돌이켜보면, 2025년은 인공지능이 완전히 주류에 진입한 해로 기억될 가능성이 큽니다.

AI는 실험에서 일상 사용으로 빠르게 전환했습니다. 수업 계획, 튜터링, 채점, 피드백, 행정 워크플로우를 대규모로 지원하기 시작했습니다. 교육자, 기관, 학습자들의 채택은 이를 관리하는 데 필요한 정책, 인프라, 규범을 빠르게 앞질렀습니다.

하지만 2026년은 다를 것입니다.

올해는 교육 시스템이 적응하지 않으면 학습자들이 앞으로 나아갈 미래에 대비하지 못할 위험을 감수해야 하는 해가 될 것입니다. AI의 가속화는 더 이상 이론적인 것이 아닙니다. 기대치는 기관들이 대응할 수 있는 속도보다 빠르게 높아지고 있으며, 혁신, 신뢰, 준비성 사이의 긴장은 무시할 수 없게 되고 있습니다.

평가, 기술, 준비태세, 책임 있는 AI의 교차점에 있는 ETS의 관점에서 보면, 세 가지 힘이 앞으로 닥칠 일을 형성할 것입니다. 최근 글로벌 연구들은 이 전환점이 얼마나 빠르게 도래하고 있는지를 확인시켜 줍니다. 곧 발표될 2026년 ETS 인간 진보 보고서에서, 근로자들은 이미 자신들의 업무 중 거의 3분의 1이 AI 도구를 지휘하는 것과 관련되어 있으며, 향후 2년 내에 이 비율이 절반을 넘을 것으로 예상합니다. 동시에 준비성에 대한 불안감은 도입과 함께 커지고 있습니다. 절반 이상의 근로자가 구식화될까 걱정하며, AI 기술이 중요하게 인식되는 정도와 근로자들이 느끼는 숙련도 사이의 격차는 여전히 큽니다.

 이 신호들은 앞으로 직면한 도전이 단순한 AI 도입이 아니라 대비, 신뢰, 그리고 대규모에서의 명확성임을 강조합니다.

지난 몇 년간 교육에서 AI는 주로 독립적이고 별개의 도구들의 집합체로 존재해 왔습니다. 글쓰기 보조, 튜터, 채점자, 분석 플랫폼은 가치를 제공했지만, 종종 고립된 상태였습니다.

그 시대는 끝나가고 있습니다.

AI는 교육자가 추가하는 것이 아니라 학습 전 과정에 내재될 것입니다.

이러한 변화의 초기 신호는 2024년과 2025년에 나타났는데, OpenAI와 구글을 포함한 주요 AI 개발자들의 교육 중심 이니셔티브가 학습 환경이 일반적인 생산성 도구와는 다른 설계 원칙을 요구한다는 점을 인정했기 때문입니다. 한편, 분열되고 통합되지 않은 AI 시스템에 대한 제도적 불만은 전체 학습 여정에 AI가 내장된 움직임을 가속화했습니다. 그 결과, 통합은 가속화될 것입니다.

Canvas, Blackboard, Moodle, Google Classroom과 같은 학습 관리 시스템에 직접 내장된 AI 보조 장치가 선택 기능이 아닌 기본 경험이 될 것입니다. 기관의 수요는 개별 AI 도구에서 벗어나 안전하고 상호운용 가능하며 강의웨어, 학생 정보 시스템, 평가 플랫폼에 깊이 통합된 AI 인프라로 이동할 것입니다.

ETS에게 이 변화는 근본적인 진실을 강화합니다. 교육에서 AI의 가치는 신뢰할 수 있는 측정과 고품질 데이터에 달려 있습니다. 평가, 학습 분석, 피드백은 생태계 밖에 있을 수 없습니다. 이들은 내재되어 있고 상호운용 가능해야 하며, 표면적인 효율성이 아닌 의미 있는 결과를 지원하도록 설계되어야 합니다.

AI 도입의 다음 단계에서는 신뢰가 잘 이루어진 통합에서 나올 것입니다.

AI가 성숙함에 따라 한 가지 현실이 명확해지고 있습니다: AI 기반 교육에서 가장 가치 있는 자산은 모델 자체가 아닙니다. 그것은 그 뒤에 있는 학습 데이터입니다.

교육용 AI 시스템은 고품질의 학습 관련 데이터에 의존해 훈련, 검증, 개선합니다. 범용 모델은 학생들이 어떻게 배우는지, 어디서 어려움을 겪는지, 그리고 시간이 지남에 따라 원하는 결과에 어떻게 도달하는지에 대한 통찰 없이는 한계가 있습니다.

이 데이터는 주로 학습 관리 시스템과 기관 플랫폼에 존재하며, 이들은 학생 상호작용, 참여, 성과(즉, 성적 자체뿐만 아니라)를 가장 포괄적으로 기록하고 있습니다. 그 결과, 교육 AI의 경쟁 역학이 곧 변화할 것입니다.

우리는 교육 데이터를 둘러싼 첫 번째 대규모 통합과 전략적 정렬의 물결을 예상합니다. 이는 OpenAI, Google, Microsoft, Anthropic과 같은 선도적인 AI 개발자들과 Canvas, Blackboard, Moodle, D2L 등 주요 LMS 제공업체 간의 대규모 인수 또는 다년간의 파트너십 형태로 나타날 가능성이 큽니다.

이러한 움직임들은 시장을 빠르게 재편할 것입니다. 또한 데이터 이동성, 상호운용성, 거버넌스를 정책 논쟁의 중심에 내세워 데이터 소유권, 책임 있는 사용, 투명성, 그리고 궁극적으로 공정성과 책임성의 기준을 누가 정하는지에 대한 질문을 심화시킬 것입니다.

ETS에게 이 순간은 기회이자 책임을 동시에 제시합니다. 학습자와 기관 을 보호하여 투명성과 설명 가능성을 모두 제공하는 검증되고 윤리적으로 출처 기반의 데이터를 기반으로 한 파트너십에 대한 수요가 증가하고 있습니다. 동시에 투명한 데이터 거버넌스와 책임 있는 확장성에 대한 필요성은 그 어느 때보다 커졌습니다.

데이터를 둘러싼 경쟁이 가속화됨에 따라, 신뢰가 지속되는 조직을 구별할 것입니다.

올해 AI 도입 속도는 제도적 현실과 충돌할 것입니다.

많은 기관들이 이미 두 가지 상충하는 신념을 가지고 있습니다. AI는 너무 빠르게 진행되어 교육자들이 신중하게 구현하기에는 부족하며, 정책이 필요한 안전장치와 보호를 제공하기 위해 진화하는 속도보다도 빠릅니다. 동시에 인력 부족, 형평성 격차, 증가하는 학생 수요를 해결하기에는 충분히 빠르지 않습니다.

그 긴장은 한계점에 도달할 것입니다.

정부는 비용 통제와 인력 부족 해소를 위해 AI 기반 효율성을 추진할 것입니다. 대학들은 위험 관리, 학문적 진실성, 학생들이 앞으로 닥칠 일에 대비할 수 있도록 우선시할 것입니다. 학생들은 점점 더 개인화되고 관련성 있으며 실용적인 AI 네이티브 학습 경험을 기대하게 될 것입니다; 그리고 기초적인 AI 역량을 갖추고 노동시장에 진입할 것으로 기대됩니다. 한편, 교육자들은 도구 피로, 일관성 없는 지도, 변화하는 기대치에 직면하며 점점 더 큰 압박을 받게 될 것입니다.

그 결과는 심판의 순간이 될 것이다.

이 분야는 선택을 강요받게 될 것입니다. 한 가지 길은 점진적인 변화로, 오늘날 계산기를 다루듯이 AI를 다루고, 허용되고, 제한되며, 기존 교육 및 평가 모델 위에 겹쳐 적용하는 것입니다. 다른 하나는 진정한 변화로, 무엇을 가르치는지, 학습이 어떻게 이루어지는지, 급변하는 세상에서 교육이 어디에 위치하는지를 재고하는 것입니다.

대부분의 기관은 당분간은 점진적인 단계를 선택할 가능성이 높습니다. 하지만 결정을 회피하는 것은 중립적이지 않습니다. 천천히 또는 아예 변화를 하지 않는 것은 여전히 결정이며, 학습자들이 미래에 대비하지 못하게 만들 위험이 있습니다.

올해는 AI 인증 또는 품질 프레임워크의 첫 번째 물결이 등장할 것으로 기대됩니다. AI 준비 교육자를 위한 새로운 전문성 개발 기준이 형성될 것입니다. 학문적 청렴성에 관한 보다 명확한 글로벌 지침이 뒤따르게 될 것입니다. 결과 기반 평가는 신뢰할 수 있는 평가에 기반을 두고 탄력을 받을 것입니다. 이는 어떤 결과가 중요한지뿐만 아니라, 이를 측정하고 달성하기 위한 과정과 방법도 재고하는 것을 요구할 것입니다.

ETS에게 이것은 결정적인 순간입니다. AI가 점점 더 접근 가능해지면서, 공정성, 신뢰성, 타당성 문제 이슈가 표면 아래에 숨겨져 있더라도 교육자들이 기성 도구를 '충분히 좋다'고 여길 위험이 실제로 존재합니다. AI 콘텐츠가 그럴듯해 보일 때, 편향, 일관성, 적절한 사용에 관한 중요한 질문들은 쉽게 사라질 수 있습니다.

바로 이 때문에 신뢰할 수 있는 측정, 신뢰할 수 있는 평가, 투명한 AI 설계가 타협의 여지가 없게 될 것입니다. ETS가 오랫동안 공정성, 타당성, 품질의 수호자로서 해온 역할은 AI가 학습 평가와 인식 방식을 재구성함에 따라 더욱 중심적이 됩니다. AI 기반 교육 시스템에서는 엄격함이 선택 사항이 아니며, 편의를 위해 설계된 일반적인 솔루션보다 교육 데이터와 결과에 특화된 모델이 훨씬 더 중요합니다.

올해 말까지 AI 교육 환경은 근본적으로 달라질 것입니다.

생태계는 통합될 것입니다. 데이터는 전략적 전장이 될 것입니다. AI 가속력과 인간 역량 간의 격차는 해결을 요구할 것입니다.

ETS에서는 AI가 공정하고 안전하며 의미 있는 방식으로 학습을 향상시키는 미래를 만드는 데 책임을 지고 있습니다. 교육 분야에서 다음 AI 시대는 과장이나 속도만으로 정의되지 않을 것입니다.

신뢰로 정의될 것입니다.