AI에게 물으면 바로 알 수 있는 시대, 대학에서는 무엇을 배워야 할까요?

안녕하세요, 다루하루TV입니다!

이 글은 다시 대학 수업을 듣는 입장에서 느낀 개인적인 경험과 생각을 바탕으로, AI를 활용하여 정리했습니다. 특정 대학이나 교수자를 평가하거나 대학 교육 전체를 일반화하려는 글은 아닙니다.

최근 다시 대학에서 수업을 듣는 입장이 되었습니다. 배우는 사람의 자리로 돌아오니 반가운 마음도 있지만, 예전과는 조금 다른 질문을 하게 됩니다.

"지금 이 수업에서, 나는 무엇을 배우고 있는 걸까?"

설명을 듣고, 용어를 익히고, 예제를 따라 하다 보면 분명 얻는 것은 있습니다. 혼자라면 미뤘을 공부를 정해진 시간에 하고, 흩어져 있던 개념을 순서대로 접하게 됩니다.

그런데 한편으로는 이런 생각도 듭니다.

"이 설명은 AI에게 물어봐도 들을 수 있을 것 같은데."

"수업이 끝난 뒤, 나는 실제로 무엇을 할 수 있게 되는 걸까?"

AI를 직접 활용해 본 경험이 쌓일수록 이 질문이 더 자주 떠오릅니다. 오늘은 수업을 듣는 사람으로서 느낀 아쉬움과 함께, 앞으로 대학이 어떤 배움을 제공해야 할지 이야기해 보려고 합니다.

1. 설명을 듣기 위해 교실에 가는 이유가 달라지고 있습니다

요즘 AI를 사용하면서 가장 크게 느끼는 것은, 이해가 안 되는 부분을 다시 물어보는 부담이 작아졌다는 점입니다.

어려운 용어가 나오면 쉽게 설명해 달라고 하고, 그래도 모르겠으면 다른 예시를 요청합니다. 제가 이해한 내용을 적고 어느 부분이 잘못됐는지도 물어봅니다. 제 수준에 맞춰 설명을 바꾸고, 필요하면 같은 주제를 여러 번 반복할 수 있습니다.

물론 AI의 설명이 언제나 맞는 것은 아닙니다. 이해하기 쉬운 설명이 정확한 설명이라는 보장도 없습니다. 그렇더라도 설명을 얻고 질문을 이어갈 수 있는 경험 자체는 수업을 바라보는 기준을 바꾸어 놓았습니다.

교실에서 이미 알고 있는 내용을 오랫동안 듣거나, 궁금한 부분을 충분히 질문하지 못하고 다음 진도로 넘어가면 아쉬움이 더 크게 느껴집니다.

예전에는 내용을 전달받는 것만으로도 수업의 가치가 상당했다면, 이제 저는 설명 이후에 무엇이 남는지를 더 기대하게 된 것 같습니다.

2. 기초를 배우는 것과 기초 설명에 머무는 것은 다릅니다

수업을 들으며 "너무 기초적인 것만 배우는 것 아닌가?"라는 생각이 들 때가 있습니다. 빠르게 바뀌는 기술을 접하다가 예전 도구와 예제를 중심으로 한 수업을 들으면 그 간격이 더 크게 느껴지기도 합니다.

다만 이 불만은 조금 나누어 볼 필요가 있다고 생각합니다.

기초를 배운다는 사실 자체가 문제는 아닙니다. 최신 AI가 결과물을 만들어 준다고 해도, 그 결과가 무엇을 의미하는지 이해하려면 기본 개념이 필요합니다. 용어를 모르면 질문도 막연해지고, 원리를 모르면 오류가 나도 어디서부터 살펴봐야 할지 어렵습니다.

오래된 내용이라고 모두 쓸모없는 것도 아닙니다. 도구가 바뀌어도 계속 쓰이는 개념과 원리는 있습니다.

제가 아쉬운 지점은 기초가 실제 문제를 이해하고 해결하는 과정으로 충분히 이어지지 않을 때입니다.

예를 들어 어떤 기능의 정의와 사용법을 배웠다면, 다음에는 이런 질문까지 가보고 싶습니다.

• 이 기능은 어떤 상황에서 필요할까?
• 지금 해결하려는 문제에 정말 적합한 방법일까?
• 예상과 다른 결과가 나오면 무엇을 확인해야 할까?
• AI가 제안한 방법과 다른 방법을 비교하면 어떤 차이가 있을까?

기초를 배우지 말자는 이야기가 아닙니다. 기초를 배웠다면 그것으로 한 번 부딪혀 볼 기회까지 수업 안에 있었으면 좋겠다는 이야기입니다.

3. 제가 원하는 것은 '직접 해보고, 설명하고, 고치는 배움'입니다

제가 바라는 수업은 완성된 지식을 전달받는 데서 끝나지 않는 수업입니다.

어떤 문제를 발견하고, 필요한 것을 찾아 배우고, 직접 시도해 보고, 실패한 이유를 확인하고, 다시 고치는 과정을 경험하고 싶습니다. 그 과정에서 혼자서는 놓쳤을 부분을 교수자와 동료에게 지적받고 싶습니다.

이런 배움을 글에서는 '문제 해결 중심의 배움'이라고 부르고 싶습니다. 꼭 교실 밖 현장에 나가야만 가능한 것은 아닐 것입니다. 실제와 비슷한 제약이 있는 과제를 끝까지 수행하는 경험도 출발점이 될 수 있습니다.

가령 대학의 안내 서비스를 만드는 수업이라면, 화면이 작동하도록 만드는 것에서 과제가 끝나지 않았으면 좋겠습니다.

누가 어떤 안내를 어려워하는지 살펴보고, 필요한 정보를 정리하고, 서로 다른 안내문에서 충돌하는 내용을 찾아보고, 실제 사용자가 이해하는지 확인하는 과정까지 해보는 것입니다. 문제가 발견되면 왜 그런 결과가 나왔는지 설명하고 수정해야 합니다.

AI는 그 과정에서 자료를 정리하거나 초안을 만들고 구현을 도울 수 있습니다. 하지만 무엇을 해결하려 했고, 왜 그 방법을 택했으며, 결과가 괜찮다고 판단한 근거가 무엇인지는 배우는 사람이 설명해야 합니다.

직접 해본다는 말도 모든 작업을 도구 없이 혼자 하라는 뜻은 아닙니다. AI를 쓰더라도 자신이 내린 판단과 결과를 이해하는 경험이 필요하다는 뜻입니다.

4. 그렇다고 '지식은 AI에게 맡기면 된다'고 말할 수 있을까요?

솔직히 처음에는 그런 생각도 들었습니다.

지식은 언제든 AI에게 물어볼 수 있으니, 이제 외우는 공부는 별 의미가 없는 것 아닐까 싶었습니다.

그런데 조금 더 생각해 보면, 모르는 분야의 답변이 맞는지 확인하는 일이야말로 상당히 어렵습니다. 기초 지식이 없으면 설명이 자연스럽다는 이유만으로 받아들이기 쉽습니다. 중요한 조건이 빠져 있어도 무엇이 빠졌는지 알아차리지 못할 수 있습니다.

그래서 저는 암기를 모두 없애야 한다기보다, 무엇을 머릿속에 갖추고 무엇을 도구로 찾아볼지 다시 정해야 한다고 생각합니다.

기본 개념과 중요한 원리, 잘못 판단하면 큰 문제가 생기는 기준은 스스로 이해해야 합니다. 세부 명령어와 바뀌는 기능은 필요할 때 찾아볼 수 있겠지만, 찾아낸 정보를 해석할 바탕은 있어야 합니다.

맞고 틀린 것을 고르는 평가에도 기초 이해를 확인하는 역할은 있습니다. 다만 그것만으로 실제 문제를 다룰 수 있는지까지 충분히 알기는 어렵습니다.

앞으로는 정답을 골랐는지에 더해, 어떤 근거로 판단했고 조건이 달라지면 생각을 어떻게 수정하는지도 수업과 평가에서 더 많이 다뤘으면 좋겠습니다.

5. 교수의 역할도 달라질 필요가 있다고 느꼈습니다

수업을 듣다 보면, 제가 사용해 본 도구나 작업 방식이 수업에 충분히 반영되지 않았다고 느끼는 순간이 있습니다. 때로는 프로그램 활용의 특정 부분에서 제가 더 익숙하다고 느낄 때도 있습니다.

그렇다고 도구 하나를 더 잘 다룬다는 이유로 교수자의 전문성을 판단할 수는 없습니다. 제가 보지 못하는 깊이 있는 지식과 연구 경험이 있을 수 있고, 수업에는 다양한 수준의 학습자가 함께 있기 때문입니다.

또 모든 교수가 매일 나오는 모델과 기능을 가장 먼저 사용해야 한다고 생각하지도 않습니다. 최신 도구를 많이 소개한다고 좋은 수업이 되는 것은 아닐 것입니다.

하지만 학생이 실제로 접하는 환경이 달라졌다면, 수업에서 요구하는 과제와 피드백도 달라질 필요는 있습니다.

AI로 쉽게 만들 수 있는 결과물을 그대로 제출하게 하고, 그 완성도만 평가한다면 무엇을 배웠는지 확인하기 어려워집니다. 반대로 AI를 일괄적으로 금지하는 방식만으로는 도구를 활용하며 판단하는 연습이 부족해질 수 있습니다.

제가 기대하는 교수자는 모든 답을 가장 빨리 말해주는 사람이라기보다, 제가 만든 결과에서 중요한 빈틈을 찾아주는 사람입니다.

"이 결과가 맞다고 생각한 근거는 무엇인가요?"

"이 조건이 바뀌어도 같은 방법을 쓰겠습니까?"

"AI가 제안한 답을 어떤 방식으로 확인했나요?"

혼자서는 적당히 넘어갔을 부분을 끝까지 설명하게 하는 질문, 현재 실력보다 조금 어려운 과제, 시행착오를 다음 배움으로 연결해 주는 피드백을 받고 싶습니다.

6. 그렇다면 대학에 시간과 비용을 들이는 이유는 무엇일까요?

솔직하게 말하면, 수업의 효용이 학위라는 결과나 정해진 학습 일정에 치우쳐 느껴질 때도 있습니다.

비용을 지불했고 출석과 과제가 있으니, 혼자라면 미뤘을 공부를 하게 됩니다. 익숙하지 않은 용어를 반복해서 접하고 기초를 정리하는 효과도 있습니다. 이런 강제성과 학습 습관의 가치를 무시하고 싶지는 않습니다.

다만 그것이 대학에서 얻는 대부분이라면 아쉬움이 남습니다. 학생은 지식뿐 아니라 시간과 비용을 들여 함께 배우는 경험을 기대하기 때문입니다.

앞으로 대학이 더 분명하게 보여줘야 할 가치는 다음과 같다고 생각합니다.

모든 수업이 똑같은 방식일 필요는 없을 것입니다. 처음 접하는 분야에서는 충분한 설명과 반복이 필요하고, 안전이나 전문성이 중요한 분야에서는 엄격한 기초 훈련도 필요합니다.

하지만 대학이 제공하는 가치가 무엇인지 학생이 실제 수업에서 느낄 수 있어야 한다는 점은 공통적이라고 생각합니다.

7. 제가 듣고 싶은 수업을 상상해 봤습니다

예를 들어 한 과목의 일부를 이런 방식으로 운영하면 어떨까요?

1. 기초를 확인합니다. 핵심 개념을 배우고, 짧은 설명이나 작은 실습으로 각자의 이해를 확인합니다.
2. 해결할 문제를 정합니다. 누가 겪는 어떤 어려움인지, 결과를 어떻게 확인할지 함께 정합니다.
3. 직접 시도합니다. 허용된 범위에서 AI와 여러 도구를 활용하고, 주요 선택과 수정 과정을 남깁니다.
4. 중간에 질문받습니다. 교수자와 동료가 가정과 근거를 짚고, 계획을 수정할 기회를 줍니다.
5. 결과를 시험합니다. 실제 사용자나 가상 상황에 적용해 보고, 실패와 한계를 확인합니다.
6. 개인이 설명합니다. 팀 결과물과 별개로 자신이 이해한 내용, 맡은 판단, 다음에 바꿀 점을 설명합니다.

이런 수업은 준비와 피드백에 시간이 많이 들 것입니다. 수강 인원, 조교 지원, 도구 접근성, 평가 부담도 고려해야 합니다. 따라서 수업의 변화를 교수 개인의 노력만으로 요구하기는 어렵습니다.

학교도 교수자가 수업을 바꾸고 실험할 수 있도록 시간과 지원을 마련해야 할 것입니다. 학생마다 유료 AI 이용 여건이 다르다면 공통으로 사용할 환경도 고민해야 합니다.

배우는 사람의 태도 역시 바뀌어야 합니다. AI가 만든 결과를 제출하고 끝내는 것이 아니라, 질문받고 수정하는 과정까지 자신의 학습으로 받아들여야 합니다.

마치며: 대학이 필요 없다는 결론보다, 대학에서만 얻을 배움을 묻고 싶습니다

다시 수업을 듣는 입장이 되니 대학 교육의 변화가 멀리 있는 이야기가 아니라는 생각이 듭니다.

AI가 설명해 주고 결과물까지 만들어 주는 모습을 접한 뒤에는, 교실에서 기대하는 것이 달라집니다. 단순히 내용을 많이 듣는 것보다, 그 내용을 가지고 무엇을 할 수 있는지 확인받고 싶어집니다.

대학 교육 전체를 몇 번의 경험으로 판단할 수는 없습니다. 이미 새로운 방식으로 수업을 운영하는 곳도 있을 것이고, 제가 아직 그 가치를 충분히 이해하지 못한 수업도 있을 것입니다.

그럼에도 학생으로서 느끼는 질문은 분명합니다.

"이 수업을 듣고 나면, 나는 혼자 공부했을 때보다 무엇을 더 깊이 이해하고 더 잘 판단할 수 있게 될까?"

대학이 이 질문에 수업으로 답해 준다면, AI가 발전할수록 함께 배우는 공간의 가치도 더 분명해질 수 있다고 생각합니다.

저는 교수자에게 더 어려운 질문을 받고 싶습니다. 동료와 다른 생각을 나누고 싶고, 직접 해보다가 틀린 부분을 발견하고 고쳐 보고 싶습니다. 학기가 끝났을 때 "이 내용을 들었다"에 더해 "이 문제는 이런 근거로 다룰 수 있다"고 말할 수 있었으면 좋겠습니다.

여러분은 AI 시대의 대학 수업에서 무엇을 가장 기대하시나요? 설명, 피드백, 실습, 동료와의 배움 중 지금 더 필요하다고 느끼는 것은 무엇인지 함께 이야기해 보고 싶습니다.

함께 읽으면 좋은 글

• AI가 직접 일하기 시작했습니다. 교직원과 공공기관 사무직은 무엇을 준비해야 할까요?
• AI가 글을 대신 써주는 시대, 결국 승부처는 '사람'이다
• 대딸깍의 시대, 정보처리기사 자격증은 과연 의미가 있을 것인가?

관련 콘텐츠가 더 궁금하시다면? 다루하루TV 유튜브 채널에서 대학교 교직원 취업 준비에 관한 더 많은 이야기를 만나보세요!