Towards an AI-Enabled Inclusive Educational Leadership (AIIEL) Framework: Integrating Responsible AI Governance, Disability Inclusion, and Gender Equality in Higher Education

대학들은 현재 조용한 혁명의 한복가운데에 있습니다. 수십 년 동안 이들 기관은 누가 입학할지, 교사를 어떻게 승진시킬지, 그리고 학생들을 어떻게 지원할지를 결정하기 위해 인간의 판단력에 의존해 왔습니다. 이제 인공지능이 그 역할을 대신하며 지원서를 분류하고, 과제를 채점하며, 일정을 관리하는 등의 일을 제안하며 그 자리에 들어서고 있습니다. 하지만 이러한 디지털 도구들이 고등 교육의 일상적인 구조로 자리 잡으면서, 한 가지 골치 아픈 질문이 떠올랐습니다. 과연 이 기술들이 시스템을 더 공정하게 만들고 있는가, 아니면 은밀하게 과거의 불평등을 강화하고 있는가 하는 점입니다. 핵심적인 문제는 기술은 빠르게 움직이는 반면, 책임자들은 이를 이끌 준비가 되어 있지 않다고 느끼는 경우가 많다는 것입니다. 그들은 세심한 감독이 없다면, 이 스마트한 시스템들이 과거의 편향성을 반영하는 데이터를 학습함으로써 여성, 장애인 또는 다른 소외 계층을 본의 아니게 불공평하게 대우할 수 있다고 우려합니다. 과제는 단순히 기술을 사용하는 것이 아니라, 그것이 모두에게 평등하게 봉사하도록 보장하는 것입니다.

두 명의 연구자, 와파 무함마드 알라지(Wafa Muhammed Alajaji)와 오비 피리(Obby Phiri)는 이 간극을 메우기 위해 전면에 나섰습니다. 그들은 대학이 단순히 새로운 소프트웨어를 구매하고 요행을 바랄 것이 아니라, 사고방식의 변화가 필요하다고 주장합니다. 최근 연구에서 그들은 'AI 기반 포용적 교육 리더십(AI-Enabled Inclusive Educational Leadership)' 프레임워크라고 불리는 종합적인 계획을 제 제안했습니다. 이것은 소프트웨어 조각이나 코딩을 위한 규칙 세트가 아닙니다. 대신, 이는 혁신을 수용하면서도 공정성을 보호하는 결정을 내릴 수 있도록 설계된, 대학을 운영하는 사람들을 위한 가이드입니다. 저자들은 학교에서 인공지능을 관리하는 현재의 접근 방식이 너무 파편화되어 있다고 제안합니다. 기존의 가이드들은 다양성과 포용을 주요 거버넌스 업무와 분리된, 긴 체크리스트 중 하나의 작은 항목으로 취급하곤 합니다. 알라지지와 피리는 이것이 실수라고 믿습니다. 그들은 포용성이 새로운 도구가 구상되는 순간부터 그것이 강의실에서 사용되는 날까지 모든 결정 속에 스며들어야 한다고 주장합니다.

이 새로운 접근 방식을 구축하기 위해, 연구자들은 이전에 서로 떨어져 있었던 여섯 가지 다른 연구 분야를 살펴보았습니다. 그들은 리더가 어떻게 포용적인 문화를 구축하는지, 학교에서 인공지능이 어떻게 사용되는지, 장애 포용이 어떻게 작동하는지, 성평등이 어떻게 유지되는지, 기술을 어떻게 책임감 있게 거버넌스하는지, 그리고 대학이 어떻게 디지털적으로 변모하는지를 조사했습니다. 이 분리된 실타래들을 하나로 모음으로써, 그들은 의사결정의 순환 구조로서 작용하는 4단계 모델을 만들었습니다. 첫 번째 단계는 사람과 비전에 초점을 맞춥니다. 리더들에게 새로운 시스템을 선택할 때 누가 테이블에 앉아 있는지를 묻습니다. 새로운 도구를 구입하기 전에 장애 학생과 여성 교수진의 의견을 구하고 있습니까, 아니면 피해가 발생한 후에야 그들을 찾는 데 이용하고 있습니까? 이 단계는 리더십이란 신뢰를 구축하고 모든 사람이 목소리를 낼 수 있다고 느끼게 하는 것임을 강조합니다.

두 번째 단계는 도구 자체의 설계에 관한 것입니다. 여기서 프레임워크는 단순하지만 심오한 질문을 던집니다. 이 시스템이 실제로 장애 학생의 성공을 돕는가, 아니면 단지 그들을 들여보내는 척만 하는가? 연구자들은 '역량(capability)'이라는 개념을 끌어옵니다. 이는 형식적인 접근을 넘어, 개인이 목표를 달성하기 위해 자원을 사용할 수 있는 실제적인 자유를 가지고 있는지 살펴보는 것을 의미합니다. 예를 들어, 자동 채점 시스템이 시각 장애가 있는 학생의 에세이를 기술적으로는 수락할 수 있지만, 만약 시스템이 그 학생이 사용하는 특수 형식을 읽을 수 없다면, 그 도구는 실패한 것입니다. 이 단계는 리더들이 기술을 평가할 때, 단순히 최소한의 법적 요구 사항을 충족하는지 여부가 아니라, 그것이 모두를 위한 실제 기회를 확장하는지에 따라 평가해야 한다고 주장합니다.

세 번째 단계는 기술이 어떻게 거버넌스되고 통제되는지에 초점을 맞춥니다. 여기서는 여전히 인간이 운전석에 앉아 있는지를 묻습니다. 프레임워크는 교수 채용이나 학위 수여 거부와 같은 중대한 결정의 경우, 인간이 개입하여 기계를 제어할 수 있는 명확한 경계선이 있어야 한다고 제안합니다. 또한 기술이 어떻게 만들어졌는지도 살피며, 시스템의 영향을 받을 사람들이 그 제작 과정에 참여했는지 확인하도록 리더들에게 촉구합니다. 이는 소수의 엔지니어들이 실험실에서 만든 도구가 다양성을 갖춘 대학 구성원들에게 아무런 공정성 테스트 없이 그대로 투여되는 상황을 방지하기 위함입니다. 마지막 단계는 결과에 주목합니다. 리더들에게 데이터를 추적하되, 단순히 일반적인 수치만이 아니라, 시스템이 다양한 집단에 동시에 어떤 영향을 미치는지 면밀히 살펴볼 것을 요구합니다. 예를 들어, 여성 장애인과 같은 집단에 대해 도구가 새로운 장벽을 만드는지, 아니면 기존의 문제를 해결하고 있는지를 확인해야 합니다.

이 주요 프레임워크와 함께, 저자들은 대학이 아이디어를 실행에 옮길 수 있도록 돕는 두 가지 실질적인 도구를 제안합니다. 첫 번째는 대학 리더들이 배워야 할 기술 목록입니다. 이것은 컴퓨터가 어떻게 작동하는지에 대한 기술적 기술이 아니라, 편향을 식별하고, 소외된 목소리에 귀를 기울이며, 숨겨진 불평등을 드러내는 방식으로 데이터를 해석하는 법에 관한 인간적 기술입니다. 두 번째 도구는 기관의 여정을 위한 지도 역할을 하는 '성숙도 모델'입니다. 이는 위험을 인지하지 못하고 계획이 없는 상태에서 시작하여, 문제가 발생할 때마다 대응하는 단계를 거쳐, 최종적으로 '포용적 탁월함(inclusive excellence)'의 단계에 도달하는 다섯 단계를 설명합니다. 이 최고 수준에서 대학은 단순히 해를 피하는 것에 그치지 않고, 인공지능을 사용하여 기관을 모두를 위해 더 나은 곳으로 만들고 있으며, 이를 데이터로 증명할 수 있습니다.

연구자들은 자신들의 작업이 실생활에서 테스트된 완성된 제품이 아니라 하나의 제안임을 분명히 밝히고 있습니다. 그들은 자신들의 아이디어가 기존 이론에 기반하고 있으며, 이러한 특정 모델이 다양한 유형의 대학에서 실제로 작동하는지 아직 확인하지 못했음을 인정합니다. 또한 현재의 연구가 주로 부유한 국가에서 이루어졌음을 언급하며, 자신들의 프레임워크가 자원이 부족하거나 문화적 규범이 다른 지역에서도 작동할지는 아직 알 수 없다고 말합니다. 그러나 그들은 현재 상황이 완벽한 증거를 기다리기에는 너무 위험하다고 주장합니다. 대학이 인공지능을 채택하는 속도가 리더십 역량의 발전을 앞지르고 있으며, 명확한 가이드가 없다면 이 분야는 특권층과 취약 계층 사이의 격차를 넓힐 위험이 있습니다.

궁극적으로, 이 논문은 대학을 운영하는 사람들을 향한 행동 촉구입니다. 이는 고등 교육의 미래가 알고리즘의 정교함보다는 그것을 선택하는 리더의 지혜에 달려 있음을 시사합니다. 포용성을 사후 처리가 아닌 리더십의 핵심 요소로 다룸으로써, 대학은 인공지능의 부상이 누군가를 뒤처지게 만드는 것이 아니라 모두를 드높일 수 있도록 보장할 수 있습니다. 저자들은 점점 더 자동화되는 세상 속에서 인간의 존엄성과 공정성을 우선시하는 여정을 위한 로드맵을 제시하고 있습니다. 앞으로 더 많은 연구와 테스트가 필요하겠지만, 방향은 명확합니다. 포용적 리더십이야말로 인공지능의 약속이 모두를 위해 지켜지도록 보장할 수 있는 유일한 길입니다.