[2026-08] AI 숙제 점수 상승 대비 시험 성적 하락 연구와 독립 평가·장기 추적 요구
9월에는 OECD 성적 하락 경고, MIT '인지적 항복' 보고, AI 튜터 장기 효과 미검증 지적이 더해져 성과지표를 사용량에서 검증 활동과 학습 과정 증거로 옮기는 설계 요구로 진화했다.
2026년 9월 누적 분석 · 교육분야 AI 동향
교육분야 AI 동향
LLM 등 다양한 AI 기술의 교육분야 적용/도입/사례
2026년 9월은 8월의 과정 확인형 평가 전환, 독립 검증 요구, 교원 역량 격차 논의가 학습 저해 근거, AI 튜터 효과 검증, 교사 책임 원칙이라는 운영 기준 설계로 구체화된 한 달이었다. PISA 2025와 OECD, MIT 보고서가 AI 사용 확산과 학습 저해 위험을 함께 제시해 정책 성과지표를 사용량에서 검증 활동으로 옮겨야 한다는 요구가 커졌고, 국공립대 AI 가이드라인 보유율 37%는 7~8월의 대학 가이드라인 정비 과제가 여전히 미흡함을 보여줬다. AI 안경과 탐지 도구의 한계는 6월 이후 누적된 평가 재설계 압력을 이어갔으며, 평가원의 AI 채점 세미나와 서울·제주 교육청의 연수·가이드는 교사 최종 판단과 책임 원칙을 재확인했다. AI 튜터는 인간 튜터와 동등한 단기 성과와 비용 우위가 보고됐으나 장기 효과 검증이 남았다. 정보교사 부족과 교사 행정 부담은 3월 이후 이어진 인프라 대 인력 불균형을 다시 확인시켰다.
2026년 9월 핵심 인사이트
- PISA 2025에서 한국 학생 절반이 매주 AI 챗봇으로 학습하는 것으로 나타나, 정책 성과지표를 사용량이 아닌 생성 결과 검증 활동 비중으로 전환해야 한다는 요구가 구체화됐다.
- OECD의 성적 하락 경고와 MIT의 '인지적 항복' 보고, 질문하지 않는 학생 증가 우려가 겹쳐, 8월의 숙제 대비 시험 성적 격차 논의가 학습 저해 위험의 다층 근거로 확장됐다.
- AI 안경 수능 만점 보도와 탐지 결과만으로 판단할 수 없다는 필리핀 대학 지침으로 탐지 중심 대응의 한계가 재확인돼, 과정 중심·구술 평가와 AI 사용 공개의 병행이 평가 설계 과제가 됐다.
- 평가원의 AI 채점 세미나와 서울시교육청 가이드가 교사 최종 판단·책임 원칙을 재확인했고, 국공립대 AI 가이드라인 보유율은 37%에 그쳐 과목 단위 기준 정비가 후속 과제로 남았다.
- AI 튜터는 인간 튜터와 동등한 학습 성과와 약 1/900 수준의 비용이 보고됐으나 장기 유지 효과가 검증되지 않아, 교재 기반 구조화 설계와 효과 검증을 조건으로 한 단계적 도입이 필요하다.
- AI 교육 시수 확대에 비해 정보교사가 부족하고 교사의 행정 부담이 지적돼, 연수 개편과 함께 인력 확보와 안전한 AI 환경 구축이 선행 조건으로 부상했다.
이전 달들로부터 — Carry-over
8개월앞선 달들의 누적 분석에서 정의된 핵심 인사이트와 본 달의 변화 흐름. (최근 월부터)
2026년 8월 (2026-08)
2026년 8월은 7월의 조달 투명성·탐지 중심 대응의 한계 논의가 계약 구조, 학생 데이터 이전, 과정 중심 평가라는 구체적 설계 과제로 옮겨 간 한 달이었다. 340억원 AIEP의 활용 무산과 후속 사업의 라이선스 비중, 학생 개인정보의 국외 이전 구조가 보도되며 7월 AIEP 입찰 논란이 조달 책임과 데이터 거버넌스로 확장됐다. 스마트안경 등 AI 커닝의 진화와 덴마크 구술 방어, 호주 가정 평가 중단 검토는 6월 이후 누적된 평가 재설계 압력을 제도 논의로 끌어올렸고, 숙제 점수 상승과 시험 성적 하락을 대비한 연구는 독립 검증의 필요성을 뒷받침했다. 교육부·대교협 대학 가이드라인과 전북 가이드라인이 수업별 기준과 사람 최종 책임 원칙을 제시했으며, 뉴욕의 제한 방침은 격차 위험을 함께 드러냈다. 교원 영역에서는 AI 온이음, 대구 인증제, 비수도권 교사 역량 격차가 3~7월의 도입 대 역량 격차 흐름을 이어갔다.
- AIEP 후속 사업의 외부 라이선스 비중(27억원 대 110억원)과 납기 책임 불투명성이 확인돼, 7월의 입찰 특혜 논란이 계약 조건과 사업자 종속 검증이라는 조달 설계 과제로 구체화됐다.
- AIEP 학생 개인정보의 미국·호주 이전과 외부 연계 구조가 보도돼, 하이러닝·다채움의 내부 구축과 비교한 데이터 이전 범위 기준화가 공공 교육 AI 플랫폼의 선행 요건으로 부상했다.
- 덴마크 구술 방어 의무화, 호주 가정 평가 중단 검토, 미국 대학의 과정 제출형 과제 전환이 겹쳐, 탐지 중심 대응에서 과정 확인형 평가로의 이행이 국내 평가 체계의 선제 과제가 됐다.
- AI 숙제 점수 18% 상승 대비 시험 성적 20% 하락 연구는 AI 교육 성과를 숙제 점수가 아닌 독립 평가와 장기 추적 지표로 검증해야 함을 보여줬다.
- 교육부·대교협 대학 가이드라인과 전북 가이드라인이 수업별 기준, 사용 공개, 사람 최종 책임 원칙을 제시했고, AI 탐지 결과만으로의 징계 금지와 현장 적용 지원책이 후속 과제로 남았다.
- AI 온이음과 지역 격차 보도, 대구 교원 인증제, 뉴욕의 제한 방침이 함께 제시돼 대상 확대와 교사 역량 강화, 격차 모니터링 지표를 병행 설계해야 한다는 요구가 커졌다.
2026년 7월 (2026-07)
2026년 7월은 6월의 대학 전면도입·AIDT 소송·평가 회피기술 흐름이 조달 투명성, 학습검증, 교사 역량, 규제 기준이라는 운영 문제로 구체화된 한 달이었다. 358억원 하이러닝이 감사 대상이 되고 AIEP 입찰의 특정 업체 유리 논란이 불거지면서 6월의 '예산투입 대 실사용' 간극이 사전 타당성 검토와 총사업비 관리 요구로 이어졌다. 서울대 컴공 부정행위 사건과 AI 커닝 진화는 6월 AI 안경 부정행위의 연장선에서 탐지 중심 대응의 한계를 재확인시켰고, 평가 설계 자체를 AI 활용 전제로 바꾸라는 요구가 커졌다. 앤트로픽의 K-12 교사 무료 서비스, 마이크로소프트 보고서의 학생 사용률 폭증과 훈련 부족, 정보교사 수요 대비 사범대 부족은 도입과 역량의 격차를 교원 영역에서 다시 보여줬다. 월 중에는 EU 고위험 AI 규제 유예, 핀란드 7대 원칙, 프랑스 전문인력 양성, 캔버스 대형 유출 사례가 제시되어 국내 지침과 조달 요건의 기준선을 검토할 근거가 쌓였다.
- 하이러닝 감사 착수와 AIEP 입찰 특혜 논란으로 6월의 '예산투입 대 실사용' 간극이 조달 투명성 문제로 번졌다 — 사전 타당성 검토와 총사업비 관리를 공공 AI 플랫폼 사업의 선행 요건으로 삼아야 한다.
- 서울대 컴공 36명 부정행위와 AI 커닝 진화로 탐지 도구 의존의 한계가 재확인됐다 — AI 활용을 전제로 한 평가 설계와 교과 단위 AI 활용 정책 명시가 대안으로 제시됐다.
- AI 의존형 학습저하가 국내외 사례와 연구에서 반복 확인되며, 대면·서면 병행 검증과 연령별 영향의 사후 검증 체계가 AI 활용 확대 정책의 전제로 부상했다.
- 빅테크 무료 교사도구 확산, 학생 AI 사용률 폭증 대비 훈련 부족, 정보교사 수요 대비 사범대 9곳 현실이 겹쳐 실습 중심 연수와 교원 수급 계획이 도구 보급보다 우선하는 과제가 됐다.
- EU 고위험 규제 유예, 핀란드 교사 최종 책임 원칙, 프랑스 전문인력 10만 명 양성 등 해외 규범이 동시에 제시돼 국내 AIDT 규제 로드맵과 지침의 현실성 재검토 근거가 마련됐다.
- 캔버스 2억7500만 명 유출 사례를 계기로 에듀테크 보안 인증과 침해사고 대응계획을 조달 요건에 반영해야 한다는 요구가 구체화됐다.
2026년 6월 (2026-06)
2026년 6월은 5월까지 이어진 재정투입 확대와 평가공정성 문제가 대학 전면도입 선언(서울대·부산대·충남대)과 함께 한층 가속되는 동시에, 그 부작용이 소송·유출사고·부정행위 신종수단으로 구체화된 한 달이었다. 서울대 ChatGPT Edu 전면도입, 부산대 '플라토' 시민개방, 충남대 전 학과 AI 전공교과목 도입 등 대학 단계의 전면적 AI 전환 선언이 잇따랐고, 전국 118개교 AI 융합형 교육실 조성으로 초중등 인프라 투자도 확대됐으나 대학 63% 도입률에도 인프라·인력이 못 미친다는 진단과 KEDI의 5대 걸림돌 분석이 5월의 '재정투입 대 활용' 간극을 재확인시켰다. AI 웨어러블 기기를 이용한 부정행위가 국내외에서 동시 적발되고 AI 생성 흔적을 지우는 회피기술까지 등장하면서 4~5월부터 누적된 평가체계 재설계 압력은 OECD의 국제학업성취도평가 'AI 문해력' 도입, 결과중심에서 사고과정중심 평가로의 전환 요구로 이어졌다. 월말에는 AIDT 발행사들의 수천억원대 국가상대 손배소가 두 주 연속 제기되고 에듀테크 기업의 개인정보 유출 사건이 다시 확인되며, 5월 KT 사업 의혹에서 시작된 정책신뢰·거버넌스 리스크가 재정적 책임 문제로까지 확산됐다.
- 서울대·부산대·충남대 등 주요 대학의 AI 전면전환 선언이 6월에 집중됐으나, 대학 63% 생성형 AI 도입률에도 인프라·인력·예산이 못 미친다는 진단이 나와 4~5월의 '도입-역량' 격차가 대학 단계에서도 재확인됐다.
- AI 웨어러블(안경) 부정행위가 국내(토익)·해외(대만 입시)에서 동시 적발되고 AI 생성 흔적 회피기술까지 등장해 탐지 기술만으로는 한계에 이르렀다는 우려가 확산됐다 — 과정중심·구술형 평가로의 전환이 6월 최대 화두로 부상했다.
- OECD가 국제학업성취도평가(PISA)에 'AI 문해력'을 도입하기로 하며, 정답 생성이 아닌 추론과정을 가르치는 방향으로 국내 AI 교육과정을 재설계해야 한다는 압력이 국제 규범 차원에서 구체화됐다.
- AIDT 발행사들의 수천억원대 국가상대 손배소가 두 주 연속 제기돼, 5월 KT 사업 의혹에서 시작된 정책신뢰 리스크가 재정적 손실분담 문제로 확산됐다 — 디지털교과서 정책 전환 시 손실분담 기준을 계약 단계에서 마련해야 한다.
- 358억원 투입 하이러닝의 저조한 활용도가 재확인되며, 5월 부산 AIDT 활용률 급락에 이어 '예산투입 대 실사용' 간극이 6월에도 반복됐다 — 보급률 대신 실사용률 중심의 효과성 평가체계 전환이 시급하다.
- 노르웨이의 초등 AI 금지와 일본의 AI 활용 공식화라는 상반된 국가전략이 동시에 확인돼, 연령·과목별 차등적 AI 활용 기준을 국제 프레임워크와 정합성 있게 세분화해야 한다는 필요성이 커졌다.
2026년 5월 (2026-05)
2026년 5월은 1~4월에 걸쳐 다층화되고 대학 단계로 수렴하던 AI교육 정책 트랙이, 재정투입 확대와 그 이면의 활용·형평성·평가 공정성 문제로 무게중심을 옮긴 한 달이었다. AI중심대학 7곳과 전문대 AI·DX 사업단 24개가 잇따라 확정돼 4월의 대학 표준화 흐름이 이어졌으나, 부산 AIDT 활용률 급락과 천재교육 AIDT 손실 확대는 재정지원만으로는 지속가능한 활용을 담보하지 못함을 보여줬다. 동시에 4월부터 이어진 부정행위·평가체계 재설계 압력은 챗GPT발 A학점 인플레와 프린스턴대의 무감독시험 중단으로 구체화됐고, AI 사교육 양극화·AI 디바이드 등 소득·구독 기반 격차, 청소년 AI 의존에 따른 정신건강 우려까지 새롭게 제기됐다. 월말에는 KT의 AI 교육사업을 둘러싼 청탁금지법 의혹과 교육감선거 AI 공약 검증 필요성이 겹치며, 공공-민간 협력의 투명성 확보가 5월의 새로운 화두로 부상했다.
- AI중심대학 7곳·전문대 AI·DX 사업단 24개 등 재정지원이 동시 확대됐으나, 부산 AIDT 활용률 급락과 천재교육 AIDT 손실 확대 사례는 예산 투입만으로는 지속적 활용을 보장하지 못함을 보여줬다 — 사업 종료 후 활용도를 추적하는 성과관리 체계가 필요하다.
- 챗GPT발 A학점 인플레와 프린스턴대 무감독시험 중단이 국내외에서 동시에 확인되며, 코넬대·하버드 등 해외 대학의 평가방식 회귀와 국내 AI생성물 판별 도입 흐름이 맞물려 학사 평가체계 재설계 압력이 5월에도 지속됐다.
- AI 사교육 양극화(사교육비 27.5조 감소·소득별 격차 3.4배)와 'AI 디바이드'(교사 역량·학생 구독 격차)가 동시에 확인돼, 도구 보급을 넘어선 격차 해소형 지원책이 시급해졌다.
- 초등 고학년 72%가 AI를 쓰지만 가짜 정보를 스스로 거르는 학생은 5명 중 1명뿐이라는 조사와 청소년 AI 의존의 정신건강 영향 우려가 겹치며, AI 리터러시·팩트체크 교육의 조기 편성과 장기추적 연구 필요성이 부각됐다.
- KT의 수백억 AI 교육사업을 둘러싼 청탁금지법 의혹이 제기되며, 공공-민간 AI 교육사업 추진 과정의 투명성·이해충돌 점검이 새로운 정책 과제로 등장했다.
- EU의 교육현장 감정인식 AI 금지 시행과 듀오링고의 실망스러운 가이던스는 글로벌 에듀테크 산업의 규제·수익성 리스크를 보여줬고, 교육감선거의 AI 공약은 실행 로드맵 검증이 필요한 상태로 5월을 마감했다.
2026년 4월 (2026-04)
2026년 4월은 1~3월 다층화된 AI교육 정책 트랙이 대학 단계로 무게중심을 옮기며 표준화 시도가 구체적 사업(대학 AI 기본교육과정 20개교, AI중심대학 7곳, 교육부·카카오 업무협약)으로 가시화된 한 달이었다. 동시에 3월까지 누적된 정보교사 부족·지역격차, 사고력 저하·부정행위 우려는 해소되지 않은 채 AI안경발 신종 부정행위, 학생의 자기주도적 AI 활용이 정책을 앞서가는 현상(Stanford AI Index), 장애학생 접근성 공백 등 새로운 형태로 표면화됐다. AIDT(AI디지털교과서)의 방대한 학생 데이터 거버넌스 문제가 처음 정면 제기됐고, 미국·중국 등 해외에서는 평가방식의 근본적 전환(구술시험 부활)과 국가 단위 AI교육 의무화가 동시에 추진되며 국내 정책에 시사점을 던졌다.
- AIDT 1조4천억원 규모에 누적된 483만 학생 데이터의 소유·활용 주체가 불명확하다는 문제가 처음 정면 제기됐다 — 예산 재검토와 데이터 거버넌스 정비가 활용률 제고의 전제조건으로 부상했다.
- AI기기(안경)를 이용한 탐지 불가 수준의 부정행위, 국내 대학 90%의 AI생성물 판별 도입, 美 대학가의 구술시험 부활이 겹치며 학사 평가체계의 근본적 재설계 압력이 국내외에서 동시에 커졌다.
- 정부 주도 대학 AI 표준화(기본교육과정 20개교, AI중심대학 7곳, 교육부·카카오 업무협약)가 3월까지의 개별 대학·교육청 표준 분열을 뒤따라 부처 주도로 수렴하기 시작했으나, 대학별 편차를 줄이는 품질관리 기준은 아직 비어 있다.
- 지역·학교 간 정보교사 배치 격차와 재정 공백은 3월에서 이어져 4월에도 해소되지 않았고, 특별교부금 연장 논의만으로는 포항 등 현장의 교사 부족 병목을 풀지 못하는 것으로 확인됐다.
- '2026 Stanford AI Index'는 학생 80%가 지침 없이 AI로 학습 중임을 확인했고, 中은 '2030 교육 AI 대전환'을 선포했다 — 학생의 자기주도적 활용이 정책을 앞서가는 흐름이 국내외에서 공통으로 확인됐다.
- 장애학생 대상 AI자료 개발 공백과 해외 AI서비스의 대학 브랜드 무단활용 문제가 처음 수면 위로 올라와, AI 기본법 집행 범위를 접근성·상표오용까지 확장해야 할 필요성이 제기됐다.
2026년 3월 (2026-03)
2026년 3월은 1·2월에 다층화된 정책 트랙이 실행 단계로 전환되며 동시에 그 부작용이 표면화된 한 달이었다. 교육부는 'AI 중점학교' 1141곳을 선정하고 2030년까지 3300만명 대상 전 국민 AI교육 행동계획을 추진하는 등 확대 기조를 이어갔으나, 초중고 4곳 중 3곳에 AI 전담교원이 없고 정보교사 배치율이 지역별로 최대 3배 이상 벌어지는 등 인프라가 인력·교육과정을 앞지르는 불균형이 뚜렷해졌다. 동시에 아이스크림미디어를 비롯한 에듀테크 벤더의 개인정보 유출 사고가 잇따라 확인되며 1·2월부터 지속된 '평가 기준 모호·검증 공백' 문제가 보안·개인정보 영역까지 확장됐다. AI 의존에 따른 사고력 저하 우려와 대학가 AI 부정행위 확산은 국내외에서 동시에 관측됐고, 서울대·숙명여대·인천시교육청 등 개별 기관 단위의 AI 전환·가이드라인 정비는 2월의 '부처 표준에 앞선 표준 분열' 흐름을 그대로 이어갔다.
- AI 중점학교 1141곳 지정과 전 국민 AI교육 행동계획으로 정책이 '제도'로 이행했으나, 초중고 4곳 중 3곳에 AI 전담교원이 없고 정보교사 배치율이 지역별로 최대 3배 이상 벌어져 인프라-인력 불균형이 구조적 병목으로 확인됐다.
- 아이스크림미디어 등 에듀테크 벤더의 개인정보 유출과 검증 안 된 'AI 상담' 도입 사례가 잇따르며, 민간 AI 확산 속도가 보안·검증 체계를 앞서는 관리·감독 공백이 확인됐다.
- 국내외에서 AI 의존에 따른 사고력 저하 우려(국내 학생 67% '사고력 해친다' 응답, 美 교육계 경고)와 대학가 AI 부정행위 확산(국내외 동시)이 동시에 관측돼, 도입 확대와 함께 효과성·부정행위 평가체계 정비가 시급해졌다.
- 충남대·서울시립대·숙명여대의 자체 AI 플랫폼·크레딧 도입과 서울대·인천시교육청의 가이드라인 발표가 이어지며, 부처 표준에 앞선 대학·교육청 단위 표준 분열이 2월에 이어 3월에도 지속됐다.
- AI 활용 격차가 계층 불평등으로 이어질 수 있다는 경고(국민일보·앤트로픽·호주 사례)가 국내외에서 동시에 제기돼, 도구 보급을 넘어선 심화 활용역량 연수의 필요성이 부각됐다.
2026년 2월 (2026-02)
2026년 2월은 1월의 '도입에서 책임 운영으로'라는 방향이 정책 실행으로 구체화된 한 달이었다. 교육부는 전문대학 'AID 전환'(2년 240억, 24개 대학)과 'AI 보편교육' 20개 대학(60억, 법대·경영대 필수화), 'AI 보조교사 도입 + 초중고 전학년 AI 의무화'를 연속 발표했고, 월말에는 서울시교육청이 'AI·에듀테크 공교육 도입 및 활용 가이드라인'을 일선 학교에 배부했다. 동시에 대학 80%가 자체 AI 가이드라인을 도입·검토 단계로 전환했지만 '평가 기준 모호'에 대한 총장들의 불만이 누적됐다. 토스-순천향 산학 협력, 김재철 명예회장 KAIST 603억(이전 달) 흐름에 이어 산업 자본의 대학 진입 패턴이 굳어졌고, 입시(고교학점제·2028 대입)·평가·필수교과까지 AI가 일제히 영향을 미친 한 달이었다.
- 교육부의 정책 트랙이 5개로 다층화됐다(AI중심대학·과기원 AI 단과대·거점국립대 AI·전문대 AID·AI 보편교육) — 1H 안에 부처 공통 평가표가 나오지 않으면 트랙 간 중복·공백 비용이 누적된다.
- AI 필수교육이 법대·경영대까지 확장 — 'AI 활용 = 직무 기본기'가 부처 정의로 굳어졌고, 인사·평가 표준에 즉시 반영해야 한다.
- 대학 80%가 자체 AI 가이드라인 도입·검토 단계지만 '평가 기준 모호'가 표준 화두 — 부처 표준은 '활용 가이드' 이전에 '평가·부정행위 정의'를 정량 지표로 우선 정립해야 한다.
- 서울시교육청의 광역 단위 가이드라인 배부 + 부산대 '국내 첫 대학 표준' — 시·도·대학 단위 표준이 부처 표준에 앞서 굳어지는 패턴이 2월에 확고해졌다.
- 산업 자본의 대학 직접 진입(토스-순천향, 익시드테크 국방 AI 등)이 정부 트랙과 병행되며 산학협력 자금의 양극화가 시작됐다.
- 정책 속도(보조교사·의무화·필수화)와 현장 수용(학운위 반발·평가 기준 모호) 격차가 1월에 이어 2월에도 누적 — 도입 위축 위험은 1H 안에 부처가 직접 해소해야 한다.
2026년 1월 (2026-01)
2026년 1월은 한국 교육분야가 'AI를 어떻게 넣을 것인가'에서 '어떻게 책임 있게 운영할 것인가'로 무게중심을 옮긴 분기점이었다. 교육부는 학교운영위 승인 의무화(3월 시행), AI중심대학 10곳 신규 선정(대학당 30억·8년 240억), 거점국립대 9곳 AI 단과대학 설치를 한 달 사이 연속 발표했고, 시·도교육청·대학·기업이 각자의 가이드라인·플랫폼·인증제를 쏟아냈다. 그러나 학생·교사의 AI 리터러시·윤리 시수는 정규 트랙으로 확보되지 않았고, OECD는 한국형 'AI 사용 60%+' 환경에서 사고력 퇴화·프라이버시 침해를 처음으로 정량 데이터로 제기했다. 월말에는 'AI 기본법' 시행과 한국은행 'BOKI' 소버린 AI 공개, OECD '디지털 교육 전망 2026'의 교사 대체 경고가 같은 주에 등장했다.
- 공공 교육 분야의 'AI 거버넌스'가 정부·대학·교육청·기관 단위로 동시에 다층화됐다(국립거점+과기원+AI중심대학+시도교육청+자체대학표준). 통합 표준 부재는 1월 말까지 해소되지 않았다.
- 학습 SW에 대한 학운위 승인 의무화(3월 시행)는 시행 직전이지만 '개인정보 최소수집'의 정량 기준이 비어 있어, 도입 위축·현장 부담 전가 위험이 임박했다.
- AI 인프라(단과대학·중심대학·교육청 플랫폼·기부) 투입이 일제히 가속되는 반면, 학생·교사 대상 정규 리터러시·윤리 시수는 동반 확보되지 않아 '도입-역량' 격차가 누적된다.
- OECD TALIS 2024 + 디지털 교육 전망 2026은 한국 등에서 교사 60%+가 AI를 사용 중임을 확인했고, '사고력 퇴화·프라이버시·교사 대체'를 정량 위험으로 명시했다 — 도입 정책에 영향평가가 동반되어야 한다.
- 한국은행의 'AI 33시간 신입 정규 교육' + 한국은행 'BOKI' 소버린 AI 공개 — 공공·금융권의 'AI 트랙화 + 자체모델' 패턴이 부서·기관 단위 표준 신호로 등장했다.
이번 달의 갱신
[2026-08] 스마트안경 등 AI 커닝 진화와 과정 확인형 평가 전환
9월에는 수능 수학 만점이 가능한 AI 안경 보도와 탐지 결과만으로 판단할 수 없다는 대학 지침이 제시되어, 과정 중심·구술 평가와 AI 사용 공개 기준의 병행 검토로 구체화됐다.
[2026-08] 교육부·대교협 및 전북 가이드라인의 수업별 기준과 사람 최종 책임 원칙
9월에는 국공립대의 AI 가이드라인 보유율이 37%에 그치고 현장 평가가 낮다는 점이 확인됐고, 평가원 AI 채점 세미나와 서울시교육청 가이드가 교사 최종 책임 원칙을 이어 확인했다.
[2026-08] 교원 AI 역량 인증·연수 체계와 지역 격차
9월에는 세종·서울·제주의 연수와 평가원의 LLM 기반 교사 역량 진단이 수업·평가 설계 중심으로 옮겨 갔으나, 정보교사 부족과 교사 행정 부담이 선행 과제로 확인됐다.
2026년 9월 범주 목차
01 · AI 사용 확산 속 학습 저해 위험과 성과지표·활용 기준 재설계
9월에는 PISA 2025 분석에서 한국 학생 절반이 매주 AI 챗봇으로 학습하는 것으로 확인됐고, OECD는 AI에 과제를 맡긴 학생의 성적 하락(1.5년 치)을 경고해 관건이 사용량이 아니라 검증하며 쓰기임을 부각했다. MIT 보고서의 '인지적 항복', 질문하지 않는 학생이 늘어난다는 '가짜공부' 우려, 대학가의 사고력 약화 진단이 이어져 8월의 숙제 점수 대비 시험 성적 하락 논의가 학습 저해 위험의 구체 근거로 확장됐다. 국공립대 AI 가이드라인 보유율은 37%에 그치고 교수·학생 모두 도움이 되지 않는다고 평가해 과목 단위 기준 정비가 과제로 남았다.
-
AI 학습 정책의 성과지표를 사용량에서 생성 결과 검증 활동 비중으로 전환하도록 설계해야 한다.
-
학습 저해 위험에 대응해 AI 활용 범위·표기 기준과 AI 없는 평가를 병행하는 체계를 정비해야 한다.
-
AI 리터러시 교육은 사용법보다 결과물 검증과 비판적 판단 역량 중심으로 설계하고, 교육 내용에 대한 학생과 교사·학부모의 인식 차이를 반영해야 한다.
-
대학 가이드라인은 AI 허용 범위와 평가 방식을 과목 단위로 구체화하고, AI 의존에 따른 사고력 약화에 대한 대학의 대응 사례를 현장 지원책에 반영해야 한다.
02 · 과정 중심 평가 전환과 AI 채점·탐지의 한계 관리
AI 안경으로 수능 수학 만점이 가능하다는 보도와 탐지 결과만으로 부정행위를 판단할 수 없다는 필리핀 대학 지침은 6월 이후 누적된 탐지 중심 대응의 한계를 재확인했다. 평가원은 서·논술형 AI 자동채점 세미나에서 최종 판단은 교사가 맡아야 한다는 원칙을 제시해 8월 채점 가이드라인 예고를 구체화했다. 4주차에는 같은 성과에서도 학습 과정과 인식적 주도권이 다르다는 연구와 AI 튜터의 막힘 해소 방식 편차 연구가 제시되어, 성적이 아닌 학습 과정 증거를 평가에 반영하는 방향이 설계 과제로 올라섰다.
-
AI 채점·평가 기능은 교사의 최종 판단과 근거 검증 절차를 제도에 내장해 적용해야 한다.
-
AI 안경과 탐지 도구의 한계를 고려해 과정 중심·구술 평가와 AI 사용 공개 기준을 병행하는 평가 체계를 검토해야 한다.
-
평가체계는 성적이 아니라 학습 과정 증거를 반영하도록 재설계해야 한다.
03 · AI 튜터 도입 기준과 효과 검증
9월에는 AI 튜터의 효과를 다룬 실증 연구가 집중됐다. StudentBench는 AI와 인간 튜터의 GRE 학습 성과가 동등하다고 보고했고, 비용이 인간 과외의 약 1/900 수준이라는 보도가 이어져 확산 압력이 커졌다. 반면 AI 튜터의 발화 방식에 관한 무작위 현장실험과 학습자 행동에 따라 지원을 높이고 줄이는 적응형 스캐폴딩 연구는 정답 제공형이 아닌 구조화된 설계의 중요성을 보여줬고, 장기 유지 효과는 아직 검증되지 않았다.
-
AI 튜터 도입은 정답 제공형이 아닌 교재 기반 구조화 설계와 효과 검증을 조건으로 하는 기준을 마련해야 한다.
-
AI 튜터는 단기 효과 근거와 장기 유지 효과 미검증이라는 한계를 함께 고려해 단계적으로 추진해야 한다.
04 · 교원 역량·연수 체계와 플랫폼 인프라 선행 조건
세종·서울·제주 교육청의 연수와 가이드가 도구 사용법에서 수업·평가 설계와 교사 최종 책임 원칙 중심으로 이동했고, 평가원은 LLM 기반 가상수업으로 교사 역량을 진단하는 시스템을 추진한다. 그러나 AI 교육 시수가 두 배 늘어나는 데 비해 정보교사는 부족하고, 학생 200명을 맡은 교사에게 맞춤 피드백을 요구하는 행정 부담이 지적돼 인력과 환경이 선행 조건임이 확인됐다. 플랫폼에서는 인천 AIEP 통합서비스, 부산대 PLATO 고도화, 울산의 국산 LLM 적용이 진행되는 가운데 뉴욕의 AI 제한은 격차 우려를 남겼다.
-
교사 연수를 도구 사용법에서 수업·평가 설계 중심으로 개편하고 진단 체계와 연계해야 한다.
-
교사 연수와 가이드북은 교사가 최종 판단과 책임을 지는 원칙을 유지한 채 현장 사례 중심으로 정비해야 한다.
-
AI 교육 확대에 앞서 정보 교사 확보와 지역 간 배치 격차 해소를 선행 과제로 삼고, 교사 행정업무 경감과 안전한 AI 환경 구축을 조건으로 설정해야 한다.
-
교육청·대학 플랫폼에는 인증 통합과 학습 데이터 환류 구조를 반영하되 격차 영향을 모니터링해야 한다.
-
국산 LLM·에이전트 플랫폼은 시도교육청 간 재사용 구조를 도입 전에 설계해야 한다.
출처 / Sources
- [PISA 2025] ②한국 학생 절반, 매주 AI 챗봇 학습…관건은 ‘검증하며 쓰기’ · 교육플러스 · 2026-09-08
- OECD 경고 "AI에 과제 맡긴 학생들, 성적 1.5년 치 떨어졌다" · AI타임스 · 2026-09-09
- AI가 대학생 '인지적 항복' 일으켜…美 MIT 보고서 '파장' · DongA Science · 2026-09-17
- [오늘의 교육쟁점] AI가 답을 쓰는 시대, 교실은 무엇을 평가하나 · 더에듀 · 2026-09-21
- “AI 사용으로 질문 않는 학생 늘어”···‘가짜공부’ 우려 · 주간경향 · 2026-09-22
- "청소년에겐 AI도 미디어...비판적 사용법 가르쳐야" · 지디넷코리아 · 2026-09-17
- [단독] AI교육 무엇을 가르쳐야 할까?…학생은 '프로그래밍', 교사·학부모는 ‘개념·윤리’ · 교육플러스 · 2026-09-10
- [단독] 국공립대 37%만 AI 가이드라인…교수·학생 “도움 안 돼” · 한겨레 · 2026-10-01
- [딥에듀] AI 의존 커질수록 사고력 약화, 대학가 해법 찾기 · The Economy Korea · 2026-09-29
- 한국교육과정평가원, 서·논술형 AI 자동채점 세미나 개최… "최종 판단은 교사가 맡아야" · 교육을 비추다 · 2026-09-18
- '수능 수학 만점' AI 안경 어쩌나…반입금지·응시제한은 한계 · 더팩트 · 2026-09-27
- 필리핀 대학 AI 지침…탐지 결과만으로 부정행위 판단 못 한다 · 교육을 비추다 · 2026-09-26
- Same Performance, Different Process: Epistemic Ownership in AI-Mediated Education · arXiv · 2026-10-02
- Examining Variation in How Guided AI Tutors Resolve Student Impasses · arXiv · 2026-09-29
- StudentBench: AI and human tutoring yield equivalent GRE learning gains · arXiv · 2026-09-23
- When AI Tutors Speak: Evidence from a Randomized Field Experiment · arXiv · 2026-09-21
- Adaptive Scaffolding Needs Contingency: An AI Tutor That Escalates and Fades on What the Learner Does · arXiv · 2026-09-19
- AI 과외가 인간 따라잡았다…비용 1/900 수준 · 디지털투데이 · 2026-09-28
- 세종교육청, 교사들 'AI 수업·평가' 역량 키운다 · 뉴스핌 · 2026-09-10
- 교사 역량도 '가상수업'으로 진단한다…평가원, LLM 기반 시스템 구축 추진 · 뉴스핌 · 2026-09-09
- 서울시교육청 AI 수업설계 가이드 배포…"최종 판단과 책임은 교사" · 뉴스핌 · 2026-09-28
- AI 교육 시작은 교사…AI 역량 AICE로 키운다 · 한국경제 · 2026-09-22
- ‘AI가 내놓은 답, 교사가 검증한다’ 제주교육청, 교원 연수 · 뉴스프리존 · 2026-10-01
- ’AI 교육’ 두배 느는데…“선생님이 없어요“ · 연합뉴스TV · 2026-09-25
- [뉴스핌-교총 특별기획④](하) 학생 200명 맡고 '맞춤 피드백' 하라니 · 뉴스핌 · 2026-09-30
- 인천교육청, 교수학습 플랫폼 묶은 ‘AIEP 통합서비스’ 개통 · 매일일보 · 2026-09-11
- 부산대, AI로 대학 수업 바꾼다… PLATO 전면 고도 · 아시아경제 · 2026-09-07
- 학교서 AI 사용 막겠다는 뉴욕… "학생들 간 교육 격차 커질 수도" · 조선일보 · 2026-09-07
- 베스핀글로벌, 업스테이지와 울산 공교육 AI에 국산 LLM 입힌다 · 지디넷코리아 · 2026-09-15