개념
섀도 AI
영어 페이지의 자동 번역이며, 아직 원어민의 검수를 받지 않았습니다.
섀도 AI — 기관이 승인하거나 검증하거나 심지어 목록화하지도 않은 AI 도구를 기관 내부 사람들이 사용하는 것입니다. 이 용어는 섀도 IT에서 유래했지만 대상은 다릅니다. 섀도 IT는 주로 정보 처리에서 승인된 시스템을 비승인 시스템으로 대체한 반면, 섀도 AI는 콘텐츠를 생성하고, 의사결정을 지원하고, 지식 노동을 수행하는 도구를 아우릅니다. 따라서 통제는 접근 관리에서 사용 규제로 옮겨가며, 도구를 사용하는 사람이 대개 판단을 내리는 당사자입니다.
생각해 볼 질문들
- 지난달에 교직원과 교수진이 사용한 AI 도구의 이름을 댈 수 있습니까, 아니면 구매한 도구만 댈 수 있습니까?
- 기관에서 도구를 승인받으려면 누군가 무엇을 해야 하며, 새 모델이 출시되는 일주일과 비교해 그것은 얼마나 걸립니까?
- 교사가 오늘 비승인 도구에 학생 과제를 업로드한다면, 누가 그것을 알게 됩니까? 가시적인 사고를 일으키지 않았다면 누군들 알 수 있겠습니까?
- 기관에 지침이 없는 것은 결정입니까, 아니면 개별 교육자가 여러분을 대신해 메우고 있는 공백입니까?
- 신중한 교육자가 준비 일주일을 잃지 않고 승인된 경로를 선택하게 하려면 무엇을 공개해야 합니까?
들어가며
도입 문헌은 같은 공백으로 계속 돌아옵니다. 1,960명 교직원과 교수진을 대상으로 한 EDUCAUSE의 2026년 설문에서 94%가 지난 6개월간 업무에 AI 도구를 사용한 반면, 그 사용을 안내하기 위한 정책을 알고 있는 사람은 54%뿐이었습니다. 응답자 기관의 거의 전부인 92%가 업무 관련 AI 전략을 보고했지만, 그 투자수익률을 측정하는 곳은 13%에 그쳤습니다. 절반이 넘는 56%는 기관이 제공하지 않는 도구를 사용한다고 답했습니다.
그 조합은 서류 위에 존재하는 거버넌스 표면과 다른 곳에 존재하는 관행을 묘사합니다. 사람들은 허가를 기다리지 않으며, 많은 기관에서 허가를 요청받지도 않습니다. 섀도 AI는 전략 문서와 교실 사이의 공간을 메우는 것의 이름입니다.
문헌은 도덕적 틀 짓기를 복잡하게 만듭니다. Rameskumar와 동료들은 독일의 학술 교육자 20명을 면접하여, 비공식적 사용이 숨겨진 냉소가 아니라 교육자가 전문적 용어로 스스로에게 정당화하는 관행임을 발견했습니다. Kelso와 동료들은 375명의 교육자를 설문했고, 그들은 1,373개 앱과 서비스를 언급했으며 그중 494개가 고유한 것이었습니다. Dangol과 동료들은 규칙을 작성하기 전에 AI를 지지한 미국의 한 교육구에서 교사 22명을 추적하여, 그들이 스스로 경계를 긋고 있음을 발견했습니다. 이 증거에 따르면 섀도 AI는 제공 공백을 내부에서 본 모습입니다.
왜 일어나는가
근접 원인은 대개 지침의 부재입니다. 독일 연구의 교육자들은 없거나, 너무 일반적이거나, 파편화되어 있거나, 구체적 교수 상황과 동떨어진 규칙을 묘사했습니다. 한 사람은 무엇이 허용되고 허용되지 않는지 아무도 알려 주지 않았다고 분명히 말했습니다.
구조적 원인은 속도입니다. 조달 주기와 정책 위원회는 기관의 속도로 움직이고, 모델 출시는 공급업체의 속도로 움직입니다. 동료가 월요일에 시연한 도구가 금요일에는 사용 중일 수 있으며, 그것을 잡았을 승인 절차는 아직 열리지도 않았습니다.
동기적 원인은 유용성이며, 격차가 큽니다. ASU 설문에서 교육자가 도구 선택 이유로 든 선택지 중 교수법적 유용성이 213건, 기능적 편리성이 155건, 접근성이 187건, 비용이 164건이었습니다. 보안은 375명 중 24명이 언급했습니다. 발견은 조달이 아니라 사람을 통해 이루어졌습니다. 290명이 전문적 동료에게서, 141명이 관리자에게서, 100명이 검색에서, 100명이 광고에서 도구를 알게 되었습니다.
비용과 접근은 따로 한 줄을 둘 가치가 있습니다. 무료 등급은 많은 교육자가 도구를 써 볼 수 있게 하는 이유이자, 기관이 그 시도를 볼 수 없는 이유입니다. 승인된 대안이 대기자 명단이 있는 라이선스 좌석이라면, 무료 도구는 그날 오후 교사가 측정하는 유일한 기준에서 이깁니다.
교육자는 어떻게 그것을 정당화하는가
독일 연구의 기여는 횟수가 아니라 순서입니다. 교육자는 먼저 사용이 전문적 역할에 맞는지로 분류했습니다. 자료 준비, 내용 조직, 예시 생성은 역할 지원으로 쳐졌고, 이메일 문안 작성은 역할 밖에 놓였으며, 학생의 사고를 대체하는 산출물 만들기는 문제가 되었습니다. 다음으로 효율성을 끌어들였는데, 시간 절약은 그 자체로 충분한 정당화로 다루어졌습니다. 여기에 가치가 더 빠르기만 한 것이 아니라 자료가 더 낫거나 더 다양하다는 가치 주장을 보탰습니다. 그리고 책임의 수순으로 마무리했습니다. 도구는 중립이고, 교육자가 결정하며, 학생에게 도달하는 것에 대해 교육자가 계속 책임진다는 것입니다.
마지막 단계가 기관이 연구해야 할 단계입니다. 또한 금지가 무의미하게 느껴지게 만드는 단계이기도 합니다. 그것을 적용하는 사람은 이미 자신이 판단을 행사했다고 믿기 때문입니다. 논문은 이를 회피가 아니라 도덕적 정당화로 읽으며, 이는 단순한 불복종보다 더 불편한 발견입니다.
그 대가
ASU 설문은 피해 쪽에 구체적 숫자를 줍니다. 375명 교육자 중 167명이 프라이버시나 보안을 침해하는 행동을 겪고 앱을 삭제했으며, 그중 108명은 K-12에 속했습니다. 그러나 데이터가 팔리거나 공유될까 우려한 62명은 워크플로 의존을 들어 도구를 계속 사용했습니다. 관리자들은 16가지 심각한 우려를 언급했는데, 데이터 유출과 프라이버시 침해가 선두였습니다.
통합은 노출이 누적되는 곳입니다. K-12 교육자는 341개 앱을 기관 시스템에 연결했고 고등 교육 교육자는 116개를 연결했으며, 그 앱 대부분은 계정 프로비저닝을 요구했습니다. K-12 교육자의 거의 3분의 1인 30.3%가 비승인 사용을 다루는 기관 정책을 알고 있었고, 22명은 위반을 인정했습니다.
프라이버시 문제는 개인적이 아니라 구조적입니다. 학급 명단, IEP, 징계 기록을 받는 도구는 기관이 승인하지 않았고 감사할 수 없으며, 유출 통지가 도착해야만 알 수 있는 기록을 만들어 냅니다.
교사들이 실제로 하는 일
교육구 연구는 부주의한 도입자라는 이미지에 대한 가장 유용한 교정입니다. 그곳 교사들에게는 교육구 전체 플랫폼 MagicSchool AI가 있었지만, 여전히 ChatGPT와 Gemini 같은 범용 시스템을 사용했습니다. 그들의 경계는 교수법적이었습니다. 한 교사는 성장 작업 중에는 AI를 허용하고 숙달 단계에서는 거두어들여, 학생들이 도움 없이 기술을 시연하게 했습니다. 한 특수 교육 교사는 4학년 학생에게 저자됨을 심문하는 법을 가르치며, 바꿔 쓰기는 허용하고 아이디어 생성은 허용하지 않았습니다.
목소리와 프라이버시가 뒤따랐습니다. 교사들은 자료가 여전히 자신의 것처럼 들리도록 산출물을 다시 썼고, 사실을 교차 확인했으며, 생성 텍스트를 권위가 아니라 다수 출처로 다루었습니다. 학생 이름을 삭제하고 교육구 계정을 의도적으로 사용하여, 사용이 문제 제기될 경우 감사받을 수 있게 했습니다. 그것은 감사 추적이 있는 협업적 의미 만들기이며, 컴플라이언스 보고서가 대개 포착하는 것보다 거버넌스 사무국이 원한다고 말하는 것에 가깝습니다.
이 즉흥의 비용은 고르지 않게 떨어집니다. 시간, 자신감, 동료 지원이 있던 교사는 관행을 구축했고, 그것이 없는 학교의 교사는 그러지 못했습니다. 인력 배치 격차로 시작하는 형평성 격차는 학생에게 무엇을 요구하는지의 차이로 끝납니다.
기관이 할 수 있는 일
첫 번째 수는 비공식 경로를 닫는 것이 아니라 승인된 경로를 공개하는 것입니다. 교육구 연구의 교사들은 규칙, 검증된 도구 목록, 예시, 시간을 요청했으며, 그 요청 중 어느 것도 새 플랫폼을 요구하지 않습니다.
두 번째는 경로를 짧게 하는 것입니다. MindRouter와 Fontys 게이트웨이는 둘 다 승인이 조달 행사가 아니라 라우팅 결정인 모델을 보여 줍니다. 승인된 모델은 지역, 비용, 대안을 명시한 모델 카드와 함께 게이트웨이에 나타나며, 교사는 당일에 사용할 수 있습니다. 기관 AI 인프라가 그것을 가능하게 하는 것이며, 그것의 부재가 섀도 AI를 이루는 재료입니다.
세 번째는 구매 주문서에 도달하지 않은 지출을 포함해 무엇이 지출되고 사용되는지 측정하는 것입니다. EDUCAUSE의 13% ROI 수치는 대부분의 기관이 현재 승인된 도구가 좌석 값을 하는지 답할 수 없음을 시사하며, 그 결과 그 도구를 위한 논거는 권위에만 기대게 됩니다.
네 번째는 AI 리터러시를 교육과정 부가물이 아니라 통제로 다루는 것입니다. 데이터 정책을 읽고, 공급업체의 보존 조건을 알아보고, 학생 이름을 삭제할 수 있는 교사는 어떤 승인 양식도 대체하지 못하는 위험 관리를 하고 있습니다.
실천을 위한 함의
교수개발 담당자는 조달이 아니라 교수의 언어로, 실제 사례와 함께 승인된 경로를 공개할 수 있습니다. 교육구 연구의 교사들은 규칙, 검증된 목록, 예시, 시간을 요청했습니다. 어느 것도 새 플랫폼을 요구하지 않습니다. 일주일이 걸리는 승인 경로는 새 모델이 출시되기에 충분히 길므로, 유용한 목표는 며칠입니다.
교수자는 그 연구의 신중한 사용자들이 이미 가지고 있던 습관을 도입할 수 있습니다. 무엇을 붙여넣기 전에 학생 이름을 삭제하고, 기록이 감사될 수 있도록 기관 계정을 사용하며, 생성 텍스트를 인용할 권위가 아니라 확인할 초안으로 다루십시오.
행정가는 구매 주문서에 도달하지 않은 지출을 측정하고, 비승인 사용을 충족되지 않은 필요에 대한 보고서로 읽을 수 있습니다. 라이선스 도구에 대기자 명단이 있어 무료 도구가 이긴다면, 도입 문제는 대기열입니다.
IT와 정책 담당자는 승인을 라우팅 결정으로 바꿀 수 있습니다. 승인된 모델을 지역, 비용, 대안과 함께 나열하는 게이트웨이는 교사가 당일에 시작하게 하며, 이는 사용을 형성하는 거버넌스와 사후에 기록하는 거버넌스의 차이입니다.
학과장은 일부 교사에게는 경계를 발전하게 하고 다른 교사에게는 그러지 못하게 한 동료 지원을 구축할 수 있습니다. 인력 배치로 시작하는 격차는 학생에게 무엇을 요구하는지의 차이가 됩니다.
흔한 오해
"섀도 AI는 이름만 바뀐 섀도 IT다." 독일 연구가 구별을 긋습니다. 섀도 IT의 위험은 인프라에 붙지만, 섀도 AI의 위험은 콘텐츠, 판단, 그리고 무엇이 생산되었는지의 기록에 붙습니다.
"금지하면 끝난다." ASU 설문에서 K-12 교육자의 30.3%가 정책을 알고 있었고 22명은 위반을 인정했습니다. 승인된 대안 없는 금지는 사용이 일어나는지 여부가 아니라 어디서 일어나는지를 바꿉니다.
"이것은 학생 문제다." 여기의 모든 연구는 교육자에 관한 것입니다. 준비, 채점, 소통, 번역입니다. 학생 이야기도 실제이지만, 관리자 권한이 붙어 있는 쪽은 그쪽이 아닙니다.
"인식 제고 훈련이 해결한다." 94%가 도구를 사용했고 54%가 정책을 알았으며, 40포인트 격차는 사람들에게 알린다고 해서 좁혀지지 않았습니다. 그것을 좁히는 것은 승인까지의 경로가 짧은, 사용 가능한 대안입니다.
연결된 리소스
섀도 AI를 직접 다루는 자료가 세 건 있지만 여기서는 수집할 수 없습니다. 폐쇄 접근 연구 두 건과 업계 기사 한 건입니다. 이들은 수집하는 대신 링크만 걸어 두었으므로, 여기의 어떤 주장도 그 발견에 의존하지 않습니다.
-
Beyond Curiosity: Habit and Organizational Learning Capability as Predictors of Shadow AI — Lovett와 Yang, Computers in Human Behavior, 논문 109243, 2026년 11월. 최근 직장에서 AI를 사용한 사람들을 대상으로 한 설문 증거로, 습관이 상대적 중요도 가중치에서 가장 컸고 도구에 대한 개인 결제가 섀도 AI 상승과 연관되었습니다.
-
Shadow AI Isn't a Threat: It's a Signal — Damien Eversmann, Campus Technology, 2026년 2월. 비승인 사용은 충족되지 않은 필요를 보고한다는 실무자의 논증입니다. 교수진이 수업안을 작성하고, 연구자가 학과 카드로 클라우드 GPU를 띄우고, 직원이 민감 데이터를 소비자용 도구에 붙여넣는 것은 승인된 경로가 더 느렸기 때문입니다.
-
Shadow AI, Human Oversight, and Institutional Trust: A Socio-technical Model of Responsible AI Governance in the Public Sector — Jonathan과 동료들, Springer, 2026. 공공 부문 직원 214명에 대한 PLS-SEM으로, 섀도 AI를 거버넌스 조건과 책임 있는 사용을 잇는 기제로 다룹니다.
연결된 개념
연결된 문서
- The Impact of AI on Work in Higher Education
- How Is Shadow AI Legitimized in Higher Education? A Qualitative Study Among Academic Educators in the Absence of Institutional Guidance
- 'It's not approved, but many, like myself, ignore the rule': Investigating the Landscape and Consequences of Unauthorized Technology Use in Educational Institutes
- Relief or displacement? How teachers are negotiating generative AI's role in their professional practice
- AI Intrapreneurship: Educators as Frontline Innovators in the Age of Generative AI