결과물까지 다뤄야 한다.

창업 교육도 중요해진다. 모든 학생이 창업자가 되어야 한다는 뜻은 아니다. 학생은 작은 서비스든, 자동화 도구든, 제품이든, 리포트든, 누군가에게 실제로 필요한 결과물을 만들어봐야 한다. 학생은 결과물을 보여주고, 거절당하고, 다시 고쳐야 한다. 그런 과정이 학생에게 일머리를 만든다.

학교는 학생에게 결과물을 남기게 해야 한다

앞으로 좋은 학교의 기준은 달라질 것이다. 지식을 많이 설명하는 학교가 계속 좋은 학교로 평가받기는 어렵다. 지식을 설명하는 일은 AI가 너무 잘한다.

좋은 학교는 학생이 AI를 쓰면서 실무 개념을 실제 문제에 적용하게 하는 학교다. 좋은 학교는 학생이 강의실에서 배운 내용이 실제 상황에서 왜 안 맞는지 확인하게 하는 학교다. 좋은 학교는 실패를 점수로 끝내지 않고, 학생이 실패한 결과물을 다시 고치게 하는 학교다.

AI 시대에도 신입은 필요하다. 다만 AI 답과 문서만 다룰 줄 아는 신입은 평가가 낮아진다. 회사가 찾는 사람은 AI를 끝까지 활용하면서도, 실무 개념을 실제 상황에 적용해본 사람이다.

고등학교와 대학도 이 질문을 피할 수 없다. 학생에게 졸업할 때 남는 것이 시험 점수뿐인가. 아니면 학생이 실제 사람에게 보여주고, 거절당하고, 고쳐본 결과물이 하나라도 있는가.

앞으로 학교는 시험 점수만 남는 학생과 결과물을 남기는 학생의 차이를 만들어야 한다. 학생은 책상 앞에서 AI를 쓰고, 그다음에는 자리에서 일어나 실제 사람을 만나야 한다. 학생은 실무 개념을 머리로 이해하는 데서 멈추지 말고, 실무 개념이 현실에서 작동하는지 확인해봐야 한다.