India’s Vocational Education Policy Response to Artificial Intelligence: Layering or Conversion?

당신은 거대하고 북적이는 건설 현장을 지켜보고 있다고 상상해 보십시오. 수십 년 동안 이 현장은 배관, 전기, 용접 같은 기술을 배우는 견고하고 신뢰할 수 있는 직업 학교라는 특정 형태의 집을 지어왔습니다. 이제 이 현장에 새로운, 보이지 않는 힘이 도착했습니다: 바로 인공지능(AI)입니다. 이것은 단순한 새로운 도구가 아닙니다. 이것은 집을 어떻게 짓는지, 어떤 재료를 사용하는지, 심지어 설계도 자체를 바꾸고 있습니다. 현장을 운영하는 사람들에게 던져지는 큰 질문은 이것입니다: 그들이 단순히 오래된 설계도 위에 반짝이는 첨단 기술 기기 몇 개를 덧붙이고 있는 것인가, 아니면 완전히 기존의 계획을 허물고 완전히 새로운 건축 방식을 그려나가고 있는 것인가?

이 답을 이해하기 위해 우리는 두 가지 간단한 개념을 알아야 합니다. 첫째, "레이어링(Layering, 층 쌓기)"은 오래된 집에 새 방을 추가하는 것과 같습니다. 멋지고 현대적인 확장 공간을 만들지만, 원래의 주방과 거실은 똑같은 규칙과 함께 그대로 유지됩니다. 집은 더 커졌지만, 핵심 구조는 변하지 않습니다. 둘-째, "컨버전(Conversion, 전환)"은 집 전체를 리모델링하는 것과 같습니다. 동일한 기초는 유지하되, 벽을 허물고, 배관을 다시 배치하며, 건물 전체가 다르게 기능하도록 각 방의 용도를 바꿉니다. 이 논문은 이 질문을 던집니다: 인도가 수백만 명의 직업 교육 학생들에게 AI를 가르치려 했을 때, 그들은 단순히 새로운 방을 하나 추가했는가(레이어링), 아니면 집 전체를 재설계했는가(컨버전)?

논문의 이야기: 인도의 AI 업그레이드

Gowhar Rashid Ganie가 작성한 이 연구 논문은 인도의 직업 교육 시스템에 인공지능을 가르치려는 거대한 노력을 깊이 있게 파고듭니다. 인도는 이 분야의 거인이며, 숙련된 노동력에 크게 의존하는 "비크시트 바라트 2047(Viksit Bharat 2047, 발전하는 인도 2047)"이라는 계획을 가지고 있습니다. 2023년부터 정부는 "Skill India Programme", "SOAR", "SkillSaksham", 그리고 "IndiaAI Mission"을 포함한 새로운 프로그램들을 쏟아내고 있습니다. 이러한 이니셔티브들은 수천 명의 학생을 훈련시켰고 수백 개의 새로운 AI 실험실을 구축했습니다.

하지만 저자는 단순히 얼마나 많은 학생이 훈련받았는지를 세고 있는 것이 아닙니다. 대신, 그들은 게임의 '규칙'을 들여 들여다보는 탐정 역할을 하고 있습니다. 그들은 기관(학교나 정부 기관 등)이 실제로 시간이 흐름에 따라 어떻게 변화하는지에 기반한 특별한 렌즈를 사용했습니다. 그들은 AI 추진이 단순한 화려한 부가물인지, 아니면 깊은 변화인지를 확인하기 위해 직업 교육 시스템의 여섯 가지 서로 다른 부분을 조사했습니다.

결론: 주로 추가하고 있을 뿐, 변화시키지는 못함

정부 보고서, 정책 문서, 그리고 국제 비교를 분석한 결과, 이 논문은 명확하고 다소 놀라운 결론을 내놓습니다: 인도의 대응은 **압도적으로 "레이어링(Layering)"**이라는 것입니다.

연구에서 조사한 여섯 가지 영역에서의 모습은 다음과 같습니다:

1. 커리큘럼 (수업 계획): 새로운 AI 과정은 방과 후에 열리는 별도의, 선택적인 동아리 모임과 같습니다. 그것들은 기존의 기술 수업(전기 기술자나 기능공 등)과 나란히 추가되었지만, 해당 직종의 핵심 수업들은 AI를 포함하도록 다시 쓰이지 않았습니다. 예를 들어, 전기 기술자는 자신의 미래 직업이 AI 진단을 포함하게 될 것임에도 불구하고 여전히 옛날 방식으로 배우고 있습니다. 논문은 주요 설계도가 손대지 않은 채 남아 있기 때문에 이를 "레이어링"이라고 제안합니다.
2. 교사 역량 (강사진): 교사들은 "AI란 무엇인가?"와 같은 단발성 워크숍 같은 일회성 교육을 받고 있습니다. 논문은 교사들이 핵심 업무의 일부로서 AI를 가르치는 법을 배워야 하는 영구적이고 지속적인 요구 사항이 없다는 점을 지적합니다. 이는 근본적인 변화가 아닌 빠른 추가 기능입니다.
3. 거버넌스 (관리자들): 이 AI 프로그램들의 책임은 네 개의 서로 다른 정부 기관에 흩어져 있습니다. 한 그룹은 커리큘럼을 담당하고, 다른 그룹은 자금을, 세 번째 그룹은 기술 실험실을 담당합니다. 논문은 전체 그림을 책임지는 단일한 '보스'가 없기 때문에, 그들이 거대하고 복잡한 조정 문제를 해결하기보다는 자신들의 작은 부서에 새로운 프로그램을 계속 추가하기만 한다고 주장합니다. 이것이 전형적인 "레이어링"입니다.
4. 평가 및 자격 부여 (학위/자격증): 이 영역은 "레이어링"의 벽에 아주 작은 균열을 보여주는 유일한 부분입니다. 정부는 공식 자격 체계에 편입되는 새로운 학점 연계 AI 과정을 만들기 시작했습니다. 그러나 논문은 이것들이 여전히 별개의 AI 학위라는 점을 지적합니다. 그들은 아직 100개가 넘는 전통적인 직종의 공식 직무 기술서에 AI 기술을 포함하도록 수정하지 않았습니다. 따라서 변화의 기미는 보이지만, 여전히 기존의 틀을 재작성하기보다는 새로운 상자를 추가하는 수준에 머물러 있습니다.
5. 평생 학습 (두 번째 기회): 새로운 프로그램들은 주로 신입생이나 이제 막 시작하는 사람들을 대상으로 합니다. 논문은 이미 현장에서 일하고 있는 수백만 명의 노동자들이 경쟁력을 유지하기 위해 AI 기술을 배울 수 있도록 돕는 계획이 거의 없다는 것을 발견했습니다. 시스템은 새로운 주자들을 위한 새로운 트랙을 만들고 있지만, 이미 경주 중인 사람들은 무시하고 있습니다.
6. 형평성 및 비공식 경제 (도달 범위): 이것이 가장 큰 격차입니다. 인도는 사람들이 학교에 가지 않고 현장에서 기술을 배우는 거대한 "비공식 경제"를 가지고 있습니다. 논문은 청년의 95%가 공식적인 직업 자격을 갖추지 못했다고 언급합니다. 그러나 모든 새로운 AI 프로그램은 공식적인 학교와 훈련 센터 안에 갇혀 있습니다. 새로운 AI "방"들이 지어지고 있지만, 정작 그들이 가장 필요로 하는 대다수의 노동자들에게는 문이 잠겨 있습니다.

왜 이런 일이 일 terjadi 했는가?

논문은 인도가 "컨버전" 대신 "레이어링"을 선택한 네 가지 이유를 제시합니다:

• 더 쉽다: 네 명의 보스가 있을 때는, 거대한 시스템 전체의 재설계를 조율하는 것보다 자신의 부서에 새로운 모듈을 추가하는 것이 훨씬 빠릅니다.
• 빠르게 성과를 보여줄 수 있다: 정부는 "1.74라크 명의 학생 등록"과 같이 빠르게 보여줄 수 있는 숫자를 좋아합니다. 전체 커리큘럼을 재설계하는 데는 몇 년이 걸리지만, 새로운 AI 실험실은 한 달 만에 출시할 수 있습니다.
• 규모 확장의 압박: 인도는 거대한 인구를 가지고 있으며 선진국이 되기 위한 촉박한 마감 기한을 가지고 있습니다. 사람들을 지금 당장 훈련시켜야 한다는 압박은 "빠른 추가 옵션"을 매우 매력적으로 만듭니다.
• 타국 모방: 많은 국가가 시스템 전체를 바꾸지 않고 AI 모듈을 추가하는 것과 같은 일을 하고 있습니다. 인도는 논문에서 "동형 모방(isomorphic mimicry)"이라 부르는, 즉 실제 구조를 바꾸지 않으면서 개혁하는 것처럼 보이는 글로벌 트렌드를 따르고 있습니다.

핵-심 요약

논문은 인도가 AI 프로그램을 확장하는 데는 훌륭한 성과를 거두었지만, 직업 교육 시스템을 변화시키지는 못했다고 결론짓습니다. "집"에는 새롭고 반짝이는 확장 공간이 생겼지만, 주방과 거실은 여전히 옛날 규칙에 따라 돌아가고 있습니다. 저자는 인도가 2047년까지 진정으로 성공하기를 원한다면, 단순히 새로운 프로그램을 추가하는 것을 넘어, 기술이 어떻게 가르쳐지는지, 교사가 어떻게 훈련되는지, 그리고 노동자들에게 어떻게 도달하는지에 대한 핵심 규칙을 재설계하는 단계로 나아가야 한다고 경고합니다. 그때까지 시스템은 이미 변화하고 있는 직업을 위해 젊은이들을 훈련시키는 동시에, 나머지 노동자들을 뒤처지게 할 위험이 있습니다.