목차
▪️교육부 AI 리터러시 국가진단은 무엇을 재나
▪️AI를 쓰면 정말 덜 배우나
▪️국가 진단과 AI 확대 정책은 충돌하는가
▪️표 1: 국가 AI 리터러시 정책의 세 가지 층위
▪️아이에게 필요한 것은 AI 금지가 아니라 과정의 증거다
▪️FAQ
▪️핵심 인사이트 3가지
▪️전문 용어 사전
▪️핵심 참고자료
교육부가 지난 8월, 전국 초·중·고교생을 대상으로 한 'AI리터러시국가진단'의 도입 추진 계획을 공식 발표했다. 챗봇을 익숙하게 다루는 실력이 진짜 배움이 아닐 수 있다는 우려 때문이다. 이번 진단은 등수를 매기는 시험이 아니다. 기계가 준 정보에 오류가 없는지 스스로 의심하고 걸러내는 능력을 평가한다.
도구의 편리함 뒤에 숨은 부작용을 점검하려는 취지다. 숙제를 빨리 끝내는 겉모습보다 스스로 이해하고 설명하는 진짜 실력을 기르는 데 목적이 있다. 이러한 진짜 실력을 키우려면 단순한 '기기 조작 기술'과 기계의 한계를 판별하는 'AI정보검증'을 분명히 나눠야 한다.
전자가 프로그램을 다뤄 원하는 대답을 얻는 반복 요령이라면, 후자는 답변의 출처를 의심하고 오류를 따져보는 판단력이다. 이번 진단이 점수 확인에 그치지 않고 수업의 변화로 이어지려면, 기기 보급을 넘어 실제 학습을 돕는 구체적인 연계가 필요하다.
태블릿 화면 속 화려하게 완성된 미래 도시 과제물 뒤에서 푸른색 홀로그램 손이 펜을 대신 쥐고 그려주고 있는 대리 수행 상황과 그 속에서 학생이 느끼는 무서운 성취의 착시를 위트 있게 풍자한 일러스트
국가 진단과 AI 중점학교 등 국내 정책의 실제 변화
교육부가 도입하는 기준은 기술을 다루는 요령보다 비판적인 판단력을 확인하는 데 집중한다. 인공지능의 기본 작동 원리를 아는지, 목적에 맞게 도구를 주체적으로 다루는지 살핀다. 특히 기계가 뱉은 정보에서 오류와 편향을 걸러낼 수 있는지, 윤리 의식을 갖췄는지를 종합 평가한다. 이 평가는 학생을 줄 세우는 시험이 아니며 내신에도 반영되지 않는다.
정부의 목표는 단순 코딩이나 질문 요령만 가르치던 교육에서 벗어나는 것이다. 스스로 정보를 검증하고 문제를 푸는 진짜 디지털 체력을 길러주겠다는 취지다.
다만 구체적인 시험 문항이나 채점 기준, 학교 적용 일정 등은 아직 확정되지 않았다. 따라서 학원부터 보낼 필요는 없다. 가정과 학교에서 디지털 기기를 바르게 쓰는 습관을 기르도록 돕는 것이 먼저다.
AI 과의존 연구의 실험 조건, 수치, 인지 외주화 개념
인공지능을 써서 과제를 그럴듯하게 끝내는 것과, 학생이 배운 내용을 완전히 자기 것으로 만드는 것은 전혀 다른 문제다. 최근 해외 연구를 보면 이 사실이 명확히 드러난다.
튀르키예의 한 고등학교에서 인공지능에 의존해 수학을 공부한 학생들을 관찰했다. 이들이 인공지능 없이 진짜 시험을 치르자, 스스로 공부한 학생들보다 훨씬 낮은 점수를 받았다. 편리하게 정답을 확인하는 데만 익숙해져, 깊이 고민하고 머리를 쓰는 과정을 기계에 통째로 떠넘겼기 때문이다.
결국 원리를 직접 깨달을 기회를 놓친 셈이다. 겉보기 결과물이 그럴듯하다고 해서 학생이 실제로 잘 배웠다고 착각해서는 안 된다. 물론 이 실험은 고등학생의 수학 수업이라는 한정된 상황이지만, 초등학생도 예외가 아니다. 오히려 기초적인 생각하는 힘을 길러야 하는 초등학생일수록 이러한 상황을 더욱 주의해야 한다.
2026년 교육부 AI 정책은 학생 역량 진단, 학교 교육 확대, 취약계층 지원으로 나뉘는 것을 설명한 표 이미지.
같은 AI 정책이라도 진단은 측정 기준, 학교 사업은 교육 과정, 온이음은 접근성 지원을 다룬다.
- 근거 출처: 교육부 AI 리터러시 발표 계획서, 교육부 AI 교과 보도자료, 교육부 AI 온이음 보도자료(기준 시점: 2026년 9월 4일)
연구·정책의 한계, 반론, 일반화 금지, 진단의 미확정 영역
정부가 인공지능 교육을 확대하면서 동시에 문해력 진단을 추진하는 이유는 명확하다. 기술의 편리함을 누리되, 학생 스스로 생각하는 주체적인 힘을 잃지 않도록 중심을 잡기 위해서다. 현재 교육부는 학교 현장 교사들과 함께 총 16개 과목의 인공지능 교과서를 개발하고 있으며, 이는 2027년 시범 적용을 거쳐 2028년 3월에 정식 도입될 예정이다.
또한 농어촌과 저소득층 학생 12만 명에게 학습용 인공지능 서비스를 무상 지원하는 '인공지능 온이음' 사업도 본격적인 궤도에 올랐다. 국가교육위원회 역시 미래 대입 제도 방향을 논의하며 인공지능을 활용한 서술형·논술형 평가의 가능성을 다각도로 검토하고 있다.
여기서 핵심은 인공지능을 교실에 들여놓을지 말지가 아니다. 수업이나 평가에서 기술을 써도 되는 '활용 상황'과 써서는 안 되는 '비활용 상황'을 명확히 구분하는 일이다. 도구를 활용할 때와 쓰지 않을 때, 각각 학생의 생각과 검증 능력을 어떻게 정밀하게 평가할지 제도를 세련되게 설계하는 것이 본질이다.
아울러 인공지능 중점학교의 교육도 단순 코딩 중심이 아닌 타 교과와의 연계 융합을 기본으로 삼는다. 다만 구체적인 진단 기준이나 대입 연계 여부는 현재 세부 사항을 조율하고 다듬어가는 과정이다.
태블릿에서 흘러나오는 푸른색 홀로그램 정보 속 '1+1=3'이라는 뻔뻔한 계산 오류를 의심 가득한 눈초리로 안경을 치켜쓰며 매섭게 가리켜 잡아내고 있는 학생의 자율적인 정보 검증 역량을 묘사한 일러스트
학교·가정의 과정형 활용, 대입 논의와 독자 실무 정보
학교 과제물에서 인공지능을 어디까지 허용할지는 지역과 학교마다 규칙이 다르다. 이 과도기에 필요한 실력은 기계를 무조건 금지하거나 반대로 그냥 베끼는 것이 아니다. 지식을 만들어가는 과정에서 사람이 직접 개입하고 고민한 흔적을 증명해 보이는 일이다.
처음 기계에 넣은 질문 내용, 답변을 책으로 교차검증해 고친 흔적, 최종 제출물에 직접 손을 댄 초안 등을 보관해 두는 방식이 대안이다. 이러한 기록은 단순한 감점 회피용 꼼수가 아니다. 기계의 답을 학생이 직접 검증하고 책임진 영역을 보여주는 진짜 배움의 흔적이다.
저작권위원회의 지침 역시 사람의 손길이 닿은 창작물만 권리를 인정하고 기계가 뽑은 단순 산출물은 배제한다. 물론 이 지침이 법적 판결을 대신해 주지는 않으므로 무조건 맹신해서는 안 된다. 결국 평가의 신뢰를 회복하는 진짜 열쇠는 그럴듯한 결과물의 형태가 아니다. 기계의 답을 의심하고 따져보며 자기 힘으로 설명해내는 자율적 성찰 역량에 있다.
공중에 뜬 푸른색 홀로그램 과제물 위로 낙제(F) 도장이 찍히자 학생이 머리를 쥐어뜯으며 절망하는 모습과, 모니터 화면 속에서 윙크하는 초록색 디지털 마스코트의 모습을 대조해 인간의 주체적 노력이 배제된 인공지능 대리 작성 결과물의 씁쓸한 결말을 위트 있게 풍자한 일러스트
FAQ
Q : AI 리터러시 진단 결과가 내신이나 대입에 바로 반영되는가?
A : 반영되지 않는다. 교육부는 이번에 마련하는 평가가 점수를 매겨 우열을 가리거나 성적표에 들어가지는 않는 기초 참고용 데이터라고 알렸다. 대입과의 구체적 연계 여부는 앞으로 중장기 교육 개편 논의를 지속해서 살펴보아야 한다.
Q : AI 중점학교는 AI 코딩 수업만을 전담하여 가르치는 특성화고교인가?
A : 아니다. 정부 가이드에 따르면 이러한 학교들의 인공지능 수업은 코딩 한 가지만 집중해서 가르치지 않고, 국어나 수학 등 일반 교과목과 융합하는 방식을 기본 뼈대로 삼는다. 학교에 따라 세부 수업 시간이나 실습 방식은 매년 다르게 정해진다.
Q : 일선 학교 수행평가에서 생성형 AI를 활용하면 무조건 감점이나 무효 처리가 되나?
A : 무조건 금지라고 판단하기는 이르다. 수행평가 내 인공지능 사용 범위와 출처를 적는 기준은 소속 교육청의 지침과 학교 평가 규칙에 따라 달라진다. 피해를 보지 않으려면 공부를 시작하기 전 담당 선생님께 미리 여쭤보고, 질문부터 고쳐 쓴 결과까지 나의 고민 이력을 이력서처럼 꼼꼼히 남겨두는 편이 유용하다.
Q : 생성형 AI로 그려내거나 가공한 디자인 결과물도 한국저작권위원회에 등록할 수 있나?
A : 기계 혼자 임의로 다 만들어버린 결과물은 등록할 수 없다. 다만 사람이 뚜렷한 아이디어를 갖고 개입해 내용을 고치고 뼈대를 깎아 완성한 경우에는 사람의 노력과 생각을 부분적으로 인정받을 수 있다. 실제 법률적 권리 판정은 사안에 따라 최종 법원 판례에 따라 세부적으로 결정된다.
Q : AI를 일상적 학습에 사용하면 무조건적인 학업 역량 하락으로 이어지는가?
A : 당연히 그렇지는 않다. 해외의 일부 고등학생 수학 실험 결과는 인공지능에 전적으로 계산을 맡겨버리는 등 아주 한정된 조건에서만 관측된 일종의 역효과다. 오히려 주도적으로 질문하고 정보를 검증하며 인공지능을 보완재로 쓰는 메타인지 학습이 함께 이루어진다면 뛰어난 순기능을 낼 수 있다.
[핵심 인사이트 3가지]
1. 진짜 인공지능 문해력은 기계 답변을 되묻는 검증력에서 출발한다 인공지능의 단순 사용 기술은 프로그램 기능을 아는 수준에 머물기 쉽다. 진짜 능력은 기계가 알려준 답변을 맹신하지 않고, 오류와 출처를 스스로 꼼꼼히 따져 검증하는 힘이다.
2. 당장의 숙제 품질이 좋다고 해서 학생이 실제로 이해한 것은 아니다 인공지능을 빌려 그럴듯한 결과물을 냈더라도, 도구 없이 스스로 개념을 재현하지 못하면 배움은 일어나지 않는다. 그러므로 결과물의 겉모습보다 혼자 힘으로 설명할 수 있는 진짜 능력을 기르는 데 집중해야 한다.
3. 질문과 검증을 고친 이력서가 인간 기여도의 뚜렷한 증거서류가 된다 인공지능에 질문한 이력과 정보 출처를 교차검증한 자국을 남겨두는 버릇이 중요하다. 이 기록은 향후 교실 수행평가와 사회적 창작물 등록 과정에서 인간의 고유한 생각과 기여를 입증할 수 있는 핵심 자료가 될 것이다.
[핵심 참고자료]
교육부 인공지능 온이음 사업 공식 보도자료
국가교육위원회 미래 대입 토론회(전남광주) 아카이브
OECD Digital Education Outlook 2026 공식 보고서
생성형 인공지능 활용 저작물의 저작권 등록 안내서
[전문 용어 사전]
▪️인공지능 리터러시: 인공지능 기술의 기본 구조를 이해하고, 기계의 답변에 편향이나 오류가 있는지 비판적으로 검증하여 윤리적으로 활용하는 능력이다.
▪️사고의 도구 양도: 고민이나 계산 등 사람의 주체적인 두뇌 인지 과정을 기계에 전적으로 맡겨버려 스스로 배우고 기억하는 힘이 지체되는 현상이다.
▪️과정형 평가: 단 한 번 치르는 시험 결과로만 성적을 매기지 않고, 문제를 찾아내고 자료를 고쳐 쓰며 해결하는 일련의 배움 과정을 두루 살피는 방식이다.
▪️인공지능 활용 저작물: 정보 기기가 뽑아낸 단순 결과물에서 한 걸음 나아가, 인간의 독창적인 창작 기획과 기여가 뚜렷하게 가미되어 다듬어진 결과물이다.
※ AI 활용 고지: 본 표는 The Imaginary Pocus의 기획과 편집 방향에 따라 관련 법령·공식 문서·학술자료를 검토해 구성했으며, 자료 구조화와 표·이미지 제작 과정에 NotebookLM과 Gemini를 활용했습니다. 최종 내용의 사실 확인과 편집 책임은 The Imaginary Pocus에 있습니다.
){kind=small}
){kind=small}
){kind=small}
){kind=small}
