동기부여와 관계 형성
92아이들은 자신이 신뢰하는 교사를 위해 배운다. 수십 년의 연구가 교사-학생 관계를 출석, 노력, 성과와 연결짓는다. 자신을 아는 어른이 무언가를 기대해준다는 효과를 재현한 소프트웨어는 없다.
진한 칸일수록 이 직업에서 해당 지표가 높습니다.
낮음높음
거의 모든 나라에서 공립학교 교사가 되려면 대학 학위, 지도교사 아래에서의 실습 기간, 그리고 정부 자격증이나 등록이 필요하다. 형식은 다르다: 4년제 교육학사, 전공 학위에 영국의 PGCE 같은 훈련 과정을 더한 것, 혹은 핀란드처럼 석사학위. 사립학교와 국제학교는 현지 자격증 없이 채용하는 경우도 있지만, 학위 요건은 거의 보편적이다.
보통 중등교육 이후 4~6년: 3~4년제 학위, 1~2년의 교원 양성과 지도 실습, 그 다음 정식 자격 취득 전 1~2년의 수습 기간. 핀란드의 표준 경로는 석사학위가 필수라서 약 5~6년이 걸린다. 일부 속성 프로그램은 경력 전환자를 몇 달 안에 교실에 배치하고 훈련은 병행한다.
비슷한 다른 어떤 직업보다도 나라별 편차가 크다. OECD 최고 수준인 룩셈부르크의 법정 호봉표는 12만 유로를 넘고, 독일 교사는 공무원 신분으로 보통 5만 5천~8만 5천 유로를 받으며, 미국 평균은 2023~24년 NEA 기준 약 7만 2천 달러였다. 영국의 기본 호봉은 2024~25년 약 3만 2천~4만 9천 파운드였고, 인도의 저가 사립학교는 월 2만 루피 미만인 경우도 있다.
유네스코는 2023년 2030년까지 4,400만 명의 교사가 추가로 필요하다고 추산했는데, 그중 약 1,500만 명은 학생 수가 가장 빠르게 늘고 있는 사하라 이남 아프리카에 필요하다. 부유한 나라에서는 인구 문제보다 이직과 채용이 문제다 — 미국 교사의 약 8%가 매년 교직을 떠나며, 부족은 물리, 수학, 컴퓨터, 특수교육에 집중된다.
채점, 학습지 초안 작성, 반복 연습, 행정 보고 같은 업무 일부는 이미 자동화되고 있다. 하지만 교실 수업의 핵심 — 서른 명의 실제 아이들에게 동기를 부여하고, 행동을 관리하고, 화요일에 이해를 놓친 조용한 학생을 알아채고, 법적 보호 의무를 지는 일 — 에는 자동화된 대체물이 없다. 대부분의 교육 체계는 AI 튜터를 교사를 대체하는 것이 아니라 인간 교사 아래 숙제 보조층으로 도입하고 있다.
2018년 35개국을 조사한 바키재단의 세계 교사 지위 지수는 중국을 1위로 꼽았다 — 응답자들은 교사를 의사에 비유했다. 말레이시아와 대만이 근소한 차이로 뒤를 이었고, 여러 유럽 국가는 교사를 사회복지사나 사서에 더 가깝게 평가했다. 핀란드는 선발의 까다로움이 위상을 만드는 대표 사례로, 초등교사 과정은 지원자 열 명 중 한 명만 받아들이며 석사학위를 요구한다.
교직은 모든 자동화 전망에서 기묘한 위치에 있다: 콘텐츠 전달 계층은 가장 자동화하기 쉬운 일에 속한다 — 영상, 적응형 소프트웨어, AI 튜터는 이미 대규모로 설명하고 반복 연습시키고 채점한다 — 반면 교실 계층은 가장 자동화하기 어려운 일에 속한다. 모델은 많은 인간보다 광합성을 더 잘 설명할 수 있지만, 서른 명의 열두 살짜리들을 조용히 시키고, 그중 한 명이 밥을 못 먹었다는 것을 알아채고, 법적인 보호 의무를 지는 일은 할 수 없다.
현실적인 가까운 미래는 대체가 아니라 업무 분담이다. 2023년부터 미국 학교에 시범 도입된 칸아카데미의 GPT-4 기반 칸미고부터 아시아 사교육 시장의 적응형 앱까지, AI 튜터링 시스템은 인간 교사 아래에 숙제와 연습 계층으로 자리 잡아가고 있으며, 같은 모델들은 조용히 이 직업에서 가장 미움받는 요소인 서류 작업을 흡수하고 있다.
채점, 학습지와 수업자료 작성, 반복 연습, 행정 보고 같은 이 직업의 업무 시간 중 아마도 5분의 1 정도는 지금도 현실적으로 자동화 가능하며, 그중 상당 부분은 이미 소프트웨어로 옮겨가고 있다. 교실의 핵심은 저항한다: 아이들로 가득한 방을 실시간으로 관리하는 일, 동기부여와 관계 형성, 아동보호 책임, 특정 학습자에게 무엇이 필요한지에 대한 그 순간의 판단은 어떤 배치된 시스템도 수행하지 못하는 일이며, 어떤 정부도 기계에 보호 의무를 맡기도록 자격증을 내주지 않는다.
직함이 아니라 업무 단위로 산정했다. 낮을수록 안전하다.
AI가 대체하지 못하는 직업 →아이들은 자신이 신뢰하는 교사를 위해 배운다. 수십 년의 연구가 교사-학생 관계를 출석, 노력, 성과와 연결짓는다. 자신을 아는 어른이 무언가를 기대해준다는 효과를 재현한 소프트웨어는 없다.
서로 다른 기분과 필요를 가진 서른 명의 아이들 사이에서 질서와 주의를 유지하는 일은 존재감, 타이밍, 권위를 아우르는 진정한 실시간 사회적 기술이다 — 현재 어떤 로봇공학이나 AI도 근접하지 못했다.
교사는 법적으로 책임지는 성인이다: 학대와 방임을 알아채고, 의료 응급상황을 관리하고, 학부모와 법원에 직접 책임을 진다. 각국은 이를 위해 인간에게 자격증을 부여하며, 그 어떤 나라도 다른 무언가에 자격증을 줄 준비를 하고 있지 않다.
학교는 아이들에게 집단 속 사람이 되는 법 — 차례 지키기, 갈등, 노력, 다툰 뒤 회복하기 — 을 어른들을 관찰하며 배우게 한다. 학교교육의 그 도제 과정은 학부모들이 가장 자동화되기를 원하지 않는 부분이다.
이 아이의 오답이 오개념을 나타내는지, 저 아이는 그저 집에서 나쁜 밤을 보낸 것인지, 세 번째 아이는 진단되지 않은 학습장애인지 판단하고 같은 순간 안에서 각기 다르게 대응하는 일은 여전히 어떤 배치된 시스템도 넘어서지 못한 영역이다.
객관식과 단답형 채점은 오래전에 자동화되었고, 이제 대형 언어모델은 교사가 직접 쓰기보다 검토만 하면 되는 논술 피드백과 루브릭 점수를 초안으로 작성해, 매주 몇 시간의 채점 시간을 압축한다.
출석 관리, 성적표 코멘트, 데이터 입력, 정형화된 학부모 소통 — 업무 부담 조사의 악당들 — 은 바로 현재의 AI가 가장 먼저 흡수하는 텍스트 중심의 정형화된 업무들이다.
학습지, 퀴즈, 난이도별 읽기 지문, 슬라이드는 이제 몇 초 만에 생성되어 직접 만드는 대신 편집만 하면 된다. 영국의 오크 국립교육원 등 국가 기관들은 2023~24년부터 AI 수업계획 도구를 도입하기 시작했다.
칸아카데미, 듀오링고, 동아시아 학원 시장의 튜터링 앱 같은 적응형 플랫폼은 이미 대규모로 간격 반복 학습과 절차적 지도를 수행하고 있으며, AI 튜터는 여기에 단계별 안내까지 확장하고 있다.
칸미고의 2023년 학교 시범 사업은 떠오르는 패턴을 보여준다: 각 학생이 집에서 지치지 않는 연습 파트너를 얻는 동안 교사는 조율하고, 과제를 배정하고, 검토한다 — 부유한 가정에 사교육 시장이 팔던 것의 대량, 저비용 버전이다.
콘텐츠 생성과 전달이 저렴해지면서 차별화하는 업무는 큐레이션과 조율로 옮겨간다: 공유된 실시간 수업 시간에 학급이 무엇을 할지 고르고, 인간 토론과 기계 연습의 순서를 짜고, 기계가 만든 자료의 품질을 관리하는 일이다.
학습 플랫폼은 학생별 숙달도, 오류 패턴, 시험 사이에 한때 보이지 않던 조기 경고 신호를 드러낸다. 뉴욕부터, 2025년부터 AI 디지털교과서를 출시하는 서울까지 각지의 시스템은 이 분석 계층이 교실의 결정을 바꿀 것에 걸고 있다.
2020년의 휴교는 모든 교사를 한꺼번에 원격수업 훈련으로 밀어넣었고, 그 인프라는 사라지지 않았다: 숙제 플랫폼, 녹화된 수업, 화상 학부모 상담이 이어지며, 이와 함께 두 공간 모두에 능숙한 교사에 대한 수요도 이어진다.
학교, 출판사, 기업 연수를 위한 강좌, 자료, 평가를 설계하는 일 — 교실을 떠나는 교사들이 향하는 가장 빠르게 성장하는 목적지이며, AI 도구는 이 역할을 줄이기보다 확장하고 있다.
일대일 화상 플랫폼부터 완전한 온라인 학교까지 세계 튜터링 시장은 수십만 명의 전직 교실 교사를 고용하며, 소프트웨어 계층이 갖지 못한 바로 그 인간적 관심과 책임감을 판매한다.
디지털 교실이 남기는 데이터를 학교와 교육청을 위해 해석하는 일: 어떤 개입이 효과가 있는지, 어떤 학생이 흔들리고 있는지, 어떤 대시보드를 믿을 만한지 — 교육 경험과 데이터 과학 사이에 놓인 역할이다.
AI 튜터를 배치하는 에듀테크 기업과 교육부는 교육학, 정확성, 아동 안전을 동시에 판단할 수 있는 사람이 필요하다. 경험 많은 교사는 교실용 AI를 위한 자연스러운 검토자, 교육과정 정합성 검토자, 레드팀이 된다.
세 가지 가역 렌즈: 업무 보조, 일부 대체, 새 틈새. 교육용이며 예측이 아닙니다.
역할은 유지하고 AI가 초안·분류·조사를 빠르게 하며 판단과 책임은 사람이 집니다.
좁은 작업 묶음(템플릿·초안·반복 채점)이 먼저 줄어들고 인접 숙련은 커질 수 있습니다.
규제 환경에서 AI 출력을 신뢰해야 하는 감독·통합·도메인 QA 역할이 생길 수 있습니다.
먼저 이 직업을 떠나는 업무들은 교사가 가장 싫어하는 것들이다 — 채점, 보고서, 학습지 제작 — 이는 교직을 자동화에 직면한 다른 직업들 사이에서 특이하게 만든다: 이 기술은 처음에는 판단력이 아니라 잡무를 덜어내고 있다. 정치적 싸움은 확보된 시간이 무엇으로 채워지느냐를 둘러싸고 벌어질 것이다: 실질적인 업무량 축소인가, 아니면 AI 지원을 명분 삼은 더 큰 학급 규모인가.
수요의 산술은 이 직업을 어느 쪽이든 보호한다. 유네스코가 추산한 2030년까지 4,400만 명의 교사 부족은 세계 문제의 대부분이 교사가 너무 많은 것이 아니라 너무 적은 것임을 뜻한다. 어떤 그럴듯한 AI 배치도 소프트웨어보다 전기가 먼저 부족한 교실에서 그만한 규모의 부족을 메우지 못한다.
모든 학교 제도에 깔린 장기적 내기는 아동기의 형성 — 주의, 동기, 품행, 돌봄 — 이 아이들과 함께하는 방 안의 책임 있는 성인을 필요로 한다는 것이다. 지금의 기술 물결은 아직 그 내기를 시험하지 못했다. 그것이 시험한 것은 학습지뿐이다.
같은 분야만이 아니라 여섯 점수 프로필이 가까운 직업입니다.
모두가 도망치는 곳으로 뛰어드는 직업 — 로마의 비길레스와 에도의 마토이 대원부터 오늘날의 산불 진화대와 24시간 근무 구조대까지.
AI 내성 90 💉의료 분야 최대 직군: 스쿠타리의 등불에서 중환자실 모니터까지, 다른 모든 이가 퇴근한 뒤에도 여전히 병상을 지키는 사람.
AI 내성 91 🚓순찰하고 수사하며 치안을 지키는 선서 경찰관 — 비독의 잠입 수사관과 필의 1829년 순경들로부터 대중의 신뢰가 흔들리는 오늘날까지 이어져 온 직업이다.
AI 내성 66 🌉강과 바위와 중력을 다리, 도로, 맑은 물로 바꾸는 직업 — 임호테프 이래 문명을 떠받쳐온 조용한 하중지지의 업.
AI 내성 72 🧬유전 질환, 검사 선택과 그 결과를 이해하도록 돕는 사람으로, 유전체 과학과 비지시적이고 공감적인 상담을 결합한다.
AI 내성 72 🧪물질 그 자체를 만들고 측정하는 과학자 — 바빌로니아 타푸티의 증류기에서 오늘날 로봇 실험실에 이르기까지, 스펙트럼이 의미하는 바를 결정하는 것은 여전히 사람이다.
AI 내성 70한 분야를 공개적으로 강론하는 대가로 급여를 받는 학자 — 플라톤의 숲에서 종신재직권과 AI 튜터까지, 25세기에 걸친 가르침과 발견의 역사.
AI 내성 76 📜헤로도토스와 사마천에서 디지털 아카이브까지, 훈련된 과거의 심문자 — 부서지기 쉬운 문서를 검증 가능한 사실의 기록으로 바꾸는 일.
AI 내성 70 🧩1879년 라이프치히의 분트 실험실에서 오늘날 상담실까지 이어지는 마음과 행동의 과학자 — 아직 스스로 말로 표현하지 못한 것을 알아듣도록 훈련받는다.
AI 내성 82 🌐언어와 언어 사이에서 의미를 실어 나르는 직업 — 70인역과 히에로니무스의 불가타에서 톨레도, 뉘른베르크의 통역 부스, 그리고 기계번역 시대까지.
AI 내성 28 📖니네베의 점토판부터 전자책 대출 논쟁까지, 인류가 아는 것을 누구나 찾을 수 있도록 정리해 온 기록 지식의 수호자이자 안내자.
AI 내성 55