유네스코가 직업교육훈련(TVET) 기관을 위한 AI 도입 실무 안내서를 공개했다. 유네스코-유네복(UNEVOC)이 선전폴리테크닉대와 독일 오토 폰 게리케 마그데부르크대와 함께 개발한 자료로, AI의 가능성뿐 아니라 한계와 위험을 이해한 상태에서 기관이 도입 경로를 설계하도록 돕는 것이 목적이다.
유네스코는 AI가 일상과 노동 현장에 빠르게 들어오면서, 사람들이 실제로 AI를 쓰는 속도와 이를 윤리적·효과적으로 사용할 수 있게 하는 정규 훈련 사이에 간극이 생기고 있다고 진단했다. 직업교육기관은 직무 변화에 맞는 역량을 준비시키는 동시에, 기관 운영에서 AI를 어떤 기준으로 사용할지 결정해야 한다.
직업교육의 질문은 ‘어떤 도구를 쓸까’보다 넓다
현장에서는 새 생성형 AI 도구의 기능을 익히는 수업이 먼저 떠오르기 쉽다. 그러나 안내서가 강조하는 지점은 기관 차원의 일관된 접근이다. 교육 목적, 인간의 주도성, 형평성, 안전을 중심에 두고 AI 활용을 정해야 한다. 즉, 도구 사용법을 가르치는 일과 학습자 보호·평가 공정성·교사의 역할을 설계하는 일을 분리하지 말아야 한다는 뜻이다.
예를 들어 기계·전기·돌봄·디자인 같은 직업교육 과정에서 AI는 작업 절차를 설명하고, 반복 연습의 피드백을 돕고, 학습 자료를 개인화하는 데 쓰일 수 있다. 하지만 AI의 답이 실제 안전 기준과 다른 경우, 누가 이를 검증하고 수정할지 정하지 않으면 편리함은 곧 위험이 될 수 있다. 실습 장비와 연결된 교육일수록 사람의 감독과 책임 경로가 분명해야 한다.
학습 결과물보다 판단 과정을 가르치기
AI를 활용한 직업교육의 목표는 더 빨리 산출물을 만드는 데 그치지 않는다. 학습자가 AI의 제안을 그대로 따를지, 현장 조건에 맞게 수정할지, 근거를 어디에서 확인할지를 판단할 수 있어야 한다. 이는 프롬프트 작성 능력과 함께 출처 확인, 데이터 보호, 오류 보고, 동료와의 협업을 가르쳐야 한다는 의미다.
교사의 역할도 없어지기보다 바뀐다. 교사는 정답을 전달하는 사람에서, AI가 제시한 결과가 작업 기준과 안전 규정에 맞는지 함께 검토하도록 돕는 설계자가 된다. 이를 위해 교사 연수는 플랫폼 사용법뿐 아니라 실제 수업 사례를 바탕으로 한 검토 기준, 평가 루브릭, 민감한 데이터의 처리 원칙까지 다뤄야 한다.
국내 기관이 시작할 수 있는 도입 순서
국내 직업교육기관은 우선 한 과목이나 한 실습 과제에서 작은 파일럿을 운영할 수 있다. 학습 목표와 AI가 맡을 역할, 사람이 검토할 지점, 사용 가능한 데이터 범위를 먼저 적어두고 수업 뒤에 오류와 개선점을 기록하는 방식이다. 성과를 단순한 작업 시간 단축으로만 보지 말고, 학습자의 이해도·안전 준수·재작업 감소·교사의 부담 변화를 함께 확인해야 한다.
형평성도 중요한 기준이다. 기기와 계정 접근성이 다른 학습자, 언어·장애 특성에 따라 AI 도구를 쓰기 어려운 학습자가 배제되지 않는지 점검해야 한다. 모든 학습자에게 똑같은 도구를 배포하는 것만으로 공정한 수업이 되지는 않는다. 대체 활동과 지원 인력, 접근 가능한 자료를 함께 준비해야 한다.
산업 현장과의 연결도 필요하다. 교육기관이 기업의 최신 도구를 그대로 들여오기보다, 현장에서 요구하는 품질·보안·안전 기준을 수업의 판단 기준으로 가져와야 한다. 기업은 실습 과제와 피드백을 제공하고, 학교는 학습자의 개인정보와 교육 목적을 지키는 방식으로 역할을 나누면 단기 유행에 휘둘리지 않는 협력이 가능하다.
유네스코의 안내서는 AI 교육을 특별한 기술 수업으로 떼어 놓지 않고, 기관의 교육 목적과 운영 책임 안에 넣으려는 시도다. 직업교육의 경쟁력은 어떤 모델을 가장 빨리 도입했는지가 아니라, 변화하는 도구를 안전하고 비판적으로 활용할 수 있는 학습자를 얼마나 꾸준히 길러내는지에서 갈릴 가능성이 크다.
평가 방식도 바뀔 필요가 있다. AI를 쓴 결과물을 무조건 금지하거나 그대로 제출하게 하는 양쪽 방식만으로는 학습 과정을 보기 어렵다. 어떤 질문을 했는지, 어느 답을 채택하거나 버렸는지, 사실과 안전 기준을 어떻게 확인했는지 기록하게 하면 학습자의 판단을 평가할 수 있다. 이는 현장에서 필요한 책임 있는 협업 방식과도 맞닿아 있다.
기관 차원의 데이터 관리 역시 수업 설계의 일부다. 실습 과정에서 학생의 작업물, 촬영 자료, 기업 사례가 외부 모델에 입력될 수 있다면 동의와 보관, 삭제의 기준이 먼저 마련돼야 한다. 교사 개인의 주의에만 맡기지 말고, 사용 가능한 계정과 서비스, 민감 정보의 처리 절차를 교육기관이 명확히 안내해야 한다.
AI 도입의 속도는 빠르지만, 직업교육이 지켜야 할 기준은 비교적 분명하다. 학습자가 도구에 의존하지 않고 자신의 판단을 키우는가, 누구도 배제되지 않는가, 실제 현장의 안전과 책임을 약화하지 않는가를 지속적으로 물어야 한다. 이 질문에 답할 수 있는 기관 설계가 새로운 도구의 가치를 가장 오래 유지시킬 것이다.
이 과정에서 학습자의 목소리를 정기적으로 듣는 절차도 중요하다. 실제 수업에서 어떤 기능이 도움이 됐는지, 어떤 결과가 혼란스러웠는지, 접근성이나 개인정보 우려는 없었는지를 수집해야 한다. 교사와 관리자, 산업체가 정한 기준만으로는 놓칠 수 있는 경험이 있기 때문이다. AI 도입은 한 번의 구매가 아니라 수업 공동체가 계속 고쳐 가는 운영 과제다.
