GPT로 수학 연습하니 정답률이 127% 올랐다. 그런데 시험 치니 17% 떨어졌다 — OECD 보고서가 밝힌 'AI 학습의 역설'
C
Contenjoo
에듀테크 오늘
수정시각
날짜
Empty
OECD Digital Education Outlook 2026 핵심 인사이트 정리
생성형 AI를 쓰면 공부를 더 잘하게 될까요?
OECD가 2026년 3월 발간한 「OECD Digital Education Outlook 2026: Exploring Effective Uses of Generative AI in Education」은 이 질문에 대해 "그렇게 단순하지 않다"고 답합니다. OECD 교육혁신연구센터(CERI)가 전 세계 실증 연구, 설계 실험, 전문가 인터뷰를 종합한 이 플래그십 보고서의 핵심 메시지는 이렇습니다.
생성형 AI는 교육을 근본적으로 개선할 수 있다. 단, "어떻게 쓰느냐"에 따라 학습을 해칠 수도 있다.
보고서 전체를 관통하는 핵심 인사이트를 정리했습니다.
과제 점수는 올랐는데 실력은 떨어지는 "성과-학습 불일치" 현상
보고서에서 가장 충격적인 연구는 튀르키예에서 1,000명의 고등학생(9~11학년)을 대상으로 진행된 무작위 통제 실험(RCT)입니다.
학생들은 세 그룹으로 나뉘어 6회(각 90분)에 걸쳐 수학 연습을 진행했습니다.
•
그룹 1: 교과서와 노트만으로 독학
•
그룹 2: 범용 GPT-4 챗봇(GPT Base) 사용
•
그룹 3: 교육용으로 설정된 GPT-4 챗봇(GPT Tutor) 사용
연습 중 정답률은 GPT Base 그룹이 독학 대비 48% 높았고, GPT Tutor 그룹은 무려 127% 높았습니다. 그런데 AI 없이 치른 시험에서는 어떻게 됐을까요? GPT Base 그룹은 독학 그룹보다 오히려 17% 낮은 점수를 받았습니다. GPT Tutor 그룹도 독학 그룹과 비슷한 수준에 머물렀습니다.
OECD는 이를 "성과와 학습의 불일치(misalignment between task performance and genuine learning)"라고 설명합니다. AI가 답을 대신해 주니 연습 성적은 좋아지지만, 학생 스스로 생각하는 인지적 노력이 생략되면서 실제 지식 습득이 일어나지 않는 것입니다.
이 현상은 뇌과학 연구로도 확인됩니다. 미국 5개 대학 학생들에게 에세이를 쓰게 한 실험에서, ChatGPT를 활용한 학생 중 12%만이 1시간 뒤 자기가 쓴 내용을 기억한 반면, 직접 쓴 학생들은 89%가 기억했습니다. 뇌 영상 분석 결과, AI 사용 그룹은 콘텐츠를 '생성'하는 것이 아니라 AI 출력을 '감독'하는 쪽으로 뇌 활동이 전환되었으며, 신경 연결성과 참여도가 현저히 낮았습니다.
교육적으로 설계된 AI는 확실히 다르다
그렇다면 AI는 교육에서 쓸모가 없는 걸까요? OECD는 분명하게 "아니다"라고 답합니다. 핵심은 범용 ChatGPT를 그대로 쓰는 것과 교육 목적으로 설계된 AI를 쓰는 것 사이의 차이입니다.
하버드대 물리학 수업 RCT: 능동적 학습(active learning) 원리를 구현한 AI 튜터로 온라인 학습한 학생들이, 같은 교수법의 대면 수업을 받은 학생들보다 학습 성과가 유의미하게 높았고, 학습 시간은 더 짧았으며, 동기와 몰입도도 더 높았습니다(효과 크기 0.63).
스탠퍼드 Tutor CoPilot: GPT-4를 우수 교사의 피드백 데이터로 미세조정(fine-tuning)하여, 온라인 튜터링 플랫폼에 통합한 도구입니다. 900명의 튜터가 1,800명의 저소득층 학생을 지도하는 과정에서 활용되었는데, 경험이 적은 튜터의 학생 합격률이 9%p 상승했고, 평소 낮은 평가를 받던 튜터의 학생은 7%p 상승했습니다. 반면, 원래 우수한 튜터에게는 큰 차이가 없었습니다.
중국 문제기반학습(PBL) 실험: 독서 교육에서 GenAI를 문제기반학습 방식으로 설정하여 활용한 결과, 기존 비개인화 방식 대비 독서 수행 능력과 동기가 모두 향상되었습니다.
보고서가 일관되게 강조하는 원칙이 있습니다. 소크라테스식 질문, 비계(scaffolding), 능동적 학습 등 검증된 교수법 원리에 기반해 설계되거나 설정(configure)된 AI 도구만이 학습 효과를 만들어낸다는 것입니다.
범용 AI도 "교육적 의도" 하에 쓰면 효과가 있다
그렇다고 반드시 전용 교육 AI만 써야 하는 건 아닙니다. 보고서는 범용 GenAI라도 교사의 교수법적 안내 하에 사용하면 학습 효과가 있다는 증거도 제시합니다.
나이지리아 중등학교 RCT: 9개 학교에서 학생들에게 Microsoft Copilot(GPT-4 기반)을 제공하되, 짝 학습(pair learning) 환경에서 교사가 프롬프트 사용법을 지도했습니다. 통제 그룹 대비 중간 크기의 긍정적 학습 효과가 나타났습니다.
인도네시아 토론 수업 실험: ChatGPT를 검색 엔진 대신 사용하여 논증적 발표를 준비한 학생들은, 프롬프팅 교육과 협력 학습 스크립트를 함께 받았습니다. 그 결과 논증 능력, 비판적 사고, 협업 성향 모두 검색 엔진 그룹보다 우수했습니다.
영국 창의적 글쓰기 연구: GenAI에게 아이디어만 받고 직접 이야기를 쓴 참가자들은, 아무 도움 없이 쓴 그룹보다 창의성과 글쓰기 품질 모두 높았습니다. 5개 아이디어를 받은 그룹이 1개만 받은 그룹보다 더 좋았습니다. 다만, AI 아이디어를 받은 그룹의 이야기들은 서로 더 유사해지는 경향이 있었는데, 이는 집단 창의성 감소라는 부작용을 시사합니다.
이 연구들의 공통점은 학생이 AI 출력을 그대로 제출한 것이 아니라, AI를 "생각의 도구"로 활용한 뒤 직접 산출물을 만들었다는 점입니다.
학생 대다수가 이미 AI를 쓰고 있다 — 대부분 "편의 도구"로
보고서가 제시하는 각국 데이터를 종합하면, 학생들의 GenAI 사용은 이미 주류가 되었습니다.
국가/조사 | 대상 | AI 사용률 |
에스토니아 (2024) | 고등학생 | 90% |
독일 (2025) | 대학생 | 94% (65% 매일/매주) |
스위스 (2024) | 인문계 고등학생 | 약 70% |
유럽 7개국 (2024) | 12~17세 | 48% ChatGPT 사용 경험 |
프랑스 (2025) | 대학생 | 82% |
미국 (2025) | 15~17세 | 68% AI 챗봇 사용 |
학생들은 주로 정보 검색(56%), 개념 설명(45%), 과제 완성(31%) 목적으로 AI를 씁니다. 반면 자기주도적 학습 계획이나 진도 관리에 활용하는 비율은 20%에 불과합니다. 에스토니아 조사에서도 학생들이 AI를 쓰는 주된 이유는 "더 좋은 점수", "과제를 더 쉽게", "시간 절약"이었습니다. 깊은 학습보다는 편의와 효율이 동기인 셈입니다.
교사의 AI 활용 현황 — 준비 업무에 편중, 역량 격차는 여전
OECD TALIS 2024 조사에 따르면, OECD 국가 중학교 교사 평균 36%가 지난 12개월 내 AI를 업무에 활용한 경험이 있습니다. 국가별 편차는 큽니다. 싱가포르·UAE는 약 75%인 반면, 프랑스·일본은 20% 미만입니다.
AI를 사용하는 교사들의 활용 내역을 보면, 주제 요약·학습(68%), 수업 계획 생성(64%) 등 준비 업무가 압도적입니다. 학생 성과 데이터 분석(25%)이나 채점(26%)에 활용하는 비율은 상대적으로 낮습니다. 교사 중 40%는 AI가 학생 개별 지원에 도움이 된다고 동의했으나, 70%는 학생이 AI를 이용해 타인의 작업을 자신의 것으로 제출할 수 있다고 우려했습니다.
AI를 사용하지 않는 교사의 75%는 AI 활용 지식·역량이 부족하다고 응답했고, 약 50%는 AI를 교육에 사용해서는 안 된다고 생각했습니다.
영국에서 진행된 실험에서는, GenAI 활용 가이드를 받은 259명의 교사가 수업 준비 시간을 평균 31% 절감(주당 81.5분 → 56.2분)하면서 수업 계획 품질은 유지했습니다.
AI 피드백의 역설 — 품질은 동급, 신뢰는 인간이 우위
보고서가 리뷰한 다수의 연구에 따르면, 채점 루브릭과 모범 답안으로 설정된 AI의 피드백은 인간 교사의 피드백과 동등한 수준의 정확성과 품질을 보입니다. AI 피드백이 더 읽기 쉽고, 학습 전략 및 자기조절에 관한 피드백을 더 자주 제공한다는 메타분석 결과도 있습니다.
하지만 학생들은 인간 교사의 피드백을 더 신뢰하고, 더 의미 있게 받아들입니다. 피드백의 품질이 동등하더라도 교육적 효과가 같지는 않다는 것입니다. 피드백의 신뢰성과 동기 부여 차원은 여전히 인간의 영역입니다.
보고서의 결론은 하이브리드 모델입니다. AI가 초안 피드백을 생성하고, 교사가 검토·보완하여 전달하는 방식이 가장 바람직하다는 것입니다. AI는 또한 교사가 직접 관찰하기 어려운 학습 "과정(process)"에 대한 피드백을 제공하는 데도 활용될 수 있습니다.
교사-AI 협업의 세 모델 — "대체"가 아닌 "증강"이 답이다
보고서는 교사와 AI의 관계를 세 가지 모델로 구분합니다.
대체(Replacement): AI가 교사의 특정 업무를 완전히 수행합니다. 시간은 아끼지만, 교사의 전문성과 학생과의 관계가 약화될 위험이 있습니다.
보완(Complementarity): AI가 교사의 역량을 증폭하되, 교사가 의사결정의 중심에 남습니다. 예를 들어, AI 티칭 어시스턴트 JeepyTA는 학생 질문 응답, 에세이 피드백, 포럼 요약, 브레인스토밍 지원 등을 수행하면서도, 교사가 응답을 승인·수정·거부할 수 있습니다. 학생 응답 시간이 평균 7시간에서 약 2시간으로 단축되었고, 에세이 과제에서 최고 등급을 받는 비율이 64%에서 95%로 증가했습니다.
증강(Augmentation): 가장 바람직한 모델입니다. 교사와 AI가 서로의 산출물을 비판하고 개선하는 반복적 협업을 통해, 어느 쪽 혼자서는 달성할 수 없는 교수 품질을 만들어냅니다. 예컨대, 수학 교사 10명이 적응형 학습 플랫폼 콘텐츠를 AI와 공동 제작한 사례에서는, 교사의 체감 업무량이 50% 줄고 개발 기간이 수개월에서 수시간으로 단축되었습니다.
보고서는 특히 교사가 AI의 행동을 설정할 수 있는 도구를 강조합니다. 네덜란드에서 교사-학생 참여 하에 공동 설계된 프로토타입에서는, 교사가 AI의 "환각(hallucination) 비율"을 직접 조절할 수 있어 학생이 얼마나 비판적 사고를 훈련할지 교사가 통제할 수 있었습니다.
디지털 격차를 넘어 — 오프라인 소형 언어 모델의 가능성
보고서에서 흥미로운 부분은 브라질 농촌 지역의 대규모 실험입니다. 간헐적 인터넷 접속과 최소한의 기기만으로도, AI가 학생들에게 피드백과 안내를 제공할 수 있었습니다.
특히 소형 언어 모델(Small Language Model)이 모바일 기기에서 오프라인으로 구동될 수 있다는 점은, 디지털 인프라가 부족한 지역에서도 AI 교육이 가능함을 시사합니다. 기술적 한계는 있지만, 디지털 격차 해소의 실마리가 될 수 있습니다.
시스템 차원의 변화 — 행정, 평가, 연구까지 바뀐다
보고서는 학생·교사를 넘어 교육 시스템 전체에 대한 AI의 잠재력도 다룹니다.
대학 행정: 임베딩 기반 모델이 과목 간 동등성 매핑, 입학 관리, 진로 안내에 활용되고 있습니다. 학업 상담사에게 AI가 신입생의 전공 추천안을 제시하면, 상담사가 33%의 경우 완전히 동의하며 나머지에서도 유용한 참고 자료로 활용했습니다.
표준화 평가: AI가 시험 문항을 대규모로 생성하고, Duolingo English Test에서는 GenAI를 활용해 대화형 쓰기·말하기 평가를 새롭게 도입했습니다. ChatGPT가 생성한 대수학 문항이 인간이 만든 문항과 동등한 심리측정 속성을 보였다는 연구도 있습니다.
교육 연구: AI 기반 합성 데이터셋 생성, 다중 에이전트 모델을 활용한 학제간 연구 등 새로운 가능성이 열리고 있습니다.
한국의 사례가 보고서에 직접 언급되다
보고서는 각국의 GenAI 도입 사례를 소개하는 박스(Box 1.2)에서 한국을 직접 언급합니다. 원문은 다음과 같습니다.
"Korea has licensed and made available GenAI-powered tutors to teachers and schools as AI digital learning materials that work like regular intelligent tutoring systems, allowing students to have adaptive practice in several subjects, and teachers to receive feedback on students' possible misconceptions. Such features include adaptive explanation, automated feedback and interactive dialogue aligned with the national curriculum."
한국이 GenAI 기반 튜터를 "AI 디지털 학습 자료(AI digital learning materials)"로 교사와 학교에 제공하고 있으며, 이 도구들이 교과별 적응형 연습, 학생 오개념에 대한 교사 피드백, 국가 교육과정에 맞춘 적응형 설명·자동 피드백·대화형 상호작용 기능을 갖추고 있다는 내용입니다.
에스토니아(AI Leap 프로그램), 그리스(ChatGPT Edu 파일럿), 슬로바키아, 핀란드, 일본, 프랑스 등의 사례와 함께 소개되며, 한국은 "실제 학교 현장에 교육용 AI 도구를 도입한 사례(actual introduction of educational tools in school)"로 위치하고 있습니다.
OECD가 제시하는 핵심 원칙
보고서의 결론에서 OECD는 다음과 같은 원칙을 정리합니다.
•
AI로 과제를 잘 수행하는 것이 자동으로 학습으로 이어지지는 않는다.
•
핵심 교과의 기초 지식과 기능을 범용 GenAI 없이 습득하고 입증하는 것은 여전히 중요하다.
•
GenAI 도구는 교사가 특정 학습 목표를 달성하기 위해 의도적으로 설계한 학습 시나리오 안에서 사용되어야 한다.
•
교사와 교육 관계자는 AI 출력물에 대해 전문적 판단을 행사하고, 평가·수정·승인의 책임을 유지해야 한다.
•
GenAI 개발자는 교육 연구와 교수법적 지식에 기반한 교육 전용 AI를 설계하고, 교사·학생·학부모 등을 설계 과정에 참여시켜야 한다.
•
잘 정의된 교수법적 GenAI 활용이 학습과 웰빙에 미치는 영향에 대한 국제 공동 연구가 필요하다.
결국 관건은 기술이 아니라 "교육적 설계"다
300페이지 분량의 보고서를 한 문장으로 압축하면 이렇습니다.
"정책 입안자의 과제는 생성형 AI가 학습 파트너(learning partner)가 되도록 하고, 학습 지름길(learning shortcut)이 되지 않도록 하는 것이다."
AI의 성능은 계속 올라갈 것입니다. 하지만 이 보고서가 반복적으로 보여주는 것은, 같은 AI라도 교육적 설계 없이 쓰면 학습을 해치고, 교수법적 의도 하에 쓰면 학습을 강화한다는 사실입니다. AI 교육의 미래를 결정하는 것은 모델의 파라미터 수가 아니라, 교실에서 그것을 어떻게 쓸 것인가에 대한 설계의 깊이입니다.
출처: OECD (2026), OECD Digital Education Outlook 2026: Exploring Effective Uses of Generative AI in Education, OECD Publishing, Paris, https://doi.org/10.1787/062a7394-en
태그: #OECD #디지털교육전망2026 #OECDDigitalEducationOutlook #생성형AI교육 #AI학습효과 #에듀테크 #ChatGPT교육 #AI튜터 #교사AI협업 #AI리터러시 #교육혁신 #EdTech #AIinEducation #TALIS2024
062a7394-en.pdf10.01MB
Loading PDF preview
'오늘배움' 구독하기
사이트를 구독하면 새 포스트 등 최신 업데이트를 알림과 메일로 가장 먼저 받아보실 수 있습니다.
Slashpage에 가입하고 '오늘배움'을 구독하세요!
Slashpage에 가입하고 '오늘배움'을 구독하세요!
