LearnAI: Just-in-Time AI Co-Creation Across Disciplines at a University

현대 사회에서 인공지능은 공상 과학의 영역을 넘어 일상의 유틸리티로 자리 잡으며, 사무실, 교실, 가정에서 사람들이 문제를 해결하는 방식을 재편하고 있습니다. 그러나 사회가 이러한 도구들을 사용하는 법을 배우는 방식에는 여전히 상당한 격차가 존재합니다. 대부분의 교육적 노력은 두 가지 부류 중 하나에 속합니다. 즉, AI가 무엇인지 설명할 뿐 어떻게 사용하는지는 가르치지 않는 광범적이고 이론적인 워크숍이거나, 컴퓨터 과학 전문가를 위해 설계되어 그 외의 모든 사람을 소외시키는 고도의 기술적 과정입니다. 이러한 분절은 웹사이트를 구축하거나, 스프레드시트를 자동화하거나, 워크플로우를 정리해야 하지만 코딩 기술이 없는 방대한 학습자 집단을 길 잃은 상태로 내버려 둡니다. 이들은 모든 것을 수동으로 직접 하거나, 과정을 이해하지 못한 채 작업을 기계에 완전히 넘겨버리는 것 중 하나를 선택해야 하는 상황에 직면합니다. 오늘날 교육자들이 직면한 과제는 단순히 사람들에게 코딩을 가르치는 것이 아니라, 어떻게 다양한 집단의 사람들이 자신의 구체적인 필요에 맞는 실제 작동하는 솔루션을 구축하기 위해 AI와 협업하도록 도울 것인가 하는 점입니다.

모넘 대학교(Monmouth University)의 연구진과 교육자들은 이 격차를 메우기 위한 새로운 접근법인 'LearnAI' 프로그램을 개발하여 테스트했습니다. 학생들에게 복잡한 프로그래밍 언어를 먼저 배우도록 강요하는 대신, 그들은 사람들의 현재 수준에 맞춰 즉각적인 도움을 제공하는 서비스를 구축했습니다. 이 프로그램은 두 단계로 운영됩니다. 첫 번째 단계는 간호학, 경영학부터 컴퓨터 과학에 이르기까지 18개의 서로 다른 대학 강의를 대상으로 한 넓은 그물망입니다. 이 수업들에서 학부 튜터들은 학습 가이드를 만들거나 포트폴리오 웹사이트를 디자인하는 것과 같이, AI가 즉각적인 문제를 어떻게 해결할 수 있는지 보여주는 15분 내외의 짧은 강연을 진행했습니다. 이 세션들은 관심을 불러일으키고 기술에 대한 막연한 두려움을 없애기 위해 설계되었으며, 더 깊이 있는 도움을 원하는 누구라도 신청할 수 있도록 유도했습니다.

다음 단계로 넘어간 이들을 위한 두 번째 층위는 훈련된 학생 튜터와 직접 협업하는 일대일 세션이었습니다. 이 미팅은 강의가 아니라, 클라이언트가 학과 뉴스레터를 제작하거나 데이터 입력 작업을 자동화하는 것과 같은 구체적인 목표를 가져오는 워크숍 형태였습니다. 튜터들은 클라이언트가 그 목표를 완성된 제품으로 바꿀 수 있도록 구조화된 5단계 가이드를 따랐습니다. 먼저, 그들은 클라이언트가 "웹사이트를 원한다"와 같은 모호한 아이디어를 넘어 "교수진이 업데이트를 게시하기 위해 로그인할 수 있는 사이트가 필요하다"와 같은 구체적인 요구사항으로 문제를 명확히 정의하도록 도왔습니다. 그다음, 클라이언트가 이미 알고 있는 지식과 제한된 컴퓨터 접근 권한과 같은 제약 조건을 고려하여 적절한 AI 플랫폼을 선택하며 작업에 맞는 도구를 매칭했습니다.

프로세스의 핵심은 클라이언트와 튜터가 함께 AI를 위한 지침을 작성하는 것이었는데, 연구진은 이를 "명세로서의 프롬프팅(prompting as specification)"이라고 부릅니다. 단순히 AI에게 "해줘"라고 요청하는 대신, 클라이언트는 청사진 역할을 할 수 있는 상세한 요청을 작성하는 법을 배웠습니다. 튜터는 이러한 지침을 작성하는 법을 시연한 후, 점진적으로 물러나 클라이언트가 주도권을 잡되 가이드만 제공하는 방식으로 진행했습니다. AI가 결과를 생성하면, 두 사람은 가장 중요한 단계인 '검증' 단계로 넘어갔습니다. 그들은 출력이 실제로 작동하는지 확인하고, 오류가 있는지 또는 AI가 존재하지 않는 기능을 만들어내지는 않았는지 테스트했습니다. 마지막으로, 그들은 도구를 어떻게 사용할지, 어떤 데이터를 다룰 수 있는지, 그리고 창작물 뒤에 숨겨진 인간의 노력을 어떻게 인정할 것인지와 같은 윤리적 함의에 대해 논의했습니다.

두 학기 동안 이 모델은 학생, 교수, 행정 직원을 포함한 35명의 클라이언트를 지원했습니다. 결과는 구체적이고 다양했습니다. 이 그룹은 36개의 포트폴리오 웹사이트와 20개 이상의 배포된 웹 애플리케이션을 공동 제작했습니다. 이것들은 연습용 과제가 아니라 실생활에서 사용되는 기능적인 도구들이었습니다. 한 간호학 교수는 50명 이상의 학생이 사용하는 학생 출석 추적을 위한 보안 시스템을 구축했습니다. 코딩 배경이 없는 한 교육학 전공 학생은 개인 웹사이트와 이메일 정제 도구를 만들었으며, 이후 이를 전문 컨퍼런스 자료 준비에 활용했습니다. 제한된 컴퓨터 환경에서 근무하는 한 행정 직원은 잠겨 있는 데스크톱에서 사용 가능한 도구들을 사용하여 반복적인 데이터 정화 작업을 자동화하는 법을 배웠습니다.

그러나 가장 중요한 발견은 구축된 웹사이트의 수가 아니라, 기술에 대한 클라이언트들의 사고방식이 변화했다는 점이었습니다. 프로그램 참여 전, 많은 참가자는 AI를 질문을 던지면 답을 주는 수동적인 기계인 '오라클(oracle)'로 보았습니다. 과정을 거친 후, 그들의 관점은 변했습니다. 그들은 AI를 인간의 지시, 감독, 검증이 필요한 협력적 도구인 '프로세스 파트너(process partner)'로 보기 시작했습니다. 한 컴퓨터 과학 교수는 AI가 자신이 고려하지 못했던 각도들을 생각하게 만드는 질문을 던지기 시작하면서, 상호작용이 단순한 질의응수를 넘어 진정한 협업으로 변했다고 언급했습니다. 기술적 단계에 압도되었던 또 다른 직원은 업무를 세분화하는 법을 배워 결국 동료들에게 동일한 방법을 가르칠 수 있게 되었습니다.

연구진은 이러한 변화가 자동으로 일어나는 것이 아니라, 클라이언트가 학습 과정의 좌절감을 극복할 수 있도록 안내하는 튜터라는 인간적 요소가 필요하다는 점을 관찰했습니다. 모두 컴퓨터 과학 전공자인 튜터들은 자신들의 가장 중요한 기술이 기술적 전문성이 아니라, 클라이언트의 편안함에 맞춰 교수 스타일을 조절하고 소통하는 능력이라는 것을 깨달았습니다. 그들은 도구의 개수에 압도된 사람들을 위해서는 속도를 늦추는 법을 배웠고, 이미 기술에 익숙한 사람들을 위해서는 속도를 높이는 법을 배웠습니다. 또한 프로그램은 중요한 경계선도 드러냈습니다. 일부 클라이언트는 AI를 프롬프트하는 데 드는 노력이 이득보다 크다고 느꼈으며, 학술적 글쓰기와 같은 특정 유형의 작업에서는 인간의 완전한 통제권을 유지하기 위해 AI 사용을 거부하기도 했습니다. 이러한 반응은 실패가 아니라, 도구를 언제 어떻게 사용할지 개인이 결정하는 것이 중요하다는 점을 강조하는 유효한 선택으로 간주되었습니다.

이 프로그램은 유망한 결과를 보여주었지만, 연구진은 연구의 한계를 신중하게 명시했습니다. 데이터가 프로그램에 자발적으로 참여한 소수의 인원에서 나왔으므로, 모든 학생이나 교사가 동일한 경험을 할 것이라고 가정할 수는 없습니다. 학습 측정치 또한 예비적인 수준이며 적은 수의 참가자를 바탕으로 하고 있어, 장기적인 효과를 확인하기 위한 추가 연구가 필요함을 시사합니다. 그러나 실제 작동하는 웹사이트와 애플리케이션이라는 실질적인 결과물을 수집함으로써, 이 접근법이 효과가 있다는 구체적인 증거를 제시했습니다. 이 프로젝트는 적절한 지원이 있다면 모든 배경의 사람들이 수동적인 기술 소비자에서 벗어나 자신의 문제를 해결하기 위해 AI를 사용하는 능동적인 창조자로 나아갈 수 있음을 입증했습니다. LearnAI 프레임워크는 인공지능을 별도의 주제로 가르치는 것이 아니라, 일상의 업무와 학습의 구조 속에 녹아든 도구로서 통합하고자 하는 교육 기관들에 실질적인 모델을 제공합니다.