[대한기자신문 김지윤 한중문화칼럼니스트] AI 시대에 요구되는 해결책으로 '문제 찾기 능력'은 단순히 주어진 문제를 해결하는 것이 아니라, 복잡하고 불확실한 상황 속에서 숨겨진 문제를 발견하고, 정의하며, 질문을 던지는 능력입니다. 이를 위한 구체적인 교육 방법을 제시합니다.
문제 정의 및 재구성 훈련 (Problem Framing & Reframing) AI는 최적화된 답을 찾는 데 능하지만, 어떤 문제를 풀어야 할지 정의하는 것은 인간의 영역입니다.
관찰과 공감 중심의 학습:
디자인 사고(Design Thinking)를 도입하여 교육 과정에 '공감(Empathize)' 학생들에게 특정 집단(사용자, 지역사회)을 관찰하고 인터뷰하게 하여 그들이 '실제로 겪는 고통(Pain Points)'이 무엇인지 파악하게 합니다.
"Why?" 반복 질문:
현상을 단순화하지 않고, '왜 이 문제가 발생하는가?'를 5회 이상 반복(5 Whys)하여 문제의 근본 원인과 숨겨진 맥락을 찾아내는 훈련을 시킵니다.
문제 재정의 연습 (Problem Reframing): 주어진 문제를 "우리는 X를 어떻게 할 수 있을까?"라는 형태에서, 문제의 대상이나 목표를 바꾼 "Y를 어떻게 할 수 있을까?"로 재구성하게 합니다. (예를 들어, "낙후된 지역에 사람들을 어떻게 오게 할까?"를 "지역 주민들의 삶의 질을 어떻게 개선할까?"로 재구성하여 문제의 본질을 바꾸는 연습을 합니다.)
비판적 질문 및 데이터 해석 교육 (Critical Questioning &Data Literacy)
AI가 제공하는 정보와 데이터를 무비판적으로 수용하지 않고, 질문과 의심을 통해 숨겨진 문제를 찾아내도록 합니다.
'데이터 편향성' 비판:
AI가 제시한 데이터나 분석 결과를 보고, "이 데이터는 누구의 관점에서 수집되었는가?" "누구의 목소리가 누락되었는가?"를 질문하게 합니다. 이는 데이터 뒤에 숨겨진 윤리적, 사회적 문제를 발견하는 능력을 길러줍니다.
AI 프롬프트의 역설:
가정 뒤집기를 통해 통념이나 전문가의 주장에 대해 "만약 이 가정이 틀렸다면?"이라는 질문을 던지고 답을 유도하여 문제의 경계를 넓혀 새로운 가능성을 모색하게 합니다.
맥락적 사고 및 시스템적 접근 (Contextual & Systemic Thinking)
문제를 고립된 사건이 아닌, 복잡한 시스템의 일부로 보고 전체 맥락에서 접근하도록 교육합니다.
시스템 다이어그램 활용: 복잡한 사회 문제를 접했을 때, 문제의 원인, 결과, 이해관계자들을 노드(Node)와 연결선으로 시각화하는 시스템 맵을 그리게 합니다.
이를 통해 학생들은 문제 간의 인과관계를 파악하고, 어떤 지점(Leverage Point)을 건드려야 시스템 전체의 변화를 가져올 수 있는지를 발견할 수 있습니다.
학제 간 융합 프로젝트: 예술, 과학, 인문학 등 서로 다른 분야의 관점을 융합하여 동일한 문제를 분석하는 프로젝트를 진행합니다.
예를 들어, '미래 도시의 교통 문제'를 공학적 효율성뿐만 아니라, 사회 정의, 심리학적 만족도, 디자인 등의 관점에서 입체적으로 접근하게 합니다.
미래 예측 시나리오: 특정 기술이나 사회 변화가 미래에 가져올 부작용이나 예상치 못한 문제를 예측하는 시나리오를 작성하게 하여, 선제적으로 문제를 발견하고 대비하는 능력을 키웁니다.
AI 시대, 문제 탐색 및 재창조를 위한 토론 수업 변화 방향
AI 시대의 토론 수업은 단순히 논리적 승패를 가리는 훈련을 넘어, 미정의된 문제를 발견하고, AI와의 협력을 통해 창의적인 해법을 재창조하는 협력적 탐구(Collaborative Inquiry)의 장으로 변화해야 합니다.
'논리적 승리'에서 '창의적 해법 생성'으로
토론의 근본적인 목표를 상대방을 설득하고 이기는 것에서 벗어나, 더 나은 질문과 새로운 해결책을 함께 만들어내는 과정으로 전환해야 합니다.
협력적 탐구(Generative Debate): 전통적인 찬반(Adversarial) 토론 모델 대신, 참가자들이 서로의 관점을 수렴하여 가장 최적화된 해결책이나 새로운 질문을 도출하는 것을 목표로 하는 협력적 탐구 모델을 도입해야 합니다.
해결책 디자인 토론: 토론의 최종 단계는 결론 발표가 아닌, 토론에서 합의되거나 발견된 아이디어를 기반으로 실현 가능한 프로토타입(시제품)이나 구체적인 정책/서비스 디자인을 제안하는 것으로 마무리되어야 합니다. 이는 토론의 결과를 실행력으로 연결시킵니다.
미정의된 문제(Wicked Problem) 중심: AI가 해결할 수 없는 정답이 없는 복합적인 사회적, 윤리적 딜레마를 토론 주제로 설정하여, 학생들의 문제 발견 능력을 자극해야 합니다.
AI와의 통합: 비판적 활용 및 대화 파트너
AI를 토론 참여자의 논리적 도구로 활용하되, AI의 산출물에 대한 비판적 성찰을 필수적인 토론 요소로 포함해야 합니다.
AI의 논리 검증 및 보완: 토론 중 AI 챗봇에게 상대방의 주장에 대한 반론 데이터나 숨겨진 논리적 오류를 분석하도록 요청합니다. 이를 통해 학생들은 AI를 단순한 정보 검색이 아닌 사고 보조 도구로 활용하는 방법을 배웁니다.
AI 생성 논리 비평: 토론 주제 중 일부를 AI가 작성하게 하고, 참가자들이 AI가 제시한 주장이나 논거의 데이터 편향성, 윤리적 맹점, 창의성의 한계 등을 비판하고 개선하는 시간을 갖습니다. 이는 데이터 리터러시(literacy)와 AI 윤리를 동시에 학습하는 기회가 됩니다.
프롬프트(질문)의 질 평가:
AI에게 어떤 질문을 던졌을 때 가장 통찰력 있는 답변을 얻을 수 있는지에 대한 토론을 진행하여, 문제의 핵심을 꿰뚫는 질문(문제 찾기) 능력을 간접적으로 훈련합니다.
토론 주제의 심화
토론 주제를 단순한 사실 관계나 정책 결정 문제에서, 인간의 근본적인 가치와 질문을 재정립하는 방향으로 심화시켜야 합니다.
문제 제기 토론 (Problem-Posing Debate):
토론의 시작을 교사나 외부 자료가 제공한 명제가 아닌, 학생들이 현상 관찰이나 공감 활동을 통해 스스로 정의한 문제(질문)로 시작하게 합니다.
'가정 뒤집기'와 시스템 분석:
토론 과정에서 현재 사회의 숨겨진 가정(Assumptions)을 파악하고, 그 가정이 틀렸을 때 발생하는 새로운 문제를 탐색하는 시간을 할애합니다. 또한, 문제를 시스템 맵으로 시각화하여 문제 간의 복잡한 인과관계를 분석하는 훈련을 강화합니다.
윤리적 딜레마와 인간성 성찰:
AI 시대에 인간 고유의 가치(창의성, 감정, 존엄성)를 어떻게 지키고 정의할 것인가와 같은 윤리적 딜레마를 심도 있게 다루어, 기술 발전 속에서 인간 중심의 가치관을 재정립하도록 유도해야 합니다.
글: 中 허베이미술대학교 조소,공공예술대 교수, 디자인학 박사
