그러나 현실의 교육 환경에서 이러한 교육적 이상을 일관되게 실현하기는 쉽지 않다. 교사는 다수의 학생을 동시에 지도해야 하고, 관찰과 기록, 평가와 피드백을 모두 실행해야 한다. 이 과정에서 개별화교육계획(IEP)은 종종 형식적인 문서로 남게 될 수도 있고, 제한된 정보에 기반해 작성될 수밖에 없는 한계를 지닌다. AI는 이러한 특수교육의 구조적 한계 지점에서 중요한 전환 가능성을 제시한다. AI는 학습자의 반응을 지속적으로 기록하고, 반복되는 패턴을 분석하며, 시간의 흐름에 따른 변화를 추적할 수 있다. 이는 특수교육이 오랫동안 추구해 온 개별화, 개인별 적응성, 그리고 지속성의 원리를 기술적으로 구현할 수 있는 기반이 된다.
－01_“AI와 특수교육의 개념적 만남” 중에서

이러한 사례들이 공통적으로 시사하는 바는, AI가 보조 공학을 대체하는 기술이 아니라 보조 공학의 교육적 가능성을 확장하는 핵심 매개체라는 점이다. 학생을 기술에 적응시키는 방향이 아니라, AI를 활용한 기술이 학생의 특성에 적응하도록 설계될 때 가장 큰 교육적 효과를 발휘할 것이다. 이는 특수교육의 기본 원리인 개별화, 접근성, 참여를 기술적으로 구현하는 방식이라 할 수 있다. 그러나 동시에 AI 기반 보조 공학의 활용은 신중한 접근을 요구한다. 과도한 자동화는 학습자의 주도성을 약화시킬 수 있으며, 데이터 기반 분석은 윤리적 고려와 교사의 전문적 판단을 전제로 해야 한다. 따라서 AI는 교사를 대신하는 도구가 아니라, 교사의 교육적 결정을 지원하는 조력자로 위치 지어져야 한다.
－03_“보조 공학과 AI의 융합” 중에서

그러나 현장에서는 평가에서 다음과 같은 구조적 한계가 반복된다. 첫째, 교사의 시간과 인력 제약으로 인해 평가가 ‘간헐적’이고 ‘사후적’으로 이루어지기 쉽다. 둘째, 검사 결과가 세부 기술 수준(예: 읽기 유창성의 오류 유형, 수학 개념의 결손 영역 등)까지 연결되지 못해 교수·중재로 이어지는 다리가 약하다. 셋째, 통합 학급 환경에서는 다양한 학습자(예: 장애 학생, 다문화 학생, 느린 학습자 등)를 동시에 지원해야 하므로, 평가의 빈도, 형태, 피드백 등을 개인화하는 일이 특히 어려울 수밖에 없다. 이 지점에서 AI 기반 평가와 학습 분석은 특수교육 평가의 핵심 문제인 빈도(자주), 즉시성(빠르게), 세분성(정밀하게), 및 연결성(수업으로 이어지게)을 지원하는 도구가 될 수 있다.
－06_“AI를 통한 특수교육 평가와 피드백의 혁신” 중에서

특수교육 맥락에서 AI 활용은 개별화교육계획(IEP)의 실효성을 높이고, 학습 부진이나 정서·행동 문제를 조기에 감지하여 사후적 대응 중심의 교육에서 예방적 차원의 교육으로의 전환을 가능하게 한다는 점에서 활용 가치가 매우 높다. 이를 위해 교사 연수는 기술 중심의 도구 활용 교육이 우선적으로 필요하다. 그러나 AI 활용 교육으로 끝나서는 안 된다. 교사의 전문성 강화 교육에서는 AI를 활용하여 수집한 데이터 해석 역량, 개별화 수업 설계 능력, 윤리적 판단과 책무성 인식을 통합적으로 강화하는 방향으로 설계되어야 한다. AI 시대의 특수교육의 미래는 여전히 교사의 손에 달려 있다. 기술이 제공하는 데이터와 알고리즘의 힘을 교육적 판단력으로 균형 있게 활용하는 교사만이 학생의 존엄과 잠재력을 온전히 실현할 수 있다고 생각한다.
－09_“미래를 준비하는 특수교육 전문가” 중에서