
요즘 뉴스와 SNS에서 자주 듣는 말이 있습니다. 지식은 이제 AI가 다 알려 주니, 학생들에게는 질문하는 능력, 비판적으로 사고하는 능력, 문제를 해결하는 능력을 길러 줘야 한다는 말이죠. 올해는 이 말에 힘이 더 실렸습니다. AI 안경이 상용화되고 있고, 실제로 얼마 전에는 제63회 세무사 시험 수석 합격자가 응시자 평균이 30.18점인 세법학개론에서 만점을 받자 AI 안경을 쓴 게 아니냐는 의혹까지 나왔습니다. 당사자는 부인했지만, 한 유튜버가 AI 안경으로 기출문제를 풀어 1차 네 과목 모두 100점을 받는 시연 영상을 올리면서 논란은 더 커졌고, 결국 11월 15일 당사자가 직접 부정행위를 자백하고 경찰에 자수했습니다. 수법은 AI 안경이 아니라 초소형 카메라로 문제를 찍어 AI에 보내고 스마트폰으로 답을 확인하는 방식이었고, 1·2차 시험 모두 같은 방식이었다고 합니다.
그래서 수능 같은 선다형 시험은 의미가 없어졌고, 차라리 AI를 쓰게 한 상태에서 더 복잡한 문제를 풀게 해 그 능력을 평가해야 한다는 주장도 늘었습니다.
"이제 지필고사를 치르는 게 무슨 의미가 있을까?"
이번 사태를 계기로 만든 분들이 이제 수능 같은 형태의 시험은 필요가 없어졌다고 말씀하십니다.
저도 이 주장의 절반에는 동의합니다. 정답 하나를 고르는 시험이 학생의 사고를 충분히 보여 주지 못한다는 비판은 오래전부터 있었고, 일리도 있습니다. 그런데 나머지 절반이 계속 마음에 걸립니다. 이 주장 밑에는 질문하기, 비판하기, 문제 해결하기를 지식과 따로 떼어 기를 수 있고, 한번 익히면 어디서든 꺼내 쓸 수 있다는 전제가 깔려 있거든요. 정말 그럴까요?
이 질문을 붙들고 다시 꺼내 읽은 글이 인지심리학자 대니얼 윌링햄(Daniel T. Willingham)의 「비판적 사고: 왜 가르치기가 이토록 어려운가?」(2007)입니다. 20년 가까이 된 글인데, 지금 읽으니 더 날카롭게 느껴집니다.
윌링햄은 비판적 사고가 자전거 타기처럼 한번 배우면 어디서든 쓰는 기능이 아니라고 말합니다. 사고 과정이 사고하는 내용, 곧 영역 지식과 얽혀 있어서 지식과 떼어 놓고는 제대로 가르칠 수도, 쓸 수도 없다는 거죠.

<그림 1 · 밴드 행진 문제 실험>
윌링햄이 소개한 실험에서 참가자들은 먼저 최소공배수로 푸는 정원 채소 문제와 그 풀이를 읽었습니다. 그다음 겉모습만 다르고 푸는 원리는 같은 밴드 행진 문제를 받았죠. 두 문제가 비슷하다는 걸 알아차리고 앞의 풀이를 가져다 쓴 사람은 19%에 그쳤습니다. 참가자들 머릿속에서 앞의 문제는 채소 이야기였고, 뒤의 문제는 밴드 이야기였으니까요. 윌링햄은 사람이 문제가 묘사하는 상황(표면 구조)에 먼저 눈이 가고, 문제를 푸는 원리(심층 구조)는 잘 보지 못한다고 설명합니다.
제가 더 눈여겨본 건 그다음 결과입니다. 연구자들이 "이 문제는 정원 문제와 비슷하다"고 귀띔해 주자 정답률은 35%로 올랐습니다. 무엇을 해야 하는지 대놓고 알려 줬는데도, 열 명 중 여섯 명 넘게는 끝내 풀지 못했습니다. 윌링햄은 문제의 양면을 보라, 심층 구조를 찾아라 같은 조언을 메타인지 전략이라고 부릅니다. 이 전략은 무엇을 해야 하는지는 알려 주지만, 그것을 해낼 지식까지 주지는 못합니다.
AI의 답을 비판적으로 검토하라, 좋은 질문을 던져라 같은 요즘의 조언도 메타인지 전략입니다. 방향은 맞지만, 그 말만 듣고 학생이 AI의 답에서 무엇이 이상한지 찾아내지는 못합니다. 반도체 기판 설계에 문외한인 제가 AI가 설명하는 기판 설계 원리를 읽는다고 생각해 보면 쉽습니다. 아무리 비판적으로 읽으라는 말을 들어도 어느 대목이 틀렸는지 짚어 낼 수 없고, 그럴듯하다는 느낌만 남을 겁니다. 윌링햄은 1980~90년대 미국에서 크게 유행한 사고력 프로그램이 기대만큼 효과를 내지 못한 이유도 여기서 찾습니다. 교과 내용과 떼어 놓고 사고 기능만 가르쳤더니, 프로그램에서 연습한 것과 비슷한 문제에서만 효과가 났고 다른 자료로 갈수록 효과가 빠르게 사라졌다고 하죠. 지금 우리가 AI 시대 핵심 역량이라는 이름으로 그 길을 다시 걷고 있는 건 아닌지 돌아보게 됩니다.

<그림 2 · AI의 답 앞에 선 두 학생>
윌링햄은 과학적 사고를 다루며 하나를 더 짚습니다. 실험 결과가 이상하다는 걸 알아보려면 결과가 어떻게 나올지 예상이 먼저 있어야 하고, 그 예상은 영역 지식에서 나옵니다. 실제로 전기 회로를 배우는 실험에서, 더 많고 잘 통합된 지식을 가지고 시작한 학생들이 더 유익한 실험을 설계했고 결과도 더 잘 활용했습니다.
AI의 답을 다룰 때도 마찬가지입니다. AI의 답은 틀릴 때도 대개 그럴듯하게 틀립니다. 매끄러운 글 속에 섞인 틀린 한 문장을 잡아내려면, 그 문장과 부딪칠 지식이 학생의 머릿속에 있어야 하죠. 그러니 AI를 쓰게 하고 더 복잡한 문제를 풀게 하는 평가에서 드러나는 것도, 결국 학생이 이미 가진 지식의 차이일 가능성이 큽니다.
그렇다고 암기 위주로 돌아가자는 말은 아닙니다. 윌링햄도 지식을 써 볼 기회 없이 사실만 가르치는 것이 말이 안 되듯, 내용 없이 비판적 사고를 가르치는 것도 말이 안 된다고 했습니다. 지식과 사고를 함께 기르려면 수업과 평가가 어떻게 달라져야 할지, 제 생각을 적어 봅니다.
첫째, 사고는 교과 내용 안에서 가르칩니다. 비판적 사고 수업이나 프롬프트 잘 쓰는 법을 따로 떼어 가르치기보다, 시와 소설을 읽는 바로 그 시간에 근거를 따지고 다른 관점에서 보게 하는 거죠. 윌링햄은 편지의 출처를 따지는 법을 배워도 남북전쟁의 역사를 모르면 그 편지를 해석할 수 없다는 예를 듭니다. 국어 시간도 다르지 않습니다. 작품이 쓰인 시대와 갈래를 모르는 학생에게 AI의 작품 해설을 비판해 보라고 하면, 학생은 할 말이 없습니다.
둘째, 메타인지 전략은 이름을 붙여 명시적으로 가르치고 여러 번 연습시킵니다. 윌링햄은 처음 가르칠 때 서로 다른 예를 두 개 이상 보여 주고, 전략에 이름을 붙이고, 이후 수업에서는 그 이름만 불러도 학생이 떠올릴 수 있게 하라고 권합니다. 겉모습은 다르고 원리는 같은 문제를 나란히 놓고 둘이 무엇이 같은지 묻는 활동도 심층 구조를 보는 눈을 길러 줍니다.
셋째, AI에게는 학생의 생각을 점검해 주는 역할을 맡깁니다. 학생의 학습에도 사람(H) → AI → 사람(H)의 순서가 필요합니다. 학생이 먼저 자기 답이나 예상을 적고, AI의 답과 비교한 뒤, 무엇을 받아들이고 무엇을 거절했는지 근거와 함께 남기게 하는 식입니다. 정답을 바로 내주지 않고 힌트만 주도록 AI를 설정해 두는 것도 방법이고요.
AI 없는 평가냐, AI를 쓰는 평가냐 하는 이분법에서 벗어났으면 좋겠습니다. 세무사 시험에서 드러났듯 시험장에서 AI를 막는 일은 점점 어려워질 겁니다. 하지만 그건 시험 관리의 문제이고, 학생에게 지식이 덜 필요해졌다는 근거는 되지 못합니다. AI 없는 평가는 여전히 필요합니다. 학생 머릿속에 쌓인 지식이 AI를 검증하는 기반이니까요. 다만 묻는 방식은 달라져야 합니다. 흩어진 사실을 되묻기보다, 겉모습이 낯선 문제에서도 원리를 알아보는지처럼 지식이 얼마나 연결되어 있는지를 보는 쪽으로요.
AI가 수능 만점을 받는 시대에도 지식을 쌓고, 기능을 익히고, 반복해서 연습하는 과정은 여전히 가치가 있다고 생각합니다. AI 시대에 중요하다고 말하는 질문하는 능력, 비판적으로 사고하는 능력, 문제를 해결하는 능력은 그 분야에 대한 지식과 직접 해 보는 반복 연습 없이는 발휘할 수 없으니까요. 저는 오히려 AI 시대가 되었기 때문에, 교육에서 중요하게 여겨야 했지만 그러지 못했던 가치에 주목할 수 있겠다는 희망도 생깁니다. 제게 그것은 김애란 작가가 한 방송에서 AI와 사람의 다른 점으로 꼽은 '망설임'입니다.
여기서 망설임은 단순히 머뭇거리는 태도가 아닙니다. 저는 망설임 안에 두 가지 물음이 들어 있다고 생각합니다.
하나는 내가 아는 것이 정말 아는 것인가 하는 물음입니다. AI가 내놓은 매끄러운 답 앞에서 이 정도면 알겠다고 넘어가지 않고, 내 이해를 다시 따져 보는 일이죠. 앞에서 본 것처럼 이 물음도 지식이 있어야 던질 수 있습니다. 견주어 볼 지식이 없으면 의심할 거리조차 생기지 않으니까요.
다른 하나는 내가 바라는 것이 정말 바랄 만한 것인가 하는 물음입니다. 학생이 자신과 연결된 세계와의 관계 속에서 자기 바람을 되묻는 과정입니다. 교육철학자 거트 비에스타는 교육이 길러야 할 것 중 하나로 주체성을 꼽는데, 그가 말하는 주체는 내 욕망을 그대로 따르는 사람이 아닙니다. 그 욕망이 나와 우리의 삶에 바람직한지 따져 묻는 사람이죠. 캐런 바라드가 말한 응답 능력(response-ability)도 여기에 닿아 있습니다. 나와 얽혀 있는 사람과 세계에 어떻게 응답할지를 책임 있게 고민하는 힘입니다. 이 물음은 수행평가나 자기 생각을 논리적으로 풀어내야 하는 서논술형 평가에서 잘 드러납니다. 어떤 입장을 고르고 그 까닭을 써 내려가는 동안, 학생은 그 입장이 자신과 다른 사람들의 삶에 어떤 의미가 있는지 따져 보게 되니까요.
AI는 망설이지 않고 답을 내놓습니다. 그 답이 맞는지, 그 답을 따르는 것이 내가 바랄 만한 일인지 묻는 일은 학생의 몫으로 남습니다. 평가가 달라진다면 그 안에 학생이 망설이는 장면이 들어가면 좋겠습니다.
이런 평가를 저는 '타자가 있는 평가'라고 부르고 싶습니다. 정기시험이나 수능에서 학생이 마주하는 것은 시험지뿐입니다. 정답은 이미 정해져 있고, 학생은 혼자 그 답을 찾아 고릅니다. 타자가 있는 평가에서는 학생 앞에 묻고 듣고 다시 묻는 사람이 있습니다. 학생의 대답에 따라 다음 질문이 달라지고, 학생은 그 사람에게 응답하면서 자기가 아는 것과 바라는 것을 다시 따져 보게 됩니다.
그래서 앞으로는 구술평가처럼 타자가 있는 평가가 더 중요해질 거라고 봅니다. 질문을 받은 학생이 잠시 멈칫하고, 말을 고르고, 자기 생각을 다시 따져 보며 앞서 한 말을 고쳐 가는 과정이 구술평가에서는 그대로 드러납니다. 교사가 꼬리 질문으로 상황을 조금만 바꿔 물어도, 학생이 원리를 알고 있는지 외운 답을 옮기고 있는지 금방 보이죠. 윌링햄의 말대로 겉모습이 바뀐 문제에서 원리를 알아보는 힘이 지식의 깊이라면, 그 깊이를 가장 잘 볼 수 있는 자리가 마주 앉아 묻고 답하는 자리일 겁니다. 대입 제도도 이 방향으로 바뀌어야 할 부분이 있다고 생각합니다. 정답을 고르는 수능보다, 대학이 지원자를 직접 만나 묻고 듣는 면접 고사가 더 중요해지지 않을까요.
AI 안경을 쓴 학생의 눈앞에는 늘 답이 떠 있을 겁니다. 그 답이 틀렸는지 판단하려면 학생이 그 내용을 알고 있어야 합니다. 그래서 저는 AI가 똑똑해질수록 학생이 지식을 어떻게 쌓고 서로 연결하게 할지를 더 고민해야 한다고 생각합니다.
Willingham, D. T. (2007). Critical thinking: Why is it so hard to teach? American Educator, 31(2), 8-19.
댓글을 작성하려면 로그인이 필요합니다.