AI 시대, 교육은 산업화 시대의 운영체제를 벗어날 수 있을까

답이 공짜가 된 시대임에도 교육은 왜 여전히 답을 외우게 하는가? 지식에 접근하는 비용은 이미 0에 수렴했으나 학교는 여전히 지식의 보관을 가르치고, 답하는 지능은 외부화되었지만 질문하는 힘은 좀처럼 길러지지 않는다. 미래 교육의 핵심은 얼마나 많은 답을 내재화하는가가 아니라, 얼마나 좋은 질문을 던질 수 있는가, 곧 ‘생각하는 힘’으로 이동할 가능성이 크다.

공부머리와 일머리, 그리고 바뀐 미래

우리는 오래전부터 두 종류의 머리를 구분해 왔다. 시험을 잘 치르는 능력인 ‘공부머리’와 문제를 해결하는 능력인 ‘일머리’다. 학창 시절 시험을 잘 보던 사람이 사회에 나와서는 의외로 헤매고, 반대로 성적표는 평범했던 사람이 현장에서 빛을 발하는 경우는 누구나 한 번쯤 목격한다. 우리는 이것을 그저 개인의 기질 차이로 흘려보내곤 했지만, 이 흔한 어긋남은 사실 한 가지 불편한 진실을 가리키는 신호다. 학교가 길러주는 능력과 세상이 보상하는 능력이 일치하지 않는다는 사실 말이다.

교육은 본질적으로 미래를 위한 준비이자, 미래에 가치 있을 자리를 미리 선점하기 위한 행위다. 그렇다면 질문은 단순해진다. 미래에는 무엇이 가치 있는가? 지금까지의 답은 분명했다. 바로 답을 내는 능력, 곧 공부머리였다. 그러나 그 전제가 무너지고 있다. 미래가 보상하는 가치는 점점 일머리 쪽으로, 답을 내는 능력에서 좋은 질문을 던지는 능력으로 옮겨가고 있다. 산업화 시대의 교육 운영체제는 공부머리를 길러내도록 정교하게 최적화되어 있으나, 문제는 그 운영체제가 겨냥하는 미래가 이미 지나가 버렸다는 데 있다.

지능의 외부화, 화살표가 뒤집혔다

미래의 가치가 답에서 질문으로 옮겨간 이유는 생성형 인공지능의 등장 때문이다. 인공지능이 나오기 전에는 답을 내는 일 자체가 어렵고 귀했다. 그 답은 내가 모르는 것을 특정 분야의 전문가만 아는 영역이었고, 지식을 소수가 보유하여 전달하는 행위 자체가 가치였다. 그런데 생성형 인공지능이 전문가의 자리에 앉으면서, 묻기만 하면 전문가 수준의 답이 즉시 돌아오는 시대가 되었다. 답하는 지능이 인간의 머리 바깥으로 빠져나간 것, 이를 ‘지능의 외부화’라 부를 수 있다.

여기서 교육의 정체성이 흔들린다. 지금까지의 교육은 바깥에 있던 지식을 머릿속으로 옮겨 담는 ‘내재화’ 작업이었다. 하지만 인공지능은 그 지식을 다시 바깥으로 빼내며 화살표의 방향을 뒤집어 놓았다. 이제 답을 머리에 쟁여두는 일은 의미를 잃었다. 그렇다면 이제 인간의 내면에 무엇을 길러야 할까. 답하는 지능은 바깥에 두되, 질문하는 힘은 안에 키워야 한다. 이 비대칭 구조가 바로 새로운 교육의 척추다.

답이 더 쉽게 외부화되는 데에는 구조적 이유가 있다. 답은 잘 정의된 문제 안에서 정해진 출력을 찾는 일이다. 정답이라는 기준점이 있고, 공간이 닫혀 있으며, 데이터로 학습되기에 기계가 가장 잘하는 영역이다. 반면 질문은 문제의 경계 자체를 긋는 일이다. 무엇을 물을 것인가를 고르는 것은 닫힌 공간 안의 조회가 아니라 새 공간을 여는 행위다. 질문의 공간은 답의 공간보다 비교할 수 없이 넓고, 정적이지 않으며 동적이다. ‘이 질문의 정답’은 있어도 ‘최선의 질문’에는 정답이 없다.

인지과학의 언어를 빌리면 이 차이가 더 또렷해진다. 우리 사고에는 빠르고 자동적인 직관과 느리고 의식적인 숙고가 함께 있다. 시험은 빠른 직관을 보상한다. 문제 유형을 알아보고 외운 절차를 실행해 답을 인출하는 값싼 직관이다. 우리 학생들은 바로 이 값싼 직관에 최적화되도록 훈련받았으나, 기계가 가져간 영역이 정확히 이곳이다. 우리는 학생들을 기계의 홈그라운드에서 기계와 겨루도록 길러온 셈이며, 그 경기에서는 이길 수 없다. 이제 길러야 할 것은 값싼 직관이 아니라, 느린 숙고를 반복해 빚어낸 ‘값비싼 직관’, 곧 무엇을 물을 가치가 있는지 알아보는 판단의 힘이다.

답은 질문의 디딤돌, 버림이 아니라 무게중심의 이동

그렇다면 답을 가르치기를 완전히 멈추면 되는가. 그렇지 않다. 여기에 흔한 오해가 있다. 좋은 질문은 진공에서 나오지 않는다. 아무것도 모르는 영역에서는 물을 거리조차 떠오르지 않는 법이다. 무언가를 알아야, 즉 어느 정도 답할 수 있어야 비로소 질문이 가능하다. 결국 질문은 답 위에 세워진다.

수학을 보면 가장 아래에 공리가 있고, 그것을 조합해 정리를 증명하며, 그 정리를 발판 삼아 더 높은 정리로 올라간다. 한 시대에 풀어야 할 답이었던 것이, 다음 시대에는 ‘그렇다면 이것을 일반화하면 어떨까’ 하고 물을 수 있는 질문의 지반이 된다. 답이 굳어 질문의 디딤돌이 되고, 그 질문이 풀려 다시 더 높은 질문의 지반이 되는 나선을 그리며 올라가는 것, 이것이 지능의 고도화다. 그러므로 교육의 전환은 답의 폐기가 아니라 무게중심의 이동이다. 답을, 질문을 세우기 위한 발판으로 다시 쓰는 일이다.

독서를 다시 정의해야 할 이유도 여기 있다. 우리는 독서를 지식을 머리에 채우는 일로 여겨 왔으나, 책의 내용은 결국 잊힌다. 남는 것은 단서를 잇고, 행간을 읽고, 흩어진 정보를 가설로 엮으며 끝까지 생각을 밀고 가는 힘이다. 즉 독서의 본질은 지식의 내재화가 아니라, 지식을 조합하는 능력의 내재화다. 지식 자체는 외부화하되 그것을 다루는 힘을 안에 새기는 일이다. 인공지능 시대에 내재화해야 할 것은 답의 내용이 아니라, 답을 빚어본 경험에서 우러나는 조합의 힘, 곧 생각하는 힘이다.

호기심과 아하, 경계선을 넓히는 두 박자

지능의 외부화는 답의 생산을 대신해 줄 뿐, 답의 수용까지 대신하지는 못한다. 아무리 훌륭한 답이라도 그것을 받아 안을 지적 토대가 내 안에 없으면, 나는 그 답을 소유하지 못하고 대여할 뿐이다. 미하이 칙센트미하이는 몰입이 도전과 능력의 균형에서 온다고 했다. 과제가 너무 어려우면 불안에 빠지고 너무 쉬우면 지루해지며, 능력의 가장자리를 살짝 넘어서되 노력하면 닿는 지점에서만 몰입이 일어난다.

외부에서 받은 답도 똑같다. 그 답이 내 토대의 가장자리 바로 너머에 놓일 때에야 비로소 내 것이 된다. 너무 멀면 긴가민가하다 흘려보내고, 너무 가까우면 새로 연결될 것이 없다. 그래서 학습은 두 박자의 운동이다. 먼저 질문이 가장자리에 긴장을 건다. ‘모르겠지만 알 수 있을 것 같다’는 호기심의 당김이다. 그리고 그 긴장이 채워질 때 ‘아하’가 터진다. 새로 온 답이 기존 토대에 딸깍 맞물리는 순간이며, 그때마다 앎의 경계선이 한 뼘 넓어진다. 다음에는 더 먼 질문에 손이 닿는다.

질문이 없으면 ‘아하’도 없다. 질문 없이 답만 받으면 맞물릴 홈이 없어 표면에 얹혔다 흘러내릴 뿐이다. 질문은 답이 끼워질 홈을 미리 파두는 일이고, ‘아하’의 크기는 그 앞에 걸린 호기심의 크기에 비례한다. 답과 질문이 번갈아 디딤돌이 되며 경계선을 넓혀 가는 나선이란, 결국 이 호기심과 아하의 두 박자다.

이 그림이 인공지능 시대의 위험을 한 문장으로 짚어 준다. 인공지능은 답을 무한히 공급하지만 호기심의 긴장은 공급하지 못한다. 오히려 답이 너무 빨리 도착하면 긴장이 생기기도 전에 해소되어 호기심의 들숨을 건너뛰게 만든다. 들숨 없는 날숨이 없듯, 긴장 없이 받은 답은 ‘아하’가 되지 못하고 정보로 흘러갈 뿐이다. 그러므로 답이 공짜가 된 시대의 교육은 역설적으로 답을 참는 법을 가르치는 일이기도 하다. 좋은 교사는 답을 빨리 주는 사람이 아니라, 질문이 무르익을 시간을 벌어 주는 사람이다.

질문이 왜 그토록 중요한지는 앎의 네 가지 상태를 떠올리면 분명해진다. 우리는 안다는 것을 아는 것이 있고, 모른다는 것을 아는 것이 있으며, 모른다는 사실조차 모르는 것이 있고, 답이 세상 어딘가에 있는데 그 존재조차 모르는 것이 있다. 인공지능은 마지막 영역, 곧 세상에 이미 존재하는 답을 무한히 쌓아 두었다. 그러나 그 답은 ‘무엇을 모르는지 아는’ 상태, 즉 질문을 거치지 않고는 결코 내 앎이 되지 못한다. 질문은 바깥에 쌓인 답과 내 안의 앎을 잇는 유일한 다리다. 인공지능이 답의 저수지를 아무리 채워도, 그것을 길어 올리는 두레박을 내리는 일은 끝내 인간의 몫으로 남는다.

여기에 가장 깊은 함정이 있다. 답에 매끄럽게 접속한 것을 스스로 안다고 착각하는 것, 빌린 앎을 가진 앎으로 오인하는 것이다. 질문하는 힘이 없으면 우리는 저수지를 자기 것이라 믿는 사람이 되고 만다.

폭포수에서 스파이럴로, PBL은 늦은 것이 아니라 앞섰다

문제는 지금의 교육이 답과 질문을 직렬로 끊어 놓았다는 점에 있다. 초중고 12년, 어쩌면 대학까지 16년 동안 우리는 오직 답변만을 준비시킨다. 질문과 적용과 창조는 졸업 이후의 일로 미뤄둔다. 일단 다 배우고 나서 써먹으라는 식이다. 소프트웨어 공학은 이런 방식에 ‘폭포수 모델’이라는 이름을 붙여 두었다. 요구 분석에서 설계, 구현, 시험까지 한 방향으로만 흘려보내고 앞 단계가 끝나야 다음으로 넘어가는 모델이다.

그리고 공학은 이미 이 모델을 버렸다. 두 가지 이유에서다. 하나는 맨 마지막 시험 단계에서야 처음의 오류가 드러나면 되돌리는 비용이 천문학적이기 때문이다. 12년간 답만 채운 학생이 사회에 나와서야 ‘그래서 무엇을 물어야 하지’를 처음 마주하는 양상이 꼭 이렇다. 다른 하나는 무엇을 만들어야 하는지는 만들어 보면서 비로소 알게 되기 때문이다. 무엇을 물어야 하는지 역시 답을 다뤄 보면서 비로소 알게 된다. 그러니 질문을 졸업 후로 미루는 설계는 단지 늦는 것이 아니라, 답을 익히는 동안 함께 자랐어야 할 질문의 감각을 아예 자라지 못하게 가로막는다.

공학의 처방은 분석과 설계와 구현과 시험을 직렬로 늘어놓지 말고 매 반복마다 함께 돌리라는 것이었다. 스파이럴(Spiral)이자 애자일(Agile)이다. 이를 교육에 옮기면, 답변을 12년간 빌드한 뒤 질문을 붙이는 것이 아니라 매 단계 작은 답과 작은 질문을 함께 구워내는 것이다. 이것은 사실 새로운 발명이 아니다. 문제 기반 학습(PBL)이라는 이름으로 이미 수십 년 전에 제안되었으나, 늘 변두리에 머물렀을 뿐이다. 답이 비싸던 시절에는 학생을 문제 앞에 세워 헤매게 하는 것보다 검증된 답을 직접 건네는 편이 훨씬 빠르고 효율적이었기 때문이다. PBL은 틀린 적이 없다. 단지 시대를 앞섰을 뿐이며, 답이 공짜가 된 지금에야 그 전제 조건이 채워졌다.

그리고 이것이 공상이 아님을 보여주는 영역이 이미 있다. 바로 과학·기술 교육이다. STEM 교육은 정답을 외우는 훈련이 아니라 탐구의 과정을 설계하고 그 과정에서 생각하는 힘을 기르는 쪽으로 일찍부터 방향을 틀어 왔다. 최종 답을 채점하는 대신 탐구의 궤적을 기록해 과정을 측정하는 평가의 새 기준까지 다듬어왔다. 과학·기술이야말로 ‘답을 아는 것’과 ‘실제로 할 줄 아는 것’ 사이의 간극이 가장 노골적으로 드러나는 영역이어서, 답변 중심 교육의 벽에 가장 먼저 부딪혔기 때문이다.

그런데 인공지능은 이제 모든 과목을 같은 벽 앞으로 끌고 온다. 어느 과목이든 답을 아는 일은 이미 외부화되었기 때문이다. 그러므로 STEM의 방법론은 더 이상 이과를 위한 특수 교육법이 아니라 모든 과목이 채택할 수 있는 보편 템플릿이며, 질문하는 힘을 잴 새로운 평가의 원형도 이미 그 안에 존재한다.

패러다임은 왜 멈춰 있는가

그렇다면 교육은 이 전환을 이루고 있는가. 못하고 있다. 이 글이 결국 향하는 지점이 여기다. 토머스 쿤은 과학의 역사를 패러다임의 교체로 설명했다. 지배적인 패러다임 안에서 정해진 문제를 정해진 방법으로 푸는 상태를 그는 ‘정상과학’이라 불렀다. 주어진 문제를 정해진 풀이로 정답까지 데려가는 훈련인 답변 중심 교육이 정확히 이것이다. 학생은 패러다임을 의심하는 법이 아니라 그 안에서 능숙해지는 법을 배운다. 그리고 쿤의 핵심 통찰은, 패러다임이 단순한 반증만으로 무너지지 않는다는 점에 있었다. 그것은 설명되지 않는 변칙이 쌓여 더는 버틸 수 없을 때 무너진다.

교육의 변칙은 오래전부터 쌓여 왔다. 처음에는 계산기를 쓰지 말라거나 인터넷 백과를 출처로 인정하지 말라는 식의 작은 예외였고, 패러다임이 미봉책으로 덮을 수 있는 크기였다. 그러나 생성형 인공지능은 덮을 수 없는 변칙이다. 학생은 교실 밖에서는 전문가급 답을 즉시 얻으면서, 교실 안에서는 그것을 금지당한 채 답을 외운다. 교실의 전제와 세상의 전제가 정면으로 어긋나는 위기에 들어선 것이다.

그런데도 바뀌지 않는 이유는 게으름이 아니라 구조적 관성 때문이다. 시험과 입시, 교과서와 진도가 답변 패러다임에 맞춰 한 덩어리로 정렬되어 있어, 아무도 적극적으로 선택하지 않으면 시스템은 저절로 답변 교육을 재생산한다. 한 교사가 다른 길을 시도해도 학생은 결국 옛 잣대의 시험을 치러야 하니, 좋은 시도는 시스템에 흡수되어 사라진다.

더 깊은 곳에는 표류한 합의가 있다. 답이 비싸던 시절에는 정당했던 합의가, 그 전제가 무너진 뒤에도 관성으로 살아남아 원래의 근거에서 점점 멀어진 채 유지되는 현상이다. 아무도 새로 ‘답을 외우게 하자’고 결정하지 않았으나, 과거의 합의가 표류하며 그대로 작동하고 있다. 쿤은 옛 패러다임의 옹호자들이 설득되기보다 세대가 교체되며 사라진다는 점을 일러두었으나, 우리에게는 그렇게 기다릴 여유가 없다.

다행히 패러다임이 무너지는 데 필요한 마지막 조건도 이미 갖춰져 있다. 사람은 무(無)로 도약하지 않는다. 갈아탈 새 패러다임이 손에 잡혀야 옛것을 버린다. 그 살아 있는 대안이 바로 STEM의 방법론이고, 새로운 측정의 자가 과정의 기록이다. 진단만 있으면 절망이지만, 대안이 함께 있으면 그것은 행동이 된다.

지금이 그때다

흩어진 증거는 이미 충분하다. 공부머리와 일머리의 어긋남, 답의 외부화, 시대를 앞섰던 PBL, 교실 안팎의 모순을 우리는 따로따로 알고 있었다. 따로 있으면 그저 흥미로운 단편일 뿐이고 무시된다. 패러다임의 전환은 이 흩어진 변칙들을 하나의 그림으로 묶어, 옛 운영체제로는 도저히 설명되지 않는 일관된 패턴임을 보여줄 때 비로소 방아쇠가 당겨진다. 지금이 바로 그 점들을 이을 때다.

마침 때가 무르익었다. 7월 1일, 전국 열여섯 곳의 교육감이 4년의 새 임기를 시작한다. 광주와 전남이 하나로 통합되어 이제 열일곱이 열여섯이 되었다. 행정의 옛 경계조차 무너지고 다시 짜이는 시대에, 유독 교육의 경계만 산업화 시대의 자리에 멈춰 있다. 4년의 방향과 우선순위가 새로 정렬되는 이 출발점은, 평소 단단히 정렬되어 어떤 좋은 논리도 흡수해 버리던 시스템이 잠깐 느슨해지는 드문 창(窓)이다. 방아쇠는 변칙이 쌓인 것만으로 당겨지지 않으며 그것을 받아 줄 손이 있어야 한다. 교사도 학부모도 풀지 못하는 그 구조적 자물쇠를 새 임기의 교육감이 쥐고 있다.

인공지능 산업의 실증 현장에서는 우리가 교실에서 학생에게 외우게 하는 그 답을 이미 기계에게 시키고 있다. 답하는 지능은 외부화되었고, 그 흐름은 되돌아가지 않는다. 그렇다면 교육이 길러야 할 단 하나는 분명하다. 답이 아니라 질문, 보관이 아니라 생각하는 힘이다.

패러다임 시프트는 일어날지 말지의 문제가 아니다. 변칙은 이미 임계를 넘었다. 남은 것은 단 하나, 우리가 그 전환을 주도할 것인가 끌려갈 것인가다. 교육의 운영체제를 다시 짜는 일은 학생에게 더 많은 답을 채워 넣는 일이 아니라, 이미 답으로 가득 찬 세상 앞에서 무엇을 물어야 하는지를 아는 사람으로 길러내는 일이다.