Chap11. AI in institutional workflows

[์ถœ์ฒ˜] Pardos, Z. A., & Borchers, C. (2026). AI in institutional workflows: Learning from higher education to unlock new affordances for education systems and institutions. In OECD Digital Education Outlook 2026 (Chapter 11). OECD Publishing.


๐ŸŽ“ ๋Œ€ํ•™ ํ–‰์ •์˜ ๋ณด์ด์ง€ ์•Š๋Š” ํ˜๋ช…: AI๊ฐ€ ๋ฐ”๊พธ๋Š” ์บ ํผ์Šค์˜ ๋ฏธ๋ž˜

์•ˆ๋…•ํ•˜์„ธ์š”, ์—ฌ๋Ÿฌ๋ถ„! ๐Ÿ‘‹ ์˜ค๋Š˜์€ ์ข€ ํŠน๋ณ„ํ•˜๊ณ  ํฅ๋ฏธ๋กœ์šด ์ฃผ์ œ๋ฅผ ๋“ค๊ณ  ์™”์Šต๋‹ˆ๋‹ค. ์šฐ๋ฆฌ๊ฐ€ ํ”ํžˆ ‘AI์™€ ๊ต์œก’์„ ์ด์•ผ๊ธฐํ•˜๋ฉด ์ฑ—GPT๋กœ ๊ณผ์ œ๋ฅผ ํ•˜๊ฑฐ๋‚˜ AI ํŠœํ„ฐ์—๊ฒŒ ์˜์–ด๋ฅผ ๋ฐฐ์šฐ๋Š” ์žฅ๋ฉด์„ ๋– ์˜ฌ๋ฆฌ์ฃ ? ๊ทธ๋Ÿฐ๋ฐ OECD์˜ ์ตœ์‹  ๋ณด๊ณ ์„œ์— ๋”ฐ๋ฅด๋ฉด, ์ง„์งœ ํ˜์‹ ์€ ์šฐ๋ฆฌ๊ฐ€ ๋ณด์ง€ ๋ชปํ•˜๋Š” ‘๋Œ€ํ•™์˜ ๋’ท๋‹จ(Back-end)’์—์„œ ์ผ์–ด๋‚˜๊ณ  ์žˆ๋‹ค๊ณ  ํ•ฉ๋‹ˆ๋‹ค.

ํ•™์ƒ๊ณผ ๊ต์ˆ˜๋ฅผ ๋•๊ธฐ ์œ„ํ•ด ๋ณด์ด์ง€ ์•Š๋Š” ๊ณณ์—์„œ ์—ด์‹ฌํžˆ ์ผํ•˜๊ณ  ์žˆ๋Š” ‘ํ–‰์ • AI’์˜ ์„ธ๊ณ„, ์ œ๊ฐ€ ์•„์ฃผ ์‰ฝ๊ฒŒ ํ’€์–ด์„œ ์„ค๋ช…ํ•ด ๋“œ๋ฆด๊ฒŒ์š”! ๐Ÿš€

1. ์ „ํ•™ ๊ฐˆ ๋•Œ ํ•™์  ์ธ์ •, ์ด์ œ AI๊ฐ€ ํ•ด๊ฒฐํ•œ๋‹ค? ๐Ÿ”„

๋Œ€ํ•™์„ ๋‹ค๋‹ˆ๋‹ค๊ฐ€ ๋‹ค๋ฅธ ํ•™๊ต๋กœ ํŽธ์ž…ํ•˜๊ฑฐ๋‚˜, ํ•ด์™ธ ๊ตํ™˜ํ•™์ƒ์„ ๊ฐ€๋ณธ ๋ถ„๋“ค์€ ์•„์‹ค ๊ฑฐ์˜ˆ์š”. “๋‚ด๊ฐ€ ๋“ค์€ ์ด ์ˆ˜์—…, ์ € ํ•™๊ต์—์„œ๋„ ์ธ์ •ํ•ด ์ค„๊นŒ?” ์ด๊ฑฐ ํ™•์ธํ•˜๋Š” ๊ณผ์ •์ด ์ •๋ง ๋ณต์žกํ•˜๊ณ  ์˜ค๋ž˜ ๊ฑธ๋ฆฌ์ž–์•„์š”. ์‚ฌ๋žŒ์ด ์ผ์ผ์ด ๊ฐ•์˜๊ณ„ํš์„œ๋ฅผ ๋น„๊ตํ•ด์•ผ ํ•˜๋‹ˆ๊นŒ์š”.

๊ทธ๋Ÿฐ๋ฐ AI๊ฐ€ ์ด ๊ณจ์น˜ ์•„ํ”ˆ ๋ฌธ์ œ๋ฅผ ํ•ด๊ฒฐํ•˜๊ณ  ์žˆ์Šต๋‹ˆ๋‹ค.

  • ์–ด๋–ป๊ฒŒ? AI๋Š” ๋‹จ์ˆœํžˆ ๋‹จ์–ด๋งŒ ๋ณด๋Š” ๊ฒŒ ์•„๋‹ˆ๋ผ, ์ˆ˜์—…์˜ ‘๋งฅ๋ฝ’๊ณผ ‘์˜๋ฏธ’๋ฅผ ์ดํ•ดํ•ฉ๋‹ˆ๋‹ค. ์˜ˆ๋ฅผ ๋“ค์–ด A ๋Œ€ํ•™์˜ ‘๊ฒฝ์ œํ•™’ ์ˆ˜์—…๊ณผ B ๋Œ€ํ•™์˜ ์ˆ˜์—…์ด ์–ผ๋งˆ๋‚˜ ๋น„์Šทํ•œ์ง€ AI๊ฐ€ ๋ถ„์„ํ•ด์„œ “์ด ๋‘ ๊ณผ๋ชฉ์€ ์„œ๋กœ ํ˜ธํ™˜๋ฉ๋‹ˆ๋‹ค!”๋ผ๊ณ  ์ถ”์ฒœํ•ด ์ฃผ๋Š” ๊ฑฐ์ฃ .
  • ํšจ๊ณผ: ์ด๋ ‡๊ฒŒ ๋˜๋ฉด ํ•™์ƒ๋“ค์ด ํŽธ์ž…ํ•  ๋•Œ ํ•™์ ์„ ์žƒ์–ด๋ฒ„๋ฆฌ๋Š” ์–ต์šธํ•œ ์ผ์ด ์ค„์–ด๋“ค๊ณ , ์กธ์—…๋„ ์ œ๋•Œ ํ•  ์ˆ˜ ์žˆ๊ฒŒ ๋ฉ๋‹ˆ๋‹ค.

2. “์ด ์ˆ˜์—…, ์ •๋ง ๋“ค์–ด๋„ ๋ ๊นŒ?” ์‹คํŒจ ์—†๋Š” ์ˆ˜๊ฐ• ์‹ ์ฒญ ๐Ÿ“…

์ˆ˜๊ฐ• ์‹ ์ฒญ ์‹œ์ฆŒ๋งˆ๋‹ค “๊ฟ€๊ฐ•” ์ฐพ๋А๋ผ ๋ฐ”์˜์‹œ์ฃ ? ๊ฐ•์˜์š”๋žŒ์—๋Š” ‘3ํ•™์ ’์ด๋ผ๊ณ  ์ ํ˜€ ์žˆ๋Š”๋ฐ, ๋ง‰์ƒ ๋“ค์–ด๋ณด๋ฉด ๊ณผ์ œ๊ฐ€ ์‚ฐ๋”๋ฏธ๋ผ ๋ฐค์ƒˆ์šฐ๋Š” ์ˆ˜์—…, ๋‹ค๋“ค ๊ฒฝํ—˜ ์žˆ์œผ์‹ค ๊ฒ๋‹ˆ๋‹ค. ๐Ÿ˜ญ

  • ์ˆจ๊ฒจ์ง„ ์—…๋ฌด๋Ÿ‰ ์ฐพ๊ธฐ: AI๋Š” ๊ฐ•์˜ ๊ด€๋ฆฌ ์‹œ์Šคํ…œ(LMS)์˜ ๋ฐ์ดํ„ฐ๋ฅผ ๋ถ„์„ํ•ด์„œ, ์‹ค์ œ๋กœ ํ•™์ƒ๋“ค์ด ๋А๋ผ๋Š” ‘์ฒด๊ฐ ์—…๋ฌด๋Ÿ‰’์„ ์˜ˆ์ธกํ•ด ์ค๋‹ˆ๋‹ค. ํ•™์  ์ˆ˜๋งŒ์œผ๋กœ๋Š” ์•Œ ์ˆ˜ ์—†๋Š” ‘์ง„์งœ ํž˜๋“  ์ •๋„’๋ฅผ ์•Œ๋ ค์ฃผ๋Š” ๊ฑฐ์ฃ .
  • ๋งž์ถคํ˜• ์กฐ์–ธ: AI๊ฐ€ ์—ฌ๋Ÿฌ๋ถ„์˜ ์„ฑํ–ฅ๊ณผ ๊ณผ๊ฑฐ ๋ฐ์ดํ„ฐ๋ฅผ ๋ถ„์„ํ•ด์„œ ์ƒ๋‹ด ์„ ์ƒ๋‹˜(Advisor)์—๊ฒŒ ์ •๋ณด๋ฅผ ์ค๋‹ˆ๋‹ค. “์ด ํ•™์ƒ์€ ์ด๋ฒˆ ํ•™๊ธฐ์— ๋„ˆ๋ฌด ๋ฌด๋ฆฌํ•˜๋Š” ๊ฒƒ ๊ฐ™์•„์š””๋ผ๊ฑฐ๋‚˜ “์ด ์ „๊ณต์„ ์‚ด๋ฆฌ๋ ค๋ฉด ์ € ์ˆ˜์—…์ด ๋”ฑ์ด์—์š””๋ผ๊ณ  ์กฐ์–ธํ•ด ์ค„ ์ˆ˜ ์žˆ์ฃ . ๋ฌผ๋ก  ์ตœ์ข… ๊ฒฐ์ •์€ ์ƒ๋‹ด ์„ ์ƒ๋‹˜๊ณผ ์—ฌ๋Ÿฌ๋ถ„์ด ํ•˜์ง€๋งŒ, ํ›จ์”ฌ ๋” ์ •ํ™•ํ•œ ๋ฐ์ดํ„ฐ๋กœ ๊ฒฐ์ •ํ•  ์ˆ˜ ์žˆ๊ฒŒ ๋ฉ๋‹ˆ๋‹ค.

3. ์„ ์ƒ๋‹˜๋“ค์˜ ‘์‹œํ—˜ ์ถœ์ œ ์ง€์˜ฅ’ ํƒˆ์ถœ โœ๏ธ

๊ต์ˆ˜๋‹˜์ด๋‚˜ ์„ ์ƒ๋‹˜๋“ค์ด ์‹œํ—˜ ๋ฌธ์ œ ๋งŒ๋“œ๋Š” ๋ฐ ์‹œ๊ฐ„์ด ์—„์ฒญ๋‚˜๊ฒŒ ๊ฑธ๋ฆฐ๋‹ค๋Š” ์‚ฌ์‹ค, ์•Œ๊ณ  ๊ณ„์…จ๋‚˜์š”?

  • ๋ฌธ์ œ ๋งŒ๋“ค๊ธฐ: ์ƒ์„ฑํ˜• AI๋Š” ๊ธฐ์กด ๊ต๊ณผ์„œ๋‚˜ ์ž๋ฃŒ๋ฅผ ๋ฐ”ํƒ•์œผ๋กœ ์ƒˆ๋กœ์šด ์‹œํ—˜ ๋ฌธ์ œ๋ฅผ ๋š๋”ฑ ๋งŒ๋“ค์–ด๋‚ผ ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค. ์—ฐ๊ตฌ ๊ฒฐ๊ณผ์— ๋”ฐ๋ฅด๋ฉด, AI๊ฐ€ ๋งŒ๋“  ์ˆ˜ํ•™ ๋ฌธ์ œ์˜ ํ’ˆ์งˆ์ด ์ „๋ฌธ๊ฐ€๊ฐ€ ๋งŒ๋“  ๊ฒƒ๊ณผ ๊ฑฐ์˜ ์ฐจ์ด๊ฐ€ ์—†์—ˆ๋‹ค๊ณ  ํ•ด์š”.
  • ๋‚œ์ด๋„ ํ…Œ์ŠคํŠธ: ๋” ๋†€๋ผ์šด ๊ฑด, AI๊ฐ€ ‘๊ฐ€์ƒ ํ•™์ƒ(Synthetic Respondents)’ ์—ญํ• ์„ ํ•ด์„œ ๋ฌธ์ œ๋ฅผ ๋ฏธ๋ฆฌ ํ’€์–ด๋ณธ๋‹ค๋Š” ๊ฒ๋‹ˆ๋‹ค! “์ด ๋ฌธ์ œ๋Š” ๋„ˆ๋ฌด ์–ด๋ ค์›Œ์„œ ์ •๋‹ต๋ฅ ์ด ๋‚ฎ์„ ๊ฒƒ ๊ฐ™์•„์š””๋ผ๊ณ  ๋ฏธ๋ฆฌ ์•Œ๋ ค์ค˜์„œ, ์‹ค์ œ ์‹œํ—˜ ์ „์— ๋‚œ์ด๋„๋ฅผ ์กฐ์ ˆํ•  ์ˆ˜ ์žˆ๊ฒŒ ๋„์™€์ค๋‹ˆ๋‹ค.

4. ํ•ต์‹ฌ ๊ธฐ์ˆ : ‘์˜๋ฏธ ์ง€๋„’๋ฅผ ๊ทธ๋ฆฌ๋Š” AI (Vector Embeddings) ๐Ÿ—บ๏ธ

์ด ๋ชจ๋“  ๊ฒŒ ๊ฐ€๋Šฅํ•œ ์ด์œ ๋Š” AI๊ฐ€ ์ •๋ณด๋ฅผ ‘๋ฒกํ„ฐ ์ž„๋ฒ ๋”ฉ(Vector Embeddings)’์ด๋ผ๋Š” ๋ฐฉ์‹์œผ๋กœ ์ดํ•ดํ•˜๊ธฐ ๋•Œ๋ฌธ์ž…๋‹ˆ๋‹ค. ์–ด๋ ค์šด ๋ง ๊ฐ™์ฃ ? ์‰ฝ๊ฒŒ ์„ค๋ช…ํ•˜๋ฉด ‘์˜๋ฏธ์˜ ์ง€๋„’๋ฅผ ๊ทธ๋ฆฌ๋Š” ๊ฑฐ์˜ˆ์š”.

  • AI๋Š” ์ˆ˜์ฒœ ๊ฐœ์˜ ๋‹จ์–ด์™€ ์ˆ˜์—… ๋‚ด์šฉ์„ ๊ฑฐ๋Œ€ํ•œ ์ง€๋„ ์œ„์— ๋ฐฐ์น˜ํ•ฉ๋‹ˆ๋‹ค.
  • ์˜๋ฏธ๊ฐ€ ๋น„์Šทํ•œ ์ˆ˜์—…๋ผ๋ฆฌ๋Š” ๊ฐ€๊น๊ฒŒ, ๋‹ค๋ฅธ ์ˆ˜์—…์€ ๋ฉ€๋ฆฌ ๋ฐฐ์น˜ํ•˜์ฃ .
  • ์˜ˆ๋ฅผ ๋“ค์–ด, ์ง€๋„ ์œ„์—์„œ ‘ํŒŒ๋ฆฌ’์™€ ‘ํ”„๋ž‘์Šค’์˜ ๊ฑฐ๋ฆฌ์™€ ๋ฐฉํ–ฅ์ด ‘์„œ์šธ’๊ณผ ‘ํ•œ๊ตญ’์˜ ๊ด€๊ณ„์™€ ๊ฐ™๋‹ค๋Š” ๊ฑธ AI๋Š” ๊ณ„์‚ฐ์œผ๋กœ ์•Œ์•„๋ƒ…๋‹ˆ๋‹ค.

์ด ์ง€๋„๋ฅผ ์ด์šฉํ•˜๋ฉด ์ˆ˜๋งŒ ๊ฐœ์˜ ๊ฐ•์˜ ์ค‘์—์„œ ๋‚ด ์ „๊ณต๊ณผ ๋”ฑ ๋งž๋Š” ์ˆ˜์—…์„ ์ฐพ๊ฑฐ๋‚˜, ๊ต์œก ๊ณผ์ •์˜ ๋นˆํ‹ˆ์„ ์ฐพ์•„๋‚ด๋Š” ์ผ์ด ์‹์€ ์ฃฝ ๋จน๊ธฐ๊ฐ€ ๋ฉ๋‹ˆ๋‹ค.

๐Ÿ“ ๊ฒฐ๋ก : AI์™€ ์ธ๊ฐ„์˜ ๋ฉ‹์ง„ ํ˜‘์—…

์ด ๋ณด๊ณ ์„œ๊ฐ€ ๊ฐ•์กฐํ•˜๋Š” ํ•ต์‹ฌ์€ AI๊ฐ€ ์ธ๊ฐ„์„ ๋Œ€์ฒดํ•˜๋Š” ๊ฒŒ ์•„๋‹ˆ๋ผ ‘๋•๋Š”๋‹ค’๋Š” ๊ฒƒ์ž…๋‹ˆ๋‹ค.

  • ์ƒ๋‹ด ์„ ์ƒ๋‹˜์€ AI์˜ ๋ถ„์„ ๋•๋ถ„์— ํ•™์ƒ์—๊ฒŒ ๋” ๊นŠ์ด ์žˆ๋Š” ์กฐ์–ธ์„ ํ•ด์ค„ ์ˆ˜ ์žˆ๊ณ ,
  • ํ–‰์ • ์ง์›์€ ๋‹จ์ˆœ ๋ฐ˜๋ณต ์—…๋ฌด์—์„œ ๋ฒ—์–ด๋‚˜ ํ•™์ƒ๋“ค์„ ์œ„ํ•œ ๋” ์ค‘์š”ํ•œ ์ผ์— ์ง‘์ค‘ํ•  ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค.

๋Œ€ํ•™์˜ ํ–‰์ • ์‹œ์Šคํ…œ์ด AI๋ฅผ ๋งŒ๋‚˜๋ฉด ๋” ๋˜‘๋˜‘ํ•ด์ง€๊ณ , ๊ณต์ •ํ•ด์ง€๊ณ , ํ•™์ƒ ํ•œ ๋ช… ํ•œ ๋ช…์—๊ฒŒ ๋งž์ถคํ˜• ์„œ๋น„์Šค๋ฅผ ์ œ๊ณตํ•  ์ˆ˜ ์žˆ๊ฒŒ ๋ฉ๋‹ˆ๋‹ค. ๋ณด์ด์ง€ ์•Š๋Š” ๊ณณ์—์„œ ์ผ์–ด๋‚˜๋Š” ์ด ์กฐ์šฉํ•œ ํ˜๋ช…์ด ์šฐ๋ฆฌ์˜ ๊ต์œก ๊ฒฝํ—˜์„ ์™„์ „ํžˆ ๋ฐ”๊ฟ”๋†“์„ ๋‚ ์ด ๋จธ์ง€์•Š์€ ๊ฒƒ ๊ฐ™๋„ค์š”! โœจ


ํ‚ค์›Œ๋“œ: #AI๊ต์œก #์—๋“€ํ…Œํฌ #๋Œ€ํ•™ํ˜์‹  #OECD๋ณด๊ณ ์„œ #์ƒ์„ฑํ˜•AI #ํ•™์ ๊ต๋ฅ˜ #์ˆ˜๊ฐ•์‹ ์ฒญ๊ฟ€ํŒ #์ปค๋ฆฌํ˜๋Ÿผ๋ถ„์„ #๊ต์œกํ–‰์ • #๋ฏธ๋ž˜๊ต์œก