AI가 모든 것을 할 수 있는 시대, 학습자에게 남은 역할은 무엇인가?

사전 출판본 '행위 주체성 분해, 응답 책임의 분리: AI 기반 학습에서 위임할 수 없는 것의 함양' (Tomita, 2026)에 대한 알기 쉬운 해설.

사전 출판본: https://osf.io/preprints/edarxiv/hvbfe*

(일본어 버전: *https://researchmap.jp/ketomy/others/54141521

시스템이 에세이를 계획하고, 초안을 작성하고, 수정하고, 요청 시 자신의 추론 과정을 설명할 수 있을 때, 한때 수사학적이었던 질문은 피할 수 없게 됩니다: AI 가 작업을 수행할 수 있다면, 학습자가 시작해야 할 것은 무엇인가?

교육 기관들은 대개 두 가지 방식 중 하나로 답해 왔습니다 – 역량을 보호하기 위해 도구를 금지하거나, 도구를 허용하고 역량이 살아남길 바라는 방식. 두 반응 모두 행위 주체성(agency) 을 AI 가 위협하거나 그렇지 않은 단일한 양으로 취급합니다. 이 글은 이것이 문제의 잘못된 형태라고 주장합니다. 행위 주체성은 하나가 아닙니다. 올바른 기준으로 분해하면, 그 대부분은 훈련 가능하거나, 지원 가능하거나, 인간-AI 시스템 전반에 분배 가능한 것으로 밝혀지며 – 작고 정확한 나머지는 전혀 역량이 아닌 것으로 드러납니다.

다른 분할: 심리학이 아닌 위임 가능성에 의한 분할

행위 주체성을 분해하는 고전적인 방식은 심리적 기능(Bandura, 2001)이나 시간적 지향성(Emirbayer & Mische, 1998)에 따라 분할합니다. 둘 다 각자의 질문에는 유용합니다. 그러나 어떤 것도 AI 가 현재 강제하는 질문을 위해 만들어진 것은 아닙니다. 따라서 이 글은 다른 축, 즉 위임 가능성(delegability) 에 따라 분할합니다. 이는 단일 테스트로 정의됩니다: 각 부분을 넘겨주려고 하면 어떤 일이 발생하는가?

세 가지 구성 요소가 도출됩니다.

• 방향(Direction) — 학습자가 지향하는 바: 특정 문제를 단순히 할당된 것이 아니라 그들의 것으로 만드는 평가적 헌신.
• 추진력(Drive) , 두 층위로 구성 — 일반적 추진력(general drive) (특질과 같은 에너지 및 활동 수준)과 동기적 추진력(motivational drive) (특정 대상에 대한 상태와 같은 힘).
• 모드(Mode) — 추진력이 학습자의 기질을 통해 움직이는 특징적인 패턴: 일반적으로 창조(creates), 연결(connects), 비판(critiques), 유지(maintains) 하는지 여부. 자신 앞에 놓인 어떤 초안도 다듬지만 스스로 시작하는 것은 없는 학습자는 행위 주체성이 낮은 것이 아닙니다. 그들은 단일 모드로 작동하고 있는 것입니다.

이것들은 위임 가능성 분석을 위한 분류 상자이지, 새로운 심리학이 아닙니다. 요점은 각각을 테스트에 적용했을 때 어떤 일이 발생하는지입니다.

대부분은 깔끔하게 분류된다

표 1. 위임 가능성 축에 따른 학습자 행위 주체성.

테스트를 적용하면 행위 주체성의 대부분이 분류됩니다: 일반적 추진력은 선택 가능하고 지원 가능합니다; 모드는 훈련 가능하고 지원 가능합니다 — AI 는 약한 모드를 직접적으로 비계(scaffold)할 수 있습니다(비판자가 대상을 가질 수 있도록 초안 작성, 연결자가 자료를 가질 수 있도록 구조화). 이는 가장 논쟁의 여지가 적은 항목입니다; 동기적 추진력은 일반적 추진력에서 전환 가능합니다.

방향만 저항합니다 — 그러나 정확성이 중요합니다. 저항하는 것은 후보 방향의 공급이 아닙니다. 제안은 값싸게 가능합니다: 교사가 열 가지를 제안할 수 있고, AI 는 요청 시 쉰 가지를 생성할 수 있으며, 둘 다 학습자가 접하는 것을 넓히는 데 정당한 역할을 합니다. 넘겨줄 수 없는 것은 소유권(ownership) 입니다. 제안된 방향이 학습자 자신의 것이 되거나 — 또는 되지 못하거나 — 하는 과정은 제안자가 통제하지 못하며, 설치된 방향과 소유된 방향의 차이는 행동적으로 관찰 가능합니다: 순응은 감독자의 주의를 따르지만, 헌신은 그렇지 않습니다. 자기 결정 이론(Self-determination theory)은 다른 각도에서 이 구분에 대한 수렴적 지지를 제공합니다 — 외부에서 제안된 목표는 정보적일 뿐만 아니라 관계적 조건 하에서만 단순히 순응되는 것이 아니라 통합됩니다(Ryan & Deci, 2000).

현재의 분해에서, 이것은 정확히 이러한 구성 요소들에 대해 행위 주체성의 분배 관점 (Cukurova, 2026)을 뒷받침합니다: 계획 비계, 일반적 추진력 지원, 모드 확장 도구, 기존 동기 주변의 유지 관리 아키텍처 — 이 모든 것은 인간-AI 구성 전반에 진정으로 분배됩니다. 이 글은 분배된 행위 주체성에 대한 거부가 아닙니다. 그것은 분배가 설명할 수 있는 것에 대한 제한입니다. 분배 설명은 분배되는 것에 대해 옳지만 — 분배되지 않는 것에 대해서는 침묵합니다.

결코 구성 요소가 아니었던 나머지

그림 1. 하나는 구성 요소를 가지고 있습니다; 하나는 응답 책임에 서 있습니다.

분류가 완료되면, 목록에 없었던 무언가가 남습니다 — 그리고 그것은 네 번째 구성 요소가 아닙니다. 그것은 관계(relation) 입니다: 응답 책임(answerability) , 판단에 대해, 질문할 자격이 있는 누군가에게 답해야 할 양도 불가능한 지위입니다. (교육에서 응답 책임은 바흐친(Bakhtin) 계보도 가지고 있습니다; 여기서 사용된 의미는 더 좁고 다월(Darwall) 계보입니다 — 질문할 자격이 있는 사람에게 답하는 지위.)

이 글은 이것을 2인칭적으로 닻을 내리며, 차용은 정확하게 표시되어야 합니다. Darwall(2006)로부터 2인칭적 주소(address)의 구조를 가져옵니다: 주장과 요구는 사람 대 사람으로 이루어지며, 응답 책임이 있다는 것은 답변을 요구받을 수 있는 사람이라는 것입니다. 차용된 것은 그 주소 구조입니다. 여기서 독창적인 것은 확장입니다 — 이를 행위(Darwall 자신의 주제)에서 판단의 근거(warrant) 로 옮깁니다: 평가적 판단은 행동 못지않게, 주소를 지정받고, 도전받고, 답해야 하는 담지자(bearer)를 필요로 합니다.

Darwall 설명의 한 비대칭성은 여기서 결정적인 것으로 읽힙니다. 주장하는 쪽은 명시적으로 대리인을 허용합니다 — 수탁인이 다른 사람을 대신하여 요구할 수 있고, 제3자가 피해자에 대해 분개할 수 있습니다. 답하는 쪽에는 유사한 대리인이 나타나지 않습니다: 죄책감의 자연스러운 표현은 고백, 사과, 자기 자신을 향한 비난입니다. 이 글은 이 비대칭성을 논증이 회전하는 관절로 받아들입니다: 답하는 것은 학습자를 대신하여 수행될 수 없습니다.

두 가지 구분이 이것이 인접한 개념으로 흐려지는 것을 방지합니다:

• 책무성(Accountability) vs. 응답 책임(Answerability). 책무성은 제도적으로 할당 가능합니다: 분산될 수 있고, 감사받을 수 있으며, 재할당될 수 있습니다. 응답 책임은 관계적이고 사람에 고정되어 있습니다: 판단의 근거는 답해야 하는 특정 행위자에게 고정됩니다(Tomita, 2026b).
• 권위(Authority) vs. 지위(Standing). 이 지위는 Xing et al. (2026)이 조사한 AI-에이전트 권위와 반대 방향으로 작동합니다. 현재 설명에서 권위는 학습자에 의해 부여되며 지각된 능력을 따르는 반면, 지위는 판단하는 사람에 의해 보유되며 응답 책임을 따릅니다. 에이전트는 지위를 획득하지 않고도 더 많은 권위를 부여받을 수 있습니다.

AI 가 왜 그 지위에 설 수 없는지 — 그리고 이것이 능력 주장이 아닌 이유

숙련된 사기꾼은 방향이 풍부하며 누구에게도 답하지 않습니다 — 강제로 답하게 될 때까지. 그 조건이 요점입니다: 인간 사기꾼은 답하도록 만들어질 수 있습니다; 바로 그 민감성 — 주소를 지정받고, 도전받고, 붙잡히는 것 — 은 실행 중인 2인칭적 능력입니다. 현재 AI 시스템의 출력은 이런 의미에서 답하도록 만들어질 수 없습니다: 빼앗길 수 있는 것이 없고, 자신의 헌신이 걸려 있지 않으며, 대본화된 자기비난은 무의미할 것입니다. 차이는 어떤 구성 요소 차원을 따른 정도의 차이가 아닙니다. 그것은 관계를 거부하는 것과 관계 안에 설 수 없는 것의 차이입니다.

두 가지 오독은 배제되어야 합니다:

• 그것은 작업-능력 주장이 아닙니다. 계획, 초안 작성, 설명, 자기 모니터링 능력의 축적 그 자체로는 2인칭적 지위를 확립하지 않습니다 — Darwall 의 2인칭적 개념(권위, 유효한 주장, 2인칭적 이유, 그리고 -에 대한 책임)은 외부에서 들어갈 수 없는 상호정의적 순환을 형성합니다. 관련 질문은 시스템이 주소와 응답의 관계에 들어갈 수 있는지 여부이지, 얼마나 많은 작업을 수행할 수 있는지가 아닙니다. 이 글은 미래 시스템이 2인칭적 능력을 획득할 수 있는지 여부를 결정하지 않습니다; 그것은 능력만으로는 지름길이 될 수 없다고 규정합니다. 경계는 기질이 아닌 능력을 따릅니다.
• 그것은 엘리트주의가 아닙니다. 응답 책임은 소수의 재능 있는 사람들이 보유하는 것이 아닙니다. 레지던트(인턴)는 면허 취득 첫날부터 답할 지위를 보유합니다; 학생은 자신의 이름으로 작업을 제출하는 순간부터 지위를 보유합니다. 훈련이 구축하는 것은 지위가 아니라 그것을 잘 점유하는 능력입니다.

또한 다른 방향으로 실용적인 측면이 있습니다: 비판 없는 위임은 학습자의 측면을 그대로 두지 않습니다 — 과도한 의존 하에서 계획, 모니터링 및 평가에 대한 참여를 약화시킬 수 있습니다(Fan et al., 2025). 이것이 처방이 위임을 단순히 허용하는 것이 아니라 형성되어야 할 것으로 취급하는 이유입니다.

방향은 어디에서 오는가

방향이 설치될 수 없다면, 그것은 어디에서 오는가? 이 글은 세 가지 움직임으로 구성된 간결한 메커니즘을 제안합니다: 문제 소유자와의 구체화된 조우(embodied encounter) 는 평가적 헌신의 결정화(crystallization) 를 촉진합니다; 결정화된 방향은 일반적 추진력을 동기적 추진력으로 전환합니다. 각 움직임은 조건을 명명할 뿐, 보장은 아닙니다.

의학은 한 세기 동안 이 설계를 운영해 왔습니다. 임상 실습(clerkship)은 돌봄에 대한 방향이 강의실에서 설치되는 것이 아니라 병상에서 형성된다는 명시적 전제 하에 학생들을 환자에게 안내합니다. 이 모델은 커리큘럼이 문제를 가진 사람들과의 지속적이고 이르며 구체화된 접촉을 창출할 수 있는 곳이라면 어디든지 설계 휴리스틱으로 사용될 수 있습니다.

2단계 처방

두 층위 구조는 두 단계의 처방을 낳으며, 단계는 병합되어서는 안 됩니다.

1단계 — 분해가 배치할 수 있는 모든 것에 대해.

• 진단적 나침반. OECD 의 학습 나침반 2030(OECD Learning Compass 2030)은 행위 주체성을 학습자가 불확실한 세계를 탐색하는 방법의 중심에 두었지만, 그것은 이동할 방향을 가리킬 뿐, 교육자가 읽을 수 있는 부분으로 방향을 분해하지는 않습니다(OECD, 2019). 이 단계는 두 번째 종류를 제공합니다: 학습자의 방향, 일반적 추진력, 동기적 추진력, 모드 를 위임 가능성 분류에 따라 개별적으로 읽되, 단일 "적성"으로 합산하지 않습니다. 새로운 심리측정학이 필요하지 않습니다 — 기존 도구를 다르게 읽기만 하면 됩니다. 한 가지 유보 사항은 구성적이지 경고적이 아닙니다: 나침반은 외부화될 수 있는 것만 읽습니다. 응답 책임은 어떤 바늘에도 나타나지 않으며, 그것을 채점한다고 주장하는 나침반은 이 논문이 진단하는 바로 그 혼동을 다시 도입할 것입니다. 작동 예시. 한 학습자가 "동기부여가 안 됨"으로 제시됩니다. 나침반은 분해합니다: 일반적 추진력 높음(같은 학생이 다른 곳에서는 활기참), 방향 없음, 모드는 주로 비판적. 이것은 동기 결핍이 아니라 결정화 전 상태(pre-crystallization state) 입니다 — 대상이 없는 강력한 엔진이며, 지렛대는 훈계가 아니라 조우에의 노출입니다. 나침반은 또한 당신의 목적을 찾으라(대개 마비시키는 이분법적 요구)를 자신의 기울기를 관찰하라(결정화 전 학습자가 실제로 할 수 있는 것)로 대체합니다.
• 조우 공학(Encounter engineering). 조우가 방향을 촉진한다면, 커리큘럼은 조우 밀도(encounter density) 를 위해 설계될 수 있습니다 — 문제 소유자와의 구조화된 접촉, 이르고 구체화되며, 능력이 전통적으로 그것을 "정당화"하기 전에 이루어집니다.
• AI 가드레일. 학습자를 대체하지 않으면서 장벽을 제거하는 방식으로 위임이 이루어지도록 AI 를 구성하십시오. 그러나 한계를 주목하십시오: 아무리 잘 구성된 AI 와의 대화라도 응답 책임을 함양하지 않습니다 — 시스템은 헌신을 이끌어낼 수 있지만, 학습자가 답하는 대상이 될 수는 없습니다. 가드레일은 1단계에 기여합니다. 그것들은 2단계를 대체하지 않습니다.

2단계 — 1단계가 도달할 수 없는 것에 대해.

응답 책임은 오직 2인칭적 교환 내에서 성장합니다: 질문을 받고, 답하고, 그 답을 소유하는 것. 교육자의 대체 불가능한 기능 — 도구의 어떤 구성도 흡수하지 못하는 것 — 은 상대방이 되는 것입니다: 학습자에게 당신의 평가는 무엇입니까?라고 묻고, 그들이 말한 바에 대해 책임을 묻는 것. 임상 지도는 항상 이렇게 작동해 왔습니다 — 레지던트는 사례마다, 질문할 자격이 있는 누군가에게 답하고, 그것이 처음부터 거기에 있었던 지위 위에 답하는 능력을 구축하는 방법입니다.

이것은 구조적으로 근거가 있으며 향수에 젖은 것이 아닙니다. Nonaka 와 Takeuchi 의 SECI 모델(1995)을 사용하여 Tomita(2026b)는 AI 가 지식의 외부화와 결합을 가속화할 때, 효과적인 속도 제한 프로세스는 사회화와 내면화 쪽으로 이동하며 — 평가적 헌신이 사람 사이에서 논쟁되고 수정되는 사회화는 정확히 2인칭적 장소라고 주장합니다. 자기 결정 이론이 내면화에 필요하다고 발견한 관계적 조건은 같은 방향을 가리킵니다(Ryan & Deci, 2000). 혼합 인간-AI 구성은 올바른 그릇이며, 1단계가 그것을 채웁니다; 그러나 어떤 구성 내에서도, 답하는 당사자는 구성이 아니라 그 안에 있는 인간입니다.

결론

그래서 학습자에게 남은 것은 무엇인가에 대한 답은 두 가지 종류이며, 그것들을 구별하는 것이 이 논문의 핵심 훈련입니다:

• 방향(Direction) — 설치는 저항하지만 조우에는 굴복하는 구성 요소.
• 응답 책임(Answerability) — 전혀 구성 요소가 아니며, 학습자가 판단에 대해 누군가에게 답하는 지위.

AI 는 그 관계 주변의 모든 것의 경제성을 변화시켜, 가르침과 배움 모두에서 외부화 부담을 제거합니다. 그것이 바꾸지 못하는 것은 관계 자체입니다: 누가 답해야 하는지, 그리고 누구에게 답해야 하는지. 따라서 교육자의 위치는 명확해지고 축소되지 않습니다 — 조우를 설계하고, 도구를 구성하고, 나침반을 읽으십시오; 그리고 학습자가 답하는 상대방이 되십시오.

AI 는 교육의 외부화 부담을 제거합니다; 그것이 제거할 수 없는 것은 상대방입니다.

AI 시대의 교육은 자동화에 맞서 인간의 과업을 방어하는 것이 아닙니다. 그것은 결코 과업이 아니었던 것을 함양하는 것입니다.

더 큰 프레임워크에 맞추는 방법

이것은 AI 가 압축하는 것과 압축하지 않는 것에 대한 일련의 작업 중 세 번째 작품입니다. 첫 번째는 외부화 비용(AI 가 제거하는 것)을 명세화(specification) 와 분리했습니다 — AI 지원이 프레임워크의 대상 영역에서 그 자체로 제공하지 않는 영역 판단(Tomita, 2026a). 두 번째는 명세화를 사실 유형(Sein)과 가치 함축 유형(Sollen) 구성 요소 로 분해하고 위임 정당성 경계를 위치시켰습니다 — AI 가 출력을 생성할 수 있지만 그 출력의 정당성의 원천이 될 수 없는 선(Tomita, 2026b). 이번 것은 그 논문들이 상수로 유지했던 변수 — 학습자 — 를 열고, 인간의 가장자리에서 양(quantity)이 아닌 관계(relation) 를 발견합니다. 연산자는 일정합니다; 논쟁되는 개념은 변합니다.

참고문헌 (핵심적; 전체 목록은 사전 출판본에 있음)

사전 출판본은 이 짧은 설명에서 생략된 반-순환성 논증, 메커니즘 모델의 증거적 한계, 그리고 제도적 조건을 발전시킵니다.

• Bandura, A. (2001). Social cognitive theory: An agentic perspective. Annual Review of Psychology, 52, 1–26.
• Cathcart, S., Priestley, M., Priestley, A., & Rushton, E. A. C. (2026). Unravelling agency. Review of Education, 14(1), e70131.
• Cukurova, M. (2026). Agency as a system property in human–AI interaction in education. British Journal of Educational Technology, 57(4), 1065–1070.
• Darwall, S. (2006). The second-person standpoint: Morality, respect, and accountability. Harvard University Press.
• Emirbayer, M., & Mische, A. (1998). What is agency? American Journal of Sociology, 103(4), 962–1023.
• Fan, Y., et al. (2025). Beware of metacognitive laziness. British Journal of Educational Technology, 56(2), 489–530.
• Nonaka, I., & Takeuchi, H. (1995). The knowledge-creating company. Oxford University Press.
• OECD. (2019). OECD Learning Compass 2030: A conceptual learning framework.
• Ryan, R. M., & Deci, E. L. (2000). Self-determination theory and the facilitation of intrinsic motivation. American Psychologist, 55(1), 68–78.
• Tomita, K. (2026a). Domain-native development: A Mekiki framework for AI-assisted knowledge work [Preprint]. SocArXiv.
• Tomita, K. (2026b). Philosophy as cognitive assay [Preprint]. SocArXiv.
• Xing, W., et al. (2026). Unveiling interaction patterns between students and a generative AI teachable agent. British Journal of Educational Technology, 57(4), 896–923.
• Zimmerman, B. J. (2000). Attaining self-regulation: A social cognitive perspective. In Handbook of self-regulation (pp. 13–39). Academic Press.

P.S. 이 해설은 밀도가 높으며, 그 배경이 되는 논문은 더욱 밀도가 높습니다. AI 에게 이 둘 중 하나를 함께 읽도록 요청해도 좋습니다 — 요약, 번역, 설명. 그것이 바로 AI 가 당신의 부담을 덜어주어야 할 외부화의 종류입니다. AI 는 논증을 테스트할 수도 있습니다: 논리를 확인하고, 반례를 표면화하며, 증거를 평가합니다. AI 가 할 수 없는 것은 당신을 대신하여 그것을 받아들일지 여부를 결정하는 것입니다. 논증을 정당한 것으로 받아들이고, 그 뒤에 서는 것은 당신의 몫입니다.