Google, 가이드 학습 확대하고 K-12 학생의 AI 이용은 선택제로 전환할 계획

Google은 2026년 11월 3일 발표에서 가이드 학습을 Google Classroom에서 전 세계적으로 이용할 수 있으며, 2026년 11월 말 미국 일부 학교의 Search에서 시범 운영할 예정이라고 밝혔다. 이와 함께 K-12 학생 계정에서 여러 AI 제품을 선택적으로 이용하도록 하는 계획도 발표했다.

Google의 교육 부문 부사장 겸 총괄 책임자인 Chris Phillips는 Google이 ‘생산적인 고투’라고 부르는 설계 원칙을 바탕으로 이번 업데이트를 소개했다. 학생이 적극적으로 도전하되, 포기할 만큼 압도당하지 않도록 하는 것이 핵심이다. 가이드 학습은 2025년 8월 6일 Gemini에 처음 도입됐으며, 탐색을 유도하는 개방형 질문, 단계별 설명, 도표와 동영상, 대화형 퀴즈 등의 멀티모달 응답을 제공한다.

Classroom과 Search에서 가이드 학습이 작동하는 방식

Classroom에서는 교사가 활동을 지정하고, AI가 수업 자료를 바탕으로 학생과 일대일 학습을 돕는다. Google의 교육 보고서에 따르면, 교사가 업로드한 자료를 토대로 활동을 구성할 수 있다. 집중 모드는 학생이 학습에 집중하도록 돕고, 주제에서 벗어나려는 경우 대화를 교사가 지정한 학습 목표로 되돌린다. 교사는 전체 채팅 기록을 비롯해 학급 전체와 개별 학생에 관한 실시간 정보를 받아 어떤 학생에게 추가 지원이 필요한지 파악할 수 있다. Google은 출시 전에 학교와 교육자를 대상으로 Classroom 기능을 시험하고, 이들의 의견을 반영했다.

Search를 이용하는 학생 계정에서 특정 숙제 도움 요청이 감지되면 최종 답으로 바로 안내하는 대신 단계별 질문이 제시된다. Google이 든 예로는 붙여 넣은 물리 문제와 독후감 작성 도움 요청이 있다. 시범 운영에서는 앞으로 몇 달 동안 다른 학군으로 기능을 확대하기에 앞서 교육자의 의견을 수렴할 예정이다.

K-12 학생의 AI 이용에는 관리자 승인이 필요

학교 관리자가 각 제품을 명시적으로 켜기 전까지 K-12 학생 계정에서는 Gemini, Gemini Notebook, Gemini in Classroom, Google Search에 대한 접근이 모두 차단된다. 다만 이 변경 사항은 아직 전면 시행되지 않았다. Google은 설정을 적용하기 전에 앞으로 몇 달 동안 학교에 구체적인 내용을 추가로 안내해 관리자가 준비할 시간을 줄 예정이다. 이번 정책 변경은 학교, 교사, 연구자, 정책 입안자의 의견을 반영한 것으로, 학교 지도자가 교실에서 AI 제품을 어떻게 사용할지 결정하도록 하는 데 목적이 있다.

Google은 핵심 Workspace for Education 서비스와 관련해 학교가 자체 데이터를 소유하며, 학생 데이터를 판매하거나 광고에 이용하거나 생성형 AI 모델 학습에 사용하지 않는다고 밝혔다.

교실 시범 운영에서 확인된 점

Google의 LearnLM 팀과 Fab AI가 실시한 시에라리온의 사전 등록 무작위 대조 시험에는 정부 지원 학교 12곳의 7·8학년 수학 수업 48개 반에 속한 13세 이상 학생 1,763명이 참여했다. 각 반은 가이드 학습 또는 일반 수업을 받도록 무작위 배정됐으며, 가이드 학습 반의 교사에게는 해당 기능을 12시간 사용하도록 요청했다. 연구진은 수학 성취도에 대한 치료 의도 효과가 표준편차 0.258이라고 보고했으며, 이는 중앙값 기준으로 학생이 시작 시점의 50번째 백분위에서 종료 시점의 60번째 백분위로 이동한 것과 같다고 설명했다. 학생의 69%가 요청된 사용 기준을 충족했다.

교사는 목표와 시작 질문을 정하고, 학생들을 짝으로 구성해 활동하게 했으며, 학습 내용을 다지는 토론을 이끌었다. 연구진은 교사가 주도하는 이 구조가 개입의 핵심이라고 설명했다. 또한 수학 실력이 더 높은 상태로 시작한 학생일수록 더 큰 도움을 받았다고 밝혀, 뒤처진 상태로 시작하는 학생의 성과를 높이는 과제가 명확히 남았다.

별도로 진행된 영국의 10주 시험에서는 학생 1,179명을 대상으로 Eedi에서 Gemini 기반 과외를 시험했다. 전문가 튜터가 AI가 작성한 모든 메시지를 전달 전에 검토했다. 연구진은 검토한 초안 94,385건 중 94.7%를 튜터가 수정 없이 승인했다고 보고했다. 또한 감독을 받는 AI 과외는 단기 및 중기 지표에서 전문가의 대면 과외와 동등한 성과를 냈고, 일반적인 보충 학습보다 훨씬 뛰어난 결과를 보였다고 밝혔다.

범위가 넓은 표준화 Star Maths 평가에서는 다른 결과가 나왔다. AI 과외와 일반적인 보충 학습을 받은 학생은 비슷한 향상을 보여, 과외가 전반적으로 더 낫다는 뚜렷한 근거는 없었다. 연구진은 이 차이가 부분적으로는 과외 대화가 교육과정의 학습 범위를 줄인 데서 비롯됐을 수 있다고 분석했으며, 단기적인 향상이 더 폭넓은 평가의 향상으로 이어지는 시점을 확인하려면 더 장기간의 연구가 필요하다고 말했다.

따라서 이번 확대에서는 접근성만큼이나 시행 방식이 중요하다. Classroom 설계에는 교사 업로드 자료와 교사가 지정한 목표, 채팅 기록에 대한 접근이 결합돼 있으며, 앞으로 도입될 설정에서는 관리자가 활성화 여부를 결정하게 된다. 시험에서는 일부 학습 지표의 향상이 확인됐지만, 광범위한 평가에서의 성과 향상과 교육과정 범위, 성취도가 낮은 학생의 혜택은 여전히 해결되지 않은 과제로 남았다. 핵심적으로 밝혀야 할 점은 연구에서 확인된 불균등한 향상과 학습 범위 축소를 되풀이하지 않으면서, 측정된 혜택을 더 넓은 학교 현장에서도 얻을 수 있느냐는 것이다.