이처럼 생성형 AI는 영화 제작의 각 단계를 부분적으로 개선하는 수준을 넘어, 전체 파이프라인을 재구성하면서 창작 주체성과 노동 구조에 대한 질문을 던지고 있다. 시나리오와 이미지, 영상, 사운드의 상당 부분을 기계가 생성하는 환경에서, 감독과 작가는 더 이상 모든 요소를 직접 만드는 존재가 아니라 알고리즘과 협업하며 방향을 제시하고 최종 책임을 지는 ‘오케스트레이터’로 재정의되고 있다. 동시에 AI 도입이 특정 직군(콘셉트 아티스트, 로토스코핑·단순 편집 인력 등)의 축소와 새로운 직무(프롬프트 디자이너, AI 파이프라인 슈퍼바이저 등)의 등장으로 이어지면서, 영화 제작 현장의 노동 구조는 빠르게 재편되고 있다.
--- 본문「01_“생성형 AI와 영화 제작 변화”」중에서

이처럼 국내 AI 영화 교육은 단기 집중형, 융합·컨버전스형, 산학협력형, 윤리·리터러시 통합형이라는 네 가지 트랙을 통해 제한된 인프라 속에서도 기술 도입과 교육적 성찰을 동시에 시도하고 있다. 이는 북미·유럽·아시아의 장기·연구 중심 모델과는 다른 경로이지만, 현장 적합성과 유연성을 앞세운 한국 영화 교육의 특성이 반영된 결과로 볼 수 있다.
--- 본문「03_“국내 대학 AI 교육 실천 사례”」중에서

산학협력 프로젝트의 평가는 결과물의 완성도에만 의존하지 않고, 과정과 협업, AI 활용의 적절성을 함께 살펴야 한다. 평가 주체는 교수, 기업 멘토, 동료 학생의 세 축으로 나눌 수 있다. 교수는 교육적 성취와 이론·실기 통합, 리플렉션의 깊이를 중심으로 평가하고, 기업 멘토는 현장 적용 가능성·기술 구현 수준·시장성을 본다. 동료 평가는 팀워크와 기여도, 커뮤니케이션 능력을 파악하는 데 활용한다. 세 관점이 수렴하는 지점과 차이가 나는 지점 모두가 학생들에게 중요한 피드백이 된다. 평가 항목으로는 기획의 명료성과 독창성, AI 파이프라인 설계의 논리성, 제작·후반 작업의 완성도, 윤리·법적 고려, 피칭·문서화 능력 등을 설정할 수 있다. AI 활용과 관련해서는 투명한 사용 기록, AI 결과물의 비판적 검토 및 재구성 여부, 저작권·초상권·데이터 윤리에 대한 고려를 별도 항목으로 두어 단순 기술 시연이 아닌 책임 있는 활용을 장려해야 한다.
--- 본문「06_“산학협력 현장 프로젝트 로드맵”」중에서

AI 시대의 커리큘럼 개편에서 과제와 평가 방식은 핵심적인 재설계 대상이다. 단순 지식 재생·요약·형식적 리포트는 생성형 AI에 의해 쉽게 대체될 수 있으므로, 학과 전체 차원에서 평가 구조를 전환할 필요가 있다. 우선 AI 사용을 전제한 과제와 사용을 제한하는 과제를 명확히 구분하는 것이 중요하다. 기초 이론·영화사 과목에서는 AI 도움을 제한한 상태에서 텍스트 분석·비평·논술을 요구할 수 있고, 프리비즈·프로토타입·실험 과제에서는 AI 사용을 적극적으로 허용하되 사용 과정과 판단을 평가에 포함하는 방식이 유효하다. 이 구분은 학생들에게 AI를 쓰고 싶을 때 자유롭게 쓰는 것이 아니라, 과제의 성격과 학습 목표에 따라 선택적으로 판단하는 능력을 기르게 한다.