AI는 이제 대학생들의 학습 동반자다.
AI는 더 이상 연구실 안에서만 쓰이는 전문 도구가 아니다. 이제 AI는 대학생들의 일상적인 학업 활동 속 깊숙이 자리잡은, ‘학습 파트너’로 자리매김하고 있다. 특히 최근 발표된 Anthropic의 “Education Report”는 AI 모델 Claude를 중심으로 대학생들이 실제 학업에서 어떻게 AI를 활용하고 있는지를 대규모 데이터 기반으로 분석한 흥미로운 결과를 보여준다. 이 보고서는 단순한 설문조사나 실험이 아니라, 실제 100만 건 이상의 익명 대화를 분석하여 학생들의 자연스러운 사용 패턴을 추적했다는 점에서 의의가 크다.
이 글에서는 [Anthropic, Claude 활용 실태 분석 보고서] 의 주요 내용을 정리하고, 각 개념을 처음 접하는 분들도 쉽게 이해할 수 있도록 용어 설명과 함께 교육적 함의, 시사점까지 깊이 있게 풀어보고자 한다.
1. 누가 Claude를 가장 많이 사용하는가? – 전공별 AI 사용의 불균형
Claude를 가장 활발히 사용하는 그룹은 단연 STEM(Science, Technology, Engineering, Mathematics – 과학·기술·공학·수학 계열) 전공 학생들이었다. 그 중에서도 컴퓨터공학 전공자의 사용 비율이 유독 높았는데, 전체 미국 학위 취득자의 5.4%만이 컴퓨터공학 전공자임에도 불구하고, Claude 관련 대화에서는 무려 36.8%를 차지했다.
이는 단순히 Claude가 ‘코딩 문제를 잘 풀어준다’는 기능적 강점 때문만이 아니다. AI에 대한 친숙도, 관련 커뮤니티에서의 정보 공유 빈도, 그리고 새로운 도구 수용에 대한 개방성 등, 컴퓨터공학 전공자 특유의 디지털 리터러시(Digital Literacy) 문화가 강하게 작용한 결과로 보인다.
반면, 경영학(Business), 보건학(Health Professions), 인문학(Humanities) 계열에서는 상대적으로 Claude 사용 비율이 낮았다. 예를 들어, 미국 전체 학사 졸업생 중 경영학 전공자는 약 18.6%를 차지하지만, Claude 사용자 비율은 8.9%에 그쳤다. 이는 전공별 과제의 특성과 AI가 제공하는 기능 간의 궁합 차이, 또는 윤리적 판단 기준의 차이에서 기인할 수 있다.
2. 학생들은 AI를 어떻게 사용하는가? – 4가지 상호작용 유형 자세히 보기
Anthropic는 학생과 Claude의 상호작용을 다음 두 가지 축으로 구분하여 네 가지 유형으로 분류했다:
- 축 1: 상호작용 방식
- 직접형(Direct): 사용자가 빠르게 결과를 얻고자 하는 방식
- 협업형(Collaborative): Claude와 주고받는 과정을 통해 문제를 함께 해결해 나가는 방식
- 축 2: 목표 유형
- 문제 해결(Problem Solving): 수학 문제, 개념 이해, 프로그래밍 디버깅 등
- 결과물 생성(Output Creation): 에세이 작성, 요약문 생성, 발표자료 구성 등
이 두 축을 조합하면 다음과 같은 네 가지 유형이 도출된다:
- 직접적 문제 해결 (Direct Problem Solving)
- 직접적 결과물 생성 (Direct Output Creation)
- 협업적 문제 해결 (Collaborative Problem Solving)
- 협업적 결과물 생성 (Collaborative Output Creation)
이 네 가지 상호작용 방식은 전체 대화에서 각각 23~29%로 비슷한 비율로 나타났으며, Claude가 단순 도우미가 아닌, 다양한 학습 방식에 맞춰 활용되고 있음을 보여준다.
3. 학생들이 Claude에게 요청한 주요 작업 유형 – ‘무엇’을 맡기고 있을까?
Anthropic는 Claude의 사용 대화를 분석해 다음과 같은 사용 목적을 주요 카테고리로 정리했다:
- 학습 콘텐츠 생성 및 개선 (39.3%)
- 기술적 문제 해결 및 설명 요청 (33.5%)
- 데이터 분석 및 시각화 요청 (11.0%)
- 연구 설계 및 도구 개발 지원 (6.5%)
- 기술 도식 생성 (3.2%)
- 언어 번역 및 교정 (2.4%)
이러한 패턴은 Claude가 단순한 검색 도구가 아닌, ‘확장된 사고 파트너’로 활용되고 있음을 보여준다. 특히 연습문제 생성이나 코드 디버깅처럼 실제 교수자나 튜터가 해주는 피드백을 Claude가 대신해주는 경우도 많았다.
4. 분야별 AI 사용 경향의 차이 – 전공에 따라 달라지는 활용 패턴
학생들의 AI 활용은 전공에 따라 뚜렷한 차이를 보였다. 이는 각 전공에서 요구하는 학습 방식, 과제 유형, 기술 친화도 등 여러 요인이 반영된 결과다. Anthropic는 미국 교육통계청(NCES: National Center for Education Statistics)의 전공 분류 기준에 따라 Claude 사용 데이터를 분석했다.
다음은 각 분야별 Claude 사용 비율과, 전체 학사 학위 수여 비율 간의 비교다:
- 컴퓨터공학(Computer Science): 전체 학사 학위 중 5.4% → Claude 사용의 38.6%
- 자연과학 및 수학(Natural Sciences & Mathematics): 전체 학사 학위 중 9.2% → Claude 사용의 15.2%
- 경영학(Business): 전체 학사 학위 중 18.6% → Claude 사용의 8.9%
- 보건계열(Health Professions): 전체 학사 학위 중 13.1% → Claude 사용의 5.5%
- 인문학(Humanities): 전체 학사 학위 중 12.5% → Claude 사용의 6.4%
이 수치는 Claude가 특히 STEM 분야 학생들에게 높은 활용도를 보이고 있으며, 비-STEM 계열에서는 아직 상대적으로 낮은 채택률을 보이고 있다는 것을 나타낸다.
왜 이런 차이가 발생할까? 몇 가지 요인을 짚어보면 다음과 같다:
- 과제 특성 차이: 컴퓨터공학이나 수학 과제는 구조화된 문제 해결 중심이다. Claude는 명확한 질문-답변이 가능하고, 코드나 수학 풀이처럼 ‘정답이 있는 문제’에 강점을 보인다. 반면 인문학이나 보건학은 서술형, 논술형 과제가 많아 AI를 활용하기 애매한 부분이 존재한다.
- 도구 친화도: 기술에 대한 거리감도 중요하다. 컴퓨터공학 학생들은 IDE, GitHub, 코드 리포지토리 등 다양한 도구를 일상적으로 사용하기 때문에 Claude도 자연스럽게 학습 도구로 받아들인다. 반면 보건계열 학생들에게는 AI가 여전히 낯선 ‘외부 도구’일 수 있다.
- 윤리 기준의 차이: 일부 전공에서는 AI 활용 자체가 금기시되기도 한다. 특히 보건계열이나 법학계열은 학문적 정직성과 실무 윤리가 매우 강조되는 분야다. 따라서 AI의 사용에 보수적인 접근을 하는 경향이 있다.
- 커뮤니티 영향: Claude나 ChatGPT와 같은 AI 툴은 종종 커뮤니티 기반으로 확산된다. Reddit, GitHub, HackerNews 등에서 활발히 논의되는 분야일수록 학생들이 AI 툴에 대해 더 빠르고 깊이 알 수 있다. 이는 사용 여부에도 큰 영향을 미친다.
결론적으로, Claude의 채택은 단순한 ‘도구의 유용성’이 아니라, 학습 문화와 인식 구조에 따라 좌우되고 있다는 점이 중요하다. 앞으로 AI 도구가 진정한 교육 보조 수단으로 자리 잡기 위해서는, 전공별 맥락에 맞는 적절한 도입 전략과 학습 설계가 필요하다는 시사점을 준다.
5. 학생들은 Claude와 어떻게 상호작용하는가 – 상호작용 방식의 네 가지 유형
AI와의 상호작용은 단순히 “무엇을 요청했는가” 이상으로, 어떻게 요청하고, 어떤 방식으로 대화를 이어가는가에 따라 학습 효과가 달라진다. Anthropic는 학생들과 Claude의 대화를 분석해, 이 상호작용을 두 가지 축으로 나눠 네 가지 주요 유형으로 분류했다.
- 첫 번째 축: 대화의 방식
- 직접형(Direct): 빠르게 답이나 결과를 얻기 위한 단순 요청
- 협업형(Collaborative): Claude와 주고받으며 함께 해답을 찾아가는 상호작용
- 두 번째 축: 대화의 목적
- 문제 해결(Problem Solving): 수학 문제, 프로그래밍 오류 해결, 개념 이해 등
- 결과물 생성(Output Creation): 에세이 작성, 발표자료 정리, 요약문 구성 등
이 두 축을 조합하면 다음과 같은 네 가지 상호작용 유형이 나온다:
- 직접적 문제 해결 (Direct Problem Solving)
- 예: “이 수학 문제 답 알려줘”, “이 코드 왜 오류 나?”
- 특징: 빠른 정답 추구, 사고의 개입은 최소화
- 직접적 결과물 생성 (Direct Output Creation)
- 예: “이 주제로 600자 에세이 써줘”, “이 논문 요약해줘”
- 특징: Claude가 아예 결과물을 작성해주는 방식
- 협업적 문제 해결 (Collaborative Problem Solving)
- 예: “이 개념 이해 안 돼 → 예시로 설명해줘 → 관련 문제 풀어볼까?”
- 특징: Claude와 대화를 이어가며 단계적으로 이해해 나감
- 협업적 결과물 생성 (Collaborative Output Creation)
- 예: “이 요약문 어때? → 문장 좀 부드럽게 → 톤을 바꿔보자”
- 특징: Claude와 함께 수정, 발전을 반복하며 결과물을 완성
6. 부정행위인가, 정당한 활용인가 – AI와 학습 윤리의 회색지대
Claude와 같은 AI 도구가 학습에 광범위하게 사용되면서 가장 뜨거운 논쟁 중 하나는 ‘어디까지가 정당한 활용이고 어디부터가 부정행위인가?’에 대한 것이다. 특히 대학 교육의 핵심 가치인 **학문적 정직성(Academic Integrity)**과 관련하여, Claude의 사용은 교수자와 학생 모두에게 새로운 판단 기준을 요구하고 있다.
Anthropic의 분석에 따르면 전체 학생-Claude 대화의 약 47%가 직접형 상호작용에 해당한다. 즉, 사용자가 Claude에게 빠르게 ‘답’을 요청하고 그 결과를 수동적으로 수용하는 경우가 많다는 의미다. 이런 대화는 다음과 같은 사례들을 포함한다:
- “이 머신러닝 문제의 정답은 뭐야?”
- “이 영어 시험 문제 답 좀 알려줘”
- “이 마케팅 문장을 표절 없이 바꿔줘”
이러한 요청은 사용자의 의도나 과제 맥락에 따라 크게 두 가지로 나뉠 수 있다:
- 정당한 학습 도구 활용: 연습문제를 풀고 자가 점검하는 과정, 초안을 개선하고 문장을 더 명확하게 다듬는 등, 학습 효과를 극대화하기 위한 사용.
- 비윤리적 활용 또는 부정행위: 실제 제출용 과제나 평가 과제의 답을 AI에게 직접 요구하거나, 표절 탐지를 피하기 위한 위장된 재작성 요청.
하지만 이 둘의 경계는 명확하지 않다. 같은 “에세이 초안 써줘”라는 요청도, 일부 학생에겐 ‘자료 조사 출발점’일 수 있고, 다른 학생에겐 제출용 완성본일 수 있다. 따라서 단순한 사용 행위 자체보다도 **맥락(Context)**과 **의도(Intent)**가 중요하다는 점이 강조된다.
여기서 중요한 점은 Claude의 활용 방식이 학습자의 ‘사고 능력’을 얼마나 대체하고 있는지에 대한 판단이다. Claude가 단순히 문장 표현을 도와주는 도구로 쓰이는지, 아니면 사고와 판단까지 완전히 위임받고 있는지는 교육적·윤리적으로 큰 차이를 만든다.
결국 우리는 Claude와 같은 AI 도구를 활용하는 데 있어 다음과 같은 질문을 던져야 한다:
- “이 사용은 나의 이해력과 사고력을 강화하는가, 아니면 대체하는가?”
- “이 사용은 교수자의 평가 기준과 충돌하지 않는가?”
- “이 요청을 AI가 아닌 튜터에게 했어도 문제가 없을까?”
앞으로 대학은 AI의 발전 속도에 발맞춰 새로운 평가 방식, 학습 가이드라인, 윤리 기준을 제시해야 할 것이다. AI 도구를 배제하기보다는, 어떻게 잘 활용하고 학습에 기여하게 할 것인가에 대한 체계적인 논의가 필요하다.
7. 인지적 사고를 Claude에게 맡기는 것의 의미 – Bloom의 분류체계로 본 분석
Anthropic는 Claude가 실제로 학생들과의 대화에서 어떤 인지적 작업을 수행하는지를 분석하기 위해, 교육 심리학에서 널리 쓰이는 **Bloom의 인지 영역 분류체계(Bloom’s Taxonomy)**를 적용했다.
Bloom의 분류체계는 학습자의 인지 능력을 다음과 같이 여섯 단계로 구분한다 (낮은 수준 → 높은 수준 순):
- 기억(기초 정보 회상)
- 이해(개념 파악)
- 적용(지식의 활용)
- 분석(구조와 관계 파악)
- 평가(판단과 비판)
- 창조(새로운 것의 생성)
Claude와의 대화 분석 결과, 학생들은 Claude에게 높은 수준의 인지 작업을 많이 맡기고 있는 것으로 나타났다:
- 창조(Creating): 39.8%
에세이 생성, 발표자료 제작, 요약문 작성 등 - 분석(Analyzing): 30.2%
복잡한 개념 설명, 프로그래밍 로직 분석, 통계 결과 해석 등 - 적용(Applying): 10.9%
문제 해결, 코드 구현, 그래프 해석 등 - 이해(Understanding): 10.0%
개념 정리, 용어 해설, 정의 설명 등 - 기억(Remembering): 1.8%
단순 정의 요청, 공식 암기 등
이 구조는 일반적인 인간 학습과는 반대되는 ‘역 피라미드 구조’를 가진다. 즉, 학생들이 AI에게 ‘창조적’ 사고를 맡기고, 자신은 비교적 수동적인 이해와 기억에 머무를 수 있다는 우려를 낳는다.
Claude가 생성한 에세이를 그대로 제출하거나, 통계 해석을 AI에게 맡기고 결과만 받아보는 식의 학습은 단기적으로는 시간 효율을 높일 수 있지만, 장기적으로는 비판적 사고력과 메타인지(meta-cognition) 형성에 장애가 될 수 있다.
따라서 AI를 ‘공동 창작자’로 활용하되, 그 결과물을 비판적으로 분석하고 재해석하는 과정이 반드시 병행되어야 한다. 그것이 진정한 의미의 ‘AI 활용 역량’이며, 앞으로의 교육에서 핵심이 될 부분이다.
8. 앞으로의 과제: AI 시대의 학습이란 무엇인가?
Claude와 같은 AI 시스템이 빠르게 일상화되며, 대학 교육은 근본적인 전환점에 서게 되었다. 더 이상 “AI를 쓸 것인가 말 것인가”가 아니라, “어떻게 쓸 것인가”가 핵심 질문이다. 이 변화는 단순히 학습 도구의 추가가 아니라, 교육의 목적, 평가 방식, 그리고 학습자의 정체성 자체를 재정의하도록 요구하고 있다.
첫째, 우리는 무엇을 ‘학습’이라고 볼 것인가를 다시 정의해야 한다. AI가 거의 모든 정보 검색, 요약, 창작까지 수행할 수 있는 시대에, ‘많이 아는 것’은 더 이상 충분하지 않다. 오히려 중요한 것은 정보를 ‘어떻게 비판적으로 해석하고’, ‘새로운 문제 상황에 적용하며’, ‘협업하고 토론하며 문제를 정의하고 해결하는 능력’이다. 다시 말해, 메타인지(meta-cognition), 비판적 사고(critical thinking), 문제 정의 능력(problem framing) 등이 핵심 역량으로 부상한다.
둘째, 평가 방식의 혁신이 시급하다. 기존의 시험, 리포트, 과제 중심의 평가는 Claude 같은 도구에 의해 쉽게 무력화될 수 있다. 예컨대, 에세이를 Claude가 거의 자동으로 작성해줄 수 있다면, 그것을 평가 기준으로 삼는 것이 무슨 의미가 있을까? 앞으로의 평가는 ‘정답을 맞혔는가’가 아니라, ‘그 과정을 어떻게 설명하고 반성할 수 있는가’에 초점을 맞춰야 한다. 과정 중심 평가(process-based assessment), 구술 평가(oral defense), 협업 기반 프로젝트(collaborative project) 등이 새로운 대안이 될 수 있다.
셋째, 학생과 교사의 역할 변화이다. 학생은 이제 ‘정보를 수동적으로 받아들이는 존재’가 아니라, AI와 함께 학습 설계를 주도하는 **적극적 학습 설계자(learning architect)**가 되어야 한다. 동시에 교사는 더 이상 ‘정답을 전달하는 자’가 아니라, 질문을 던지고 사고를 이끌어주는 퍼실리테이터(facilitator) 역할로 전환되어야 한다. 이 관계는 더욱 유동적이고 동료적인 형태를 띠게 될 것이다.
넷째, 교육 시스템 전반의 준비와 대응 전략이 필요하다. AI 활용에 대한 명확한 가이드라인, 학문 윤리 교육 강화, AI 활용 역량 함양을 위한 커리큘럼 재설계, 교사의 디지털 역량 훈련 등 제도적 뒷받침이 함께 이뤄져야 한다. 단순히 금지하거나 제한하는 방식이 아니라, AI와 함께 성장하는 법을 가르치는 것이 바람직하다.
실제로 Anthropic는 이러한 흐름에 맞춰, **소크라테스식 문답(Socratic Method)**에 기반한 ‘학습 모드(Learning Mode)’를 실험하고 있다. 이는 Claude가 직접 정답을 제시하는 대신, 사용자가 스스로 답을 찾을 수 있도록 질문을 던지고, 사고를 유도하는 방식이다. 이런 접근은 학습의 본질을 AI 시대에 맞게 재해석하려는 시도라 볼 수 있다.
결국, 우리는 ‘AI가 있는 교실’을 피할 수 없다. 이제 질문은 다음과 같다:
- AI가 대체할 수 없는 학습의 본질은 무엇인가?
- 우리는 어떤 인간 역량을 중심으로 교육을 설계할 것인가?
- AI와 함께 살아갈 세대에게 어떤 배움이 필요한가?
이 질문들에 진지하게 답하는 것이, AI 시대 교육의 진짜 과제일 것이다.
맺으며: 교육을 위한 AI, AI를 위한 교육
Anthropic의 이 보고서는 단지 Claude 사용자 통계를 보여주는 것이 아니다. 그것은 우리에게 AI와 함께하는 미래 교육의 풍경을 미리 보여주는 창이다. 학생들은 이미 AI를 활용해 더 빠르게, 더 똑똑하게 학습하고 있으며, 그 과정에서 교육의 의미는 새롭게 정의되고 있다.
우리가 할 일은 단순히 AI의 등장을 두려워하거나, 도구를 막는 것이 아니다. AI가 학습을 어떻게 변화시키고 있는지를 있는 그대로 관찰하고, 그 속에서 새로운 기회와 위험을 함께 읽어내는 힘을 기르는 것이다. 그것이 바로 교육이 해야 할 진짜 역할이다.
Claude는 더 똑똑해질 것이다. 그리고 우리는, 더 깊이 있게 사고하는 법을 배워야 한다.
더 많은 AI 강의 보러가기 ↓
