Policy Fragmentation or Institutional Alignment? Institutional Governance of AI in Universities and Business Schools
본 연구는 미국 고등 교육 기관의 AI 정책을 분석하여, 대학 차원의 가이드라인은 위험 완화를 우선시하는 반면 단과대학 차원의 정책은 교수법에 집중하고 있다는 유의미한 불일치를 발견하였으며, 이러한 격차는 특히 경영대학에서 두드러지게 나타나 학문적 특수성을 반영한 학습 목표의 통합을 저해하고 있다.
원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기
고등 교육의 세계를 거대하고 북적이는 하나의 도시라고 상상해 보십시오. 수십 년 동안 이 도시는 새로운 도구들을 어떻게 다룰지 결정해야 했습니다. 처음에는 계산기가 왔고, 그다음에는 스프레드시트가 왔으며, 이제는 가장 강력한 도구인 인공지능(AI)이 등장했습니다. AI를 에세이를 쓰고, 복잡한 수학 문제를 풀며, 몇 초 만에 데이터를 분석할 수 있는 초스마트하고 전지전능한 조수라고 생각해 보십시오. 하지만 이 새로운 초능력에는 대가가 따릅니다. 학교들은 도로 위의 규칙을 어떻게 정할지 고민하고 있습니다. 학생들에게 이 조수를 사용하는 것을 허용해야 할까요? 허용한다면 어떻게 해야 할까요? 그리고 누가 규칙을 정할까요? 이것이 바로 이 논문이 다루는 핵심 질문입니다. 이 논문은 대학(도시 정부)과 그 안의 경영대학(특화된 동네) 같은 특정 학교들이 어떻게 자신들만의 AI 규칙집을 써 내려가고 있는지 살펴봅니다. 목표는 모두가 같은 악보를 보고 노래를 부르고 있는지, 아니면 도시와 동네가 가사를 두고 서로 다투고 있는지를 확인하는 것입니다.
저자인 리디아 마니콘다(Lydia Manikonda)와 도미니크 아울라(Dominique Outlaw)는 탐정이 되기로 했습니다. 그들은 단순히 추측하지 않았습니다. 그들은 컴퓨터 프로그램(일종의 디지털 돋보기)을 사용하여 미국 34개 주에 걸친 대학들의 130개 서로 다른 AI 정책을 읽고 분석했습니다. 그들은 대학교 전체의 규칙이 경영대학이 만든 구체적인 규칙과 일치하는지 알고 싶었습니다. 그들은 정책의 텍스트를 하나의 퍼즐처럼 취급하여, 규칙이 얼마나 '행복'하거나 '두려워'하는지(감성), 얼마나 명확한지, 그리고 서로 다른 규칙집들이 얼마나 유사한지를 수학적으로 측정했습니다.
그들이 발견한 결과는 마치 도시 정부와 지역 자율방범대가 서로 다른 언어를 사용하고 있다는 것을 발견한 것과 같습니다.
먼저, 그들은 큰 그림, 즉 대학 차원의 정책을 살펴보았습니다. 이 정책들은 마치 부모가 아이에게 "그 새 장난감을 다룰 때는 조심하렴"이라고 말하는 것처럼 매우 신중했습니다. 언어는 대체로 중립적이고 부드러웠으며, "반드시 ~해야 한다"나 "금지된다"와 같은 엄격한 명령 대신 "할 수도 있다"나 "할 수 있다"와 같은 단어를 사용했습니다. 이 거대한 정책들의 주요 초점은 안전과 위험이었습니다. 그들은 데이터 보안(비밀을 안전하게 지키는 것)과 아무도 기술을 오용하지 않는 것에 대해 걱정했습니다. 그들은 본질적으로 "무엇도 망가뜨리지 말고, 개인 정보를 인터넷에 업로드하지 마라"라고 말하고 있었습니다.
그다음, 저자들은 경영대학으로 시야를 좁혔습니다. 조사한 130개 대학 중 경영대학만을 위한 별도의 구체적인 정책을 가진 곳은 단 8곳뿐이었습니다. 하지만 반전이 있었습니다. 이 8개 경영대학의 정책을 모태가 되는 대학의 규칙과 비교했을 때, 두 규칙은 잘 맞지 않았습니다. 그것은 마치 도시가 "전선을 만지지 마라"라고 말하는데, 경영대학은 "여기 이 전선을 사용해 멋진 로봇을 만드는 방법이 있다"라고 말하는 것과 같았습니다.
경영대학의 정책은 훨씬 더 '학습을 위해 AI를 어떻게 사용할 것인가'에 집중되어 있었습니다. 그들은 구체적인 도구들, AI를 활용하여 과제를 작성하는 법, 그리고 학생들이 이러한 도구를 능숙하게 사용하는 법을 가르치는 방법에 대해 이야기했습니다. 그들은 '하지 말아야 할 것(don'ts)'보다는 '하는 방법(hows)'에 더 관심이 많았습니다. 대학 정책이 성을 지키는 것(리스크 관리)에 관한 것이라면, 경영대학 정책은 기사들에게 싸우는 법을 가르치는 것(교육학 및 기술)에 관한 것이었습니다.
논문은 이러한 불일치가 문제라고 시사합니다. 만약 대학은 "조심하라"고 말하는데 경영대학은 "이 도구를 사용해 직업을 갖도록 하라"고 말한다면, 학생과 교사들은 혼란에 빠집니다. 그들은 자신이 AI를 무서워해야 하는지, 아니면 기대해야 하는지 알 수 없게 됩니다. 저자들은 이 간극을 메워야 한다고 주장합니다. 그들은 대학이 안전 가드레일(예: "비밀을 업로하지 마라")을 설정하되, 경영대학은 그 가드레일 안에서 자유롭게 학습 경로를 구축할 수 있는 새로운 사고방식을 제안합니다.
저자들은 이것이 해결된 문제라고 단정 짓지 않습니다. 그들은 현재 상황이 다소 무질서하고 파편화되어 있다고 제안합니다. 그들은 기술이 너무 빠르게 변하고 있기 때문에 많은 대학이 여전히 '방법을 찾아가는 단계'에 있으며, 부드러운 언어를 사용하고 있다는 점을 발견했습니다. 그들은 학교들이 협력하여 큰 규칙과 작은 규칙이 서로 소통할 수 있도록 만들어야 한다고 권고합니다. 그래나 그래야 학생들이 AI가 이미 업무의 일상적인 부분이 된 실제 세상으로 나갈 준비를 갖춘 채 졸업할 수 있기 때문입니다.
요약하자면, 이 논문은 대학들이 AI로부터 모두를 안전하게 지키려 노력하는 동안, 경영대학은 학생들이 이를 사용하는 법을 가르치려 한다는 점을 보여줍니다. 도전 과제는 이 두 가지 목표가 서로 발을 걸리게 만드는 것이 아니라, 학생들이 안전하면서도 숙련된 인재가 될 수 있는 미래를 만들기 위해 어떻게 함께 작동하게 할 것인가 하는 점입니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.