태그 보관물: 교육혁신

AI 시대의 학교는 무엇을 가르쳐야 하는가: 자그레브 PKG 학교의 파격적 실험

대표 이미지

AI 시대의 학교는 무엇을 가르쳐야 하는가: 자그레브 PKG 학교의 파격적 실험

단순한 지식 전달을 넘어 인공지능과 공존하는 법을 가르치는 PKG 유럽 학교 자그레브의 새로운 교육 모델과 미래 학교의 지향점을 분석합니다.

우리는 지금껏 ‘정답을 빠르게 찾는 능력’을 지능의 척도로 삼아왔습니다. 하지만 생성형 AI의 등장은 이 전제를 완전히 무너뜨렸습니다. 이제 정답은 클릭 한 번, 프롬프트 한 줄이면 누구나 얻을 수 있는 흔한 상품이 되었습니다. 그렇다면 이제 학교는 무엇을 가르쳐야 할까요? 지식을 머릿속에 저장하는 ‘저장소’로서의 학교는 이미 수명을 다했습니다.

이러한 거대한 전환기 속에서 크로아티아의 PKG 유럽 학교 자그레브(PKG European School Zagreb)가 제시하는 새로운 발전 단계는 매우 시사하는 바가 큽니다. 이들은 단순히 교실에 태블릿 PC를 보급하거나 코딩 수업을 추가하는 수준의 변화를 거부합니다. 대신 ‘AI 시대의 학교’라는 정체성을 재정의하며, 인간만이 가질 수 있는 고유한 역량을 극대화하는 방향으로 교육의 패러다임을 전환하고 있습니다.

지식의 습득에서 ‘질문의 설계’로

과거의 교육이 교과서에 적힌 내용을 얼마나 정확하게 기억하고 재현하느냐에 집중했다면, AI 시대의 핵심 역량은 ‘어떤 질문을 던질 것인가’에 있습니다. PKG 유럽 학교가 주목하는 지점은 바로 여기입니다. AI가 내놓는 결과물의 품질은 결국 인간이 입력하는 질문(Prompt)의 수준에 결정되기 때문입니다.

이를 위해 학교는 비판적 사고와 논리적 추론 능력을 최우선 순위에 둡니다. 학생들은 AI가 제공한 정보의 진위 여부를 가려내는 팩트체크 과정을 학습하며, 하나의 정답이 아닌 여러 가지 가능성을 탐색하는 다각적 사고 훈련을 받습니다. 이는 단순히 기술적인 도구 사용법을 배우는 것이 아니라, 인지적 능력을 확장하는 철학적 접근에 가깝습니다.

AI와 인간의 협업 모델: 하이브리드 학습의 구현

PKG 유럽 학교의 접근 방식은 AI를 경쟁 상대나 단순한 보조 도구로 보는 것이 아니라, 학습의 ‘파트너’로 설정하는 것입니다. 기술적 구현 측면에서 보면 이는 개인 맞춤형 학습 경로(Adaptive Learning Path)의 최적화로 나타납니다. AI가 학생의 취약점을 실시간으로 분석해 보충 자료를 제공하면, 교사는 그 시간을 활용해 학생과 깊이 있는 정서적 교감과 토론을 진행하는 방식입니다.

이러한 하이브리드 모델의 가장 큰 장점은 교육의 효율성과 인간미라는 양립하기 어려운 가치를 동시에 잡을 수 있다는 점입니다. 하지만 동시에 위험 요소도 존재합니다. 기술 의존도가 높아질수록 학생들의 기초적인 사고 근육이 약화될 수 있다는 우려입니다. 이를 방지하기 위해 PKG 학교는 ‘디지털 디톡스’ 구간과 ‘아날로그 심화 학습’ 시간을 전략적으로 배치하여 균형을 맞추고 있습니다.

실제 적용 사례와 교육적 성과

실제로 이 학교에서 진행되는 프로젝트 기반 학습(PBL)에서는 AI가 초기 아이디어 브레인스토밍과 데이터 수집을 담당하고, 학생들은 이를 바탕으로 실제 지역 사회의 문제를 해결하는 솔루션을 설계합니다. 예를 들어, 도시의 교통 문제를 해결하기 위해 AI로 시뮬레이션을 돌려보고, 그 결과가 실제 시민들의 삶에 어떤 윤리적 영향을 미칠지를 토론하는 수업이 진행됩니다.

이 과정에서 학생들은 다음과 같은 역량을 체득하게 됩니다.

  • 메타인지 능력: 내가 무엇을 알고 무엇을 모르는지, AI의 도움 없이 해결할 수 있는 영역은 어디까지인지 구분하는 능력
  • 윤리적 판단력: AI가 생성한 결과물의 편향성을 인식하고, 사회적 가치에 부합하는 결정을 내리는 능력
  • 융합적 문제해결력: 기술적 도구와 인문학적 통찰을 결합해 실질적인 결과물을 만들어내는 능력

AI 교육 도입 시 고려해야 할 명과 암

모든 혁신에는 기회비용이 따릅니다. PKG 유럽 학교의 모델을 분석해 보면, AI 교육의 도입이 가져오는 명확한 득과 실을 확인할 수 있습니다.

구분 긍정적 측면 (Pros) 우려되는 측면 (Cons)
학습 경험 개인별 맞춤형 속도 학습 가능 자기주도 학습 능력이 낮은 학생의 소외
교사의 역할 단순 전달자에서 멘토/코치로 격상 새로운 기술 습득에 따른 교사 번아웃
평가 방식 결과 중심에서 과정 중심 평가로 전환 AI 활용 여부에 따른 평가 공정성 논란

법적·정책적 관점에서의 해석

AI 교육의 확산은 필연적으로 데이터 프라이버시와 저작권 문제라는 법적 쟁점을 불러옵니다. PKG 유럽 학교는 유럽연합(EU)의 엄격한 GDPR(일반 데이터 보호 규정)을 준수하며, 학생들의 학습 데이터가 어떻게 수집되고 활용되는지에 대한 투명한 가이드라인을 운영하고 있습니다. 이는 단순히 기술을 도입하는 것을 넘어, 기술을 사용하는 ‘시민으로서의 책임감’을 가르치는 교육의 연장선입니다.

정책적으로는 ‘AI 리터러시’를 필수 교과 과정으로 편입시키는 움직임이 중요합니다. 이제 리터러시는 단순히 글을 읽고 쓰는 능력을 넘어, 알고리즘의 작동 원리를 이해하고 디지털 환경에서 주체적으로 생존하는 능력을 의미하게 되었습니다.

지금 당장 교육 현장과 기업이 실행해야 할 액션 아이템

PKG 유럽 학교의 사례는 비단 학교뿐만 아니라 기업의 인재 육성 전략에도 그대로 적용될 수 있습니다. AI 시대에 살아남기 위해 우리는 다음과 같은 구체적인 행동을 시작해야 합니다.

  • 질문 리스트 만들기: 업무나 학습 시 ‘정답’을 찾기 전, 더 나은 결과를 얻기 위한 5가지 이상의 서로 다른 질문(프롬프트)을 설계하는 습관을 들이십시오.
  • 비판적 검토 프로세스 구축: AI의 결과물을 그대로 수용하지 않고, 최소 2개 이상의 교차 검증 출처를 확인하는 ‘검증 루틴’을 표준 작업 절차(SOP)에 포함하십시오.
  • 인간 중심의 가치 정의: 기술이 대체할 수 없는 영역(공감, 복잡한 갈등 조정, 도덕적 판단)을 명확히 정의하고, 해당 역량을 강화하는 오프라인 협업 시간을 강제적으로 확보하십시오.

결국 AI 시대의 교육은 ‘인간을 얼마나 기계처럼 효율적으로 만드느냐’가 아니라, ‘어떻게 하면 더 인간답게 사고하게 하느냐’의 싸움입니다. PKG 유럽 학교 자그레브의 실험이 보여주듯, 기술은 목적이 아니라 인간의 잠재력을 깨우는 가장 강력한 수단이 되어야 합니다. 우리는 이제 정답을 맞히는 학생이 아니라, 새로운 문제를 정의하는 인간을 길러내야 할 때입니다.

FAQ

PKG European School Zagreb u novoj razvojnoj fazi: škola za doba umjetne inteligencije kao의 핵심 쟁점은 무엇인가요?

핵심 문제 정의, 비용 구조, 실제 적용 방법, 리스크를 함께 봐야 합니다.

PKG European School Zagreb u novoj razvojnoj fazi: škola za doba umjetne inteligencije kao를 바로 도입해도 되나요?

작은 범위에서 실험하고 데이터를 확인한 뒤 단계적으로 확대하는 편이 안전합니다.

실무에서 가장 먼저 확인할 것은 무엇인가요?

목표 지표, 대상 사용자, 예산 범위, 운영 책임자를 먼저 명확히 해야 합니다.

법률이나 정책 이슈도 함께 봐야 하나요?

네. 데이터 수집 방식, 플랫폼 정책, 개인정보 관련 제한을 반드시 점검해야 합니다.

성과를 어떻게 측정하면 좋나요?

비용, 전환율, 클릭률, 운영 공수, 재사용 가능성 같은 지표를 함께 보는 것이 좋습니다.

관련 글 추천

  • https://infobuza.com/2026/04/29/20260429-ih2q1i/
  • https://infobuza.com/2026/04/29/20260429-cl0tc7/

지금 바로 시작할 수 있는 실무 액션

  • 현재 팀의 AI 활용 범위와 검증 절차를 먼저 문서화합니다.
  • 작은 파일럿 프로젝트로 KPI를 정하고 2~4주 단위로 검증합니다.
  • 보안, 품질, 리뷰 기준을 자동화 도구와 함께 연결합니다.

보조 이미지 1

보조 이미지 2

정답만 찾는 아이들: 우리는 언제부터 ‘상상력’을 가르치지 않았나?

대표 이미지

정답만 찾는 아이들: 우리는 언제부터 '상상력'을 가르치지 않았나?

효율성과 정답 중심의 교육 시스템이 파괴한 학생들의 상상력을 분석하고, AI 시대에 생존하기 위해 회복해야 할 창의적 사고의 본질을 탐구합니다.

오늘날의 교실에서 학생들은 그 어느 때보다 많은 지식을 습득하고 있습니다. 태블릿 PC와 AI 튜터, 방대한 온라인 강의 데이터베이스가 학습의 효율성을 극대화하고 있죠. 하지만 역설적이게도 우리는 중요한 질문 하나를 놓치고 있습니다. “학생들이 마지막으로 마음껏 상상해 본 것이 언제였는가?”라는 질문입니다. 현대 교육은 ‘무엇을 아는가’와 ‘얼마나 빠르게 정답을 찾아내는가’에 매몰되어, 정답이 없는 영역을 탐색하는 능력인 상상력을 점차 지워가고 있습니다.

우리가 마주한 진짜 문제는 단순히 창의성 교육의 부재가 아닙니다. 그것은 ‘효율성’이라는 이름의 강박이 교육의 본질을 잠식했다는 점입니다. 표준화된 시험과 정량적인 평가 지표는 학생들에게 ‘틀리지 않는 법’을 가르칩니다. 상상은 필연적으로 시행착오와 엉뚱한 가설, 그리고 때로는 실패를 동반합니다. 하지만 현재의 시스템에서 실패는 곧 성적 하락을 의미하며, 이는 학생들로 하여금 스스로 사고의 틀을 제한하게 만드는 심리적 기제로 작용합니다.

상상력이 거세된 교육의 구조적 원인

왜 우리는 상상력을 가르치는 법을 잊었을까요? 그 원인은 교육의 목적이 ‘탐구’에서 ‘선별’로 옮겨갔기 때문입니다. 교육이 개인의 잠재력을 끌어올리는 과정이 아니라, 상위권 대학이나 직장에 진입하기 위한 필터링 과정이 되었을 때 상상력은 가장 먼저 제거되어야 할 ‘불필요한 소음’이 됩니다.

  • 정답 중심의 평가 체계: 객관식 시험은 단 하나의 정답만을 요구하며, 다른 가능성을 탐색하는 시간을 낭비로 치부합니다.
  • 커리큘럼의 과부하: 진도를 나가야 한다는 압박감은 교사와 학생 모두에게 ‘깊게 생각할 시간’을 앗아갑니다.
  • 정답의 외주화: 검색 엔진과 생성형 AI의 보급으로, 스스로 가설을 세우고 상상하기보다 이미 존재하는 최적의 답을 찾는 것에 익숙해졌습니다.

이러한 환경에서 학생들은 ‘정답을 맞히는 기계’로 성장합니다. 하지만 우리가 직면한 미래는 정답이 정해져 있지 않은 문제들의 연속입니다. 기후 위기, 새로운 경제 패러다임의 등장, 그리고 인간과 AI의 공존이라는 거대한 과제들은 기존의 지식을 조합하는 능력이 아니라, 존재하지 않는 것을 그려내는 상상력에서만 해결책을 찾을 수 있습니다.

상상력의 회복: 지식의 습득에서 ‘질문의 생성’으로

상상력을 다시 가르치기 위해서는 교육의 패러다임을 완전히 전환해야 합니다. 단순히 ‘창의력 수업’을 한 시간 추가하는 식의 접근으로는 부족합니다. 학습의 중심을 ‘답을 내는 것’에서 ‘질문을 만드는 것’으로 옮겨야 합니다. 상상력은 주어진 정보 사이의 빈틈을 발견하고, 그 빈틈을 자신만의 논리와 호기심으로 채우려는 시도에서 시작되기 때문입니다.

예를 들어, 역사 수업에서 “프랑스 혁명의 원인은 무엇인가?”라고 묻는 대신, “만약 루이 16세가 다른 선택을 했다면 유럽의 지도는 어떻게 바뀌었을까?”라고 묻는 것입니다. 전자는 교과서의 내용을 복기하는 작업이지만, 후자는 역사적 사실이라는 기반 위에 상상력을 얹어 새로운 시나리오를 구축하는 고도의 지적 활동입니다.

실제 사례: 상상력을 복원한 교육적 시도들

세계적인 혁신 학교들이나 일부 선구적인 교육자들은 이미 ‘상상력의 복원’을 실천하고 있습니다. 미국의 일부 프로젝트 기반 학습(PBL) 모델에서는 학생들에게 실제 사회 문제를 해결하라는 과제를 부여합니다. 이때 중요한 것은 ‘정확한 해결책’이 아니라 ‘얼마나 독창적인 접근 방식을 시도했는가’에 가산점을 주는 평가 방식입니다.

핀란드의 교육 과정에서는 교과 간의 경계를 허무는 ‘현상 기반 학습(Phenomenon-based learning)’을 도입했습니다. 특정 주제(예: 기후 변화)를 중심으로 과학, 사회, 예술, 언어를 통합적으로 학습하며, 학생들은 스스로 가설을 세우고 이를 검증하기 위한 상상력을 발휘합니다. 이 과정에서 학생들은 지식이 고정된 것이 아니라, 자신의 상상과 탐구를 통해 확장될 수 있다는 사실을 깨닫게 됩니다.

AI 시대, 왜 다시 상상력인가?

많은 이들이 AI가 인간의 지적 능력을 대체할 것이라고 우려합니다. 하지만 AI가 가장 잘하는 것은 ‘기존 데이터의 확률적 조합’입니다. AI는 과거의 데이터를 바탕으로 가장 그럴듯한 답을 내놓지만, 완전히 새로운 패러다임을 제시하거나 데이터 너머의 가치를 상상하는 능력은 없습니다.

결국 AI 시대에 인간의 경쟁력은 ‘AI에게 어떤 질문을 던질 것인가’와 ‘AI가 내놓은 답을 어떻게 창의적으로 재구성할 것인가’에 달려 있습니다. 이는 전적으로 상상력의 영역입니다. 상상력이 없는 인간은 AI가 제공하는 최적의 답에 종속되지만, 상상력을 가진 인간은 AI를 도구 삼아 더 거대한 세계를 설계할 수 있습니다.

실무자와 교육자를 위한 액션 아이템

상상력은 타고나는 재능이 아니라, 적절한 환경에서 길러지는 근육과 같습니다. 지금 당장 교육 현장이나 조직 내에서 실천할 수 있는 구체적인 방법들은 다음과 같습니다.

  • ‘왜?’와 ‘만약에’의 시간 확보: 모든 수업이나 회의의 마지막 10분을 ‘엉뚱한 질문 던지기’ 시간으로 지정하십시오. 논리적 타당성보다 아이디어의 확장성에 집중하는 시간입니다.
  • 평가 기준의 다변화: 결과물의 정확도뿐만 아니라, 시도한 가설의 독창성과 실패 과정에서의 배움을 평가 항목에 포함하십시오.
  • 제약 조건 부여를 통한 역발상 유도: “예산이 0원이라면 어떻게 해결할 것인가?”, “중력이 없다면 이 제품은 어떻게 작동할까?”와 같은 극단적인 제약을 주어 상상력을 자극하십시오.
  • 다양한 매체와의 접점 확대: 텍스트 중심의 학습에서 벗어나 시각 예술, 음악, 건축 등 서로 다른 영역의 자극을 결합하여 생각하는 훈련을 장려하십시오.

우리는 너무 오랫동안 학생들에게 ‘정답의 길’만을 가르쳐 왔습니다. 하지만 인생이라는 거대한 시험지에는 정답이 적혀 있지 않습니다. 이제는 아이들에게 정답을 찾는 법이 아니라, 스스로 정답을 만들어가는 상상력을 돌려주어야 할 때입니다. 상상력은 단순한 공상이 아니라, 미래를 설계하는 가장 강력한 기술이자 인간다움을 지키는 마지막 보루이기 때문입니다.

FAQ

When Did We Stop Teaching Students to Imagine?의 핵심 쟁점은 무엇인가요?

핵심 문제 정의, 비용 구조, 실제 적용 방법, 리스크를 함께 봐야 합니다.

When Did We Stop Teaching Students to Imagine?를 바로 도입해도 되나요?

작은 범위에서 실험하고 데이터를 확인한 뒤 단계적으로 확대하는 편이 안전합니다.

실무에서 가장 먼저 확인할 것은 무엇인가요?

목표 지표, 대상 사용자, 예산 범위, 운영 책임자를 먼저 명확히 해야 합니다.

법률이나 정책 이슈도 함께 봐야 하나요?

네. 데이터 수집 방식, 플랫폼 정책, 개인정보 관련 제한을 반드시 점검해야 합니다.

성과를 어떻게 측정하면 좋나요?

비용, 전환율, 클릭률, 운영 공수, 재사용 가능성 같은 지표를 함께 보는 것이 좋습니다.

관련 글 추천

  • https://infobuza.com/2026/04/23/20260423-9yxzss/
  • https://infobuza.com/2026/04/23/20260423-xurcrj/

지금 바로 시작할 수 있는 실무 액션

  • 현재 팀의 AI 활용 범위와 검증 절차를 먼저 문서화합니다.
  • 작은 파일럿 프로젝트로 KPI를 정하고 2~4주 단위로 검증합니다.
  • 보안, 품질, 리뷰 기준을 자동화 도구와 함께 연결합니다.

보조 이미지 1

보조 이미지 2