AI가 보고서를 쓰고 코드를 짜는 시대에, 좋은 대학 나와서 시험 잘 보는 사람이 여전히 '인재'일까요. 저는 매일 아침 교실 문을 열면서 그 질문이 머릿속을 떠나지 않습니다. 정작 인재의 기준이 바뀌었는데, 학교는 왜 아직 20세기 방식으로 아이들을 줄 세우고 있는 건지 솔직히 부끄럽고 답답합니다.

정답을 잘 고르는 사람이 인재라고요? — 질문력
수업 중 한 아이가 이런 질문을 던진 적이 있습니다. "선생님, 이 문제에서 왜 이 공식을 써야 해요? 다른 방법은 없나요?" 솔직히 그 순간 제가 한 말은 "그건 시험 범위 아니니까 일단 진도 나가자"였습니다. 교무실로 돌아오는 길이 유난히 무거웠습니다.
그 아이야말로 AI 시대가 원하는 인재의 씨앗을 갖고 있었는데, 저는 그걸 잘라버린 셈이었습니다. AI는 주어진 문제를 인간보다 수천 배 빠르게 풀어냅니다. 하지만 "어떤 문제를 먼저 풀어야 하는가"를 묻는 능력, 즉 문제 정의력(Problem Framing)은 아직 인간의 몫입니다. 여기서 문제 정의력이란 남들이 당연하게 여기는 현실 속에서 아직 해결되지 않은 불편이나 모순을 먼저 발견하고 그것을 구체적인 과제로 재구성하는 능력을 의미합니다.
"스마트폰의 아버지"라 불리는 스티브 잡스가 새로운 산업을 만든 건 시험을 잘 봐서가 아니었습니다. 기존에 존재하지 않던 생활방식을 상상하는 질문을 먼저 던졌기 때문입니다. 인재의 기준이 '얼마나 많이 알고 있는가'에서 '그 지식으로 어떤 질문을 만들 수 있는가'로 이동했다는 것, 저는 그것을 교실 현장에서 매일 체감하고 있습니다.
그런데 지금 우리 대입 체계는 어떻습니까. 국가교육위원회의 2024년 교육과정 논의 자료를 보면, 수능 서·논술형 도입 논의가 수년째 표류 중입니다(출처: 국가교육위원회). 좋은 질문을 던지는 아이는 진도를 방해하는 존재로 배제되고, 오지선다 1등급을 받는 아이가 인재로 불리는 구조는 솔직히 이제 한계에 왔다고 봅니다.
- AI는 주어진 문제를 풀지만, 어떤 문제를 풀어야 할지 묻는 것은 인간의 역할입니다
- 질문력이란 기존 상식에 균열을 내고 새로운 과제를 발견하는 능력입니다
- 오지선다 위주의 선발 구조에서는 질문력이 자랄 공간이 없습니다
AI가 대안을 쏟아낼수록 더 비싸지는 것 — 판단력
제가 직접 수업 준비에 AI를 써봤는데, 솔직히 이건 예상 밖이었습니다. 10분 안에 20개의 수업 아이디어가 쏟아졌습니다. 문제는 그다음이었습니다. 이 중에서 지금 우리 반 아이들에게 맞는 것을 골라내는 일, 교실 분위기와 개별 아이의 상황까지 고려해서 최종 판단을 내리는 것은 전적으로 제 몫이었습니다.
이것이 바로 메타인지적 판단력(Metacognitive Judgment)이 중요해지는 이유입니다. 메타인지적 판단력이란 자신의 사고 과정을 객관적으로 평가하면서 여러 선택지의 윤리적·사회적 영향까지 함께 고려해 최종 결정을 내리는 능력을 말합니다. AI는 수많은 대안을 제시할 수 있지만, 그 선택이 사람과 공동체에 어떤 파장을 미칠지 책임지는 것은 인간에게만 있는 역할입니다.
한국고용정보원이 발표한 자료에 따르면, AI 도입 이후에도 오히려 수요가 늘어날 직업군의 공통점은 '복잡한 맥락에서 책임 있는 판단을 내리는 역할'이었습니다(출처: 한국고용정보원). 의사, 교사, 사회복지사, 경영자 모두 여기에 해당합니다.
판단력은 문제집만 풀어서는 생기지 않습니다. 제 경험상 이건 좀 다릅니다. 실패해보고 그 결과를 스스로 소화하는 과정, 다른 사람과 부딪히며 논쟁하는 경험, 그리고 무엇보다 자기 선택에 책임을 져본 기억들이 쌓여서 만들어집니다. 근무시간과 근속연수만으로 사람을 평가하는 연공서열 중심의 인사 체계로는 이런 판단력을 길러낼 수 없습니다. 가치와 기여 중심의 보상 체계로 전환되어야 한다는 주장에는 저도 동의하는 쪽입니다.
능력만으로는 부족하다 — 인재 품격
능력과 인격이 함께 갖춰진 사람을 인재 품격(Talent Dignity)을 가진 사람이라고 부를 수 있을 것 같습니다. 인재 품격이란 뛰어난 역량을 갖추면서도 책임·협력·공동체 의식이라는 인간적 가치를 동시에 구현하는 상태를 의미합니다. 능력은 뛰어나지만 협력하지 못하는 사람, 성과를 위해 원칙을 무시하는 사람은 단기적으로 눈에 띄더라도 장기적으로는 조직과 사회에 손실을 남깁니다. 저는 교직 생활에서 그런 사례를 적지 않게 목격했습니다.
'1 Talent, 2 Talent, 10 Talent'라는 개념으로 사람의 기여 가치를 구분해 보는 시각도 있는데, 저는 여기에 한 가지를 더 붙이고 싶습니다. 아무리 10 Talent급의 창의적 파괴력을 가진 사람이라도, 자신의 성공을 독점하고 타인의 전문성을 무시한다면 그 사람이 만드는 조직 문화는 결국 1 Talent들조차 제 역량을 발휘하지 못하게 만든다는 점입니다.
AI가 지능의 상당 부분을 보완해 줄수록, 인간에게 남는 차별점은 신뢰·책임·공감 같은 가치에 있다는 것이 제 경험상의 결론입니다. 교실에서도 마찬가지였습니다. 제가 가르친 아이들 중 사회에서 진짜 실력을 발휘한 경우는, 성적이 최상위였던 아이보다 자기 실패를 인정하고 팀원의 장점을 끌어내는 아이인 경우가 훨씬 많았습니다.
인재가 한국에 머물고 싶게 만들려면 단순히 연봉만 높이는 것으로는 부족합니다. 실패를 용인하는 조직 문화, 능력 있는 사람이 능력만큼 인정받는 시스템, 그리고 성공만큼 공동체를 생각하는 품격 있는 생태계가 함께 갖춰져야 합니다. 이건 기업만의 과제가 아니라 공교육과 국가 인재경영의 문제입니다.
자주 묻는 질문
Q. AI 시대에도 학벌이나 스펙이 중요한가요?
A. 학벌이 여전히 중요하다고 보는 분들도 있는데, 저는 그 무게가 빠르게 줄어들고 있다고 봅니다. AI가 지식 검색·문서 작성·데이터 분석을 대체하면서, "어느 학교를 나왔는가"보다 "어떤 문제를 발견하고 어떻게 책임졌는가"가 실질적인 평가 기준으로 이동하고 있습니다. 스펙이 전혀 무의미하다는 뜻은 아니지만, 그것이 결정적 변수였던 시대는 끝나가고 있다는 게 제 판단입니다.
Q. 질문력은 타고나는 건가요, 교육으로 키울 수 있나요?
A. 타고난 기질의 영향도 있다고 생각하지만, 제 경험상 질문력은 충분히 훈련됩니다. 다만 그 훈련은 정해진 답을 빨리 고르는 방식이 아니라, 오답과 엉뚱한 시도를 허용하는 환경에서 일어납니다. 실패를 낙인으로 삼는 교실 구조가 바뀌지 않는 한, 아무리 좋은 교사도 아이들의 질문력을 충분히 키워내기 어렵다고 봅니다.
Q. 1 Talent, 10 Talent로 사람을 나누는 게 너무 냉정한 거 아닌가요?
A. 사람의 존엄을 숫자로 환원하자는 뜻이 아니라는 전제에 저도 동의합니다. 다만 기여와 능력의 차이를 연공서열로 덮는 것이 오히려 더 불공정하다는 시각도 타당합니다. 중요한 건 그 구분이 경쟁과 배제를 위한 도구가 되어선 안 되고, 각자의 강점을 찾아 최대한 발휘하게 돕는 방향으로 작동해야 한다는 점입니다.
Q. 공교육이 AI 시대 인재를 못 키운다면, 어디서 키워야 하나요?
A. 공교육 밖에서 알아서 하라는 답은 무책임하다고 봅니다. 결국 국가교육위원회와 교육부가 평가 방식을 바꾸고, 교사에게 교육과정 운영의 자율성을 돌려주는 법제도적 변화가 선행되어야 합니다. 사교육이나 개인의 노력으로 메울 수 있는 격차에는 한계가 있기 때문입니다.
결론
AI 시대의 인재 경쟁은 역설적으로 더 좋은 사람을 가진 쪽이 이기는 경쟁입니다. 정보의 격차보다 판단의 격차가, 암기량보다 질문력이, 개인 성과보다 인재 품격이 사람의 가치를 결정할 가능성이 커지고 있습니다. 저는 그것을 교실이라는 가장 작은 현장에서 매일 확인하고 있습니다.
지금 당장 바꿀 수 없는 구조 앞에서 무력감을 느끼는 분들도 있을 것이고, 저 역시 그렇습니다. 하지만 적어도 아이의 엉뚱한 질문을 진도 방해로 자르지 않는 것, 실패한 시도를 낙인이 아닌 과정으로 읽어주는 것, 그것부터 바꿔볼 수 있다고 생각합니다. 제도가 바뀌길 기다리는 동안에도, 교실 안에서 할 수 있는 것들을 먼저 찾아보는 것이 지금 저의 선택입니다.
'과학·환경·AI' 카테고리의 다른 글
| 미디어 리터러시 (가짜뉴스, 디지털 문해교육, 팩트체크) (0) | 2026.11.05 |
|---|---|
| AI 시대 채용 변화 (학력무관채용, 잠재력, 공교육전환) (0) | 2026.11.04 |
| AI 과제 대필 (AI 의존, 지적 외주화, 리터러시) (0) | 2026.10.30 |
| AI 과제 표절 (윤리 공백, 지침 부재, 평가 전환) (0) | 2026.10.29 |
| AI 안경 논술 부정행위 (적발 경위, 처벌 수위, 감독 대책) (0) | 2026.10.27 |