TECH 으로 돌아가기
TECH HACKER NEWS 6분 읽기 88 READS

2시간에 2배 학습? 알파스쿨 내부 데이터가 드러낸 AI 교육의 간극

2시간에 2배 학습? 알파스쿨 내부 데이터가 드러낸 AI 교육의 간극
SOURCE IMAGE · HACKER NEWS

연 최대 7만 5,000달러의 학비를 받는 AI 기반 사립학교 네트워크 알파스쿨(Alpha School)이 자사의 핵심 약속을 둘러싸고 시험대에 올랐다. 뉴욕타임스가 먼저 보도한 내부 데이터에 따르면, 알파 학생 가운데 수학과 읽기 양쪽에서 '또래보다 두 배 빨리 배운다'는 목표를 달성한 비율은 42%에 그쳤다. 실리콘밸리 투자자부터 트럼프 행정부 인사까지 후원자를 끌어모은 모델이지만, 정작 학생 다수는 그 모델이 내건 중심 공약에 도달하지 못한 셈이다.

알파스쿨의 작동 방식은 기존 학교와 크게 다르다. 전통적인 교사가 없고, 대신 '가이드(guide)'라 불리는 인력을 둔다. 회사 마케팅 자료에 따르면 가이드의 역할은 '모든 학생이 존중받고 동기부여되도록' 돕는 것이며, 수업을 설계하거나 숙제를 채점하지 않는다. 학습 자체는 타임백(TimeBack)이라는 AI 튜터 앱이 맡는다. 공동창업자 매켄지 프라이스는 이 앱이 학생별로 학습을 개인화·가속화해, 하루 두 시간의 학업만으로 또래의 두 배를 배우고 나머지 시간은 발표나 관계 형성 같은 워크숍에 쓸 수 있다고 설명한다.

숫자가 말하는 격차

세부 데이터를 보면 수학에서의 격차가 더 두드러진다. 알파 사립 캠퍼스의 K-8 학생 중 약 절반이 '수학 2배 학습' 목표를 놓쳤고, 읽기 목표를 놓친 학생은 다섯 명 중 한 명가량이었다. 특히 뒤처진 상태에서 출발한 학생일수록 결과가 나빴다. 지난가을 수학에서 전국 백분위 50 이하였던 학생은 사립 학생의 약 5분의 1이었는데, 이 집단 중 겨울까지 2배 성장 목표를 달성한 비율은 37%에 불과했다. 출발선이 뒤처진 학생을 끌어올린다는 개인화 학습의 설득력이 가장 필요한 지점에서 오히려 효과가 약했던 것이다.

'하루 두 시간'이라는 전제도 흔들린다. 가이드와 학부모들은 와이어드(Wired)에 학생들이 목표를 맞추려 밤늦게까지 공부했다고 전했다. 11학년 수준으로 책을 읽는 13세 자녀를 둔 한 학부모는 그 목표 달성에 '스트레스와 불안'이 따랐다고 말했다. 전직 직원들은 404 미디어에 알파의 AI가 결함 있는 수업 계획을 생성했고, 내부 문서가 이를 두고 때로 '득보다 실이 컸다'고 적었으며, 회사가 다른 온라인 강좌를 무단으로 스크래핑했다고 주장했다.

공립학교라는 더 어려운 시험

알파의 확장 국면에서 더 주목할 지점은 공립학교 진출이다. 텍사스와 사우스캐롤라이나의 공립 학생 2,600여 명이 이미 알파 플랫폼을 쓰고 있다. 그러나 공립학교는 사립 캠퍼스와 조건이 다르다. 뉴욕타임스가 지적했듯 공립학교는 성적이 부진한 학생을 내보낼 수 없고, 알파가 사립에서 활용하는 보상형 인센티브도 없다. 선별된 환경에서 나온 42%라는 수치가 더 가혹한 조건에서 어떻게 달라질지는 아직 검증되지 않았다.

텍사스 최대 규모인 휴스턴 독립교육구는 두 학교에서 이 소프트웨어를 시범 운영 중이다. 마이크 마일스 교육감은 학생들이 계획보다 많은 시간을 알파 앱에 쓰면서 다른 활동 시간을 잠식했다고 전했다. 다만 그는 AI를 교육구의 도구 상자에 두고 싶다며, 학생들이 '다른 세계와 일터에서 성공'하는 데 중요한 도구라고 평가했다. 도입 자체를 부정하기보다 사용 방식과 시간 배분을 통제하는 문제가 현장의 쟁점임을 보여준다.

'쓰느냐'보다 '어떻게 쓰느냐'

알파의 사례는 더 큰 흐름 속에서 읽을 필요가 있다. 생성형 AI가 학습에 미치는 영향은 사용 방식에 따라 갈린다는 근거가 쌓이고 있다. 중국 중부 중등학생 2만 6,811명을 대상으로 한 연구에서는 생성형 AI 도구 도입 후 숙제 점수가 18% 올랐지만, 폐쇄형(closed-book) 시험 점수는 20% 떨어졌다. OECD의 최신 PISA 결과에서도 AI를 매일 쓰는 학생은 과학에서 비사용자보다 점수가 낮았고, 적당히 쓰는 학생은 비슷한 수준이었다. AI 요약에 기대는 학생이 긴 글 읽기에 약해진다는 교수들의 지적도 같은 맥락이다. 노터데임대의 티머시 오말리 교수는 많은 분량의 읽기를 내주면 학생들이 '무엇을 해야 할지 모르는 경우가 많다'고, 페퍼다인대의 제시카 후튼 윌슨 교수는 문제가 '비판적 사고의 부재가 아니라 문장을 읽어내지 못하는 것'이라고 말했다.

한국의 에듀테크 도입과 AI 디지털교과서 논의를 지켜보는 실무자에게 이 사례가 주는 함의는 분명하다. '학습 속도 2배' 같은 단일 지표는 선별된 환경과 강한 인센티브, 그리고 밤샘 학습 같은 보이지 않는 비용 위에서 만들어질 수 있다는 점이다. 도입을 검토한다면 평균 성과뿐 아니라 뒤처진 집단의 성과, 학습 시간의 실제 분포, 다른 활동의 잠식 여부, 그리고 숙제 점수와 폐쇄형 평가 점수의 괴리까지 함께 봐야 한다. AI가 측정하기 쉬운 결과를 끌어올리는 동안 측정하기 어려운 역량이 조용히 무너질 수 있다는 것이, 알파의 42%가 남긴 가장 실무적인 경고다.

SOURCE · HACKER NEWS
원문 전체 보기 → https://fortune.com/2026/11/14/alpha-school-ai-students-tuit...
SHARE
NEXT · CHOOSE

변화를 읽었다면,
내가 만들 수익 구조를 고릅니다.

정보를 더 모으는 데서 멈추지 않고, 광고·외주·판매·중개·구독 중 내 상황에 맞는 출발점을 정해보세요.

21가지 수익 구조 살펴보기 →
처리 중...