상위 1%의 학습자들은 어떻게 AI를 활용해 사고력을 향상시키는가 | Anthropic

핵심 차이 하나는 AI 네이티브한 사람들은 현재 모델의 실제 능력을 더 정확하게 본다는 점임.

• 2022년 무렵부터 AI를 써 온 사람들은 아직도 AI를 비서처럼 보는 경우가 많음.

• 반대로 AI 네이티브한 사람들은 지금 가능한 수준과 앞으로 열릴 가능성을 더 자연스럽게 받아들임.

• 그래서 필요한 건 “처음부터 AI와 함께 자란 사람처럼 생각하기”에 가까움.

예전식 단계별 플레이북보다 지금 더 중요한 건 맥락을 충분히 주고 AI가 일하게 두는 방식임.

• 초창기에는 프롬프트 테크닉이 중심이었음.

• 지금은 AI를 동료나 협업자처럼 대하는 감각이 더 중요해지는 흐름임.

• 그래서 AI 활용은 기술 스킬만이 아니라 사회적 스킬에 가까워지고 있음.

문제의식은 결국 튜터링을 어떻게 대규모로 확장할 것이냐에 있음.

• 나는 교육자 집안에서 자랐고, 튜터링 비영리단체를 만들었고, 고등학교 수학 교사로도 일했음.

• 지금은 AI tutor를 보면서 좋은 튜터링이 무엇인지, 그걸 어떻게 넓게 확장할지 고민하고 있음.

• 예전에는 돈이 있어야만 가능했던 수준의 개인화 교육을 이제는 AI로 훨씬 넓게 확장할 수 있다고 봄.

많은 사람이 AI에 너무 쉬운 문제만 던진다는 점이 걸림.

• 머릿속에 늘 “작년 모델”의 한계가 남아 있어서 문제 자체를 작게 잡게 됨.

• 반면 잘 쓰는 사람들은 더 복잡하고 애매한 문제까지 AI에 맡겨 보면서 가능한 범위를 넓혀 감.

• 결국 직접 많이 실험해 보면서 내 기대치 자체를 계속 업데이트해야 함.

AI에게 더 많은 재량을 주고, 문제 수준에 대한 야심도 계속 올려야 함.

• 예전엔 손을 잡고 하나하나 안내하듯 썼다면,

• 이제는 더 많은 판단을 실제로 맡겨 볼 필요가 있음.

• 지금은 아직 안 될 것 같은 시도까지 밀어봐야 다음 모델이 나왔을 때 바로 최전선으로 갈 수 있음.

르완다나 인도에서 본 AI 네이티브한 사람들도 비슷했음.

• 이 사람들은 현재 AI가 어느 정도 가능한지 더 정확히 알고 있음.

• 그래서 AI를 더 강력한 존재로 다룸.

• 어떤 면에서는 오히려 선입견 없는 사람이 지금 가능한 것과 앞으로 가능해질 것을 더 잘 보기도 함.

인간은 지수적으로 좋아지는 동료를 다루는 데 익숙하지 않음.

• 사람은 보통 지난달 기준 능력으로 AI를 대하게 됨.

• 하지만 실제론 성능이 그 사이 크게 뛰었을 수도 있음.

• 그래서 여전히 보조자처럼 다루기 쉽지만, 잘 쓰는 사람들은 이미 협업자로 다루고 있음.

더 멀리 보면 통제 방향이 뒤집히는 장면도 나올 수 있다고 생각함.

• 어떤 일에서는 AI가 더 높은 수준의 전략 판단을 하고,

• 인간은 취향, 책임, 선택이 필요한 부분을 맡게 될 수 있음.

우리가 본 코딩 교육 연구는 속도와 학습이 다를 수 있음을 보여줌.

• AI를 쓴 집단은 과제를 더 빨리 끝냈음.

• 하지만 AI 없이 치른 사후 평가에서는 AI를 안 쓴 집단이 17% 더 잘했음.

• 힘들게 직접 씨름하는 과정이 개념 내면화에는 더 유리했다는 해석이 가능함.

여기서 크게 보이는 경고가 skill atrophy, 즉 실력 약화 가능성임.

• AI가 일을 대신해 주면 당장은 편해짐.

• 대신 스스로 생각하고 버티는 시간이 줄어들 수 있음.

• 그래서 교육에서 AI를 어떻게 쓰느냐가 더 민감한 문제가 됨.

다만 AI를 썼다고 모두 학습이 나빠지는 건 아니었다는 점도 중요함.

• 답만 받아내는 사용은 이해도를 떨어뜨리기 쉬움.

• 반대로 질문하고 탐색하고 캐묻는 방식으로 쓰면 최종 평가에서도 잘할 수 있었음.

• 결국 중요한 건 사용 여부보다 사용 방식임.

해법보다 문제를 들고 가는 방식이 더 나음.

• 특정 답을 얻으려는 질문은 답도 좁아지기 쉬움.

• 반대로 씨름 중인 문제를 열린 형태로 던지면, 현재 모델들은 그 문제를 함께 탐색하는 데 꽤 강함.

• 지금은 더 복잡하고 거친 문제를 들고 가도 되는 시점이라고 봄.

학습이 전부 챗봇 창 하나 안에서 이뤄질 거라고 보진 않음.

• AI와 상호작용하는 포맷은 지금보다 훨씬 풍부해질 가능성이 큼.

• 2026년 시점에도 아직 그 형태는 완전히 정착되지 않았다고 봄.

Claude Code가 흥미로운 이유도 여기에 있음.

• 원래 학습용 제품은 아니지만, 이미 학습 도구처럼 쓰이고 있음.

• 코딩뿐 아니라 언어 학습, 경제 개념 학습 같은 데도 활용됨.

• 사용자의 학습 맥락, 성향, 축적된 기억이 쌓이면서 결국 코치 같은 역할로 이동하는 모습임.

• 이런 예상 밖 사용 방식이 앞으로 학습 인터페이스가 어디로 갈지 힌트를 줌.

모든 일에 AI를 붙이라고 말하고 싶진 않음.

• 지금 당장은 손으로 하는 게 더 빠른 일도 분명 있음.

• 억지로 모든 걸 AI로 돌리면 오히려 시간이 더 들 수 있음.

• 그래도 시간의 일부는 의도적으로 실험에 써야 한다고 봄.

그 실험 시간은 일종의 R&D처럼 봐야 함.

• 오늘은 약간 비효율처럼 보여도,

• 그 과정에서 도구 한계를 배우면 내일은 더 크게 시간을 아낄 수 있음.

AI 활용 차이를 가르는 가장 큰 변수 중 하나가 결국 context임.

• AI를 잘 쓰는 사람들은 질문 전에 이미 관련 문서, 회사 맥락, 고민 메모, 생각의 흐름까지 많이 넣어 둠.

• 모델은 많은 맥락을 묶어 정리하는 데는 강하지만,

• 맥락이 거의 없으면 사용자의 사고방식까지 알아서 추론해 주진 못함.

우리가 내부 데이터를 봤을 때 교육과 학습이 상위 활용 사례였다는 점은 흥미로웠음.

• 다만 학생들이 숙제 답을 바로 얻는 식의 목발 용도로 쓰는 사례도 적지 않았음.

• 교육 관점에선 이런 거래적 사용이 가장 불안한 지점임.

교육에서 중요한 건 1:1 튜터링의 힘과 그 확장성 문제임.

• AI는 개인화 학습을 대규모로 확장하는 수단이 될 수 있음.

• 다만 personalized learning만으로는 부족함.

• 정말 personal한 배움, 즉 사람과 사람 사이 상호작용도 여전히 핵심임.

학교는 지식만 배우는 공간이 아니라 사람과 관계 맺는 법을 배우는 공간이기도 함.

• 그래서 교육에서 AI의 역할은 인간 관계를 대체하는 게 아님.

• 교실 안의 인간 대 인간 연결을 더 풍부하게 만드는 쪽이어야 함.

2030년의 이상적인 교실은 기술이 전면에 튀어나오지 않는 모습임.

• AI는 뒤에서 조용히 작동함.

• 교사는 시간을 아끼며 개인화 수업안 작성, 학생 그룹 구성 같은 일을 더 잘하게 됨.

• 지금 일부 자원 많은 학교에서만 가능한 환경을 모든 학교로 넓히는 그림임.

전 세계 교사들과 나누는 대화에서도 비슷한 흐름이 보임.

• 교사들은 WhatsApp에서 Claude 같은 도구로 만든 교육용 도구를 계속 공유하고 있음.

• 맞춤형 수업안은 시작점에 불과함.

• 플래시카드 앱, 형성평가 도구까지 직접 만들어 수업에 적용하고 있음.

• 예전 같으면 1년 걸릴 변화가 이제는 아침에 떠올려 바로 만들어 같은 날 교실에 투입되는 식으로 바뀌고 있음.

앞으로의 AI는 학생이 속한 맥락과 학생 개인 자체를 더 많이 알아야 함.

• 학교 커리큘럼, 지역 교육과정 같은 제도적 맥락을 이해해야 함.

• 학생이 어디까지 왔는지, 어떻게 배우는지도 기억해야 함.

• 지금처럼 매번 처음 만난 것처럼 다시 묻는 상호작용은 진짜 학습 동반자와 거리가 멂.

이상적인 모습은 AI가 함께 성장하는 학습 동반자가 되는 것임.

• 사용자는 원할 때 자기 맥락을 제공하고,

• AI는 그 맥락을 바탕으로 점점 더 개인화된 도움을 줄 수 있어야 함.

Khan Academy와 Schoolhouse 사례는 튜터링 확장의 두 방향을 보여줌.

• Sal Khan의 출발점도 결국 사촌들과의 1:1 Skype 튜터링이었음.

• Schoolhouse는 그 경험을 전 세계 무료 peer-to-peer 튜터링으로 확장한 모델임.

Schoolhouse에서 보이는 건 전 세계 학습 공동체의 힘임.

• 러시아, 콜롬비아, 미국, 중국 학생이 같은 Zoom 방에서 같은 주제를 함께 배움.

• 그러면서 각자 학교에서 어떻게 배우는지 비교하고 공유함.

• 이런 연결이 세계를 더 가깝게 만들고, 이전에는 없던 관계와 학습 경험을 만든다고 봄.

튜터링의 확장이 AI만으로 끝나지 않는다는 점이 중요함.

• 뛰어난 AI tutor는 분명 중요함.

• 하지만 내 진도를 진심으로 신경 써주고 책임감을 만들어 주는 사람의 존재도 그만큼 중요하거나 더 중요할 수 있음.

마지막으로 중요한 건, 이제 인간만이 아니라 AI와 협업하는 법도 배워야 한다는 점임.

• AI는 직장에서는 동료처럼 나타날 것이고, 학교에도 들어올 것임.

• 그래서 프롬프트 기술을 넘어서, AI가 무엇을 이해해야 하는지 더 잘 전달하고 AI 작동 방식을 더 잘 이해하는 대화 감각이 중요해짐.

• 앞으로는 여러 인간과 여러 AI가 함께 일하는 다층적 환경이 될 가능성이 큼.

• 결국 필요한 건 연습과 반복임. AI를 실제 동료처럼 다뤄 보면서 현재 한계와 능력을 몸으로 익혀야 함.