AI 수업을 찾아보다가 블록 코딩, 파이썬, 머신러닝이라는 말이 차례로 나오면 “우리 아이는 타자도 느린데, 아직 시작하기 이른 걸까?” 싶어져요. 초등·중학생을 위한 AI 교육 플랫폼 AI키즈랩에서 먼저 답을 드리면, AI가 어떤 자료를 보고 답을 내는지 이해하는 공부는 코딩을 배우기 전에도 시작할 수 있어요. 종이 몇 장으로 예를 비교하고, 처음 세운 기준을 바꿔보는 활동이 그 출발점이 될 수 있어요.

다만 종이 놀이 한 번으로 AI를 다 이해하게 되는 것은 아니에요. 오늘은 어디까지 배울 수 있는지, 부모가 어떤 설명을 곁들여야 하는지 살펴볼게요.

먼저 배우고 싶은 것을 정하면, 시작점이 보여요

아이가 AI를 써서 그림을 만들었을 때 “왜 이런 그림이 나왔을까?”, “다른 자료로 배우면 결과도 달라질까?” 하고 생각하는 힘이 있어요. 이렇게 AI의 작동 방식과 한계를 이해하고 사용을 판단하는 능력을 AI 리터러시라고 해요.

코딩은 컴퓨터가 실행할 절차를 프로그래밍 언어로 표현하는 일이에요. 두 영역은 서로 이어져요. AI의 결과를 살펴보는 경험이 코딩 프로젝트의 목적을 만들어주기도 하고, 코딩으로 직접 구현해보면 AI를 활용하는 구조를 더 구체적으로 이해할 수도 있어요.

그래서 “어느 과목을 완전히 끝내야 다음으로 갈 수 있을까?”보다 “지금 아이가 알아보려는 것은 무엇일까?”를 먼저 정하면 좋아요. AI가 예를 보고 분류하는 원리를 알아보려는 아이에게는 종이 활동이 가능하고, 분류 결과에 따라 움직이는 게임을 만들려는 아이에게는 코딩이 함께 필요할 수 있어요.

아직 키보드가 익숙하지 않은 아이도 색과 모양을 비교하고, 자신이 고른 기준을 말할 수 있어요. 이때 부모가 볼 것은 입력 속도보다 “어떤 예를 보고 그렇게 생각했니?”라는 질문에 대한 아이의 설명이에요.

화면 없는 AI 활동은 연구에서도 설계하고 있어요

컴퓨터 없이 몸을 움직이거나 종이와 사물로 컴퓨팅 개념을 다루는 활동을 ‘언플러그드 활동’이라고 해요. 2026년 발표된 한 연구에서는 미국의 유치원부터 초등 2학년까지를 가르치는 교육자 8명이 AI 수업 활동을 함께 설계했어요. 교사 연수는 2025년 7월에 진행됐고, 그림 분류와 이야기, 역할놀이를 기존 읽기·말하기 수업에 연결했어요.

예를 들어 고양이와 고양이가 아닌 그림을 나누면서 어떤 특징을 보고 판단했는지 설명하거나, 자료에 붙일 이름을 정하는 활동이 포함됐어요. 연구진은 어린아이에게 낯선 AI 용어를 늘리기보다 익숙한 물건과 대화로 개념을 풀어내는 방법을 살폈어요.

여기에는 분명한 한계가 있어요. 이 논문은 교사들의 공동 설계와 연수 경험을 다뤘고, 만들어진 수업을 받은 아이들의 학습 효과는 아직 측정하지 않았어요. “종이로 배우면 코딩 수업보다 성적이 오른다”거나 “몇 살에 시작해야 효과가 좋다”는 결론을 내릴 수는 없어요. 집에서 활용할 만한 수업 구성의 근거로 읽는 것이 맞아요. 연구 원문: https://doi.org/10.1609/aaai.v40i47.41529

AI 교육 가이드인 AI4K12의 학년군별 초안에도, 어린 학습자가 이름표가 붙은 예를 보고 분류에 쓰인 특징을 찾아보는 목표가 들어 있어요. 이 자료 역시 특정 연령의 성취를 보장하는 시험 기준은 아니에요. 무엇을 관찰하고 설명하게 할지 정하는 데 참고할 수 있어요. AI4K12 학습 가이드: https://ai4k12.org/gradeband-progression-charts/

‘규칙을 알려주기’와 ‘예를 보고 규칙을 찾기’를 구분해요

부모가 “동그라미는 A상자에, 네모는 B상자에 넣어줘”라고 말하면 아이는 주어진 규칙을 따라 분류할 수 있어요. 이번에는 규칙을 말하지 않고, 이미 상자가 정해진 그림 몇 장만 보여준다고 생각해보세요. 아이는 예를 비교하면서 어떤 특징이 상자를 가르는지 짐작해야 해요.

이 두 번째 장면으로 머신러닝의 한 방식을 설명할 수 있어요. 머신러닝은 데이터를 이용해 모델을 학습시키는 방법이고, 그중 지도학습은 입력 예와 그 예에 붙은 정답을 함께 사용해요. 여기서 모델은 학습한 관계를 이용해 새 입력의 결과를 예측하는 계산 구조라고 이해하면 돼요.

그림에 ‘A상자’라고 적힌 이름표는 지도학습에서 쓰는 ‘레이블’에 대응해요. 아이가 살펴보는 색과 모양은 분류에 참고할 수 있는 ‘특징’이에요. 중요한 것은 정답 이름표가 붙은 예를 많이 외우는 데서 끝내지 않고, 처음 보는 그림에도 그 기준이 통하는지 확인하는 일이에요.

이 설명은 AI의 일부 원리를 보여주는 간단한 비유예요. 실제 머신러닝에서는 정해진 알고리즘이 데이터에 맞춰 모델을 조정해요. 사람이 종이를 보고 생각하는 과정과 같지는 않고, 글이나 그림을 만드는 생성형 AI의 전체 작동 방식을 이 분류 놀이 하나로 설명할 수도 없어요. AI4K12 ‘Learning’ 원문, 1~3쪽: https://ai4k12.org/wp-content/uploads/2021/01/AI4K12-Big-Idea-3-Progression-Chart-Working-Draft-of-Big-Idea-3-v.11.19.2020.pdf

집에서는 종이 여섯 장으로 ‘상자 찾기’를 해보세요

준비물은 작은 종이 여섯 장, 빨강·파랑·초록 필기구, 종이 두 장으로 만든 A·B상자 이름표예요. 특별한 교구나 AI 계정은 필요 없어요. 아래 활동은 앞의 연구와 가이드에서 다루는 분류 원리를 바탕으로 가정용으로 구성한 예시이며, 연구에서 효과를 검증한 프로그램은 아니에요.

부모가 작은 종이 여섯 장에 빨간 동그라미, 파란 네모, 파란 동그라미, 빨간 네모, 초록 동그라미, 초록 네모를 각각 그려요. 그림 크기는 비슷하게 맞추고, 뒤에는 동그라미라면 A, 네모라면 B라고 적어요. 오늘 정한 기준은 모양이지만, 처음에는 아이에게 알려주지 않아요.

처음 두 장에서는 여러 기준이 가능하다는 것을 느껴봐요

빨간 동그라미는 A상자에, 파란 네모는 B상자에 놓아요. 나머지 네 장은 가려두고 “이 두 그림을 보고 상자를 정하는 기준을 생각해볼까?”라고 물어보세요.

아이가 “빨강은 A, 파랑은 B”라고 해도 바로 틀렸다고 말하지 않아요. “동그라미는 A, 네모는 B”라는 기준도 가능해요. 지금 보이는 두 장에는 색과 모양이 함께 달라서, 어느 특징으로 나눴는지 하나로 확정하기 어려워요.

부모는 “네 기준대로라면 파란 동그라미는 어디로 갈까?”라고 물으며 아이의 예상을 들어요. 처음부터 정답 기준을 맞히게 하기보다, 같은 자료를 보고도 다른 규칙을 생각할 수 있다는 점을 알아차리면 돼요.

다른 조합을 보여주고, 바뀐 이유를 들어봐요

이제 파란 동그라미를 보여주고 뒤의 A를 확인해요. 이어서 빨간 네모의 B도 확인해요. 앞에서 ‘색’을 기준으로 골랐다면 새 예와 맞지 않는 부분을 발견하게 돼요.

이때 “이제 알겠지?”로 끝내지 말고 “어느 그림 때문에 생각이 달라졌어?”라고 물어보세요. “파란색인데 A에 들어가니까 색만 보면 안 되겠어”라고 말한다면, 아이는 새 자료가 처음 판단을 바꾼 이유를 설명하고 있는 거예요.

처음부터 모양을 골랐던 아이에게는 “색을 기준으로 생각한 친구에게 어떤 그림을 보여주면 좋을까?”라고 물어볼 수 있어요. 정답을 먼저 맞힌 아이도 다른 기준을 구분하는 데 필요한 예가 무엇인지 생각하게 돼요.

남겨둔 두 장으로, 처음 보는 예에도 통하는지 확인해요

마지막으로 초록 동그라미와 초록 네모를 꺼내요. 뒤의 이름표는 가린 채 어느 상자에 들어갈지 정하고 이유를 말한 다음, 뒤집어 확인해요.

처음 네 장은 기준을 찾아가는 데 쓴 자료이고, 마지막 두 장은 그 기준을 새 예에 적용해보는 자료예요. 실제 AI에서도 학습에 사용한 자료와 새 자료에서의 결과를 구분해 살펴봐야 한다는 생각으로 연결할 수 있어요.

부모는 맞힌 개수를 점수로 남기기보다 아이의 설명 한 문장을 적어보세요. “처음에는 색이라고 생각했는데, 파란 동그라미를 보고 모양으로 바꿨어”처럼 무엇을 보고 판단을 고쳤는지가 드러나면 좋아요. 두 문제를 맞혔다고 AI 원리를 모두 이해했다는 뜻은 아니지만, 다음 대화의 출발점은 생겨요.

놀이 뒤에는 ‘자료를 더 주면 무조건 좋아질까?’까지 이어가요

빨간 동그라미와 파란 네모만 열 장씩 더 보여줬다면 어땠을까요? 그림 수는 늘어나지만, 여전히 색과 모양 가운데 어느 쪽이 기준인지 구분하기 어려워요. 이 활동에서는 개수만 늘리는 것보다 파란 동그라미와 빨간 네모처럼 다른 조합을 보는 것이 필요한 정보를 줘요.

아이에게는 “AI도 자료가 많다는 말만 듣고 믿기보다, 어떤 자료로 배웠는지 살펴봐야 해”라고 연결해볼 수 있어요. AI4K12 가이드에서도 분류 결과가 학습 자료의 구성에 영향을 받는다는 점을 다뤄요. 다만 실제 모델의 결과는 자료뿐 아니라 모델 구조와 학습 방법에도 영향을 받아요. 새 예를 추가했다고 언제나 원하는 대로 바뀌는 것은 아니에요. AI4K12 ‘Learning’ 원문, 7쪽: https://ai4k12.org/wp-content/uploads/2021/01/AI4K12-Big-Idea-3-Progression-Chart-Working-Draft-of-Big-Idea-3-v.11.19.2020.pdf

가정 활동에서는 사람 사진이나 친구의 성격을 분류 대상으로 바꾸기보다, 오늘처럼 색과 모양이 분명한 가상의 대상을 쓰는 편이 좋아요. 아이가 누군가를 ‘좋은 사람·나쁜 사람’으로 가르는 놀이로 받아들이지 않도록 분류의 목적도 작게 정해두세요.

아이가 설명하기 어려워하면 처음 두 장으로 돌아가 “색이 같니, 모양이 같니?”부터 함께 살펴봐요. 반대로 흥미가 생겼다면 아이가 다른 규칙을 정하고 부모에게 예를 보여주는 역할 바꾸기도 가능해요. 활동 시간이나 정답 수를 준비도 검사처럼 사용하지 않아도 괜찮아요.

이후 AI 수업이나 온라인 강의를 고를 때도 오늘의 경험을 기준으로 삼아보세요. 예를 넣기 전에 결과를 예상하는지, 처음 보는 예로 확인하는지, 예상과 다르면 자료나 조건을 바꿔보는지 살펴보면 수업에서 아이가 맡는 역할이 보여요. 실제 도구로 이어갈 때는 그 서비스의 현재 연령·계정 조건을 확인하고, 허용된 방식 안에서 어른과 함께 사용해요.

코딩을 시작할 시기를 고민하는 동안에도 아이와 나눌 수 있는 AI 이야기는 있어요. 종이 한 장을 새로 보여주고 “어떤 점을 보고 생각이 달라졌어?”라고 물어보세요. 그 이유를 함께 듣는 시간이 AI의 판단을 이해하는 첫 공부가 될 수 있어요.

원문과 전체 글 보기

AI키즈랩 아임웹 원문: https://aikidslab.com/blog/?idx=174911325&bmode=view

AI키즈랩 뉴스레터 아카이브: https://aikidslab.kit.com/profile