2023년 기준으로 AI 교사 연수 체계를 개발한 국가는 7개국에 불과했습니다 [ETC Journal]. 이제 2025-2026학년도에는 베트남이 전국적인 AI 교육을 시작하고, 유네스코는 2024년부터 58개국이 AI 역량 체계를 설계하도록 지원했으며 [UNESCO], 적응형 언어 도구들은 어떤 교육과정 위원회도 평가할 수 없을 만큼 빠른 속도로 교실에 확산되고 있습니다. 이 시점이 중요합니다. 이 급증기에 내려지는 결정들은 앞으로 AI가 언어 학습 격차를 좁힐지 넓힐지를 결정하게 될 것입니다. 현재 네 가지 뚜렷한 경로가 나타나고 있습니다. 바로 커뮤니티 주도형, 정책 지원형, 오픈소스형, 그리고 하이브리드형입니다. 각 경로는 누가 실질적인 혜택을 받는가에 대해 서로 다른 함의를 가집니다. 공평한 발전을 위한 기반은 기술 그 자체가 아니라, 기술을 둘러싼 선택에 달려 있습니다.
AI가 마주한 형평성 격차
2,931명의 학습자가 참여한 우간다의 에듀테크 준실험에서 한 가지 놀라운 패턴이 나타났습니다. 26%는 현지어인 렙 랑고(Leb Lango)를, 31%는 영어를, 그리고 43%는 하이브리드 방식을 선택했습니다 [Uganda EdTech].
Photo by 더욱 흥미로운 점은, 도시 학습자에 비해 마을이나 정착촌의 학습자들이 현지어 대신 영어를 선택할 확률이 3.09배 더 높았다는 사실입니다 [Uganda EdTech]. 이 발견은 선택권이 주어지면 사람들은 자연스럽게 모국어 학습에 끌릴 것이라는 안일한 가정에 의문을 제기합니다. 대신, 구조적인 압력이 도구 선호도에까지 얼마나 깊이 영향을 미치는지 보여줍니다.
언어 학습의 형평성 격차는 단순히 누가 기기를 가지고 있느냐의 문제가 아닙니다. 이는 AI 도구가 어떤 언어를 제대로 지원하는지, 적응형 기능이 유료 장벽 뒤에 있는지, 연결성 문제로 농촌 지역의 접근이 제한되는지, 그리고 콘텐츠가 현지 문화적 맥락을 반영하는지에 관한 문제입니다.
AI는 백지 상태가 아니라 기존의 권력 구조에 의해 형성된 기술로서 이 분야에 진입합니다. 새로운 언어의 숙달은 여전히 사회경제적 지위와 강한 상관관계를 가지며, 어떤 앱 하나만으로는 그 구조를 바꿀 수 없습니다.
자동적인 평준화라는 신화
학습자에게 AI 도구를 쥐여주기만 하면 언어 교육이 자동으로 민주화될 것이라는 믿음이 끈질기게 이어지고 있습니다. 하지만 데이터는 다른 이야기를 들려줍니다. 2024년 봄까지 미국 성인의 LLM 인지도는 72.3%에 달했지만, 실제 사용률은 23.6%에 불과했으며, 저학력, 저소득, 비분석 직업군에서 그 격차는 더욱 벌어졌습니다 [NIH Study].
Photo by 인터넷 연결성이 높은 국가에서조차 인지도가 사용으로 이어지지 않는다면, 자원이 부족한 지역에서 접근성에서 응용 학습으로 넘어가는 격차는 훨씬 더 클 것입니다. 대부분의 상용 AI 언어 플랫폼은 영어 중심의 데이터셋으로 구축되어 있어, 소수 언어나 토착어 사용자의 경우 성능이 현저히 저하됩니다. 부분 유료화 모델은 적응형 학습 속도 조절, 개인화된 피드백, 발음 코칭 등 가장 효과적인 기능들을 유료 구독 뒤에 숨겨두는 경우가 많으며, 이는 전 세계 많은 학습자들이 감당하기 어려운 비용입니다.
AI가 도움이 될 수 없다는 것이 신화는 아닙니다. 분명 도움이 될 수 있습니다. 신화는 바로 ‘보급이 곧 형평성’이라는 생각입니다. 이를 인지하는 것이 무엇이 실제로 효과가 있는지 검토하는 길을 열어줍니다.
첫 번째 길: 커뮤니티 주도형 AI 도구
우간다 연구는 커뮤니티 중심 설계가 어떤 모습일지에 대한 단서를 제공합니다. 학습자의 43%가 현지어와 영어를 혼합한 하이브리드 언어 모드를 선택했을 때, 그들은 대부분의 상용 도구가 수용하지 않는 선호를 보인 것입니다 [Uganda EdTech].
Photo by 커뮤니티 주도형 AI는 이러한 신호를 듣는 것에서 시작합니다.
이 경로는 현지 교육자, 언어학자, 학습자들이 교과서 문법이 아닌 실제 언어 사용을 반영하는 도구를 공동으로 설계하는 것을 포함합니다. 그 구조는 간단합니다. 커뮤니티가 스스로 학습 목표를 정하고, 언어 데이터를 제공하며, 콘텐츠 진행 방식을 구성하는 것입니다. 여러 아프리카 및 라틴 아메리카 지역의 초기 시범 사업에 따르면, 학습자들이 도구에 자신의 문화적 맥락이 반영된 것을 볼 때 첫 6개월 동안의 학습 유지율이 눈에 띄게 향상되었습니다.
문제는 확장성입니다. 커뮤니티 주도 프로젝트는 지속적인 자금과 기술 지원이 필요하지만, 이는 시범 단계 이후에 종종 고갈됩니다. 지역적 성공이 더 넓은 채택으로 이어지는 경로가 없다면, 이러한 도구들은 가장 필요한 학습자에게 결코 도달하지 못하는 잘 설계된 실험으로 남을 위험이 있습니다.
두 번째 길: 정책 지원형 AI 교실
2025-2026학년도에 전국적인 AI 교육을 시작하기로 한 베트남의 결정은 이 경로의 한 가지 버전을 보여줍니다. 바로 정부 주도의 대규모 통합입니다. 2024년부터 58개국의 AI 역량 체계 설계를 지원한 유네스코의 활동은 또 다른 제도적 지원의 층위를 제공합니다 [UNESCO].
Photo by 정책 지원 접근 방식은 커뮤니티 프로젝트가 어려움을 겪는 체계적인 도달을 달성할 수 있습니다. 국가 교육과정이 AI 보조 언어 교육을 의무화하면, 이론적으로 모든 공립학교 학생이 접근성을 갖게 됩니다. 측정 가능한 결과는 전적으로 그 의무화에 무엇이 동반되느냐에 달려 있습니다.
- 기기 접근성: 학습자 열 명이 태블릿 하나를 공유하는가, 아니면 개인 도구를 가지고 있는가?
- 연결성: 농촌 학교가 실제로 클라우드 기반 AI 애플리케이션을 실행할 수 있는가?
- 교사 연수: 교육자들이 AI를 교수법에 통합하는 방법을 이해하고 있는가, 아니면 완전히 배제되는가?
이 세 가지 모두에 대한 투자가 없다면, 의무적인 AI 도입은 실제로 불평등을 심화시킬 수 있습니다. 정책에서 실행으로 나아가기 위해서는 소프트웨어 라이선스뿐만 아니라 전체 생태계가 필요합니다.
세 번째 길: 오픈소스 언어 모델
오픈소스 모델은 소외된 언어들을 위한 가장 적응성 높은 기반을 제공합니다. Masakhane NLP와 같은 프로젝트들은 어떤 상용 플랫폼도 수익성이 없다고 판단할 언어들에 대한 AI 언어 지원을 확장해 왔습니다.
Photo by 커뮤니티와 NGO는 이러한 모델을 가져와 현지 데이터로 미세 조정하고, 때로는 오프라인으로도 배포할 수 있습니다.
오프라인 기능은 매우 중요합니다. 도구가 안정적인 인터넷 연결 없이 작동할 때, 이는 농촌 학습자들에게 가장 큰 인프라 장벽을 제거합니다. 대학과 비영리 단체들은 오픈소스 모델을 저대역폭 또는 무대역폭 환경을 위해 설계된 경량 애플리케이션으로 패키징하기 시작했습니다.
단점은 사용성입니다. 오픈소스 도구는 종종 상용 앱의 세련된 인터페이스가 부족하며, 이를 유지 관리하려면 많은 커뮤니티가 현지에서 보유하고 있지 않은 기술 전문 지식이 필요합니다. 여기서의 성공은 오픈소스 기반과 커뮤니티 교육 프로그램을 결합하는 것을 포함하며, 이는 네 번째 길과 직접적으로 연결됩니다.
앞으로 나아갈 하이브리드 경로
어떤 단일 경로도 지배적이지 않습니다.
Photo by 가장 강력한 초기 증거는 세 가지 요소 모두를 결합한 하이브리드 모델을 가리킵니다. 즉, 적응성을 위한 오픈소스 인프라, 관련성을 위한 커뮤니티 공동 설계, 그리고 확장성을 위한 정책 지원입니다.
실제로 이는 정부가 국가 AI 교육 체계의 일부로 오픈소스 언어 모델을 채택하는 모습으로 나타납니다. 현지 교육자들은 지역 언어와 문화적 맥락에 맞게 콘텐츠를 맞춤화합니다. 2023년 기준으로 단 7개국만이 그러한 체계를 갖추고 있었을 정도로 여전히 드문 교사 연수 프로그램은 AI가 인간의 교육을 대체하는 것이 아니라 보강하도록 보장합니다.
네 가지 경로 모두에서 발견된 핵심은 기술 역량보다 거버넌스, 자금 지원, 커뮤니티 주체성이 훨씬 더 중요하다는 것입니다. 2026년까지 언어 학습 형평성 격차를 가장 빠르게 줄이는 지역은 단일 해결책에 의존하기보다 이 세 가지 층위에 동시에 투자한 곳이 될 가능성이 높습니다.
이러한 환경을 헤쳐나가는 학습자와 교육자에게 유용한 출발점은 자신의 학교, 지역 또는 국가가 어떤 경로 또는 경로의 조합을 추구하고 있는지, 그리고 완전한 지원 생태계가 실제로 마련되어 있는지 이해하는 것입니다.
AI가 자동으로 언어 학습을 민주화하지는 않을 것입니다. 형평성 격차는 실재하고, 장벽은 구조적이며, 네 가지 경로는 각각 뚜렷한 강점과 한계를 가지고 있습니다. 오픈소스 기반에 커뮤니티의 의견과 정책 지원을 결합한 하이브리드 접근 방식은 2026년까지 형평성을 향한 측정 가능한 진전을 위한 가장 유망한 틀을 보여줍니다. 이러한 경로를 이해하는 것 자체가 교사 연수를 촉구하든, 오프라인 도구에 자금을 지원하든, 다음 AI 도입 물결에서 현지 언어가 소외되지 않도록 보장하든, 옹호를 위한 기반이 됩니다.
