2026년 내내 그리고 그 이후를 내다볼 때, 저는 작고 점진적인 조정을 못합니다. 저는 그 기초부터 재편되는 섹터를 봅니다.

평가에 영향을 미치는 가장 큰 힘은 우리 산업 내에서 일어나는 것이 아니라, 우리가 섬기는 직업 분야에서 일어나고 있습니다. AI는 사람들이 일하는 방식, 역할 구조, 그리고 실제 실무에서의 역량을 변화시키고 있습니다. 그 변화는 이미 존재하고 있으며, 앞으로도 더욱 가속화될 것입니다. 우리의 책임은 업무와 학업의 성격, 그리고 그 사이의 경로가 계속 변화하는 세상에서 우리가 수여하는 자격이 여전히 관련성 있고 신뢰받도록 하는 것입니다.

동시에 기술은 우리 시스템을 악용하려는 이들이 사용할 수 있는 도구를 발전시키고 있으며, 종종 부정행위 서비스를 이용하도록 설득된 응시자들을 노리고 있습니다. 보안 위협은 빠르게 진화하고 있으며, 부정행위 기회도 점점 더 정교해지고 있습니다. 따라서 앞으로 우리가 가장 많이 받는 압박은 분명합니다: 자격증을 실제 관행과 일치시키고, 그 기반이 되는 시험 과정의 무결성을 보호하는 것.

AI는 이미 평가 과정을 향상시키고, 콘텐츠를 더 효율적으로 생성하며, 대규모 데이터셋을 분석하고, 더 혁신적인 보안 통제를 가능하게 하고 있습니다. 이러한 개선은 중요하지만, 진정한 혼란은 아닙니다. 더 근본적인 변화는 직장에서 일어나고 있습니다.

방사선, 건축, 회계, 건설, 교육 등 다양한 분야에서 AI는 일상을 재편하고 있습니다. AI 도구는 점점 더 수작업으로 수행되던 작업을 자동화하는 데 활용되고 있습니다. 예전에는 암기해야 했던 정보도 이제 즉시 접근할 수 있게 되었습니다. 그 결과, 가장 중요한 기술은 더 이상 지식을 유지하는 것이 아니라 정보를 해석하고, 판단력을 행사하며, 자동화된 시스템의 산출물을 감독하는 실천에 있습니다.

지식 회상이 더 이상 역량의 주요 지표가 아니라면, 평가는 진화해야 합니다. 우리는 사람들이 맥락 속에서 지식을 어떻게 적용하는지, AI 도구와 어떻게 협력하는지, 그리고 기술이 업무 흐름에 내재되었을 때 어떻게 의사결정을 내리는지를 측정해야 합니다. AI의 가장 큰 영향은 평가를 만드는 방식이 아니라 역량 자체를 정의하는 방식에서 느껴질 것입니다.

이러한 역량 변화는 자연스럽게 평가 모델의 변화로 이어집니다. 제가 가장 뚜렷하게 보이는 추세 중 하나는 단일 점수 객관식 시험에서 보다 연속적이고 실시간 역량 입증으로 이동하는 움직임입니다.

초기 사용자들은 이미 실용적인 작업, 성능 데이터, 실시간 활동을 탐색하여 더 풍부하고 정확한 역량 그림을 구축하고 있습니다. 시간이 지나면서 이러한 접근법이 훨씬 더 보편화될 것으로 기대합니다.

이 변화는 복잡할 것입니다. 평가는 교육, 훈련, 감독 하 실무, 규제라는 더 넓은 생태계 안에 위치해 있습니다. 예를 들어, 누군가가 면허 시험을 보기 전에 수년간의 준비를 마친 상태입니다. 평가 모델을 변경한다는 것은 그 생태계의 모든 부분이 우리와 함께 움직여야 한다는 뜻입니다.

재설계된 TOEFL 시험에서 보았듯이, 의미 있는 변화는 긴 준비 기간과 전 세계 교육자들과의 깊은 소통이 필요합니다. 하지만 방향은 명확합니다. 인증과 면허는 몇 년에 한 번씩 역량을 증명하는 것보다는 지속적으로 능력을 입증하는 데 더 중점을 둘 것입니다.

이 모든 것은 노동력의 불확실성 속에서 진행되고 있습니다. 자동화할 수 있는 역할의 수가 증가하고 있으며, 특히 초급 직무가 그렇습니다. 일부 일자리는 사라지고, 많은 새로운 일자리가 생길 것입니다. 하지만 현재 우리는 새로 생긴 일자리보다 사라지는 일자리에 대해 더 많이 알고 있습니다. 이로 인해 노동자와 고용주는 두 가지 현실 사이에 끼어들게 됩니다:

• 전통적인 기술만으로는 더 이상 충분하지 않습니다.
• 새로운 기술들은 아직 명확히 정의되지 않았습니다.

가장 자주 언급되는 신흥 역량 중 하나인 AI 문해력조차도 보편적인 기준이 없습니다. 플랫폼마다 요구하는 전문성 유형이 다르며, AI를 실제로 유능하게 사용하는 모습에 대한 공통된 이해가 부족합니다. 이 문제를 더욱 복잡하게 만드는 것은, 플랫폼들이 너무 빠르게 진화하고 있기 때문에 오늘의 역량이 내일의 역량을 의미하지는 않는다는 점입니다.

이것이 바로 앞으로 몇 년간 연구가 매우 중요해질 이유입니다. 우리는 가정에 의존할 수 없습니다. 우리는 이러한 새로운 기술 영역을 정의하고 책임감 있게 측정하는 방법을 결정하기 위해 측정 과학에 기반한 엄격한 데이터, 조정된 방법론, 엄격한 분석이 필요합니다.

직장이나 교육에서 필요한 기술은 바뀔 수 있지만, 한 가지는 변하지 않습니다: 측정의 과학입니다. 도구와 맥락이 진화하더라도 심리측정 원칙은 여전히 적용됩니다. 중력 원리가 말에서 자동차로 넘어가거나 비행을 시작했을 때도 변하지 않았듯이, 평가의 기초도 변하지 않습니다. 공정성, 타당성, 신뢰성, 편견 없음, 윤리적 실천은 기술 자체가 어떻게 진화하든 계속 적용됩니다.

단기적으로는 다음 분야에 더 많은 관심이 집중될 것으로 기대합니다:

• 응용 기술과 의사결정
• AI 지원 도구의 감독 및 관리
• 디지털 작업 수행
• 적응력을 지원하는 지속적이고 전이 가능한 기술

우리의 강점은 수십 년간의 과학에 기반한 건전하고 방어 가능한 방법론을 사용하여 새로운 역량을 측정할 수 있다는 점에 있습니다.

ETS와 PSI는 이 변혁의 시기를 이끌 수 있는 독특한 강력한 위치에 있습니다. 혁신을 쫓기 때문이 아니라, 과학, 증거, 그리고 실제 영향력에 기반을 두기 때문입니다.

그 리더십의 중심에는 ETS 연구소의 활동이 있으며, AI 기반 세계에서 평가가 진화함에 따라 세 가지 중요한 우선순위에 집중하고 있습니다:

• AI 시대에 중요한 역량을 정의하기
  일과 학업이 변화함에 따라, 우리는 어떤 기술과 역량이 진정으로 중요한지 파악하는 데 집중하고 있습니다. 그리고 이러한 기대가 직업, 교육, 노동 시장에서 어떻게 변화하고 있는지 살펴봅니다.
• 측정 수행 방식에 대한 새로운 패러다임 창출
  여기에는 전통적인 평가 모델을 재고하고, 시간이 지남에 따라 역량 증거를 수집하는 새로운 방법을 모색하며, 신흥 접근법이 유효하고 공정하며 신뢰할 수 있고 방어할 수 있도록 보장하는 것이 포함됩니다.
• 혁신의 책임 있는 활용을 위한 정책 연구 수행
  혁신은 진공 상태에서 일어나지 않습니다. 우리의 연구는 정책 입안자, 규제 기관, 기관들이 AI가 평가, 자격증 부여, 공공 신뢰에 미치는 영향을 파악할 수 있도록 지원합니다.

이 작업은 수백 개의 직업, 산업, 지리에서 수집한 폭넓은 데이터와 통찰로 강화되어, 신흥 트렌드를 조기 가시화할 수 있게 해줍니다. 하지만 리더십에는 규율도 필요합니다: 과학에 기반을 두고, 증거에 따라 이끌며, 과장이나 추측이 아닌 데이터가 알려주는 바에 집중하는 것입니다.

AI 거버넌스가 필수적일 것입니다. 시험 보안 혁신도 마찬가지입니다. AI가 무한한 문항 풀과 각 응시자에게 거의 고유한 시험 양식을 가능하게 함에 따라 문항 노출에 대한 두려움이 줄어들 것으로 기대합니다. 그리고 디지털 및 생체 인식 데이터가 성숙함에 따라, 우리는 쉽게 복제할 수 없는 행동 서명을 통해 사칭과 대리 시험을 식별할 수 있게 될 것입니다.

정직성은 신뢰의 초석으로 남을 것이며, 기술은 그 신뢰를 지키는 새로운 도구를 제공할 것입니다.

평가의 미래는 관련성, 진실성, 그리고 AI가 근본적으로 업무를 재구성하는 세상에서 진정한 역량을 평가할 수 있는 능력에 의해 정의될 것입니다. 성공하는 조직은 과학에 기반을 두고, 데이터에 기반하며, 학습자, 근로자, 고용주, 대중의 요구에 집중하는 조직일 것입니다.

PSI의 운영 강점을 바탕으로 ETS는 이 전환을 주도할 수 있는 좋은 위치에 있습니다. 앞으로의 길은 도전적이겠지만, 동시에 기회로 가득할 것입니다. 기본에 집중한다면, 우리는 평가의 미래에 적응할 뿐만 아니라 미래를 형성하는 데 기여할 것입니다.