Anthropic 교육 보고서: 교육자들은 Claude를 어떻게 활용하나

교육 분야의 AI 논의는 주로 학생들이 대형 언어 모델을 학습과 글쓰기에 어떻게 활용하는지에 초점이 맞춰져 있다. 그런데 교육자들도 AI를 쓴다. 최근 갤럽 조사에 따르면, 교사들은 AI 도구 덕분에 주당 평균 5.9시간을 절약한다고 답했다. 한편 이런 상황이 역전되어, 학생들이 오히려 교수의 AI 활용에 우려를 표명하기 시작했다.

앞서 학생들의 AI 활용 방식에 대한 데이터를 보고한 바 있다. 이번 분석에서는 교수진에 주목했다. 지난 5~6월 두 달간 전 세계 고등교육 전문가들이 Claude.ai에서 나눈 익명 대화 약 7만 4,000건을 분석했다.¹ 또한 노스이스턴 대학교(Northeastern University)와 협력해 교수진이 교내에서 AI를 어떻게 활용하는지 직접 들었다. 이번 연구는 특히 대학 환경에서 교육자들의 AI 도입 현황을 실증적으로 보여주는 스냅샷을 제공한다.

교육자의 Claude 활용 방식 파악

이번 연구에는 사용자 프라이버시를 보호하면서 Claude 활용의 전반적인 패턴을 파악할 수 있는 자동화 분석 연구 도구를 활용했다.

고등교육 전문가들의 Claude.ai 활용 방식을 연구하는 데는 고유한 어려움이 따른다. 현재 플랫폼에서 직업 관련 데이터를 자기 보고 방식으로 수집하지 않기 때문이다. 학생들은 수업이나 과제를 명시적으로 언급하는 경우가 많지만, 교육자들의 AI 활용은 교육, 연구, 행정, 개인 학습에 걸쳐 광범위하게 분산되어 있어 식별하고 분류하기가 더 까다롭다.

프라이버시 보호 도구를 활용해 고등교육 기관 이메일 주소와 연결된 Claude.ai 무료·Pro 계정의 대화를 분석했으며, 강의 계획서 작성, 과제 채점, 교과 자료 개발 등 교육자 고유의 업무와 관련된 대화를 자동으로 필터링했다.² 이 필터링을 거쳐 5~6월 기간 중 약 7만 4,000건의 대화를 선별했다. 이번 분석은 교육자들이 직무 관련 업무에 AI를 어떻게 활용하는지를 탐색한 결과이며, 교육자 전체의 AI 활용을 포괄적으로 보여주는 것은 아니다.

또한 각 대화를 미국 노동부의 직업 정보 데이터베이스인 O*NET에 수록된 교육자 업무 목록에서 가장 적합한 항목과 매칭했다. 교육자 업무는 '고등교육 이후(Postsecondary)' 교수 또는 행정 직종과 연관된 업무로 정의했다.

분석을 보완하기 위해 AI 얼리 어답터인 노스이스턴 대학교 교수진 22명을 대상으로 설문 조사와 질적 연구를 진행해, 교육자들의 동기와 우려 사항, 활용 패턴을 더 구체적으로 파악했다.

교육자들의 주요 활용 사례

Claude.ai 분석과 노스이스턴 대학교 질적 연구 모두에서 가장 두드러진 활용 사례는 교육과정 개발이었다. Claude.ai 분석에서는 학술 연구와 학생 성취도 평가가 각각 2위와 3위를 차지했다.

노스이스턴 교수진 설문에서는 스스로의 학습을 위한 AI 활용도 자주 언급되었다(평균 AI 활용 시간의 29%). 다만 이 부분은 필터링 방식의 특성상, 그리고 학습 맥락에서 학생과 교육자의 활용을 구분하기 어렵다는 점에서 Claude.ai 분석 대상에는 포함하지 않았다.

Claude.ai 데이터에서 발견한 특히 흥미로운 활용 사례로는 다음과 같은 것들이 있다:

• 교육 시뮬레이션을 위한 모의 법적 시나리오 제작;
• 직업 교육 및 직무 훈련 콘텐츠 개발;
• 학업·취업 지원용 추천서 초안 작성;
• 회의 안건 및 관련 행정 문서 작성.

교수진이 AI를 활용하는 이유

노스이스턴 교수진과의 질적 연구는 교육자들이 이러한 방식으로 AI를 찾는 이유를 짐작하게 해준다:

1. 반복적인 잡무 자동화 ("지루한 작업들을 처리해 준다"; 모금 활동의 "정형화된 부분"에 도움이 된다);
2. 협력적 사고 파트너 ("내가 미처 생각하지 못했던 방식으로 AI가 학생들에게 개념을 효과적으로 설명해 준다");
3. 학생을 위한 맞춤형 학습 경험 ("AI는 한 명의 교수가 제공할 수 있는 범위를 넘어 학생과 나 모두에게 개인화된 대화형 학습 경험을 제공하는 데 유용하다").

교육자들이 AI로 맞춤형 도구를 만드는 방법

가장 인상적인 발견 중 하나는 교육자들이 Claude의 Artifacts 기능을 활용해 대화형 교육 자료를 만들고 있다는 점이다. 단순한 대화를 나누는 데 그치지 않고, 곧바로 강의실에 투입할 수 있는 완성도 높은 자료를 직접 구축하는 경우도 적지 않다.

노스이스턴 대학교 설문 참여 교수는 이렇게 말했다: "[이전에는] 시간이 너무 많이 들어 엄두도 못 냈던 일들이 이제는 가능해졌습니다. 맞춤형 시뮬레이션, 그림 설명, 대화형 실험. 놀랍습니다. 학생들에게 훨씬 더 흥미로운 경험을 줄 수 있어요."

이는 Claude에만 국한된 이야기가 아니다. 한 교수는 AI 도구 전반이 "자신의 콘텐츠를 더 접근하기 쉽고 흥미로운 형태(대화형 페이지, 시뮬레이션, 팟캐스트, 동영상)로 변환할 수 있게 해준다"고 했다.

이러한 결과물들은 AI가 단순한 대화 보조 도구에서 창의적 협력자로 전환되고 있음을 보여준다. 전통적으로 상당한 기술 전문성이나 자원이 필요했던 맞춤형 교육 자료를 교육자 스스로 제작할 수 있게 된 것이다.

보조와 자동화의 스펙트럼

이번 분석은 Anthropic의 기존 경제 지수(Economic Index) 연구를 토대로, 교육자들이 AI 보조(협력적 활용)와 자동화(업무 전면 위임) 사이에서 어떻게 균형을 잡는지 세밀하게 보여준다.

Claude.ai 데이터에서 교육 업무별로 뚜렷한 패턴이 나타났다:

보조 비중이 높은 업무:

• 교육 자료 및 연습 문제 개발을 포함한 대학 강의 및 수업 지도 (77.4% 보조);
• 외부 연구비 확보를 위한 연구비 제안서 작성 (70.0% 보조);
• 학생 학업 상담 및 학생 조직 멘토링 (67.5% 보조);
• 학생 학업 지도 감독 (66.9% 보조).

상대적으로 자동화 비중이 높은 업무:

• 교육 기관 재정 관리 및 모금 (65.0% 자동화);
• 학생 기록 관리 및 학업 성취도 평가 (48.9% 자동화);
• 입학 및 등록 관리 (44.7% 자동화).

이러한 차이는 업무에 따라 AI에 전적으로 위임하는 정도가 달라짐을 보여준다. 설문 결과와 일치하게, 정형화된 행정·재정 관리 업무일수록 전면 위임 비율이 높은 반면, 연습 문제 제작이나 박사 과정 학술 연구 지도처럼 학생과 직접 상호작용하는 업무일수록 낮은 경향이 있다. 이러한 업무는 충분한 맥락 파악이 필요하기 때문에 AI와 교수가 협력하는 방식으로 진행된다. 한 노스이스턴 교수는 수업 지도안을 설계할 때 "AI가 이미 다룬 내용과 자료 수준에 맞게 방향을 잡아줘야 한다"고 말했다.

연구비 제안서 작성처럼 창의성이나 복잡한 의사결정이 요구되는 업무에서도 교육자들은 AI를 보조적으로 활용하는 경향이 강하다. 아이디어를 구상할 때 한 설문 참여 교수는 이렇게 썼다.

그렇다 하더라도, 채점 관련 대화의 48.9%가 자동화 중심으로 분류된 것은 우려스럽다. 설문에 응한 교수들이 AI 효과가 가장 낮은 단일 업무로 채점을 꼽았음에도 Claude.ai 데이터에서는 이런 활용이 실제로 나타났다. 채점 관련 대화가 분석 대상 전체의 7%에 불과하더라도, 자동화 비중이 두 번째로 높은 업무로 집계됐다. 세부 업무로는 학생 과제에 대한 피드백 제공과 채점 기준표를 활용한 채점 등이 포함된다. 이러한 AI 생성 응답이 최종 성적이나 피드백에 어느 정도 반영되는지는 명확하지 않지만, 이번 연구에서 확인된 상호작용들은 Claude에 일정 수준의 업무를 위임하고 있음을 보여준다.

채점에 AI를 활용하는 문제는 교육자들 사이에서 여전히 논쟁적이다. 한 노스이스턴 교수는 이렇게 밝혔다: "윤리적으로도 실무적으로도, 어떤 방식이든 AI 도구를 학생 평가나 상담에 활용하는 것에 매우 신중합니다. 정확성 문제도 있고요. LLM으로 답안을 채점해보는 실험을 해봤는데, 제가 쓰기엔 턱없이 부족했습니다. 그리고 윤리적으로, 학생들이 등록금을 내는 것은 LLM의 시간이 아니라 제 시간을 위해서입니다. (아마도 LLM의 도움을 받더라도) 제대로 해내는 것은 저의 도덕적 의무입니다."

물론 AI 피드백이 학생의 성장을 지원할 수 있는 방식도 있다. Claude Artifacts를 활용해 교육자들이 구축하고 있는 형성 평가 자동 시스템이 그 예다. 그러나 대부분의 교육자들은 채점이 완전 자동화에 근접해서는 안 된다는 데 공감하는 것으로 보인다.

교육자들이 교육 방식을 재정의하는 방법

많은 교육자들은 AI 도구가 학생들의 학습 방식을 바꾸고 있다는 사실을 인식하고 있다. 이는 자연스럽게 교육자들에게도 가르치는 방식을 바꿔야 한다는 압박으로 이어진다. 한 설문 참여 교수는 이렇게 말했다:

교수들이 가르치는 내용도 달라지고 있다. 예를 들어 코딩 분야에서 한 교수는 "AI 기반 코딩이 분석 교육과 학습 경험을 완전히 혁신했다"고 했다. "이제는 쉼표나 세미콜론 디버깅에 시간을 낭비하는 대신, 비즈니스에서 분석을 응용하는 개념적 논의에 집중할 수 있다"는 것이다.

더 넓게 보면, AI 생성 콘텐츠의 정확성을 평가하는 능력이 갈수록 중요해지고 있다. 한 교수는 "AI 생성물의 양이 늘어날수록, 인간이 이를 검증하고 따라잡는 것이 점점 더 벅차진다"고 썼다. 교수들은 학생들이 이런 식별력을 갖출 수 있도록 특정 분야에 충분한 전문성을 쌓아주길 원한다.

평가 방식도 달라지기 시작했다. 학생들의 부정행위와 인지 외주화가 여전히 우려 사항이지만, 일부 교육자들은 평가 방식 자체를 근본적으로 재검토하고 있다.

노스이스턴 대학교의 한 교수는 AI가 작성한 과제물을 너무 많이 제출받은 후 "다시는 전통적인 연구 논문을 과제로 내지 않겠다"고 했다. 대신 이렇게 밝혔다: "다음번에는 AI로 할 수 없는 과제로 재설계할 것입니다. 어떤 학생이 주간 과제가 너무 어렵고 Claude와 ChatGPT가 전혀 도움이 안 된다며 불만을 토로한 적이 있었는데, 그건 칭찬이라고 말했습니다. 앞으로도 그런 말을 더 많이 듣도록 노력하겠습니다."

한 가지 방향은 새로운 도구를 바탕으로 과제의 수준을 높이고, AI의 도움이 있어도 여전히 어려운 복잡한 실제 문제들을 학생들이 다루도록 기대치를 높이는 것이다. 다만 AI가 계속 발전하는 만큼 이는 계속 움직이는 목표이며, 교육자 자신에게도 상당한 부담이 될 수 있다. 또한 학생들은 AI의 결과물을 제대로 평가하기 위해 AI와 무관하게 기초적인 역량을 스스로 쌓을 필요가 있다.

한계와 고려 사항

이번 연구에는 몇 가지 중요한 유의 사항이 있다:

• 식별 방법론: 교육자와 연관된 대화를 추론하기 위해 Claude 대화를 필터링하는 방식을 사용했는데, 고등교육 이메일 계정 대화 중 약 1.5%만 포착했다. 이로 인해 강의 계획서 작성처럼 교육자와 명확히 연결되는 업무로만 분석이 제한되며, 어려운 개념 설명 요청처럼 교육자 전유가 아닌 상호작용은 상당 부분 누락됐을 가능성이 높다;
• 제한된 교육자 범위: 고등교육 기관 이메일 주소를 가진 계정만 분석해 유·초·중·고 교사는 제외됐다;
• 얼리 어답터 편향: AI에 이미 익숙한 교육자들을 포착했을 가능성이 높아, 더 넓은 교육자 집단의 기술 준비도나 태도를 대표하지 않을 수 있다;
• 설문 한계: 노스이스턴 대학교 교수진 데이터는 질적 맥락을 제공하지만, 단일 기관의 제한된 표본이어서 일반화에 한계가 있다;
• 플랫폼 특수성: 이번 분석은 Claude.ai 활용에 초점을 맞춰 다른 AI 플랫폼의 패턴을 반영하지 않을 수 있다;
• 시간적 제약: 5~6월이라는 분석 기간은 학사 연도 전반에 걸친 계절적 변동을 포착하지 못한다.

앞으로의 전망

이번 연구 결과는 교육자들의 AI 도입이 얼마나 복잡한 양상을 띠는지 보여준다. 대화형 시뮬레이션 구축부터 행정 업무 처리까지 활용 범위가 넓고 다양하다는 점은 학문적 기능 전반에서 AI의 존재감이 커지고 있음을 나타낸다.

가장 고무적인 점은 교육자들이 AI를 활용해 실질적인 교육 자료를 만들어내고 있다는 사실이다. AI가 단순한 대화 도구에서 창의적 파트너로 전환되면서, 교육 현장의 오랜 자원 제약 문제를 해결하는 데 기여할 수 있다. 한 교수가 언급했듯, 예전에는 시간 측면에서 "엄두도 못 냈던" 맞춤형 시뮬레이션과 대화형 실험이 이제 가능해져 학생들에게 더욱 풍부한 경험을 제공할 수 있게 됐다.

그러나 AI를 활용한 채점을 둘러싼 긴장은 여전히 남아 있다. 채점 관련 업무의 절반 가까이가 자동화 패턴을 보였지만, 설문에 응한 교수진은 채점을 AI 효과가 가장 낮은 분야로 평가했다. 시도되고 있는 현실과 적절하다고 여기는 기준 사이의 이러한 괴리는, 효율성 향상과 교육의 질 및 윤리적 고려 사이에서 균형을 잡으려는 현재진행형의 고민을 반영한다.

이번 연구 결과는 교육과 AI를 둘러싼 담론이 기술의 발전과 함께 계속 진화할 것임을 시사한다. 특히 채점 같은 민감한 업무에서의 AI 활용에 대한 교육자들의 시각은, 도구가 개선되고 모범 사례가 자리를 잡아가면서 달라질 수 있다. 향후 연구에서 똑같이 중요한 것은 학생과 교육자의 AI 활용이 어떻게 상호작용하는지 이해하는 일이다. 교수가 AI를 사용한다는 사실을 아는 학생들은 어떻게 인식하고 반응하는가? 교육자의 AI 도입이 학생의 학습 행동에 어떤 영향을 미치는가?

이번 연구는 교육자들이 활발히 실험하는 시점을 포착했다. 새로운 가능성을 구축하는 동시에, AI가 보강된 강의실에서 자신의 역할에 대한 근본적인 질문과 씨름하고 있는 것이다. 앞으로 나아가려면 지속적인 대화, 신중한 정책 개발, 그리고 계속적인 연구를 통해 이러한 도구가 교육적 경험을 훼손하지 않고 강화하도록 보장해야 한다.

Bibtex

이 게시물을 인용하려면 다음 Bibtex 키를 사용하세요:

@online{benthand2025education,
 author = {Drew Bent and Kunal Handa and Esin Durmus and Alex Tamkin and Miles McCain and Stuart Ritchie and Ryan Donegan and Jennifer Martinez and Jason Jones},
 title = {Anthropic Education Report: How Educators Use Claude},
 date = {2025-08-26},
 year = {2025},
 url = {https://www.anthropic.com/news/anthropic-education-report-how-educators-use-claude},
 }

감사의 말

Drew Bent*와 Kunal Handa*가 실험을 설계하고 수행했으며 블로그 게시물을 작성했다.

Esin Durmus, Alex Tamkin, Miles McCain, Stuart Ritchie, Jennifer Martinez, Ryan Donegan, Jason Jones가 귀중한 피드백과 논의를 제공했다.