목차
▪️88시간의 풀이 발표와 나비에스토크스 검증의 현실적 한계
▪️[표 1] OpenAI 발표부터 필즈상 공동성명까지
▪️수학에서의AI 문제 풀이와 수학적이해가 가리키는 본질
▪️서논술형평가 전환이 곧바로 학생의 사고력평가로 이어질까
▪️AI자동채점공정성과 신뢰도가 흔들리는 독창적 답안은 무엇인가
▪️[표2] 정답 자동화 너머 사고 과정을 읽어내는 5단계
▪️교사최종검토와 AI채점오류책임 시스템이 지켜낼 교육의 본질
▪️FAQ
▪️[핵심 인사이트 3가지]
▪️[핵심 참고 자료]
▪️[전문 용어 사전]
▪️[칼럼니스트 소개]
▪️[함께 읽으면 좋을 기사]
OpenAI의 나비에–스토크스 난제 해법 발표 직후, 필즈상 25명의 세계적 수학자들이 성명서를 들고 무대 위에서 AI정답경쟁의 위험성을 경고하는 뉴스 현장을 팝아트 스타일로 묘사한 일러스트.
OpenAI는 2026년 9월 8일 나비에–스토크스 문제의 해법을 제시했다고 발표했고, 사흘 뒤 필즈상 수상자 25명은 AI 기업의 수학 문제 풀이 경쟁이 학문의 목표와 어긋날 수 있다고 경고했다.
국내에서도 국가교육위원회가 사고력과 문제해결력을 평가하기 위한 서·논술형 문항 도입과 AI 평가 지원 방안을 함께 논의하고 있다. 세 장면이 던지는 질문은 AI가 답을 맞힐 수 있느냐가 아니라, 정답을 빠르게 내놓고 점수를 매기는 과정에서 학교와 학문이 평가해야 할 사고의 과정까지 놓치지 않을 수 있느냐는 것이다.
서·논술형 평가가 객관식이 아니라고 해서 저절로 사고력을 보는 평가가 되는 것은 아니다. 국가교육위원회 숙의자료도 서·논술형 평가의 가능성과 함께 채점하는 사람의 판단, 기준의 통일성, 점수에 대한 질문과 책임 문제를 설명한다. 결국 핵심은 AI의 도입 여부가 아니라, 무엇을 좋은 답으로 볼 것인지, 또 그 채점 결과의 이유를 어떻게 설명할 것인가다.
88시간의 풀이 발표와 나비에스토크스 검증의 현실적 한계
OpenAI가 공개한 기술 자료에 따르면, 약 1만 개의 AI 에이전트가 투입되어 88시간 동안 탐색한 끝에 유체 방정식인 나비에–스토크스 난제의 풀이 길을 찾아냈다.
회사는 이어 17시간의 추가 계산으로 'Lean 형식화' 시스템을 거쳐 논리에 오류가 없음을 확인했다고 밝혔다. 클레이수학연구소 역시 해당 결과가 난제의 해결 가능성을 보여준 주요 진전이라고 소개했다.
그러나 이것이 수학계에서 최종적인 정답으로 인정받았다는 뜻은 아니다. 컴퓨터의 논리 검사를 통과한 정답 후보라 할지라도, 독립된 수학자들과 관련 분야 학자들이 직접 따져보는 과정이 남아 있기 때문이다.
연구소 또한 공식 인증과 상금을 받으려면 학술지 게재와 엄격한 검증 절차가 반드시 필요하다고 설명했다. AI가 정답 후보를 빠르게 만들고 논리적 실수를 먼저 가려낼 수 있다는 점과, 수학계가 그 결과를 참된 지식으로 받아들이는 것은 전혀 다른 단계라는 점을 보여준다.
2026년 9월 8일 OpenAI의 난제 해법 발표부터 9월 11일 클레이수학연구소 입장 및 필즈상 수상자 25인의 공동성명까지의 시계열과 각 계기별 핵심 쟁점을 정돈한 타임라인 표
수학에서의 AI 문제 풀이와 수학적 이해가 가리키는 본질
AI가 내놓은 결과를 어디까지 인정할지를 놓고 논란이 이어지자, 세계적인 수학자들이 경고하고 나섰다. 테렌스 타오와 허준이 등 필즈상 수상자 25명은 공동성명에서 AI 기업들의 문제 풀이 속도 경쟁이 학문의 목적을 그릇되게 만들 수 있다고 지적했다.
이들은 계산 능력이 빠르게 좋아진 점 자체를 부정하지는 않았다. 다만 유명 난제의 정답을 얼마나 빠르게 내놓는가를 기술 자랑의 지표로 삼는 기업들의 속도 경쟁이 수학의 참된 가치를 해친다고 보았다.
수학에서 문제를 푸는 행위는 원리를 이해하고 새로운 생각에 도달하기 위한 과정이다. 그저 답을 빠르게 내놓는 데만 매달리면, 그 사이에서 얻는 꼼꼼한 설명과 다음 세대로 지식을 이어주는 길도 막힐 수 있다.
정답을 내는 속도만 성과로 치는 순간, 질문을 던지고 오랫동안 생각을 다듬는 인간 본연의 탐구 과정은 평가에서 밀려날 수밖에 없다.
서논술형수능 시험장에서 학생이 작성한 독창적이고 복잡한 사고 과정의 답안지를 AI채점 알고리즘 스캐너가 오류로 판단해 경고창을 띄우는 사고력평가의 사각지대를 풍자한 일러스트.
서논술형평가 전환이 곧바로 학생의 사고력 평가로 이어질까
수학계가 정답 너머의 사고 과정을 강조하는 흐름은 국내 교육 현장의 고민과도 직접 이어진다. 국가교육위원회 숙의자료에 따르면, 정답 하나만 고르는 객관식 시험에서 벗어나 학생의 비판적 생각과 분석 능력을 평가하기 위해 서·논술형 문항 도입을 검토하고 있다.
자신의 생각과 근거를 직접 문장으로 풀어쓰는 방식은 정답 중심 교육을 벗어나는 대안으로 제시된다. 그러나 시험 형식을 바꾼다고 해서 저절로 사고력이 높아지지는 않는다.
서·논술형 답안은 학생마다 표현과 글의 흐름이 제각각이어서 채점하는 사람의 주관이 들어갈 여지가 크다. 대규모 시험에서 채점 기준을 일관되고 공정하게 유지하는 일은 여전히 커다란 숙제로 남는다.
정답의 틀을 깨려고 도입한 서·논술형 평가가 오히려 채점하기 쉽게 만들려고 또 다른 표준 답안을 요구하는 결과로 이어질 수 있는 까닭이다.
AI 자동 채점 공정성과 신뢰도가 흔들리는 독창적 답안은 무엇인가
다양한 답안을 대규모로 채점해야 하는 현실적인 어려움을 풀기 위해 AI 평가 지원 도구가 대안으로 떠오른다. 하지만 비슷한 문장을 찾는 방식의 프로그램(알고리즘)이 학생의 깊은 생각을 제대로 알아볼 수 있을지에는 의문이 따른다.
출제자가 제시한 모범답안과 표현은 다르지만 독창적이고 타당한 논리를 펼친 답안은 단어 맞추기 중심의 AI 채점에서 낮은 점수를 받을 수 있다. 돌아서 가는 풀이나 새로운 아이디어를 적용한 답안도 기존 자료와 다르다는 이유로 불이익을 받을 위험이 크다.
국가교육위원회 자료 역시 사용 모델과 조건에 따라 AI의 판단 결과가 달라질 수 있다는 점을 인정한다. AI가 쉽게 구별할 수 있는 틀에 박힌 글이 좋은 답안으로 대접받는다면, 학생들은 자신의 생각을 깊이 파고들기보다 알고리즘이 선호하는 문장과 키워드를 집어넣는 요령부터 배울 수 있다.
AI가 만든 수학 해법(학계)과 학생이 작성한 서·논술형 답안(교육 현장)이 거치는 5단계 검증 과정(결과 생성 → 기준 검토 → 인간 판단 → 최종 인정 → 다음 단계)을 비교하고, 교사와 수학자의 인간 판단 단계(3~4단계)가 갖는 핵심적 가치를 강조한 비교 표
교사 최종 검토와 AI 채점 오류 책임 시스템이 지켜낼 교육의 본질
결국 핵심은 AI의 도입 여부가 아니라, 무엇을 좋은 답으로 볼 것인지, 또 그 채점 결과의 이유를 어떻게 설명할 것인가다. 국가교육위원회는 서·논술형 문항의 세부 비율과 시행 방안이 확정되지 않았음을 밝히며, AI는 채점 초안을 만드는 도구일 뿐 최종 점수는 교사가 검토해 확정한다는 기본 원칙을 제시했다.
평가 시스템의 신뢰는 실수가 전혀 없는 완벽함에서 나오는 것이 아니라, 실수가 생겼을 때 이유를 또렷이 설명하고 바로잡을 수 있는 절차에서 시작된다. 세밀한 채점 기준표(루브릭)와 함께 여러 교사의 교차 검토, AI와 사람이 다르게 매긴 답안의 재심사, 그리고 학생이 점수에 질문을 던지고 바로잡을 수 있는 이의신청 권리가 제도적으로 마련되어야 한다.
AI 시대의 좋은 평가는 정답을 빠르게 자동으로 나누고 분류하는 시스템이 아니라, 학생들의 학습에 대한 긍정적인 발전과 도움을 줄 수 있는 교육의 본질을 중심으로 둔 평가이어야 한다. 시간을 들여 가르치고 세심하게 관찰하는 평가가 더 나은 학습으로 이어지기 때문이다. 그리고 이 모든 과정이 모두 인간을 길러내는 교육이라는 것을 잊으면 안 된다.
수학에서의AI가 수만 개의 계산 데이터를 실시간으로 출력하는 가운데, 칠판 앞의 수학자가 정답 너머의 수학적이해와 근본적 질문을 고뇌하며 탐구하는 과정을 묘사한 일러스트.
FAQ
Q : Lean 형식 검증이 통과했다는 발표와 수학 학계의 최종 인정은 어떻게 다른가?
A : Lean과 같은 컴퓨터 형식 언어 검증은 작성된 증명이 미리 정해진 논리 규칙을 위반하지 않았는지만을 기계적으로 확인한다. 반면 학계의 최종 인정은 그 증명이 왜 작동하는지, 어떤 새로운 개념적 통찰을 제공하며 기존 연구와 어떻게 연결되는지를 인간 수학자들이 직접 이해하고 검증하는 과정을 거쳐야 비로소 완성된다.
Q : AI 채점 시스템을 도입할 때 우려되는 '자동화 편향(Automation Bias)'이란 무엇인가?
A : 교사가 최종 채점권을 가지더라도 AI가 미리 제시한 1차 점수와 피드백에 심리적으로 끌려가 AI의 판단을 무비판적으로 추인하는 현상을 말한다. 이를 막으려면 교사가 AI의 점수를 보지 않은 상태에서 1차 채점하거나, 판정이 엇갈리는 답안을 제3자가 독립적으로 재검토하는 절차가 필수적이다.
Q : AI가 서·논술형 답안을 평가할 때 발생할 수 있는 '평가 기준의 역설'은 무엇인가?
A : 정답 중심의 객관식을 벗어나 학생의 창의적 사고를 평가하려고 도입한 서·논술형 시험이, 대규모 채점의 일관성을 맞추기 위해 오히려 AI가 인식하기 쉬운 특정 키워드나 문장 구조만을 우대하는 또 다른 형태의 표준화로 전락하는 현상이다.
Q : 고위험 대입 시험에서 AI 채점 모델을 사용할 때 데이터와 루브릭을 전면 공개해야 하는 이유는 무엇인가?
A : AI 알고리즘이 어떤 모범답안과 키워드 비중을 기준으로 점수를 매기는지 투명하게 공개되지 않으면 채점의 불공정성과 블랙박스 논란을 해소할 수 없기 때문이다. 채점 기준표와 학습 데이터셋이 공개되어야 학생과 교사가 결과에 대한 합리적인 설명을 요구하고 오류에 대해 이의를 제기할 수 있다.
[핵심 인사이트 3가지]
1. AI의 정답 생산과 학문의 지식 형성은 서로 다른 차원이다
OpenAI가 아무리 빠르게 해법 후보를 내놓더라도, 수리논리학자와 학계의 독립적인 검토를 거치지 않으면 수학 공동체의 지식으로 인정받을 수 없다. 정답을 빠르게 계산해 내는 AI의 성능과, 그 근거를 증명하고 설명하는 학문의 검증은 엄연히 구분되어야 한다.
2. 평가 지표는 연구자와 학생의 학습 행동 자체를 결정한다
AI 기업이 문제 풀이 속도를 성과 지표로 삼으면 연구자들 역시 깊은 개념 탐구보다 단기 속도 경쟁에 쏠리게 된다. 마찬가지로 학교가 AI 채점에 용이한 정형화된 답안을 우대하면, 학생들은 자신의 생각을 깊이 파고들기보다 알고리즘의 입맛에 맞춘 글쓰기 요령만 익히게 된다.
3. AI 채점의 신뢰는 기술의 성능이 아니라 인간 교사의 설명 책임에 달려 있다
AI를 서·논술형 채점에 활용하더라도 최종 판단과 설명의 주체는 언제나 인간 교사여야 한다. 평가의 신뢰성은 오류가 전혀 없는 완벽함에서 나오는 것이 아니라, AI의 판단에 실수가 생겼을 때 이를 명확히 설명하고 정정할 수 있는 인간의 제도적 책임 절차에서 완성된다.
[핵심 참고 자료]
OpenAI — On the Navier–Stokes Millennium Prize Problem
OpenAI가 나비에–스토크스 문제의 해법을 제시했다고 발표하며 에이전트 규모와 탐색·형식화 과정을 설명한 원문이다.
Clay Mathematics Institute — Navier-Stokes Announcement
클레이수학연구소가 나비에–스토크스 문제의 공식적 성격과 독립적인 평가·공로 인정 절차를 설명한 발표다.
Terry Tao — A Severe Misalignment of AI in Mathematics
필즈상 수상자 25명이 서명한 공동성명 원문으로, AI의 문제 풀이 경쟁이 지식 전승과 개념적 이해를 약화시킬 가능성을 경고한다.
국가교육위원회
서·논술형 평가의 목적과 장단점, AI 채점의 가능성과 한계, 교사 검토·이의제기·개인정보 보호의 필요성을 설명한 공식 자료다.
[전문 용어 사전]
▪️ Lean 형식화 (Lean Formalization): 수학적 명제와 증명을 소스 코드 형태의 형식 언어로 변환하여, 컴퓨터(증명 도우미)가 논리적 오류 유무를 기계적으로 검사하게 만드는 기술이다.
▪️ 나비에–스토크스 (Navier–Stokes Existence and Smoothness): 3차원 공간에서 유체(액체·기체)의 운동을 설명하는 방정식의 해가 항상 존재하고 무한히 미분 가능한지를 묻는 7대 밀레니엄 미제 중 하나다.
▪️ 자동화 편향 (Automation Bias): 인간 검토자가 AI 시스템이 제시한 1차 채점 결과나 피드백을 지나치게 신뢰하여, AI의 판단 오류를 제대로 검증하지 않고 무비판적으로 수용하게 되는 심리적 경향이다.
▪️ 설명 가능성 (Explainability, XAI): AI가 특정 채점 결과나 증명 구조를 도출한 세부 논리와 근거를 인간(교사, 학생, 연구자)이 확실하게 이해하고 검증할 수 있도록 해명해내는 기술적·제도적 성격이다.
▪️ 루브릭 (Rubric): 서·논술형 답안에서 평가하고자 하는 핵심 요소와 수준별 판단 기준, 점수 배정 원칙을 세밀하게 체계화한 채점 기준표다.
[함께 읽으면 좋을 기사]
[Pocus 심층 진단 기획] 유네스코 공동성명 ‘교육은 공공재’…사람 길러내는 일이 교육의 본질
[Pocus 심층 진단 기획] 캘리포니아 아동 AI 규제 애덤법, AI 친구와의 관계 규제 시작
[Pocus 심층 분석] 자동화 연구 인턴 공개한 오픈AI, 수석과학자가 속도 조절을 말한 이유
※ AI 활용 고지: 본 기사는 The Imaginary Pocus의 기획과 편집 방향에 따라 관련 법령·공식 문서·학술자료를 검토해 구성했으며, 자료 구조화와 표·이미지 제작 과정에 AI를 활용했습니다. 최종 내용의 사실 확인과 편집 책임은 The Imaginary Pocus에 있습니다.
){kind=small}
){kind=small}
){kind=small}
){kind=small}
