서울대 AI 감점 사태로 보는 대입 평가와 학습 위임 기준

AI 활용 평가에서 확인할 핵심 3가지

• ✓서울대학교는 2026년 1월 1일 자로 AI 가이드라인을 제정하면서, 인공지능의 일률적 금지 대신 구성원의 윤리적 책임과 교수자의 자율적 정책 명시를 원칙으로 삼았습니다.
• ✓2026학년도 1학기 서울대 컴퓨터공학부 수업에서 수강생 62명 중 36명이 과제 수행 시 AI를 사용하여 성적 불이익을 받았습니다.
• ✓한국대학교육협의회 2026 대학 총장 설문 조사 기준, 전국 4년제 대학의 40%가 이미 AI 활용 정책을 시행 중이며 추가로 40%가 제정을 검토하고 있습니다.
• ✓서울대 AI 가이드라인이 감점 사유로 본 것은 AI 사용 자체가 아니라 과제의 핵심적인 학습 과정을 인공지능에 일임한 행위입니다.
• ✓MIT 연구팀의 뇌파 측정 결과, AI에 생성 과업을 단순 위임한 집단에서 두뇌 연결성이 약화되는 인지적 부채 현상이 확인됐습니다.
• ✓Harvard 연구진의 분석에서는 정답 대신 단계별 힌트를 주는 AI 튜터를 활용했을 때 학습 효율이 2배 이상 향상됐습니다.
• ✓교육부는 대학별 AI 윤리 지침 시안을 배포하며 가이드라인 확산을 지원하고 있습니다.
• ✓서울대 AI 가이드라인은 학생에게 수업별 정책 준수, 활용 경로 보고, 산출물에 대한 최종 책임을 요구합니다.
• ✓단순한 AI 탐지 도구는 오판 가능성이 있어, 평가 체제는 프롬프트와 수정 이력 등 생성 과정을 기록하고 검증하는 방향으로 전환되고 있습니다.
• ✓학생이 남겨야 할 기록은 프롬프트 내역, 활용 모델, 본인 수정 이력 세 가지입니다.

AI를 썼다는 이유만으로 감점을 받은 것일까요?

최근 서울대학교 주요 강의에서 수강생의 절반 이상이 생성형 AI를 활용했다가 감점 불이익을 받는 사태가 발생했습니다. 2026학년도 1학기 컴퓨터공학부 수업에서 수강생 62명 중 36명이 성적 불이익을 받은 사례로, 단순한 학칙 위반 논란으로 끝날 일이 아닙니다.

서울대 감점 사태는 향후 대학 입시와 고교 현장에서 학생의 학업 역량을 어떻게 평가할 것인가라는 질문을 남깁니다. 서울대가 선제적으로 제정한 인공지능 가이드라인의 핵심 내용, 그리고 수험생과 학부모가 알아야 할 대입 대비 전략을 하나씩 짚어보겠습니다.

문제가 된 것은 AI를 썼다는 사실 자체가 아닙니다. 정답을 AI에 맡겨 버리면 스스로 익혀야 할 핵심 지식이 남지 않는다는 판단이 감점의 근거였습니다. 같은 도구를 쓰더라도 어느 단계를 넘겼는지에 따라 평가가 갈린다는 뜻입니다.

고등학교 현장에서도 같은 기준이 적용될 가능성이 큽니다. 대학이 생성 과정을 확인하는 방향으로 움직이면 학생부 세부능력 및 특기사항에 남는 탐구 기록의 성격도 함께 바뀌게 됩니다. 완성된 보고서 한 편보다 그 보고서에 이르는 과정이 평가 재료가 되기 때문입니다. 결과물만 놓고 보면 구분되지 않던 학생의 차이가 과정 기록에서는 드러납니다. 어떤 질문을 던졌고 어떤 부분을 직접 고쳤는지가 곧 학업 역량의 근거가 됩니다.

서울대 AI 가이드라인은 활용을 어디까지 허용할까요?

숫자부터 확인하면, 2026학년도 1학기 서울대 컴퓨터공학부 수업에서 수강생 62명 중 36명이 과제 수행 시 AI를 사용하여 성적 불이익을 받았습니다.

서울대학교는 2026년 1월 1일 자로 AI 가이드라인을 제정했습니다. 인공지능의 일률적 금지 대신 구성원의 윤리적 책임과 교수자의 자율적 정책 명시를 원칙으로 삼았습니다. 해당 가이드라인은 학생에게 수업별 정책 준수, 활용 경로에 대한 보고, 산출물에 대한 최종 책임을 요구하고 있습니다.

서울대 AI 가이드라인의 핵심은 도구의 사용 여부가 아닙니다. 과제의 핵심적인 학습 과정을 인공지능에 일임하는 행위가 학습의 본질을 저해하므로, 평가상 감점 요인이 된 것입니다.

교수자가 수업별로 AI 허용 범위를 정하고, 학생은 그 지침을 지키며 과제 수행 과정과 수정 기록을 투명하게 남기는 구조입니다. 수업마다 허용 범위가 다르므로 학생은 과목별로 확인해야 할 항목이 생깁니다. 활용 경로를 보고하고 산출물에 최종 책임을 지도록 한 조항은, AI를 쓰더라도 결과에 대한 책임은 학생에게 남는다는 원칙을 명시한 것입니다. 일률적 금지 대신 자율과 책임을 택한 설계라 학생이 지켜야 할 절차가 늘어난 셈입니다. 금지 조항 하나를 외우는 대신 수업마다 기준을 확인하고 기록을 남기는 방식으로 바뀐 것입니다. 감점을 피하는 방법도 사용 여부가 아니라 절차의 준수로 옮겨 갔습니다.

MIT와 Harvard 연구는 왜 상반된 결과를 냈을까요?

연구 결과는 갈립니다. 인공지능 활용이 학습 성과에 미치는 영향에 대해 해외 연구진은 상반된 분석을 내놓고 있습니다.

MIT 연구팀의 뇌파 측정 결과에 따르면, AI에 생성 과업을 단순 위임한 집단은 두뇌 연결성이 약화되고 자신이 작성한 지식을 재활용하는 능력이 감소하는 인지적 부채 현상을 보였습니다.

Harvard 연구진의 결과는 정반대였습니다. Harvard 연구진의 분석에서는 정답을 직접 제시하지 않고 단계별 힌트를 제공하는 AI 튜터를 활용했을 때 학습 효율이 2배 이상 향상되었습니다. 두 연구를 나란히 놓으면 AI라는 도구 자체가 아닌, 과업의 어느 단계를 위임했는가가 성패를 가른다는 사실이 드러납니다. 생각하는 단계를 넘긴 쪽에서는 학습 효과가 줄고, 힌트만 받은 쪽에서는 늘어난 것입니다. AI 성능이 아니라 위임의 범위가 결과를 갈랐다는 해석이 가능합니다. AI를 쓰지 말라는 결론이 아니라 어디까지 맡길지 정하라는 결론에 가깝습니다. 자료 조사와 초안 점검처럼 사고를 대신하지 않는 단계라면 학습을 돕는 쪽으로 작동합니다.

MIT 연구팀이 관찰한 인지적 부채는 글을 쓰는 동안 형성되어야 할 사고의 흔적이 남지 않는 상태를 가리킵니다. AI가 만든 문장을 자신의 지식으로 재활용하지 못하게 되는 것이 그 결과입니다. 과제는 제출되지만 학생에게 남는 학습은 없는 상태가 되는 셈입니다.

대학의 AI 정책은 어디까지 확산됐을까요?

이미 대학가 전반의 흐름입니다. 한국대학교육협의회가 발표한 2026 대학 총장 설문 조사에 의하면, 전국 4년제 대학의 40%가 이미 AI 활용 정책을 시행 중이며 추가로 40%가 제정을 검토하고 있는 것으로 파악되었습니다. 교육부 역시 대학별 AI 윤리 지침 시안을 배포하며 가이드라인 확산을 지원하고 있습니다.

평가 방식도 함께 바뀌고 있습니다. 단순한 AI 탐지 도구는 오판 가능성이 있습니다. 그래서 대학 및 고교 평가 체제는 프롬프트와 수정 이력 등 생성 과정을 기록하고 검증하는 방향으로 급격히 전환되고 있습니다.

결과물 자체보다 산출에 이르는 탐구 경로가 학업 역량의 핵심 지표가 되고 있습니다.

한국대학교육협의회 2026 대학 총장 설문 조사 기준으로 전국 4년제 대학의 80%가 AI 활용 정책을 시행 중이거나 검토 중이라는 사실은, 이 흐름이 몇몇 대학의 실험에 그치지 않는다는 점을 보여 줍니다. 고등학교에서 준비해야 할 습관도 그만큼 앞당겨집니다. 교육부가 대학별 AI 윤리 지침 시안을 배포하고 있다는 점을 고려하면 기준의 방향도 비슷하게 정리될 가능성이 큽니다. 학생이 지금부터 과정을 남기는 습관을 들이면 정책이 확정되는 시점에 따로 준비할 것이 줄어듭니다. 프롬프트와 수정 이력은 나중에 복원하기 어려운 자료라 그때그때 남겨 두어야 합니다.

학생은 어디서 지침을 확인하고 무엇을 기록해야 할까요?

수험생은 각 과목의 강의계획서와 교과 평가 기준에 명시된 AI 활용 지침을 명확히 숙지해야 합니다. 수업마다 허용 범위가 다르게 정해지므로, 한 과목에서 허용된 방식이 다른 과목에서는 감점 사유가 될 수 있습니다. 과제를 시작하기 전에 지침을 확인하는 절차가 필요한 이유입니다.

AI를 조사 및 참고 자료로 활용하는 경우라면 기록이 관건입니다. 프롬프트 내역, 활용 모델, 본인 수정 이력을 정교하게 기록하여 재현성을 확보하는 체계적 관리가 필요합니다. 초안과 수정본을 함께 남겨 두면 어느 단계를 스스로 수행했는지가 자료로 남습니다. 재현성을 확보한다는 것은 같은 과정을 다시 밟아도 같은 결론에 이를 수 있도록 경로를 기록해 둔다는 뜻입니다.

마지막 판단은 사람의 몫입니다. 주도적인 비판적 사고와 검증 절차를 거친 과제만이 세부능력 및 특기사항과 면접 평가에서 높은 평가를 받을 수 있습니다. 탐색과 보조에는 AI를 쓰더라도 최종 판단과 논리 구성은 학생이 수행해야 면접에서 자신의 언어로 설명할 수 있습니다. 서류에 적힌 탐구를 질문받았을 때 과정을 설명하지 못하면 기록의 신뢰가 무너집니다. 세부능력 및 특기사항에 남길 탐구일수록 직접 붙든 단계를 분명히 해 두어야 합니다.

수업에서는 어떤 습관을 만들어야 할까요?

가이드라인이 겨눈 것은 도구가 아니라 위임의 범위였습니다. MIT와 Harvard의 상반된 결과가 그 경계를 잘 보여줍니다. 생각하는 단계를 넘겨 버리면 인지적 부채가 남고, 힌트만 받으면 학습 효율이 오릅니다. 같은 도구인데 결과가 갈리는 이유가 여기에 있습니다.

학생들을 지도하는 입장이라면 초안과 수정 이력을 남기는 습관을 함께 만들어 주시길 권합니다. 학생이 AI에게 무엇을 맡기고 무엇을 직접 붙들지, 그 선을 스스로 그어 보게 하는 연습부터 시작하면 탐구 기록의 질이 달라집니다. 단순한 AI 탐지 도구는 오판 가능성이 있어, 평가는 과정을 남긴 기록 쪽으로 옮겨 가고 있습니다.

수업에서 만들 습관은 세 가지로 정리됩니다. 과목별 AI 활용 지침을 먼저 확인하는 습관, 프롬프트와 활용 모델을 기록하는 습관, 그리고 초안과 수정 이력을 보관하는 습관입니다. 세 습관은 대학의 정책이 바뀌더라도 그대로 쓸 수 있는 형태라 지도 부담이 크지 않습니다. 서울대 사례를 학생에게 설명할 때도 금지가 아니라 경계의 문제로 전달하는 편이 받아들여지기 쉽습니다.

스스로 근거를 찾아 쓰는 훈련은 국어 수업에서 가장 자연스럽게 배치됩니다. OXBOX의 공통국어 학습 자료는 지문에서 근거를 직접 찾아 서술하는 과정을 수업에 넣을 때 활용하실 수 있습니다.