교육을바꾸는사람들

요즘 교사들은 인공지능을 어떻게 바라보아야 할지 고민에 빠졌습니다. 교무실에서 어느 선생님은 생성형 AI를 활용해 수업을 혁신하고 있는 사례를 공유하고 있지만, 다른 선생님은 AI가 학생의 사고력을 해칠지 모른다는 걱정이 앞서 사용을 금지하고 있습니다. 우리나라 교사들은 실제로 AI를 얼마나, 어떤 용도로 쓰고 있을까요? 쓰지 않는 교사는 무엇에 가로막혀 있을까요? 이 물음의 답에 따라 정책의 처방이 달라집니다. 병목이 기기와 제도에 있다면 보급과 규정 정비가 우선이겠지만, 역량과 인식에 있다면 연수와 지원의 재설계가 우선이 되어야 하기 때문입니다.

마침 이 물음에 전국 수준에서 답할 수 있는 자료가 처음 나왔습니다. OECD가 각국 교사를 대상으로 실시하는 교수·학습 국제조사 TALIS 2024가 이번 주기부터 AI 관련 문항을 새로 포함한 것입니다(OECD, 2025). 교사의 AI 사용 여부와 용도, 쓰지 않는 이유, AI에 대한 기대와 우려, 관련 연수 경험까지 국제 공통 문항으로 물었습니다. 필자는 한국 초등 교사 3,124명과 중학교 교사 3,098명의 응답을 분석해, 한국 교사의 AI 활용이 지금 어디까지 와 있는지, 그리고 무엇이 필요한지 살펴보았습니다.

절반의 교사는 기다리지 않았다

한국 교사 두 명 중 한 명은 지난 1년 사이 수업에 AI를 써 본 것으로 나타났습니다. 초등 49.0%, 중학교 42.7%입니다. AI 디지털 교과서 정책이 도입의 시점과 방식을 논의하는 사이에, 상당수의 교사가 이미 자발적으로 AI를 교실로 들여오고 있었던 셈입니다. 국제적으로 보아도 이 수치는 낮지 않습니다. 초등은 한국을 제외한 참여국 평균 34.8%를 크게 웃돌아 16개국 중 4위였고, 중학교는 참여국 평균 41.7%와 비슷한 수준으로 55개국 중 25위였습니다. 가장 높은 나라는 아랍에미리트와 싱가포르로 75% 안팎이었고, 프랑스(14%)와 일본(16~17%)은 가장 낮은 축에 속했습니다.

쓰임새도 특정 기능에 머물지 않았습니다. AI를 사용한 교사들은 실시간 기능 연습 지원(59%), 수업지도안과 활동 자료 생성(57%), 주제 요약(46%), 피드백 문구 작성(44%), 학생 참여·수행 데이터 검토(42%), 채점·평가(37%), 난이도 자동 조정(37%)까지 여덟 가지 용도 가운데 일곱 가지를 37% 이상 활용하고 있었습니다. 교사들은 AI를 한 가지 일을 돕는 보조 도구가 아니라 수업 준비부터 실행, 평가에 이르는 교수 과정 전반의 범용 도구로 쓰고 있었습니다.

[그림 1] 한국 교사의 AI 활용 용도 분포 (TALIS 2024, 사용 교사 기준)

학교급에 따라 결도 달랐습니다. 초등 교사는 실시간 기능 연습(63.4% 대 51.2%)과 난이도 자동 조정(41.5% 대 29.4%), 채점·평가(40.4% 대 30.7%)에서 중학교 교사보다 활용 폭이 유의하게 넓었습니다. 학생마다 손이 많이 가는 개별화된 연습과 평가 지원의 과업에서, 초등 교사가 AI를 더 적극적으로 쓰고 있는 것입니다.

다만 한 가지 눈에 띄는 예외가 있었습니다. 특수교육 요구 학생을 지원하는 데 AI를 쓴다는 응답은 10%에 그쳤습니다. 개별화된 지원이 가장 절실한 학생들에게 AI의 개별화 잠재력이 가장 덜 닿고 있는 것입니다. 기술의 확산이 저절로 형평을 보장하지는 않는다는 사실을 보여주는 대목입니다.

이 수치들은 어디에서 왔는가

여기서 잠시, 지금까지의 수치가 어떤 자료에서 나왔는지 짚고 넘어가겠습니다. TALIS는 OECD가 여러 나라의 교사와 학교장을 대상으로 시행하는 교수·학습 국제조사로, 2024년 주기에는 중학교 기준 55개, 초등 기준 16개 교육체제가 참여했습니다. 각국 표본은 학교를 먼저 뽑고 그 학교 안에서 교사를 뽑는 2단계 설계로 교사 전체를 대표하도록 구성됩니다. AI 관련 문항은 전체 설문 대상 중 일부 응답자에게 배정되는 방식으로 시행되어, 한국에서 이 문항에 답한 교사는 약 2,000명입니다. 분석에는 국제 대규모 조사 자료를 다루는 표준 절차에 따라 교사 가중치와 100개의 반복가중치를 적용해, 표본을 통해 한국 교사 전체에 대한 추정이 가능하도록 했습니다(Rutkowski et al., 2010). 사용 실태와 장벽은 가중 비율로 살펴보았고, 무엇이 AI 채택을 가르는지는 효과 인식과 위험 인식, 업무량 스트레스, 연령, 학교급을 함께 넣은 회귀모형으로 추정했습니다.

‘못 쓰게 해서’가 아니라 ‘쓸 엄두가 나지 않아서’

그렇다면 아직 AI를 쓰지 않는 절반의 교사는 무엇에 가로막혀 있을까요? 답은 뜻밖에도 제도가 아니었습니다. 학교가 허용하지 않아서 못 쓴다는 교사는 6%에 불과했습니다. 대신 미사용 교사의 73%가 지식과 기술의 부족을, 49%가 AI를 수업에 통합하는 일에 대한 부담감을 이유로 꼽았습니다. 인프라 부족(54%)도 상당했지만, 쓸 수 없게 하는 환경보다 쓸 줄 모르고 쓸 엄두가 나지 않는 상태가 상대적으로 더 큰 장벽이었던 것입니다.

[그림 2] AI 미사용 장벽의 구분 (TALIS 2024, 미사용 교사 기준)

교사 안의 장벽(지식 부족, 부담감)이 교사 밖의 장벽(금지, 인프라)을 앞선다.

교육공학에서는 기기·접근·시간처럼 교사 바깥에 있는 제약을 1차 장벽으로, 교사의 지식·인식·태도처럼 교사 안에 있는 제약을 2차 장벽으로 구분해 왔습니다(Ertmer, 1999). 기기와 접근이 개선된 학교에서도 결국 교사의 인식이 기술 통합의 수준을 결정한다는 사실은 일찍이 확인된 바 있는데(Ertmer et al., 2012), 이번 결과는 접근 문턱이 크게 낮아진 AI 국면에서 이 오랜 통찰을 전국 단위 자료로 재확인해 줍니다. AI를 쓰지 않는 교사에게는 ‘못 쓰게 하는 제도’보다 ‘수업에 잘 쓸 수 있다는 교수 효능감의 부재’가 더 크게 작용했습니다.

주목할 것은 이 부담감의 국제적 위치입니다. AI 통합에 대한 부담감을 장벽으로 꼽은 한국 미사용 교사의 비율(49.2%)은 참여국 평균(35% 안팎)을 크게 웃도는, 사실상 세계 최고 수준이었습니다. 여기에 ‘써서는 안 된다는 인식’을 이유로 꼽은 교사도 56%로 높았습니다. 할 줄 모르는 문제와 해도 되는가의 문제가 함께 작동하고 있는 것입니다.

더 뼈아픈 사실은 이러한 장벽이 연수 기회의 부족에서 비롯된 것이 아니라는 점입니다. 한국 교사의 65.7%가 지난 1년 사이 AI 활용을 다룬 연수를 이미 이수했습니다. 그런데도 미사용 교사의 73%는 여전히 지식 부족을 호소하고, 전체 교사의 77.9%는 AI 연수가 더 필요하다고 답했습니다. 받은 연수가 실천의 확신으로 이어지지 못하고 있는 것입니다. 디지털 자원을 다룰 수 있다는 자신감을 뜻하는 디지털 효능감 지수에서 한국 중학교 교사가 55개 교육체제 가운데 46위에 머물렀다는 사실은 이 간극을 상징적으로 보여줍니다. 세계 최고 수준의 디지털 인프라를 갖춘 나라에서, 정작 그 도구를 다루는 교사의 확신은 국제 평균에 미치지 못하고 있습니다.

이러한 결과는 국내의 조사들과도 일치합니다. 선도교원조차 활용 역량의 격차와 맞춤형 지원의 부재를 호소하고(임유진 외, 2024), 초등 교사들은 AI 디지털 교과서에 대한 기대와 함께 수업 재설계의 부담과 준비 부족을 지적해 왔습니다(김소민 외, 2024). 이번 분석은 이러한 현장의 목소리가 일부 집단의 사정이 아니라 교직 전반의 구조임을 전국 대표 자료로 확인해 줍니다.

주) 국가별 가중 평균. 참여국 평균은 한국을 제외한 값. 부담감은 미사용 교사 기준. 자료: TALIS 2024.

필자는 이 간극을 ‘지원 없는 채택’이라고 부르고자 합니다. 한국 교사의 AI 채택 속도는 국제 상위권이지만, 그 채택은 세계 최고 수준의 부담감과 평균 이하의 효능감, 그리고 실천으로 이어지지 못하는 연수 위에서 진행되고 있기 때문입니다.

누가 쓰고, 누가 쓰지 않는가

그렇다면 같은 조건에서 어떤 교사는 쓰고 어떤 교사는 쓰지 않는 것일까요? 분석의 답은 선명했습니다. AI 채택을 가장 강하게 가른 것은 AI가 수업에 도움이 된다는 효과 인식이었습니다. 효과 인식이 1점 높을수록 AI를 사용할 확률이 16.4%포인트 높아졌습니다. 실제로 사용 교사와 미사용 교사는 위험에 대한 우려가 아니라 효과에 대한 확신에서 갈렸습니다(효과 인식 3.13 대 2.91). 반면 AI가 부정확한 답을 주거나 편향을 키울 수 있다는 위험 인식은 사용 여부와 유의한 관련이 없었습니다. 위험을 걱정하면서도 쓸 사람은 쓰고 있다는 뜻입니다. AI 활용 지원의 우선순위가 위험 불안의 해소보다 효과 확신의 형성에 있음을 시사하는 결과입니다.

흥미로운 결과는 업무 부담에서 나왔습니다. 업무량으로 인한 스트레스가 큰 교사일수록 오히려 AI를 사용할 확률이 높았습니다. AI를 배우고 익히는 일 자체가 처음에는 추가 부담이라는 점을 떠올리면 뜻밖의 결과입니다. 일이 많은 교사가 AI를 업무를 덜어 줄 수단으로 붙잡고 있는 것으로 읽히는 대목이며, 실제로 교사들이 AI에 대해 업무 경감의 기대와 대체의 불안을 동시에 품고 있다는 보고도 있습니다(Chen et al., 2025). 과중한 업무가 교사의 안녕감을 해친다는 국제 증거(Jerrim & Sims, 2021)와 국내에서 교원 업무 경감을 위한 생성형 AI 시스템 개발이 시도되고 있는 흐름(안해연, 2024)을 함께 놓고 보면, AI가 교직의 과부하를 더는 완충재로 기대되고 있음은 분명해 보입니다. 다만 여기에는 경고도 함께 담겨 있습니다. 부담이 큰 교사가 충분한 역량 없이 절박하게 AI를 쓰기 시작하면, 오용과 실망으로 이어져 오히려 부담을 키울 수 있기 때문입니다.

연령의 격차도 뚜렷했습니다. 29세 이하 교사의 58%가 AI를 사용한 반면, 50대는 36%, 60세 이상은 31%에 그쳐, 젊은 교사와의 격차가 20%포인트를 넘었습니다. 주목할 점은 이 격차의 성격입니다. 일단 AI를 쓰기 시작한 교사의 활용 폭은 연령대와 무관하게 서너 가지로 비슷했습니다. 격차는 얼마나 깊이 쓰는가가 아니라 쓰기 시작하는가에서 생기고 있었습니다.

[그림 3] 연령대별 AI 채택률 (TALIS 2024)

29세 이하와 50대의 격차는 22.8%포인트에 이른다.

채택의 속도에 지원의 속도를 맞추려면

이 결과들은 AI 교육 정책의 초점이 바뀌어야 함을 말해 줍니다. 허용할 것인가 금지할 것인가에서, 어떻게 역량과 효능을 길러 줄 것인가로 옮겨 가야 합니다. 금지 때문에 못 쓰는 교사는 6%뿐이므로 사용 규칙을 정비하는 것만으로는 지금의 격차가 좁혀지지 않습니다. 기술 확산 이론에 비추면, 사용률 절반에 도달한 한국은 혁신적인 소수의 국면을 지나, 구체적인 이점의 증거와 낮은 진입 문턱을 요구하는 실용적 다수의 국면에 들어서 있습니다(Rogers, 2003). 바로 이들을 위해 네 가지 방향을 제안합니다.

첫째, 연수는 강의가 아니라 실습이어야 합니다. AI 채택에 효과 인식이 크게 영향을 미쳤던 만큼, 교사가 자기 교과의 실제 과업, 이를테면 수업지도안 생성이나 피드백 작성, 문항 제작을 AI로 직접 해 보고 그 유용함과 용이성을 직접 체험하는 연수가 필요합니다. 유용성과 용이성을 직접 경험하는 것이 수용을 이끈다는 것은 기술수용 연구의 오랜 결론이기도 합니다(Davis, 1989).

둘째, 진입 문턱을 낮춰야 합니다. 부담감이 한국 특유의 장벽인 만큼, 한 번에 수업 전체의 통합을 요구하기보다 단일 과업부터 시작하는 짧은 연수와 교내 동료 교사의 지원이 유효합니다. 특히 격차가 진입에서 발생하는 고경력 교사에게는 첫 사용의 문턱을 낮추는 저부담 설계가 우선되어야 합니다.

셋째, 지원은 일회성 이수의 연수가 아니라 연수 이후의 수업 적용 지원이어야 합니다. 이수율 65.7%에도 77.9%가 추가 연수를 호소하는 현실은 연수의 양이 아니라 질과 형태가 문제임을 가리킵니다. 이를 위해, Nazaretsky와 동료들(2022)은 연수 이수 이후에 개별 코칭과 질의응답 활동이 병행될 것을 제안하였습니다. 연수의 성과 지표도 이수율이 아니라 실제 수업 적용률로 바뀌어야 합니다.

넷째, 위험 관리는 신뢰할 수 있는 지침으로 뒷받침되어야 합니다. 위험 인식이 채택을 막지 못하는 지금의 상황은, 뒤집어 보면 검증되지 않은 사용이 확산될 수 있다는 뜻이기도 합니다. 프라이버시와 저작권, 평가 활용에 대한 명료한 공식 지침과 AI 리터러시 교육(김인주 외, 2024)이 채택 이후의 오용과 불신을 예방하는 기반이 됩니다.

물론 이 분석에도 한계는 있습니다. 첫째, 이 자료는 한 시점에서 조사한 횡단 연구이므로, AI에 대한 효과 인식이 수업 내 AI 채택을 이끌었는지 수업 내 AI 채택 경험이 AI에 대한 효과 인식을 키웠는지 그 방향을 확정할 수는 없습니다. 둘째, AI 사용은 썼는가 안 썼는가만을 물었기 때문에 얼마나 자주, 얼마나 능숙하게 썼는지는 구분하지 못합니다. 셋째, TALIS의 AI 문항은 생성형 AI와 그 이전의 AI를 구분하지 않으므로, 이 결과는 AI 전반의 활용으로 읽어야 합니다. 그럼에도 전국을 대표하는 표본으로 교사의 AI 활용 실태를 확인한 첫 자료라는 점에서, 이 결과는 앞으로의 논의가 딛고 설 출발점이 되어 줍니다.

제목의 질문으로 돌아가겠습니다. 교사 절반이 쓰는 AI, 교사는 준비되었을까요? 절반의 교사가 이미 쓰고 있고 그 속도는 국제적으로도 앞선 편이지만, 그 채택을 받쳐 줄 기반은 아직 마련되지 못했습니다. 세계에서 가장 높은 부담감과 평균에 못 미치는 디지털 효능감, 실천으로 이어지지 못하는 연수 위에서 한국 교사의 AI 활용은 진행되고 있기 때문입니다. 교사들은 제도가 준비되기를 기다리지 않고 먼저 준비하며 분주히 움직였습니다. 이제 응답할 차례는 학교와 정책입니다. 새 도구를 배우는 일이 교사 혼자의 부담으로 남지 않도록 받쳐 줄 때, 이미 시작된 교실의 변화는 비로소 수업의 질로 이어질 것입니다.

참고 문헌

• 교육부 (2023). AI 디지털 교과서 추진방안. 세종: 교육부.
• 김소민, 이기마, 김희정 (2024). 수학 AI 디지털 교과서의 도입: 초등학교 교사가 바라본 인식, 요구사항, 그리고 도전. 초등수학교육, 27(3), 199-226.
• 김인주, 이소율, 김귀훈 (2024). 초·중등교사의 생성형 AI 리터러시 측정도구 개발 및 타당화 연구. 학습자중심교과교육연구, 24(22), 697-708.
• 안해연 (2024). 교원 업무경감을 위한 생성형 AI 질의응답 시스템의 개발 및 평가. 교육공학연구, 40(3), 719-751.
• 임유진, 홍선주, 임지영 (2024). 교사의 AI·디지털 활용 현황 및 요구에 기반한 지원 방향 탐색. 교육정보미디어연구, 30(2), 303-323.
• Chen, R., Lee, V. R., & Lee, M. G. (2025). A cross-sectional look at teacher reactions, worries, and professional development needs related to generative AI in an urban school district. Education and Information Technologies, 30(11), 16045-16082.
• Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319-340.
• Ertmer, P. A. (1999). Addressing first- and second-order barriers to change: Strategies for technology integration. Educational Technology Research and Development, 47(4), 47-61.
• Ertmer, P. A., Ottenbreit-Leftwich, A. T., Sadik, O., Sendurur, E., & Sendurur, P. (2012). Teacher beliefs and technology integration practices: A critical relationship. Computers & Education, 59(2), 423-435.
• Jerrim, J., & Sims, S. (2021). When is high workload bad for teacher wellbeing? Accounting for the non-linear contribution of specific teaching tasks. Teaching and Teacher Education, 105, 103395.
• Nazaretsky, T., Ariely, M., Cukurova, M., & Alexandron, G. (2022). Teachers’ trust in AI-powered educational technology and a professional development program to improve it. British Journal of Educational Technology, 53(4), 914-931.
• OECD (2025). Results from TALIS 2024: The state of teaching. Paris: OECD Publishing.
• Rogers, E. M. (2003). Diffusion of innovations (5th ed.). New York: Free Press.
• Rutkowski, L., Gonzalez, E., Joncas, M., & von Davier, M. (2010). International large-scale assessment data: Issues in secondary analysis and reporting. Educational Researcher, 39(2), 142-151.

🖨️ 인쇄(Print)하기