이러한 변화는 교사의 전문성에도 새로운 의미를 부여한다. 생성형 AI는 수많은 자료를 빠르게 생성할 수 있지만, 생성된 자료가 교육적으로 적절한지는 스스로 판단하지 못한다. 학습 목표에 부합하는지, 학생의 발달 수준에 적합한지, 사실 오류나 문화적 편향은 없는지, 윤리적으로 문제가 없는지 등을 검토하는 일은 여전히 교사의 책임이다. 오히려 생성형 AI 시대에는 자료를 만드는 능력보다 자료를 비판적으로 검토하고 교육적으로 재구성하는 능력이 더욱 중요한 전문성으로 자리 잡고 있다. 이러한 점에서 생성형 AI가 가져온 가장 큰 변화는 단순히 새로운 기술의 등장이 아니다. 교육의 중심 활동이 ‘자료를 만드는 일’에서 ‘생성된 자료를 교육적으로 판단하고 활용하는 일’로 이동하고 있다는 데 그 의미가 있다.
--- 「01 생성형 AI의 등장과 교실의 변화」 중에서

그러나 데이터가 많다고 해서 그 자체로 교육적 의미를 갖는 것은 아니다. 바로 이 지점에서 현장의 비판적 목소리가 중요해진다. 필자들의 연구에 참여한 교사는 AI 코스웨어의 데이터 시각화 기능에 대해 다음과 같이 말했다. “AI 코스웨어는 다양한 데이터를 축적해 나가지만, 그 데이터가 교사에게 마냥 도움이 되진 않는다는 생각이 들었어요.” 예컨대, 학습자의 감정 데이터가 계속 쌓이는데, 이전 단원에서 ‘Happy’로 응답했던 학생이 이번 단원에서 ‘Angry’라고 응답하면 교사에게는 “의문만 남지, 뚜렷한 교육적 방향으로 연결되기가 어렵다”는 것이다. 나아가 “데이터는 맥락과 함께 해석되어야 의미가 생기는데, 교사가 그 맥락까지 고려하기는 현실적으로 쉽지 않다”고 덧붙였다. 파편적으로 쌓여 가는 데이터가 오히려 부담으로 작용할 수 있다는 이 발언은, 학습 분석 연구자들이 꾸준히 지적해 온 문제와 맞닿아 있다. 데이터 해석은 데이터 제공과 전혀 다른 역량을 요구한다.
--- 「03 데이터 시각화와 학습 분석」 중에서

“모든 학생에게 맞춤형 교육을.” 이 문장은 교육의 오래된 이상이다. 그러나 한 명의 교사가 다인수의 학생들을 가르치는 공교육의 현실에서 이 이상은 오랫동안 이상에 머물러 있었다. AI 코스웨어의 등장은 이 간극을 좁힐 수 있다는 기대를 높이고 있다. 학습자마다 다른 오류를 자동으로 포착하고, 수준에 맞는 과제를 배정하며, 수행 추이를 실시간으로 기록해 피드백을 개별화하는 시스템이 교실 안에 들어왔기 때문이다. 그러나 이를 실현하는 과정에서는 예상하지 못한 문제가 발생할 수 있다. 개별화를 가능하게 하려면 진단이 먼저여야 하고, 진단이 반복되면 수업은 시험의 연속이 된다. 맞춤형 교육이라는 이상이 진단 중심 수업이라는 함정으로 전락할 가능성이다.
--- 「06 맞춤형 피드백」 중에서

오늘날 이야기되는 코치, 촉진자, 멘토로서의 교사는 완전히 새로운 개념이라기보다, 기존 교사의 역할 가운데 덜 주목받던 측면이 AI 시대를 맞아 중요해진 것으로 볼 수 있다. (…) 이러한 변화는 교사의 역할이 더욱 인간적이고 전문적인 방향으로 재구성되고 있음을 시사한다. AI가 반복적인 업무를 지원하면서, 교사가 학생 개개인의 학습 과정에 더 집중할 가능성이 커졌기 때문이다. 앞으로의 교사는 단순히 정보를 가장 많이 알고 있는 사람이 아니라, 학생이 학습 과정 속에서 방향을 잃지 않도록 돕고, 적절한 질문을 던지며, 학습 경험을 설계하는 존재로 변화하고 있다.