화면 모드
Tutor에서 Trainer로
AI를 강의와 개발에 적용하면서 준비 방식과 수업 운영이 달라졌다. 현장에서 확인한 변화와 강사의 역할 변화를 정리한다.
현장에서 확인한 변화
AI를 강의와 개발에 적용한 뒤 직접 확인한 변화는 세 가지다.
- 준비 시간이 짧아졌다. 자료 조사와 초안 작성, 예제 준비에 쓰던 시간이 줄었다.
- 커버하는 범위가 넓어졌다. 같은 시간에 더 많은 주제를 다루거나, 같은 주제를 더 깊게 들어갈 수 있게 되었다.
- 수강생들의 만족도와 결과물이 올라갔다. 수업에서 다루는 내용이 늘어난 만큼 결과물의 완성도도 함께 올라갔다.
세 가지는 서로 연결되어 있다. 준비 시간이 줄어든 만큼 내용에 쓸 수 있는 시간이 늘고, 그 결과 수업에서 다루는 범위와 결과물의 완성도가 함께 올라간다.
특히 반복되는 자료 조사와 예제 준비에서 효과가 컸다. 같은 방식은 수업 준비뿐 아니라 실습 검증과 과제 피드백에도 적용된다.
줄어든 시간은 다시 수업을 위해 쓴다. 새로운 주제를 준비하거나, 수강생의 결과물을 더 꼼꼼하게 보는 데 쓴다.
AI 활용 이후의 차별점
AI 도구의 사용법은 빠르게 퍼진다. 예전에 특별했던 활용법도 곧 기본기가 된다. 그래서 조금 사용하는 것만으로는 차별점을 가지기 어렵다.
- 더 많이, 더 상세히 해야 한다. 같은 도구를 쓰더라도 준비의 깊이와 결과물의 밀도에서 차이가 난다.
- 앞으로는 수많은 인접 직군의 강사가 이 영역에 들어올 것으로 예상된다. 진입 장벽이 낮아졌기 때문이다. 다만 그렇게 품질이 높을 것 같지는 않다.
- 역설적으로 이력이 중요해진다. 실제 이력, 프로젝트 경험, 운영 경험, 문제 해결 경험이 핵심이 된다.
- 경험과 실력은 어느 방향으로든 평준화된다. 그래서 무엇을 해왔고 무엇을 해낼 수 있는지가 남는 차이가 된다.
도구 사용법이 평준화될수록, 차이는 얼마나 많이, 얼마나 상세히 해왔는지에서 나온다. 결국 이력과 경험이 차이를 만든다.
지식 전달에서 반복 설계로
AI가 지식을 찾아 주고 설명해 주는 일을 대신하면서, 강사의 역할도 달라진다. 지식 자체를 전달하는 역할에서, 반복과 피드백을 설계하는 역할로 이동한다. 수강생 입장에서는 어떤 지식을 들었는지보다, 그것을 스스로 반복해서 쓸 수 있는지가 결과를 만든다.
text
낯선 도전을 시작하게 함
→ 계속 사용하게 함
→ 노하우 체득
→ 결과 피드백
→ 실제 목표 달성이 역할을 세 가지로 나누면 다음과 같다.
- 낯선 도전 앞에서 두려워하지 않도록 안심시킨다. 처음 시작하는 단계에서 멈추지 않게 하는 일이다.
- 계속 사용하고 활용하게 하면서 노하우를 체득하게 한다. 반복이 있어야 실력이 된다.
- 그것이 실력 향상과 목표 달성으로 이어지도록 피드백한다.
즉, 우리는 이제 tutor가 아니라 trainer에 가깝다. 지식을 전달하는 사람이 아니라, 배우는 사람이 스스로 반복할 수 있게 만들고 그 과정을 살피는 사람이다.
지식은 이미 찾을 수 있다. 그래서 지식을 전달하는 일보다, 반복하게 만들고 피드백하는 일이 더 중요해진다.
지금 필요한 전환
컴퓨터가 등장하고 인터넷이 퍼진 뒤 사회가 바뀌었듯, AI라는 새로운 지식의 물결은 앞으로 10~20년을 정의할 것으로 전망된다.
이 변화는 나 자신뿐만 아니라 수강생을 위해서도 적절히 반영하고 전환해야 하는 시점이다. 도구는 계속 바뀌고, 오늘의 방법이 내일도 그대로 통하지는 않는다.
수업에서도 같은 태도가 필요하다. 도구 사용법을 알려 주는 데서 멈추지 않고, 반복해서 써 보고 스스로 검증하는 경험을 설계한다.
여기에 다른 도구를 결합하면 활용이 더 넓어진다. Hermes 같은 다른 에이전트, Discord 같은 메신저로 주고받는 알림과 호출, GitHub의 이슈·PR·Actions, 상시 켜 둔 Mac mini 같은 개인 서버, 클라우드 실행 환경이 그 예다.
하네스, 작업 분할, 검증, 비용 절약 같은 기준은 그 변화 속에서도 다시 확인할 수 있는 출발점이 될 것이다.