AI가 일상이 된 직업을 위해 학생은 무엇을 배워야 할까요?

영어 페이지의 자동 번역이며, 아직 원어민의 검수를 받지 않았습니다.

학생이 묻습니다. 챗봇이 이미 하는 일을 왜 배워야 하느냐고. 프로그램 자문 위원회는 고용주들이 직장에서 AI를 쓸 수 있는 졸업생을 원한다고 말합니다. 여러분의 교과 과정은 둘 다 만족해야 하는데, 어느 쪽도 졸업생이 도움 없이 무엇을 할 수 있어야 하는지는 말하지 않았습니다.

동료에게 줄 짧은 답은 이렇습니다. 도구 조작이 아니라 전문 과제 전체를 가르치고, 지원된 산출물과 학생의 독립적 역량을 둘 다 평가하십시오. 증거는 준비도를 학문 지식에 판단과 검증과 전이를 더한 것으로 다루는 것을 지지하며, 어떤 기술 목록도 고용의 보장으로 지지하지 않습니다. 미국 대학 교수자 500명과 고용주 패널을 맞세운 설문에서 두 집단이 AI 관련 기술 26개 중 정확히 하나, AI 증강 업무에 대한 현실적 기대 설정의 중요성에만 합의했습니다. 교수자들은 비판적이고 책임 있는 사용에 무게를 두었고, 고용주들은 워크플로, 자동화, 인간-AI 팀워크에 무게를 두었습니다(Fried, 2026). 그것은 보고된 우선순위이지 채용 증거가 아닙니다. 교과 과정에 더 날카로운 발견은 다른 곳에 있습니다. 졸업반 학생 455명 설문에서 AI 리터러시는 주로 진로 적응성을 높여 지각된 고용 가능성에 도달했고, 간접 효과는 β = 0.173, 직접 효과는 β = 0.447이었습니다(Hendrawan과 Lestari, 2026). 적응성은 가르칠 수 있는 역량입니다. 도구 팁은 그렇지 않습니다.

간략한 버전

1. 역량을 졸업생이 도움 없이 무엇을 할 수 있는지에 관한 주장으로 쓰고, 그 옆에 지원된 버전을 덧붙이십시오.

2. 완전한 과제를 여섯 부분으로 가르치십시오. 문제 규정, 지식, 위임, 검증, 소통, 적응입니다.

3. 산출물과 판단을 따로 평가하고, 독립적 확인을 비례에 맞게 하십시오.

4. 독립적 연습이 일을 하고 있는 곳에서는 그것을 유지하고, 교과 과정에 그 이유를 밝히십시오.

5. 프로그램을 평가할 때 즉각적 성과와 이후 성과를 구별하십시오.

6. 진로 불안을 실제 우려로 다루고, 예측이 아니라 탐구로 답하십시오.

고용주와 교수자가 각각 강조하는 것

Ithaka S+R의 보고서는 미국 4년제 대학 교수자 500명에게 일곱 범주를 아우르는 틀의 기술 26개를 평가하게 하고, 그 평가를 틀의 저자들이 조사한 고용주 패널과 비교했습니다. 불일치는 무작위가 아니라 체계적입니다. 교수자들은 AI의 한계, 출처 표시, 인간 책무성을 최상위에 두었고, 고용주들은 워크플로 설계, 자동화, 인간-AI 팀워크를 더 높게 두었습니다.

그 격차에 대한 두 가지 해석이 유혹적이고 둘 다 틀렸습니다. 첫째는 교수자들이 노동 시장보다 뒤처졌다는 것입니다. 둘째는 고용주들이 순응을 원한다는 것입니다. 더 유용한 해석은 각 집단이 같은 일의 서로 다른 절반을 기술하고 있다는 것이며, 한쪽 절반만 할 수 있는 졸업생은 둘 다에 대해 준비가 부족합니다. 결과가 왜 틀렸는지 설명하지 못하는 학생은 워크플로를 신뢰하는 고용주에게 쓸모가 없고, AI 출력을 비판만 할 수 있는 학생은 과제 완수를 필요로 하는 고용주에게 쓸모가 없습니다.

이 증거의 한계가 중요합니다. 이것은 설문에서 나온 진술된 우선순위이며, 보고서는 어떤 교과 과정이 더 나은 채용, 더 나은 성과, 더 나은 임금을 낳는다는 것을 보여 주지 않습니다. 보고서가 주는 것은 학생이 AI 지원 워크플로를 이야기만 하는 것이 아니라 완수하고 확인하는 일을 실제로 연습하는지 물을 방어 가능한 이유입니다.

완전한 전문 과제를 가르치십시오

적어 둘 만한 교과 과정 질문은 이렇습니다. 유능한 초심자가 이 상황에서 무엇을 하고, 설명하고, 검증해야 하는가? 그다음 과제를 여섯 부분으로 구성하십시오.

문제를 규정하십시오. 목표, 독자, 제약, 이용 가능한 증거, 틀렸을 때의 비용을 식별합니다. 불충분하게 규정된 요청을 알아보지 못하는 학생은 그것을 모델에 넘기고 돌아오는 것을 그대로 받아들입니다.

학문 지식을 가져오십시오. 학생은 결과를 검사할 만큼의 이해가 필요합니다. 사례를 해석하고, 그럴듯한 답을 어림하고, 오도하는 비교를 알아차리고, 빠진 것을 찾아내는 것입니다. 모든 독립적 연습을 관성적 요구로 취급하지 말고 그 기준선을 명시하십시오.

의도적으로 위임하십시오. 어느 단계를 AI가 도울 수 있고 어느 단계가 독립적 작업이나 전문적 승인을 필요로 하는지 정하고, 그 이유를 말할 수 있게 하십시오. 일상적 문구의 초안을 쓰는 일과 중대한 기록이 무엇을 말해야 하는지 결정하는 일은 책무성이 다른 서로 다른 책임입니다.

증거에 비추어 검증하십시오. 계산, 주장, 출처, 가정, 요구사항 준수를 확인합니다. 학생에게 확인이 그 질문을 어떻게 해결했는지 기록하도록 가르치십시오. 같은 모델에게 확실한지 물어보는 것은 아무것도 해결하지 못하며, 검증 실천이 바로 그 점을 직접 발전시킵니다.

소통하고 협업하십시오. 동료, 고객, 상사에게 결정을 설명합니다. 무엇이 바뀌었는지, 무엇이 여전히 불확실한지, 언제 다른 사람이 개입해야 하는지입니다. AI 지원 업무에도 여전히 독자와 책임의 연쇄가 있습니다.

적응하고 전이하십시오. 다른 도구나 새로운 제약으로 비슷한 과제를 반복한 뒤, 무엇이 여전히 유용했고 무엇이 바뀌어야 했는지 물으십시오. 이것이 적응성을 졸업생 속성의 형용사가 아니라 관찰 가능한 것으로 만듭니다.

기존 강좌 과제에 통합하십시오

이것들은 연구 주제를 변형한 것이지 검증된 고용 중재가 아닙니다.

작문과 비즈니스 커뮤니케이션에서는 학생이 고객 불만에 대한 AI 초안 답변을 비판하고 수정하게 하십시오. 역량의 증거는 뒷받침되지 않는 약속을 이름 붙이고, 독자 선택을 설명하고, 최종 문구를 방어하는 것입니다.

양적 강좌에서는 현실적인 기획 문제에 대한 AI 산출 추정치로 같은 일을 할 수 있습니다. 학생이 자기 추정치를 만들고, 가정을 밝히고, 그럴듯함을 시험합니다.

스프레드시트나 컴퓨팅 강좌에서는 생성된 수식과 합성 데이터를 나눠 주고, 시험 사례, 참조에 대한 설명, 실패 조건 하나를 요청하십시오.

보건 전문직에서는 학생이 가상 사례에 대한 생성된 설명을 승인된 출처에 비추어 평가하고, 그 한계를 이름 붙이고, 언제 자격 있는 전문가가 결정해야 하는지 말하게 하십시오.

진로 탐색에는 그 나름의 버전이 있습니다. 신뢰할 만한 직업 정보를 사용해 두 직업의 과제 구성을 비교한 뒤, 구체적인 기술 개발이나 도움 요청 단계 하나를 계획하십시오.

비동기 수업에서는 최초 시도, 짧은 검증 기록, 중대한 결정 하나에 대한 두 문장 메모를 요청하십시오. 실험이나 세미나에서는 설명이 대화로 이루어질 수 있습니다. 대안이 기밀 직장 데이터나 학생 데이터라면 언제나 합성 자료나 승인된 자료를 사용하십시오.

지원된 수행과 개인적 이해를 평가하십시오

세련된 산출물은 허용된 조건에서 무엇이 생산되었는지 알려 줍니다. 학생이 무엇을 할 수 있는지는 알려 주지 않습니다. 비례에 맞는 독립적 확인을 더하십시오. 결정을 설명하기, 오류를 고치기, 바뀐 조건에 맞춰 작업을 적응시키기, 기초 하위 과제 하나를 도움 없이 수행하기입니다.

그 요구사항은 명시된 역량을 지지하기 때문에 고르고, 각 평가가 무엇을 재는지 밝히십시오. 학생은 독립적 연습이 자신이 준비되는 것과 연결될 때 그것을 받아들입니다. "언젠가 필요할 것이다"는 그 계산이 나중에 잘못된 추정을 잡아내게 해 주는 것임을 보여 주는 것보다 일을 덜 합니다.

지원 쪽에도 나름의 위험이 있습니다. Shojaei 등(2026)은 설문 모형에서 GenAI 사용이 GenAI 의존과 정적으로 연관되고, 의존은 비판적 사고와 고용 가능성 모두와 부적으로 연관된다고 보고했습니다. 그것은 인과 주장이 아니라 연관이며, 설계 질문을 가리킵니다. 지원된 수행만 평가하는 강좌는 자신이 보고하는 의존을 훈련하고 있을 수 있습니다.

프로그램 검토에서는 측정치를 분리하십시오. 강좌 수행, 입증된 AI 리터러시, 인턴십 지도자 평가, 고용 상태, 일자리 질은 시간 지평이 다른 서로 다른 성과이며, 단일 중재가 그것들 모두를 세울 수는 없습니다. AI 리터러시 증거 페이지는 중재 연구가 실제로 지지하는 것의 정직한 목록입니다.

확실성을 약속하지 않고 진로 불안을 다루십시오

학생들은 실제 두려움을 가지고 옵니다. 그에 관한 설문 문헌은 노동 시장의 예측이 아니라 두려움에 대한 기술입니다. Duan 등(2026)은 AI 불안이 진로 결정을 직접 그리고 부적으로 예측한다고 보고했으며, 그것은 일자리에 관한 것이 아니라 결정 마비에 관한 발견입니다. 웰빙의 그림은 더 넓은 증거를 다룹니다.

도움이 되는 것은 학생이 행동할 수 있는 규모의 탐구입니다. 이 역할에는 실제로 어떤 과제가 있는지, 한 주가 어떻게 흘러가는지, 내가 무엇을 할 수 있어야 하는지, 누가 알려 줄 수 있는지입니다. 진로 서비스, 동문, 취업 지원 인력이 그 정보를 가지고 있습니다. 도구 시연, 교수자의 인상, 공급업체의 발표는 노동 시장 예측이 아니며, 그것을 예측으로 제시하는 것이 나중에 확인해 보는 학생들과의 신뢰를 프로그램이 잃는 방식입니다.

여러분에게 돌아올 말

"학생들은 프롬프트만 잘 쓰면 됩니다." 프롬프팅은 여섯 부분 중 하나의 한 조항입니다. 잘 규정된 요청은 나쁜 결과를 알아보는 데 필요한 지식을 공급하지 않으며, Ithaka 패널의 고용주들도 프롬프트 기술을 최우선으로 두지 않았습니다.

"직장에서 AI를 허용한다면 교과 과제에서도 허용해야 합니다." 강좌는 책임 있는 사용을 가능하게 하는 역량도 기릅니다. 각 과제에서 둘 중 무엇을 평가하는지 밝히면, 그 반론은 모순이 아니라 설계 질문이 됩니다.

"도구가 너무 빨리 바뀌어서 이런 것을 가르칠 수 없습니다." 도구별 조작은 도움이 되는 곳에서 가르치고, 지속되는 실천을 평가하십시오. 문제 규정, 확인, 시험, 기록, 소통, 에스컬레이션입니다. 위의 증거는 그 실천에 관한 것이며, 어느 것도 어떤 모델이 현재인지에 달려 있지 않습니다.

"AI 리터러시 강좌가 취업 전망을 개선할 것입니다." 매개 결과가 여기서 주의할 점입니다. AI 리터러시는 직접 그리고 적응성을 통해 지각된 고용 가능성에 도달했고, 지각된 고용 가능성은 채용 제안도, 성과 평가도, 급여도 아닙니다. 설문 설계는 자신감 있는 학생이 모든 항목에서 자신을 더 높게 평가한다는 가능성을 배제하지 못합니다.

이번 주에 할 일

1. 여러분의 프로그램 졸업생이 실제로 마주할 과제 하나를 골라, 그 여섯 부분을 다섯 줄로 적으십시오.

2. 현재 평가가 실제로 재는 부분과 가정만 하는 부분을 표시하십시오.

3. 기존 과제에 독립적 확인을 하나 더하십시오. 설명된 결정, 고쳐진 오류, 도움 없이 수행한 하위 과제입니다.

4. 그 확인이 어떤 역량을 위한 것인지 과제 지침에서 학생에게 알리십시오.

5. 강좌의 어떤 과제가 지원된 수행만 평가하는지 확인하고, 그것이 의도된 것인지 정하십시오.

다음으로 갈 곳

진로 개발과 준비도는 고용 가능성, 적응성, 인력 증거에 관한 개념 페이지이고, AI 리터러시는 리터러시가 도구 조작을 넘어 무엇을 뜻하는지 다룹니다. 특정 강좌에 그것을 넣는 일은 AI 리터러시 통합과 교수진에게 필요한 역량을 보십시오.

지원된 수행과 독립적 수행을 구별 가능하게 만드는 평가 설계는 AI 시대의 평가 재설계와 AI 채점을 보십시오. 지원이 의존이 되지 않게 하는 방법은 과잉 의존 줄이기를 보십시오.