AX 전환은 단순히 교실이나 조직에 AI 도구를 추가하는 변화가 아닙니다. 더 중요한 변화는 사람이 배워야 할 능력의 순서가 바뀐다는 점입니다. 예전 교육은 주어진 문제를 정확하고 빠르게 푸는 능력을 중심에 두었습니다. 그러나 생성형 AI가 답안 후보, 코드 초안, 보고서 구조, 요약문, 비교표를 빠르게 만들어 주는 환경에서는 “어떻게 풀 것인가”만으로는 충분하지 않습니다.
이제 교육은 **어떤 문제가 진짜 문제인지 알아보는 능력**을 더 앞에 놓아야 합니다. 문제를 발견하고, 범위를 정하고, 질문을 구성하고, AI가 낸 답을 검증하는 능력이 중요해집니다. 문제해결 능력이 사라지는 것이 아니라, 문제해결보다 앞단에 있던 문제인식 능력이 교육의 핵심 위치로 올라오는 것입니다.
1. 개념 정의: 문제해결 중심에서 문제인식 중심으로
문제해결 중심 교육은 이미 정의된 문제를 놓고 정답, 절차, 공식, 방법을 익히는 방식입니다. 수학 문제를 풀고, 코드를 작성하고, 보고서를 완성하고, 주어진 사례의 해결책을 찾는 활동이 여기에 들어갑니다. 이 방식은 여전히 필요합니다. 기본 개념과 절차를 모르면 AI가 낸 답이 맞는지 판단할 수 없기 때문입니다.
문제인식 중심 교육은 그보다 한 단계 앞을 봅니다. 무엇이 문제인지, 왜 지금 문제가 되는지, 누구에게 영향을 주는지, 어떤 조건을 놓치면 답이 틀어지는지를 먼저 따집니다. 다시 말해 정답을 찾기 전에 질문을 설계하는 능력입니다. AX 전환 이후 교육이 주목해야 할 지점은 바로 이 앞단입니다.
AI는 이미 많은 해결 후보를 만들어 냅니다. 하지만 AI는 사용자가 던진 질문의 범위 안에서 답합니다. 질문이 좁거나 잘못되면 답도 그 범위 안에서 그럴듯하게 틀릴 수 있습니다. 그래서 AX 시대의 학습자는 답을 빨리 얻는 사람이 아니라, 좋은 질문을 만들고 답의 한계를 검토하는 사람이어야 합니다.
2. 배경: AI가 해결 실행의 비용을 낮추고 있다
생성형 AI는 글쓰기, 요약, 번역, 코드 작성, 자료 정리, 아이디어 도출 같은 작업의 시작 비용을 크게 낮췄습니다. 학생이나 실무자는 예전보다 훨씬 빠르게 초안을 만들 수 있습니다. 이 변화는 교육에 두 가지 압력을 줍니다.
첫째, 단순 결과물만 평가하기 어려워졌습니다. 보고서의 문장이 매끄럽고 코드가 돌아간다고 해서 학습자가 내용을 이해했다고 보기 어렵습니다. AI가 생성한 결과물을 그대로 제출할 수 있기 때문입니다. 둘째, 정답형 과제만으로는 사고 과정을 보기 어렵습니다. 답이 빠르게 생성될수록 교사는 학생이 어떤 조건을 설정했고, 어떤 근거로 판단했으며, 어떤 오류를 고쳤는지를 봐야 합니다.
UNESCO의 생성형 AI 교육 가이드와 미국 교육부의 AI 교육 논의는 모두 AI 활용을 단순 기술 도입으로 보지 않습니다. 윤리, 데이터 보호, 교사의 역할, 안전성, 공정성, 인간 중심 원칙을 함께 검토해야 한다는 방향을 제시합니다. 이는 교육의 질문이 “AI를 쓰게 할 것인가”에서 “AI를 어떤 판단 구조 안에서 쓰게 할 것인가”로 이동해야 한다는 뜻입니다.
3. 비교: 문제해결 중심 교육과 문제인식 중심 교육
두 접근은 서로 반대가 아닙니다. 다만 교육의 출발점과 평가 기준이 다릅니다.
| 구분 | 문제해결 중심 교육 | 문제인식 중심 교육 |
|---|---|---|
| 출발점 | 이미 주어진 문제 | 아직 정리되지 않은 상황 |
| 핵심 질문 | 어떻게 풀 것인가 | 무엇이 문제인가 |
| 학습 활동 | 공식 적용, 절차 수행, 정답 도출 | 관찰, 질문 구성, 조건 정의, 반례 탐색 |
| AI 활용 | 풀이 보조, 초안 작성, 반복 작업 자동화 | 문제 범위 탐색, 가설 비교, 답 검증, 질문 개선 |
| 평가 기준 | 정답, 속도, 완성도 | 문제 정의의 타당성, 근거, 검증 과정, 관점 전환 |
문제해결 중심 교육은 정답이 비교적 분명한 상황에서 강합니다. 기초 개념을 익히고, 반복 연습을 통해 정확도를 높이는 데 필요합니다. 반면 문제인식 중심 교육은 답이 하나로 고정되지 않은 상황에서 중요합니다. 실제 조직, 산업, 사회 문제는 대부분 조건이 불완전하고 이해관계자가 다르며 시간이 지나면 상황이 바뀝니다.
AX 전환은 두 교육 방식의 비중을 다시 조정하게 만듭니다. AI가 해결 후보를 많이 만들어 주는 만큼, 사람은 그 후보가 어떤 문제를 전제로 하는지, 어떤 조건을 빠뜨렸는지, 실제 맥락에 맞는지를 판단해야 합니다.
4. 예시로 이해하기: AI가 답을 내도 교육은 끝나지 않는다
예를 들어 학생에게 “지역 상권 매출을 높이는 방안을 작성하라”는 과제를 냈다고 가정해 보겠습니다. 생성형 AI는 광고, SNS 콘텐츠, 쿠폰, 리뷰 관리, 배달 플랫폼 활용 같은 해결책을 빠르게 제시할 수 있습니다. 문제해결 중심 평가라면 학생은 그럴듯한 보고서를 제출하고 끝낼 수 있습니다.
하지만 문제인식 중심 교육은 다른 질문을 던집니다.
- 매출이 낮은 것이 진짜 문제인가, 아니면 재방문율이 낮은 것이 문제인가?
- 특정 요일이나 시간대에만 문제가 발생하는가?
- 고객층이 바뀐 것인가, 경쟁 환경이 바뀐 것인가?
- 광고를 늘리면 비용 부담이 커지지 않는가?
- AI가 제안한 해결책은 어떤 데이터를 전제로 하는가?
이런 질문을 통해 학생은 AI가 낸 답을 그대로 받아들이지 않고, 문제를 다시 정의합니다. 같은 “매출 개선” 과제라도 문제를 “신규 고객 부족”으로 볼지, “단골 유지 실패”로 볼지, “상품 구성 불일치”로 볼지에 따라 해결책은 달라집니다. AX 시대의 교육은 바로 이 차이를 보게 해야 합니다.
코딩 교육도 마찬가지입니다. AI가 코드를 작성할 수 있다면, 학생에게 필요한 능력은 코드 한 줄을 외우는 것만이 아닙니다. 요구사항을 정확히 나누고, 예외 조건을 찾고, 테스트 기준을 만들고, AI가 만든 코드가 왜 위험할 수 있는지 설명하는 능력이 함께 필요합니다. 2026년 컴퓨터과학 교육 논의에서도 생성형 AI가 구현과 디버깅 일부를 자동화하면서, AI 산출물을 이해하고 검증하는 능력이 더 중요해진다는 흐름이 나타납니다.
5. 관점 전환의 의미: 정답보다 질문의 품질이 중요해진다
문제인식 중심 교육의 핵심은 질문의 품질입니다. AI에게 “좋은 보고서를 써 줘”라고 묻는 학생과 “이 정책이 실패할 수 있는 이해관계자 조건을 세 가지 관점에서 비교해 줘”라고 묻는 학생은 다른 학습을 하고 있습니다. 전자는 결과물을 요청하고, 후자는 문제의 구조를 탐색합니다.
AX 전환은 모든 사람이 개발자가 되어야 한다는 뜻이 아닙니다. 오히려 각자의 분야에서 AI를 활용해 더 나은 질문을 만들 수 있어야 한다는 뜻에 가깝습니다. 의료, 교육, 행정, 제조, 콘텐츠, 보안, 경영 어느 분야든 AI는 해결 후보를 늘려 줍니다. 그러나 후보가 많아질수록 어떤 후보를 버리고 어떤 후보를 검증할지 결정하는 능력이 중요해집니다.
이 관점에서 교육의 목표는 “AI를 잘 쓰는 사람”보다 “AI가 낸 답을 자신의 문제 맥락에서 다시 판단할 수 있는 사람”을 기르는 것입니다. 질문을 잘게 나누고, 모르는 조건을 드러내고, 근거를 요구하고, 반례를 찾고, 결과를 다시 검토하는 태도가 학습의 중심이 됩니다.
6. 수업 설계는 어떻게 바뀌어야 하나
문제인식 중심 교육을 하려면 과제와 평가 방식이 바뀌어야 합니다. 단순히 AI 사용을 허용하거나 금지하는 규칙만으로는 충분하지 않습니다. 학생이 어떤 사고 과정을 거쳤는지 확인할 수 있어야 합니다.
첫째, 과제는 완성물만 요구하지 말고 문제 정의 과정을 요구해야 합니다. 예를 들어 보고서를 제출하게 한다면 “최종 보고서”와 함께 “초기 질문, 수정한 질문, 제외한 조건, AI 답변 검토 내용”을 함께 제출하게 할 수 있습니다.
둘째, 평가 기준은 정답 여부뿐 아니라 질문의 타당성, 근거의 신뢰성, 반례 검토, AI 산출물 검증을 포함해야 합니다. AI가 만든 답을 사용해도 좋지만, 왜 그 답을 받아들였는지 설명하지 못하면 높은 평가를 받을 수 없어야 합니다.
셋째, 교사는 AI를 금지 대상이나 만능 도구로만 보지 말고 사고 과정을 드러내는 도구로 활용해야 합니다. 같은 문제에 대해 AI에게 서로 다른 질문을 던져 보고, 답이 어떻게 달라지는지 비교하게 하면 학생은 질문 설계의 중요성을 체감할 수 있습니다.
7. 교육 현장에서 바로 적용할 예시
가장 간단한 방식은 “답 제출 과제”를 “문제 재정의 과제”로 바꾸는 것입니다. 예를 들어 환경 문제를 주제로 한다면 학생에게 해결책만 묻지 말고 다음 순서를 요구할 수 있습니다.
1. 처음 떠올린 문제를 한 문장으로 쓴다.
2. AI에게 해결책을 물어본다.
3. AI 답변이 전제로 삼은 조건을 표시한다.
4. 빠진 이해관계자나 반례를 찾는다.
5. 문제 정의를 다시 쓴다.
6. 처음 문제와 수정된 문제가 어떻게 다른지 설명한다.
이 과제에서 중요한 것은 AI가 낸 해결책이 아닙니다. 학생이 문제를 어떻게 좁히고 넓혔는지, 어떤 조건을 새로 발견했는지, 답을 검증하면서 질문이 어떻게 바뀌었는지입니다.
직무 교육에서도 같은 구조를 적용할 수 있습니다. 신입 직원에게 “고객 불만 대응 문안을 작성하라”고 시키는 대신, “이 불만이 제품 문제인지, 안내 문제인지, 기대 관리 문제인지 구분하고 각각의 대응 기준을 만들라”고 할 수 있습니다. AI는 문안을 만드는 데 도움을 줄 수 있지만, 문제의 종류를 구분하는 판단은 사람이 배워야 합니다.
8. 흔한 오해: 문제해결 능력이 덜 중요해지는 것은 아니다
문제인식 중심 교육을 강조한다고 해서 문제해결 능력이 필요 없다는 뜻은 아닙니다. 오히려 기본적인 문제해결 능력이 있어야 AI의 답을 검증할 수 있습니다. 수학의 기본 개념을 모르면 풀이가 맞는지 볼 수 없고, 글쓰기 구조를 모르면 AI가 만든 문장이 논리적인지 판단하기 어렵습니다.
달라지는 것은 순서와 비중입니다. 과거에는 문제를 주고 풀이를 연습하는 시간이 교육의 대부분을 차지했습니다. AX 환경에서는 문제를 정의하고 질문을 수정하고 답을 검증하는 시간이 더 커져야 합니다. 문제해결은 여전히 중요하지만, 문제인식 없이 빠른 해결만 반복하면 잘못된 문제를 더 효율적으로 푸는 결과가 나올 수 있습니다.
그래서 교육은 “정답을 빨리 찾는 능력”과 “문제가 제대로 정의됐는지 묻는 능력”을 함께 길러야 합니다. 특히 AI를 사용하는 학습자는 답을 얻은 뒤에 학습이 끝나는 것이 아니라, 그 답을 의심하고 수정하고 자기 맥락에 맞게 다시 구성하는 단계까지 가야 합니다.
9. 평가 기준은 무엇을 봐야 하나
문제인식 중심 교육의 평가는 다음 항목을 포함할 수 있습니다.
- 문제를 한 문장으로 명확히 정의했는가
- 처음 정의한 문제와 수정한 문제가 어떻게 달라졌는가
- AI 답변이 놓친 조건이나 반례를 찾았는가
- 공식 자료, 현장 데이터, 이해관계자 관점으로 근거를 확인했는가
- 최종 해결책이 문제 정의와 일관되는가
- AI를 사용한 과정과 사람이 판단한 지점이 구분되는가
이 기준은 학생을 감시하기 위한 장치가 아닙니다. 오히려 AI 시대에 학습자가 어떤 사고를 했는지 드러내는 장치입니다. 결과물만 보면 AI가 얼마나 잘 썼는지와 학생이 얼마나 이해했는지를 구분하기 어렵습니다. 과정과 판단 기준을 함께 보면 학습의 질을 더 정확히 볼 수 있습니다.
10. 교육 운영에서 바뀌어야 할 부분
문제인식 중심 교육은 수업 철학만 바꾼다고 정착되지 않습니다. 실제 교육 운영 방식이 함께 바뀌어야 합니다. 과제 안내문, 평가표, 피드백 양식, AI 사용 기록 방식, 교사의 질문 예시가 모두 같은 방향을 향해야 합니다. 그렇지 않으면 말로는 문제인식을 강조하면서 실제 평가는 여전히 완성물의 문장 품질이나 정답 여부만 보는 상황이 생깁니다.
운영 관점에서 가장 먼저 바꿀 것은 제출물의 구조입니다. 최종 답안만 받지 말고 초기 문제 정의, AI에게 던진 질문, 수정한 질문, 버린 해결책, 검증한 근거를 함께 받는 방식이 필요합니다. 이 구조가 있어야 교사는 학생이 어디에서 사고했고 어디에서 AI의 도움을 받았는지 구분할 수 있습니다.
또 하나는 피드백 방식입니다. 교사는 “답이 틀렸다”보다 “문제 정의가 너무 넓다”, “이해관계자가 빠졌다”, “AI 답변의 전제가 검증되지 않았다”, “반례가 부족하다”처럼 문제인식 과정에 대한 피드백을 줘야 합니다. 이런 운영 기준이 쌓일 때 AX 전환은 단순한 도구 도입이 아니라 교육 방식의 변화가 됩니다.
11. 결론: AX 교육의 중심은 질문을 만드는 힘이다
AX 전환은 교육을 도구 사용법 교육으로만 밀어붙이면 실패하기 쉽습니다. AI를 사용할 줄 아는 것보다 중요한 것은 AI를 어떤 문제에, 어떤 조건으로, 어떤 책임 아래 사용할지 판단하는 능력입니다. 그 판단의 출발점이 문제인식입니다.
문제해결 중심 교육은 여전히 필요합니다. 그러나 AI가 해결 후보를 빠르게 만들어 주는 시대에는 문제해결만으로 충분하지 않습니다. 교육은 학생과 실무자가 문제를 발견하고, 질문을 구성하고, AI의 답을 검증하고, 자신의 맥락에 맞게 다시 판단하도록 설계되어야 합니다.
결국 AX 시대의 좋은 학습자는 AI보다 빨리 답을 쓰는 사람이 아닙니다. AI가 만든 여러 답 사이에서 무엇이 진짜 문제인지, 어떤 답이 근거 있는지, 어떤 조건에서는 멈춰야 하는지를 판단할 수 있는 사람입니다. 교육의 방향이 문제해결 능력 중심에서 문제인식 중심으로 이동해야 하는 이유가 여기에 있습니다.
더 확인할 자료
아래 링크는 이 글의 기준과 배경을 확인할 수 있는 공식 자료입니다.
- unesco.org/en/articles/guidance-generative-ai-education-and-research
- tech.ed.gov/ai-future-of-teaching-and-learning
- weforum.org/publications/the-future-of-jobs-report-2025
- arxiv.org/abs/2606.07545
- arxiv.org/abs/2401.08659