독창적 연구 판단
92어떤 질문이 수년의 작업을 들일 가치가 있는지 — 그것을 학습할 증거가 존재하기도 전에 — 결정하는 것은 이 직업을 정의하는 행위이며, 기존 문헌 위에 세워진 생성형 시스템은 구조적으로 바로 그 지점에서 가장 취약하다.
교수의 가장 눈에 띄는 산물인 강의는 정확히 기계가 가장 잘 복제하는 부분이다. 녹화된 강좌는 수백만 명에게 확장되고, AI 튜터는 오피스아워 없이도 새벽 3시에 답변하며, 자동 채점기는 이미 많은 대학에서 코드와 단답형 답안을 채점하고 있다. 이 일이 콘텐츠 전달에 불과하다면 심각한 곤경에 처했을 것이다.
그러나 대학이 교수에게 급여를 지급하는 주된 이유는 콘텐츠를 전달하는 것이 아니라, 지식을 생산하고 역량을 증명하며 연구자를 훈련시켜 이 직업 자체를 재생산하는 것이다. 이 기능들은 무엇이 참이고 무엇이 중요한지에 대한 판단에 기초하는데, 기존 문헌을 확장하기보다 종합하는 데 그치는 현재의 AI는 정확히 그 지점에서 여전히 답을 책임지는 사람의 손에 쥐어진 도구일 뿐이다.
낮음
기계가 대신할 수 있는 업무의 비율
이 직업 중 콘텐츠 전달과 1차 평가 계층은 대체로 지금 또는 곧 자동화될 수 있다. 녹화 및 AI 보조 강의, 정형화된 채점, 문헌 선별, 행정 보고서다. 핵심 — 연구 질문을 선정하고, 신진 연구자를 지도하며, 무엇이 그 학문의 정전에 들어갈지 심사하고, 학생의 역량 증명에 책임지는 일 — 은 어떤 현재 시스템도 감당할 수 없는 책임 있는 전문가 판단을 요구한다. 현실적인 가까운 미래는 순수 강의 전담 역할의 감소와 교수 한 명당 기계 레버리지의 증가이지, 교수직의 소멸이 아니다.
직함이 아니라 업무 단위로 산정했다. 낮을수록 안전하다.
AI가 대체하지 못하는 직업 →기계가 가져가지 못하는 것
멘토링과 박사과정 지도
85연구자를 길러내는 데는 신뢰 관계 안에서 수년간 개별적으로 조율된 도전, 격려, 정직한 교정이 필요하다 — 이것은 도제 수련이며, 도제 수련은 결코 도구로 전달될 수 있었던 적이 없다.
역량 증명에 대한 책임
78학위가 신뢰받는 이유는 이름과 자격을 가진 사람이 자신이 증명한 바에 책임지기 때문이다. 그 판단을 조작될 수 있는 시스템에 전면적으로 위임하는 것은 대학이 파는 바로 그 신뢰를 탕진하는 일이 될 것이다.
살아 있는 소크라테스식 강의실
68강의실을 읽어내고, 안주하는 학생을 밀어붙이고, 숨은 학생을 끌어내는 일 — 이 즉흥적이고 사회적인 살아 있는 가르침의 기예는 콘텐츠 전달이 자동화된 뒤에도 오래 저항한다.
학문 분야에 대한 제도적 관리
60학술지 편집, 분쟁 심사, 교과과정과 기준 설정 — 이 직업은 스스로를 통치하며, 자치는 동료들이 정당하다고 인정하는 판단을 지닌 구성원을 필요로 한다.
이미 가져가고 있는 것
강의 콘텐츠 전달
75녹화된 강좌, 무크, AI 튜터는 이미 대규모로 입문 강의를 담당하고 있다. 일단 콘텐츠가 표준화되면 가장 대체 가능한 것은 교수 주간 업무 중 한계 강의 시간이다.
문헌 검색과 종합
72AI 시스템은 이제 문헌 검토 초안을 작성하고, 수천 건의 초록을 훑어 관련 인용문을 몇 분 만에 표시한다 — 이는 모든 연구 프로젝트에서 몇 주를, 모든 박사과정생의 첫 해 대부분을 잡아먹던 작업이다.
1차 채점과 피드백
68자동 채점기는 10년째 프로그래밍 과제를 채점해왔고, 에세이 채점과 피드백 시스템은 정형화된 평가를 점점 더 많이 처리해 강사에게는 논쟁적이고 중대한 사안만 남긴다.
강좌 행정과 질의응답
62조지아공대의 '질 왓슨'은 2016년 학생 대부분이 소프트웨어인 줄 모르는 채 정형화된 게시판 질문에 답했다. 일정 관리, 강의계획서 문의, 마감 관련 안내는 정확히 이런 종류의 자동화 가능한 업무다.
일이 변해가는 방식
거꾸로 교실이 기본이 되다
동영상, 적응형 튜터, AI 설명자 등 콘텐츠 전달이 저렴해지면서 수업 시간은 오직 대면 만남만이 제공할 수 있는 것 — 토론, 문제 해결, 동료 교수법 — 으로 옮겨간다. 강의는 살아남지만 이 직업을 정의하는 하나의 도구가 아니라 여러 도구 중 하나로 남는다.
AI가 강의팀에 합류하다
조지아공대의 2016년 질 왓슨 실험 이후, 대학들은 정형화된 질문 응대, 피드백 초안 작성, 튜터링을 위해 AI 조교를 배치한다. 교수의 새로운 과제는 품질 관리다 — 기계의 답변을 감사하고 학생들에게 생성된 텍스트를 신뢰하지 말고 캐물으라고 가르치는 것이다.
역할이 해체되다
온라인 대형 플랫폼들은 이미 교수의 업무 묶음 — 강좌 설계, 전달, 평가, 멘토링 — 을 전문가와 소프트웨어에 나누어 맡기고 있다. 연구 교수직은 한쪽 끝에 존속하는 반면, 그 조각들로부터 점점 늘어나는 강의, 설계, 검증 관련 역할군이 생겨난다.
연구 자체가 가속화되다
딥마인드의 알파폴드는 2020년 단백질 구조 예측을 사실상 해결하며 수십 년 묵은 연구 프로그램을 붕괴시키고 한 분야 전체 교수진의 방향을 하룻밤 사이에 바꾸어놓았다. AI가 정형화된 분석을 더 많이 흡수할수록 희귀해지는 교원 기술은 다음 질문을 던지는 것 — 그리고 AI가 생성한 답을 검증하는 것 — 이 된다.
갈라져 나오는 새 직업들
교수설계자
전공 지식을 체계화된 온라인·혼합 강좌로 바꾸는 전문가로, 교육 분야에서 가장 빠르게 성장하는 직군 중 하나이며 정년트랙 복권 대신 설계를 택한 박사들이 대거 채우고 있다.
학습공학자 / 에듀테크 전문가
대학이 점점 더 많이 통해 가르치는 적응형 플랫폼, AI 튜터, 분석 파이프라인을 구축하고 조정하는 사람 — 2010년에는 거의 존재하지 않았던 교육학과 소프트웨어공학의 혼종 직업이다.
과학 커뮤니케이터 및 교육 콘텐츠 제작자
학문적으로 훈련받은 설명자들이 이제는 어떤 강의실도 담아낸 적 없는 청중에게 다가간다 — 전직 학자가 운영하는 수학·과학 채널들은 구독자가 수천만 명에 이르며, 교수의 설명하는 기예를 독립된 경력으로 바꾸고 있다.
산업 연구과학자
기업의 AI와 바이오테크 연구소들은 학계 급여의 몇 배를 주고 교수와 그들의 박사과정 학생들을 채용한다 — 우버는 2015년 한 번의 채용 공세로 카네기멜론 로봇공학센터에서 약 40명의 연구자를 데려갔다 — 산업 연구를 이 직업 최대의 인접 고용처로 만들고 있다.
전망
가장 노출된 업무는 미리 완전히 명세할 수 있는 것들 — 표준화된 강의, 정형화된 채점, 문헌 요약 — 이다. 가장 보호받는 업무는 그럴 수 없는 것들 — 아직 정형화되지 않은 연구 질문, 어려움을 겪는 박사과정 학생, 한 분야가 무엇을 참으로 인정할지에 대한 판단 — 이다.
더 가능성 높은 붕괴는 기술적이라기보다 경제적인 것이다. 자동화는 대학에게 교수의 업무 묶음을 더 저렴한 조각들로 나눌 새로운 이유를 주며, AI 이전부터 이미 수십 년째 진행 중이던 강의 전담·강좌 진행자 계약으로의 전환을 가속화한다. 연구 교수직은 존속하지만, 문제는 주변의 얼마나 많은 역할이 그 직함을 유지하느냐다.
이 직업을 겨냥한 이전의 모든 기술 — 인쇄술, 방송, 무크 — 은 그 종말로 선언되었다가 그것의 도구로 흡수되었다. AI는 그중 가장 강력하며, 평가와 종합의 영역까지 파고든 최초의 기술이다. 그러나 사회가 새로운 지식이 생산되기를, 그리고 신뢰할 만한 자격을 원하는 한, 책임지고 강론할 누군가는 존재해야 하고 그 책임을 져야 한다.
계속 탐색하기
교육·인문 분야의 다른 직업
🏫
교사
세계에서 가장 규모가 큰 직업: 수메르의 점토판 학교부터 AI 시대의 교실까지, 서른 명의 낯선 아이들을 배움의 공간으로 바꾸는 한 어른의 이야기.
AI 내성 78 📜역사학자
헤로도토스와 사마천에서 디지털 아카이브까지, 훈련된 과거의 심문자 — 부서지기 쉬운 문서를 검증 가능한 사실의 기록으로 바꾸는 일.
AI 내성 70 🧩심리학자
1879년 라이프치히의 분트 실험실에서 오늘날 상담실까지 이어지는 마음과 행동의 과학자 — 아직 스스로 말로 표현하지 못한 것을 알아듣도록 훈련받는다.
AI 내성 82 🌐번역가
언어와 언어 사이에서 의미를 실어 나르는 직업 — 70인역과 히에로니무스의 불가타에서 톨레도, 뉘른베르크의 통역 부스, 그리고 기계번역 시대까지.
AI 내성 28 📖사서
니네베의 점토판부터 전자책 대출 논쟁까지, 인류가 아는 것을 누구나 찾을 수 있도록 정리해 온 기록 지식의 수호자이자 안내자.
AI 내성 55