AIEd 지식베이스AIEd KB
이 페이지의 목차

이 페이지는 한국어로 번역되었습니다. 문서 페이지는 여전히 영어로 작성되어 있습니다. 이 페이지를 영어로 읽기

개념

경영학 교육

생성일 2026-08-20 · 갱신일 2026-10-07

영어 페이지의 자동 번역이며, 아직 원어민의 검수를 받지 않았습니다.

경영학 교육에서의 AI — 경영, 경제, 경영학의 교수와 학습에 인공지능을 적용하는 것, 그리고 GenAI가 통합된 직장에 대비한 학생 준비를 다룹니다. 경영대는 이중의 당위에 직면합니다. AI를 교과목이자 교수법적 도구로서 교육과정 안으로 통합하는 동시에, 학생들이 전문적 실무에서 생성 AI를 책임 있고 효과적으로 사용할 수 있도록 준비시키는 것입니다.

생각해 볼 질문들

  • 경영대는 이중의 당위에 직면합니다. AI를 교과목이자 도구로서 교육과정에 통합하는 동시에, 학생들이 전문적 실무에서 AI를 책임 있게 사용할 수 있도록 준비시키는 것입니다. 읽기 전에, 그 둘 가운데 현재 대부분의 경영 프로그램이 어느 쪽을 제대로 해내고 있고, 어느 쪽이 소홀히 여겨진다고 생각하십니까?
  • 학생이 알려준 틀(framework)은 학생들이 높게 참여하고 GenAI 기술이 진로에 필요하다는 것을 인식하면서도 — 동시에 의도하지 않게 학문적 부정행위를 저지르지 않고 AI를 사용하고 싶어 했음을 발견했습니다. 왜 학생은 AI를 사용하고 싶어 하면서도 그것을 둘러싼 규칙을 어기는 것을 동시에 걱정할 수 있을까요?
  • 연구는 건설적 정합성(constructive alignment)에 관해 GenAI의 이익과 위험이 어느 쪽이 우세했는지가 교육과정 통합의 정도에 의해 형성되었다는 것을 발견했습니다. 통합하라는 것입니다. 덧붙이지 말고요. AI 도구를 위에 얹는 것이 아니라, 경영 프로그램에서 '통합'은 어떤 모습일까요?
  • 십 년의 연구는 교육과정의 정합성, 교육자의 준비도, 평가의 타당도에 지속적인 간극을 지적합니다. AI가 통합된 직장을 위해 경영 수업을 재설계해야 한다면, 그 세 가지 간극 가운데 어느 것을 먼저 다루겠으며 왜입니까?
  • 경영은 생성 AI 도입이 가장 빠른 분야 가운데 하나이므로, 졸업생들은 AI에 대비해야 한다는 절박한 압력을 받습니다. 금융, 마케팅, 또는 경영에서 고용주가 실제로 가치 있게 여기는 AI 기술이 현재 교실에서 학생들에게 가르쳐지는 것과 어떻게 다를 수 있을까요?

들어가며

경영학 교육에서의 AI는 AI in education의 성장하는 분야별 줄기입니다. 경영대는 생성 AI가 편재하는 미래의 인력을 위해 학생을 준비시켜야 하며, 이를 위해서는 AI 리터러시와 분야별 응용(금융, 마케팅, 경영, 경제, 기업가정신)이 모두 필요합니다. 이 연구는 AI를 교수법적·전문적 도구로 통합하는 것과 학문적 진실성, 윤리적 사용, 평가 재설계를 관리하는 것 사이의 긴장을 부각합니다.

지식베이스의 연구 속 경영학 교육에서의 AI

  • 학생이 알려준 틀들. Drummond & Dale(2026)는 영국 149명의 학생 사례 연구에 토대를 두고, GenAI를 경영 학위 프로그램 전반에 걸쳐 통합하기 위한 학생이 알려준 개념 틀을 제시합니다. 학생들은 높게 참여했고, 진로를 위한 GenAI 기술의 필요성을 인식했으며, 의도하지 않게 학문적 부정행위를 저지르지 않고 AI를 사용하고 싶어 했습니다.
  • 십 년의 연구. Espino & Espino(2026)는 2015–2024년 경영학 교육에서의 AI에 관한 213편의 글을 서지학적으로 지도화하여 네 개의 군집을 확인했습니다. AI가 이끄는 경영 교육 변혁, 혁신적 디지털 교수법, AI가 강화하는 개인화, 그리고 디지털 경제에 부합하는 경영 교육입니다. 교육과정의 정합성, 교육자의 준비도, 평가의 타당도에 지속적인 간극이 드러났습니다.
  • 건설적 정합성. Zhou et al.(2026)는 영국 경영대 한 곳에서의 GenAI 도입 사례 17건을 분석하여, 교수법적 이익과 위험 사이의 균형이 교육과정 통합의 정도에 의해 형성된다는 것을 발견했습니다. 건설적 통합이 더 나은 결과를 산출했습니다.
  • 교육과정에 관한 학생의 통찰. Rook & Plumb(2026)는 캡스톤 단위의 학부 경영학 학생 166명에게서 자료를 얻어, GenAI를 교육과정에 통합하는 것에 대한 강한 지지와 세 가지 우선 영역을 발견했습니다. GenAI 기능의 이해·최적화, 맥락에 걸친 응용 탐구, 윤리·법적 차원의 항해입니다.
  • 기억에서 모호함 속의 판단으로. Shi, Dai & Zhang(2026)는 경영 수업을 위한 세 가지 생성 AI 기제를 제안합니다. 고전 이론들을 실제 공시 자료에 대비하여 가정과 경계 조건으로 분해하는 것, 교과서 판 사이의 떠오르는 사례들을 추적하는 것, 그리고 AI 역할이 파괴적 사건과 연쇄적 결과를 생성하는 시뮬레이션입니다.
  • 조직 차원의 도입. Al-Rahmi(2026)는 TOE와 확산 모형을 사용하여(교직원 300명) 고등교육에서 AI 도입의 조직적·기술적 동인을 검토하여, 경영대와 그것의 기관이 AI 기반 의사결정 지원과 스마트 학습 플랫폼을 도입하는 방식에 관한 시사를 줍니다.
  • 경영 모의 게임 속의 대화형 도구. Wenzel, Geiger, and Liening(2026)는 경험적 기업가 학습에 쓰이는 경영 시뮬레이션 게임에서 적응적 교수 지원을 위한 AI가 강화한 대화형 도구(Lara)를 개발하고 평가합니다. 형평성 우선 설계 입장과 보편적 학습 설계에 토대를 두어, CAIS-GBL 틀은 인지적, 동기적, 정서적, 사회문화적 참여를 겨냥하며, 예비 교사와 BSG 참가자들 사이의 평가는 인지적·사회적 존재감과 자기조절 학습 지원에 대한 긍정적 인식을 보였습니다. 이는 시뮬레이션 기반 경영 교육에서 형성적 피드백을 확장하는 모델입니다.
  • 복잡한 응용 과제를 위한 에이전틱 GAI. Ilieva et al.(2026)는 전자상거래 수업을 중심으로 AGAI-HE 틀을 개발합니다. 학습 과제는 사업 모델을 비교하고, 시장과 운영상의 제약을 저울질하며, 전략적 권고를 방어하는 것을 요구합니다. 프롬프트–응답 챗봇이 잘 뒷받침하지 못하는 여러 단계의 응용 작업입니다. 130명의 학생을 대상으로 한 인식 연구에서 챗봇 지원과 에이전트 지원 모두 전통적 이러닝보다 학습 향상, 개인화, 의사결정 지원, 작업 흐름 조직에서 높게 평가되었으나, 에이전트 대 챗봇의 유의미한 차이는 없었고, 가장 강한 지지는 세 가지 양식을 모두 결합하는 데 돌아갔습니다. 경영 프로그램을 위한 읽기는, 도입이 단순한 도구 업그레이드가 아니라 AI 지원이 어떻게 순서 지어지고 통제되는가에 관한 교수설계 문제라는 것입니다(에이전틱 AI).
  • 평가와 채점 혁신은 연구가 부족합니다. Mesny, Roberge-Maltais & Galy(2026)는 네 개의 주요 경영 교육 학술지(AMLE, JME, Management Learning, IJME)에 걸쳐 20년간 평가 관련 글 58편을 조사했습니다. 대략 연 3편으로, 많은 것이 2010년과 2014년의 특별호에 실렸으며, 학습을 형성하는 데 있어 중심적 역할에 비해 평가와 채점이 연구가 부족하다는 것을 발견했습니다. 자기평가와 동료평가가 담론을 지배하며(말뭉치의 거의 절반, 주로 모둠 활동의 총괄적 평가를 위해), 진본 평가는 주로 기술이 매개하는 시뮬레이션을 통해 나타나고 종종 경험 학습과 혼동되며, 재평가와 기준 기반 채점, 그리고 비채점(ungrading)은 사실상 없습니다. 저자들은 경영 교육자들이 이러한 혁신에 더 능동적이고 상호적으로 참여할 것을 촉구하며, 프로그램 단위의 조정과 문서화된 교수학습 장학(Scholarship of Teaching and Learning) 증거로 뒷받침되는 점진적 실험(비채점 과제, 단일 과제에 대한 재평가, 기준 기반 루브릭)을 권고합니다.
  • 경영 학업의 자동 채점은 말뭉치별 검증이 필요합니다. BrandSim 시뮬레이션의 학생 마케팅 게시물 60건에 대해, Li(2026)는 LLM이 인간 평균과 ICC(2,1) = .435에만 이르렀음을 발견했습니다. 결정론적 규칙은 .091, 등가중치 하이브리드는 .266이었으며, 연구자가 작성한 앵커를 더하자 학생 점수는 전혀 바뀌지 않은 채 LLM은 .846으로 올랐습니다.
  • 1급 공정 설계 요소로서의 AI 가르치기. Jalali(2026)는 152명의 학생 수업 여섯 모듈에 걸친 BPM 생애주기 각 단계에 AI 의사결정 검사 지점을 둡니다. 학생들이 작동하는 LLM 접수 도구를 만든 뒤, 실제 병목이 2인으로 이루어진 사기 조사 대기열이라는 것을 검사 지점에서 발견하게 되는 것입니다.

경제와 경영 교육

경영학 교육에서의 AI는 핵심 학문으로서 경제와 경영을 아우릅니다. 지식베이스의 담론은 교수법적·교육과정적 차원(경영 프로그램에서 AI가 어떻게 가르쳐지고 사용되는가)과 전문 준비 차원(AI가 통합된 직장을 위한 학생 준비)에 초점을 맞춥니다. 핵심 주제는 AI 리터러시, 경영 기능에 걸친 생성 AI 응용, 윤리적·진실성 고려, 그리고 AI가 통합된 전문적 실무를 반영한 교육과정과 평가 재설계입니다.

경영학 교육에서의 AI가 중요한 이유

경영은 생성 AI 도입이 가장 빠른 분야 가운데 하나이므로, 경영대는 AI가 통합된 직장을 위해 학생을 준비시켜야 한다는 절박한 압력을 받습니다. 이 연구는 효과적인 통합이 교육과정이 이끌고 학생이 알려주는 것임을 강조합니다. AI 도구를 더하는 것이 아니라, GenAI 리터러시와 윤리적 판단, 진본적 응용이 학위 구조를 통해 짜이도록 프로그램을 재설계하는 것입니다. 이것은 경영학 교육을 지식베이스의 더 넓은 주제 — AI 리터러시, 교육자 준비, 평가 재설계, AI 시대의 교육과정 개혁 — 와 연결합니다.

경영 교수자를 위한 시사점

  • AI를 교육과정이 이끌고 학생이 알려주는 방식으로 통합하십시오. 학생이 알려준 틀과 학생의 통찰은 학생들이 진로를 위해 GenAI 기술을 원하고 의도하지 않은 부정행위 없이 AI를 사용하기를 원한다는 것을 보여줍니다. AI 리터러시와 윤리적 판단, 진본적 응용이 학위 구조를 통해 짜이도록 프로그램을 설계하십시오.
  • 교육과정을 건설적으로 정렬하십시오. 건설적 정합성 연구는 교육과정 통합의 정도가 GenAI의 이익과 위험이 어느 쪽이 우세하는지를 형성한다는 것을 발견합니다. 통합하십시오. 덧붙이지 마십시오.
  • 지속적인 간극을 다루십시오. 십 년의 연구는 교육과정의 정합성, 교육자의 준비도, 평가의 타당도의 간극을 지적합니다. 프로그램 설계에서 이를 우선시하십시오.
  • 학생을 AI가 통합된 직장에 준비시키십시오. AI 리터러시, 윤리적 사용, 분야별 응용(금융, 마케팅, 경영, 경제)을 핵심 역량으로 — 선택 과목이 아니라 — 강조하십시오.

연결된 개념들

연결된 글들

메타데이터

분야Business Education
수준Higher Ed
기술과 기법생성형 AI
교육에서의 인공지능 기초교육에서의 인공지능, 교육과정 설계
SourceHistoryEditChat

이 페이지 삽입

아래 코드를 복사하여 학습 관리 시스템이나 다른 웹사이트에 이 페이지를 삽입하세요. 삽입된 버전은 페이지 콘텐츠만 표시하며, 사이트의 헤더, 내비게이션, 푸터는 숨겨집니다.