지난 글에서는 교사연수에서 AI Agent를 어떻게 가르칠지 생각해 보았습니다. 교사의 실제 업무 장면에서 출발하고, 안전한 실습자료를 쓰고, 결과물을 그대로 쓰지 않고 검토하는 연습이 필요하다는 이야기였습니다. 글을 쓰고 나니 자연스럽게 다음 질문이 남았습니다. 교육전문직 대상 연수는 어떻게 달라져야 할까.

교육전문직도 생성형 AI 연수를 많이 듣고 있습니다. 그런데 막상 업무로 돌아오면 교사연수에서 다룬 예시와는 조금 다른 장면을 만납니다. 학교 지원 계획을 세우고, 연수 운영안을 만들고, 정책자료를 읽고, 회의 결과를 정리하고, 보고서 초안을 잡는 일이 많습니다. 한 문서가 개인 업무로 끝나지 않고 학교, 부서, 기관의 의사결정 흐름과 연결되기도 합니다.

제가 Hermes Agent를 쓰며 느낀 점은, 교육전문직에게 AI Agent를 소개할 때는 ‘편한 도구’보다 ‘업무 흐름을 정리하는 방식’으로 접근해야 한다는 것입니다. Agent가 무엇을 대신해 주는지보다, 어떤 자료를 읽고 어떤 산출물을 만들며 어디에서 사람이 확인해야 하는지를 함께 설계해야 합니다.

1. 교육전문직 업무는 자료의 범위가 넓다

교사 업무에도 문서가 많지만, 교육전문직 업무는 다루는 자료의 범위가 더 넓게 느껴질 때가 많습니다. 정책 문서, 사업 계획, 연수 운영 자료, 학교 안내자료, 회의 메모, 설문 결과, 보고서 초안이 한꺼번에 연결됩니다. 그래서 AI Agent 연수도 단순히 “문장을 잘 만들어 준다”에서 멈추면 부족합니다.

예를 들어 어떤 연수 기획안을 만든다고 생각해 보겠습니다. 관련 정책자료를 훑고, 전년도 운영 결과를 보고, 대상자의 요구를 정리하고, 일정과 강사 구성까지 검토해야 합니다. 이 과정에서 Agent는 자료 요약, 비교표 만들기, 목차 제안, 문서 초안 작성 같은 일을 도울 수 있습니다. 하지만 어느 자료를 우선할지, 어떤 표현이 기관 입장에 맞는지는 사람이 판단해야 합니다.

연수 첫 부분에서는 이 차이를 분명히 해 두는 것이 좋습니다. AI Agent는 넓은 자료를 빠르게 읽고 정리하는 데 도움이 되지만, 기관의 맥락과 책임을 대신하지는 못합니다. 이 선을 알고 시작해야 교육전문직이 안심하고 실습에 들어갈 수 있습니다.

2. 연수 목표를 ‘도구 사용’이 아니라 ‘업무 설계’로 잡기

교육전문직 대상 연수의 목표를 “AI Agent 사용법 익히기”로만 잡으면 기능 소개가 많아집니다. 파일을 읽히는 법, 메일을 쓰는 법, 이미지를 만드는 법을 차례로 보여 줄 수는 있습니다. 하지만 실제 업무에서는 기능 하나보다 흐름 하나가 더 중요합니다.

저라면 연수 목표를 이렇게 잡고 싶습니다. 첫째, 반복되는 초벌 작업을 찾는다. 둘째, Agent에게 맡길 수 있는 부분과 사람이 확인해야 할 부분을 나눈다. 셋째, 산출물 형식과 검토 기준을 정한다. 넷째, 민감정보와 기관 문서의 안전선을 세운다. 이렇게 잡으면 도구 사용이 업무 설계 안으로 들어옵니다.

교육전문직은 이미 업무를 구조화하는 일에 익숙합니다. 사업 계획을 세울 때도 목적, 대상, 일정, 예산, 기대효과를 나눕니다. AI Agent에게 일을 맡기는 것도 비슷합니다. 다만 그 구조를 사람이 아니라 도구가 이해할 수 있게 조금 더 명시적으로 적어 주어야 합니다.

3. 실습 과제는 교육청·연수원 장면으로 구성하기

연수 실습은 참여자의 업무 장면과 닮아 있어야 합니다. 교사연수에서 수업자료와 안내문을 다룬다면, 교육전문직 연수에서는 정책자료 요약, 연수 기획, 학교 지원자료 제작, 회의 결과 정리, 설문 응답 분석 같은 과제가 더 적합합니다.

예를 들어 첫 실습은 “공개 정책자료 3쪽을 읽고 학교 현장용 요약문 만들기”로 시작할 수 있습니다. 두 번째 실습은 “연수 운영 메모를 바탕으로 연수 안내문과 준비 체크리스트 만들기”가 좋습니다. 세 번째 실습은 “가상의 설문 응답 20개를 주제별로 묶고 후속 지원 방안 제안하기”로 이어갈 수 있습니다.

이런 과제는 AI Agent의 장점을 자연스럽게 보여 줍니다. Agent는 자료를 정리하고 형식을 맞추고 초안을 만드는 일을 빠르게 처리합니다. 참여자는 그 결과를 보고 빠진 내용, 과장된 표현, 현장과 맞지 않는 부분을 고칩니다. 이때 연수의 중심은 AI가 만든 결과가 아니라 사람이 검토하는 기준이 됩니다.

4. 연수용 샘플 폴더를 미리 만들어 두기

교육전문직 연수에서는 샘플 자료 준비가 특히 중요합니다. 실제 기관 문서나 학교 민원 자료, 학생 관련 정보가 실습에 들어가면 안 됩니다. 그렇다고 빈 문장만 가지고 실습하면 업무감이 떨어집니다. 그래서 실제와 비슷하지만 민감정보가 없는 샘플 폴더가 필요합니다.

샘플 폴더에는 가상의 연수 운영 계획, 공개 정책자료 발췌문, 익명 설문 응답, 학교 지원 요청 메모, 회의 정리 메모를 넣어 둘 수 있습니다. 참여자는 이 폴더를 바탕으로 Agent에게 “자료를 읽고 요약해 줘”, “연수 안내문 초안을 만들어 줘”, “학교 지원 방안을 표로 정리해 줘”라고 요청해 봅니다.

제가 매일 블로그 원고를 준비할 때도 폴더 구조가 큰 역할을 합니다. 초안, 발행완료, 자료 폴더가 나뉘어 있으니 Agent가 어디에 무엇을 저장해야 하는지 헷갈리지 않습니다. 교육전문직 연수에서도 실습 폴더를 잘 설계해 두면 참여자는 도구보다 업무 흐름에 집중할 수 있습니다.

5. 검토 기준을 체크리스트로 남기기

AI Agent가 만든 산출물을 검토할 때 “잘 봐야 한다”는 말만으로는 부족합니다. 무엇을 봐야 하는지 체크리스트로 남겨야 합니다. 교육전문직 업무에서는 사실관계, 정책 용어, 기관 입장, 학교 현장 적합성, 개인정보, 책임 있는 표현을 확인해야 합니다.

예를 들어 정책자료 요약문을 검토한다면 원문에 없는 내용이 들어갔는지, 특정 학교나 대상을 불필요하게 일반화하지 않았는지, 법령이나 지침 표현이 정확한지 확인해야 합니다. 연수 안내문이라면 일정, 대상, 장소, 신청 방법, 문의처가 빠지지 않았는지 봐야 합니다. 설문 분석 결과라면 소수 의견이 사라지지 않았는지도 살펴야 합니다.

연수에서는 Agent가 만든 초안 옆에 검토 체크리스트를 함께 두는 방식이 좋습니다. 참여자가 직접 고쳐 보면서 “AI가 도와주는 부분”과 “내가 책임지는 부분”을 구분하게 됩니다. 이 구분이 생겨야 현장에서 무리 없이 활용할 수 있습니다.

6. 개인 활용을 넘어 부서 단위 규칙으로 확장하기

교육전문직의 AI Agent 활용은 개인 효율에서 시작할 수 있습니다. 하지만 어느 순간 부서 단위 규칙이 필요해집니다. 어떤 자료를 Agent에게 읽혀도 되는지, 산출물을 공유하기 전에 누가 확인하는지, 공식 문서에 반영할 때 어떤 절차를 거치는지 정해야 합니다.

연수 후반부에는 참여자들이 자기 부서에서 적용할 작은 규칙을 써 보게 하면 좋겠습니다. 예를 들어 “비공개 학교자료는 입력하지 않는다”, “AI가 만든 공문 초안은 담당자 검토 후 내부 결재 문서로 옮긴다”, “정책 해석이 필요한 문장은 원문 링크를 함께 확인한다” 같은 문장입니다.

이런 규칙은 AI 활용을 막기 위한 것이 아닙니다. 오히려 꾸준히 쓰기 위한 안전장치입니다. 기준이 없으면 어떤 사람은 너무 많이 맡기고, 어떤 사람은 아예 쓰지 못합니다. 작은 규칙이 있으면 부서 안에서 경험을 공유하고 개선하기가 쉬워집니다.

7. 연수 결과물은 ‘내 업무 적용안’으로 끝내기

교육전문직 대상 AI Agent 연수의 마지막 산출물은 멋진 프롬프트 모음보다 ‘내 업무 적용안’이면 좋겠습니다. 참여자가 자기 업무 중 하나를 골라서 현재 흐름, Agent에게 맡길 부분, 필요한 자료, 산출물 형식, 검토 기준, 주의사항을 한 장으로 정리해 보는 것입니다.

예를 들어 “연수 만족도 설문 정리”를 고른다면, 자료는 익명 설문 응답이고, Agent에게 맡길 일은 주제별 분류와 개선 의견 초안 작성입니다. 사람의 확인은 응답 왜곡 여부, 과도한 일반화, 실제 운영 여건 반영입니다. 산출물은 보고용 요약표와 다음 연수 개선안이 될 수 있습니다.

이 한 장이 남으면 연수 후 바로 작은 실험을 해 볼 수 있습니다. 처음부터 기관 전체 자동화를 꿈꾸기보다, 내 업무의 한 구간을 안전하게 줄여 보는 것입니다. 그런 경험이 쌓이면 교육전문직 업무경감은 구호가 아니라 실제 업무 습관으로 이어질 수 있습니다.

마무리하며

교육전문직 대상 AI Agent 연수는 도구를 많이 보여 주는 자리보다 업무 흐름을 다시 보는 자리에 가까워야 합니다. 자료가 어디서 오고, 어떤 초안이 필요하며, 누가 어떤 기준으로 확인할지 함께 설계해야 합니다. 그렇게 할 때 AI Agent는 문서 작성 보조 도구를 넘어 교육청·연수원·지원청 업무를 조금 더 정돈하는 동료가 될 수 있습니다.

지난 글에서는 AI Agent 기반 교육지원 연구동향을 어떻게 살펴볼 수 있을지 생각해 보았습니다. 논문 검색어를 넓게 잡고, 수업지원과 업무지원을 나누어 보며, 작은 분석표부터 만들어 보자는 이야기였습니다. 그 글을 쓰고 나니 자연스럽게 연수 장면이 떠올랐습니다. 연구 흐름을 살펴보는 일도 필요하지만, 결국 학교 현장에서는 교사가 실제로 써 볼 수 있어야 하기 때문입니다.

요즘 생성형 AI 연수는 꽤 많아졌습니다. 프롬프트를 잘 쓰는 법, 수업자료를 만드는 법, 이미지를 생성하는 법 같은 주제가 익숙해졌습니다. 그런데 AI Agent는 조금 다르게 가르쳐야 할 것 같습니다. Agent는 한 번의 답변을 잘 받는 도구라기보다, 여러 단계를 이어서 일을 맡기는 방식에 가깝습니다. 그래서 연수도 기능 소개 중심으로만 가면 실제 업무에 잘 붙지 않습니다.

제가 Hermes Agent를 쓰면서 느낀 점은, 처음부터 거창한 자동화를 보여 주는 것보다 “내가 매일 반복하는 작은 일 하나를 어떻게 맡길 수 있을까”에서 출발할 때 이해가 빨라진다는 것입니다. 교사연수에서도 마찬가지입니다. AI Agent를 신기한 기술로 소개하기보다, 교사의 하루 업무 흐름 안에 조심스럽게 놓아 보아야 합니다.

1. 먼저 챗봇과 Agent의 차이를 몸으로 느끼게 하기

교사연수에서 AI Agent를 다룬다면 첫 시간에는 개념 설명을 길게 하기보다 짧은 비교 실습이 좋습니다. 같은 과제를 ChatGPT 같은 챗봇에게 시켜 보고, 이어서 Agent에게 시켜 보는 방식입니다. 예를 들어 “연수 안내문 초안을 써 줘”라고 요청하는 것과, “이 폴더의 지난 안내문을 참고해 새 안내문 초안을 만들고, 파일명까지 정리해 줘”라고 요청하는 차이를 보여 줄 수 있습니다.

이때 참여자가 느껴야 하는 것은 용어가 아니라 업무 방식의 차이입니다. 챗봇은 대화를 잘 이어 가는 데 강점이 있고, Agent는 도구를 쓰고 파일을 다루며 과정을 이어 가는 데 강점이 있습니다. 물론 모든 Agent가 같은 수준으로 동작하는 것은 아니고, 권한 설정과 연결된 도구에 따라 할 수 있는 일이 달라집니다.

연수에서는 이 차이를 너무 과장하지 않는 편이 좋습니다. “이제 AI가 모든 일을 대신한다”는 식의 설명은 현장 교사에게 오히려 불편하게 들릴 수 있습니다. 대신 “반복되는 초벌 작업을 줄이고, 사람은 검토와 판단에 더 집중할 수 있다” 정도로 설명하는 것이 현실적입니다.

2. 연수 주제를 기능이 아니라 업무 장면으로 잡기

AI Agent 연수의 가장 흔한 실수는 기능 목록으로 차시를 구성하는 것입니다. 파일 읽기, 메일 작성, 일정 확인, 이미지 만들기처럼 기능을 하나씩 보여 주면 당장은 그럴듯해 보입니다. 하지만 교사는 연수가 끝난 뒤 자기 자리로 돌아가면 “그래서 내 업무 중 어디에 쓰지?”라는 질문을 다시 하게 됩니다.

그래서 차시는 업무 장면 중심으로 잡는 것이 좋습니다. 예를 들면 수업자료 초안 만들기, 평가 문항 검토하기, 학부모 안내문 다듬기, 회의록 정리하기, 연수 결과 설문 요약하기 같은 장면입니다. 이 장면 안에서 필요한 기능을 자연스럽게 소개하면 참여자가 자기 업무와 연결하기 쉽습니다.

교육전문직 연수라면 장면이 조금 달라질 수 있습니다. 정책자료 요약, 연수 기획안 초안, 학교 지원자료 정리, 보고서 구조 만들기, 공문 초안 검토 같은 과제를 다룰 수 있습니다. 학교관리자 대상이라면 일정, 회의, 공문, 보고 흐름을 줄이는 사례가 더 와닿을 것입니다.

3. ‘좋은 프롬프트’보다 ‘좋은 업무 지시’를 연습하기

생성형 AI 연수에서는 좋은 프롬프트를 많이 강조합니다. 물론 필요합니다. 하지만 AI Agent를 쓸 때는 프롬프트라는 말보다 업무 지시라는 말이 더 가까울 때가 많습니다. 실제로 일을 시킬 때는 목적, 참고자료, 산출물 형식, 제한 조건, 확인해야 할 부분을 함께 알려 주어야 합니다.

예를 들어 “회의록 정리해 줘”라고만 쓰면 결과가 들쭉날쭉합니다. “아래 메모를 바탕으로 참석자, 논의 안건, 결정 사항, 후속 조치로 나누어 정리하고, 개인정보는 일반 표현으로 바꾸어 줘”라고 하면 훨씬 안정적입니다. 여기에 “불확실한 내용은 추정하지 말고 확인 필요로 표시해 줘”라는 조건을 붙이면 더 좋습니다.

이런 연습은 교사에게도 익숙합니다. 교사는 학생에게 과제를 안내할 때도 목적과 기준을 제시합니다. AI Agent에게 일을 맡기는 과정도 비슷합니다. 다만 상대가 사람이 아니기 때문에 더 명시적으로 말해야 하고, 결과를 반드시 확인해야 한다는 점이 다릅니다.

4. 안전한 실습 자료를 따로 준비하기

연수에서 실제 학교 문서나 학생 정보를 그대로 쓰게 하면 안 됩니다. AI Agent가 파일을 읽고 정리할 수 있다는 점이 장점이지만, 바로 그 이유 때문에 개인정보와 민감정보 관리가 중요합니다. 실습 단계에서는 가상의 회의 메모, 익명화된 안내문, 공개 자료를 활용하는 것이 좋습니다.

저라면 연수용 샘플 폴더를 하나 만들어 둘 것 같습니다. 그 안에 가상의 학교 행사 계획서, 회의 메모, 설문 응답 예시, 수업자료 초안, 안내문 초안을 넣어 둡니다. 참여자는 이 자료를 바탕으로 Agent에게 정리, 변환, 검토, 초안 작성을 시켜 봅니다. 실제 자료가 아니기 때문에 실패해도 부담이 적고, 결과 비교도 쉽습니다.

또 하나 필요한 것은 금지선입니다. 학생 이름, 학부모 연락처, 민원 내용, 인사 관련 정보, 비공개 정책자료는 연수 실습에 넣지 않는다는 원칙을 분명히 해야 합니다. AI 활용 연수는 편리함만 가르치는 자리가 아니라, 안전하게 쓰는 기준을 함께 세우는 자리여야 합니다.

5. 결과물을 그대로 쓰지 않고 검토하는 법을 가르치기

AI Agent가 만든 결과물은 초안입니다. 이 말을 연수에서 여러 번 확인해야 합니다. 문장이 자연스럽고 표가 깔끔하다고 해서 그대로 학교 문서가 되는 것은 아닙니다. 사실관계, 학교 맥락, 표현의 적절성, 책임 소재는 사람이 다시 봐야 합니다.

실습에서는 일부러 검토 활동을 넣는 것이 좋습니다. Agent가 만든 안내문 초안을 보고 빠진 정보가 있는지 찾게 하거나, 회의록 정리 결과에서 추정한 표현을 표시하게 할 수 있습니다. 평가 문항 초안을 만들었다면 교육과정 성취기준과 난이도, 편향 가능성을 확인하게 해야 합니다.

이 과정은 AI를 불신하자는 뜻이 아닙니다. 오히려 잘 쓰기 위한 절차입니다. 교사가 결과를 검토하는 기준을 가질수록 AI Agent는 더 유용해집니다. 사람의 전문성이 사라지는 것이 아니라, 초벌 작업을 줄인 뒤 전문성이 들어갈 자리를 더 분명히 만드는 것입니다.

6. 개인 자동화보다 학교 안 협업 규칙까지 생각하기

AI Agent는 개인 업무를 줄이는 데서 시작하지만, 학교 안에서 쓰려면 협업 규칙이 필요합니다. 같은 안내문을 여러 사람이 각자 다른 방식으로 만들면 오히려 혼란이 생길 수 있습니다. 어떤 자료를 AI에 넣어도 되는지, 결과물은 누가 확인하는지, 공식 문서로 쓰기 전 어떤 절차를 거치는지 정해야 합니다.

연수 후반부에는 참여자들이 자기 학교에 필요한 작은 규칙을 적어 보게 하면 좋겠습니다. 예를 들어 “학생 개인정보는 입력하지 않는다”, “AI가 만든 학부모 안내문은 담당자와 관리자 확인 후 배부한다”, “회의록은 녹취 원문이 아니라 정리 메모를 바탕으로 작성한다” 같은 문장입니다. 거창한 지침보다 실제로 지킬 수 있는 규칙이 중요합니다.

교육청이나 연수원 차원에서는 이런 규칙을 학교가 혼자 만들도록 두기보다 예시안을 제공할 수 있습니다. AI Agent 활용 사례와 함께 주의사항, 점검표, 권장 절차를 묶어 주면 학교 현장의 부담이 줄어듭니다.

7. 연수의 끝은 ‘내일 해 볼 한 가지’로 남기기

좋은 연수는 끝난 뒤 바로 해 볼 일이 남습니다. AI Agent 연수도 마찬가지입니다. 참여자가 모든 기능을 익히고 돌아가기는 어렵습니다. 대신 내일 바로 해 볼 작은 과제 하나를 정하게 하는 것이 더 현실적입니다.

예를 들어 “다음 주 안내문 초안을 만들고 사람이 검토하기”, “회의 메모를 결정 사항과 후속 조치로 정리하기”, “연수 설문 응답 10개를 주제별로 묶어 보기” 정도면 충분합니다. 작은 성공 경험이 생기면 다음 활용으로 이어집니다. 반대로 처음부터 너무 큰 자동화를 시도하면 실패했을 때 도구 전체에 대한 신뢰가 떨어질 수 있습니다.

제가 매일 블로그 원고와 이미지를 준비하는 과정도 결국 작은 반복에서 시작했습니다. 하루 한 편의 초안을 만들고, 파일을 정리하고, 링크를 확인하는 흐름이 쌓이면서 AI Agent를 일하는 동료처럼 다루는 감각이 생겼습니다. 교사연수도 그런 감각을 만드는 쪽으로 설계되어야 합니다.

마무리하며

교사연수에서 AI Agent를 가르친다는 것은 새로운 기능을 많이 보여 주는 일이 아닙니다. 교사의 실제 업무 장면을 놓고, 어떤 일은 맡기고 어떤 판단은 사람이 붙잡을지 함께 연습하는 일입니다. 안전한 자료로 실습하고, 결과를 검토하고, 학교 안 규칙까지 생각할 때 AI Agent 활용은 조금 더 현실적인 업무경감으로 이어질 수 있습니다.

지난 글에서는 AI Agent 활용 경험을 논문 주제로 연결하는 방법을 생각해 보았습니다. 매일 원고를 준비하고, 파일을 만들고, 이미지와 링크를 정리하는 과정도 그냥 사용기가 아니라 연구 자료가 될 수 있다는 이야기였습니다. 그러고 나니 자연스럽게 다음 단계가 떠올랐습니다. 내 경험만 들여다볼 것이 아니라, 이미 교육 분야에서는 AI Agent를 어떻게 연구하고 있는지 살펴보는 일입니다.

교육공학을 공부하다 보면 새로운 기술이 등장할 때마다 비슷한 흐름을 보게 됩니다. 처음에는 도구 소개와 가능성 논의가 많고, 조금 지나면 수업 적용 사례와 효과 검증이 나오며, 그 뒤에는 윤리, 교사 역할, 제도적 조건 같은 질문이 따라옵니다. 생성형 AI도 그랬고, AI Agent도 비슷한 길을 갈 가능성이 큽니다.

다만 AI Agent는 단순한 챗봇보다 업무 흐름과 더 가깝습니다. 사용자가 질문을 던지면 답을 주는 수준을 넘어, 파일을 읽고, 도구를 호출하고, 여러 단계를 이어서 처리합니다. 그래서 교육지원 연구에서도 “수업에 썼다”라는 말만으로는 부족합니다. 어떤 교육지원 업무에서, 어떤 도구 사용이 일어났고, 사람이 어디에서 판단했는지를 함께 보아야 합니다.

1. 먼저 검색어를 넓게 잡아 보기

연구동향을 보려면 검색어부터 정해야 합니다. 그런데 AI Agent라는 표현은 아직 논문마다 다르게 쓰일 수 있습니다. 어떤 논문은 autonomous agent라고 쓰고, 어떤 논문은 generative AI agent, LLM agent, intelligent tutoring agent, pedagogical agent 같은 표현을 쓸 수 있습니다. 교육 분야에서는 학습지원 에이전트라는 오래된 표현도 함께 섞여 있습니다.

그래서 처음에는 검색어를 좁게 잡기보다 넓게 잡는 편이 좋습니다. 예를 들어 “AI agent education”, “LLM agent learning”, “generative AI agent teacher support”, “autonomous agent educational support” 같은 조합을 생각해 볼 수 있습니다. 국내 자료라면 “AI 에이전트 교육”, “생성형 AI 에이전트”, “교육지원 AI”, “교사 업무 지원 AI” 같은 표현을 함께 볼 수 있습니다.

Hermes Agent 같은 도구를 활용한다면 이 단계에서 검색어 후보를 표로 정리해 달라고 요청할 수 있습니다. 다만 Agent가 만들어 준 검색어를 그대로 믿기보다, 실제 데이터베이스에서 검색해 보고 너무 넓거나 좁은 표현을 조정해야 합니다. 문헌 검색은 자동화할 수 있지만, 연구자가 범위를 정하는 일은 여전히 사람의 판단이 필요합니다.

2. ‘수업지원’과 ‘업무지원’을 구분해서 보기

AI Agent 기반 교육지원 연구를 볼 때 저는 먼저 두 갈래로 나누어 보고 싶습니다. 하나는 학생 학습과 수업을 직접 돕는 수업지원입니다. 예를 들면 학습자 질문 응답, 개별 피드백, 튜터링, 학습자료 추천, 과제 안내 같은 영역입니다. 이쪽은 기존의 지능형 튜터링 시스템이나 챗봇 연구와 연결됩니다.

다른 하나는 교사와 교육전문직의 업무를 돕는 업무지원입니다. 수업자료 초안 작성, 평가 문항 검토, 회의록 정리, 연수 기획, 정책자료 요약, 보고서 초안 작성 같은 영역입니다. 제가 블로그에서 계속 다루고 있는 부분은 이쪽에 더 가깝습니다. 학교 현장에서는 수업만큼이나 행정과 협의, 문서 업무가 큰 비중을 차지하기 때문입니다.

두 영역은 서로 이어져 있지만 연구 질문은 조금 다릅니다. 수업지원 연구는 학습 효과, 상호작용, 피드백의 질을 묻는 경우가 많습니다. 업무지원 연구는 시간 절감, 업무 흐름, 책임 소재, 자료 보안, 전문성 유지가 더 중요해집니다. 연구동향을 분석할 때 이 둘을 섞어 버리면 AI Agent가 실제로 무엇을 지원했는지 흐려질 수 있습니다.

3. 문헌을 읽기 전에 분류 틀을 작게 만든다

논문을 많이 모은 뒤에야 분류 기준을 만들 수도 있지만, 처음부터 작은 틀을 가지고 읽으면 훨씬 덜 헤맵니다. 예를 들어 연구 대상은 학생, 교사, 관리자, 교육전문직 중 누구인지 볼 수 있습니다. 지원 과업은 학습지원, 수업설계, 평가, 행정업무, 상담·생활지도, 전문성 개발 중 어디에 가까운지 나눌 수 있습니다.

또 AI Agent의 기능도 구분해 볼 수 있습니다. 단순 응답인지, 외부 자료 검색을 하는지, 파일을 읽고 요약하는지, 일정을 만들거나 문서를 생성하는지, 여러 도구를 이어서 쓰는지 보는 것입니다. AI Agent라는 이름을 붙였지만 실제로는 챗봇 수준인 경우도 있고, 반대로 작은 자동화 흐름까지 포함한 경우도 있을 수 있습니다.

연구 방법도 함께 봐야 합니다. 개념 논문인지, 사례연구인지, 실험연구인지, 설계기반연구인지, 문헌분석인지에 따라 해석이 달라집니다. 특히 초기 연구동향에서는 개념 논의와 가능성 탐색이 많을 수 있으므로, 효과가 입증된 것처럼 읽지 않도록 조심해야 합니다.

4. AI Agent에게 맡길 수 있는 일과 맡기면 안 되는 일

문헌분석 과정에서도 AI Agent는 꽤 유용합니다. 논문 목록을 정리하고, 초록을 표로 만들고, 연구 목적과 방법을 추출하는 작업은 반복적입니다. 사람이 하나씩 해도 되지만 시간이 오래 걸리고, 중간에 형식이 흐트러지기도 쉽습니다. Agent에게 일정한 표 형식을 주고 정리하게 하면 초벌 작업을 줄일 수 있습니다.

하지만 이 과정에도 선을 그어야 합니다. AI Agent에게 논문 원문을 다 읽고 결론까지 대신 내리게 하면 위험합니다. 특히 초록만 보고 연구 결과를 단정하거나, 실제 논문에 없는 내용을 그럴듯하게 보태는 문제가 생길 수 있습니다. 문헌분석에서는 출처 확인과 원문 대조가 매우 중요합니다.

저라면 Agent에게는 “정리”와 “검토 보조”를 맡기고, 연구자의 해석은 따로 남길 것 같습니다. 예를 들어 Agent가 초록에서 연구대상, 방법, 주요 키워드를 추출하게 한 뒤, 제가 원문을 확인하며 수정합니다. 그다음 분류 기준에 맞게 다시 묶어 보고, 애매한 논문은 별도 표시합니다. 자동화는 속도를 높이는 역할이고, 판단은 연구자가 맡는 구조입니다.

5. 교육전문직 관점의 질문을 따로 세워 보기

AI Agent 연구동향을 교육전문직 관점에서 본다면 조금 다른 질문이 생깁니다. 기존 연구가 학생 학습에 많이 치우쳐 있다면, 교사와 학교관리자, 교육청 업무를 지원하는 연구는 얼마나 있는지 궁금해집니다. 또 정책자료 요약, 연수 운영, 학교 지원 장학, 공문·보고 업무 같은 실제 업무가 연구에서 어떻게 다루어지는지도 볼 수 있습니다.

예를 들어 “AI Agent는 교사의 행정업무 부담을 줄이는가”라는 질문은 단순한 효율성 문제가 아닙니다. 줄어든 시간이 수업 준비와 학생 이해에 쓰이는지, 아니면 또 다른 업무로 채워지는지도 함께 보아야 합니다. 교육전문직 업무에서도 마찬가지입니다. 자료 요약이 빨라졌다고 해서 정책 판단이 자동으로 좋아지는 것은 아닙니다.

그래서 연구동향 분석에는 현장 맥락을 읽는 질문이 들어가야 합니다. 어떤 업무를 줄였는가, 어떤 책임은 여전히 사람에게 남는가, 학교 구성원은 AI Agent를 어떻게 받아들이는가, 자료 보안과 공정성 문제는 어떻게 다루는가 같은 질문입니다. 이런 질문이 있어야 교육지원 연구가 기술 소개에 머물지 않습니다.

6. 작은 분석표부터 만들어 보기

처음부터 완벽한 체계적 문헌고찰을 하려고 하면 부담이 큽니다. 저는 먼저 20편 정도의 논문이나 보고서를 대상으로 작은 분석표를 만들어 보는 방식이 현실적이라고 생각합니다. 제목, 연도, 국가, 대상, 지원 과업, 사용 기술, 연구 방법, 주요 결과, 한계, 교육현장 시사점을 열로 두고 정리해 보는 것입니다.

이 표를 만들면 연구동향이 조금씩 보입니다. 특정 연도 이후 논문이 늘어났는지, 학생 대상 연구가 많은지 교사 업무지원 연구가 많은지, 실제 학교 적용보다 개념 논의가 많은지 확인할 수 있습니다. 빈칸도 중요한 정보가 됩니다. 아직 연구가 부족한 영역이 어디인지 보여 주기 때문입니다.

Hermes Agent에게는 이 표의 초안을 만들게 할 수 있습니다. 예를 들어 논문 목록과 초록을 넣고, 정해진 열에 맞춰 1차 분류를 요청합니다. 이후 사람은 각 셀을 확인하고, 분류가 맞지 않는 부분을 고칩니다. 이렇게 하면 연구자는 반복 정리에 쓰는 시간을 줄이고, 해석과 논의에 더 많은 시간을 쓸 수 있습니다.

7. 블로그 연재와 연구동향 분석을 연결하기

이번 블로그 연재는 개인적인 AI Agent 사용 경험에서 시작했지만, 점점 연구와 강의로 이어질 수 있는 자료가 되고 있습니다. 매일 글을 쓰면서 교육현장 업무, 교사 지원, 교육전문직 업무경감, 학교관리자 업무 흐름 같은 주제가 반복해서 나타났습니다. 연구동향 분석은 이 경험을 더 넓은 학술 흐름 안에 놓아 보는 작업입니다.

블로그는 논문처럼 엄격한 형식을 요구하지 않지만, 좋은 질문을 남기기에는 좋은 공간입니다. “학교에서 AI Agent는 누구의 일을 줄이는가”, “어떤 업무는 자동화할 수 있고 어떤 업무는 사람이 붙잡아야 하는가”, “업무경감은 전문성 강화와 어떻게 연결되는가” 같은 질문을 계속 남길 수 있습니다. 나중에 논문이나 연수로 확장할 때 이 질문들이 방향을 잡아 줄 수 있습니다.

저는 앞으로 AI Agent 활용을 단순히 신기한 도구 사용기로만 보지 않으려 합니다. 교육공학 연구자로서, 그리고 교육전문직 업무를 경험하는 사람으로서 이 변화가 학교 업무와 교사의 삶에 어떤 의미를 갖는지 계속 살펴보고 싶습니다. 연구동향 분석은 그 길에서 한 번쯤 꼭 거쳐야 할 정리 작업입니다.

마무리하며

AI Agent 기반 교육지원 연구동향을 분석한다는 것은 논문 목록을 많이 모으는 일만은 아닙니다. 어떤 교육지원 장면을 보고 싶은지, 어떤 과업을 구분할 것인지, 사람의 판단과 Agent의 자동화를 어떻게 나누어 볼 것인지 정하는 일입니다. 그 기준이 있어야 문헌들이 하나의 흐름으로 읽힙니다.

지난 글에서는 AI Agent를 학교에 도입할 때 필요한 원칙을 정리했습니다. 편리하다는 이유만으로 학교 업무에 곧바로 넣기보다, 어떤 자료를 맡기지 않을 것인지, 누가 최종 확인할 것인지, 교사의 전문성을 어떻게 지킬 것인지부터 살펴보아야 한다는 이야기였습니다. 그 글을 쓰고 나니 자연스럽게 다음 질문이 생겼습니다. 지금 제가 이렇게 AI Agent를 쓰고 기록하는 경험은 연구 주제가 될 수 있을까 하는 질문입니다.

저는 교육공학을 공부했고, 교육전문직 업무를 하면서 새로운 기술이 학교 현장에 들어올 때 어떤 과정을 거치는지 자주 보게 됩니다. 기술 자체보다 중요한 것은 사람들이 그 기술을 어떻게 이해하고, 어떤 업무 장면에서 받아들이며, 어떤 불안과 기대를 함께 갖는가였습니다. AI Agent도 마찬가지입니다. 단순히 “좋다, 나쁘다”로 판단하기에는 이미 업무 방식 안으로 조금씩 들어오고 있습니다.

Hermes Agent를 사용하면서 블로그 원고를 준비하고, 파일을 만들고, 이미지를 렌더링하고, Google Drive에 올려 링크를 정리하는 과정을 매일 반복해 보았습니다. 이 과정은 개인적인 활용기이기도 하지만, 교육공학 관점에서는 꽤 흥미로운 현장 자료가 됩니다. 사람이 AI에게 무엇을 맡기고, 어디에서 다시 확인하며, 어떤 기준으로 결과물을 수정하는지 드러나기 때문입니다.

1. 연구 주제는 거창한 기술보다 실제 장면에서 나온다

AI Agent를 연구한다고 하면 먼저 최신 모델 성능이나 복잡한 시스템 구조를 떠올리기 쉽습니다. 물론 그런 연구도 필요합니다. 하지만 교육현장과 교육전문직 업무에 가까운 연구라면, 출발점은 더 작고 구체적이어도 괜찮습니다. 예를 들어 “교육전문직은 반복 문서 업무에서 AI Agent를 어떻게 활용하는가” 같은 질문이 오히려 현장과 가깝습니다.

제가 매일 경험하는 장면도 그렇습니다. 오늘 준비할 글의 순번을 확인하고, 이전 글의 흐름을 읽고, 다음 원고를 쓰고, Word 파일과 이미지를 만들고, Drive에 업로드한 뒤 목차 파일에 기록합니다. 사람이 직접 하면 어렵지는 않지만 여러 단계가 이어져 있어 놓치기 쉽습니다. AI Agent는 이 과정을 하나의 흐름으로 묶어 처리합니다.

연구 주제는 바로 이런 지점에서 나올 수 있습니다. AI Agent가 어떤 업무 단계를 대신했는가, 어떤 단계에서는 사람이 개입했는가, 자동화가 시간을 줄였는가, 오히려 확인해야 할 일이 늘었는가 같은 질문입니다. 기술을 설명하는 연구가 아니라, 기술이 업무 흐름을 어떻게 바꾸는지 보는 연구입니다.

2. 사용 기록은 연구 자료가 될 수 있다

AI Agent를 쓰다 보면 대화 기록, 생성된 파일, 수정 전후 원고, 작업 로그, 오류 메시지 같은 자료가 남습니다. 평소에는 그냥 지나가는 흔적이지만, 연구 관점에서는 중요한 자료가 될 수 있습니다. 특히 교육공학 연구에서는 학습자나 교사의 행동 기록뿐 아니라, 도구 사용 과정에서 남는 상호작용 기록도 의미 있게 다룰 수 있습니다.

예를 들어 제가 Hermes Agent에게 “다음 글을 준비해 줘”라고 요청하면, Agent는 목차 파일을 읽고, 초안 폴더를 확인하고, 다음 순번을 판단합니다. 그다음 원고를 만들고, 이미지 제작 방식을 선택하고, 업로드 결과를 확인합니다. 이 기록을 모으면 AI Agent와 사람이 함께 일하는 절차가 보입니다.

물론 모든 기록을 그대로 연구 자료로 쓰면 안 됩니다. 개인 계정 정보, 파일 경로, 인증 관련 내용, 민감한 업무 내용은 제외하거나 비식별화해야 합니다. 연구 자료로 삼으려면 무엇을 수집하고 무엇을 제외할지 기준을 먼저 정해야 합니다. 연구가 되려면 기록이 많다는 사실보다, 기록을 다루는 원칙이 분명해야 합니다.

3. 연구문제는 ‘효과’보다 ‘과정’을 먼저 묻는 것이 좋다

새로운 도구 연구에서 자주 나오는 질문은 “효과가 있는가”입니다. AI Agent도 업무 시간을 얼마나 줄였는지, 산출물의 질이 좋아졌는지 측정하고 싶어집니다. 그런데 초기 단계에서는 효과를 단정하기보다 과정부터 보는 편이 더 안전합니다. 아직 사용 방식이 안정되지 않았고, 사람마다 업무 맥락도 다르기 때문입니다.

예를 들면 이런 연구문제를 생각해 볼 수 있습니다. 교육전문직 업무에서 AI Agent는 어떤 반복 작업을 지원하는가. 사용자는 어떤 단계에서 AI Agent의 산출물을 신뢰하거나 수정하는가. AI Agent 활용 과정에서 개인정보와 책임 문제는 어떻게 인식되는가. 자동화 경험은 업무경감에 대한 기대와 불안을 어떻게 바꾸는가.

이런 질문은 숫자 하나로 끝나지 않습니다. 대신 실제 사용자의 경험과 판단 과정을 자세히 보여 줄 수 있습니다. AI Agent가 시간을 몇 분 줄였는지도 중요하지만, 사람이 어떤 일을 맡길 수 있다고 느끼는지, 어떤 일은 끝까지 직접 확인해야 한다고 느끼는지 보는 것도 중요합니다.

4. 작은 사례연구나 실행연구로 시작할 수 있다

처음부터 큰 표본을 모으거나 여러 학교를 비교하는 연구를 하기는 쉽지 않습니다. 오히려 개인의 실제 사용 경험을 바탕으로 한 사례연구, 혹은 작은 실행연구가 출발점이 될 수 있습니다. 교육전문직 한 명이 AI Agent를 업무 지원 도구로 사용하면서 어떤 가능성과 한계를 경험했는지 정리하는 방식입니다.

예를 들어 한 달 동안 AI Agent를 활용한 업무를 기록해 볼 수 있습니다. 자료 요약, 연수 기획, 공문 초안, 설문 문항, 회의록 정리, 블로그 원고 준비 같은 작업을 범주화합니다. 각 작업에서 요청 내용, 산출물, 수정 사항, 소요 시간, 느낀 점을 간단히 남깁니다. 이렇게 쌓인 자료는 연구의 1차 자료가 됩니다.

실행연구로 본다면 더 분명합니다. 먼저 현재 업무에서 반복되는 어려움을 진단하고, AI Agent를 활용한 개선 방안을 적용해 본 뒤, 결과와 한계를 성찰합니다. 한 번의 적용으로 끝내지 않고 다음 주기에서 요청 방식이나 검토 기준을 바꾸어 보는 것입니다. AI Agent 활용은 완성된 처방이라기보다 계속 조정되는 실천에 가깝습니다.

5. 윤리와 개인정보는 연구 설계의 앞부분에 놓아야 한다

AI Agent 활용 경험을 연구로 연결할 때 가장 조심해야 할 부분은 윤리와 개인정보입니다. 특히 학교 현장 자료가 들어가는 순간 주의 수준이 달라집니다. 학생 이름을 지웠다고 해서 충분한 것이 아닙니다. 학교명, 행사명, 특정 상황, 날짜가 합쳐지면 개인이나 기관이 드러날 수 있습니다.

그래서 연구 설계 단계에서 자료 범위를 제한해야 합니다. 공개 가능한 자료, 연구자가 직접 작성한 가상 사례, 이미 비식별화된 예시, 개인 작업 기록처럼 위험이 낮은 자료부터 시작하는 것이 좋습니다. 실제 학교 자료를 쓰려면 기관의 절차, 동의, 보안, 저장 위치, 폐기 기준까지 함께 검토해야 합니다.

또 하나는 AI Agent가 만든 산출물을 연구 결과처럼 착각하지 않는 것입니다. AI가 정리한 표나 요약은 연구자의 분석을 돕는 자료일 수는 있지만, 그대로 결론이 되지는 않습니다. 연구자는 자료를 어떻게 해석했는지, 어떤 기준으로 코딩하거나 분류했는지 설명해야 합니다. 도구가 분석을 도와도 연구 책임은 사람에게 남습니다.

6. 교육공학의 언어로 번역하는 과정이 필요하다

개인 사용기를 논문 주제로 만들려면 경험을 교육공학의 언어로 번역해야 합니다. “편했다”에서 멈추면 블로그 후기이고, “어떤 과업 구조에서 어떤 지원이 일어났는가”로 바꾸면 연구 질문에 가까워집니다. “시간이 줄었다”도 “반복적 인지 부담이 줄었는가”, “산출물 검토 과정이 어떻게 바뀌었는가”로 조금 더 정리할 수 있습니다.

예를 들어 AI Agent의 도구 사용은 수행지원(performance support) 관점에서 볼 수 있습니다. 기억과 자동화는 개인 지식관리나 업무흐름 자동화와 연결됩니다. Telegram 그룹방을 업무공간처럼 나누어 쓰는 방식은 분산된 학습·업무 환경 설계로 볼 수도 있습니다. 교육전문직의 업무경감은 단순 효율이 아니라 전문적 판단에 쓸 시간을 확보하는 문제로 해석할 수 있습니다.

이렇게 번역하는 과정이 중요합니다. 기술 경험을 이론에 억지로 끼워 맞추자는 뜻은 아닙니다. 현장에서 실제로 일어난 일을 교육공학 개념으로 설명하면, 개인 경험이 다른 사람도 검토할 수 있는 연구 주제로 바뀝니다.

7. 블로그 연재는 연구 노트가 될 수 있다

이번 AI Agent 연재는 티스토리에 올릴 글을 준비하는 작업이지만, 동시에 연구 노트의 역할도 할 수 있습니다. 매 글마다 어떤 업무 장면을 다루었는지, 어떤 가능성과 한계를 보았는지, 다음 질문이 무엇인지가 남기 때문입니다. 나중에 이 글들을 다시 읽으면 연구문제 후보와 사례 자료가 자연스럽게 정리될 수 있습니다.

물론 블로그 글과 논문은 다릅니다. 블로그는 경험을 쉽게 풀어 쓰는 공간이고, 논문은 선행연구와 방법, 분석, 논의를 갖추어야 합니다. 하지만 좋은 연구는 대개 일상의 질문에서 출발합니다. “이거 실제로 도움이 되나?”, “왜 어떤 업무에는 잘 맞고 어떤 업무에는 조심스러울까?”, “학교에서는 어떻게 받아들일까?” 같은 질문이 연구의 씨앗이 됩니다.

저는 AI Agent를 쓰는 경험을 단순한 활용기로만 남기고 싶지는 않습니다. 교육현장 업무경감, 교사의 전문성 보호, 학교관리자의 업무 흐름, 교육전문직의 지원 방식과 연결해 보고 싶습니다. 그렇게 보면 매일 남기는 원고와 파일, 작은 시행착오도 나중에는 연구 설계의 자료가 됩니다.

마무리하며

AI Agent 활용 경험을 논문 주제로 연결한다는 것은 거창한 기술 연구를 하겠다는 뜻만은 아닙니다. 오히려 내가 실제로 어떤 일을 맡겨 보았고, 어디에서 도움이 되었으며, 어떤 지점에서 사람이 다시 판단해야 했는지를 차분히 기록하는 일에 가깝습니다. 그 기록이 쌓이면 교육공학 연구의 질문으로 다듬을 수 있습니다.

인사이동 시즌이 되면 가장 많이 발생하는 일이 자리 이동으로 인한 컴퓨터 자료 백업입니다.

교육기관에서는 보안상 물리 USB 사용 시 보안 USB 신청 및 승인 절차를 거쳐야 하는 경우가 많아 번거롭습니다. 그래서 저는 물리 USB 대신 **Office 365 생성 계정의 OneDrive를 활용한 '웹 USB'**를 사용하고 있습니다.

이 방법은 별도의 프로그램 설치 없이 인터넷만 연결되어 있으면 어디서든 파일을 내려받을 수 있고, 필요하면 비밀번호까지 설정할 수 있어 꽤 유용합니다.

사전 준비

Office 365 생성 계정이 없다면 먼저 아래 글을 참고하여 계정을 만들어 주세요.

▶ Office 365 생성 계정 만들기

https://gyo6.pe.kr/69

왜 웹 USB를 사용할까?

물리 USB 대신 웹 USB를 사용하면 다음과 같은 장점이 있습니다.

• 보안 USB 신청이 필요 없다.
• 언제 어디서든 인터넷만 있으면 접속 가능
• 휴대폰에서도 다운로드 가능
• 파일 수정 시 다시 USB를 전달할 필요 없음
• 파일 공유시 링크만 보내면 즉시 공유 가능
• 필요하면 비밀번호 설정도 가능

특히 인사이동 시 업무 인수인계 자료, 연수 자료, 대용량 파일 백업에 매우 편리합니다.

1단계. OneDrive에 공유 폴더 만들기

Office 365(office.com)에 로그인한 후 OneDrive를 실행합니다.

새 폴더를 하나 생성합니다.

예) 업무인수인계  연수자료 공용자료 등

파일을 모두 이 폴더에 넣어두면 됩니다.

2단계. 공유 링크 생성

폴더를 선택한 뒤

공유(Share) 를 클릭합니다.

링크 설정에서 몇가지 설정을 하시면 됩니다.

1. 로그인 없이 추후 단축 URL로 바로 접속하기 위하여 선택

2. 파일을 업로드 / 다운로드 양방향으로 하기 위하여 편집 가능 선택

3. 접속 주소가 남아 있을 경우 보안을 위하여 비밀번호 입력 권장(비밀 번호 없이 접속 시 기존 접속 경로가 남아 있을 경우 누구나 접속 할 수 있음, 웹 브라우져 초기화 하고 부서 이동 권장)

4. 적용을 클릭하고 생성되는 팝업창에서 '링크복사' 클릭(클립보드에 공유 링크가 복사되었습니다. 긴 링크로 접속이 가능하지만, 웹브라우져에 입력하기 불가능하므로, 단축 URL 생성을 하는 것을 추천드립니다.)

 

3단계. 단축 URL 만들기

OneDrive 링크는 매우 깁니다.

이동한 기관에서 웹주소로 접속하기 불편하므로  단축 URL 서비스를 활용하면 좋습니다.

단축URL을 제공하는 서비스는 다양합니다.

저는 접속의 안정성 때문에 bitly.com을 주로 사용합니다.

이전 포스팅 하단 부분에 상세 화면이 있으니 참고하시면 됩니다.

https://gyo6.pe.kr/69

실제 활용 예

크롬 브라우져에 앞 단계에서 생성한 URL을 입력해서 접속합니다.

암호를 입력하시고, 확인을 클릭하면 저장한 파일이 보입니다.

 

USB를 준비하거나 전달할 필요도 없고, 근무지-자택간 파일 공유도 손쉽게 가능합니다.

단! 개인정보 또는 업무 보안상 관리해야하는 파일은 업로드를 하시면 안됩니다.

개인적으로 연수 운영을 할때 파일을 내려받기 하기 편해서 도움을 많이 받고 있습니다.

- 출장지에서 강의자료 내려받기

- 인사이동시 자료 백업하기

- 공유폴더 활용 구성원에게 자료 모으기

- 인수인계 자료 모아서 후임자에게 전달하기 등..

위 사례 이외에 개인별로 다양하게 활용하실 수 있을거 같구요~

경상북도교육청 소속 교직원이라면 누구나 사용할 수 있으니, 개인정보/보안자료가 업로드 되는지 잘 체크하고, 활용하시면 어떨까요?

만약 접속 후 파일 화면이 잘 보이지 않을 경우 Ctrl + Shift + R 한번 해주시면 정상적으로 보이실거에요~

그래도 안되시면, 크롬 새시크릿창에서 접속을 하셔도 되구요~

딸깍 횟수를 줄여서 업무경감 하시길!!

지난 글에서는 학교 일정, 회의, 공문, 보고가 서로 따로 움직이는 것처럼 보이지만 실제로는 하나의 흐름으로 이어진다는 이야기를 했습니다. 일정 하나가 회의 안건이 되고, 공문 하나가 보고자료로 이어지며, 같은 내용을 여러 번 옮겨 적는 과정에서 업무 피로가 커진다는 점도 살펴보았습니다. 자연스럽게 다음 질문이 생깁니다. 그렇다면 이런 흐름을 줄이기 위해 AI Agent를 학교에 들여와도 되는가, 들여온다면 무엇부터 조심해야 하는가 하는 질문입니다.

저는 AI Agent를 쓰면서 편리함을 꽤 많이 경험했습니다. 블로그 원고를 준비하고, 파일을 만들고, 이미지를 생성하고, Google Drive에 올려 링크까지 정리하는 과정을 맡겨 보면서 “일을 시킨다”는 말이 무엇인지 조금씩 체감했습니다. 교육전문직 업무에서도 자료 요약, 연수 기획, 공문 초안, 설문 문항, 회의록 정리처럼 도움을 받을 수 있는 장면이 많았습니다.

하지만 학교에 적용하는 문제는 개인이 혼자 쓰는 문제와 다릅니다. 학교에는 학생 정보가 있고, 교사의 전문적 판단이 있고, 학부모와 지역사회가 있고, 공적 책임이 있습니다. 그래서 AI Agent 도입은 “될까, 안 될까”보다 “어떤 원칙 위에서 조금씩 써 볼 것인가”로 접근해야 합니다.

1. 먼저 ‘무엇을 맡기지 않을 것인가’를 정한다

새로운 도구를 도입할 때는 보통 무엇을 할 수 있는지부터 봅니다. AI Agent도 마찬가지입니다. 문서 작성, 자료 요약, 일정 정리, 파일 변환, 이미지 제작 등 가능한 일이 많습니다. 그런데 학교에서는 반대로 “맡기지 않을 일”을 먼저 정하는 것이 더 안전합니다.

예를 들어 학생의 민감한 상담 내용, 개별 학생의 징계나 평가 판단, 가정환경이 드러나는 정보, 교직원 인사와 관련된 내용은 AI Agent에게 그대로 넘기면 안 됩니다. 비식별화했다고 생각해도 여러 조각이 합쳐지면 특정될 수 있습니다. 학교에서 다루는 정보는 작은 단서 하나에도 맥락이 붙기 때문입니다.

그래서 시작 단계에서는 공개 가능한 자료, 이미 배포된 안내문, 일반적인 업무 절차, 개인을 식별할 수 없는 예시 자료부터 다루는 것이 좋습니다. “AI가 어디까지 할 수 있나”를 시험하기 전에 “학교가 어떤 자료를 밖으로 내보내면 안 되는가”를 먼저 합의해야 합니다.

2. 개인정보 보호는 기술 문제가 아니라 업무 습관의 문제다

개인정보 보호를 이야기하면 보안 시스템이나 암호화부터 떠올리기 쉽습니다. 물론 기술적 보호도 필요합니다. 그러나 학교 현장에서는 업무 습관이 더 큰 영향을 줄 때가 많습니다. 파일명을 어떻게 붙이는지, 자료를 어디에 저장하는지, 복사해서 붙여넣을 때 어떤 정보가 함께 들어가는지 같은 일상적인 습관이 중요합니다.

AI Agent를 사용할 때도 마찬가지입니다. 공문이나 회의 메모를 넣기 전에 이름, 연락처, 생년월일, 학번, 구체적 사건 정보가 들어 있는지 확인하는 과정이 필요합니다. 자료를 통째로 넣는 대신 필요한 부분만 잘라서 넣는 습관도 중요합니다. “이 정도는 괜찮겠지”라는 생각이 반복되면 어느 순간 위험한 자료가 그대로 들어갈 수 있습니다.

저는 AI Agent를 개인 작업에 쓰면서도 파일 경로와 자료 범위를 먼저 확인하려고 합니다. 블로그 원고처럼 공개를 전제로 하는 자료는 비교적 부담이 적지만, 교육현장 자료는 다릅니다. 학교 단위로 쓴다면 사용 전 점검표가 필요합니다. 어떤 자료를 넣을 수 있고, 어떤 자료는 넣지 않는지 짧은 기준표라도 있어야 합니다.

3. 최종 책임은 도구가 아니라 사람에게 남겨 둔다

AI Agent는 여러 단계를 이어서 처리할 수 있습니다. 자료를 읽고, 표로 만들고, 문서로 저장하고, 링크까지 정리할 수 있습니다. 그래서 편리한 만큼 사람이 확인하지 않고 넘어가고 싶은 유혹도 생깁니다. 특히 바쁜 시기에는 초안이 그럴듯하면 그대로 쓰고 싶어집니다.

하지만 학교에서 나가는 문서와 안내는 사람의 책임이 분명해야 합니다. AI가 만든 문장이라도 최종 확인은 담당자와 관리자에게 있습니다. 사실관계가 맞는지, 학교 상황에 맞는지, 표현이 적절한지, 누락된 대상은 없는지 확인해야 합니다. AI Agent는 초안을 만들 수 있지만, 학교의 맥락을 책임지는 존재는 아닙니다.

이 원칙은 교사의 전문성과도 연결됩니다. AI가 수업 자료나 평가 문항을 도와줄 수는 있지만, 학생의 수준과 수업 맥락을 아는 사람은 교사입니다. 교사가 판단하고 조정하는 과정을 줄여 버리면 도구가 아니라 위험이 됩니다. AI Agent는 교사의 판단을 대신하는 것이 아니라, 판단하기 전의 반복 작업을 줄이는 데 두어야 합니다.

4. 작은 업무부터 실험하고 기록한다

학교에 새로운 도구를 들일 때 가장 피해야 할 방식은 갑자기 전면 적용하는 것입니다. 처음부터 모든 교직원에게 쓰라고 하거나, 중요한 업무를 한꺼번에 맡기는 방식은 부담과 불안을 키웁니다. AI Agent는 작은 업무부터 실험하고, 무엇이 도움이 되었는지 기록하면서 넓혀 가는 편이 좋습니다.

예를 들어 월중행사표를 보고 회의 안건 후보를 정리하기, 공개 안내문 초안을 다른 톤으로 바꾸기, 연수 만족도 설문 문항을 초안으로 만들어 보기, 회의 메모를 담당자별 후속 조치로 나누어 보기 같은 작업부터 시작할 수 있습니다. 실패해도 큰 문제가 되지 않고, 사람이 쉽게 확인할 수 있는 일들입니다.

실험 결과를 남기는 것도 중요합니다. 어떤 자료를 넣었고, 어떤 요청을 했고, 결과물에서 무엇을 수정했는지 간단히 기록하면 다음 사용자가 시행착오를 줄일 수 있습니다. 학교 차원의 AI 활용은 멋진 성공 사례 하나보다 작은 기록들이 쌓일 때 안정적으로 자리 잡습니다.

5. 교사의 시간을 빼앗지 않는 방식이어야 한다

AI 도구가 들어오면 오히려 일이 늘어나는 경우도 있습니다. 새 계정을 만들고, 사용법을 익히고, 결과물을 고치고, 다시 보고하는 과정이 추가되면 업무경감이 아니라 업무증가가 됩니다. 학교에 AI Agent를 도입할 때는 “교사가 실제로 시간이 줄었는가”를 계속 물어야 합니다.

연수도 마찬가지입니다. 기능을 많이 소개하는 연수보다, 교사가 이미 하고 있는 업무 중 하나를 골라 바로 줄여 보는 연수가 더 필요합니다. 예를 들어 안내문 초안 다듬기, 생활지도 자료의 표현 점검, 학급 행사 준비 체크리스트 만들기처럼 당장 쓰는 장면에서 출발해야 합니다. 그래야 도구가 또 하나의 과제가 아니라 실제 지원으로 느껴집니다.

교육전문직이나 관리자의 역할도 여기에 있습니다. “이 도구를 써 보세요”라고 말하는 데서 그치지 않고, 어떤 업무에 쓰면 안전하고 효과적인지, 어떤 자료는 넣지 말아야 하는지, 결과물은 누가 확인할지 구조를 잡아 주어야 합니다. 도구 도입은 기술 보급이 아니라 업무 설계에 가깝습니다.

6. 학교 문화와 함께 가야 오래 간다

AI Agent는 개인에게는 빠른 도구일 수 있지만, 학교에서는 문화의 문제와 만납니다. 어떤 학교는 새로운 도구를 비교적 쉽게 받아들이고, 어떤 학교는 신중하게 살펴본 뒤 움직입니다. 어느 쪽이든 중요한 것은 속도를 강요하지 않는 것입니다.

처음에는 관심 있는 교사나 업무 담당자가 작은 사례를 만들어 공유하는 방식이 좋습니다. “이렇게 하면 회의 후 조치사항 정리가 조금 쉬워졌다”, “공개 안내문을 학부모용 표현으로 바꾸는 데 도움이 되었다”처럼 구체적인 경험이 쌓이면 다른 사람도 부담 없이 살펴볼 수 있습니다. 반대로 거창한 구호만 있으면 실제 사용으로 이어지기 어렵습니다.

학교 문화 안에서는 신뢰도 중요합니다. AI Agent를 쓰는 사람이 자료를 조심스럽게 다루고, 결과물을 책임 있게 확인하며, 동료에게 부담을 넘기지 않는 모습을 보여야 합니다. 그래야 도구에 대한 불안이 줄어듭니다. 기술은 빠르게 변하지만, 학교가 받아들이는 속도는 신뢰를 따라갑니다.

7. 원칙이 있어야 다음 단계로 갈 수 있다

AI Agent를 학교에 도입하는 일은 단순히 편리한 앱 하나를 추가하는 일이 아닙니다. 학교가 정보를 다루는 방식, 문서를 만드는 방식, 교사의 시간을 보호하는 방식과 연결됩니다. 그래서 처음부터 거창한 시스템을 만들기보다 몇 가지 원칙을 정하고, 그 안에서 작은 실험을 반복하는 것이 현실적입니다.

제가 생각하는 출발 원칙은 간단합니다. 민감한 자료는 넣지 않는다. 공개 가능하거나 비식별화된 자료부터 쓴다. 결과물은 사람이 최종 확인한다. 교사의 전문적 판단을 대신하지 않는다. 작은 업무부터 실험하고 기록한다. 실제 시간이 줄었는지 확인한다. 이 정도만 지켜도 AI Agent를 훨씬 안전하게 다룰 수 있습니다.

학교 현장은 늘 바쁩니다. 그래서 새로운 도구가 들어올 때 기대도 있지만 걱정도 큽니다. AI Agent가 그 걱정을 줄이려면, 더 많은 기능을 보여 주는 것보다 안전하게 쓸 수 있는 경계를 먼저 보여 주어야 합니다. 원칙이 분명할수록 활용의 폭도 안정적으로 넓어질 수 있습니다.

마무리하며

AI Agent는 학교 업무를 단번에 바꾸는 마법 같은 도구가 아닙니다. 그러나 반복되는 정리와 형식 변환, 초안 작성, 흐름 연결을 도와주는 도구로는 충분히 의미가 있습니다. 다만 학교에 들여올 때는 편리함보다 책임과 안전을 먼저 놓아야 합니다.

지난 글에서는 교감의 하루 업무를 AI Agent 관점에서 다시 보았습니다. 교감의 일은 한 가지 문서나 한 번의 회의로 끝나지 않고, 일정과 사람, 공문과 보고가 계속 이어지는 흐름에 가깝다는 이야기를 했습니다. 이번 글에서는 그 흐름을 조금 더 구체적으로 줄이는 방법을 생각해 보려고 합니다.

학교 업무를 하다 보면 이상한 피로감이 생길 때가 있습니다. 분명히 오늘 해야 할 일을 처리했는데도, 같은 내용을 다른 회의에서 다시 말하고, 같은 날짜를 다른 표에 또 적고, 이미 보낸 내용을 보고자료 형식으로 다시 정리합니다. 일이 하나씩 쌓이는 것도 힘들지만, 같은 정보가 여러 형식으로 반복되는 것이 더 큰 부담이 됩니다.

AI Agent를 쓰기 시작한 뒤 저는 이 문제를 “글을 빨리 써 주는 도구”보다 “흐름을 잇는 도구”의 관점에서 보게 되었습니다. 일정, 회의, 공문, 보고를 각각 따로 보지 않고 하나의 흐름으로 묶으면 줄일 수 있는 일이 보입니다. 완전히 자동화하지 않더라도, 한 번 정리한 정보를 다음 업무에 다시 쓰게 만드는 것만으로도 체감되는 부담이 줄어듭니다.

1. 학교 업무는 네 갈래가 아니라 하나의 흐름이다

학교에서는 일정, 회의, 공문, 보고가 서로 다른 업무처럼 다뤄집니다. 일정은 캘린더나 월중행사표에 있고, 회의는 회의자료와 회의록에 남고, 공문은 업무관리시스템에 들어오며, 보고는 별도의 서식으로 작성됩니다. 담당자도 다르고 저장 위치도 다릅니다.

하지만 실제 현장에서는 이 네 가지가 계속 연결됩니다. 어떤 공문이 오면 일정이 생기고, 일정이 생기면 회의 안건이 됩니다. 회의에서 결정된 내용은 다시 보고자료가 되고, 보고 결과에 따라 다음 일정이나 후속 조치가 만들어집니다. 한 번 시작된 정보가 여러 문서와 사람을 거쳐 이동하는 셈입니다.

문제는 이 이동 과정에서 같은 내용을 계속 다시 쓰게 된다는 점입니다. 날짜, 대상, 장소, 담당자, 준비물, 제출 기한, 협조 요청 같은 정보가 여러 번 반복됩니다. 그래서 업무경감을 생각할 때는 “문서 하나를 빨리 만드는 방법”보다 “한 번 정리한 정보가 다음 단계로 자연스럽게 넘어가게 하는 방법”을 먼저 보아야 합니다.

2. 먼저 공통 정보 묶음을 만든다

AI Agent에게 바로 “회의자료를 만들어 줘”라고 요청할 수도 있습니다. 하지만 더 효과적인 출발점은 공통 정보 묶음을 만드는 것입니다. 예를 들어 행사 하나를 기준으로 날짜, 시간, 장소, 대상, 담당자, 관련 공문, 준비물, 협조 부서, 제출 기한, 후속 보고 여부를 한 번에 정리해 두는 방식입니다.

이 묶음은 거창한 데이터베이스일 필요가 없습니다. 처음에는 Markdown 표 하나로도 충분합니다. 공문을 읽고 필요한 항목을 뽑아 넣거나, 회의 메모를 붙여 넣고 빠진 항목을 확인하게 할 수 있습니다. 중요한 것은 문장으로 흩어진 내용을 “다음 업무에 다시 쓸 수 있는 항목”으로 바꾸는 것입니다.

Hermes Agent 같은 도구는 이 작업에 잘 맞습니다. 파일을 읽고, 표를 만들고, 필요한 경우 Word나 이미지 같은 결과물로 바꾸는 작업을 이어서 할 수 있기 때문입니다. 사람이 처음 판단한 내용을 바탕으로 AI Agent가 형식을 바꾸고, 누락을 점검하고, 다음 단계 초안을 만들어 주는 구조입니다.

3. 일정은 단순한 날짜가 아니라 후속 조치의 출발점이다

학교 일정표에는 대개 날짜와 행사명이 들어갑니다. 그런데 실제 업무는 그보다 훨씬 넓습니다. 행사 전 안내, 물품 준비, 담당자 확인, 학생 이동, 안전 점검, 결과 보고, 사진 정리, 만족도 조사 같은 후속 조치가 붙습니다. 날짜 하나가 작은 업무 묶음을 데리고 다니는 셈입니다.

AI Agent를 활용한다면 일정표를 단순히 보기 좋게 정리하는 데서 멈추지 않고, 일정별 체크리스트를 만들 수 있습니다. 예를 들어 “다음 주 학교 일정에서 사전 안내가 필요한 것, 회의 안건으로 올릴 것, 보고가 필요한 것을 나누어 달라”고 요청할 수 있습니다. 그러면 일정이 업무 흐름의 출발점으로 바뀝니다.

이때 민감한 학생 정보나 내부 판단이 들어간 자료를 그대로 넣지 않는 원칙은 지켜야 합니다. 공개 가능한 일정, 비식별 메모, 담당 부서 중심의 정보부터 시작하면 됩니다. 자동화의 목적은 학교 안의 모든 정보를 AI에게 넘기는 것이 아니라, 이미 정리 가능한 정보를 놓치지 않도록 돕는 데 있습니다.

4. 회의자료는 안건과 결정사항을 이어 주어야 한다

회의자료를 만들 때 자주 생기는 어려움은 자료를 만드는 일과 회의 후 처리할 일이 분리된다는 점입니다. 회의 전에는 안건을 모으느라 바쁘고, 회의가 끝나면 누가 무엇을 해야 하는지 다시 정리해야 합니다. 회의자료와 회의록이 따로 놀면 같은 내용을 두 번 정리하게 됩니다.

AI Agent에게 회의 전 메모를 넣고 “안내 사항, 협의 사항, 결정이 필요한 사항으로 나누어 달라”고 요청하면 회의자료 초안이 됩니다. 회의 후에는 같은 자료에 결정사항을 덧붙여 “담당자, 기한, 후속 확인” 표로 바꿀 수 있습니다. 회의자료가 회의록과 체크리스트로 이어지는 것입니다.

저는 이 방식이 학교 업무에 꽤 현실적이라고 봅니다. 회의 내용을 AI가 판단하게 하는 것이 아니라, 사람이 적은 메모를 구조화하는 일이기 때문입니다. 교감이나 담당자는 최종 내용을 확인하고 표현을 다듬으면 됩니다. 회의의 책임은 사람에게 남겨 두되, 반복 정리는 도구의 도움을 받는 방식입니다.

5. 공문은 ‘읽기’에서 ‘실행 항목 추출’로 넘어가야 한다

공문 업무에서 시간이 많이 드는 이유는 공문이 길어서만은 아닙니다. 공문을 읽은 뒤 학교가 실제로 무엇을 해야 하는지 바꾸어 생각해야 하기 때문입니다. 제출해야 하는지, 안내만 하면 되는지, 회의에 올려야 하는지, 담당 부서를 정해야 하는지 판단해야 합니다.

AI Agent에게 공문 내용을 그대로 맡기는 것은 조심해야 합니다. 대신 공문에서 실행 항목을 추출하게 하는 방식은 유용합니다. “제출 기한, 제출 대상, 학교 조치사항, 첨부자료, 확인할 담당자를 표로 정리해 달라”고 요청하면 긴 문서가 행동 목록으로 바뀝니다.

이 결과는 다시 일정과 회의로 이어질 수 있습니다. 제출 기한은 캘린더에 넣고, 협의가 필요한 사항은 회의 안건으로 올리고, 준비물이 필요한 일은 담당자 체크리스트가 됩니다. 공문을 읽고 끝내는 것이 아니라, 다음 행동으로 연결하는 것입니다.

6. 보고자료는 마지막에 새로 쓰지 말고 중간부터 쌓아 둔다

보고자료는 많은 경우 마지막에 급하게 만들어집니다. 행사가 끝난 뒤 사진을 찾고, 회의 결과를 다시 뒤지고, 추진 경과를 기억해 내며 문장을 만듭니다. 이때 시간이 많이 드는 이유는 글쓰기 능력 때문이 아니라 중간 기록이 흩어져 있기 때문입니다.

업무 흐름을 줄이려면 보고자료를 마지막 산출물로만 보지 말고, 처음부터 조금씩 쌓이는 기록으로 보아야 합니다. 일정이 만들어질 때 목적과 대상이 기록되고, 회의에서 결정사항이 붙고, 행사 후 결과와 개선점이 추가되면 보고자료의 뼈대가 이미 만들어집니다.

AI Agent는 이 흩어진 기록을 보고서 형식으로 바꾸는 데 도움을 줄 수 있습니다. 예를 들어 일정 메모, 회의 결정사항, 결과 메모를 함께 넣고 “추진 배경, 주요 내용, 결과, 향후 보완점 형식으로 정리해 달라”고 요청할 수 있습니다. 사람은 사실관계와 학교 맥락을 확인하고, 필요한 표현을 다듬으면 됩니다.

7. 작은 자동화는 ‘다음 문서’를 줄이는 데서 시작된다

학교 업무경감에서 자동화라는 말을 들으면 큰 시스템부터 떠올리기 쉽습니다. 하지만 실제로 체감되는 자동화는 작게 시작될 가능성이 큽니다. 오늘 만든 일정 메모가 회의자료 초안이 되고, 회의자료가 회의록과 체크리스트가 되고, 체크리스트가 보고자료 뼈대로 이어지는 정도입니다.

이 흐름을 만들기 위해 필요한 것은 복잡한 기술보다 일관된 형식입니다. 날짜, 담당자, 기한, 조치사항, 확인 여부 같은 항목을 비슷한 방식으로 적어 두면 AI Agent가 다음 문서로 바꾸기 쉬워집니다. 반대로 매번 다른 표현과 다른 저장 위치에 흩어져 있으면 아무리 좋은 도구도 다시 사람에게 물어봐야 합니다.

저는 AI Agent를 쓰면서 “처음부터 완벽한 자동화”보다 “반복 입력을 줄이는 습관”이 더 중요하다는 생각을 하게 되었습니다. 학교 현장에서는 안전과 책임, 관계의 판단이 중요하기 때문에 모든 것을 기계적으로 넘길 수 없습니다. 그러나 이미 사람이 확인한 정보를 다음 단계에 다시 쓰게 만드는 일은 충분히 시도해 볼 만합니다.

마무리하며

학교 일정, 회의, 공문, 보고의 흐름을 줄인다는 것은 학교 업무를 단순하게 만든다는 뜻이 아닙니다. 오히려 복잡한 학교 업무의 연결 구조를 더 잘 보이게 만드는 일에 가깝습니다. 한 번 들어온 정보가 어디로 이어지는지 보이면, 같은 내용을 반복해서 옮겨 쓰는 시간을 줄일 수 있습니다.

AI Agent는 이 과정에서 문서를 대신 책임지는 존재가 아니라, 흐름을 이어 주는 작업 도구가 될 수 있습니다. 일정에서 회의로, 공문에서 실행 항목으로, 회의록에서 보고자료로 넘어가는 다리를 놓아 주는 역할입니다. 학교 업무경감은 이런 작은 연결을 쌓는 데서 시작될 수 있습니다.

지난 글에서는 평가 문항, 피드백, 생활지도 자료처럼 학생에게 직접 닿는 문서를 AI Agent와 함께 준비할 때의 가능성과 주의점을 살펴보았습니다. 초안 작성은 도움을 받을 수 있지만, 최종 판단은 교사에게 남아 있어야 한다는 이야기를 했습니다. 이번 글에서는 시선을 조금 옮겨 교감의 하루 업무를 AI Agent 관점에서 다시 보려고 합니다.

교감의 하루는 한 가지 일로 설명하기 어렵습니다. 아침에는 학교전반의 학사와 안전을 살피고, 오전에는 회의와 보고 자료를 챙기고, 중간중간 공문과 민원이 들어옵니다. 오후가 되면 각 부서의 일정, 교사 지원, 학부모 연락, 행사 준비, 시설과 안전 점검까지 이어집니다. 겉으로는 각각 다른 일처럼 보이지만, 자세히 보면 반복되는 흐름이 있습니다.

저는 AI Agent를 쓰면서 교감 업무를 “사람이 직접 판단해야 하는 일”과 “판단 전에 정리되어야 하는 일”로 나누어 보게 되었습니다. 교감의 역할을 AI가 대신할 수 있다는 뜻은 아닙니다. 오히려 반대입니다. 교감이 더 잘 판단하기 위해, 주변에 흩어진 정보와 반복적인 문서 작업을 덜어 내는 보조 장치가 필요하다는 생각에 가깝습니다.

1. 교감의 하루는 ‘업무 목록’보다 ‘흐름’에 가깝다

학교에 따라 차이는 있지만, 교감의 하루에는 비슷한 흐름이 있습니다. 아침에는 학교가 정상적으로 시작되는지 확인합니다. 구성원 복무나 출장, 학생 안전, 당일 행사, 외부 방문, 긴급 연락 같은 내용을 챙깁니다. 이때 이미 여러 정보가 동시에 들어옵니다. 메신저, 전화, 공문 시스템, 구두 전달, 전날 회의 메모가 한꺼번에 섞입니다.

문제는 일이 많다는 것만이 아닙니다. 정보가 여러 통로로 들어오고, 서로 연결되어 있다는 점이 더 어렵습니다. 예를 들어 어떤 교사의 출장 일정은 수업 결손과 연결되고, 수업 결손은 보강 계획과 연결되며, 보강 계획은 학생 안내와 학년부 협의로 이어집니다. 한 가지 일정이 여러 사람의 행동을 바꿉니다.

AI Agent는 이런 흐름을 목록으로 다시 정리하는 데 도움을 줄 수 있습니다. “오늘 처리해야 할 일”을 단순히 나열하는 것이 아니라, 시간순, 담당자별, 긴급도별로 묶어 볼 수 있습니다. 교감이 직접 메모한 내용을 바탕으로 “오늘 오전 중 확인할 일”, “회의 전에 준비할 자료”, “누군가에게 위임하거나 확인 요청할 일”처럼 정리하는 방식입니다.

2. 아침 브리핑은 교감 업무경감의 출발점이 될 수 있다

교감 업무에서 가장 먼저 자동화해 볼 만한 것은 아침 브리핑입니다. 아침 브리핑이라고 해서 거창한 보고서를 말하는 것은 아닙니다. 오늘 일정, 미확인 공문, 회의 예정, 외부 방문, 안전 관련 확인사항, 어제 남겨 둔 후속 조치 정도를 한 화면에 모아 주는 것입니다.

Hermes Agent처럼 일정 시간에 자동으로 실행되는 도구가 있다면, 매일 아침 정해진 시간에 브리핑 초안을 받을 수 있습니다. 예를 들어 캘린더 일정, 전날 저장한 메모, 특정 폴더에 들어온 파일 목록, 확인해야 할 문서 링크를 모아 “오늘 먼저 볼 것”으로 정리하게 할 수 있습니다. Telegram으로 받으면 출근 전이나 이동 중에도 대략의 흐름을 볼 수 있습니다.

물론 실제 학교 업무 시스템과 직접 연결하려면 보안과 권한 검토가 필요합니다. 그래서 처음부터 민감한 시스템을 연결하기보다, 개인이 직접 넣은 일정과 공개 가능한 자료, 비식별 메모부터 시작하는 편이 안전합니다. 자동 브리핑의 목적은 학교 내부 정보를 무리하게 끌어오는 것이 아니라, 이미 내가 관리하는 정보를 놓치지 않도록 묶어 주는 데 있습니다.

3. 공문과 보고는 ‘작성’보다 ‘맥락 파악’이 먼저다

교감 업무에서 공문과 보고는 빠지기 어렵습니다. 공문을 읽고 필요한 내용을 전달하거나, 학교 상황에 맞는 보고 자료를 준비하거나, 교육청 요청에 맞춰 기한을 챙겨야 합니다. 이때 시간이 많이 드는 부분은 문장을 예쁘게 쓰는 것보다 “무엇을 해야 하는 공문인지”를 파악하는 과정입니다.

AI Agent에게 공문 내용을 그대로 맡기기 전에 먼저 할 수 있는 일은 구조화입니다. 예를 들어 공문에서 제출 기한, 제출 대상, 담당 부서, 필요한 첨부자료, 학교가 해야 할 조치를 뽑아 달라고 요청할 수 있습니다. 그러면 교감은 긴 문서를 처음부터 끝까지 반복해서 읽기보다, 확인해야 할 항목을 중심으로 빠르게 판단할 수 있습니다.

보고 자료도 마찬가지입니다. AI가 보고를 대신 책임질 수는 없습니다. 하지만 기존 자료를 바탕으로 목차를 잡거나, 빠진 항목을 체크하거나, 문장의 중복을 줄이는 일은 도울 수 있습니다. 특히 교육전문직 업무 경험에서는 비슷한 형식의 보고와 정리가 반복됩니다. 이 반복 구조를 AI Agent가 기억하고 초안을 만들어 준다면, 사람은 내용의 정확성과 학교 맥락을 더 집중해서 볼 수 있습니다.

4. 회의 전후의 작은 정리가 시간을 많이 잡아먹는다

교감의 하루에서 회의는 단순히 회의 시간만 차지하지 않습니다. 회의 전에는 안건을 정리해야 하고, 회의 중에는 결정사항을 놓치지 않아야 하며, 회의 후에는 후속 조치가 이어집니다. 실제로 시간이 많이 드는 것은 회의 자체보다 회의 앞뒤의 작은 정리일 때가 많습니다.

AI Agent는 회의 전 안건 정리와 회의 후 할 일 추출에 잘 맞습니다. 예를 들어 부장회의 전에 각 부서에서 온 메모를 붙여 넣고 “중복 안건을 묶어 주고, 논의가 필요한 것과 안내만 하면 되는 것을 나누어 달라”고 요청할 수 있습니다. 회의 후에는 메모를 바탕으로 “결정사항, 담당자, 기한, 추가 확인사항”을 표 형태로 정리하게 할 수 있습니다.

이때도 중요한 것은 녹음 파일이나 민감한 발언을 무심코 넣지 않는 것입니다. 회의 내용에는 교직원, 학생, 학부모와 관련된 민감한 정보가 포함될 수 있습니다. AI Agent를 회의 정리에 활용하려면 비식별화된 메모, 공개 가능한 안건, 행정적 후속 조치 중심으로 사용하는 원칙이 필요합니다.

5. 민원과 갈등 상황은 자동화보다 ‘준비된 응답’이 필요하다

교감 업무에서 가장 조심스러운 영역은 민원과 갈등 상황입니다. 전화 한 통, 면담 한 번이 학교 전체 분위기에 영향을 줄 수 있습니다. 이런 일을 AI Agent가 대신 처리하게 하는 것은 적절하지 않습니다. 말의 뉘앙스, 관계의 맥락, 학교의 과거 상황은 사람이 직접 판단해야 합니다.

다만 민원이나 갈등 상황에서도 AI Agent가 도울 수 있는 부분은 있습니다. 면담 전에 확인할 사실 목록을 정리하거나, 감정적인 표현을 줄인 안내문 초안을 만들거나, 관련 규정과 절차를 빠짐없이 확인하는 일입니다. 예를 들어 “상대방을 판단하지 않고 사실 확인 중심으로 면담 준비 질문을 정리해 달라”고 요청할 수 있습니다.

교감에게 필요한 것은 기계적인 답변이 아니라 준비된 대응입니다. 말하기 전에 사실을 정리하고, 어떤 표현이 오해를 부를 수 있는지 살피고, 확인해야 할 절차를 놓치지 않는 것입니다. AI Agent는 이 준비 과정을 도울 수 있지만, 실제 대화와 최종 판단은 교감의 몫으로 남아야 합니다.

6. 위임과 확인 요청도 정리되어야 움직인다

교감은 모든 일을 직접 처리하지 않습니다. 오히려 많은 일은 적절한 사람에게 연결하고, 진행 상황을 확인하고, 필요한 지원을 해 주는 방식으로 이루어집니다. 그래서 교감의 업무경감은 단순히 “내가 할 일을 줄이는 것”이 아니라 “누가 무엇을 언제까지 해야 하는지 분명히 하는 것”과 관련이 있습니다.

AI Agent는 업무 메모를 담당자와 기한 중심으로 다시 정리하는 데 유용합니다. “오늘 나온 업무를 교무, 연구, 생활, 행정실 협조, 교감 직접 확인으로 나누어 달라”고 요청하면, 흩어진 메모가 실행 가능한 목록으로 바뀝니다. 이렇게 정리된 목록은 회의자료, 개인 체크리스트, 후속 확인 메시지의 초안으로 이어질 수 있습니다.

물론 위임은 사람 사이의 신뢰와 관계를 바탕으로 합니다. AI가 “누구에게 시키라”고 결정하는 방식은 위험합니다. 대신 교감이 이미 판단한 업무 배분을 문서화하고, 누락된 확인사항을 찾고, 말투를 조정하는 수준에서 활용하는 것이 현실적입니다.

7. 교감 업무에서 AI Agent는 ‘작은 비서’보다 ‘두 번째 메모장’에 가깝다

AI Agent를 교감 업무에 적용한다고 하면, 어떤 사람은 영화 속 비서처럼 모든 일을 알아서 처리하는 모습을 떠올릴 수 있습니다. 하지만 실제 학교 현장에서는 그런 방식보다 “두 번째 메모장”에 가까운 모습이 더 현실적입니다. 내가 적은 내용을 다시 묶고, 빠진 질문을 찾아 주고, 다음 행동으로 바꿔 주는 도구입니다.

교감의 전문성은 사람을 만나고, 학교의 맥락을 읽고, 우선순위를 판단하는 데 있습니다. AI Agent가 그 전문성을 대신할 수는 없습니다. 다만 반복적인 정리, 초안 작성, 체크리스트 생성, 일정 기반 알림은 충분히 도울 수 있습니다. 그만큼 교감은 학생, 교사, 학부모와 직접 마주하는 일에 시간을 더 쓸 수 있습니다.

저는 이 지점을 교육전문직 업무경감과도 연결해서 보게 됩니다. 교육청이나 연수원에서도 비슷한 일이 많습니다. 자료를 읽고, 회의를 준비하고, 보고를 정리하고, 다음 조치를 확인하는 일입니다. 학교와 교육행정 모두에서 AI Agent의 실제 가치는 거창한 자동화보다 매일 반복되는 작은 정리에서 먼저 드러날 가능성이 큽니다.

마무리하며

교감의 하루를 AI Agent 관점에서 다시 보면, 자동화할 수 있는 일과 자동화하면 안 되는 일이 조금 더 분명해집니다. 일정 정리, 공문 요약, 회의 후속 조치, 체크리스트 작성은 도움을 받을 수 있습니다. 하지만 민원 대응, 갈등 조정, 인사와 관계의 판단은 사람이 책임져야 합니다.

그래서 교감 업무경감의 방향은 “AI에게 맡긴다”가 아니라 “AI와 함께 정리해서 사람이 더 잘 판단한다”에 가깝습니다. 이 차이를 분명히 해야 학교 현장에서 무리 없이 받아들일 수 있습니다.

지난 글에서는 교사의 수업 준비 과정에서 AI Agent가 어디까지 도울 수 있는지 살펴보았습니다. 성취기준을 활동으로 풀어내고, 수준별 설명을 만들고, 수업 후 메모를 정리하는 일은 교사의 판단을 대신하기보다 준비 시간을 덜어 주는 쪽에 가까웠습니다. 이번 글에서는 수업 뒤에 이어지는 평가와 피드백, 그리고 생활지도 자료로 범위를 넓혀 보려고 합니다.

학교 업무를 떠올리면 평가 문항, 피드백 문장, 생활지도 안내문은 서로 다른 영역처럼 보입니다. 하나는 학습 결과를 확인하는 일이고, 하나는 학생의 성장을 돕는 말이며, 하나는 생활과 관계를 다루는 자료입니다. 그런데 실제 교사의 하루에서는 이 세 가지가 자주 이어집니다. 수업을 하고 나면 확인 문항이 필요하고, 결과를 보면 피드백을 써야 하며, 학급 상황에 따라 안내와 상담 자료도 준비해야 합니다.

AI Agent는 이 지점에서 꽤 현실적인 보조자가 될 수 있습니다. 단, 완성된 정답을 내놓는 도구라기보다 교사가 검토할 초안을 빠르게 만들어 주는 도구에 가깝습니다. 평가와 생활지도는 학생에게 직접 영향을 주는 영역이기 때문에, AI가 만든 문장을 그대로 쓰기보다 교사의 전문성과 책임 안에서 고쳐 쓰는 과정이 반드시 필요합니다.

1. 평가 문항은 ‘그럴듯함’보다 기준 정렬이 먼저다

AI에게 “문항 10개 만들어 줘”라고 요청하면 결과는 금방 나옵니다. 보기 좋게 번호가 붙고, 객관식과 서술형도 섞여 있습니다. 하지만 문항이 빠르게 만들어졌다고 해서 좋은 평가는 아닙니다. 실제로 확인해야 할 것은 문항이 성취기준과 맞는지, 수업에서 다룬 내용과 연결되는지, 학생이 어떤 사고를 해야 답할 수 있는지입니다. 그래서 평가 문항을 만들 때는 먼저 조건을 자세히 주는 편이 좋습니다. 예를 들어 단원, 성취기준, 수업에서 다룬 핵심 개념, 학생들이 어려워한 부분, 문항 유형, 난이도 비율을 함께 제시합니다.

> 초등 5학년 사회 수업 평가 문항 초안을 만들고 있어. 성취기준은 지역 문제의 원인과 해결 방안을 탐색하는 것이고, 수업에서는 실제 지역 사례를 다뤘어. 단순 암기 문항보다 자료를 읽고 원인과 해결 방안을 구분하는 문항이 필요해. 객관식 3문항, 서술형 2문항을 초안으로 만들어 주고, 각 문항이 확인하려는 사고 과정을 함께 적어 줘.

이렇게 요청하면 문항 자체보다 문항의 의도가 함께 나옵니다. 교사는 그 의도를 보고 “이 문항은 너무 쉽다”, “이 문항은 수업에서 다루지 않은 내용을 요구한다”, “서술형 채점 기준이 애매하다”처럼 검토할 수 있습니다. AI Agent를 평가 문항 생성기로 쓰기보다 문항 검토 회의의 초안 작성자로 두는 셈입니다.

2. 서술형 문항은 채점 기준까지 같이 만들어야 한다

서술형 평가는 학생의 생각을 더 잘 볼 수 있지만, 채점 기준이 모호하면 교사도 학생도 힘들어집니다. AI Agent는 서술형 문항을 만들 때 채점 기준표 초안을 함께 만드는 데 도움이 됩니다. 특히 “우수, 보통, 보완 필요” 정도의 간단한 기준을 먼저 받아 두면 이후 피드백 작성까지 이어가기 쉽습니다. 예를 들어 문항 하나를 만든 뒤 이렇게 이어서 요청할 수 있습니다.

> 위 서술형 문항에 대한 채점 기준 초안을 만들어 줘. 3단계로 나누고, 각 단계마다 학생 답안에서 확인할 요소를 구체적으로 적어 줘. 단, 실제 점수 부여 전에 교사가 수정할 수 있도록 검토해야 할 점도 함께 적어 줘.

이 요청의 장점은 문항과 채점 기준을 따로 만들지 않는다는 데 있습니다. 문항이 묻는 사고와 채점 기준이 맞는지 한 번에 볼 수 있습니다. 평가 문항은 학생에게 “무엇을 중요하게 배웠는가”를 보여 주는 신호이기도 합니다. 그래서 문항과 기준이 엇갈리면 수업 의도도 흐려집니다. 물론 AI가 만든 기준은 법적·공식 평가 기준이 아닙니다. 학교 평가 계획, 학년 협의, 교육과정 해석과 맞는지 반드시 교사가 확인해야 합니다. AI가 준 기준은 회의 자료의 출발점으로 두고, 최종 기준은 교사들이 함께 합의하는 방식이 안전합니다.

3. 피드백 문장은 ‘학생을 판단하는 말’이 아니라 ‘다음 행동을 돕는 말’이어야 한다

평가 결과를 확인한 뒤 교사가 가장 오래 붙잡는 일이 피드백입니다. 학생마다 다른 문장을 쓰고 싶지만 시간이 부족합니다. 비슷한 표현을 반복하다 보면 문장이 딱딱해지고, 너무 짧게 쓰면 학생에게 도움이 덜 됩니다. 이때 AI Agent는 문장을 다듬고 변형하는 데 큰 도움을 줄 수 있습니다.

다만 피드백을 맡길 때 조심할 점이 있습니다. 학생을 단정하는 말, 성격을 평가하는 말, 비교하는 말은 피해야 합니다. “노력이 부족하다”보다 “근거를 하나 더 들어 설명하면 주장이 더 분명해집니다”가 낫습니다. AI에게도 이런 기준을 미리 알려 주는 것이 좋습니다.

> 학생 이름은 쓰지 않을 거야. 평가 기준은 내용 이해, 근거 제시, 표현의 명확성이야. 이 학생은 내용 이해는 좋지만 근거가 한 가지로 제한되어 있어. 격려 1문장, 보완점 1문장, 다음 활동 제안 1문장으로 피드백 초안을 만들어 줘. 학생을 단정하거나 다른 학생과 비교하는 표현은 쓰지 말아 줘.

이런 방식이면 피드백의 뼈대가 빠르게 생깁니다. 교사는 학생의 실제 상황에 맞게 말투를 바꾸고, 필요한 경우 한 문장을 더하거나 덜어낼 수 있습니다. 피드백 작성에서 AI의 장점은 학생을 대신 아는 것이 아니라, 교사가 이미 알고 있는 관찰을 학생에게 전달 가능한 문장으로 바꾸는 데 있습니다.

4. 생활지도 자료는 차분한 문장과 절차 정리에 잘 맞는다

생활지도 자료는 감정이 많이 들어가는 영역입니다. 학급 규칙 안내, 갈등 상황 정리, 보호자 안내문, 상담 전 메모, 재발 방지 약속문 같은 자료는 말 한마디가 중요합니다. 급하게 쓰면 표현이 강해지거나, 반대로 너무 모호해질 수 있습니다. AI Agent는 이런 자료를 차분한 문장으로 정리하는 데 도움이 됩니다. 예를 들어 특정 학생의 민감한 정보를 입력하지 않고, 상황을 일반화해서 안내문 초안을 받을 수 있습니다.

> 학급에서 온라인 대화 예절을 다시 안내하려고 해. 특정 학생 이야기는 넣지 않고, 전체 학생에게 보내는 학급 안내문 형식으로 작성해 줘. 비난하는 말투는 피하고, 왜 필요한지, 지켜야 할 약속 3가지, 문제가 생겼을 때 도움을 요청하는 방법을 포함해 줘.

이런 요청은 생활지도 자료의 기본 구조를 잡아 줍니다. 교사는 학급 분위기와 학교 규정에 맞게 표현을 조정하면 됩니다. 특히 보호자에게 보내는 안내문은 문장 톤이 중요하기 때문에 “비난하지 않는 문장”, “사실과 안내 중심”, “협조 요청의 말투”처럼 조건을 분명히 주면 결과가 훨씬 나아집니다.

5. 민감정보는 빼고, 상황은 일반화해서 입력한다

평가와 생활지도에서 가장 먼저 지켜야 할 원칙은 학생 정보 보호입니다. 실제 학생 이름, 학부모 연락처, 상담 내용, 건강 정보, 가정 상황, 징계 관련 세부 내용 같은 민감정보를 AI 도구에 그대로 넣어서는 안 됩니다. 편리함 때문에 이 선을 넘으면 안 됩니다.

대신 상황을 일반화해서 입력하는 습관이 필요합니다. “A학생이 오늘 B학생에게 이런 말을 했다”처럼 구체적 사건을 그대로 적기보다 “학생 간 온라인 대화에서 감정적인 표현이 오간 상황”처럼 바꿉니다. 피드백도 “읽기 속도가 느린 학생”, “근거 제시에 어려움이 있는 학생”처럼 필요한 특성만 남기는 편이 안전합니다.

Hermes Agent를 Telegram으로 쓸 때도 이 원칙은 같습니다. 대화방에 몇 줄만 보내면 초안이 나오기 때문에 오히려 입력이 쉬워집니다. 그래서 더 조심해야 합니다. 저는 AI Agent를 쓸수록 “무엇을 넣을 것인가”보다 “무엇을 넣지 않을 것인가”를 먼저 생각하게 됩니다.

6. 교사의 검토 체크리스트를 함께 요구한다

AI가 만든 평가 문항이나 생활지도 문장은 처음 보면 꽤 자연스럽습니다. 그래서 그대로 쓰고 싶어질 때가 있습니다. 하지만 학교에서 쓰는 자료는 학생에게 실제 영향을 줍니다. 초안이 자연스럽다는 이유만으로 충분하지 않습니다. 이럴 때는 AI Agent에게 결과물과 함께 검토 체크리스트를 요구하는 것이 좋습니다.

> 위 문항과 피드백 초안을 교사가 사용하기 전에 확인해야 할 체크리스트를 만들어 줘. 성취기준 정렬, 난이도, 표현의 공정성, 개인정보 포함 여부, 학생에게 줄 수 있는 오해 가능성을 포함해 줘.

이 체크리스트는 교사의 검토를 돕는 장치가 됩니다. AI가 만든 자료를 AI에게 한 번 더 점검하게 하는 방식이지만, 최종 판단은 여전히 교사에게 있습니다. 특히 “오해 가능성”이나 “공정성” 같은 항목은 사람이 놓치기 쉬운 표현을 다시 보게 해 줍니다.

7. AI Agent는 교사의 말을 줄이는 것이 아니라 다듬어 주는 도구다

평가, 피드백, 생활지도는 모두 학생에게 전달되는 말과 관련이 있습니다. 교사의 말은 단순한 문장이 아니라 학생의 배움과 관계에 영향을 줍니다. 그래서 AI Agent를 쓴다고 해서 교사의 말이 사라지는 것은 아닙니다. 오히려 교사가 하고 싶은 말을 더 차분하고 구체적으로 다듬는 과정에 가깝습니다. AI가 초안을 만들면 교사는 빈 화면에서 시작하지 않아도 됩니다. 대신 교사는 더 중요한 일을 하게 됩니다. 문항이 수업과 맞는지, 피드백이 학생에게 도움이 되는지, 생활지도 문장이 관계를 해치지 않는지 살펴봅니다. 작성 시간이 줄어든 만큼 판단과 조정에 시간을 더 쓸 수 있습니다.

교육현장에서 AI Agent의 쓸모는 여기에서 드러납니다. 사람을 빼는 자동화가 아니라, 사람이 더 신중하게 판단할 시간을 만드는 자동화입니다. 평가와 생활지도처럼 조심스러운 영역일수록 이 관점이 필요합니다.

마무리하며

평가 문항, 피드백, 생활지도 자료는 빠르게 만들 수 있다고 해서 가볍게 다룰 수 있는 일이 아닙니다. 학생에게 직접 닿는 문서이고, 교사의 교육적 판단이 담겨야 하는 영역입니다. AI Agent는 초안 작성과 문장 정리, 체크리스트 생성에는 분명 도움을 주지만, 최종 책임과 맥락 판단은 교사에게 남아 있어야 합니다.

저는 이 도구를 쓰면서 교사의 일이 줄어든다는 말을 조금 다르게 생각하게 되었습니다. 일이 사라지는 것이 아니라, 반복적인 문장 작성과 형식 정리에서 시간을 덜어 내고 학생을 더 정확히 바라보는 쪽으로 시간을 옮기는 것입니다.

지난 글에서는 교육청·연수원 업무에서 반복되는 일을 AI Agent로 줄이는 방법을 살펴보았습니다. 일정 확인, 안내문 초안, 자료 취합, 누락 점검처럼 매번 비슷하게 반복되는 일은 작은 자동화만으로도 체감이 컸습니다. 이번 글에서는 시선을 학교 현장으로 옮겨 보려고 합니다.

학교에서 교사의 하루는 수업으로 설명되지만, 실제로는 수업 앞뒤에 붙어 있는 준비와 정리 시간이 훨씬 큽니다. 교과서와 교육과정을 확인하고, 활동지를 만들고, 학생 수준을 떠올리고, 평가와 피드백을 준비하고, 수업 후에는 결과를 다시 정리합니다. 이 과정은 겉으로 잘 보이지 않지만 수업의 질을 좌우합니다.

AI Agent가 이 영역에 들어온다면 어디까지 도울 수 있을까요. 저는 AI가 수업을 대신한다고 보지는 않습니다. 수업은 교실의 공기, 학생의 표정, 교사의 판단이 함께 움직이는 일이기 때문입니다. 다만 AI Agent는 수업 준비 과정에서 흩어진 자료를 모으고, 초안을 만들고, 빠진 부분을 점검하는 보조 역할을 꽤 잘할 수 있습니다.

1. 수업 준비는 ‘자료 만들기’보다 넓은 일이다

수업 준비라고 하면 흔히 PPT나 활동지를 떠올립니다. 물론 자료 제작도 중요합니다. 하지만 실제 교사가 하는 수업 준비의 범위는 훨씬 넓습니다. 오늘 배울 성취기준을 확인하고, 지난 시간 학생들이 어려워한 지점을 떠올리고, 어떤 질문으로 시작할지 고민하고, 활동 시간과 정리 시간을 배분합니다. 평가와 피드백까지 생각하면 준비 범위는 더 넓어집니다.

AI 도구를 수업 자료 제작 도구로만 쓰면 금방 한계가 보입니다. 예쁜 활동지나 긴 설명문은 만들어 주지만, 우리 반 학생들에게 맞는지, 오늘 수업 시간에 실제로 적용 가능한지, 교사가 의도한 배움으로 이어지는지는 별개의 문제입니다. 그래서 AI Agent를 수업 준비에 쓸 때는 “자료 하나 만들어 줘”보다 “수업 준비 흐름을 함께 점검해 줘”에 가깝게 접근하는 것이 좋습니다.

예를 들어 이렇게 요청할 수 있습니다.

> 초등 5학년 사회 수업을 준비하고 있어. 오늘 성취기준은 지역 문제 해결 과정 이해이고, 지난 시간에는 학생들이 원인과 해결 방안을 구분하는 것을 어려워했어. 40분 수업 흐름을 도입-전개-정리로 나누고, 학생 질문 5개와 모둠 활동 아이디어를 함께 제안해 줘.

이 요청은 단순 자료 생성보다 수업 설계에 가깝습니다. AI Agent는 교사의 맥락을 듣고 수업 흐름, 질문, 활동, 점검 포인트를 한 번에 정리해 줄 수 있습니다. 교사는 그 결과를 그대로 쓰는 것이 아니라 우리 반 상황에 맞게 덜어내고 고칩니다.

2. AI Agent는 성취기준과 활동 사이를 연결하는 데 도움이 된다

수업 준비에서 자주 어려운 지점은 성취기준을 실제 활동으로 바꾸는 부분입니다. 문서에 적힌 성취기준은 추상적이고, 교실 활동은 구체적이어야 합니다. 이 사이를 교사가 계속 번역해야 합니다.

AI Agent에게 성취기준을 주고 “학생이 실제로 무엇을 하면 이 기준에 도달했다고 볼 수 있는지”를 묻는 방식은 꽤 유용합니다. 예를 들어 설명 듣기, 사례 분류하기, 자료 해석하기, 의견 쓰기, 친구와 비교하기 같은 활동 후보를 뽑아 볼 수 있습니다.

> 이 성취기준을 바탕으로 학생 활동 3가지를 제안해 줘. 각각 활동 목표, 교사 발문, 예상 학생 반응, 짧은 평가 방법을 포함해 줘. 활동은 40분 수업 안에서 가능해야 해.

이렇게 요청하면 AI Agent는 활동의 모양만이 아니라 발문과 평가까지 함께 제안합니다. 교사는 그중에서 과한 부분을 줄이고, 학생 수준에 맞게 문장을 바꿀 수 있습니다. 특히 신규 교사나 새로운 학년을 맡은 교사에게는 빈 화면 앞에서 시작하는 부담을 줄여 주는 효과가 있습니다.

물론 성취기준 해석은 교사의 전문성이 필요합니다. AI가 제안한 활동이 교육과정 의도와 어긋나거나 지나치게 단순할 수도 있습니다. 그래서 AI Agent의 역할은 정답 제공이 아니라 후보 생성과 점검입니다. 여러 후보를 빠르게 받아 보고, 교사가 선택하는 구조가 안전합니다.

3. 수준별 지원은 ‘한 번 더 설명하기’에서 시작할 수 있다

수업 준비에서 교사가 늘 고민하는 것은 학생 간 차이입니다. 같은 내용을 설명해도 어떤 학생은 금방 이해하고, 어떤 학생은 예시가 더 필요합니다. 또 어떤 학생은 글로 표현하기를 어려워하고, 어떤 학생은 활동이 너무 쉬워 금방 끝냅니다.

AI Agent는 수준별 자료를 만드는 데 도움을 줄 수 있습니다. 예를 들어 같은 개념을 쉬운 말, 보통 설명, 확장 질문으로 나누어 달라고 할 수 있습니다.

> 이 개념을 학생 수준별로 세 가지 방식으로 설명해 줘. ① 처음 배우는 학생을 위한 쉬운 설명, ② 기본 활동을 마친 학생을 위한 확인 질문, ③ 더 생각해 볼 수 있는 심화 질문으로 나누어 줘.

이런 결과는 수업 중 교사의 말 자료가 됩니다. 교사는 학생이 막히는 순간에 추가 예시를 꺼낼 수 있고, 빨리 끝낸 학생에게 확장 질문을 줄 수 있습니다. 활동지를 세 벌 만들지 않더라도 수업 중 대응 카드가 생기는 셈입니다.

특수교육대상학생, 다문화 학생, 기초학력 지원이 필요한 학생을 떠올릴 때도 AI Agent는 초안을 줄 수 있습니다. 다만 이때는 학생의 실제 개인정보나 민감한 상황을 그대로 입력하지 않는 것이 좋습니다. “읽기 속도가 느린 학생”, “한국어 어휘가 부족한 학생”처럼 일반화된 특성으로 요청하고, 최종 조정은 교사가 해야 합니다.

4. 활동지와 자료는 ‘초안’으로 받을 때 가장 안전하다

AI가 만든 활동지는 그럴듯해 보일 때가 많습니다. 제목도 있고, 문항도 있고, 표도 있습니다. 하지만 그대로 쓰기에는 위험한 부분이 있습니다. 문항 수준이 맞지 않거나, 답이 애매하거나, 수업 시간에 비해 양이 많거나, 교과서 흐름과 맞지 않을 수 있습니다.

그래서 저는 AI Agent에게 완성본보다 초안을 요청하는 방식이 더 안전하다고 봅니다.

> 아래 수업 흐름에 맞춰 활동지 초안을 만들어 줘. 단, 바로 배포할 완성본이 아니라 교사가 수정할 초안으로 작성해 줘. 학생에게 제시할 문장, 활동 순서, 빈칸 또는 표 형식을 포함하되, 마지막에는 교사가 확인해야 할 항목을 따로 적어 줘.

이렇게 요청하면 결과물을 검토 대상으로 받아들이게 됩니다. 특히 “교사가 확인해야 할 항목”을 붙이면 문항 난이도, 오개념 가능성, 시간 배분, 자료 출처, 개인정보 포함 여부 같은 점검 목록을 함께 받을 수 있습니다.

수업 자료에서 저작권도 중요합니다. AI Agent에게 이미지를 바로 만들어 달라고 하거나 인터넷 자료를 가져오게 할 때는 출처와 사용 가능성을 확인해야 합니다. 학교 수업 안에서 사용하는 자료라도 공개 게시, 연수 자료, 블로그 공유로 넘어가면 조건이 달라질 수 있습니다. 자료 제작 자동화는 편하지만 출처 확인은 줄이면 안 되는 부분입니다.

5. 피드백 문장 초안은 교사의 시간을 크게 줄일 수 있다

교사가 가장 많은 시간을 쓰는 일 중 하나가 피드백입니다. 학생 글을 읽고, 수행 결과를 보고, 어떤 점을 잘했고 무엇을 보완해야 하는지 문장으로 써 주는 일은 교육적으로 중요하지만 시간이 많이 듭니다. AI Agent는 이 부분에서 꽤 실질적인 도움을 줄 수 있습니다.

예를 들어 평가 기준을 먼저 정리한 뒤, 학생 산출물의 특징을 익명화하여 입력하면 피드백 문장 초안을 받을 수 있습니다.

> 평가 기준은 내용 이해, 근거 제시, 표현의 명확성 세 가지야. 학생 A의 글은 근거가 하나만 있고 결론은 분명해. 이름은 쓰지 말고, 격려 1문장과 보완점 1문장, 다음 활동 제안 1문장으로 피드백 초안을 만들어 줘.

이 방식은 교사의 판단을 대체하지 않습니다. 교사가 본 학생의 맥락을 바탕으로 피드백 특징을 정리하고, AI Agent는 문장화 부담을 줄여 줍니다. 특히 생활기록부식 문장이나 공식 평가 문구가 아니라, 학생에게 전달할 짧고 구체적인 피드백 초안을 만드는 데 잘 맞습니다.

주의할 점은 실제 학생 이름, 민감한 배경, 상담 내용 등을 그대로 넣지 않는 것입니다. 피드백 자동화는 편리하지만 학생 정보 보호가 먼저입니다. 가능하면 학생을 A, B처럼 바꾸고, 필요한 특징만 간단히 입력하는 방식이 안전합니다.

6. 수업 후 정리까지 이어져야 다음 수업이 좋아진다

수업 준비는 수업 전에 끝나는 일이 아닙니다. 수업 후에 무엇이 잘 되었고, 어디서 막혔고, 다음 시간에 무엇을 보완할지 정리해야 다음 수업이 나아집니다. 그런데 실제 학교 일상에서는 수업이 끝나자마자 다음 수업, 상담, 회의, 업무가 이어져 돌아볼 시간이 부족합니다.

AI Agent에게 수업 후 짧은 메모를 정리하게 하면 다음 준비가 쉬워집니다. 예를 들어 교사가 Telegram에 몇 줄만 남겨도 됩니다.

> 오늘 5학년 사회 수업 메모야. 학생들이 원인과 해결 방안을 구분하는 데 여전히 어려움이 있었고, 모둠 토의는 활발했지만 발표 시간이 부족했어. 다음 시간 보완할 점과 간단한 재지도 활동을 정리해 줘.

이런 메모가 쌓이면 단순한 기록을 넘어 수업 개선 자료가 됩니다. 다음 해 같은 단원을 준비할 때도 도움이 되고, 동료 교사와 협의할 때도 근거가 됩니다. 교육공학 관점에서 보면 AI Agent는 수업 설계-실행-성찰의 순환을 이어 주는 기록 보조자 역할을 할 수 있습니다.

7. 교사의 전문성을 지우지 않는 방식이어야 한다

AI Agent가 수업 준비를 도울 수 있는 범위는 생각보다 넓습니다. 성취기준 해석 후보, 수업 흐름, 발문, 수준별 설명, 활동지 초안, 피드백 문장, 수업 후 성찰 정리까지 연결할 수 있습니다. 하지만 이 모든 과정에서 마지막 판단은 교사에게 남아 있어야 합니다.

교실에는 문서에 적히지 않는 정보가 많습니다. 오늘 학생들의 컨디션, 반 분위기, 지난 시간의 작은 실패, 특정 학생이 용기를 내어 말한 순간, 교사가 지키고 싶은 수업의 방향은 AI가 완전히 알 수 없습니다. AI Agent는 이런 맥락을 입력받아 도울 수는 있지만, 그 맥락을 해석하고 책임지는 사람은 교사입니다.

그래서 수업 준비에서 AI Agent를 쓰는 가장 좋은 방식은 “대신 만들어 줘”가 아니라 “내가 준비하는 과정을 옆에서 정리해 줘”에 가깝습니다. 초안을 받고, 후보를 비교하고, 빠진 점을 점검하고, 학생에게 맞게 고치는 흐름입니다. 이 방식이라면 AI는 교사의 전문성을 약하게 만드는 도구가 아니라, 전문성이 더 잘 드러나도록 시간을 돌려주는 도구가 될 수 있습니다.

마무리하며

교사의 수업 준비는 단순한 자료 제작이 아닙니다. 교육과정, 학생 이해, 수업 흐름, 활동, 평가, 피드백, 성찰이 함께 움직이는 복합적인 일입니다. AI Agent는 이 전 과정을 대신할 수는 없지만, 교사가 혼자 감당하던 초안 작성과 점검, 정리의 부담을 줄이는 데는 충분히 쓸모가 있습니다.

학교 현장에서 AI Agent 활용을 이야기할 때는 “수업을 자동화할 수 있느냐”보다 “교사가 더 좋은 판단을 할 시간을 어떻게 확보할 것인가”를 먼저 물어야 한다고 생각합니다. 그렇게 접근하면 AI 활용은 수업의 본질을 흐리는 일이 아니라 수업의 본질에 더 가까이 가기 위한 보조 장치가 됩니다.