새물내 솔솔

지난 글에서는 학교와 교육행정 조직에서 AI Agent를 쓸 때 필요한 원칙 문서를 생각해 보았습니다. 사용 가능한 업무와 제한해야 할 업무를 나누고, 개인정보 보호와 사람의 검토 절차를 문서로 남기자는 이야기였습니다. 그런데 원칙 문서만 만들어 두면 현장은 다시 조용해질 수 있습니다. 실제로 어떤 장면에서 도움이 되었는지, 어디에서 막혔는지, 무엇을 조심해야 했는지가 함께 쌓여야 합니다.

Hermes Agent로 이 연재를 준비하면서 저도 매번 작은 기록을 남깁니다. 00_목차.md에 글의 순서와 준비 상태를 적고, 원고와 이미지 파일을 같은 폴더 안에 둡니다. Google Drive 링크가 만들어졌는지도 확인합니다. 대단한 시스템은 아니지만, 다음 날 다시 이어서 작업할 때 이 기록이 꽤 큰 역할을 합니다. 학교와 교육청에서 AI Agent를 쓰는 일도 비슷하다고 봅니다. 한 사람의 실험으로 끝내지 않으려면 사례를 모으는 방식이 필요합니다.

1. 사례 공유는 성공담보다 업무 장면에서 시작한다

AI 활용 사례를 모은다고 하면 먼저 멋진 성공 사례를 떠올리기 쉽습니다. “업무 시간이 몇 시간 줄었다”, “보고서 초안이 금방 나왔다” 같은 문장은 눈에 잘 들어옵니다. 하지만 현장에 더 도움이 되는 것은 결과보다 장면입니다. 어떤 업무였는지, 어떤 자료를 넣었는지, AI Agent에게 무엇을 맡겼는지, 사람이 어디를 고쳤는지가 보여야 합니다.

예를 들어 “연수 기획에 AI Agent를 활용했다”라고만 적으면 따라 하기 어렵습니다. “전년도 연수 운영 계획과 만족도 결과를 바탕으로 올해 연수 주제 후보를 뽑게 했다”, “대상과 시간표는 담당자가 다시 조정했다”처럼 적어야 합니다. 그래야 다른 부서나 학교에서도 자신의 업무에 맞게 바꿔 볼 수 있습니다.

사례 공유의 출발점은 자랑이 아니라 재현 가능성입니다. 누군가의 멋진 결과물을 보여주는 것보다, 비슷한 업무를 맡은 사람이 “나도 이 정도는 한번 해 볼 수 있겠다”라고 느끼게 하는 것이 더 중요합니다.

2. 한쪽짜리 기록 양식이면 충분하다

처음부터 사례 관리 플랫폼을 만들 필요는 없습니다. 오히려 양식이 복잡하면 아무도 쓰지 않습니다. 학교 업무는 이미 입력해야 할 시스템과 문서가 많습니다. AI Agent 활용 사례 기록은 한쪽짜리 양식으로 시작하는 편이 좋습니다.

제가 생각하는 기본 항목은 여섯 가지 정도입니다. 업무명, 사용 목적, 입력한 자료의 종류, AI Agent에게 맡긴 일, 사람이 수정한 부분, 사용하면서 느낀 주의점입니다. 여기에 개인정보를 제거했는지 확인하는 칸을 하나 두면 좋습니다. 날짜와 작성자까지 넣으면 나중에 사례를 정리하기 쉽습니다.

예를 들면 이렇게 적을 수 있습니다. “업무명: 교원 연수 안내문 초안 작성”, “입력 자료: 공개 가능한 일정과 장소, 신청 방법”, “Agent 역할: 안내문 초안과 문자 안내 문구 작성”, “사람의 수정: 신청 링크와 문의처 확인, 문장 톤 조정”. 이 정도 기록이면 과하지 않으면서도 다음 사람이 참고할 수 있습니다.

3. 좋은 사례와 조심할 사례를 함께 모아야 한다

사례를 모을 때 좋은 결과만 남기면 실제 연수 자료로 쓰기 어렵습니다. AI Agent가 잘 도와준 장면만큼이나 애매했던 장면, 다시 확인해야 했던 장면, 사용하지 않기로 한 장면도 중요합니다. 이런 기록이 있어야 조직의 판단 기준이 생깁니다.

예를 들어 공개 자료 요약은 비교적 안전하게 시작할 수 있습니다. 반면 민원 내용이나 학생 개인 사례가 포함된 자료는 그대로 넣으면 안 됩니다. 회의록 정리도 참석자 이름과 민감한 발언을 어떻게 처리할지 기준이 필요합니다. 이런 주의 사례는 실패담이 아니라 안전장치입니다.

교육전문직 업무에서는 특히 이 균형이 필요합니다. 새로운 도구를 소개할 때 장점만 말하면 현장에서는 오히려 불안해질 수 있습니다. “이런 경우에는 도움이 되었고, 이런 경우에는 사람이 멈추고 판단했다”라는 사례가 함께 있을 때 신뢰가 생깁니다.

4. 사례 검토는 기술 평가보다 업무 검토에 가깝다

AI Agent 활용 사례를 모으면 누군가는 검토해야 합니다. 이때 검토 기준을 기술 성능으로만 잡을 필요는 없습니다. 모델이 얼마나 똑똑했는지를 평가하는 것보다, 해당 업무에 안전하고 유용했는지를 보는 것이 먼저입니다.

검토할 때는 몇 가지 질문을 던질 수 있습니다. 입력 자료에 민감정보가 없었는가. 결과물의 사실관계를 사람이 확인했는가. 담당자의 업무 판단을 대신하지 않았는가. 다른 학교나 부서에서 참고해도 무리가 없는가. 사례 설명만 보고도 따라 할 수 있을 만큼 절차가 분명한가.

이런 검토는 정보 담당자만의 일이 아닙니다. 업무 담당자, 부장, 관리자, 교육전문직이 함께 볼 수 있습니다. AI Agent는 기술 도구이지만, 실제 활용 여부는 업무 맥락에서 결정되기 때문입니다.

5. 모은 사례는 연수 자료로 다시 돌아와야 한다

사례를 기록하는 가장 좋은 이유는 다음 연수와 컨설팅에 다시 쓰기 위해서입니다. AI Agent 연수에서 기능 설명만 오래 하면 듣는 사람은 금방 피곤해집니다. 반대로 같은 교육 현장에서 나온 사례를 보여주면 집중도가 달라집니다. “우리 업무에도 연결될 수 있겠다”는 생각이 들기 때문입니다.

예를 들어 연수 자료의 한 장을 “공문 초안 작성 사례”로 만들 수 있습니다. 왼쪽에는 업무 상황을, 가운데에는 Agent에게 맡긴 일을, 오른쪽에는 사람이 확인한 부분을 놓습니다. 다음 장에는 “따라 해 보기” 활동을 넣어 비슷한 업무를 자신의 말로 바꾸게 할 수 있습니다.

사례가 쌓이면 연수도 점점 현장형으로 바뀝니다. 처음에는 강사가 준비한 예시로 시작하더라도, 시간이 지나면 참여자들이 가져온 사례가 다음 연수의 자료가 됩니다. 그때부터는 AI Agent 연수가 단순한 도구 소개가 아니라 조직의 업무 개선 대화가 됩니다.

6. 공유 범위는 처음부터 넓히지 않아도 된다

사례 공유라고 해서 처음부터 모든 학교와 모든 부서에 공개할 필요는 없습니다. 활용 원칙이 자리 잡기 전에는 작은 범위에서 시작하는 편이 안전합니다. 같은 팀, 같은 업무 담당자 모임, 연수 참여자 그룹처럼 맥락을 아는 사람들끼리 먼저 나눌 수 있습니다.

공유 범위를 정할 때는 자료의 민감도를 봐야 합니다. 공개 정책자료를 요약한 사례는 비교적 넓게 나눌 수 있습니다. 내부 회의나 학교별 상황이 담긴 사례는 익명화하거나 구조만 남겨야 합니다. 학생, 학부모, 교직원이 특정될 수 있는 내용은 사례화하지 않는 편이 낫습니다.

이 원칙은 제가 Google Drive 링크를 다룰 때도 떠올리는 부분입니다. 파일을 올리더라도 공유 범위를 함부로 넓히지 않습니다. 링크가 있다고 해서 곧바로 공개 자료가 되는 것은 아니기 때문입니다. 학교와 교육청 사례 공유도 같은 감각이 필요합니다.

7. 작은 사례 저장소가 조직의 학습 기록이 된다

처음에는 몇 개의 사례가 별것 아닌 것처럼 보일 수 있습니다. 하지만 업무명, 입력 자료, Agent 역할, 사람의 검토, 주의점이 꾸준히 쌓이면 그것은 조직의 학습 기록이 됩니다. 어떤 업무는 AI Agent와 잘 맞고, 어떤 업무는 조심해야 하는지 보입니다.

이 기록은 나중에 활용 원칙을 고치는 근거가 됩니다. 연수 자료가 되고, 컨설팅 질문 목록이 되고, 새로운 업무 자동화 실험의 출발점이 됩니다. 교육공학에서 말하는 설계와 평가도 결국 이런 작은 기록에서 시작됩니다. 도구를 한 번 써 보는 데서 끝나지 않고, 사용 경험을 다시 설계 자료로 돌리는 과정입니다.

AI Agent가 학교와 교육행정 조직에 들어온다면, 가장 먼저 필요한 것은 거창한 시스템보다 안전하게 기록하고 나누는 습관일지 모릅니다. 개인의 시행착오가 조직의 사례가 되고, 조직의 사례가 다음 사람의 출발점이 되는 흐름을 만들어야 합니다.

마무리하며

AI Agent 활용 사례를 모으는 일은 홍보 자료를 만드는 일이 아닙니다. 현장의 작은 업무 장면을 기록하고, 사람이 확인한 부분과 조심한 부분을 함께 남기는 일입니다. 그렇게 쌓인 사례는 연수와 컨설팅, 원칙 문서 개정, 학교 업무경감 논의로 다시 돌아올 수 있습니다.

지난 글에서는 AI Agent를 연수와 컨설팅에서 어떻게 안내할지 정리했습니다. 기능 설명보다 업무 장면에서 시작하고, 프롬프트보다 입력 자료와 검토 기준을 먼저 다루자는 이야기였습니다. 그러고 나면 자연스럽게 다음 질문이 남습니다. “그렇다면 우리 조직에서는 어떤 기준으로 써야 할까?”

Hermes Agent로 이 블로그 원고를 준비하면서도 같은 생각을 자주 합니다. Agent가 목차를 확인하고, 글을 쓰고, 이미지를 만들고, Drive에 올리는 일까지 도와주지만 최종 발행은 제가 직접 합니다. 공개할 수 있는 내용과 조심해야 할 내용도 사람이 구분합니다. 이런 흐름을 학교나 교육행정 조직에 적용하려면 말로만 “조심해서 쓰자”라고 할 것이 아니라, 짧고 읽기 쉬운 원칙 문서가 필요합니다.

1. 원칙 문서는 금지 목록이 아니라 사용 안내서여야 한다

AI 활용 원칙을 만들자고 하면 먼저 금지 조항부터 떠올리기 쉽습니다. 개인정보를 넣지 말 것, 민감한 사안을 맡기지 말 것, 결과를 그대로 제출하지 말 것 같은 문장입니다. 이런 문장은 분명 필요합니다. 다만 금지 문장만 가득한 문서는 현장에서 잘 읽히지 않습니다.

학교와 교육청 업무는 이미 지켜야 할 기준이 많습니다. 여기에 AI까지 “하면 안 되는 것”으로만 소개되면 선생님들은 시도하기 전에 멈추게 됩니다. 그래서 원칙 문서는 금지 목록보다 사용 안내서에 가까워야 한다고 생각합니다. 무엇은 해 볼 수 있고, 무엇은 조심해야 하며, 어떤 단계에서 사람이 확인해야 하는지 함께 적어야 합니다.

예를 들어 “AI Agent 사용 금지 업무”만 쓰는 대신 “처음 실험하기 좋은 업무”와 “관리자 확인이 필요한 업무”를 나누어 제시할 수 있습니다. 공개 자료 요약, 안내문 초안, 회의 안건 정리처럼 위험이 낮은 업무는 실험 가능 영역으로 두고, 학생 개인정보나 민원 판단이 포함된 업무는 제한 영역으로 두는 방식입니다.

2. 사용 범위는 ‘업무 유형’으로 정리한다

현장에서 가장 필요한 것은 추상적인 선언보다 구체적인 업무 유형입니다. “AI를 책임 있게 사용한다”는 문장은 맞지만, 실제 업무 앞에서는 조금 막연합니다. “이 공문 초안을 맡겨도 될까?”, “이 회의 메모를 넣어도 될까?”, “이 설문 응답을 정리해도 될까?” 같은 질문에 답할 수 있어야 합니다.

저라면 활용 원칙 문서에 업무 유형 표를 넣겠습니다. 첫 번째 칸에는 사용 가능 업무를 적습니다. 공개 정책자료 요약, 연수 안내문 초안, 보도자료 문장 다듬기, 일반 설문 문항 초안처럼 개인정보와 민감 판단이 적은 업무입니다. 두 번째 칸에는 조건부 사용 업무를 둡니다. 내부 회의 메모 정리, 학교 업무 흐름 분석, 만족도 조사 결과 요약처럼 비식별 처리와 담당자 검토가 필요한 업무입니다. 세 번째 칸에는 사용 제한 업무를 둡니다. 학생 개인 사례, 민원 세부 내용, 인사·징계·평정 관련 자료처럼 조심해야 할 업무입니다.

이렇게 쓰면 현장에서는 훨씬 이해하기 쉽습니다. 원칙이 구호가 아니라 체크리스트가 됩니다. 교육전문직이 연수나 컨설팅에서 설명할 때도 “우리 업무를 이 표에 놓고 함께 판단해 봅시다”라고 말할 수 있습니다.

3. 개인정보 원칙은 예시와 함께 써야 한다

AI Agent 활용에서 개인정보 보호는 빠질 수 없습니다. 그런데 “개인정보를 입력하지 않는다”는 한 문장만으로는 부족합니다. 어떤 정보가 개인정보인지, 학교 업무에서 어떤 장면이 위험한지 예시가 있어야 합니다.

예를 들어 학생 이름, 학번, 연락처, 보호자 정보는 당연히 제외해야 합니다. 여기에 특정 학생을 알아볼 수 있는 생활지도 서술, 상담 내용, 건강 정보, 민원인의 상세한 사연도 조심해야 합니다. 이름을 지웠더라도 학교명, 학년, 사건의 특징이 합쳐져 특정인이 떠오를 수 있다면 그대로 넣지 않는 편이 안전합니다.

대신 원칙 문서에는 바꿔 넣는 방법을 함께 적을 수 있습니다. “3학년 김○○ 학생” 대신 “한 학생”, “○○초 5학년 학급” 대신 “초등학교 한 학급”, “실제 민원 문장” 대신 “유사한 상황을 일반화한 문장”으로 바꾸는 방식입니다. 이렇게 예시가 있으면 담당자는 막연한 불안보다 실천 방법을 떠올릴 수 있습니다.

4. AI가 만든 결과물은 ‘초안’으로 표시한다

제가 블로그를 준비할 때도 Agent가 만든 결과물을 바로 완성본으로 보지 않습니다. 원고는 읽고 고치고, 이미지는 눈으로 확인하고, Drive 링크도 다시 열어 봅니다. 학교와 교육행정 조직에서도 이 감각이 중요합니다. AI Agent가 만든 문서는 기본적으로 초안입니다.

활용 원칙 문서에는 이 점을 분명히 적어야 합니다. AI가 생성한 안내문, 보고서 문장, 요약문, 설문 문항은 담당자가 확인한 뒤 사용한다는 기준입니다. 특히 날짜, 숫자, 법령명, 사업명, 대상, 신청 링크, 예산, 담당 부서 같은 항목은 사람이 반드시 확인해야 합니다.

표현도 중요합니다. “AI 결과를 무조건 믿지 말라”보다 “AI 결과는 초안으로 보고 담당자가 사실관계와 표현을 확인한다”라고 쓰는 편이 좋습니다. 같은 내용이라도 후자의 문장이 업무 흐름에 더 잘 들어옵니다. 불신을 조장하기보다 검토 절차를 만드는 표현이기 때문입니다.

5. 책임 소재는 겁주는 방식이 아니라 역할 구분으로 쓴다

AI 활용 원칙에서 책임 이야기를 빼면 안 됩니다. 하지만 책임을 이야기할 때 조심할 점이 있습니다. “문제가 생기면 사용자가 책임진다”는 식의 문장만 앞세우면 현장은 위축됩니다. 물론 최종 판단과 사용 책임은 사람에게 있습니다. 다만 원칙 문서에서는 이 내용을 역할 구분으로 풀어 쓰는 것이 좋습니다.

예를 들어 AI Agent의 역할은 자료 정리, 초안 작성, 형식 변환, 반복 작업 지원으로 적을 수 있습니다. 담당자의 역할은 입력 자료 선정, 민감정보 제거, 결과 검토, 최종 사용 판단입니다. 관리자의 역할은 사용 범위 안내, 민감 업무 판단 지원, 조직 차원의 기록 관리입니다.

이렇게 쓰면 책임이 막연한 부담이 아니라 업무 절차가 됩니다. 누가 무엇을 확인해야 하는지 보이기 때문입니다. 학교에서는 담임, 업무담당자, 부장, 관리자 사이의 역할이 이미 존재합니다. AI Agent 원칙도 그 흐름 안에 자연스럽게 들어가야 합니다.

6. 기록은 거창한 시스템보다 작은 양식에서 시작한다

AI Agent를 조직에서 쓰려면 기록이 필요합니다. 어떤 업무에 사용했는지, 어떤 자료를 넣었는지, 결과를 어떻게 수정했는지 남겨야 나중에 돌아볼 수 있습니다. 다만 처음부터 복잡한 관리 시스템을 만들 필요는 없습니다. 작은 양식 하나면 충분합니다.

양식에는 날짜, 업무명, 사용 목적, 입력 자료의 종류, 개인정보 제거 여부, 생성 결과, 사람이 수정한 내용, 사용 여부 정도를 넣을 수 있습니다. 예를 들어 “연수 안내문 초안 작성”, “공개 일정과 운영 계획만 입력”, “담당자가 날짜와 신청 링크 확인 후 수정”처럼 짧게 남기는 방식입니다.

제가 00_목차.md에 글 준비 상태와 링크를 남기는 것도 같은 이유입니다. 매번 기억에 의존하지 않기 위해서입니다. 조직에서도 작은 기록이 쌓이면 나중에 좋은 사례와 주의 사례를 구분할 수 있습니다. 연수 자료로도 다시 사용할 수 있습니다.

7. 원칙 문서는 한 번에 완성하지 않아도 된다

학교나 교육행정 조직에서 AI Agent 활용 원칙을 처음 만들 때 완벽한 문서를 목표로 삼으면 시작이 늦어집니다. 기술도 빠르게 바뀌고, 현장의 활용 장면도 계속 달라집니다. 처음에는 1쪽짜리 초안으로 시작해도 됩니다.

처음 문서에는 사용 가능 업무, 제한 업무, 개인정보 처리, 결과 검토, 기록 양식 정도만 담아도 충분합니다. 한 달 정도 작은 실험을 해 보고, 실제로 헷갈렸던 장면을 반영해 고치면 됩니다. 원칙 문서는 현장을 묶어 두는 문서가 아니라 안전하게 실험을 이어가게 하는 문서여야 합니다.

이런 점에서 AI Agent 활용 원칙은 규정이면서 동시에 학습 자료입니다. 문서를 만드는 과정 자체가 조직이 AI를 어떻게 이해하고 사용할지 합의하는 과정이 됩니다. 교육공학적으로 보면 도구 도입보다 중요한 것은 사용 문화를 설계하는 일입니다.

마무리하며

AI Agent를 학교와 교육행정 조직에 적용하려면 작은 실험만큼이나 짧고 분명한 활용 원칙이 필요합니다. 금지 목록만 만드는 것이 아니라, 해 볼 수 있는 업무와 조심해야 할 업무를 함께 제시하고, 개인정보 보호와 사람의 검토 절차를 실제 장면 중심으로 써야 합니다.

지난 글에서는 AI Agent를 학교와 교육행정 조직에 적용할 때 처음부터 큰 시스템을 도입하기보다 작고 안전한 실험에서 출발하는 편이 현실적이라고 정리했습니다. 공개 자료 요약, 안내문 초안, 설문 응답 정리처럼 위험이 낮고 반복성이 있는 업무부터 살펴보자는 이야기였습니다. 그렇게 생각을 이어가다 보니 다음 질문은 연수와 컨설팅 장면으로 옮겨 갑니다. 교사나 교육전문직에게 이 경험을 어떻게 안내하면 부담이 덜할까요.

제가 Hermes Agent를 쓰며 느낀 것은 설명만으로는 잘 와닿지 않는다는 점입니다. “AI Agent는 도구를 쓰고, 기억을 남기고, 절차에 따라 일한다”라고 말하면 개념은 전달됩니다. 하지만 실제로는 “아침에 자료를 모아 달라고 맡겼더니 결과가 이렇게 왔다”, “원고와 이미지, Drive 링크를 한 번에 준비하게 했다” 같은 장면을 보여 줄 때 이해가 빨라집니다. 연수와 컨설팅도 결국 이런 실제 장면에서 출발해야 한다고 생각합니다.

1. 연수의 출발점은 기술 소개가 아니라 업무 장면이다

AI Agent 연수를 준비하면 먼저 기능 목록을 설명하고 싶은 마음이 생깁니다. 모델, API, 토큰, 도구 사용, 자동화 같은 용어가 떠오릅니다. 그러나 현장 선생님이나 교육전문직에게 처음부터 용어를 많이 제시하면 “그래서 내 업무와 무슨 관련이 있지?”라는 거리감이 생길 수 있습니다.

저라면 연수 첫 장면을 기능 설명이 아니라 업무 장면으로 열고 싶습니다. 예를 들어 “연수 안내문을 매번 새로 쓰는 상황”, “회의 후 정리해야 할 메모가 쌓인 상황”, “공개 정책자료를 읽고 핵심을 뽑아야 하는 상황”을 먼저 제시합니다. 그리고 그중 한 장면을 AI Agent에게 맡기면 어떤 흐름으로 일이 진행되는지 보여 줍니다.

이 방식은 AI를 신기한 기술로만 보지 않게 합니다. 도구가 먼저가 아니라 업무가 먼저라는 메시지를 줍니다. 교육공학적으로 보아도 학습자는 자신의 문제 상황과 연결될 때 훨씬 잘 이해합니다.

2. 실습 과제는 ‘성공하기 쉬운 업무’로 고른다

첫 실습에서 너무 어려운 과제를 주면 연수 분위기가 금방 무거워집니다. 개인정보가 섞인 자료, 판단이 필요한 민감 사안, 학교마다 맥락이 다른 복잡한 업무는 처음 실습에 적합하지 않습니다. 실패했을 때 도구에 대한 불신만 커질 수 있습니다.

처음에는 성공하기 쉬운 업무가 좋습니다. 공개 보도자료 1쪽을 요약하기, 연수 안내 문자 초안 만들기, 회의 안건을 표로 정리하기, 설문 문항 초안을 5개 만들기 같은 과제입니다. 결과물이 완벽하지 않아도 사람이 바로 고칠 수 있고, “초안으로는 쓸 수 있겠다”는 느낌을 주기 쉽습니다.

Hermes Agent를 제 블로그 준비에 쓰는 과정도 비슷했습니다. 처음부터 모든 글을 자동 발행하게 한 것이 아니라, 목차 확인과 초안 작성, 이미지 생성, Drive 업로드처럼 사람이 확인할 수 있는 단계로 나누었습니다. 연수 실습도 같은 원리로 설계하는 것이 좋습니다.

3. 프롬프트보다 입력 자료와 검토 기준을 먼저 알려 준다

AI 연수에서 자주 나오는 질문은 “프롬프트를 어떻게 쓰면 좋나요?”입니다. 물론 프롬프트는 중요합니다. 하지만 실제 업무에서 결과의 질을 좌우하는 것은 프롬프트 문장만이 아닙니다. 어떤 자료를 넣는지, 어디까지 맡길지, 무엇을 사람이 확인할지가 더 중요할 때가 많습니다.

그래서 연수에서는 멋진 프롬프트 모음보다 입력 자료와 검토 기준을 먼저 안내하고 싶습니다. 예를 들어 안내문 초안을 만들 때는 일정, 대상, 신청 방법, 문의처가 정확히 들어 있어야 합니다. 설문 문항을 만들 때는 응답자가 오해하지 않는 표현인지 확인해야 합니다. 회의록을 정리할 때는 결정 사항과 추후 조치가 빠지지 않았는지 봐야 합니다.

이렇게 설명하면 AI Agent 활용이 문장 기술이 아니라 업무 설계의 문제로 보입니다. 선생님들도 “프롬프트를 잘 외워야 하는구나”보다 “자료와 기준을 잘 준비해야 하는구나”라고 받아들이게 됩니다.

4. 사람의 확인 단계를 연수 안에 반드시 넣는다

AI Agent 실습에서 결과물이 나오면 참가자들은 자연스럽게 감탄하거나 실망합니다. 그런데 그다음 단계가 더 중요합니다. 결과를 그대로 받아들이는 것이 아니라, 사람이 확인하고 고치는 시간을 연수 안에 넣어야 합니다. 이 단계가 빠지면 AI 활용이 실제 업무로 이어지기 어렵습니다.

예를 들어 Agent가 만든 연수 안내문 초안을 보고 날짜, 장소, 신청 링크, 표현의 적절성을 직접 확인하게 합니다. 설문 문항 초안을 보고 중복 문항이나 유도 질문이 있는지 표시하게 합니다. 정책자료 요약문을 보고 원문과 다른 내용이 섞이지 않았는지 확인하게 합니다.

이 과정에서 참가자는 AI가 잘하는 일과 사람이 해야 할 일을 자연스럽게 구분합니다. “AI가 써 줬다”에서 끝나는 것이 아니라 “나는 무엇을 검토해야 하는가”를 익히게 됩니다. 학교 현장에서는 이 감각이 특히 중요합니다.

5. 컨설팅에서는 한 팀의 반복업무를 함께 고른다

연수는 여러 사람이 함께 개념과 실습을 경험하는 자리라면, 컨설팅은 특정 학교나 팀의 실제 업무를 다루는 자리입니다. 그래서 컨설팅에서는 일반 예시보다 그 팀의 반복업무를 함께 찾는 시간이 필요합니다. “요즘 가장 자주 반복되는 문서 작업은 무엇인가요?”, “매번 비슷하게 안내하지만 시간이 걸리는 업무는 무엇인가요?” 같은 질문에서 시작할 수 있습니다.

교육전문직 업무에서도 마찬가지입니다. 연수 운영팀이라면 안내문, 만족도 조사, 결과 보고가 반복됩니다. 장학이나 정책 업무라면 자료 요약, 회의자료 구성, 질의응답 정리가 반복됩니다. 학교라면 주간 일정 안내, 가정통신문 초안, 회의 안건 정리 같은 업무가 후보가 될 수 있습니다.

컨설팅의 목표는 그 자리에서 거창한 자동화 시스템을 완성하는 것이 아닙니다. 한 가지 업무를 골라 Agent에게 맡길 부분과 사람이 확인할 부분을 나누어 보는 것입니다. 그 정도만 해도 팀은 다음 실험을 스스로 설계할 수 있는 출발점을 얻습니다.

6. 결과보다 실험 기록을 남기게 한다

연수나 컨설팅이 끝나면 참가자들은 결과물 파일만 챙기기 쉽습니다. 하지만 조직 안에서 경험이 이어지려면 결과보다 실험 기록이 더 중요합니다. 어떤 업무를 선택했는지, 어떤 자료를 넣었는지, 어떤 지시를 했는지, 결과를 어떻게 수정했는지 남겨야 합니다.

기록 양식은 단순해도 됩니다. 업무명, 입력 자료, Agent에게 맡긴 일, 사람이 확인한 일, 좋았던 점, 주의할 점 정도면 충분합니다. 이 기록이 여러 개 쌓이면 학교나 교육청의 AI Agent 활용 사례가 됩니다. 다음 연수 자료로도 쓸 수 있고, 조직 내부 가이드라인을 만들 때도 도움이 됩니다.

제가 블로그 연재를 준비할 때 00_목차.md에 준비 상태와 링크를 남기는 이유도 같습니다. 매번 새로 기억하지 않아도 되게 하기 위해서입니다. 조직의 AI 활용도 결국 기록이 있어야 개인 경험을 넘어 공동의 자산이 됩니다.

7. 부담을 줄이는 안내 문장이 필요하다

AI Agent 연수에서는 기술보다 분위기가 중요할 때가 있습니다. 참가자들이 “이제 이것까지 배워야 하나”라고 느끼면 시작부터 부담이 커집니다. 그래서 안내 문장도 조심해야 합니다. “AI를 반드시 써야 한다”보다 “반복되는 초안 작업을 조금 줄여 보는 실험”이라고 표현하는 편이 낫습니다.

저는 연수에서 이런 문장을 쓰고 싶습니다. “오늘은 완벽한 자동화를 배우는 시간이 아닙니다. 내 업무 중 하나를 골라 초안 작성과 정리 시간을 줄일 수 있는지 확인해 보는 시간입니다.” 이 정도 문장만으로도 참가자는 실패에 대한 부담을 덜 느낄 수 있습니다.

AI Agent는 사람을 대체하는 도구로 소개되기보다, 사람이 검토하고 판단할 시간을 확보해 주는 도구로 안내되어야 합니다. 그래야 학교와 교육행정 조직에서 불필요한 경계심을 줄이고, 안전한 실험을 이어갈 수 있습니다.

마무리하며

AI Agent를 연수와 컨설팅에서 다룰 때는 기능 설명보다 업무 장면, 프롬프트보다 입력 자료와 검토 기준, 결과물보다 실험 기록을 앞에 두는 편이 좋습니다. 작은 업무 하나를 골라 맡길 일과 확인할 일을 나누어 보는 것만으로도 현장에서는 충분히 의미 있는 출발이 됩니다.

지난 글에서는 지금까지 쌓아 온 AI Agent 활용기를 전자책 원고로 묶는 방법을 생각해 보았습니다. 블로그 글을 모아 책으로 만드는 일은 단순한 편집이 아니라, 내가 왜 이 도구를 쓰기 시작했는지 다시 확인하는 과정이었습니다. 그렇게 정리하고 나니 자연스럽게 다음 질문이 생겼습니다. 개인이 혼자 쓰는 AI Agent 경험을 학교나 교육행정 조직에서는 어디서부터 시작할 수 있을까요.

저는 처음부터 조직 전체에 AI Agent를 도입하자는 식으로 접근하면 오히려 어렵다고 봅니다. 학교와 교육청 업무는 책임 소재가 분명해야 하고, 개인정보와 공문서 관리도 조심해야 합니다. 교사와 교육전문직의 업무 방식도 제각각입니다. 그래서 처음에는 거창한 플랫폼보다 작고 안전한 실험이 더 현실적입니다. 오늘 글에서는 Hermes Agent를 개인 업무에 써 보며 느낀 점을 바탕으로, 학교와 교육행정 조직에서 시작해 볼 만한 작은 실험들을 정리해 보려 합니다.

1. 조직 도입보다 먼저 ‘한 사람의 반복업무’를 본다

AI Agent를 조직에 적용한다고 하면 흔히 시스템 구축부터 떠올립니다. 전용 서버, 관리자 계정, 보안 정책, 사용 매뉴얼 같은 것들이 먼저 생각납니다. 물론 언젠가는 이런 준비가 필요합니다. 하지만 처음부터 그 단계로 가면 논의가 무거워지고, 실제 사용 장면은 뒤로 밀릴 수 있습니다.

제가 Hermes Agent를 쓰면서 가장 먼저 체감한 변화는 큰 업무가 아니라 작은 반복업무에서 나왔습니다. 매일 같은 폴더를 확인하고, 다음 글 주제를 고르고, Word 파일과 이미지를 만들고, Google Drive 링크를 정리하는 일처럼 말입니다. 하나하나는 사소하지만 매일 반복되면 시간을 잡아먹습니다. Agent는 이런 일을 일정한 절차로 묶어 대신 처리할 때 힘을 발휘했습니다.

학교와 교육행정 조직에서도 출발점은 비슷하다고 생각합니다. “우리 조직에 AI를 어떻게 도입할 것인가”보다 “우리 팀에서 매주 반복되는 업무는 무엇인가”를 먼저 묻는 편이 좋습니다. 회의자료 취합, 공문 초안 정리, 연수 안내 문구 작성, 설문 응답 요약, 일정 안내문 만들기 같은 작은 장면이 출발점이 될 수 있습니다.

2. 첫 실험은 공개 자료와 비민감 업무로 시작한다

학교 현장에서 AI 도구를 쓸 때 가장 조심해야 할 것은 학생 개인정보와 민감한 내부 자료입니다. 그래서 첫 실험은 반드시 공개 자료나 비민감 업무로 시작하는 것이 안전합니다. 예를 들어 교육부 보도자료 요약, 공개 연수 계획서 목차 정리, 이미 배포된 안내문의 문장 다듬기, 공개 통계자료 기반 질의응답 같은 작업이 좋습니다.

이런 업무는 실패해도 위험이 크지 않습니다. 결과가 마음에 들지 않으면 사람이 고치면 됩니다. 반대로 개인정보가 담긴 상담 기록이나 학생 평가자료, 내부 민원 문서부터 맡기면 작은 오류도 큰 문제가 됩니다. AI Agent의 가능성을 보려다가 신뢰를 잃을 수 있습니다.

작은 실험의 목적은 “AI가 사람을 대신한다”를 증명하는 것이 아닙니다. “어떤 업무는 초벌 정리까지 맡길 수 있구나”, “어떤 자료는 사람이 다시 확인해야 하는구나”를 조직이 함께 익히는 데 있습니다. 안전한 자료로 시작하면 구성원들이 도구의 장단점을 차분히 볼 수 있습니다.

3. Agent에게 맡길 일과 사람이 확인할 일을 나눈다

AI Agent를 쓰다 보면 처음에는 “어디까지 맡겨도 될까”가 늘 헷갈립니다. 그래서 저는 업무를 세 칸으로 나누어 보는 편이 좋았습니다. Agent에게 맡길 일, 사람이 확인할 일, 사람이 직접 결정할 일입니다. 이 구분이 없으면 결과물을 보고도 어떻게 활용해야 할지 애매해집니다.

예를 들어 연수 안내문을 만든다고 해 보겠습니다. Agent에게는 기존 계획서에서 일정, 장소, 대상, 신청 방법을 뽑아 안내문 초안을 만들게 할 수 있습니다. 사람은 날짜와 신청 링크, 표현의 정확성을 확인합니다. 최종 발송 여부와 발송 대상은 담당자가 결정합니다. 이렇게 나누면 Agent는 초안 작성 도구가 되고, 사람은 판단과 책임의 위치를 유지할 수 있습니다.

학교 조직에서도 이 원칙은 중요합니다. AI가 만든 결과를 그대로 공문이나 가정통신문으로 내보내는 방식은 위험합니다. 대신 초안을 빠르게 만들고, 사람의 검토 시간을 확보하는 방식으로 쓰면 업무경감의 의미가 살아납니다.

4. 팀 단위 실험은 ‘공유 프롬프트’보다 ‘공유 절차’가 먼저다

AI 활용 연수를 하다 보면 좋은 프롬프트를 공유해 달라는 요청을 자주 듣습니다. 물론 예시 프롬프트는 도움이 됩니다. 하지만 조직 안에서 실제로 오래 쓰이려면 프롬프트 문장보다 업무 절차가 먼저 정리되어야 합니다. 누가 자료를 넣고, 어떤 결과를 받고, 누가 검토하고, 어디에 저장할지가 정해져야 합니다.

제가 블로그 원고를 준비할 때도 마찬가지였습니다. 단순히 “좋은 글을 써 줘”라고 하지 않았습니다. 목차 확인, 다음 순번 결정, Markdown 저장, Word 생성, 이미지 생성, Drive 업로드, 목차 업데이트라는 절차가 있었습니다. 절차가 있으니 Agent에게 지시하기 쉬웠고, 결과를 확인하기도 쉬웠습니다.

학교나 교육청 팀에서도 작은 업무 하나를 골라 같은 방식으로 정리할 수 있습니다. 예를 들어 “연수 후 설문 응답 정리”라는 업무를 선택했다면, 원자료 위치, 익명화 방식, 요약 기준, 담당자 검토, 최종 보고서 반영 순서를 정합니다. 이 절차가 잡히면 프롬프트는 그다음에 다듬어도 늦지 않습니다.

5. 성공 기준을 ‘완전 자동화’로 잡지 않는다

AI Agent 이야기를 하면 자동화라는 말이 자주 나옵니다. 하지만 학교와 교육행정 조직의 첫 실험에서 성공 기준을 완전 자동화로 잡으면 부담이 커집니다. 실제 업무는 예외가 많고, 문맥도 복잡하며, 최종 책임은 사람이 져야 합니다. 처음부터 버튼 하나로 끝나는 시스템을 기대하면 실망하기 쉽습니다.

저는 성공 기준을 조금 낮추어 잡는 편이 현실적이라고 생각합니다. 예를 들어 초안 작성 시간이 30분에서 10분으로 줄었다면 의미가 있습니다. 회의록 정리에서 누락된 안건을 사람이 더 빨리 찾을 수 있었다면 그것도 성과입니다. 반복 안내문을 만들 때 매번 처음부터 쓰지 않아도 되었다면 충분히 작은 성공입니다.

작은 성공이 쌓이면 구성원들의 인식도 바뀝니다. “AI가 다 해 주는가”가 아니라 “이 부분은 맡겨도 되겠네”라는 감각이 생깁니다. 이 감각이 조직 안에서 공유될 때 다음 단계의 실험도 자연스럽게 이어집니다.

6. 기록을 남겨야 조직의 경험이 된다

개인이 AI Agent를 써 보고 끝내면 경험은 개인에게만 남습니다. 조직 적용을 생각한다면 실험 과정 자체를 기록해야 합니다. 어떤 업무에 적용했는지, 어떤 자료를 넣었는지, 결과가 어디까지 쓸 만했는지, 사람이 어떤 부분을 수정했는지 남겨야 합니다. 그래야 다음 사람이 같은 시행착오를 반복하지 않습니다.

기록은 거창할 필요가 없습니다. 한 장짜리 실험 메모면 충분합니다. 업무명, 사용 자료, Agent에게 맡긴 일, 사람이 확인한 일, 효과, 주의점 정도만 적어도 됩니다. 이 메모가 쌓이면 나중에는 학교용 AI Agent 활용 사례집이나 연수 자료로 바꿀 수 있습니다.

Hermes Agent로 블로그 연재를 준비하면서 00_목차.md에 상태와 링크를 남긴 것도 같은 이유였습니다. 어떤 글이 준비되었는지, 어떤 파일이 어디에 있는지 기록해 두니 다음 작업이 이어졌습니다. 조직에서도 기록은 자동화보다 먼저 필요한 기반입니다.

7. 작은 실험의 끝은 업무문화 질문으로 이어진다

AI Agent를 학교와 교육행정 조직에 적용하는 일은 결국 기술 문제가 아니라 업무문화의 문제로 이어집니다. 어떤 일을 반복하고 있는지, 왜 사람이 매번 처음부터 작성하고 있는지, 검토와 책임은 어떻게 나누어야 하는지 묻게 됩니다. 이 질문이 생기면 AI 도구는 단순한 유행어가 아니라 업무를 돌아보는 거울이 됩니다.

처음에는 한 사람의 실험으로 충분합니다. 한 팀에서 한 가지 업무만 골라도 됩니다. 중요한 것은 작게 시작하되 기록을 남기고, 결과를 함께 검토하는 것입니다. 그렇게 해야 AI Agent가 개인의 편리한 도구를 넘어 조직의 업무경감 논의로 이어질 수 있습니다.

마무리하며

학교와 교육행정 조직에서 AI Agent를 바로 전면 도입하기는 어렵습니다. 하지만 공개 자료 요약, 안내문 초안, 회의자료 정리, 설문 응답 요약처럼 작고 안전한 업무부터 실험하는 것은 충분히 가능합니다. 이때 Agent에게 맡길 일과 사람이 확인할 일을 나누고, 결과를 기록하는 습관이 필요합니다.

지난 글에서는 교육전문직 대상 AI Agent 연수를 어떻게 설계할지 정리했습니다. 연수는 기능을 보여 주는 시간이 아니라 실제 업무 흐름을 함께 다시 보는 시간이어야 한다고 썼습니다. 그렇게 글을 쓰고 나니 자연스럽게 지금까지의 연재도 한 번 정리해 보고 싶어졌습니다. 매일 한 편씩 쌓은 글을 그냥 블로그 글로만 남길 것인지, 아니면 하나의 전자책 원고로 다시 묶을 수 있을지 생각하게 된 것입니다.

저는 Hermes Agent로 이 연재를 준비하면서 매번 비슷한 과정을 반복했습니다. 목차를 확인하고, 다음 글을 정하고, 초안을 쓰고, Word 파일을 만들고, 대표 이미지와 본문 이미지를 생성한 뒤 Google Drive에 올렸습니다. 티스토리에 바로 발행하지 않고 사용자가 붙여넣어 검토할 수 있게 준비하는 방식이었습니다. 이 과정이 조금 번거로워 보일 수 있지만, 전자책을 만들 때는 오히려 큰 장점이 됩니다. 글과 이미지, 파일 링크, 준비 상태가 이미 한 폴더 안에 정리되어 있기 때문입니다.

1. 블로그 글과 전자책 원고는 결이 다르다

블로그 글은 하루에 하나의 주제를 가볍게 읽을 수 있도록 씁니다. 앞뒤 글을 모두 읽지 않아도 한 편만으로 이해되게 하는 편이 좋습니다. 그래서 같은 설명이 반복되기도 하고, 이전 글을 짧게 다시 언급하기도 합니다. 반면 전자책은 한 번에 이어 읽는 자료입니다. 같은 표현이 너무 자주 나오면 흐름이 늘어지고, 장과 장 사이의 연결이 더 중요해집니다.

지금까지 쓴 AI Agent 글도 블로그에서는 자연스럽지만 전자책으로 묶으려면 조금 손봐야 합니다. 예를 들어 “지난 글에서는…”으로 시작하는 문장은 장 앞머리에서는 괜찮지만, 책 전체에서는 반복적으로 느껴질 수 있습니다. 또 각 글의 마지막에 넣은 다음 글 예고는 전자책에서는 장 전환 문장이나 짧은 정리 문장으로 바꾸는 편이 좋습니다.

그래서 전자책 작업은 단순히 블로그 글을 모아 붙이는 일이 아닙니다. 이미 쓴 글을 버리는 것도 아닙니다. 블로그의 하루 단위 기록을 책의 장 단위 흐름으로 다시 배열하는 일에 가깝습니다.

2. 먼저 목차를 다시 본다

전자책으로 묶을 때 가장 먼저 볼 것은 개별 문장이 아니라 목차입니다. 지금 연재 목차는 AI Agent 이해하기, 나의 세팅기, 교육전문직 업무경감 실험, 학교 적용, 연구와 강의 확장으로 나뉘어 있습니다. 블로그 연재로도 괜찮은 구조이지만, 책으로 만들면 독자의 이동 경로를 조금 더 분명하게 보여 줄 필요가 있습니다.

예를 들어 1부는 “AI Agent가 무엇인지 이해하기”, 2부는 “내 컴퓨터와 Telegram으로 실제 사용 환경 만들기”, 3부는 “교육전문직 업무에 적용해 보기”, 4부는 “학교와 연수로 확장하기”, 5부는 “연구와 출판으로 남기기”처럼 다시 이름을 붙일 수 있습니다. 제목을 조금만 바꾸어도 독자는 이 책이 어디로 가는지 더 쉽게 따라옵니다.

Hermes Agent에게도 이 작업을 맡길 수 있습니다. “현재 목차를 전자책용 5부 구성으로 다시 정리해 줘. 중복되는 글은 합치고, 흐름이 끊기는 지점은 이동해 줘.”라고 요청하면 초벌 구조를 받을 수 있습니다. 다만 최종 판단은 사람이 해야 합니다. 어떤 글을 앞에 둘지, 어떤 경험을 강조할지는 글을 쓴 사람의 의도가 들어가야 하기 때문입니다.

3. 폴더 구조가 원고 관리의 기준이 된다

이번 연재를 운영하면서 가장 도움이 된 것은 폴더를 나누어 둔 점이었습니다. 초안, 발행완료, 전자책원고, 자료 폴더가 따로 있으니 Agent에게 일을 시킬 때도 지시가 명확해졌습니다. “01_초안에서 준비된 글을 읽고, 전자책용으로 다듬은 원고는 03_전자책원고에 저장해 줘”라고 말할 수 있습니다.

이 구조가 없으면 전자책 작업은 금방 헷갈립니다. 어떤 글이 발행되었는지, 어떤 글이 아직 대기 중인지, 어떤 이미지가 어느 글에 쓰였는지 확인하는 데 시간이 많이 듭니다. 특히 Word 파일과 이미지 파일이 함께 쌓이면 파일명이 조금만 흐트러져도 나중에 다시 찾기 어렵습니다.

그래서 전자책으로 묶을 계획이 있다면 처음부터 거창한 편집 프로그램을 열기보다 폴더와 파일명을 정리하는 것이 먼저입니다. 번호, 제목, 파일 형식을 맞추어 두면 AI Agent가 읽고 정리하기도 좋습니다. 사람에게도 좋고, Agent에게도 좋은 구조가 됩니다.

4. 각 글을 ‘장 원고’로 다시 다듬는다

블로그 글을 전자책 장으로 바꿀 때는 세 가지를 봅니다. 첫째, 앞뒤 연결입니다. 둘째, 반복 설명입니다. 셋째, 사례의 밀도입니다. 블로그에서는 한 편 안에서 친절하게 다시 설명한 부분이 책에서는 앞 장과 겹칠 수 있습니다. 이런 부분은 줄이거나 다른 사례로 바꾸는 것이 좋습니다.

예를 들어 ChatGPT와 AI Agent의 차이를 설명한 글, Hermes Agent 설치 글, Telegram 사용 글은 서로 이어지는 흐름이 있습니다. 전자책에서는 각각을 독립된 글로 두기보다 “대화형 AI에서 실행형 AI로 넘어가는 과정”이라는 큰 줄기로 묶을 수 있습니다. 그러면 독자는 도구 소개를 넘어 왜 이런 사용 방식이 필요한지 이해하게 됩니다.

교육전문직 업무경감 관련 글도 마찬가지입니다. 정책자료 요약, 연수 기획, 공문·보고서, 설문, 회의록은 각각 다른 글이지만 실제 업무에서는 이어져 있습니다. 전자책에서는 “자료를 읽고, 초안을 만들고, 검토하고, 공유하는 흐름”으로 다시 배열하면 더 읽기 쉽습니다.

5. 이미지와 표는 다시 고른다

블로그용 이미지는 글 한 편의 첫인상을 만드는 역할이 큽니다. 전자책에서는 조금 다릅니다. 이미지는 장식보다 이해를 돕는 자료가 되어야 합니다. 대표 이미지를 모두 넣으면 책이 산만해질 수 있고, 본문 설명 이미지만 골라 넣으면 흐름이 더 단정해질 수 있습니다.

이번 연재에서 만든 이미지는 한글 텍스트가 정확히 보여야 해서 HTML/CSS로 만들고 Chrome headless로 캡처했습니다. 이 방식은 전자책에도 유리합니다. 원본 HTML이 남아 있으면 제목이나 문구를 조금 바꾸어 다시 캡처할 수 있기 때문입니다. 이미지 생성 모델에 한글 문장을 맡기지 않아도 되니 오탈자 걱정도 줄어듭니다.

표도 전자책에서 중요한 역할을 합니다. 예를 들어 “Agent에게 맡길 일 / 사람이 확인할 일 / 주의할 점” 같은 표는 여러 장에서 반복해서 쓸 수 있습니다. 블로그에서는 문장으로 풀어 썼던 내용을 전자책에서는 표로 바꾸면 독자가 다시 찾아보기 쉽습니다.

6. 전자책 초안은 한 번에 완성하지 않는다

전자책을 만들겠다고 마음먹으면 처음부터 완성본을 만들고 싶어집니다. 하지만 저는 초안을 여러 단계로 나누는 편이 좋다고 생각합니다. 1단계는 블로그 글을 모두 모아 순서대로 붙이는 것입니다. 2단계는 목차에 맞게 장을 옮기고 중복을 표시하는 것입니다. 3단계는 문장을 다듬고 사례를 보강하는 것입니다. 4단계는 이미지와 표를 배치하는 것입니다.

AI Agent는 이 단계별 작업에 잘 맞습니다. 한 번에 “전자책을 완성해 줘”라고 맡기기보다 “1부의 글 5편을 읽고 중복되는 설명을 표시해 줘”, “이 장의 마지막 문장을 다음 장과 자연스럽게 이어 줘”, “교육전문직 독자에게 더 맞는 예시를 제안해 줘”처럼 작게 나누면 결과가 더 안정적입니다.

사람이 해야 할 일도 분명합니다. 이 책이 누구에게 필요한지, 어느 정도 깊이로 설명할지, 개인 경험을 어디까지 드러낼지 정해야 합니다. AI Agent는 편집 조수 역할을 할 수 있지만, 책의 목소리는 결국 글쓴이가 결정해야 합니다.

7. 블로그 연재는 전자책의 현장 메모가 된다

전자책을 염두에 두고 보니 블로그 연재가 다르게 보입니다. 매일의 글은 완성된 책의 한 장이라기보다 현장 메모에 가깝습니다. 그날 실제로 생각한 것, Hermes Agent를 쓰며 막힌 점, 교육현장 업무와 연결해 본 장면이 남아 있습니다. 이런 기록은 나중에 책을 만들 때 가장 생생한 재료가 됩니다.

처음부터 책을 쓰려고 하면 문장이 무거워질 수 있습니다. 반대로 블로그에만 머무르면 좋은 경험이 흩어질 수 있습니다. 그래서 저는 블로그로 가볍게 쓰고, 일정 분량이 쌓이면 전자책으로 다시 정리하는 방식이 교육 현장 경험을 남기기에 적당하다고 느낍니다.

AI Agent를 쓰는 과정도 이와 닮았습니다. 한 번의 거창한 자동화보다 작은 반복을 꾸준히 남기는 것이 더 오래 갑니다. 매일 원고를 준비하고, 파일을 정리하고, 링크를 기록하는 일이 쌓이면 어느 순간 책의 뼈대가 됩니다.

마무리하며

AI Agent 활용기를 전자책으로 묶는 일은 단순한 편집 작업이 아닙니다. 내가 어떤 문제의식으로 이 도구를 쓰기 시작했는지, 교육전문직 업무와 학교 현장에 어떤 의미가 있는지 다시 확인하는 과정입니다. 블로그 글을 모으는 일에서 출발하지만, 결국은 경험을 구조화하는 일이 됩니다.

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.

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.