생성형 AI가 줄인 교사 준비시간, 학생 개별 피드백 증가로 바로 이어졌다고 보긴 어렵다
생성형 AI가 교사의 수업 준비시간을 줄였다는 근거는 일부 확인된다. 다만 그 절감분이 학생 개별 피드백 증가로 이어졌다는 일반 결론까지는 아직 어렵다. 현재 확인되는 자료를 보면, 준비시간 감소는 무작위 대조시험에서 관찰됐지만 개별 피드백 증가는 주로 다른 유형의 AI 도구, 다른 과목, 다른 교육맥락에서 나온 결과다.
영국 무작위시험이 확인한 것은 준비시간 감소와 수업자료 질 유지였다
가장 직접적인 실증자료는 영국의 중등 과학교사를 대상으로 한 무작위 대조시험이다. 영국 교육연구재단 NFER가 2024년 여름학기에 68개 중등학교, 교사 259명을 대상으로 진행한 시험에서 ChatGPT를 활용한 집단은 7·8학년 과학 수업 준비에 주당 평균 56.2분을 썼고, 생성형 AI를 쓰지 않은 집단은 81.5분을 썼다. 차이는 25.3분, 비율로는 31%였다.
이 시험은 절감된 시간을 학생 개별 피드백에 얼마나 다시 투입했는지를 핵심 결과로 측정하지는 않았다. 연구진이 확인한 두 번째 축은 수업자료 질이었는데, 외부 교사 패널 평가에서는 두 집단 사이에 뚜렷한 차이가 없었다. 다시 말해 현재 확인되는 강한 결론은 생성형 AI가 특정 과목의 수업 준비시간을 줄였고, 제출된 자료 기준으로는 질 저하 증거가 없었다는 데까지다.
오히려 같은 보고서는 절감된 시간을 어디에 썼는지에 대해서는 더 조심스럽다. 일부 교사는 줄어든 시간을 업무부담 완화로 받아들였지만, 다른 교사들은 그 시간을 채점이나 행정업무에 썼다고 답했다. 학생 개별 피드백 증가가 공통된 귀결이었다고 말할 수 없는 이유다.
이 결과에도 범위 제한은 분명하다. 시험 대상은 영국의 7·8학년 과학 교사였고, 사용한 모델도 당시 무료 버전인 ChatGPT 3.5였다. 연구진은 수업자료 질 비교 역시 제출 자료가 예상보다 적어 해석에 한계가 있다고 밝혔다.
개별 피드백 증가 근거는 따로 있다, 그러나 같은 종류의 증거는 아니다
학생 개별 피드백 증가와 더 가까운 근거는 브라질 공립고교 글쓰기 수업에서 나온다. 브루노 페르만, 리시아 리마, 플라비우 히바의 현장실험은 대학입학시험용 에세이의 채점과 피드백 일부를 AI 기반 자동쓰기평가 도구에 맡겼을 때 어떤 일이 벌어지는지를 봤다. 이 연구에서 교사들은 맞춤법 오류 탐지나 점수 매기기 같은 반복업무 비중을 줄이고, 학생별 논리 전개를 짚어주는 개별 지원 쪽으로 시간을 옮겼다고 보고됐다.
학생 측면에서도 변화가 관찰됐다. 중재학교 학생들은 더 많은 연습용 글을 쓰고 더 많은 피드백을 받았으며, 에세이 점수도 개선됐다. 다만 이 결과를 생성형 AI 전반의 효과로 곧바로 넓히기는 어렵다. 연구가 다룬 것은 범용 챗봇이 아니라 글쓰기 채점과 피드백에 맞춘 특화 도구였고, 과목도 에세이 작성으로 좁다. 준비시간을 줄여 생긴 여유가 자연스럽게 모든 교실에서 개별 피드백으로 이어진다고 입증한 자료는 아니다.
OECD 조사도 교사 인식과 사용처를 보여줄 뿐, 인과를 증명하진 않는다
OECD의 TALIS 2024도 비슷한 선을 보여준다. OECD 평균으로 교사의 36%가 최근 1년간 업무에 AI를 사용했다고 답했고, 사용 목적은 주제 요약 68%, 수업계획 생성 64%가 중심이었다. 반면 학생 참여나 성과 데이터 검토는 25%, 평가나 채점은 26%로 더 낮았다. 또 AI가 학생 개별 지원에 도움이 된다고 동의한 교사는 평균 40%였다.
이 수치는 중요한 신호지만, 어디까지나 자기보고식 조사다. 실제 시간일지나 수업관찰로 개별 피드백이 얼마나 늘었는지를 측정한 값이 아니다. 교사들이 AI를 주로 수업계획과 자료 작성에 먼저 쓰고 있다는 점은 분명하지만, 그것만으로 학생별 지도 증가를 확인했다고 볼 수는 없다.
한국 수치도 비슷한 해석이 필요하다. OECD의 한국 국가노트에 따르면 한국 교사의 43%가 AI를 업무에 사용했다고 답해 OECD 평균보다 높았다. 한국 교사들이 가장 많이 꼽은 활용처도 수업계획이나 활동 생성 58%였다. 그러나 AI를 쓰지 않은 교사 가운데 76%는 이를 가르칠 지식과 기술이 부족하다고 답했고, 52%는 학교 인프라가 부족하다고 응답했다. 사용 경험이 늘어도 그것이 곧바로 고품질 개별 피드백으로 이어지지 않는 이유를 보여주는 대목이다.
한국 적용성의 핵심은 시간 절감 자체보다 재배치 조건이다
한국에 적용할 때 더 중요한 질문은 AI가 시간을 줄이느냐보다, 줄인 시간을 어떤 업무로 재배치하느냐다. OECD는 한국의 교육행정정보시스템 NEIS를 디지털 인프라가 행정 효율을 높인 사례로 들면서, 약 1만2000개 학교와 17개 시도교육청의 행정처리를 지원하고 데이터 입력·검증 시간 감소를 통해 연간 2억 달러를 넘는 비용 절감 효과가 있었다고 소개했다. 그러나 이런 행정 자동화의 성과가 곧바로 교실 안 개별 피드백의 증가를 뜻하는 것은 아니다.
생성형 AI 도입에서도 같은 구분이 필요하다. 수업자료 초안 작성, 퀴즈 생성, 문장 수준 수정처럼 표준화하기 쉬운 업무에서는 시간이 줄 수 있다. 하지만 학생별 오개념을 읽고, 맥락에 맞게 되묻고, 정서적 반응까지 고려해 피드백하는 일은 여전히 교사의 판단이 크게 작동한다. OECD가 2026년 디지털 교육 전망에서 지적했듯, AI가 효율을 높였다는 추정에는 교사가 결과를 검토하고 오류를 바로잡는 숨은 노동이 빠질 수 있다.
지금까지 확인되는 자료를 종합하면 결론은 비교적 분명하다. 생성형 AI가 교사의 수업 준비시간을 줄였다는 검증 가능한 사례는 있다. 그러나 그 시간 절감이 학생 개별 피드백 증가로 이어졌다고 일반화할 만큼 직접적인 증거는 아직 부족하다. 개별 피드백 증가가 확인된 사례는 주로 특정 과제에 맞춘 AI 평가도구에서 나왔고, 범용 생성형 AI의 수업 준비 보조 효과와는 구분해서 읽어야 한다.
자료: OECD, Results from TALIS 2024: The State of Teaching(2025); OECD, Results from TALIS 2024 – Country notes: Korea(2025); OECD/Fondazione Agnelli, AI Adoption in the Education System(2025); OECD, OECD Digital Education Outlook 2026: Exploring Effective Uses of Generative AI in Education(2026); National Foundation for Educational Research, ChatGPT in lesson preparation – A Teacher Choices Trial(2024); National Foundation for Educational Research, Does the use of ChatGPT for lesson preparation impact teacher planning time?(2025); Bruno Ferman, Lycia Lima, Flavio Riva, Artificial Intelligence, Teacher Tasks and Individualized Pedagogy(2021); Abdul Latif Jameel Poverty Action Lab, The Impact of Artificial Intelligence on Learning in Brazil(발행연도 미표기)