사람에게 무엇이 필요한지 파악하고, 주어진 조건 안에서 가능한 해결책을 구상하고, 그것을 만들고 시험하며 개선하는 과정이 공학이다. 같은 문제에도 비용, 안전, 성능, 편의성, 환경 영향에 따라 여러 해결책이 나올 수 있다. 공학자는 그중 하나를 선택하고 선택의 결과에 책임을 져야 한다. AI 시대에는 이 판단 과정이 더욱 중요하다. 생성형 AI는 질문하는 사람이 미처 고려하지 못한 조건까지 자동으로 책임져 주지 않는다. 답변이 자연스럽다고 해서 내용이 정확한 것도 아니다. 특히 실제 장치와 사람의 안전이 관련된 문제에서는 그럴듯한 설명만 믿고 행동할 수 없다. 학생이 AI를 활용해 무언가를 설계한다면, 결과를 시험하고 오류의 원인을 찾으며 다시 수정하는 경험이 반드시 뒤따라야 한다. 공학교육은 바로 그 경험을 제공한다.
--- 「01 AI 시대 공학의 중요성」 중에서

리버스 엔지니어링 수업을 처음 구상했을 때 가장 먼저 떠올린 장면은 학생들이 제품을 흥미롭게 분해하는 모습이었다. 완성된 제품의 덮개가 열리고 내부 구조가 드러나는 순간은 설명만 듣는 수업과 다른 몰입을 만든다. 그러나 실제 수업의 흐름을 따라가 보니 흥미만으로 해결되지 않는 구간이 있었다. (…) 이 세 지점은 서로 이어져 있다. 분해 방법을 찾지 못하면 내부를 관찰할 수 없고, 부품의 이름을 모르면 역할에 관한 자료를 찾기 어렵다. 역할을 이해하지 못하면 제품의 설계 의도로 나아갈 수 없다. 교사가 모둠마다 답을 알려 주면 수업은 진행되지만 학생의 탐색 과정은 줄어든다. 반대로 모든 것을 학생에게 맡기면 제한된 시간 안에 분석까지 도달하기 어렵다. AI는 바로 이 사이에서 도움을 줄 수 있다. 학생 대신 제품을 분해하거나 설계 의도를 확정하는 것이 아니라, 다음 탐색을 시작할 단서를 제공하는 것이다.
--- 「03 AI 활용 리버스 엔지니어링」 중에서

분해 방법을 탐색하는 활동에는 관찰, 정보 검색, 출처 평가, 안전 판단이 함께 들어 있다. 학생은 정확한 모델명을 읽어 검색 범위를 좁히고, 여러 자료를 비교해 자신의 제품에 맞는 절차를 선택한다. 영상의 순서를 따르면서도 왜 그런 순서가 필요한지 설명하고, 실제 제품과 다르면 멈춰서 판단한다. 이는 단순한 영상 시청이 아니라 증거를 바탕으로 행동을 결정하는 학습이다. AI와 교육 지원 앱은 이 과정에서 탐색 시간을 줄이고 비교할 자료를 정리해 줄 수 있다. 그러나 어떤 영상이 믿을 만한지, 그 방법을 교실에서 실행해도 안전한지, 눈앞의 제품과 일치하는지는 사람이 결정해야 한다. 기술이 잘하는 검색과 정리를 맡기고, 학생에게는 관찰과 비교, 설명과 책임을 남기는 것이 이 책에서 말하는 AI 활용의 원칙이다.
--- 「06 AI 활용 분해 방법 탐색」 중에서

기준 마커와 영상 처리는 교실에서 빠르게 치수를 추정하게 돕는다. 하지만 자동으로 나온 숫자를 정답으로 만드는 기술은 아니다. 학생이 측정 조건을 통제하고, 다른 도구로 결과를 확인하며, 오차의 이유를 설명할 때 비로소 교육적 의미가 생긴다. AI와 마찬가지로 자동화는 판단을 없애는 것이 아니라 더 나은 판단을 위한 자료를 제공해야 한다.