MIT Ad Hoc Committee Report on AI Use in Teaching, Learning, and Research Training

핵심 요약
첫째, MIT의 AI 교육 특별위원회는 5개월간의 조사를 통해, 생성형 AI가 3년도 안 되는 사이에 MIT 교육의 근간을 흔들고 있다고 경고한다. 오피스아워 감소, 스터디그룹 해체, 학생 자신감 약화, 교수-학생 간 사회적 계약 붕괴가 동시에 진행되고 있다.
둘째, 인지적 항복(Cognitive Surrender)이 핵심 위협이다. 학생들이 어려움의 첫 징후에 AI에 의존하면, 학습에 필수적인 생산적 고투(productive struggle)가 사라진다. AI로 정답을 얻으면 배운 것 같지만 실제 학습은 없다.
셋째, 보고서는 8가지 원칙을 제시한다: 겸손, 대담함, 인간 중심, 학습에 기대기, 의도적 교수법, 획일성 거부, 증강(자동화 아님), 교실 너머 사고.
넷째, 교육은 콘텐츠 전달이 아니라 인간 형성이라는 근본적 입장을 취한다. 학생이 AI를 통해 얻는 것은 정답이지만, MIT 교육이 제공하는 것은 판단력, 정체성, 공동체 참여 능력이다.
다섯째, 구술시험, 포트폴리오, 체험학습, 대면 사회적 학습 필수화, UROP 보존·확대, 성적 체계 재검토 등 구체적인 3대 권고를 제시한다.

배경 및 이론적 맥락
2026년 1월, MIT 총장과 부총장이 전 학부의 교수·학생·직원으로 구성된 특별위원회를 발족시켰다. AI의 교육적 활용을 평가하고, 새로운 교수법과 평가 방법을 식별하며, AI 사용 정책을 제안하라는 공식 임무가 주어졌다. 그러나 위원회는 조사 과정에서 더 근본적인 질문에 직면했다: AI 시대에 MIT 교육의 구조, 의미, 가치란 무엇인가? 보고서는 AI를 단순한 기술적 도전이 아니라 교육의 본질에 대한 질문으로 다룬다.

연구 방법론
5개월간의 회의, 연구, MIT 커뮤니티 전체에 대한 아웃리치를 통해 수행되었다. 학부생·대학원생, 모든 학부의 교수진, MIT 도서관과 Teaching and Learning Lab 등 관련 부서 직원이 참여했다. 학생 설문조사, 교수진 인터뷰, 강의실 관찰, 기존 연구 검토를 병행했다.

연구 결과
현황 진단: MIT 학생들은 AI를 빈번하고 광범위하게 사용하며, 호기심과 감사부터 체념과 불안까지 다양한 감정을 갖는 것이 발견됐다. 교수진도 열정적 탐색부터 회의·거부까지 다양했다. 가장 우려스러운 발견은 AI가 MIT 교육의 근간인 p-set(문제 세트), Take-home exam, UROP(학부생 연구 기회 프로그램, Undergraduate Research Opportunities Program), 오피스아워, 스터디그룹을 흔들고 있다는 것이다.

8가지 원칙: (1) 겸손 – 어떤 정책도 영원하지 않다. (2) 대담함 – 패치가 아니라 재설계. (3) 인간 중심 – 인간에 의한, 인간을 위한 교육. (4) 학습에 기대기 – 생산적 고투가 학습의 본질. (5) 의도적 교수법 – Backward design. (6) 획일성 거부 – 학과·수준별 맞춤. (7) 증강, 자동화 아님 – 사고를 대체하지 않고 확장. (8) 교실 너머 – 교육은 정체성·판단력·공동체 참여 형성.

3대 권고: (1) 교육 프로세스 적응 – 학습 목표 재검토, 구술시험·포트폴리오 등 AI 저항적 평가, 체험학습 확대, 모든 과목에 대면 사회적 학습 필수화. (2) 사람·공동체·기숙 경험 중심 – UROP 보존확대(초보 연구원을 AI로 대체 금지), 성적 체계 근본 재검토. (3) 지속적 반성·개선 체계 – AI 담당 교수직 신설, 실천 공동체 구축.

결론 및 의미
이 보고서는 ‘힌턴의 역설’의 거의 모든 핵심 주제를 하버드·스탠퍼드와 어깨를 나란히 하는 MIT의 시각에서 확인해준다.

첫째, ‘빌린 유능함의 함정'(책 11장)이 캠퍼스 전체에서 실시간으로 목격되고 있다. MIT 학생들이 AI로 숙제를 해결하고 정답을 얻지만, 실제로는 배우지 못하고 있다는 MIT 자체의 증언이다. Stromberg et al.(2026)의 26,811명 데이터가 보여준 ‘숙제 점수 +18%, 시험 점수 -20%’라는 관리가 MIT 캠퍼스에서도 동일하게 발생하고 있는 것이다.

둘째, ‘사다리의 첫 칸'(책 10장)이 사라지는 것은 성적이 아니라 관계를 통해서다. MIT가 보고하는 오피스아워 감소, 스터디그룹 해체, UROP 위협은 단순한 학습 효율성의 문제가 아니다. 이것은 멘토십·협업·정체성 형성이라는 전문성 발달의 사회적 기반이 무너지는 것이다. 책 26장이 말하듯, AI가 대신할 수 없는 세 가지는 결국 인간 관계를 통해서만 형성된다.

셋째, 이 보고서는 교육자에게 구체적 행동 지침을 준다. AI를 금지하는 것은 답이 아니다. 대신 Backward design으로 “학생이 무엇을 알아야 하는가?”에서 출발하면, AI를 허용할 곳과 금지할 곳이 자연스럽게 결정된다. 구술시험, 포트폴리오, 대면 사회적 학습을 모든 과목에 도입하라는 권고는 즉시 적용 가능하다.

넷째, 가장 중요한 통찰은 이것이다: AI의 가장 큰 위협은 학생이 오답을 내는 것이 아니라, 정답을 너무 쉽게 얻는 것이다. 정답을 얻는 과정에서의 인지적 고투가 사라지면 학습도 사라진다. 이것이 MIT가 내린 결론이고, Stromberg의 데이터가 증명한 바이며, Zhu et al.의 의존적 인지 외주화가 설명하는 메커니즘이다. 세 연구가 모두 같은 방향을 가리키고 있다.

다섯째, 부모와 정책입안자에게: 자녀의 AI 사용을 금지할 필요는 없다. 그러나 자녀가 AI를 어떻게 사용하는지 물어봐야 한다. “너 AI로 숙제했니?”가 아니라 “너 AI로 숙제할 때 몇 분이나 걸렸니?”가 더 중요한 질문이다. Stromberg의 연구가 보여줬듯, 시간을 들여 AI와 함께 학습한 학생들은 손실이 작았다.

MIT Ad Hoc Committee on AI Use in Teaching, Learning, and Research Training. (2026). Report – AI and education. Massachusetts Institute of Technology. https://aiandeducation.mit.edu/report/

<AI 활용 내역> Claude. (2026), Claude, [대형언어모델(LLM)]. https://claude.ai/ 보고서의 핵심 내용을 요약하고 한국어 리뷰를 작성하는 데 활용했으며, 결과물은 연구자가 최종 검토 후 수정해 블로그에 반영했다.