AI가 숙제를 잘해줬다…그런데 나는 무엇을 배웠을까

보고서는 매끄러워졌고 발표 자료도 빨리 완성됐다. 그러나 자료를 덮고 핵심 개념을 설명하려 하면 말이 막힌다. 생성형 AI가 만든 결과물의 완성도와 학생에게 남은 이해가 같지는 않을 수 있다.

OECD가 1월 19일 발표한 ‘Digital Education Outlook 2026’은 이 차이를 중요한 교육 과제로 다룬다. 보고서는 생성형 AI가 교육적 설계 안에서 학습을 지원할 가능성과, 생각하는 일을 단순히 맡겼을 때 과제 성과가 학습으로 이어지지 않을 위험을 함께 짚는다. 모든 AI 사용이 유익하거나 해롭다는 하나의 결론은 아니다.

제출물만 보면 놓치는 것

AI가 문장을 다듬는 데 도움을 줬는지, 핵심 주장을 대신 정했는지, 자료의 의미까지 대신 해석했는지는 완성된 글만으로 구별하기 어렵다. 같은 분량의 글이라도 학생이 직접 판단한 범위는 다를 수 있다.

그래서 과제의 목적을 먼저 적어볼 필요가 있다. 글쓰기 연습인지, 자료 비교인지, 특정 개념의 이해인지에 따라 AI에 맡길 수 있는 부분이 달라진다. 학교가 정한 이용 규칙과 과제별 지침을 확인하는 것이 출발점이다.

답을 받기 전에, 받은 뒤에

편집부가 제안하는 학습 점검은 세 장면으로 나뉜다. AI를 열기 전에는 자신이 아는 것과 막힌 부분을 짧게 적는다. 사용하는 동안에는 정답 전체보다 막힌 단계의 힌트나 비교할 관점을 요청한다. 사용한 뒤에는 화면을 닫고 핵심 내용을 다시 설명해 본다.

예를 들어 두 주장의 차이를 정리하는 과제라면 먼저 원문에서 근거를 직접 표시한다. AI가 제시한 비교표는 그다음에 살핀다. 표에 없는 조건이나 원문과 다른 표현을 찾아 수정하면 도구의 응답을 검토하는 일이 학습의 일부가 된다.

반대로 AI가 제시한 근거를 확인하지 않은 채 붙여 넣으면 겉보기에는 출처가 있어도 실제 문서에 없는 주장일 수 있다. 링크의 존재만 확인하지 말고 원문에서 해당 내용을 찾는 과정이 필요하다.

학습 기록에는 질문보다 판단을 남긴다

학습을 돌아보기 위한 메모라면 사용한 명령문을 모두 복사하는 것보다 자신이 내린 판단을 남길 수 있다. 처음에는 어떤 부분을 몰랐는지, 응답에서 무엇을 확인했는지, 최종 설명에서 무엇을 고쳤는지 세 항목으로 정리하는 방법이다. 학교에서 요구하는 제출 형식이 있다면 그 형식을 우선한다.

특히 여러 자료가 다른 설명을 할 때는 AI에게 하나를 골라 달라고 하기 전에 자료의 대상과 시점을 살펴보자. 같은 질문처럼 보여도 서로 다른 집단이나 조건을 다뤘을 수 있다. 이 차이를 자신의 말로 적을 수 있다면 단순한 문장 정리를 넘어 비교의 과정에 참여한 것이다.

함께 공부하는 친구에게 설명해 보는 방법도 있다. 상대가 다시 질문했을 때 답하기 어렵다면 그 부분을 추가 학습의 대상으로 삼는다. 처음 제출한 글을 잘못된 작품으로만 보지 않고, 이해가 아직 충분하지 않은 대목을 찾는 자료로 활용하는 접근이다.

‘혼자 다시 하기’를 평가에 넣는다면

과제 후 짧은 설명, 비슷한 새 문제 풀이, 초안과 수정본의 비교는 결과물만 보는 평가를 보완할 수 있다. 여기서 목적은 도구 사용자를 찾아내는 데 그치지 않는다. 어느 단계까지 스스로 이해했는지 확인하고 다음 학습을 정하는 데 있다.

학생에게도 유용한 질문은 단순하다. 이 도구가 없을 때 같은 원리를 설명할 수 있는가. 다른 사례가 나와도 적용할 수 있는가. 답이 어렵다면 과제를 다시 만드는 대신 막힌 개념부터 돌아가 볼 수 있다.

AI를 활용한 공부의 기준을 ‘얼마나 빨리 끝냈는가’에만 두면 이해의 빈틈이 가려질 수 있다. 결과를 만드는 시간과 자신이 설명해 보는 시간을 함께 설계해야 하는 이유다.