AI는 이제 대답하는 단계를 넘어 일을 하는 단계로 이동하고 있습니다. 최근 AI 관련 소식을 접하다 보면 ‘AI 에이전트(Agentic AI)’라는 말이 빠지지 않습니다. 그런데 막상 AI 에이전트가 무엇인지 물으면 설명이 쉽지 않습니다. 어떤 사람은 AI 비서라고 하고, 어떤 사람은 사람 대신 일을 하는 AI라고 합니다. 또 어떤 사람은 앞으로 인간의 직업을 대체할 기술이라고 이야기합니다.
하지만 이 가운데는 이미 현실이 된 것도 있고, 아직 연구와 실험 단계에 머물러 있는 것도 있습니다. 따라서 지금 필요한 것은 AI 에이전트를 지나치게 미래적인 기술로 포장하는 것도, 반대로 단순한 챗봇의 진화 정도로 보는 것도 아닙니다. 조심해야 할 거 같아요.
시대보다 한 발짝 뒤쫒아 가던 교육계가 급변하는 AI 속도를 따라가기 벅차하는 듯합니다. 이것이다고 준비하면, 벌써 저만큼 점점 멀어져가는 듯 합니다. 생성형 AI에 대비하기도 전에 멀리있는 듯 보이던 AI 에이전트가 현실이 되어 지나가고 있습니다.
AI 에이전트가 지금 실제로 어디까지 와 있는지, 앞으로 어디까지 갈 수 있는지, 그리고 교육에서는 무엇이 달라져야 하는지를 구분해서 볼 필요가 있습니다.
1. AI는 ‘대답하는 단계’에서 ‘일하는 단계’로 이동하고 있습니다
지금까지 우리가 익숙하게 사용해온 생성형 AI의 기본 구조는 간단합니다. 사람이 질문합니다. AI가 답합니다. 그리고 사람이 그 답을 가지고 실제 일을 합니다. 예를 들어 “경쟁사 10곳을 조사해서 비교해줘”라고 하면 AI가 자료를 찾아 표를 만들어줄 수 있습니다.
그러나 실제로 자료를 확인하고, 파일을 정리하고, 보고서를 완성하고, 필요한 사람에게 전달하는 일은 여전히 사람이 해야 했습니다. AI 에이전트는 여기에서 한 단계 더 나아갑니다. 사람이 목표를 제시하면 AI가 목표를 달성하기 위한 여러 단계를 계획하고, 필요한 도구를 사용하며, 실행하고, 결과를 확인하는 것입니다. 그래서 AI 에이전트의 핵심은 단순히 ‘더 똑똑한 AI’가 아닙니다. AI가 실제 행동할 수 있게 되었다는 것입니다.
2. 그렇다면 AI 에이전트는 현재 어디까지 왔을까요?
현재의 AI 에이전트를 한꺼번에 ‘완전 자율 AI’라고 부르는 것은 정확하지 않습니다. 현실에서는 여러 단계가 공존하고 있습니다.
- 1단계｜답변형 AI….사람이 질문하면 AI가 답합니다. 우리가 익숙하게 사용하는 챗봇의 단계입니다.
- 2단계｜도구를 사용하는 AI….AI가 검색하고, 파일을 읽고, 데이터를 분석하고, 외부 도구나 API를 사용할 수 있습니다. 이 단계부터 AI는 단순한 대화 상대가 아니라 업무 수행의 도구가 됩니다.
- 3단계｜단일 업무 에이전트….사람이 “경쟁사를 조사해 보고서를 만들어줘”라고 목표를 주면 AI가 검색, 분석, 정리, 작성 등의 여러 작업을 이어서 수행합니다.
- 4단계｜복합 업무 에이전트….AI가 작업을 계획하고 실행한 뒤 중간 결과를 확인하고 필요하면 다음 행동을 수정합니다. 이 단계부터 우리는 본격적으로 ‘에이전틱 AI’라고 부를 수 있는 영역에 들어갑니다.
- 5단계｜멀티 에이전트….조사 에이전트, 분석 에이전트, 작성 에이전트, 검증 에이전트처럼 여러 AI가 각각의 역할을 맡아 서로 협력합니다.
현재 연구와 일부 실제 서비스에서 이 구조가 빠르게 발전하고 있습니다. 따라서 지금의 AI 에이전트는 챗봇과 완전 자율 AI 사이에 존재하는 다양한 형태의 시스템이라고 보는 것이 가장 정확합니다.
3. 중요한 것은 ‘완전 자율 AI’가 아직 일반적인 현실은 아니라는 점입니다
AI 에이전트에 대한 이야기가 나오면 곧바로 “그럼 AI가 인간을 대신하는 것 아닌가?”라는 질문이 나옵니다. 하지만 현재 기술을 그렇게 단순하게 이해해서는 안 됩니다. AI 에이전트는 이미 상당한 수준의 계획과 실행을 할 수 있지만 여전히 잘못된 정보, 잘못된 목표 해석, 예상하지 못한 상황, 보안 문제, 권한 문제, 비용 문제, 결과 검증 문제 등의 한계를 가지고 있습니다.
따라서 현재 가장 현실적인 모델은 AI가 모든 것을 독립적으로 처리하는 구조가 아니라 인간과 AI가 역할을 나누는 구조입니다. AI가 계획하고 실행합니다. 인간은 중요한 단계에서 확인하고 승인합니다. AI가 결과를 다시 검증합니다. 필요하면 인간이 수정합니다. 이러한 구조가 앞으로 상당 기간 중요한 형태로 남을 가능성이 높습니다.
4. AI 에이전트는 어디까지 갈까요?
여기에서는 현재와 미래를 구분해서 볼 필요가 있습니다. 가까운 미래에는 개인의 일상적인 업무를 대신하는 개인 AI 에이전트가 더욱 확대될 가능성이 높습니다.
- 메일을 정리하고,
- 일정을 관리하고,
- 여행을 준비하고,
- 자료를 검색하고,
문서를 작성하는 일 등이 하나의 연결된 업무가 될 수 있습니다. 기업에서는 직무별 AI 에이전트가 등장할 것입니다.
- 마케팅 에이전트,
- 연구 에이전트,
- 회계 에이전트,
- 개발 에이전트,
- 고객지원 에이전트처럼 업무 자체가 에이전트화될 수 있습니다.
그리고 여러 에이전트가 서로 협력하는 멀티 에이전트 시스템도 확대될 것입니다. 이 단계에서는 사람이 모든 AI를 직접 조작하지 않아도 AI끼리 업무를 주고받는 구조가 가능해집니다. 다만 인간의 감독 없이 장기간 스스로 목표를 세우고 사회적·경제적 의사결정을 수행하는 완전 자율 AI는 아직 미래의 영역으로 보는 것이 타당합니다.
5. 교육에서 ‘AI 에이전트’란 무엇일까요?
업무를 수행하는 AI 에이전트와 교육용 AI 에이전트는 같은 것일까요? 그렇지 않습니다. 교육에서는 AI가 일을 잘 대신하는 것이 반드시 좋은 결과를 의미하지 않기 때문입니다. 예를 들어 학생에게 보고서를 작성해주는 AI는 업무적으로는 훌륭한 에이전트일 수 있습니다.
- 학생의 자료를 검색하고,
- 내용을 분석하고,
- 논리를 구성하고,
- 글을 완성해준다면 매우 효율적입니다.
하지만 교육의 관점에서는 문제가 생깁니다. 학생은 무엇을 배웠을까요?
- 학생이 직접 문제를 발견하고,
- 자료를 읽고,
- 근거를 판단하고,
- 자신의 주장을 구성하는 과정이 사라졌다면
- 결과물은 좋아졌지만 학습은 오히려 약해질 수 있습니다.
따라서 교육 에이전트는 일반적인 업무 에이전트와 다른 원칙으로 설계되어야 합니다.
6. AI 튜터와 교육 에이전트는 다릅니다
AI 튜터는 학생이 질문하면 설명해주는 역할을 합니다.
- 학생이 질문합니다.
- AI가 설명합니다.
- 학생이 다시 질문합니다.
- AI가 다시 설명합니다.
이것은 매우 유용합니다. 그러나 교육 에이전트는 한 단계 더 나아갑니다.
- 학생의 목표를 파악하고,
- 현재 학습 수준을 분석하고,
- 학습계획을 세우고,
- 적절한 학습활동을 제시하고,
- 학생의 반응을 관찰하고,
- 다음 학습을 조정하고,
- 피드백하고,
- 필요하면 학습 경로 자체를 변경합니다.
즉, AI 튜터가 ‘가르쳐주는 AI’라면 교육 에이전트는 ‘학습 과정을 함께 운영하는 AI’입니다. 이 차이가 앞으로 교육에서 매우 중요해질 것입니다.
7. 교육 에이전트는 ‘정답을 주는 AI’가 되어서는 안 됩니다
교육 에이전트에서 가장 중요한 설계 원칙은 학생의 사고를 대신하지 않는 것입니다. 학생이 문제를 풀다가 AI에게 질문했을 때 AI가 곧바로 정답을 알려주는 것은 가장 쉬운 방법입니다. 하지만 교육적으로 더 좋은 AI는 질문을 던질 수 있어야 합니다.
- “왜 그렇게 생각했나요?”
- “그 판단을 뒷받침하는 근거는 무엇인가요?”
- “다른 가능성은 없을까요?”
- “이 자료의 출처를 확인해볼까요?”
- “AI가 제시한 답 가운데 의심스러운 부분은 무엇인가요?”
이러한 질문을 통해 학생 스스로 생각하게 해야 합니다. 따라서 미래 교육 에이전트의 중요한 능력은 답변 능력뿐 아니라 질문 설계 능력이 될 것입니다.
8. 교육 에이전트는 이렇게 설계되어야 합니다
- 일반적인 업무용 AI 에이전트는 다음과 같은 구조를 가질 수 있습니다.
- 목표 → 계획 → 실행 → 결과
- 그러나 교육용 에이전트는 여기에 학생의 사고 과정이 들어가야 합니다.
- 목표 → 질문 → 생각 → 탐색 → 피드백 → 성찰 → 전이
이것이 교육 에이전트와 일반 업무 에이전트를 구분하는 중요한 기준입니다.
- 학생이 무엇을 모르는지 찾아내고,
- 학생이 스스로 생각하도록 질문하고,
- 필요할 때 AI가 정보를 제공하고,
- 학생의 답을 분석하고,
- 잘못된 부분을 다시 생각하게 하고,
- 마지막에는 배운 것을 다른 상황에 적용하도록 해야 합니다.
즉, 교육 에이전트는 학생의 일을 대신하는 시스템이 아니라 학생의 학습을 촉진하는 시스템이어야 합니다.
9. 교육 에이전트에는 ‘AI를 사용하지 않는 순간’도 필요합니다
이 부분은 앞으로 교육 에이전트를 설계할 때 특히 중요합니다. 모든 학습 과정에 AI를 넣는 것이 좋은 것은 아닙니다.
- 학생이 먼저 스스로 생각해야 하는 순간이 있습니다.
- 책을 직접 읽어야 하는 순간도 있습니다.
- 문제를 직접 풀어야 하는 순간도 있습니다.
- 자신의 주장을 스스로 만들어야 하는 순간도 있습니다.
- 그리고 그 이후에 AI를 사용하게 해야 할 수도 있습니다.
예를 들어
- ① 먼저 자신의 생각을 작성한다.
- ② AI에게 반론을 찾아달라고 한다.
- ③ AI의 반론을 검토한다.
- ④ 자신의 주장을 수정한다.
이렇게 설계한다면 AI는 학생의 사고를 대신하는 것이 아니라 사고를 확장하는 도구가 됩니다.
10. AI 에이전트 시대에는 학생의 역량도 달라집니다
AI가 정보를 찾고 결과물을 만드는 능력이 점점 좋아진다면 학생에게 필요한 능력도 달라져야 합니다. 중요한 것은 단순히 AI를 잘 사용하는 능력이 아닙니다.
- 문제발견력: AI에게 맡길 가치가 있는 문제를 발견할 수 있어야 합니다.
- 질문제기력: 자신이 원하는 목표와 조건을 AI에게 정확하게 설명할 수 있어야 합니다.
- 비판적 사고력: AI의 답을 그대로 받아들이지 않고 검증할 수 있어야 합니다.
- 창의·융합력: AI가 제시한 답을 넘어 새로운 해결책을 만들 수 있어야 합니다.
- 협업능력: 사람과 AI, 여러 AI 에이전트를 적절하게 조정할 수 있어야 합니다.
- 의사소통능력: 자신의 생각과 요구를 정확하게 전달할 수 있어야 합니다.
- AI 검증·판단력: AI의 결과를 확인하고 잘못된 부분을 수정하며 최종적인 판단을 내릴 수 있어야 합니다. 여기에 앞으로 하나의 역량을 더 중요하게 보아야 합니다.
- AI 위임·판단력입니다. 무엇을 AI에게 맡기고 무엇은 인간이 직접 해야 하는지를 판단하는 능력입니다.
11. 교사의 역할도 달라집니다
- AI가 학생에게 맞는 문제를 만들고,
- 학습 데이터를 분석하고,
- 개별 피드백을 제공하고,
- 학습자료를 추천할 수 있다면 교사의 역할은 단순한 지식 전달에서 점차 벗어나게 됩니다. 교사는 오히려 더 중요한 질문을 결정해야 합니다.
- 무엇을 배우게 할 것인가.
- 어떤 경험을 제공할 것인가.
- 어떤 질문을 던질 것인가.
- AI를 어디까지 허용할 것인가.
- 어떤 부분에서는 AI를 사용하지 않게 할 것인가.
- 무엇을 평가할 것인가.
이러한 역할은 교사를 단순한 지식 전달자가 아니라 학습 경험을 설계하는 Learning Architect로 변화시킬 수 있습니다. AI가 Teaching의 일부를 자동화할수록 교사의 역할은 Learning Design으로 이동하게 되는 것입니다.
12. 평가도 결국 달라질 수밖에 없습니다
AI 에이전트가 보고서를 만들고, 발표자료를 만들고, 코드를 작성하고, 자료조사까지 할 수 있는 시대에 완성된 결과물만 평가한다면 학생의 실제 역량을 제대로 평가하기 어렵습니다. 앞으로는 다음과 같은 질문이 중요해집니다.
- 어떤 문제를 발견했는가?
- AI에게 무엇을 맡겼는가?
- 왜 그것을 AI에게 맡겼는가?
- AI의 결과를 어떻게 검증했는가?
- 잘못된 결과를 어떻게 수정했는가?
- 최종적으로 어떤 판단을 내렸는가?
즉, 결과물만 평가하는 교육에서 AI와 함께 문제를 해결하는 과정을 평가하는 교육으로 이동할 필요가 있습니다. 이 변화는 AI 시대 평가혁신의 중요한 출발점이 될 수 있습니다.
13. 지금과 앞으로를 구분해서 볼 필요가 있습니다
AI 에이전트에 대한 논의에서 가장 경계해야 할 것은 현재와 미래를 섞어 이야기하는 것입니다.
- 지금 우리가 알아야 할 것. AI 에이전트는 이미 등장했습니다. AI는 웹 검색, 파일 분석, 데이터 처리, 코드 작성, 컴퓨터 조작 등 다양한 도구를 사용할 수 있습니다. 여러 단계의 업무를 수행하는 에이전트가 등장하고 있습니다. 기업에서는 직무별 AI 에이전트가 실험되고 있습니다. 교육에서는 AI 튜터와 학습 에이전트에 대한 연구와 적용이 시작되고 있습니다. 교사와 AI가 함께 수업과 학습을 설계하는 문제도 현실적인 과제가 되었습니다.
- 앞으로 지켜봐야 할 것. AI 에이전트가 장기간 독립적으로 업무를 수행하는 수준까지 발전할 것인가. 여러 AI 에이전트가 하나의 조직처럼 움직이게 될 것인가. AI가 인간의 개입 없이 중요한 의사결정을 할 수 있게 될 것인가. 교육과정 자체를 AI가 개인별로 자동 설계하게 될 것인가. AI 에이전트끼리 서로 협상하고 업무를 주고받는 시대가 얼마나 빨리 올 것인가. 이것들은 아직 현재의 일반적인 교육 현실이라기보다 앞으로 관찰하고 준비해야 할 영역입니다.
14. 결국 지금 교육이 준비해야 하는 것은 ‘AI 사용법’만이 아닙니다
AI 에이전트 시대를 앞두고 교육이 단순히 “프롬프트를 잘 쓰는 법”을 가르치는 데 머물러서는 안 됩니다. 더 중요한 질문은
- 무엇을 AI에게 맡길 것인가?
- 무엇은 인간이 직접 해야 하는가?
- AI의 결과를 어떻게 검증할 것인가?
- AI가 틀렸다는 것을 어떻게 알아낼 것인가?
- AI가 만든 결과에 누가 책임질 것인가?
그리고 가장 중요한 질문은 이것입니다. AI가 점점 더 많은 일을 대신할수록 인간은 무엇을 직접 배우고 판단해야 하는가? 이 질문이 앞으로 교육의 방향을 결정할 가능성이 높습니다.
15. AI 에이전트 시대의 교육은 ‘대신하는 교육’이 아니라 ‘판단하는 교육’이어야 합니다
AI 에이전트는 이미 현실에 들어오기 시작했습니다. 아직 인간을 완전히 대신하는 수준은 아니지만, AI가 단순히 대답하는 도구에서 실제 일을 수행하는 시스템으로 이동하고 있다는 사실만큼은 분명합니다. 교육도 이 변화를 외면할 수 없습니다. 그러나 교육이 AI의 발전 속도를 그대로 따라가며 모든 일을 AI에게 맡길 필요도 없습니다. 오히려 교육이 해야 할 일은 더 분명해졌습니다.
좋은 문제를 발견하는 사람
좋은 질문을 만드는 사람
AI에게 적절한 일을 위임하는 사람
AI의 결과를 검증하는 사람
AI와 협력하면서도 자신의 판단을 잃지 않는 사람
그리고 자신의 판단에 책임질 수 있는 사람을 길러야 합니다. AI 에이전트 시대에 인간의 경쟁력은 AI보다 많은 일을 하는 데 있지 않을지도 모릅니다. 오히려 AI에게 무엇을 맡겨도 되는지, 무엇은 맡겨서는 안 되는지를 판단하는 능력에 있을 것입니다. 따라서 앞으로의 교육에서 가장 중요한 질문은
- “AI를 얼마나 잘 사용할 수 있는가?”에서
- “AI와 함께 무엇을 생각하고,
- 무엇을 판단하며,
- 무엇에 책임질 것인가?”로 이동해야 합니다.
AI 에이전트가 교육을 바꾸는 것이 아니라, 어쩌면 AI 에이전트의 등장이 교육의 본질을 다시 묻게 하고 있는 것입니다.
주요 참고자료
- UNESCO — AI와 교육 및 Agentic AI 관련 자료
- UNESCO — Digital Learning Week 2026
- UNESCO — Guidance for Generative AI in Education and Research
- UNESCO — 2025 Global Survey on AI and Higher Education
- UNESCO — AI 시대 고등교육 및 평가 재설계 관련 자료
- 대한민국 교육부 — 2026년 교육부 업무계획
- 대한민국 교육부 — AI 디지털교과서 및 AI 교육자료 관련 정책자료
- 대한민국 교육부 — AI 시대 질문 중심 수업 및 서·논술형 평가 관련 자료
- OpenAI — AI Agents, Responses API, Agents SDK 관련 공식 자료
- Google — Gemini 및 Agentic AI 관련 공식 자료
- Google — Agent2Agent(A2A) 관련 공식 자료
- Anthropic — Claude 및 Model Context Protocol(MCP) 관련 자료
- Microsoft — AI Agents 및 Copilot 관련 공식 자료
- Gartner — AI Agents 및 Agentic AI 시장 전망
- Deloitte — 기업의 Agentic AI 도입 및 AI 전환 관련 보고서
- SchoolAI — AI Tutor 및 교육용 AI 플랫폼 관련 자료
- Technical University of Munich(TUM) — AGENTONOMICS 관련 교육 실험
- 홍익대학교 공학교육혁신센터 — 생성형 AI·AI 에이전트 개발 교육
- AI Tutor·Adaptive Learning 및 Agentic AI 관련 최신 교육 연구
- AIEA·K-AELF — AI Literacy, 미래역량평가 및 Learning Architecture 관련 연구
원문보기 : AI 에이전트는 지금 어디까지 왔는가? 발등에 불떨어진 교육계는 무엇을 준비해야 할까요
Socko/Ghost
