AI는 '무엇을' 가르칠 수 있지만, '왜' 가르쳐야 하는지는 모른다
AI는 '무엇을' 가르칠 수 있지만, '왜' 배워야 하는지는 가르칠 수 없다
프롤로그: 모두가 AI 교육을 말하는 시대
AI가 강의를 대신 하고, 시험 문제를 채점하고, 학생 개개인에게 맞춘 학습 경로를 설계한다. 교육의 모든 것이 AI로 대체될 것처럼 보인다.
하지만 나는 좀 다르게 본다.
세계경제포럼(WEF)은 비판적 사고(Critical Thinking)를 20252027년 가장 빠르게 성장하는 핵심 역량 5위 안에 꼽았다. 수요가 1015% 늘어날 전망이다.1
역설은 바로 여기서 시작된다. AI 덕분에 '무엇을' 가르치는 일은 쉬워졌는데, 정작 '왜 가르치는가'라는 문제는 오히려 더 어려워지고 있다.
소프트웨어 개발의 세계에 '삼중 부채 모델(Triple Debt Model)'이라는 프레임워크가 있다. 기술적 부채(Technical Debt), 인지적 부채(Comprehension Debt), 그리고 의도 부채(Intent Debt) — 이 세 가지가 시스템 안에 빚처럼 쌓인다.2
이 중 마지막, 의도 부채만이 AI가 절대 대신 갚아줄 수 없는 부채다.
그리고 이 교훈이 미래 교육에도 그대로 적용된다는 사실을 알아차린 사람은 아직 거의 없다.
I – 교육에도 세 가지 부채가 있다
소프트웨어의 삼중 부채 모델을 교육에 대입해 보자.
기술적 부채 = "무엇을" 가르치는가
교육 콘텐츠 자체의 문제다. 낡은 지식, 틀린 사실, 시대에 뒤처진 사례. AI가 가장 쉽게 해결할 수 있는 영역이다. AI는 더 최신의 지식을 찾아내고, 더 정확한 설명을 만들고, 더 적절한 예시를 생성한다.
인지적 부채 = 학생이 "얼마나" 이해하는가
교재가 너무 복잡해서 학생이 따라오지 못하는 상황. 시스템이 학생의 이해 수준보다 빠르게 진화할 때 쌓이는 부채다. 이 역시 AI가 비교적 잘 해결한다. "이거 좀 쉽게 설명해 줘" — AI가 학생의 눈높이에 맞춰 개념을 다시 쌓아준다.
의도 부채 = "왜" 가르치는가
여기가 핵심이다. 의도 부채는 명시되지 않은 'why'에서 태어난다.
"왜 이 주제를 가르치는가? 왜 이 역량이 중요한가? 왜 이 학습 목표를 학생들이 달성해야 하는가?"
이 질문에 대한 답이 문서화되지 않고, 누군가의 머릿속에만 존재할 때 — 그것이 의도 부채다.
세 가지 부채는 서로 독립적이다.
기술적 부채가 낮아도 의도 부채는 높을 수 있다. AI가 완벽한 강의를 만들 수 있지만, 그 강의가 "왜 필요한지"에 대한 답은 아무에게도 없을 수 있다.
겉으로는 비슷해 보이지만, 각각의 부채는 별도로 청구서를 보낸다.
II – AI가 '왜'를 만들어낼 수 없는 이유
AI가 코드를 더 빠르게 짤수록, 기술적 부채는 빌리기도 갚기도 쉬워진다.
인지적 부채도 마찬가지다. 이해가 안 되면 AI에게 "설명해 줘"라고 하면 된다. 코드가 여전히 거기에 있고, AI가 다시 읽어줄 수 있으니까.
하지만 의도는 차원이 다르다. AI는 의도를 생성할 수 없다. 의도는 오직 인간만이 제공할 수 있는 유일한 입력이기 때문이다.
물론 AI가 그럴듯한 이유를 추론해 낼 수는 있다. 마치 이전 개발자가 왜 그렇게 했는지 추측하듯이. 하지만 의도에 대한 추측은 의도가 아니다.
예를 들어보자. 코드에 300밀리초 디바운스가 걸려 있다. AI는 "UX를 고려한 결정"이라고 자신 있게 설명할 수 있다. 하지만 실제로는 벤치마크 결과일 수도 있고, 누군가 임시로 넣어놓고 잊어버린 숫자일 수도 있다. AI는 확신에 찬 이유를 지어낼 것이다. 이것이 "모르겠다"고 말하는 것보다 더 위험하다.
교육에서도 똑같은 일이 벌어진다.
AI가 "이 학생은 수학을 배우고 싶어 한다"고 판단할 수 있다. 하지만 그 학생이 정말 원하는 것이 "시험 통과"인지, "논리적 사고력 향상"인지, "데이터 과학자의 꿈"인지 — AI는 구별하지 못한다. 그러면서도 확신에 찬 답을 내놓을 것이다.
세 가지 부채 중 AI가 대신 갚아줄 수 없는 유일한 것이 의도 부채다. 코드는 작성할 수 있고, 이해는 복구할 수 있다. 하지만 'why'만큼은 AI가 발명할 수 없다. 이것을 기억해두자.
III – 의도 부채는 AI 시대에 복리로 불어난다
과거에도 의도 부채는 존재했다. 다만 사람들이 머릿속에 담고 다녔기 때문에, 그럭저럭 작동했다.
새 팀원이 합류하면, 모든 것을 문서로 넘기지 않았다. 복도에서의 잡담, 코드 리뷰 코멘트, "우리가 그 방식을 안 쓰는 건 2023년 장애 때문이야" — 지식은 사람에서 사람으로 전해졌다. 경력 4년 차 엔지니어 한 명이 곧 살아 있는 의도 문서였다. 비효율적이고 정보 손실도 있었지만, 어쨌든 돌아갔다.
AI 에이전트는 이 모델을 깨뜨린다.
AI 교육도 마찬가지다. AI 튜터, AI 커리큘럼, AI 평가 — 이 모든 것이 도입되면, 교육 시스템의 상당 부분을 한 번도 만난 적 없는 존재가 담당하게 된다.
AI 교육 시스템은 매 세션마다 처음부터 시작(cold start)한다. 인간 교사가 수년간 쌓아온 암묵적 의도 — 이 학생이 왜 수학을 어려워하는지, 이 교수법이 왜 효과적인지 — 를 물려받지 않는다. 명시적으로 기록되지 않은 것은 아무것도 가져가지 않는다.
이것이 '기록하지 않는 것'의 경제학을 완전히 바꾼다.
과거에는 의도 부채의 비용이 가끔씩만 발생했다. 새 직원이 올 때, 핵심 인력이 떠날 때. 하지만 AI 시대에는 매 세션마다, 모든 AI 시스템에서 그 대가를 치른다. 이자가 복리로 쌓이는 것이다.
IV – 완벽한 강의를 믿지 마라
AI가 흠잡을 데 없는 강의를 만들어낸다. 사람들은 말한다. "이미 훌륭한 강의가 있는데, 뭐가 문제야?"
의도 부채가 대답한다.
코드는 답변이고, 의도는 그 답변이 풀어야 했던 질문이다. AI는 질문을 잊어버린 채 답변을 만드는 데 탁월하다.
"AI가 완벽한 강의를 만든다. 하지만 그 강의가 풀어야 할 질문을 아무도 적어두지 않았다면?"
완전한 의도를 기록하기 어렵다는 사실이, 아무런 의도도 기록하지 않아도 된다는 면죄부가 되어서는 안 된다.
강의가 완벽할 수는 있다. 하지만 그 안에 담기지 않은 묵시적 결정들 — 왜 이 순서인지, 왜 이 예시인지, 왜 이 깊이인지 — 최소한 핵심적인 것만이라도 기록해야 한다. 그래야 그 이유가 증발하지 않는다.
| 부채 유형 | 교육에서의 의미 | AI가 해결할 수 있는가? |
|---|---|---|
| 기술적 부채 | 낡은 콘텐츠, 오래된 정보 | ✅ 가능 — AI가 최신화 |
| 인지적 부채 | 이해하기 어려운 학습 자료 | ✅ 가능 — AI가 재설명 |
| 의도 부채 | 학습의 목적, 'why' | ❌ 불가 — 인간만 가능 |
V – 의도 부채가 높은 교육은 어떤 모습인가
의도 부채는 보통 마찰이 아니라, 특유의 무력감으로 나타난다.
- AI가 "버그를 고쳤다"며 보호 로직(guard clause)을 삭제한다. 그런데 그 로직이 꼭 필요한 것이었는지, 이미 쓸모없어진 것이었는지 아무도 판단할 수 없다. 왜 넣었는지 기록한 사람이 없기 때문이다.
- AI가 "수학 성적이 15% 향상되었습니다"라고 보고한다. 하지만 그것이 진짜 수학 실력이 늘어서인지, 시험 전략만 학습한 결과인지 구분할 수 없다. 학습의 의도가 기록된 적이 없으니까.
- "왜 이 학교에서 프로젝트 기반 학습을 하나요?"라는 질문에 "AI가 효과적이라고 추천해서요" — 이것이 의도 부채다. 이자는 이미 불어나고 있다.
VI – 상환 방법: 의도를 기록의 중심에 놓아라
돌이켜보면 지난 몇 달간 내가 써온 모든 글이 사실은 의도 부채를 관리하는 행위였다. 그 단어를 몰랐을 뿐.
처방은 늘 같다. 의도를 머릿속에서 꺼내어, AI가 읽을 수 있는 곳에 두라.
① 구현이 아니라 의도를 위한 스펙을 쓰라
좋은 학습 스펙은 목표, 제약조건, 양보할 수 없는 것, 그리고 '완료'의 명확한 정의를 담는다.
"기능적으로 작동한다"를 넘어서 — 빠르고, 접근성 높고, 영감을 주고, 기능적 정확성 그 이상인 교육을 정의하라.
② 결정의 이유를 기록하라 — 가벼운 교육 결정 기록(EDR)
결정이 내려질 때 'why'를 함께 적어라. 결정하는 순간에 기록하는 비용은 거의 들지 않는다. 하지만 8개월 후, 그 결정을 내린 사람이 떠난 뒤에 이유를 재구성하는 비용은 천문학적이다.
AI는 이 기록 작업을 그 어느 때보다 쉽게 만들어주었다.
③ 학습 루프가 의도를 다시 기록하게 하라
AI 세션이 끝날 때마다 학습 내용을 업데이트하는 루프 — 이 같은 루프가 의도 부채를 역방향으로 상환한다.
근본 원인을 기록한 모든 실수, "X를 시도했지만 Y 때문에 실패했다"는 모든 경험 — 이것들이 의도 부채의 이자를 갚아나간다.
시각화: 의도 부채의 복리 효과
의도 부채가 AI 시대에 왜 더 치명적인지, 흐름도로 살펴보자.
flowchart TD
subgraph 과거 ["🕰️ 과거: 인간 중심 의도 관리"]
A[인간이 의도를 머릿속에 보유] --> B[복도 대화 + 코드 리뷰로 전수]
B --> C[경력자 = 살아 있는 의도 문서]
C --> D[의도 부채 비용은 가끔만 발생]
end
subgraph AI시대 ["🤖 AI 시대: 에이전트는 의도를 읽지 못한다"]
A2[인간이 의도를 머릿속에 보유] --> B2[AI 세션 = 매번 처음부터 시작]
B2 --> C2[AI = 기록되지 않은 의도를 읽을 수 없음]
C2 --> D2[AI가 그럴듯한 이유를 지어냄]
D2 --> E2[잘못된 전제 위에 결정이 쌓임]
E2 --> F2[매 세션마다 의도 재전달 필요]
F2 --> G2[의도 부채가 복리로 불어남]
end
subgraph 해결책 ["💡 해결책: 의도의 외부화"]
H[의도를 문서로 기록] --> I[AGENTS.md = 의도 원장]
I --> J[EDR = 결정 이유 기록]
J --> K[학습 루프가 의도를 갱신]
K --> L[AI가 의도를 읽고 활용]
L --> M[의도 부채 점진적 상환]
end
💭 이 글을 읽고 스스로에게 물어보자
-
AI가 '무엇을' 가르치는 시대, 당신의 교육 목표는 '왜'를 설명할 수 있는가? — 아니면 그 'why'도 이미 의도 부채가 되어 있지는 않은가?
-
AI가 당신의 커리큘럼을 완전히 대체한다면, 여전히 인간만이 할 수 있는 5%는 무엇인가? — 그것은 문서로 남아 있는가, 누군가의 머릿속에만 있는가?
-
학생이 AI 튜터에게 "왜 이걸 배워야 하나요?"라고 물었을 때, 당신의 시스템은 무엇을 보여주는가? — AI가 추측하는가, 당신이 기록해둔 의도를 읽어주는가?
댓글로 당신의 생각을 공유해 주세요.
결론: 이제 가장 값진 것은 'why'다
오랫동안 소프트웨어 세계에서 희소하고 값진 것은 올바른 구현을 만들어내는 능력이었다. 코드가 비쌌기에, 우리는 잘 짜는 데 온 힘을 쏟았다.
AI가 코드를 값싸게 만들었다. 이해도 복구 가능해졌다. 하지만 의도 — 목표, 제약조건, 이유 — 는 여전히 인간에게서만 나올 수 있는 유일한 입력이다.
작은 팀이 수년간 함께 일하며 맥락을 자연스럽게 공유할 때는, 기록하지 않아도 괜찮았다. 하지만 팀의 절반이 매 세션마다 처음 보는 AI인 시대에, 그 방식은 더 이상 작동하지 않는다.
기술적 부채는 시스템을 바꾸기 어렵게 만든다. 인지적 부채는 이해하기 어렵게 만든다. 의도 부채는 시스템이 여전히 우리가 원했던 것을 하고 있는지 알기 어렵게 만든다.
이 셋 중 유일하게 AI가 대신 갚아줄 수 없는 부채가 있다. 그 부분은 우리가 직접 지켜야 한다.
왜 기록하는지. 그리고 왜 가르치는지를.
"AI가 정답을 만들어내는 시대, 우리가 남길 가장 값진 것은 질문이어야 한다."
Sources
이 글이 도움이 되셨다면, 한 명의 동료에게 공유해 주세요.