여기에서 대학이 다른 조직과 구별되는 점이 드러난다. 기업에서 같은 품질의 결과물을 더 짧은 시간에 만들어 낸다면 대체로 생산성이 높아진 것이다. 그러나 대학에서는 결과를 만드는 과정 자체가 교육이고 훈련이라 할 수 있다. 학생이 어려운 글을 읽고, 무엇이 중요한지 고민하고, 자신의 생각을 문장으로 옮기는 과정에서 학습이 일어난다. 대학원생 역시 잘못된 가설을 세우고, 분석에 실패하고, 다시 자료를 찾아보는 과정을 거치면서 연구자가 되어간다. 답을 얻는 것만이 아니라 답에 도달하는 과정 자체가 배움의 일부인 것이다. (…) 그렇다면 대학의 평가에도 새로운 질문이 생긴다. 완성된 결과물을 평가하는 것만으로 학생이 무엇을 알고 무엇을 할 수 있는지 확인할 수 있는가. AI와 함께 좋은 결과물을 만드는 능력도 새로운 역량이라면, 그 가운데 인간이 스스로 갖추어야 할 역량은 무엇인가. 생성형 AI가 흔든 것은 평가 방법 하나가 아니라, 대학이 사람의 역량을 어떻게 확인하고 인정해 왔는가라는 보다 근본적인 전제다.
--- 「01 AI는 왜 대학의 규칙을 흔드는가」 중에서

생성형 AI는 결국 학습에 필요한 노력을 없애기보다 학생이 어디에 노력을 써야 하는지 그 방향을 바꾸고 있다. 이전에는 과제를 완성하기 위해 거쳐야 했던 과정의 상당 부분이 자연스럽게 학생의 몫이었다면, 이제는 어디에서 시간을 아끼고 어디에서 더 오래 읽고 생각하며 시행착오를 겪을 것인지부터 선택해야 한다. 따라서 AI 시대의 학습자를 단순히 AI를 사용하는 학생과 사용하지 않는 학생으로 나누기는 어렵다. AI가 덜어 준 시간과 노력을 자신의 이해와 사고에 다시 사용할 수 있는지, 그리고 어떤 과정만큼은 스스로 거쳐야 하는지를 구별하는 능력이 더 중요해졌다. AI에게 무엇을 맡길 것인가라는 질문은 결국 무엇을 스스로 배워야 하는가라는 질문에서 시작된다.
--- 「03 고등교육의 장면(2): 학습」 중에서

대학원생은 연구를 수행하면서 동시에 연구하는 법을 배우는 이중적인 위치에 있다. 이러한 위치는 생성형 AI를 사용하는 방식에서도 드러난다. 국내 한 연구중심대학의 대학원생 431명을 대상으로 한 조사에서, 응답자의 97.7%가 연구에 생성형 AI를 사용한 경험이 있었으며 그중 71.1%는 매일 사용하고 있다고 답했다. 활용 범위를 자세히 살펴보면 문법과 문체의 교정, 자료 요약, 코드 작성과 디버깅처럼 연구를 보조하는 작업에는 AI가 폭넓게 활용되고 있었던 반면, 논문 원고를 직접 작성하거나 데이터를 생성하는 것처럼 연구 결과에 직접 영향을 미치는 활동에서는 사용에 훨씬 신중했다. 대학원생들은 연구 단계에 따라 AI 사용의 윤리적 위험이 다르다는 것을 이미 구분하고 있었던 것이다.
--- 「06 대학원 연구와 AI」 중에서

결국 AI가 대학에 던지는 질문은 ‘학생이 AI를 사용했는가’를 넘어 ‘학생이 배웠다는 것을 무엇으로 확인할 것인가’로 이어진다. AI가 글을 쓰고 코드를 만들며 자료를 분석할 수 있는 시대에 에세이와 보고서를 통해 학생의 역량을 확인하는 기존 방식은 근본적인 재검토가 필요하다. 이것은 AI 때문에 새로 생긴 문제라기보다는 대학이 오래전부터 안고 있었지만 관행 속에 묻혀 있던 질문이 AI를 통해 다시 열린 것에 가깝다. 따라서 필요한 변화는 교수자가 개별 과제를 바꾸거나 학생이 새로운 학습 전략을 익히는 데서 끝나지 않는다. 무엇을 학생이 직접 수행해야 하는지, 어떤 과정을 거쳐야 배웠다고 할 수 있는지, 그 배움을 무엇으로 확인할 것인지까지 교육과 평가의 관계를 다시 설계해야 한다. AI 시대에 대학이 다시 정해야 하는 것은 AI 사용의 허용 범위만이 아니라, 자신이 무엇을 가르치고 무엇을 보증하는 기관인가에 대한 기준이다.
--- 「09 가이드라인의 한계와 새로운 규칙」 중에서