[기획 리포트 1부] 상아탑의 새 계급선 'AI 디바이드'… 도구는 퍼졌지만 설계는 갈렸다

[그래픽 뉴욕앤뉴저지]

미국 대학에서 생성형 인공지능(AI)은 이미 일상이다. 학생 열 명 중 여섯 명이 매주 학업에 AI를 쓰고, 교무처장 열 명 중 일곱 명도 매주 업무에 AI를 켠다. 그러나 '누구나 쓴다'는 것이 '모두가 같은 것을 얻는다'는 뜻은 아니다. 본지가 미국 고등교육 주요 조사기관의 최근 자료를 교차 검증한 결과, AI 도입의 깊이는 대학의 재정과 유형에 따라 뚜렷하게 갈리고 있었다. 격차는 도구를 '갖는' 단계보다 그 도구로 '무엇을 가르치도록 설계하는가'의 단계에서 더 크게 벌어졌다.

브루킹스연구소에 지난달 기고한 마이클 J. 안 매사추세츠대 보스턴캠퍼스 교수는 AI가 대학의 지식 전달 기능을 대체하면서 대학의 가치가 판단력과 책임감을 길러 내는 '형성(formation)'으로 옮겨 가고 있다고 진단했다. 문제는 형성이 소규모 수업과 많은 교수 시간을 요구하는 비싼 교육이라는 점이다. 그는 이 전환이 기금이 넉넉한 명문대에서는 쉽게, 등록금에 의존하는 지역 대학에서는 어렵게 일어날 것이라고 경고했다.

접근: 쓰기는 다 쓰는데 '대학이 준 도구'는 아니다

고등교육 IT 협회 에듀코즈(EDUCAUSE)가 지난해 가을 종사자 1,960명을 조사한 결과 94%가 업무에 AI를 써 봤다. 그러나 56%는 소속 기관이 제공하지 않은 도구를 썼다. 학생 쪽도 비슷하다. 인사이드하이어에드의 대학 최고정보책임자(CTO) 조사에서 학생에게 전교 단위 AI 라이선스를 제공하는 대학은 27%였고, 절반가량은 아무 접근권도 주지 않았다. 가장 큰 이유는 비용이었다.

다만 접근 격차가 대학 서열과 정비례하지는 않는다. 같은 조사에서 커뮤니티 칼리지의 36%는 전교 라이선스로 학생에게 AI를 제공하고 있었다. 캘리포니아주립대(CSU)는 학생 47만여 명 전원에게 '챗GPT 에듀'를 보급했다. 대가도 컸다. 첫 18개월에 1,700만 달러가 들었고, 올해 연 1,300만 달러에 3년 계약을 갱신했다. 1억4,400만 달러의 예산 삭감이 진행되는 와중이었다.

활용: 학생은 달리는데 교수는 걷는다

교육 컨설팅사 타이턴 파트너스가 올해 봄 대학 구성원 3,000여 명을 조사한 결과, 주 1회 이상 AI를 쓰는 비율은 행정가 71%, 학생 61%, 교수 52%였다. 학습을 설계하는 교수가 학습자보다 AI에 덜 익숙하다는 점이 핵심이다. 학생이 AI를 생각을 넓히는 도구로 쓰느냐, 대필 도구로 쓰느냐는 상당 부분 수업과 과제의 설계에 달려 있기 때문이다.

전략과 돈이 없다

인사이드하이어에드가 올해 7~8월 교무처장 376명을 조사한 결과, 중앙집중식 AI 전략을 갖춘 대학은 10곳 중 1곳꼴에 그쳤다. 15%는 AI에 전혀 투자하지 않았고, 소규모 사립 학부중심 대학에서는 이 비율이 28%로 뛰었다. 대학의 AI 활용도 챗봇(54%)과 행정 업무에 몰려 있었다. 개인 맞춤형 학습에 쓴다는 응답은 8%였다.

[그래픽 뉴욕앤뉴저지]

교육과정 비전, 대학 유형별로 세 배 차이

격차가 가장 선명한 지점은 교육과정이었다. AI가 무엇을 어떻게 가르치는지를 어떻게 바꿀지 일관된 비전이 있다고 답한 교무처장은 공립 박사과정 대학 31%, 커뮤니티 칼리지 12%, 사립 학부중심 대학 11%였다. 라이선스는 돈으로 살 수 있지만 비전은 교수 회의와 교육과정 개편, 그리고 그 일을 할 사람과 시간이 있어야 만들어진다. 교무처장들이 꼽은 장벽도 비용(약 30%)보다 인력 역량 부족(51%)과 교직원 저항(50%)이 컸다.

대응 방식도 체급에 따라 달랐다. 카네기멜론대(2018년), MIT(2022년), 펜실베이니아대(2024년)는 AI를 독립 학위로 만들었다. 대형 공립대는 규모로 승부한다. 퍼듀대는 올가을 입학생부터 AI 역량을 졸업 요건으로 삼았고, 오하이오주립대와 뉴욕주립대(SUNY)도 모든 학부생의 교양 교육에 AI를 넣었다. 반면 소규모 사립대와 커뮤니티 칼리지는 투자 여력과 교수 연수에서 뒤처져 있다.

아직 증명되지 않은 것

주의할 점도 있다. '명문대 학생은 AI로 사고를 확장하고 하위권 대학 학생은 대필에 쓴다'는 주장은 직관적이지만, 이를 직접 비교한 대규모 연구는 아직 없다. 본지 취재 과정에서 기존에 돌던 일부 수치가 원자료와 다르게 인용된 사례도 확인됐다. 격차를 정확히 진단하려면 대학 유형별로 나눈 공공 데이터가 필요하다. 2부에서는 이 격차가 만들어지는 현장, 즉 시간강사의 강의실과 AI 감지기, 사회초년생의 일자리, 그리고 뉴욕·뉴저지의 공공 대응을 추적한다.