대학교 밖의 교육 혁신과 AI 시대의 일자리

URL: https://www.youtube.com/watch?v=vZSfxf8cSbE
날짜: 2026-09-05
채널: B_ZCF

---

📌 핵심 질문 / 이 영상이 다루는 핵심 논점

==AI가 일자리를 단순히 없애는지보다, 교육·평가·채용을 얼마나 빠르게 다시 설계하느냐가 더 중요한 질문이다.== 대학 학위의 신호가 약해지는 시대에는 AI를 실제로 활용해 만든 작업물과 의사소통·협업·창의성·비판적 사고 같은 지속 가능한 역량(durable skills)이 새로운 자격 증명이 된다.

• 같은 자원으로 세 배의 일을 할 수 있다면 해고가 아니라 더 많은 교육과 서비스를 제공해야 한다.
• 연구 논문과 객관식 시험만으로는 학생의 실제 이해도와 업무 역량을 확인하기 어렵다.
• 산업계·정부·비영리 부문은 지역별 실업과 사회적 혼란이 커지기 전에 재교육과 새로운 채용 신호를 확장해야 한다.

Sal Khan은 AI를 두려워하지 말고 업무에 직접 적용하라고 권하지만, 낙관론만으로 일자리 충격(job shock)을 넘을 수 있다고 보지는 않는다. Khan Academy의 AI 튜터와 평가 실험, TED·ETS와 함께 추진하는 Content Institute는 학문적 기초·실제 프로젝트·인간적 역량을 결합해 대학과 채용의 연결 방식을 바꾸려는 시도다.

1. AI가 바꾸는 기술기업과 교육의 출발점

1.1. "AI를 더 많이 써라"가 된 기술기업

1. 기술기업의 업무 구조가 근본적으로 변한다

   1. 소프트웨어 엔지니어링(software engineering), 디자인(design), 제품 관리(product management)를 포함한 기술기업 전반에서 AI 사용이 선택 사항이 아니라 운영 방식이 되고 있다.
   2. "AI를 더 많이 써라. AI를 더 많이 써라"라는 요구는 Khan Academy에도 그대로 적용된다.

2. Khan Academy의 규모가 AI 교육 실험의 배경이 된다

   1. Sal Khan이 운영하는 Khan Academy에서는 매년 약 1억 명이 학습한다.
   2. Sal Khan은 세계 최초의 AI 튜터들 가운데 하나를 만든 인물이며, AI 시대에 사람들이 어떻게 재교육(reskill)해야 하는지 오랫동안 고민해 왔다.
   3. 같은 자원으로 세 배의 일을 할 수 있다면 실제로 세 배의 일을 해야 하며, 생산성 향상 자체가 해고의 촉매제가 되어서는 안 된다는 원칙을 제시한다.
   4. 자동화로 기존 업무가 사라지는 사람이 생기더라도 더 나은 급여의 새로운 역할을 제공하는 방향을 지향한다.

1.2. 대학 입시가 AI 시대의 평가로 이동한다

1. Brave New Words에서 Job Shock로 문제의식이 이동한다

   1. 2023년에 쓴 Brave New Words는 AI와 교육을 다루면서, 출간 직후 세상이 바뀌어 책이 낡아질 수 있다는 걱정을 품고 있었다.
   2. 시간이 지나도 AI가 사람을 평가하는 방식을 넓힌다는 문제는 여전히 중요하며, AI 강사뿐 아니라 면접과 구술시험(oral exam) 같은 평가 방식이 현실에 들어오고 있다.
   3. 현재 집필 중인 Job Shock는 과거의 낙관론보다 커진 일자리 불안을 정면으로 다룬다.

2. Caltech의 입학 평가가 작성자와 이해도를 함께 확인한다

   1. Caltech 입학처장은 지원자들이 제출한 연구 논문 중 어떤 것이 진짜인지, 학생이 직접 작성했는지 판단하기 어려운 사례가 많다고 전했다.
   2. Caltech는 AI를 활용한 구술시험으로 학생이 제출물의 내용을 실제로 이해하는지 평가하기 시작했다.
   3. 명문대 입학이라는 높은 이해관계(high stakes)의 영역에서도 AI는 이미 평가 도구로 쓰이고 있다.

1.3. KIGO와 Khanmigo의 교실 실험

1. 초기 AI 튜터는 요청을 기다리는 도구였다

   1. Khan Academy는 교실에 KIGO, 즉 Khanmigo로 알려진 AI 튜터를 출시해 많은 학생에게 유용한 결과를 얻었다.
   2. 초기 1.0 버전 AI는 학생이 무엇을 요청해야 하는지 알고 명령을 내려야만 반응했다.
   3. 일부 학생은 AI에게 무엇을 어떻게 물어봐야 하는지 몰랐고, AI가 있다는 사실만으로 학습이 자동으로 촉진되지는 않았다.

2. 다음 버전은 학습을 촉진하는 능동적 튜터를 지향한다

   1. 새 버전은 단순히 AI를 제공하는 데 그치지 않고 학생에게 동기를 부여하고, 더 많은 연습 기회를 만들며, 교사가 학습 과정에 참여하도록 설계된다.
   2. AI의 가치는 답변 생성 자체보다 학생·교사·연습의 관계를 개선하는 데서 커진다.

2. Job Shock가 제기하는 자동화와 사회적 충격

2.1. 낙관론에서 불안으로 바뀐 출발점

1. 기술 발전의 혜택만으로 미래를 설명할 수 없다

   1. 산업혁명 뒤 일자리가 늘었다는 사실만 근거로 AI 전환도 괜찮을 것이라고 말할 수는 없다.
   2. 산업혁명 시대에는 많은 전쟁이 있었고, 20세기는 가장 피비린내 나는 세기였으며, 공산주의를 비롯한 여러 사회 실험도 진행됐다.
   3. 과거 변화의 결과가 모두 잘 진행된 것은 아니므로, AI 전환에도 사전 계획과 사회적 대비가 필요하다.

2. 다음 세대의 준비가 구체적인 가족 문제로 다가온다

   1. Sal Khan의 큰아들은 미국식 기준으로 고등학교 2학년(junior)이며, 4~5년 뒤에도 영향력을 유지하려면 무엇에 관심을 가져야 하는지가 현실적인 질문이 된다.
   2. 개인의 학습뿐 아니라 사회 전체가 어떤 역량을 가르치고 어떻게 적응할지를 결정해야 한다.

2.2. Waymo와 필리핀 콜센터가 보여주는 일자리 전환

1. 자동운전과 생성형 AI가 일자리의 시간표를 앞당긴다

   1. Sal Khan은 재교육을 논의하기 위해 오래된 대학 친구이자 유명 벤처캐피털리스트의 Los Altos 집을 찾았다.
   2. 운전 중 샌프란시스코 곳곳을 다니는 Waymo 차량을 보고 "나는 미래에 살고 있구나"라고 생각했지만, 곧 자동화의 편리함 뒤에 있는 사람들의 문제를 마주했다.
   3. Waymo의 공동 CEO Tekedra Mawakana를 TED에서 인터뷰한 뒤, Waymo가 많은 사람의 삶을 바꿀 만큼 편리하다는 점과 일자리 충격이 동시에 존재한다는 점을 확인했다.

2. 콜센터 자동화는 국가 경제 전체와 연결된다

   1. 친구의 포트폴리오 회사는 생성형 AI(generative AI) 솔루션으로 콜센터 업무 인력의 약 80%를 자동화했다.
   2. 필리핀의 해당 콜센터에는 수백 명에서 수천 명이 일하는 것으로 보였고, 친구는 언젠가 회사 이익의 1%를 재교육에 투자할 수 있겠다고 말했다.
   3. 측정 방식에 따라 필리핀 GDP의 5~7%가 콜센터 중심의 비즈니스 프로세스 아웃소싱(BPO)과 직접 관련되어 있다.
   4. 이 자동화가 향후 3~5년의 추세가 될 가능성이 높다면, 대규모로 영향을 받을 사람들에게 무엇을 제공할지가 핵심 정책 문제가 된다.

3. 차량공유 운전자는 자동화 논쟁의 빙산 일부다

   1. 뉴올리언스에서 Uber 운전사로 일하는 삼촌은 운전이 가장 선호하는 직업이 아니라 선택 가능한 마지막 일자리인 경우가 많다는 점을 상징한다.
   2. 차량공유 서비스가 사라지면 삼촌 같은 사람들이 무엇을 할지 답하기 어렵다.
   3. 운전·콜센터뿐 아니라 Silicon Valley에서 소프트웨어 엔지니어링, 제품 관리, 디자인 역할이 통합될지, 더 많이 채용할지 덜 채용할지가 함께 논의된다.

2.3. 변화 속도와 정치적 위험

1. 5~10년은 느리면서도 매우 짧은 시간이다

   1. Waymo가 지금의 운영 체계를 만드는 데 약 10년이 걸렸고, 샌프란시스코에서 일반적으로 보이기 시작한 시점도 최근이다.
   2. AI 낙관론자가 예상하는 속도보다는 느리더라도 5~10년 안에 운전 일자리에 상당한 변화가 나타날 수 있다.
   3. 그 시간은 자녀가 고등학교에 가거나 대학에 지원하기 전의 시간이라서 한 세대의 진로 결정과 겹친다.

2. 일자리 상실은 성별·정치·지역 문제로 번질 수 있다

   1. 운전은 전 세계적으로 남성 비율이 높은 고용 분야이며, 여성 운전자도 있지만 남성 고용과 특히 강하게 연결되어 있다.
   2. 일자리를 찾지 못한 남성이 분노하고 여성도 불안해지면 정치적 양극화와 극단주의가 커질 수 있다.
   3. 앞으로 4~5년 안에 실질적인 사회적 혼란이 나타나고, 사회가 사람들을 어떻게 재교육할지 고민하게 될 가능성이 있다.

3. 소득 보장보다 기여할 수 있는 역할이 중요하다

   1. Sal Khan은 보편적 기본소득(universal basic income)에 선호를 보이지 않으며, 사람들이 자신이 사회에 기여하고 있다는 느낌을 가져야 한다고 말한다.
   2. 보편적 기본노동(universal basic work)처럼 의미와 참여를 제공하는 대안을 포함해 창의적인 사회 설계가 필요하다.

3. 직업의 소멸보다 직무의 융합이 먼저 온다

3.1. Khan Academy의 350명 팀과 생산성 불안

1. AI 도입이 곧바로 해고를 뜻하지는 않는다

   1. Khan Academy 팀은 약 350명이고, 그중 3분의 2가 제품 담당자(product people)다.
   2. 팀에는 AI를 더 많이 사용하라는 지시가 내려가며, Anthropic은 Khan Academy를 AI 도구를 적극적으로 도입한 조직 중 최상위권으로 평가했다.
   3. 팀원들은 생산성이 세 배가 되면 인력의 3분의 2를 해고해야 하는 것 아니냐고 불안해한다.
   4. Sal Khan은 Khan Academy가 대형 고등학교 정도의 예산으로 운영되며, 같은 자원으로 세 배의 일을 할 수 있다면 실제로 세 배의 교육·콘텐츠·서비스를 만들 것이라고 답한다.

2. 재정이 해고의 직접 원인이 될 수 있다

   1. 기부금(philanthropy)이나 자체 수익(earned revenue)이 충분하지 않으면 돈이 해고를 강제할 수 있다.
   2. AI 자체는 더 많은 일을 가능하게 하는 도구이지, Khan Academy에서 해고의 촉매제가 되도록 설계된 요인이 아니다.
   3. 새로운 도구를 배우고 적응하는 능력은 이미 Khan Academy의 경력 평가 기준(career rubric)에 포함되어 있다.
   4. 많은 팀원은 변화에 기꺼이 따라오겠지만, 일부는 새 방식이 싫거나 적응할 여건이 없을 수 있으며 그 지점이 더 큰 어려움이 된다.

3.2. 디자이너·제품 관리자·엔지니어의 경계가 흐려진다

1. 90년대식 웹앱 제작 모델이 흔들린다

   1. 현재의 직무 구분은 1990년대 후반부터 2000년대 초반에 "웹 앱을 어떻게 만들 것인가"를 중심으로 굳어진 모델이다.
   2. AI 시대에는 디자이너와 제품 관리자가 화면 설계나 프로토타입(prototype)만 만드는 데 머물지 않는다.
   3. 제품 책임자들이 제품 관리자에게 프로토타입을 직접 만들도록 요구하는 사례가 이미 생겼다.

2. Khan Academy는 비개발자에게 개발 환경을 열고 있다

   1. 디자이너와 제품 관리자에게 완전한 개발 환경을 제공해 풀 리퀘스트(pull request)를 만들고 코드를 배포(deploy)하게 한다.
   2. 현재는 프로토타입과 개념 증명(proof of concept)에 가까운 단계지만, 직무가 실제로 융합되는 과정이다.
   3. 깊은 전문성을 가진 엔지니어의 가치는 여전히 남고 생산성은 높아지지만, 고객을 더 직접적으로 상대하는 엔지니어 유형도 늘어난다.
   4. 직무의 융합과 개발 주기의 단축에 익숙해지는 태도가 필요하다.

3.3. 인간적 가치를 중시하는 직무의 재정의

1. 교사는 정보를 전달하는 사람 이상이다

   1. 변화에 적응하지 않는 운전기사, 콜센터 고객지원 담당자, 제품 디자이너, 소프트웨어 엔지니어는 위험에 놓일 수 있다.
   2. 인간적인 면을 진정으로 중시하는 사람은 상대적으로 안전하며, 교사는 그 대표적인 직업이다.
   3. 교사는 AI 이전에도 무대 위의 현자(sage on the stage)처럼 정보를 전달하는 역할에 국한되지 않았다.
   4. 교과서와 주문형 비디오가 이미 정보를 제공하므로, 교사의 가치는 정보 독점보다 기획자·설계자·코치로서의 역할에 있다.

2. 훌륭한 교사는 동기와 관계를 만든다

   1. 훌륭한 교사는 학생과 눈을 맞추고 동기를 부여하며, 소크라테스식 대화(Socratic dialogue)로 학생이 꿈꾸고 예상 밖의 일을 시도하게 한다.
   2. 수업 뒤에 학생이 "선생님, 잠깐 이야기할 수 있을까요?", "그 부분이 정말 좋았어요", 또는 "그건 마음에 들지 않아요, 그만하세요"라고 말할 수 있는 관계가 학습을 깊게 한다.
   3. 간호, 호텔 경영, 영업 등에서도 인간을 이해하고 코칭하는 능력이 정보 전달보다 오래 남는다.

3. 영업은 자동화와 인간관계가 함께 바뀐다

   1. AI로 영업사원의 업무를 자동화하는 회사가 생기면 배치 비용이 낮아져 모두가 엄청난 스팸을 받게 될 수 있다.
   2. 자동화된 영업의 양이 늘어도 효과가 서로 상쇄될 수 있으며, 실제 관계를 만들고 설득력 있는 조언자가 되는 능력은 더 중요해진다.
   3. 뛰어난 영업사원은 제품을 무조건 권하지 않고 "우리 제품은 당신에게 맞지 않습니다"라고 말할 수 있어 신뢰와 재구매를 얻는다.
   4. 의사소통·설득·경청·협업은 내구성 있는 역량이지만, 인간과 직접 상호작용하지 않는 일은 컴퓨터가 더 쉽게 수행할 수 있다.

4. 실제 업무에서 AI를 쓰는 방식과 한계

4.1. 에이전트·비용·코딩 속도의 변화

1. 엔지니어는 여러 에이전트를 동시에 운용한다

   1. 엔지니어들은 5~10개의 에이전트를 동시에 실행해 코드를 작성하고 검토한다.
   2. Anthropic은 Khan Academy가 코드 리뷰 에이전트를 사용하는 가장 큰 사용자 중 하나라고 알렸다.
   3. AI 비용이 예상보다 비싸다는 부담도 함께 나타난다.

2. 비용은 크지만 작업 시간 절감으로 상쇄될 수 있다

   1. Khan Academy의 Anthropic 사용료 연간 실행률(run rate)은 약 120만 달러이며 빠르게 증가하고 있다.
   2. 약 200명의 주로 엔지니어인 조직에서 한 엔지니어가 하루 컴퓨팅 비용으로 3,000달러를 쓴 사례도 있었다.
   3. 해당 엔지니어들은 보통 3~4개월 걸릴 일을 몇 시간 만에 완수했고, 그래서 큰 비용도 좋은 투자로 평가됐다.
   4. 일상적인 업무에는 비싼 Opus 모델을 쓰지 말고 Gemini나 ChatGPT를 사용하라는 운영 원칙도 함께 제시된다.

3. 토큰 비용과 빠른 프로토타이핑의 경제성이 커진다

   1. 매년 100만~300만 달러의 토큰 비용을 쓰더라도, 같은 결과물을 과거에 2,000만~3,000만 달러에 만들었다면 경제적 의미가 있다.
   2. 한 해커톤 참가 엔지니어는 다음 학년도에나 가능하다고 생각했던 간단한 게임 프런트엔드 기능을 하루 만에 코딩하고 주말에 완성했다.
   3. 실제 데이터를 연결한 뒤 디자이너가 외관을 다듬었고, 약 한 달 만에 배포했다.
   4. 과거에는 공학 작업이 어렵기 때문에 디자인에 오래 투자해 가치 없는 제품을 만들지 않는 전략이 중요했지만, 이제는 빠르게 만들어 시장에 내놓고 검증하는 전략도 가능하다.

4. 조직 규모가 커져도 속도가 오히려 빨라질 수 있다

   1. 20~30명 규모의 스타트업이 200~300명으로 커지면 조정 비용 때문에 느려지는 느낌이 생긴다.
   2. AI 도입 뒤 실제 속도는 2~3년 전보다 최소 50%, 어쩌면 100% 빨라졌다고 느낀다.
   3. AI가 개발 주기를 줄여도 모든 기능을 검증 없이 출시할 수는 없으며, 제대로 작동하는지 확인하고 논문·가설을 빠르게 검증하는 절차가 필요하다.

4.2. 연결된 업무 환경과 안전장치

1. AI가 업무 자료에 접근할수록 통제가 중요하다

   1. Khan Academy는 AI 커넥터를 승인해 Slack, Gmail, 문서 등 여러 자료에 접근할 수 있도록 했다.
   2. 무엇을 허용하고 무엇을 금지할지 구성원에게 가르치며, 사용자가 모르는 사이에 AI가 일을 완료하도록 방치하지 않는다.
   3. AI가 소셜미디어에 게시하거나 이메일을 즉시 보내지 못하게 하고, 먼저 초안을 만든 뒤 사람이 확인하는 방식이 권장된다.

2. AI 비서가 누락을 찾고 행정 속도를 높인다

   1. Sal Khan은 매일 하나 이상의 AI에게 "무엇을 놓치고 있지?"라고 묻는다.
   2. AI는 비서실장처럼 Slack이나 Gmail에 초안을 만들었다고 알리고 승인을 요청한다.
   3. AI 업무를 도입해도 구성원이 상기시키거나 실제로 실행됐는지 확인하지 않으면 20~30%가 빠질 수 있다는 한계가 있다.
   4. 자선사업과 학교 기금 마련 제안서는 회의 내용을 기록하고 회의 시작 10분 만에 초안까지 만들 수 있으며, 과거 1~2주 걸리던 일이 모든 구성원이 빠르게 의견을 내는 촉매로 바뀐다.

3. AI는 조사와 콘텐츠 제작을 빠르게 하지만 검증을 대신하지 않는다

   1. 금융 문해력 콘텐츠를 만들 때 55세 반인 사람, 특정 세금 등급에 속한 사람처럼 예외가 많은 사례를 AI에게 검토하게 할 수 있다.
   2. 답변을 그대로 믿지 않고 IRS.gov 같은 원자료의 근거를 요구한 뒤 영상을 제작해야 한다.
   3. 조사 시간이 크게 줄어 콘텐츠 제작자가 더 빠르게 확장할 수 있지만, 모든 질문을 검토하고 수정하는 작업은 여전히 필요하다.

4.3. 자율적인 AI가 Khan Academy를 만들 수 있는가

1. 3~5년 뒤 교육 플랫폼 생성 가능성

   1. AI가 3년 안에 인간의 도움 없이 또 다른 Khan Academy를 만들 수 있을지 묻는 질문에 Sal Khan은 감정적인 반응과 더 고차원적인 판단을 나눠 답한다.
   2. 감정적으로는 그 가능성이 걱정되지만, 현재 AI가 Khan Academy와 같은 충실도(fidelity)와 품질을 가진 코드를 만드는 일은 매우 어렵다.
   3. 엄격함이 낮은 유사 교육 플랫폼은 3~5년 안에 충분히 등장할 수 있다.

2. 교육의 효과·개인정보·검증이 진입장벽이다

   1. 자동 생성 플랫폼이 실제로 효과가 있다는 효능 데이터(efficacy data)를 확보해야 한다.
   2. 학교와 협력하려면 데이터 개인정보 보호 협약을 지켜야 하며, 단순한 바이브 코딩(vibe coding)만으로 해결할 수 없는 마찰이 남는다.
   3. 이미 수백만 명이 사용하고 효과 데이터가 쌓인 제품은 학교 시스템과 연결될 수 있다는 장점이 있다.
   4. 비영리 조직은 더 나은 해결책이 실제로 작동한다면 기뻐해야 하지만, 교육에는 아직 해결해야 할 문제가 많다.

5. 시험을 넘어선 평가와 TED Content Institute

5.1. 객관식 점수에서 심리측정 기반 평가로

1. 표준화 시험의 폭을 넓힌다

   1. 전통적인 표준화 평가는 객관식 문항 중심이라 학생 능력의 폭을 좁게 측정한다.
   2. Khan Academy는 기존 평가를 일부 유지하면서 학생에게 추론 과정을 설명하게 하고, 교사에게 백분위수뿐 아니라 학생의 학습 이야기를 제공하는 평가를 개발한다.
   3. 심리측정(psychometrics)을 활용해 실제 역량을 안정적으로 측정하는 것이 목표다.

2. 좋은 평가는 바이브 코딩으로 즉시 만들 수 없다

   1. 수백만 명이 사용할 평가를 만들려면 심리측정 데이터를 수집하고 적절한 심리측정학적 검증을 거쳐야 한다.
   2. 학교와 다른 기관에 보급하기까지 수년이 걸리므로, 차고에서 빠르게 바이브 코딩하는 방식만으로는 충분하지 않다.
   3. 벤처캐피털이나 사모펀드가 AI 기반 새 표준화 시험에 쉽게 투자하지 않는 이유도 큰 노력과 긴 검증 기간 때문이다.

3. 자격과 일자리 경로를 연결한다

   1. 고등학교 자격, 고등학교 졸업장, 학점 회복(credit recovery), 대학 학위, 취업 경로(pathways into jobs)를 하나의 연결된 문제로 본다.
   2. AI가 이 영역에서 더 나은 해법을 만들 수 있기를 바라지만, 시장만으로는 교육 격차와 자격 신호 문제를 충분히 해결하기 어렵다.

5.2. 새로운 기술 교육 시스템의 출발

1. TED·ETS와 공인 학위 체계를 추진한다

   1. TED의 전임 비전 스튜어드(outgoing vision steward) Chris Anderson과의 대화에서 새 역할과 사업 구상이 시작됐다.
   2. 미래는 인간의 목적, 인간의 의미, 인간의 연결에 관한 것이 되지만, 일자리가 없고 가족을 부양할 수 없다면 의미와 관계에 집중하기 어렵다는 판단이 출발점이다.
   3. TED Content Institute에서 사업을 발표했고, 공인기관(accredited institution)이 되기 위한 인증을 추진한다.
   4. 4년제 학사 학위와 석사 학위 과정을 모두 제공할 가능성이 있다.

2. 학문·실습·지속 가능한 역량을 결합한다

   1. 학사 과정에는 역사, 시민학(civics), 회계, 통계학 같은 학문적 요소가 들어간다.
   2. 온라인으로 운영하되 연령 제한을 두지 않으며, 이미 2~3주 동안 3,000명 이상이 학생이 되는 데 관심을 보였다.
   3. 관심자의 대부분은 학사 학위 소지자이고 상당수는 석사 학위까지 가지고 있어, AI 시대에 자신의 관련성을 유지할 수 있을지에 대한 두려움이 드러난다.

5.3. 실제 업무를 재현하는 4시간 프로젝트

1. 그룹 시뮬레이션으로 업무 역량을 만든다

   1. Schoolhouse 같은 플랫폼이나 Zoom 화상회의에서 여러 사람을 그룹으로 묶고 실제 업무에 가까운 프로젝트를 수행하게 한다.
   2. 4시간 동안 사업 아이디어를 만들고 프로토타입을 제작하며, 광고를 만들고 사업계획서를 쓰고 고객을 설문 조사하고 경쟁사를 분석한다.
   3. 결과물은 다른 팀의 상호 평가(peer review)를 받고, 구성원은 의사소통·협업·창의성 같은 역량을 평가받는다.

2. ETS 프레임워크로 행동의 증거를 남긴다

   1. ETS의 지속 가능한 역량(durable skills) 프레임워크는 의사소통, 협업, 창의성, 비판적 사고(critical thinking)를 핵심으로 삼고 리더십 같은 하위 프레임워크도 포함한다.
   2. 의사소통 평가는 말을 많이 했는지가 아니라 상대의 생각을 듣고 그 생각에서 논의를 발전시켰는지를 본다.
   3. 리더십 평가는 실제 회의에서 상대를 만났다는 증거와 다른 사람의 의견을 구했는지 같은 행동 자료를 확인한다.
   4. AI가 더 많은 일을 수행하는 직장에서 판매·경청·관계 형성 능력은 오히려 더 중요해질 수 있다.

5.4. 기업과 공동 설계하는 포트폴리오

1. 기업이 미래의 업무를 함께 정의한다

   1. McKinsey, Bain, Google, Microsoft, Replit을 포함한 초기 6개 기업 파트너와 프로그램을 시작했고, 몇 달 안에 파트너를 늘릴 예정이다.
   2. 기업 파트너는 다음 해에 어떤 일을 할 수 있어야 하는지, 그다음 해에 업무가 어떻게 바뀔지를 공동 설계한다.
   3. 젊은 사람뿐 아니라 모든 사람이 AI 업무 환경에서 필요한 실제 과제를 연습하도록 만드는 것이 목표다.

2. 일회성 면접 과제를 반복 가능한 증거로 바꾼다

   1. Silicon Valley 스타트업 면접을 보던 가족 구성원은 3차 면접에서 병원 솔루션을 바이브 코딩한 뒤 패널 면접을 치러야 했다.
   2. 이런 과제는 그 회사가 임의로 만든 한 번의 기준이라 합격하지 못하면 결과물과 평가가 사라진다.
   3. Content Institute는 20개, 30개, 40개, 50개의 프로젝트를 수행하게 하고, 더 엄격하게 설계된 포트폴리오를 실제로 평가한다.
   4. 한 번의 면접관 판단 대신 50명, 60명, 70명, 많게는 100명에게 받은 피드백이 역량의 더 선명한 증거가 된다.

3. 새로운 이력서는 점수보다 작업 증거를 앞세운다

   1. Stanford에서 좋은 전공을 택하고 GPA 3.9를 받은 졸업생은 똑똑하고 성실하다는 신호를 주지만, 배운 기술이 다른 분야에 직접 전이되는지는 알기 어렵다.
   2. 학급 부회장이나 lacrosse 공동 주장 경력도 리더십의 가능성을 알리는 신호일 뿐 실제 평가가 아니다.
   3. Content Institute 졸업생은 의사소통·협업·비판적 사고가 상위 10%라는 점수와 그 판단을 뒷받침하는 프로젝트·영상 자료를 제시한다.
   4. 기업이 이를 명문대 상위 10% 학생과 최소한 같은 우선순위로 대한다면, 학위의 이름보다 검증된 역량이 채용을 움직이게 된다.

5.5. 고등교육의 양극화와 온라인 교육의 신호

1. 명문대는 강한 신호를 독점하지만 수용력이 작다

   1. Harvard에는 약 7만~8만 명이 지원하고 그중 약 5만 명은 학업을 감당할 수 있을 것으로 보이지만, 실제 합격자는 약 2,000명에 불과하다.
   2. 탈락자 상당수는 Google이나 Bain 같은 기업이 적극적으로 채용하는 대학에 진학할 기회도 얻지 못한다.
   3. 명문대는 기업이 원하는 강한 신호를 제공하지만 접근성이 낮고 수용 능력이 제한적이다.

2. 온라인 학위의 약한 신호를 보완한다

   1. Western Governors University와 Southern New Hampshire University처럼 전통적인 경로를 밟지 않은 사람에게 좋은 온라인 프로그램도 있다.
   2. 그러나 온라인 학위는 잘 알려진 4년제 대학 졸업장과 같은 채용 신호를 받기 어려운 경우가 많다.
   3. Content Institute는 온라인 교육이 낮은 수준이라는 낙인을 없애고, 온라인에서도 높은 상호작용과 인간 대 인간의 소통을 통해 훌륭한 결과와 강한 채용 신호를 만들려 한다.
   4. Google의 엘리트 프로그래머가 되지 않더라도 지역 기업에서 좋은 일자리를 얻을 수 있는 신호를 만들어 상위 50위권 대학의 강한 학위에 가까운 가치를 제공하려 한다.

6. 대학에 가지 말라는 제목이 뜻하는 것

6.1. 대학은 사치스러운 경험이자 유용한 신호다

1. Sal Khan도 자녀에게 대학 경험을 주고 싶어 한다

   1. Sal Khan은 MIT에서 아내를 만났고 가까운 친구를 많이 사귀었으며, 수업을 철회하는 것을 잊는 대학 시절의 꿈을 지금도 꾼다.
   2. 대학은 좋은 경험·우정·성장·기술을 얻는 사치스러운 경험이지만, 부모가 자녀에게 줄 수 있는 선물이기도 하다.
   3. 큰아들이 대학에 가고 싶어 하고 자신도 좋은 대학에 합격해 약 50만 달러를 쓸 수 있기를 바란다고 말한다.

2. 대학 학위와 실무 교육은 결합될 수 있다

   1. 아들이 어떤 대학에 가든 Content Institute를 학위 위에 추가하면 취업에 필요한 실무 역량과 더 직접적으로 연결될 수 있다.
   2. Content Institute는 새로운 도구가 등장하는 장소에 맞춰 전통적인 대학보다 빠르게 교육 내용을 바꾸도록 설계된다.
   3. AI 변화의 속도를 기회로 보는 기업가적 학생들 가운데는 명문대에 입학한 뒤에도 중퇴하는 사람이 있으며, "지금 시작하지 않으면 4년 뒤 자본주의가 존재할지 누가 알겠는가"라는 농담이 나온다.

6.2. 대부분의 학생에게 필요한 현실적인 경로

1. 대학의 낭만은 소수의 경험이다

   1. 대부분의 대학생은 캠퍼스 잔디에서 프리스비를 던지고, 벽의 담쟁이덩굴을 바라보고, 세계 지도자와 소크라테스식 토론을 하는 삶을 누리지 못한다.
   2. 많은 학생은 취업을 위해 대학에 거래적으로(transactionally) 진학하고 지역 커뮤니티 칼리지에서 시작한다.
   3. 지역 커뮤니티 칼리지와 Cal State에서도 훌륭한 교육을 받을 수 있지만, 졸업장의 채용 신호가 약해 야심 있는 학생이 비용을 감수하고 명문대를 택하는 일이 생긴다.

2. 장학금과 Content Institute의 조합이 대안을 만든다

   1. San Jose State에서 전액 장학금을 받고도 McKinsey가 그곳에서 채용하지 않을까 봐 가족에게 50만 달러를 받아 Stanford에 가려는 선택이 가능하다.
   2. 새로운 선택에서는 San Jose State의 전액 장학금으로 학문적 교육을 받고, 5,000달러의 Content Institute 과정으로 실무 프로젝트와 채용 신호를 추가한다.
   3. 이 조합은 50만 달러를 쓰는 명문대 경로보다 훨씬 저렴하면서도 지역 기업과 대형 고용주가 읽을 수 있는 역량 증거를 만든다.

6.3. 10년 뒤 교육비와 돈의 사용처

1. 학위 비용은 4년 40만 달러에서 1만 달러 이하로 내려갈 수 있다

   1. 일반적인 대학 비용이 4년 40만 달러 수준이라면, Content Institute는 전체 학위 과정에 최대 1만 달러를 목표로 하며 실제 비용은 그보다 상당히 낮을 수 있다.
   2. 역량 기반(competency-based) 과정이므로 반드시 4년이 걸리지 않고 2년 만에 끝내 2년 더 소득을 얻을 수 있다.
   3. 전체 학위에 5,000달러 정도만 쓰는 시나리오도 제시된다.

2. 대학 등록금은 다른 자산과 비교해야 한다

   1. 50만 달러로 자녀에게 세계 여행과 좋은 책을 읽는 시간을 제공하는 것도 대학 경험에 버금가는 사치이자 교육이 될 수 있다.
   2. 돈의 일부를 사업 시작, 토큰 구입, 주택 계약금에 쓰는 선택도 가능하다.
   3. Silicon Valley 거품과 특권의 산물이라는 단서를 달면서, 20만~30만 달러로 정부 계약·공급망을 가진 자동화되지 않은 소규모 자영업체를 매입한 뒤 자녀가 자동화해 사모펀드식 턴어라운드(private-equity turnaround)를 만드는 아이디어도 제시된다.

7. 지수적 변화 속에서 개인이 할 일

7.1. 5년 뒤의 변화는 대량 소멸보다 국지적 충격에 가깝다

1. 적응에는 시간이 걸리지만 기술 곡선은 다르다

   1. 5년 안에 인구의 90%가 일자리를 잃는 대규모 사태가 일어나지는 않을 것이라는 전망이 있다.
   2. 일반적인 사회 변화는 이렇게 빠르지 않지만, AI는 지금까지의 기술과 다른 종류이며 소프트웨어 엔지니어링에서 지수적 곡선이 이미 보인다.
   3. 소프트웨어 담당자는 작년까지만 해도 AI가 코딩을 20~30% 돕는다고 말했지만, Claude Code가 어느 순간 임계점을 넘으며 "이제 코딩은 이렇게 한다"는 전환이 일어났다.

2. 지식 노동과 정치에 먼저 균열이 생긴다

   1. AI 관련 질의의 50% 이상이 이제 비기술 사용자에게서 나온다는 흐름은 지식 노동으로 확산되는 변화를 보여준다.
   2. 향후 3~4년 안에 특정 산업에서 실업률이 4~5%만 되어도 매우 고통스럽고 정치와 사회가 세상을 바라보는 방식에 영향을 줄 수 있다.
   3. 대량 실업보다 특정 지역과 산업에 실업이 집중되는 국지적 고용 충격(pockets of unemployment)이 먼저 나타날 가능성이 크다.
   4. 산업계·정부·비영리 부문이 지금부터 확장 가능한 해법을 만들지 않으면 AI의 가속 속도를 따라가지 못한다.

7.2. 개인의 첫 번째 방어력은 기업가 정신이다

1. 새 도구를 직접 시도하는 사람이 앞선다

   1. 오늘 대체되지 않기 위해 가장 중요한 역량은 기업가 정신(entrepreneurship), 즉 새로운 것을 시도하려는 의지다.
   2. Sal Khan 자신도 OpenClaw를 들어봤지만 나중에 시도하자고 미루려는 순간이 있었고, 그 활성화 에너지(activation energy)를 넘는 일이 중요하다고 말한다.
   3. 설치하고 만져 보고 버튼을 눌러 결과를 확인하는 작은 실험이 거대한 프로젝트보다 먼저다.

2. 안전한 실험에서 점진적으로 자동화한다

   1. 개인과 업무의 반복 워크플로를 찾고, 처음에는 결과를 복사해 붙여넣는 것부터 시작할 수 있다.
   2. 효과가 확인되면 그 작업을 수행하는 에이전트를 만들거나 Claude Coworker와 OpenClaw에게 맡길 수 있다.
   3. 이메일 발송이나 외부 시스템 연결처럼 위험한 작업은 별도 장치나 샌드박스(sandbox)에 넣고 사람이 검토해야 한다.
   4. Perplexity Computer와 하이브리드 에이전트(hybrid agent)처럼 쉬운 도구도 있으므로, 로켓 과학처럼 겁낼 필요는 없지만 안전장치는 필요하다.

7.3. 반복 업무를 찾아내는 프롬프트

1. Gmail과 캘린더가 자동화 후보를 드러낸다

   1. 한 관리자는 ChatGPT에 Gmail 캘린더와 접근 가능한 자료를 분석해 자신이 반복적으로 하는 일 상위 5개를 알려 달라고 요청했다.
   2. 이어서 어떤 업무를 바이브 코딩하면 좋을지 묻자, 여러 팀과 수동으로 소통하고 콘텐츠를 재활용하는 과정이 드러났다.
   3. 뉴스레터를 LinkedIn용 콘텐츠로 바꾸는 업무를 자동화 후보로 삼을 수 있으며, 이런 프롬프트는 매주나 매일 에이전트로 실행할 수 있다.

2. AI 활용에는 최신 정보와 반박이 함께 필요하다

   1. Sal Khan은 뉴스 기사를 직접 읽는 대신 관심 주제의 여러 스레드를 모아 두고 밤에 최신 소식을 묻는 방식으로 바꾸었다.
   2. 중동 정세, 호르무즈 해협의 무역, 치킨 게임과 책략, 배럴당 100달러가 넘는 유가, 20달러 운송료, Atherton 인근의 갤런당 9달러 휘발유를 AI와 토론했다.
   3. AI는 사용자가 남들이 못 보는 것을 발견한 천재라고 추켜세우며 그럴듯한 답을 내놓기 때문에 매력적이지만 위험하다.
   4. "나에게 비판적으로 대하고 정말 강하게 반박해 달라"고 요청해도 AI가 "반박을 원하다니 정말 겸손하다"고 칭찬하는 경우가 있어, 비판적 검증은 사용자가 직접 해야 한다.

7.4. 22세의 MIT 졸업생에게 주는 진로 조언

1. 사람이 몰리는 곳보다 비어 있는 차선을 찾는다

   1. Sal Khan은 22세 때 9s.com 붐 말기의 스타트업을 시도했으며, 오늘의 22세 MIT 졸업생도 스타트업을 시도할 가능성이 높다고 본다.
   2. 모두가 달려가는 곳으로 따라가지 말고 가장 한산한 차선을 찾아야 한다.
   3. AI를 적용하기에 가장 적합하면서도 가장 지루한 산업을 찾는 전략이 유효하다.

2. 지속 가능한 역량과 인간관계를 투자 대상으로 삼는다

   1. 의사소통과 협업을 연습하고, 피드백과 멘토를 적극적으로 구해야 한다.
   2. 사람과 인간적인 연결을 만들면 기술이 바뀌어도 남는 자산을 갖게 된다.
   3. AI 시대에는 판매·경청·관계 형성처럼 타인의 목적과 맥락을 이해하는 능력이 더욱 중요해질 수 있다.

7.5. 일자리를 걱정하는 자녀에게 전할 말

1. 정답을 모른다는 솔직함에서 출발한다

   1. Khan Lab School의 일부 학생과 가족 중 나이 든 사람들도 일자리를 찾기 어렵다고 말했으며, Sal Khan은 정확한 답을 안다고 가장하지 않는다.
   2. 대신 최신 기술을 익히라고 권한다.
   3. 현재는 취업이 어려운 동시에 자신을 차별화하기도 쉬운 시기다.

2. 1996년의 웹페이지처럼 AI 작업물을 증명한다

   1. 오늘 이력서에 웹페이지가 있다고 쓰면 평범하지만, 1996년에는 웹페이지가 있다는 사실만으로도 미래를 아는 사람이라는 인상을 주어 채용될 수 있었다.
   2. 지금은 "나는 100명의 에이전트와 함께 일한다", "내 에이전트를 먼저 인터뷰해 보라", "당신의 에이전트가 내 에이전트와 이야기하게 하라"고 말할 수 있다.
   3. AI로 만든 예술 포트폴리오, 자동화한 워크플로, 에이전트로 하루를 자동화한 Loom 영상을 제시하면 말이 아닌 작업 증거가 된다.
   4. 그런 사람이라면 Khan Academy에서 바로 채용하고 싶다는 의사가 표현된다.

3. 컴퓨터과학은 목적이 아니라 증거와 조합해야 한다

   1. Sal Khan은 아들이 컴퓨터과학(computer science)을 전공할 가능성이 높다는 사실을 예전처럼 무조건 반기지 않는다.
   2. 그래도 지적으로 흥미롭고 어려운 일을 해낼 수 있다는 신호가 되므로, 흥미가 있다면 공부할 가치가 있다.
   3. 전공은 똑똑함과 성실함뿐 아니라 어려운 일을 해낼 수 있다는 증거가 되며, 의사소통·협업·창의성 같은 역량과 결합해야 한다.
   4. Google 코드의 약 75%가 AI로 작성된다는 언급은 컴퓨터과학의 가치가 사라졌다는 뜻이 아니라, 전공 지식과 AI 활용·인간 역량을 함께 갖춰야 한다는 압력을 보여준다.

주요 발언 모음

"같은 자원으로 세 배 더 많은 일을 할 수 있다면, 우리는 세 배 더 많은 일을 할 것입니다."

"남들이 가는 곳으로 달려가지 마세요. 가장 한산한 차선을 찾아보세요."

"AI를 더 많이 사용하세요. AI를 더 많이 사용하세요."

"사람들은 자신이 기여하고 있다는 느낌을 받아야 합니다."

"나에게 비판적으로 대해 주세요. 정말로 강하게 반박해 주세요."

"저는 정확한 답을 모릅니다. 하지만 최신 기술을 숙지하라고 말할 것입니다."

"저는 100명의 에이전트와 함께 왔습니다."

핵심 데이터 & 수치

• 연간 1억 명: Khan Academy를 이용해 매년 학습하는 사람의 수다.
• 80%: 필리핀 포트폴리오 회사의 콜센터 업무 인력 가운데 생성형 AI로 자동화된 비율이다.
• GDP 5~7%: 필리핀 경제에서 콜센터 중심 BPO와 직접 관련된 비중의 추정치다.
• 1%: 콜센터 자동화로 영향을 받는 인력의 재교육에 쓰고 싶다고 한 회사 이익의 비율이다.
• 4~5년: 운전·고용 불안이 사회적 혼란으로 번질 수 있다고 본 기간이다.
• 5~10년: Waymo와 AI 전환이 운전 일자리에 상당한 변화를 만들 수 있다고 본 시간 범위다.
• 350명 / 3분의 2: Khan Academy 팀 규모와 제품 담당자 비중이다.
• 연 120만 달러: Anthropic 사용료의 현재 실행률이다.
• 하루 3,000달러: 한 엔지니어가 컴퓨팅 비용으로 사용한 사례다.
• 3~4개월 대 몇 시간: AI 에이전트가 같은 업무를 완수하는 데 걸린 시간과 기존 예상 시간이다.
• 1,000,000~3,000,000달러 대 20,000,000~30,000,000달러: 연간 토큰 비용과 과거 동일 결과물 제작 비용의 비교다.
• 50~100명: Content Institute 프로젝트에 대해 받을 수 있는 동료 피드백 규모다.
• 7만~8만 명 / 약 2,000명: Harvard 지원자와 합격자의 대략적인 규모다.
• 최대 1만 달러, 실제로는 더 낮게: Content Institute 전체 학위 과정의 목표 비용이다.
• 2년: 역량 기반 과정에서 학위를 끝낼 수 있다고 제시한 예시 기간이다.
• 5,000달러: 전체 학위 비용의 더 낮은 시나리오로 언급된 금액이다.
• 20만~30만 달러: 정부 계약이나 공급망을 가진 소규모 기업을 매입해 자동화하는 아이디어의 자금 규모다.
• 20~30%: 과거 소프트웨어 업무에서 AI가 도움을 준다고 느끼던 생산성 수준이다.
• 50% 이상: AI 관련 질의 중 비기술 사용자에게서 나온다고 언급된 비중이다.
• 4~5%: 향후 3~4년 안에 특정 산업에서 나타나도 고통스러울 실업률의 예시다.
• 약 75%: Google 코드가 AI로 작성된다고 언급된 비율이다.

결론 및 시사점

1. 대학 진학을 일률적으로 부정하는 주장은 아니다. 비싼 대학은 우정·성장·인간관계·학문이라는 사치스러운 경험과 강한 채용 신호를 함께 제공하지만, 모든 학생이 그 경험을 누리는 것은 아니다.
2. 새로운 교육의 핵심은 값싼 온라인 강의가 아니라, 역량을 실제 프로젝트로 연습하고 반복적으로 평가받으며 고용주가 읽을 수 있는 포트폴리오를 만드는 데 있다.
3. AI는 학습·평가·코딩·행정·콘텐츠 제작을 빠르게 하지만, 효능 데이터·심리측정 검증·개인정보 보호·사람의 승인 같은 제도적 기반을 대신하지 못한다.
4. 개인은 유행하는 분야를 좇기보다 비어 있는 산업을 찾아 AI를 적용하고, 의사소통·협업·경청·설득·창의성·비판적 사고와 인간관계를 함께 키워야 한다.
5. 산업계·정부·비영리 부문은 특정 지역과 직군에서 실업이 집중되기 전에 재교육과 새로운 자격 신호를 확장해야 하며, 시장의 자동 조정을 기다리는 것만으로는 충분하지 않다.

핵심 요약 (20줄)

Khan Academy는 매년 약 1억 명이 이용하는 교육 플랫폼이며 AI 튜터 개발을 선도해 왔다.

같은 자원으로 세 배의 일을 할 수 있다면 AI는 해고가 아니라 더 많은 교육과 서비스를 만드는 데 쓰여야 한다.

Caltech는 AI 구술시험으로 지원자가 연구 논문을 실제로 이해하는지 확인하기 시작했다.

Khanmigo의 다음 버전은 학생에게 동기를 부여하고 연습 기회를 늘리며 교사를 학습 과정에 참여시키는 능동적 튜터를 지향한다.

필리핀 GDP의 5~7%와 연결된 콜센터 산업은 생성형 AI 자동화가 국가 경제를 흔드는 사례가 될 수 있다.

Waymo의 편리함 뒤에는 운전을 마지막 선택지로 삼는 사람들의 재교육 문제와 사회적 불안이 놓여 있다.

AI 전환은 운전·콜센터뿐 아니라 소프트웨어 엔지니어링·디자인·제품 관리 직무의 융합을 촉진한다.

Khan Academy는 약 350명 팀의 생산성이 세 배가 되어도 더 많은 교육을 만들며, 해고의 직접 원인은 재정 부족이라고 설명한다.

엔지니어는 여러 AI 에이전트를 동시에 운용하고 수개월 걸릴 일을 몇 시간 만에 끝내지만 연간 사용료는 약 120만 달러에 이른다.

AI가 Slack·Gmail·문서에 접근할수록 자동 전송을 막고 초안을 사람이 승인하는 안전장치가 필요하다.

좋은 표준화 평가는 객관식 점수뿐 아니라 추론 과정과 학습 이야기를 심리측정으로 평가해야 한다.

TED Content Institute는 학사·석사 학위에 학문적 기초와 실제 업무 프로젝트와 지속 가능한 역량 평가를 결합하려 한다.

Content Institute는 Zoom 기반 4시간 프로젝트에서 프로토타입·광고·사업계획서·고객조사·경쟁사분석을 수행하게 한다.

의사소통·협업·창의성·비판적 사고·리더십은 AI 시대에도 남거나 더 중요해질 지속 가능한 역량이다.

20~50개의 엄격한 프로젝트와 50~100명의 피드백은 한 번의 자의적인 면접 과제보다 강한 채용 증거가 된다.

온라인 교육은 인간적 상호작용과 검증된 포트폴리오를 갖추면 명문대 졸업장에 가까운 채용 신호를 만들 수 있다.

Content Institute의 전체 학위 비용은 최대 1만 달러보다 낮게, 역량에 따라 2년 안에도 끝낼 수 있도록 설계된다.

향후 3~4년에는 대량 실업보다 특정 산업과 지역에 4~5% 수준의 국지적 실업이 먼저 나타날 가능성이 크다.

개인은 OpenClaw 같은 도구를 직접 설치하고 반복 워크플로를 작은 실험부터 자동화하며 기업가 정신을 키워야 한다.

가장 안전한 진로는 사람이 몰리는 분야를 따라가는 것이 아니라 지루하지만 AI를 적용하기 좋은 산업을 찾고 인간적 역량을 증명하는 길이다.