인터뷰

앤서니 리 박사, 웨스트클리프 대학교 총장 겸 CEO — 인터뷰 시리즈

Antoine Tardif
Unite.AI를 Google의 선호 소스에 추가
핵심 포인트이제 직무 적응력은 AI 산출물에 대한 인간의 감독과 책임 있는 판단을 요구합니다.
더 보기
  • 이제 직무 적응력은 AI 산출물에 대한 인간의 감독과 책임 있는 판단을 요구합니다.
  • AI 리터러시는 추가 항목으로 취급되지 않고 모든 학문 분야의 교육과정에 통합되어야 합니다.
  • 평가는 단순한 자동화된 생산이 아닌 진정한 추론과 적용 능력을 측정해야 합니다.

앤서니 M. 리 박사는 캘리포니아주 어바인에 있는 웨스트클리프 대학교의 총장입니다. 이 대학은 미국에서 가장 빠르게 성장하는 대학 중 하나로, 지난 10년간 학생 수가 수백 명 미만에서 3,000명 이상으로 늘었습니다. 리 박사는 미국과 해외의 여러 대학 및 학교에서 리더십을 발휘해 왔습니다. 혁신적인 하이브리드 및 온라인 프로그램에 전문성을 갖춘 그는 기술을 전통적인 캠퍼스 수업에 접목해 학습 경험을 개선하는 새로운 프로그램을 도입했습니다. 대학과 유치원부터 고등학교까지의 교육기관에서 인증 절차를 성공적으로 이끌었으며, 마케팅, 재무, 운영, 규제 준수, 인증 등 고등교육의 여러 핵심 분야에서 리더십 경험을 쌓았습니다.

생성형 AI와 자동화 시대를 맞아, 직업 세계에 대한 준비도를 바라보는 정의는 어떻게 달라졌습니까?

과거에는 기술적 역량을 갖추고 정해진 역할에서 즉시 기여할 수 있으면 직업 세계에 준비되었다고 여겼습니다. 생성형 AI 시대에는 이 정의만으로 충분하지 않습니다. 일 자체의 성격이 달라지고 있기 때문입니다.

오늘날의 준비도는 지능이 인간과 기계 사이에 분산되고, 도구가 계속 발전하며, 업무 수행이 점점 더 기술의 도움을 받는 환경에서 효과적으로 일하는 능력을 뜻합니다. 경쟁 우위는 단순히 과업 수행 방법을 아는 데 있지 않습니다. 문제를 정의하고 AI의 결과를 감독하며 가정을 검토하고 현실의 제약 속에서 판단하는 능력에 있습니다.

과업 수행에서 인지적 감독으로 중심이 이동하고 있습니다. 초급 직무도 재정의되고 있습니다. 반복적인 생산 작업은 자동화할 수 있지만 책임은 자동화할 수 없습니다. 따라서 비판적 사고, 윤리적 추론, 맥락 인식, AI가 만든 결과를 책임 있는 결정으로 바꾸는 능력이 더욱 중요해집니다.

웨스트클리프에서는 직업 세계에 대한 준비도를 분야별 전문성, AI 활용 능력, 엄격하고 신중한 인간의 판단을 결합하는 것으로 봅니다. 학생들은 생성형 시스템의 작동 원리와 이점, 위험을 이해해야 합니다. 더 중요한 것은 사고와 판단의 책임을 넘기지 않고 이러한 시스템과 협업하는 법을 배우는 것입니다.

우리의 응용 학습 모델은 실제 맥락에서 신기술을 체계적으로 활용하도록 설계되어 있습니다. 목표는 특정 도구의 숙련도를 넘어, 도구가 바뀌어도 효과적으로 일할 수 있는 적응력을 기르는 것입니다.

이 시대에 두각을 나타낼 전문가는 AI와 경쟁하는 사람이 아닙니다. AI를 신중하게 지휘하고 결과를 엄격히 검토하며 AI가 영향을 미친 결과에 책임을 지는 사람입니다. 오늘날 직업 세계에 대한 준비도에는 이런 역량이 필요합니다.

교육기관이 AI를 단순한 부가 기능으로 보지 않고 교육과정과 기관 전체 차원에서 진지하게 받아들인다는 것은 무엇을 뜻합니까?

AI는 단순히 또 하나의 교육 도구가 아닙니다. 교육 자체의 구조를 바꿉니다.

AI를 진지하게 받아들이려면 재설계부터 시작해야 합니다. 각 학문 분야는 생성형 시스템이 직업적 기대를 어떻게 바꾸는지 살피고, AI의 도움을 받는 전문 역량에 무엇이 요구되는지 정의해야 합니다. 평가에서는 결과물뿐 아니라 추론과 응용 역량을 측정해야 합니다.

기관 전체의 일관성도 필요합니다. AI 리터러시를 몇몇 독립된 강좌에만 맡길 수는 없습니다. 교수진의 역량 개발, 거버넌스, 평가 전략, 공급업체 감독은 기술이 학문적 수준을 약화하지 않고 강화해야 한다는 명확한 원칙에 맞춰져야 합니다.

이렇게 되면 AI는 대학의 지적 인프라 일부가 됩니다. 학습을 구성하는 방식, 숙련도를 입증하는 방식, 인간의 판단과 기계의 역량이 함께 작동하는 노동시장에서 기관의 신뢰성을 유지하는 방식을 바꿉니다. 이것이 웨스트클리프가 나아가는 방향입니다.

기본적인 인간 역량을 기르는 일과 학생들에게 AI와 효과적으로 협업하도록 가르치는 일 사이에서 어떻게 균형을 잡습니까?

저는 한쪽을 위해 다른 쪽을 희생해야 한다고 보지 않습니다. 오히려 생성형 AI는 기본적인 인간 역량의 가치를 높입니다.

일상적인 인지 작업의 생산 비용이 낮아지면 고차원적 추론이 차별화 요소가 됩니다. 비판적 사고는 더 나은 질문을 만들고 기계가 만든 결과를 검토하는 것입니다. 판단력은 시스템을 믿어도 되는 때와 멈춰야 할 때를 아는 것입니다. 윤리는 실천의 문제가 되며, 지능형 시스템을 대규모로 도입할 때의 결과를 이해해야 합니다.

학생들은 AI가 있는 환경에서 생각하는 법을 배워야 합니다. 프롬프트 작성은 출발점이지만 더 깊은 역량은 인지적 감독입니다. 졸업생들은 지능형 시스템의 정보를 참고하되 시스템이 결정하지 않은 결론을 명확히 설명하고 옹호할 수 있어야 합니다.

웨스트클리프는 AI 활용 능력을 기본 역량을 강화하는 요소로 봅니다. 학생들은 지능형 도구를 활용하면서도 명확성, 신뢰성, 결과에 책임을 집니다. 장기적으로 두각을 나타낼 전문가는 지적 깊이와 기술적 민첩성을 결합할 것입니다. AI는 속도와 규모를 제공합니다. 인간은 분별력, 책임, 리더십을 제공해야 합니다.

고등교육에서 AI로 인한 변화에 가장 취약한 영역은 무엇이며, 예상보다 회복력이 높은 영역은 어디입니까?

정보 전달과 표준화된 결과물에 의존하는 영역이 가장 취약합니다. 강의 전달이나 생산량을 측정하는 평가에 주로 의존하는 모델은 AI로 인해 빠르게 도전받을 것입니다.

체계적인 성장, 멘토링, 응용 실습, 팀워크, 임상 학습, 전문직 정체성 형성에 집중하는 고등교육은 더 강한 회복력을 지닙니다. AI는 이런 경험을 지원할 수 있지만 피드백과 책임을 통해 이루어지는 성장을 대신할 수는 없습니다.

차이는 설계에 있습니다. 스스로를 주로 콘텐츠 제공자로 보는 기관은 위험에 노출됩니다. 반면 추론, 응용 역량, 측정 가능한 성장에 초점을 맞추어 의도적으로 설계된 학습 시스템으로 운영되는 기관은 여전히 중요한 역할을 합니다.

AI는 자격이 어떤 역량을 나타내야 하는지에 대한 기준을 높입니다.

AI가 기술 습득 시간을 줄이고 진입 장벽을 낮추는 상황에서 대학은 학위과정 설계를 어떻게 재고해야 합니까?

AI가 기술 역량을 습득하는 시간을 줄이는 만큼 대학은 학위가 어디에서 가치를 더하는지 명확히 해야 합니다.

도구가 과업 숙련을 앞당긴다면, 고등교육은 자동화할 수 없는 것에 집중해야 합니다. 개념적 깊이, 체계적인 문제 해결, 윤리적 판단, 제약 속에서 지속적으로 성과를 내는 능력이 여기에 해당합니다.

학위과정은 모듈형이고 실용적이면서도 일관성을 유지해야 합니다. 목표는 기술적 숙련과 추론, 적응력을 결합해 역량을 누적하는 것입니다.

AI는 진입 장벽을 낮춥니다. 대학은 지식 통합, 판단, 입증된 능력에 대한 요구 수준을 높여 대응해야 합니다. 학위는 단순히 어떤 분야를 접했다는 사실이 아니라 오래 유지되는 역량을 보여주어야 합니다.

웨스트클리프는 학위를 고정된 선형 경로가 아닌 역동적인 생태계로 봅니다. 축적하고 조합할 수 있는 자격과 단계별 학습 경로는 산업이 바뀔 때 학습자가 다시 배움에 참여하도록 하면서 일관성과 학문적 엄격성을 유지하게 합니다. 유연성도 중요하지만 지적 성장은 더 중요합니다.

평가와 자격 인증에서 AI가 어떤 역할을 할 것으로 보십니까?

AI는 고등교육이 이 기술 이전부터 존재하던 현실을 직시하게 합니다. 많은 전통적 평가는 이해가 아니라 산출물을 측정했습니다. 이제 거의 노력 없이 자동화할 수 있는 과제라면, 과연 그것이 추론을 제대로 포착한 적이 있었는지 물어야 합니다.

평가는 역량을 실제로 입증하는 방향으로 바뀌어야 합니다. 구술 설명과 논증, 시나리오 기반 문제 해결, 반복적인 개선, 응용 시뮬레이션, 사고를 드러내는 포트폴리오 증거가 필요합니다. AI가 있는 환경에서는 최종 결과물뿐 아니라 그 뒤의 인지 과정도 중요합니다.

웨스트클리프는 학생들이 실시간으로 자신의 추론을 설명하고 옹호해야 하는 구술 및 반복 평가 모델로 전환했습니다. AI는 적응형 질문을 만들고 대규모 피드백을 지원할 수 있지만 설계 책임은 인간에게 있습니다. 기관은 모델의 결과가 아니라 학습자의 인지 과정을 평가하는지 확인해야 합니다.

자격 인증은 강의실에 머문 누적 시간보다 검증된 능력에 점점 더 초점을 맞춥니다. 고용주는 응용 역량과 책임 있는 판단의 증거를 원합니다. 평가를 선제적으로 재설계하는 기관은 학위의 신뢰성을 강화할 것입니다.

AI를 신중하게 도입하면 학문적 기준을 높여야 할 부분이 드러납니다.

교육과 행정에 AI를 도입할 때 거버넌스와 감독에 어떻게 접근합니까?

우리는 AI를 학문적 수준과 기관의 신뢰성에 중대한 영향을 미치는 다른 시스템과 마찬가지로 다룹니다. 거버넌스는 명확한 목적, 정해진 경계, 분명한 책임 체계에서 출발합니다.

효과적인 감독은 혁신이 신뢰를 훼손하지 않고 강화하도록 합니다. 엄격한 개인정보 보호와 데이터 보안 기준, 학생들의 성과에 영향을 미치는 시스템의 편향 및 공정성 검토, 사용 도구와 데이터 처리에 대한 투명성이 필요합니다.

과거의 가정이 아니라 현재의 현실을 반영하도록 학문적 정직성 체계도 갱신해야 합니다. 교수진의 역량 개발은 기술 도입이 파편적이거나 사후 대응적이지 않고, 의도적이며 학습 목표에 부합하도록 하는 데 중요합니다.

웨스트클리프에 AI 지원 평가 모델을 도입할 때는 감독을 처음부터 설계에 포함했습니다. 교수진은 도입 과정을 관찰하고 영향을 평가하며 증거에 따라 절차를 개선했습니다. 공급업체 평가는 간헐적이 아니라 지속적으로 이루어집니다. 기관은 학문적 기준과 학생 보호에 부합하는지 정기적으로 재평가해야 합니다.

목표는 책임 있는 혁신입니다.

교육자들이 AI에 관해 가장 흔히 품는 오해는 무엇이며, 어떤 사고방식의 전환이 필요합니까?

두 가지 오해가 반복됩니다. 첫째는 AI가 주로 부정행위 문제라는 것이고, 둘째는 단순한 생산성 도구라는 것입니다. 어느 관점도 그 자체로 충분하지 않습니다. 더 근본적으로 AI는 지식이 생성되고 평가되며 적용되는 방식의 변화를 나타냅니다.

기관이 AI를 학문적 정직성 문제로만 보면 기본적으로 제한을 택하게 됩니다. 효율성만을 위한 수단으로 보면 그 영향을 과소평가합니다. 더 중요한 질문은 AI가 있는 환경에서 추론이 드러나고 책임이 유지되도록 학습을 어떻게 설계하느냐입니다.

필요한 사고방식의 전환은 통제에서 설계로 옮겨가는 것입니다. 교수진은 판단, 종합, 응용 역량을 강조하는 학습 경험의 설계자로서 더욱 중심적인 역할을 하게 됩니다.

기관의 지원, 공동의 실천, 일관된 거버넌스가 있으면 교육자들은 앞으로 나아갈 수 있습니다. AI는 깊이 숙고한 교육 실천에 더 높은 기준을 요구하고, 교육 설계를 그 어느 때보다 중요하게 만듭니다.

역할이 유동적이고 AI가 초급 직무를 재정의하는 노동시장에서 대학은 학생들을 어떻게 준비시켜야 합니까?

초급 직무는 전통적으로 반복적인 생산 작업을 익히는 훈련의 장이었습니다. 많은 분야에서 AI는 이제 이런 초기 단계 업무의 상당 부분을 맡습니다. 그 결과 졸업생은 더 이른 시기에 더 높은 수준에서 일할 것으로 기대됩니다.

준비는 자동화하기 어려운 능력에 초점을 맞춰야 합니다. 문제 정의, 의사소통, 의사결정, 지능형 시스템에 대한 책임 있는 감독입니다. 도구가 발전하고 역할이 유동적인 상황에서 학생들은 모호함에 익숙해져야 합니다.

대학은 좁은 전문성만이 아니라 여러 맥락에 적용할 수 있는 적응 역량을 강조해야 합니다. 현실적인 제약을 반영한 체계적인 프로젝트 기반 학습이 중요합니다. 학생들이 복잡한 문제를 풀고 제안을 옹호할 때, 고용주가 점점 더 높이 평가하는 책임 있는 사고를 연습하게 됩니다.

AI 리터러시는 기본이 되어야 합니다. 모두가 모델을 만들 필요는 없지만 자신의 전문 분야에서 지능형 시스템이 의사결정에 어떤 영향을 미치는지는 모두 이해해야 합니다.

노동시장은 계속 바뀔 것입니다. 고등교육의 책임은 모든 역할을 예측하는 것이 아니라, 역할을 넘나들고 끊임없이 배우며 기술 발전이 가속되는 환경에서 의미 있게 기여할 수 있는 졸업생을 길러내는 것입니다.

대학이 AI로 인한 변화 속에서 단순히 살아남는 것을 넘어 성공적으로 적응했다는 신호는 무엇입니까?

성공은 대외적인 이미지나 겉보기에만 좋은 지표가 아니라 결과로 측정될 것입니다.

교육과정과 평가 모델을 콘텐츠 전달이 아닌 현실의 역량 중심으로 재설계할 때 대학은 진정으로 적응한 것입니다. 교수진은 새로운 접근을 뒤늦게 받아들이는 대신 깊이 숙고한 학습 설계를 보여줄 수 있어야 합니다. 학생은 단순한 명령만으로 생성될 수 없는 방식으로 자신의 추론을 명료하게 설명하고 옹호할 수 있어야 합니다.

기관의 적응은 거버넌스에서도 드러납니다. AI 사용은 투명하고 감독은 설계에 통합되어 있으며, 학문적 결과에 대한 신뢰가 약해지는 대신 강화되고 있음을 보여줄 수 있습니다.

가장 믿을 만한 지표는 외부의 검증입니다. 고용주가 졸업생의 성숙한 판단, 응용 역량, 의사결정 능력, AI 지원 환경에서의 숙련도를 인정하는 것입니다.

적응은 원칙을 포기하지 않는 민첩성입니다. 기관은 기술과 함께 발전하면서도 엄격한 기준과 윤리적 명확성을 유지합니다. 웨스트클리프는 AI가 교육 환경을 계속 바꾸더라도 신뢰할 수 있고 회복력과 가치를 유지하는 학습 모델을 만들고 있다고 믿습니다.

훌륭한 인터뷰에 감사드립니다. 이 대학에 대해 더 알고 싶은 독자는 웨스트클리프 대학교를 방문하시기 바랍니다.

앙투안은 Unite.AI의 비전 있는 리더이자 창립 파트너로, AI와 로봇공학의 미래를 만들어 가고 발전시키는 데 변함없는 열정을 쏟고 있습니다. 여러 기업을 창업한 그는 AI가 전기만큼 사회를 크게 변화시킬 것이라고 믿으며, 혁신적인 기술과 범용 인공지능(AGI)의 잠재력에 관해 자주 열정적으로 이야기합니다.

미래학자로서 이러한 혁신이 세상을 어떻게 바꿀지 탐구하는 데 전념하고 있습니다. 또한 미래를 새롭게 정의하고 산업 전반을 변화시키는 첨단 기술에 대한 투자에 초점을 맞춘 플랫폼인 Securities.io의 설립자입니다.