학교 AI 에이전트 정책의 재설계: 평가·운영·검증의 실무 기준
· BNV Solutions
최근 한 주 동안 학교 현장의 AI 에이전트* 도입 정책이 눈에 띄게 움직였습니다. K-12 현장에서는 일부 서비스의 기본값을 끄는 조치가 보고되었고, 호주 연방·주 단위 교육장관들은 초등학교에서 AI 사용을 제한하기로 했습니다. 또한 덴마크는 과제 부정행위를 막기 위한 방안으로 고졸 평가에 구술시험*을 도입하는 방안을 추진했습니다. 이런 변화는 단순한 규제 강화라기보다 활용 관점의 재설계 신호로 볼 수 있습니다.
이번 사례들이 드러낸 핵심 메커니즘은 셋입니다. 첫째, 평가 설계와 도구 능력의 불일치가 발생하면 시스템 전체의 신뢰성이 무너집니다. 둘째, 플랫폼 기본설정(예: 검색·도구의 기본 허용 여부)은 현장 실무자의 통제범위를 크게 바꿉니다. 셋째, 검증 방법이 바뀌면 교사와 행정의 작업부하가 이동합니다 — 구술시험은 무결성을 높이지만 시간·인력 비용을 요구합니다.
실무 판단에서는 트레이드오프를 명확히 해야 합니다. 평가 무결성이 최우선인 고-stakes 상황에서는 교실 내 관찰·구술시험·실행 기반 과제를 우선 배치하고, 일상 학습 지원에는 통제된 AI 에이전트를 도입하는 것이 합리적입니다. 플랫폼 배치 결정에서는 온디바이스*와 클라우드의 장단을 저울질해야 합니다: 온디바이스는 데이터 유출 리스크와 지연 시간을 낮추지만 모델 크기와 업데이트 속도에서 제약이 옵니다.
운영 설계의 실무 기준은 분명합니다. 첫째, 평가별로 허용 범위를 문서화해 교사와 학부모에게 투명하게 알립니다. 둘째, 검증 게이트(예: 제출 전 자동검사 + 교사 인터뷰)를 계층화해 부정행위 취약 지점을 줄입니다. 셋째, 사고 발생 시 에스컬레이션 경로와 로그·증거 보존 절차를 미리 마련해야 합니다. 기술적 선택은 교육적 목적과 교사 역량을 기준으로 해야지, 기술 편의성만으로 결정하면 안 됩니다.
비앤브이솔루션은 DuoCodi·DuoMath·DuoTutor·DuoLumi 운영에서 얻은 실무 경험을 바탕으로 정책 템플릿과 교사용 제어판을 제공합니다. 저희는 평가별 허용 프로파일을 만들고, 교사가 직접 검증 게이트를 설정할 수 있게 하며, 필요한 경우 온디바이스 실행 옵션을 통해 민감 데이터의 외부 전송을 줄이는 구조를 적용합니다. 이런 방식으로 교사 중심의 통제와 실용적 운영을 동시에 확보하려 합니다.