성공적인 AI 튜터 도입을 위한 HRD 전략
AI는 정답 자판기가 아니라, 생각의 동반자가 되어야 한다
HRD 부서 입장에서 AI 튜터 도입은 이제 선택이 아닌 필수가 된 듯하다. 새로운 기술과 방법에 끊임없이 적응해야 하는 상황에서, 질문에 대한 즉각적인 답을 얻거나 복잡한 생각을 정리하는 도구로 AI를 활용하는 것은 시대적 흐름에 부합하는 당연한 접근이다. 이러한 판단을 바탕으로, 올해 진행한 데이터 시각화 과정의 온라인 사전학습 단계에 AI 튜터 기능을 시범적으로 적용해 보았다. 예상대로 학습자들의 반응은 대체로 긍정적이었다. "도움이 되어 좋았다"는 피드백이 주를 이뤘지만, 그 이면에는 어딘가 채워지지 않은 아쉬움이 느껴졌다. 단순히 최신의 기술을 적용한 학습 도구가 존재한다는 것만으로는 충분하지 않다는 느낌이었다.
이러한 문제의식은 교육 현장에서의 AI 활용 고민을 다룬 “Beyond efficiency: Empirical insights on generative AI's impact on cognition, metacognition and epistemic agency in learning” 아티클과도 맞닿아 있다. 저자들은 생성형 AI가 효율성과 확장성을 제공함과 동시에, 학습자의 인지적 과정을 얕게 만들거나 비판적 사고를 무디게 할 위험성을 경고한다. 특히 학습자가 AI에 의존할 경우, 스스로 사고하고 검증하는 '인식론적 주체성(Epistemic Agency)'이 약화될 수 있음을 지적하고 있다.
돌이켜보면, 내년을 위한 파일럿 테스트에서 느꼈던 부족함은 AI라는 도구 자체의 결함이라기보다 AI와 학습자 간의 관계를 명확하게 설정하지 못한 데서 비롯된 것이 아니었을까 하는 생각이 든다. 결국 핵심은 AI를 단순한 기능적 도구가 아닌, 학습의 과정을 함께하는 파트너로 설정하는 '경험 설계'에 달려 있다. 아티클에서 제안하듯 인간과 AI의 지능이 결합된 하이브리드 인지 과정이 유의미하게 작동하려면, 시나리오 플래닝 관점에서의 접근이 필수적이다. 이는 교수자, AI, 그리고 학습자가 각자 어떤 역할을 수행할지 명확히 규정하는 것에서 시작한다. 그리고 이러한 역할 정의와 시나리오 플래닝의 성패는 HRD 담당자의 AI 리터러시와 기존 교육 경험에 기반한 기획 능력에 달려 있다.
단순히 "학습 시 활용할 수 있는 AI 튜터를 준비했으니 무엇이든 물어보세요"라고 방임하는 것이 아니라, 학습 과정의 어느 장면에서 AI가 어떤 역할로 개입할지에 대한 구체적인 고민이 선행되어야 한다. 때로는 지식을 전달하는 튜터로, 때로는 사고를 확장하는 토론 파트너로, 혹은 정서적 지지를 보내는 동반자로 AI의 위치를 적재적소에 배치해야 한다. 그래야만 학습자가 AI에 인지적으로 종속되지 않고, 도구를 주체적으로 활용하며 더 깊은 배움으로 나아갈 수 있다. HRD의 본질은 최신 기술인 AI 튜터의 도입 그 자체가 아니라, 이를 통해 학습자의 변화와 성장을 이끄는 학습 경험의 개선에 있음을 절대 놓쳐서는 안 될 것이다.
Beyond efficiency: Empirical insights on generative AI's impact on cognition, metacognition and epistemic agency in learning
Yan, L., Pammer‐Schindler, V., Mills, C., Nguyen, A., & Gašević, D. (2025). Beyond efficiency: Empirical insights on generative AI's impact on cognition, metacognition and epistemic agency in learning. British Journal of Educational Technology, 56(5), 1675-1685.
1. 이 연구를 3줄로 요약하면?
생성형 AI는 교육의 효율성을 높이는 도구를 넘어 학습자의 인지 과정, 메타인지 능력, 사회-정서적 영역을 근본적으로 변화시키는 동인으로 작용한다. 연구 결과, 맞춤형 피드백과 같은 긍정적 효과와 피상적 학습 및 AI 의존과 같은 부정적 위험이 공존함이 밝혀졌다. 이에 따라 미래 교육은 인간과 AI의 하이브리드 인지, AI 리터러시 함양, 그리고 신경학적 영향에 대한 심도 있는 연구와 재설계가 필요하다.
2. 저자는 왜 이 연구를 진행했는가?
기존의 생성형 AI 관련 논의가 주로 성능 향상이나 효율성, 확장성에 치우쳐 있다는 문제의식에서 출발했다. 저자들은 AI가 학습자의 사고 과정, 의사결정, 지식 형성의 주체성(Epistemic Agency)에 미치는 실제적인 영향을 규명하고, 단순한 도구 활용을 넘어선 교육적 재구상을 제안하고자 이 연구(스페셜 섹션)를 기획했다.
3. 이 연구에서 중요하게 다뤄진 개념은?
생성형 AI (Generative AI, GenAI): 텍스트, 코드 등을 생성하며 학습자와 상호작용하는 기술.
인지 및 메타인지 (Cognition and Metacognition): 학습 내용에 대한 이해 과정 및 자신의 학습 과정을 모니터링하고 조절하는 능력.
인식론적 주체성 (Epistemic Agency): 지식을 구성하고 검증하며 자신의 사고에 책임을 지는 주체적 능력.
하이브리드 인간-AI 인지 (Hybrid Human-AI Cognition): 인간의 사고 과정이 AI와의 상호작용을 통해 확장되고 공동 구성되는 현상.
4. 저자는 어떤 방법을 사용했는가?
이 문서는 특정 실험을 수행한 단일 연구 논문이 아니라, 스페셜 섹션에 포함된 다양한 실증 연구(Empirical Studies)들을 종합하고 분석한 사설이다. 수학, 통계, 학술적 글쓰기 등 다양한 맥락에서 수행된 연구들의 결과를 합성(Synthesis)하여 현재의 증거를 정리하고 미래 연구 아젠다를 도출하는 방식을 취했다.
5. 연구의 결과는?
생성형 AI는 적절한 비계(Scaffolding)와 인터페이스 설계가 동반될 때 학습자의 참여와 자기 조절을 돕지만, 비판적 검증 없이 수용할 경우 인지적 수동성을 초래할 수 있다. 결론적으로, 교육은 인간 지능과 AI 역량의 균형을 맞춘 '협력적 노력'으로 재편되어야 하며, 이를 위해 5가지 주요 연구 방향(하이브리드 인지, 인식론적 주체성, 사회-정서적 동반자, AI 리터러시, 신경학적 결과)을 제시한다.
1. Introduction (서론)
최근 급증하는 GenAI 기술은 교육 분야에 낙관론과 혁신의 기회를 동시에 가져왔다. 대규모 언어 모델(LLM), 지능형 대화 에이전트, 적응형 지원 시스템 등은 교육 현장에 빠르게 도입되고 있으며, 다음과 같은 혁신적인 접근을 가능하게 한다.
개별화된 학습 지원: 학습자의 필요에 맞춘 맞춤형 학습 경로를 제공한다.
협력적 탐구: AI와의 상호작용을 통해 문제 해결 및 탐구 과정을 지원한다.
실제적 평가 및 피드백: 단순한 정오답 확인을 넘어 의미 있는 형성 평가와 피드백을 제공한다.
GenAI가 제공하는 이러한 가능성에도 불구하고, 학습자의 인지 메커니즘이 어떻게 재구성되는지에 대한 우려 또한 제기된다. 기술이 학습을 향상시킨다는 약속 이면에는 다음과 같은 잠재적 위험이 존재한다.
피상적 참여: 학습자가 기술에 의존하여 깊이 있는 사고 과정을 생략하거나 표면적으로만 학습에 참여할 위험이 있다.
인지적 처리의 얕음: 심층적인 학습과 지속적인 메타인지적 노력을 저해하고 얕은 수준의 인지 처리만을 유도할 수 있다.
따라서 핵심적인 질문은 AI와의 지속적인 상호작용 속에서 학습자의 모니터링, 자기 평가, 성찰적 사고와 같은 인지 및 메타인지 능력이 어떻게 변화하는지, 그리고 교육 경험에 필수적인 사회-정서적 차원이 어떻게 형성되는지로 귀결된다.
기존의 연구들이 주로 성과 중심의 결과나 효율성 향상에 초점을 맞추었던 것과 달리, 이번 특집 섹션은 다양한 교육 환경에서의 실증적 증거를 바탕으로 논의를 확장한다.
실증적 증거 합성: 학습자가 고급 GenAI 시스템과 상호작용할 때 인지적 참여, 인식론적 주체성(Epistemic Agency), 메타인지 조절이 구체적으로 어떻게 형성되는지 분석한다.
학습의 재구상: 단순히 기술의 장단점을 나열하는 것을 넘어, AI가 매개된 환경에서 '학습한다'는 것이 무엇인지 근본적으로 재검토한다.
결과적으로, 이 논의는 우리가 학습자를 무엇을 위해 준비시켜야 하는지에 대한 교육적 우선순위를 재설정하도록 요구한다. 비판적 사고, 메타인지 조절, 인식론적 주체성과 같은 핵심 역량을 어떻게 재구성하여 학습자가 급변하는 AI 사회에서 주체적으로 살아갈 수 있게 할 것인지가 중요한 과제이다.
2. Feedback, Performance and Learning Outcomes in GenAI-Enriched Contexts (GenAI가 풍부한 환경에서의 피드백, 성과 및 학습 결과)
GenAI 도구는 자동화되고 개인화된 피드백을 제공함으로써 시간 제약과 강사 부족이라는 기존 피드백의 한계를 극복할 잠재력을 가진다. 그러나 초기 논의가 주로 효율성과 확장성에 집중된 것과 달리, 이번 특집 섹션의 연구들은 GenAI 피드백이 단순히 과제 수행을 돕는 것을 넘어 학습자의 인지적 참여, 동기 부여 방향, 상호작용 패턴을 능동적으로 형성한다는 사실을 보여준다.
연구 결과는 피드백 설계 방식과 학습자의 인지적, 정서적 반응 사이에 복잡한 관계가 존재함을 드러낸다.
아이디어 중심 대 과제 중심 피드백: 아이디어 중심의 GenAI 피드백은 깊이 있는 인지적 참여를 촉진하지만 부정적인 감정 반응을 유발할 수 있는 반면, 과제 중심 피드백은 사회적 유대감을 높이지만 고차원적인 사고를 제한하는 경향이 있다.
적응형 피드백과 자율성: 통계 학습에서 제공된 정교한 적응형 피드백은 기술적으로는 우수할지라도, 학습자의 인지된 자율성을 침해하여 오히려 해당 과목에 대한 흥미를 떨어뜨리는 부정적 결과를 초래할 수 있다.
인간 대 AI 상호작용의 차이: EFL 읽기 맥락에서 GenAI와의 상호작용은 아동의 행동적 참여와 독해력을 높이는 데 효과적이었으나, 인간과의 상호작용은 정서적 참여와 이야기 관련 발화를 더 깊이 있게 유도하는 것으로 나타났다.
GenAI의 교육적 성공은 학습자의 수용도와 밀접하게 연관되어 있으며, 이는 인터페이스 설계에 의해 매개된다. 유연하고 대화형인 인터페이스는 구조화된 방식에 비해 학습자의 수용도를 높이고 알고리즘에 대한 거부감을 줄여준다. 이러한 설계는 학습자의 자연스러운 상호작용 선호와 일치하여 과도한 의존의 위험을 완화할 수 있다. 또한, GenAI를 통한 개념 변화와 동기 부여는 학습자가 지속적으로 능동적인 참여를 유지할 때만 유효하다는 점이 강조된다.
3. The Role of Metacognition, Self-Regulation and Epistemic Engagement (메타인지, 자기 조절 및 인식론적 참여의 역할)
메타인지적 비계와 자기 조절의 필요성
학습자가 글쓰기, 코딩, 문제 해결 등 다양한 과제에서 GenAI와 상호작용할 때, 자신의 인지적 노력을 효과적으로 모니터링하고 통제하는 능력은 필수적이다. 이러한 자기 조절 능력이 부족할 경우, 학습자는 인지적 수동성에 빠지거나 정보를 피상적으로 처리할 위험이 있다. 이에 따라 연구들은 다음과 같은 사실을 강조한다.
명시적 메타인지 비계(Scaffolding): 대규모 언어 모델이 제공하는 개인화된 피드백이나 구조화된 성찰 질문은 학습자의 자기 조절 기술을 개발하고 메타인지 정확성을 높이는 데 중요한 지원을 제공한다.
학습자 준비도와 AI 리터러시: AI의 이점을 고차원적 사고로 연결하기 위해서는 적절한 AI 리터러시와 프롬프트 엔지니어링 기술이 필요하다. 이러한 기술이 뒷받침될 때 단순한 과제 완수를 넘어 생산적인 상호작용이 가능하다.
맞춤형 지원의 격차 해소 효과: GenAI 기반의 타겟팅된 비계는 사전 지식이 부족하거나 자기 조절 능력이 낮은 학생들의 격차를 줄이고 자기 조절 능력을 향상시키는 데 기여한다.
반면, 이러한 메타인지적 역량 개발에 소홀할 경우 학습자는 GenAI의 산출물을 무비판적으로 수용하게 되며, 이는 비판적 사고 저하와 AI에 대한 과도한 의존으로 이어진다.
인식론적 참여와 경계심
학습자가 AI가 생성한 콘텐츠를 비판적으로 질문하고, 검증하며, 맥락화하는 '인식론적 참여(Epistemic Engagement)' 능력 또한 매우 중요하다. 학습자는 GenAI와의 상호작용에 내재된 모호성, 불확실성, 윤리적 긴장을 마주하며 능동적인 의미 구성(Sense-making) 과정을 거친다.
인식론적 경계심(Epistemic Vigilance): 학생들의 인식론적 신념과 메타인지적 편향은 AI가 제공한 정보의 진위 여부를 선별적으로 수용하는 데 영향을 미친다. 따라서 정보의 정확성을 판별하기 위한 인식론적 경계심을 유지하는 것이 필수적이다.
결론적으로, 효과적인 GenAI 통합은 기술적 도입을 넘어 학습자의 지속적인 메타인지 및 인식론적 발달을 촉진하도록 세심하게 구조화된 교수 설계가 뒷받침되어야 한다.
4. Human-AI Interaction and Collaborative Learning Designs (인간-AI 상호작용 및 협력 학습 설계)
새로운 협력 패러다임과 상호작용의 확장
GenAI의 도입은 전통적인 협력 환경을 변화시켜 학습자와 AI 에이전트 간의 의미 있는 대화, 상호 조절, 그리고 역동적인 지식 공동 구성을 우선시하는 방향으로 나아가고 있다.
다양한 상호작용 형식: 가르칠 수 있는 에이전트(Teachable Agents), 체화된 대화 에이전트, 그룹 기반 AI 프롬프트 등은 협력 패턴을 재구성하고 새로운 상호작용 패러다임을 확립한다.
인지적 과정의 강화: GenAI 기반의 시뮬레이션 학생은 '소리 내어 생각하기(Think-aloud)'와 같은 전통적인 인지 훈련 방식을 보완하여, 학습자의 사고 과정을 더 진정성 있고 완결성 있게 표현하도록 돕는다.
이러한 변화는 학습자의 인지적 참여, 책임 공유, 그리고 AI 에이전트와의 정서적 연결에 대한 이론적, 실천적 함의를 갖는다.
협력 학습에서의 도전 과제와 긴장
GenAI를 협력 학습에 통합하는 과정에는 고유한 도전 과제들이 존재한다.
동료 간 상호작용 감소: 학습자가 동료보다 GenAI와의 상호작용을 선호하는 경향이 나타나며, 이는 인간 대 인간의 대화 기회를 제한할 수 있다.
에이전트의 특성이 미치는 영향: GenAI 아바타가 보여주는 따뜻함이나 유능함은 학습자의 탐구 의지와 신뢰 형성에 깊은 영향을 미친다. 지나치게 반응적이거나 지원적인 시스템은 오히려 학습자의 주체성과 동료 참여를 약화시킬 위험이 있다.
균형 잡힌 상호작용 설계의 필요성
성공적인 인간-AI 파트너십을 지속하기 위해서는 의도적인 상호작용 설계가 필수적이다. 혼합 현실 환경 내의 체화된 GenAI 에이전트 사례는 사회-정서적 응집력과 인지적 참여를 동시에 촉진할 수 있음을 보여준다.
결국, 성공적인 협력 학습 환경을 설계하는 핵심은 '신중한 균형'에 있다. GenAI의 인지적 비계(Scaffolding)와 정서적 참여 기능을 활용하되, 지식 협상, 의미 구성, 성찰적 탐구에 있어 인간의 주도적 참여가 가려지지 않도록 해야 한다.
5. A Strategic Roadmap for Future Research Directions (미래 연구 방향을 위한 전략적 로드맵)
하이브리드 인간-AI 인지 (Hybrid Human-AI Cognition)
학습자의 인지 과정은 더 이상 고립된 활동이 아니라, 지능형 AI 시스템과의 실시간 상호작용을 통해 확장되는 '하이브리드 과정'으로 재개념화 되어야 한다.
공동 구성된 인지: 문제 해결, 의사결정, 지식 구성과 같은 인지 과정과 계획 및 모니터링과 같은 메타인지 과정이 AI와의 상호작용 속에서 어떻게 공동으로 구성되는지 연구해야 한다.
비판적 거리두기: 모든 활동에서 하이브리드 인지가 바람직한 것은 아니다. 성찰적 연습이나 독창적인 비판적 사고와 같은 과제는 AI의 개입 없이 수행될 때 더 유의미할 수 있으므로, AI 사용이 학습을 저해하거나 변형시키는 조건을 면밀히 검토해야 한다.
(생성형) AI 시대의 인식론적 주체성 (Epistemic Agency in the Age of (Gen)AI)
학습자가 AI가 생성한 콘텐츠에 의존하고 신뢰하는 경향이 커짐에 따라, 지식 구성에 있어서 학습자의 주체성과 권위가 어떻게 재형성되는지 비판적으로 검토할 필요가 있다.
지식 권위의 재편: 학습자가 불투명한 AI 시스템이 생성한 정보를 반복적으로 수용하고 내면화함에 따라, 무엇을 '진실'로 받아들일지에 대한 인식론적 책임과 주체성의 개념이 변화할 수 있다.
윤리적 딜레마와 인지적 결과: GenAI가 단순히 정보를 제공하는 도구를 넘어 지식 구성의 중심적인 힘으로 작용할 때 발생하는 윤리적 문제와 인지적 결과를 직시해야 한다. 교육은 AI의 권위를 수동적으로 받아들이는 대신, 학습자가 주체적으로 판단할 수 있도록 이끌어야 한다.
사회-정서적 동반자로서의 GenAI (GenAI as Socio-Emotional Companions)
지금까지의 연구가 주로 인지적 측면에 집중된 것과 달리, 정서적으로 반응하는 GenAI와의 지속적인 상호작용이 가져올 사회-정서적 영향을 탐구해야 한다.
정서적 애착과 의존: AI가 제공하는 정서적 지지나 불안 완화와 같은 긍정적 가능성 이면에는, 인공적인 동반자에 대한 정서적 의존이 학습자의 대인 관계 발달, 정서 지능, 정신 건강에 미칠 잠재적 위험이 존재한다.
장기적 영향 추적: 심리학 및 사회학적 관점을 통합하여, 인공적인 정서적 동반자가 교육적 맥락에서 갖는 윤리적 경계와 장기적인 심리적 영향을 추적 연구해야 한다.
AI 리터러시와 평가적 판단 (AI Literacy and Evaluative Judgement)
학습자가 지능형 에이전트와 주체적으로 상호작용하기 위해서는 단순한 기술적 숙련도를 넘어선 포괄적인 AI 리터러시와 평가적 판단 능력이 요구된다.
개념적 이해와 상황적 리터러시: 알고리즘, 데이터셋, 편향성, 신뢰성 등 AI의 핵심 원리에 대한 개념적 이해뿐만 아니라, 구체적인 과제 상황에서 AI의 능력을 파악하고 활용하는 '상황적(Situated) AI 리터러시'가 필요하다.
평가적 판단 함양: AI가 생성한 결과물에 내재된 객관성과 중립성의 가정을 의심하고, 편향을 식별하며, 윤리적 결과를 성찰하는 '평가적 판단' 능력을 길러야 한다. 이는 도메인 지식이 부족한 상황에서도 AI의 산출물을 일상적으로 질문하고 검증하는 습관을 포함한다.
AI 의존의 신경학적 결과 (Neurological Consequences of AI Reliance)
인지 및 메타인지의 변화는 신경학적 메커니즘에 기반을 두고 있으므로, AI 지원 학습이 뇌에 미치는 영향을 규명하는 것이 중요하다.
장기적 뇌 변화 추적: 지속적인 AI 의존이 기억 인출, 인지 부하 관리, 성찰적 추론과 같은 깊은 인지 과정에 미치는 신경학적 결과를 이해해야 한다.
다중 모달 연구: 신경영상이나 생체 인식과 같은 신경과학적 방법을 인지-행동 연구와 결합하여, 인간-AI 상호작용의 생물학적 기초를 밝혀내고 이를 바탕으로 인지적으로 건강한 상호작용을 설계해야 한다.
6. Final Remark (맺음말)
이 특집 섹션은 GenAI를 단순한 효율성 도구로 보는 시각을 넘어, 인지, 주체성, 인식론에 대한 본질적인 질문을 던진다. 연구들은 GenAI가 교실의 관행뿐만 아니라 학습자의 마음과 인간-기계의 경계를 재구성하고 있음을 보여주었다.
따라서 학습을 인간 지성과 AI 간의 공생적인 파트너십으로 재정의해야 한다. 우리는 두려움이나 맹목적 열광 대신 '성찰적 낙관주의'와 '경계하는 호기심'을 바탕으로, 학습자가 미래를 비판적이고 윤리적으로 '공동 저작(co-author)'할 수 있도록 이끌어야 한다. 이를 위해 인식론적 인식, 정서 지능, 평가적 판단을 함양하는 교육 생태계를 조성하는 것이 우리 모두의 책임이다.
