전 세계 교실과 캠퍼스를 관통하는 뚜렷한 모순이 있습니다. 거의 모든 학생이 인공지능을 사용하고 있지만, 솔직하게 묻는다면 대다수는 AI를 제대로 이해하지 못한다고 인정할 것입니다. 영국의 2026 Student Generative AI Survey에 따르면 학생의 95%가 최소 한 가지 방식으로 AI를 사용하고 있으며, 94%는 평가 대상 과제에 생성형 AI를 활용하고 있습니다. 그러나 별도의 조사에서는 학생의 58%가 AI를 제대로 다루기에 충분한 지식이나 역량이 부족하다고 응답했습니다. 사용은 이미 보편화되었지만, 이해는 아직 그 속도를 따라가지 못하고 있습니다.

이는 사소한 격차가 아닙니다. 지금 교육 분야의 AI 활용을 둘러싼 핵심 긴장이 바로 여기에 있습니다. 학생들은 프롬프트를 능숙하게 다루지만, 모델이 어떻게 답을 생성하는지, 왜 결과물이 확신에 찬 어조로 틀린 정보를 내놓을 수 있는지, AI가 도운 결과물을 어떻게 비판적으로 평가해야 하는지는 잘 모르는 경우가 많습니다. 그리고 이 격차는 졸업과 동시에 사라지지 않습니다. 오히려 학생들을 그대로 따라 직장까지 이어집니다. McKinsey, Deloitte, PwC, Gartner의 기업 데이터를 보면 직원, 경영진, 조직 전체에서 정확히 동일한 패턴이 나타납니다. 거의 보편적인 도입률과, 그 이면의 놀랍도록 얕은 실질 역량 수준입니다.

초중고 교육의 미래: 생성형 AI가 열어가는 창의적 학습 혁명. 여기에서 최신 인사이트를 살펴보세요! 

숫자로 보는 역설: 매일 사용하지만 부족한 이해도

학생 AI 리터러시를 둘러싼 노출 규모는 더 이상 의심의 여지가 없습니다. 여러 독립적인 조사 결과가 하나같이 동일한 결론에 도달합니다. 교육 분야의 생성형 AI는 이제 학생 생활의 필수 인프라이지, 선택적 부가 요소가 아니라는 것입니다.

• Digital Education Council의 글로벌 학생 조사에 따르면 학생의 86%가 학업에 AI를 사용하고 있으며, 24%는 매일, 54%는 최소 주 1회 이상 사용합니다.
• 미국 준학사·학사 과정 학생 약 4,000명을 조사한 Lumina Foundation–Gallup 2026 State of Higher Education 보고서에 따르면 학생의 57%가 학업을 위해 AI를 매일 또는 매주 사용하며, 이 중 64%는 이해하기 어려운 과제를 해결할 때, 60%는 숙제 답을 확인할 때 AI에 의존한다고 답했습니다.
• Gallup/Walton Family Foundation 조사에서는 Gen Z 학생의 78%가 AI가 교실에 자리 잡아야 한다고 믿고 있으며, 51%는 이미 매일 또는 매주 AI를 사용하고 있는 것으로 나타났습니다.
• 전 세계 학생의 AI 사용률은 2024년에서 2025년 사이 급격히 증가했으며, 2026년 초 기준 고등교육 학생 대다수가 AI를 연구와 브레인스토밍의 기본 파트너로 삼고 있습니다.

이 수치들에서 빠져 있는 것은 바로 역량입니다. AI 활용 역량 - 즉 결과물을 평가하고, 환각(hallucination) 또는 조작된 정보를 식별하며, 모델의 한계를 이해하고, AI를 투명하고 윤리적으로 사용하는 능력 - 은 사용량의 증가 속도를 따라가지 못하고 있습니다. Stanford HAI의 2026 AI Index Report는 이를 구조적인 문제로 명확히 지적합니다. 생성형 AI는 ChatGPT 출시 이후 단 3년 만에 전 세계 인구의 53%가 사용하는 수준에 도달했지만, 정규 교육 시스템은 커리큘럼과 평가 방식, 교사 연수를 그 속도에 맞춰 조정하는 데 여전히 뒤처져 있다는 것입니다.

ChatGPT 5가 학습과 교육을 바꾸는 방법. 여기에서 전문가 분석을 읽어보세요! 

AI 리터러시란 정확히 무엇인가 - 그리고 왜 자주 사용한다고 리터러시가 생기지 않는가

AI 리터러시는 흔히 AI 사용과 혼동되지만, 이 둘은 전혀 다른 역량입니다. 챗봇에 프롬프트를 입력하는 행위 자체는 다음에 대한 이해를 전혀 필요로 하지 않습니다.

• 대형언어모델(LLM)이 사실을 "검색"하는 것이 아니라 확률적으로 텍스트를 생성한다는 원리
• 결과물이 사실과 다를 때조차 왜 권위 있는 어조로 표현될 수 있는지
• 학습 데이터와 편향, 모델 설계가 시스템이 만들어내고 만들어내지 못하는 것을 어떻게 결정하는지
• AI가 도운 결과물이 정당한 지원을 넘어 학문적 부정행위로 이어지는 지점
• AI 결과물을 어떻게 팩트체크하고, 인용하고, 사용 사실을 책임감 있게 공개할 것인지

이 구분이 중요한 이유는, 현재 교실에서의 AI 노출 대부분이 비체계적이기 때문입니다. 학생들은 대체로 독학으로, 체계적인 지도가 아니라 시행착오를 통해 AI를 익히고 있습니다. 그 결과 프롬프트 조작에는 능숙하지만, 결과물을 책임감 있게 사용하는 데 필요한 판단력은 부족한 세대가 만들어지고 있습니다 - 이는 여러 교육 기관이 이제 막 문제로 인식하기 시작한 격차이며, 해결에는 아직 이르지 못한 단계입니다.

교육 분야에서 자연어 처리(NLP)가 학습 경험을 혁신하는 방법. 여기에서 향후 동향을 확인해 보세요! 

기관의 정책이 학생의 행동을 따라가지 못하고 있습니다

이러한 리터러시 격차를 만드는 가장 뚜렷한 원인 중 하나는 정책의 불일치입니다. Lumina–Gallup 연구에 따르면 학생의 57%가 학업에 AI를 정기적으로 사용하는 상황에서도, 52~53%는 소속 기관이 수업 과제에서 AI 사용을 제한하거나, 아예 명확한 지침을 제공하지 않는다고 답했습니다. 영국의 HEPI 2026 조사에서도 비슷한 괴리가 확인됩니다. AI 사용이 학생들 사이에서 거의 보편화된 반면, 자신의 기관이 이를 적극적으로 장려한다고 느끼는 학생은 36%에 불과했고, 승인된 도구에 접근할 수 있다고 답한 학생도 38%에 그쳤습니다.

이러한 '불명확한 규정'의 환경은 리터러시에 직접적인 비용을 초래합니다. 기관이 AI를 금지하지도, 적극적으로 가르치지도 않을 때, 학생들은 결국 비체계적이고 관리되지 않는 자기 실험에 의존하게 되는데, 이는 지속 가능한 역량을 키우는 데 가장 비효율적인 방식입니다. 다행히 일부 체계적인 개입 사례는, 리터러시가 우연이 아니라 의도적으로 설계될 때 어떤 결과를 낼 수 있는지 보여줍니다.

• Google DeepMind와 함께 개발한 Raspberry Pi Foundation의 3년간의 Experience AI 임팩트 보고서에 따르면, 이 프로그램은 지금까지 3만 명 이상의 교사를 양성했으며 180개국 이상에서 약 290만 명의 청소년에게 영향을 미친 것으로 추산됩니다. 교사의 93%는 AI 관련 지식이 향상되었다고 답했고, 학생의 89%는 체계적인 교육을 받은 뒤 AI와 머신러닝이 실제로 무엇인지 더 잘 이해하게 되었다고 응답했습니다.
• 명확한 AI 커리큘럼과 사용 규정을 갖춘 학교는, 규정이 비체계적이거나 아예 없는 학교보다 학생의 자신감이 높고 오남용 비율은 낮은 것으로 일관되게 보고됩니다.

여기서 얻을 수 있는 결론은 AI 사용을 제한해야 한다는 것이 아닙니다 - 이미 사용이 너무 광범위해 현실적으로 불가능합니다 - 오히려 AI 교육이 다른 핵심 역량들과 마찬가지로 의도적인 설계를 필요로 한다는 것입니다.

생성형 AI가 직장을 더 포용적으로 만드는 7가지 방법. 여기에서 AI의 미래를 살펴보세요! 

기업이라는 거울: 동일한 격차, 더 큰 위험 부담

교실에서 나타나는 이 패턴은 교육 분야만의 문제가 아닙니다. AI에 막대한 투자를 하고 있는 기업 내부에서도 거의 동일한 패턴이 반복되고 있으며, 이 기업 데이터는 학생의 리터러시 격차가 왜 그토록 중요한지를 잘 설명해 줍니다. 결국 학생들은 이 문제를 아직 해결하지 못한 환경, 즉 미래의 노동시장으로 그대로 흘러 들어가고 있기 때문입니다.

McKinsey의 State of AI 연구에 따르면 조직의 88%가 이미 최소 한 개 업무 영역에서 AI를 정기적으로 사용하고 있으며, 72%는 생성형 AI를 활용한다고 답했습니다 - 불과 2년 전 33%에서 급증한 수치입니다. 전 세계 AI 지출 규모는 2026년 한 해에만 3,000억 달러를 넘어설 것으로 전망됩니다. 그러나 도입 속도는 측정 가능한 실질 가치 창출 속도를 크게 앞질렀습니다.

• 조직의 39%만이 AI의 영향이 전사적 EBIT(영업이익) 수준에서 드러난다고 응답했으며, 이는 개별 유스케이스 차원의 광범위한 성과 보고와는 대조적입니다.
• 조직의 23%만이 에이전틱 AI 시스템을 개별 파일럿을 넘어 확장하고 있다고 답했으며, 응답 기업의 약 3분의 2는 아직 전사적 AI 확장을 시작조차 하지 못했습니다.
• 동일한 1,993개 기업 대상 McKinsey 조사에서, 조직의 약 6%만이 진정한 "AI 고성과 조직"으로 분류됩니다 - 즉 전사적 EBIT의 5% 이상과 "상당한 가치"를 AI에 귀속시킬 수 있는 조직입니다. 응답자 수(1,993명 중 109명)를 기준으로 한 독립적인 분석에서는 이 비율을 약 5.5%로 산정하며, 이는 2025~2026년 보고서에서 가장 널리 인용되는 AI ROI 벤치마크 중 하나입니다.
• 95개국 4,454명의 경영진을 대상으로 한 PwC의 29th Global CEO Survey에서는, 스스로를 "선도 그룹(vanguard)"이라 칭하는 CEO 중 단 12%만이 AI를 통해 매출 성장과 비용 절감을 동시에 실현했다고 답했으며, 56%는 둘 중 어느 것도 실현하지 못했다고 답했습니다.

Deloitte의 2026 State of AI in the Enterprise 보고서는 이러한 현상의 근본 원인에 이름을 붙입니다. 부족한 직원 역량이 이제 AI를 기존 업무에 통합하는 데 있어 가장 자주 언급되는 장벽이라는 것이며, 이는 예산이나 기술적 한계, 리더십의 회의론보다도 앞섭니다. 승인된 AI 도구에 대한 직원 접근성은 불과 1년 만에 약 50% 증가했지만, 자사가 기존 프로세스에 AI를 덧입히는 수준을 넘어 진정으로 사업을 재구상하고 있다고 답한 리더는 34%에 불과했습니다. IDC의 연구는 이 문제의 규모를 더욱 뚜렷이 보여줍니다. 미해결된 AI 역량 격차로 인해 2026년까지 전 세계 경제가 지연, 품질 문제, 경쟁력 저하 등으로 최대 5조 5,000억 달러의 손실을 볼 수 있다고 추산합니다.

미국 성인 절반이 ChatGPT와 같은 AI 대규모 언어 모델을 사용하고 있어. 여기에서 업계 리더들이 어떻게 적응하고 있는지 알아보세요! 

일부 기업이 훨씬 높은 AI 성과를 내는 이유

McKinsey의 연구는 EBIT의 5% 이상을 AI에 귀속시키는 소수의 "AI 고성과 조직" 집단을 식별했으며, 이들을 나머지 기업과 구분 짓는 요인은 기술적이라기보다 놀라울 만큼 조직적인 특성입니다.

• 고성과 조직은 강력한 경영진의 수도권과 눈에 띄는 솔선수범을 갖추고 있을 가능성이 3배 더 높습니다.
• 이들은 AI를 중심으로 업무 프로세스를 근본적으로 재설계했을 가능성이 2.8배 더 높습니다 (55% 대 다른 조직의 20%).
• 이들은 공식적인 휴먼 인 더 루프(human-in-the-loop) 검토 체계를 갖추고 있을 가능성이 훨씬 높습니다. 65% 대 동료 조직의 23%입니다.
• 고성과 조직의 3분의 1 이상은 디지털 예산의 20% 이상을 AI에 투자하고 있으며, 이는 형식적인 파일럿 수준을 넘어 진지한 재무적 투자에 나설 가능성이 동료 조직 대비 약 5배 높다는 것을 의미합니다.

다시 말해, AI 투자 경쟁에서 승리하는 조직은 단순히 가장 많은 도구를 사용하는 곳이 아닙니다. 이들은 AI 역량을 구조화된 규율로 다룹니다. 측정되고, 자원이 배분되며, 최고 경영진이 주도하고, 기존 레거시 프로세스에 덧씌우는 것이 아니라 실제 업무 재설계 과정에 통합되는 방식입니다.

기업이 AI를 확장할 때 공통적으로 겪는 과제

McKinsey, Deloitte, Gartner의 연구를 종합하면, AI 확장 과정에서 반복적으로 나타나는 장애물은 다음 몇 가지 범주로 압축됩니다.

• 역량 및 숙련도 격차 - Deloitte가 지목한, 그 어떤 기술적 제약보다 앞서는 통합의 최우선 장벽입니다.
• 취약한 거버넌스와 불투명한 ROI 추적 - Gartner는 전망합니다. 비용 급증과 불명확한 투자수익률로 인해 에이전틱 AI 프로젝트의 40% 이상이 2027년까지 취소될 것이라고 말입니다.
• 보안 및 리스크 불확실성 - 조직의 약 3분의 2가 에이전틱 AI 확장의 가장 큰 걸림돌로 보안 및 리스크 우려를 꼽습니다.
• 직무 및 역할 재설계의 지연 - Deloitte에 따르면, 조직의 84%가 아직 AI 역량에 맞춰 직무를 재설계하지 못했으며, 82%는 향후 3년 내 최소 10% 업무가 자동화될 것으로 예상하고 있음에도 그러합니다.
• 얕은 수준의 도입 관행 - 3분의 1 미만의 조직만이 권장되는 AI 확장 관행 대부분을 따르고 있으며, 명확히 정의된 KPI를 추적하는 조직은 5분의 1에도 미치지 못합니다.

성공적인 도입 기업 vs. 고전하는 기업

(비교 자료는 McKinsey의 State of AI 2025 고성과 조직 분석을 종합해 구성했습니다.)

대학교육을 혁신하는 AI 챗봇: 최신 연구를 통해 본 현황과 전망. 여기에서 데이터와 조사 결과를 살펴보세요! 

앞으로 학생 AI 리터러시에 의미하는 것

이 기업 데이터는 곁가지 이야기가 아니라, 하나의 예고편입니다. 매일 AI를 사용하면서도 결과물을 평가하고, 질문하고, 통제하는 법을 배우지 못한 채 졸업하는 학생들은, 바로 이 얕은 도입 패턴이 이미 조직들에게 수조 달러 규모의 미실현 가치 손실을 초래하고 있는 경제로 곧바로 진입하게 됩니다. 시행착오식 프롬프트 사용을 통해 형성된 디지털 리터러시는, 지금 기업들이 절실히 채용하고자 하는 판단력으로 자동 전환되지 않습니다.

교육계와 산업계가 동일한 해법으로 수렴하고 있다는 초기 신호도 나타나고 있습니다.

• Gartner는 예측합니다. 2026년까지 조직의 50%가 지속적인 AI 사용으로 인해 직원의 비판적 사고 능력이 약화되고 있는지 확인하기 위해 정기적으로 "AI 없이 수행하는" 역량 평가를 의무화할 것이라고 말입니다 - 이는 AI가 도운 과제를 채점하는 교실 풍경과도 명백히 맞닿아 있는 우려입니다.
• AI 관련 역량은 이제 그렇지 않은 동등한 직무 대비 상당한 임금 프리미엄을 만들어내고 있습니다. PwC의 Global AI Jobs Barometer는 평균 프리미엄이 2025년 56%에서 2026년판에서는 62%로 상승했다고 밝혔습니다 - 즉 리터러시 격차는 이를 갖추지 못한 채 졸업하는 학생들에게 직접적이고 계량 가능한 비용으로 작용한다는 뜻입니다.
• Deloitte 조사에서 기업들이 역량 격차에 가장 흔하게 대응하는 방식은 "조직 전반의 AI 활용 능력을 높이기 위한 교육"이었습니다 (응답 리더의 53%가 이를 꼽음) - 이는 Experience AI와 같은 체계적인 프로그램이 K-12 및 고등교육 현장에서 이미 효과를 입증한 것과 동일한 접근법입니다.

진정한 AI 리터러시 구축을 위한 전략적 제언

격차를 줄이려는 기관과 학생 모두에게, 지금까지의 증거가 가리키는 몇 가지 일관된 우선순위가 있습니다.

• AI 리터러시를 당연히 습득되는 것이 아니라, 명시적으로 가르쳐야 할 역량으로 다룹니다. Raspberry Pi Foundation의 Experience AI와 같은 체계적인 프로그램은 비체계적인 노출 방식보다 교사와 학생 모두에게서 측정 가능한 향상을 보여줍니다.
• 명확하고 공개된 AI 정책을 수립합니다. 리터러시 저하와 가장 밀접한 상관관계를 보이는 것은 제한이 아니라 모호함입니다. 학생들은 무엇이 허용되고 그 이유가 무엇인지 정확히 알아야 합니다.
• 프롬프트 작성이 아니라 검증하는 법을 가르칩니다. AI 결과물을 팩트체크하고, 환각을 식별하며, 모델의 한계를 이해하는 것은 프롬프트 기법 자체만큼이나 AI 학습의 핵심이 되어야 합니다.
• 고성과 기업의 방식을 그대로 반영합니다. 리더십의 가시성, 구조화된 실행, 성과 추적 - 고성과 기업과 고전하는 기업을 가르는 이 특성들은 교실과 연수 프로그램에도 그대로 적용됩니다.
• 투명성이 내재된 AI 기반 교육 도구를 우선적으로 도입합니다. 학생들이 결과물이 왜, 어떻게 생성되었는지 확인할 수 있도록 함으로써, 모델을 블랙박스로 취급하지 않도록 해야 합니다.

한국의 AI 혁신을 세계에 알리다: 이탈리아 SIGIR 2025에서 공개된 메이크봇의 HybridRAG 프레임워크. 여기서 더 읽어보세요!

결론: 어려운 것은 '도입'이 아니었습니다

교실과 이사회는 이미 쉬운 질문 - "사람들이 AI를 사용할 것인가?" - 에 확실한 '그렇다'로 답했습니다. 아직 풀리지 않은 것은, 학생과 기업 양쪽 모두에서 거의 동일한 비율로, 그 사용이 실질적인 역량과 건전한 판단력, 측정 가능한 가치로 이어지는 는 질문입니다. 진정한 AI 고성과 조직으로 분류되는 기업이 약 6%에 불과하다는 McKinsey의 발견과, 학생의 58%가 기본적인 AI 역량이 부족하다고 느낀다는 조사 결과는, 결국 같은 근본적 실패를 보여주는 두 개의 데이터 포인트입니다. 즉 역량이 접근성만큼의 속도로 확장되지 못하고 있다는 것입니다.

앞으로 몇 년간 앞서 나갈 조직과 학생은, AI를 가장 먼저 혹은 가장 자주 사용한 이들이 아닐 것입니다. 이들은 AI 리터러시를 다른 핵심 역량과 마찬가지로 진지하게 다룬 이들일 것입니다. 의도적으로 가르치고, 지속적으로 측정하며, 최고위층이 직접 주도하는 방식으로 말입니다. 학생 대상 AI 교육에 있어, 이는 한 세대 전체가 아직 동일한 문제조차 풀지 못한 노동시장에 진입하기 전, 지금이 바로 이 격차를 좁힐 마지막 기회임을 의미합니다.

AI를 단순히 도입하는 것이 아니라, 조직이 AI를 제대로 활용할 수 있도록 구축하십시오

리터러시 격차는 저절로 해소되지 않습니다. 교실이든 기업의 워크플로우든, 앞서 나가는 곳들은 AI 역량을 구조화된 규율로 다루는 곳들입니다. 처음부터 내재화하고, 측정하며, 최고위층이 직접 주도하는 방식으로 말입니다. 메이크봇(Makebot)은 헬스케어, 공공기관, 금융 등 다양한 산업에 걸쳐 1,000개 이상의 기업 고객이 신뢰하는 대한민국 대표 생성형 AI 및 LLM 솔루션 전문 기업입니다. 독자적인 멀티 LLM 플랫폼, 매 세션마다 초기화되는 것이 아니라 조직의 지식을 지속적으로 축적하도록 설계된 하이브리드 RAG 아키텍처, 그리고 기존 워크플로우 내부에 직접 통합되는 AI 구현 전문성을 바탕으로, 메이크봇은 조직이 도입과 실질적이고 측정 가능한 역량 사이의 격차를 해소할 수 있도록 지원합니다. 이 데이터가 보여주듯, 그 격차의 비용은 기업과 졸업생 모두에게 현실로 다가오고 있습니다.

시간이 지날수록 축적되는 AI 역량 구축을 시작하십시오