AI 쓰면 애들이 공부를 정말 안할까?

처음 이 그래프를 봤을 때 나는 위쪽 뾰족한 봉우리부터 봤다. AI를 쓰기 시작한 학생들의 숙제 점수 분포가 100점 언저리에서 120점대로 통째로 밀려 올라간 그림. 두 번째로 볼 때는 아래쪽을 봤다. 같은 학생들의 시험 점수 분포가 왼쪽으로 길게 무너져 내린 그림. 같은 아이들, 같은 30개월, 정반대 방향이다.

스톡홀름대의 다비드 스트룀베리(David Strömberg)와 홍콩대의 빅터 레이(Victor Lei), 우옌후이(Yanhui Wu)가 2026년 6월 2일 공개한 워킹페이퍼 「The Generative AI Learning Penalty: Evidence from Chinese Secondary Education」에서 나왔다. 중국 중부의 한 현(county)에 있는 중학교 5곳과 고등학교 4곳, 7~12학년 학생 2만 6,811명을 2022년 9월부터 2025년 6월까지 30개월간 추적했다. 그 지역 중등학생의 약 90%가 표본에 들어갔다.

이 연구가 지금까지 나온 수십 편의 AI 교육 연구와 다른 지점은 기간과 데이터의 성격이다. 기존 연구는 대부분 몇 시간에서 길어야 몇 주짜리 실험실 과제였고, 연구자가 설계한 AI 도구를 연구자가 정한 방식으로 쓰게 했다. 이 연구는 반대다. 학생들이 스스로 골라 쓴 범용 챗봇을, 학교가 원래 기록하던 행정 데이터로, 2년 반 동안 따라갔다. 통제된 실험의 깔끔함은 없지만 현실이 실제로 어떻게 굴러가는지를 본다. 저자들의 표현을 빌리면, 기술 혁명은 무작위 배정이 불가능하다.

여기서 잠깐 멈추고 짚을 게 있다. 나는 이 논문을 소개하는 여러 요약본을 봤는데, 대부분 결론을 한 문장으로 압축한다. "AI 쓰면 성적 떨어진다." 그런데 논문을 열어보면 그 문장은 절반만 맞다. 정확히 말하면 AI를 쓰느냐 마느냐가 문제가 아니라, 숙제에 몇 분을 쓰느냐가 갈림길이었다.

연구가 찾아낸 숫자들

관련 논문의 주 추정치는 AI를 처음 쓰기 시작한 뒤 6~10개월 구간의 이중차분(DID) 효과다.

• 숙제 점수: +18% (표준편차 1.9개 분량)

• 숙제 완료 시간: 64분 → 45분, 추정치로는 -19분, 약 30% 단축

• 중간고사 시험 점수: -20% (표준편차 1.4개 분량)

• 고등학교 입학 시험점수: -24%

• 대입 시험 점수: -18%

이 숫자들을 신뢰할 만한지부터 보자. 논문 저자들은 학생마다 AI를 처음 쓴 달이 다르다는 점을 이용했다. 2022년 11월에 시작한 학생, 2023년 5월에 시작한 학생, 2024년 3월에 시작한 학생이 각각 다른 시점에 처치를 받는 셈이다. 이걸 캘러웨이-산타나(Callaway & Sant'Anna, 2021) 방식의 시차적 이중차분으로 묶었다. 끝까지 AI를 쓰지 않은 학생들이 "만약 쓰지 않았다면"의 기준 역할을 한다.

이런 설계에서 가장 먼저 의심해야 할 건 원래 성적이 떨어지고 있던 아이들이 AI로 도망친 것 아니냐는 역인과다. 논문의 이벤트 플롯을 보면 채택 이전 구간에서 두 집단의 궤적은 거의 포개져 있다. 사전 시험 점수는 나중에 AI를 쓰게 될 학생들이 오히려 0.2% 높았다. 인구통계 변수들의 표준화 차이도 부모의 지식산업 종사 여부(0.103)를 빼면 전부 0.1 미만으로, 통상 기준선인 0.25에 한참 못 미친다. 처치 시점 이전에 아무 일도 일어나지 않다가 채택 직후부터 갈라진다는 것, 이게 이 논문 주장의 핵심이다.

효과 크기를 표준편차로 환산한 1.4라는 숫자는 교육경제학에서 좀 비현실적으로 큰 값이다. 세계은행의 가브리엘 데몸빈(Gabriel Demombynes)은 2026년 6월 18일 블로그에서 나이지리아의 AI 튜터링 프로그램이 만든 학습 향상이 0.31 표준편차였다고 비교했다. 이 연구가 측정한 손실은 그 네 배가 넘는다.

다만 여기에는 통계적 착시가 섞여 있고, 논문 저자들이 직접 그 점을 밝혀 놓았다. 월례 시험 점수는 7~9개 과목 평균값이라 과목별 점수보다 분산이 훨씬 작다. 그래서 같은 크기의 하락이라도 표준편차로 환산하면 두 배쯤 크게 보인다. 실제로 수학 한 과목만 떼어 보면 -22%가 0.84 표준편차다. 여전히 큰 숫자지만 1.4와는 인상이 다르다. 이런 걸 스스로 각주에 적어둔 논문은 대체로 믿을 만하다.

AI 사용 전후 숙제 점수(위), 숙제 소요 시간(가운데), 시험 점수(아래) 분포. 출처: The Economist, 2026-08-18, 원자료 Strömberg·Lei·Wu (2026).

두 번째 그래프는 볼수록 더 불편하다

더 무서운 건 두 번째 그래프다. 가로축은 숙제 점수, 세로축은 시험 점수다. AI를 한 번도 안 쓴 학생들(회색 선)은 우리가 기대하는 대로 움직인다. 숙제를 잘할수록 시험도 잘 본다. 숙제 점수 115점 근처에서 시험 점수는 110점에 닿는다. 숙제와 시험을 잇는 신뢰의 끈이 팽팽하다.

AI를 쓴 학생들(붉은 선)은 다르다. 숙제 점수 105점 부근까지는 회색 선을 거의 따라간다. 그 지점에서 붉은 선이 꺾인다. 숙제 점수 110점을 넘어서면 시험 점수가 급전직하해서, 숙제 130점짜리 학생의 시험 점수가 60점대까지 떨어진다.

여기서 흔한 요약이 한 번 더 부정확해진다. "AI 쓴 학생들 시험 점수가 80점대 이하로 떨어졌다"는 정리를 자주 보는데, 분포 전체가 딱히 내려앉은 건 아니다. AI 사용군의 시험 점수 분포는 봉우리가 90점대 초중반에 있고, 왼쪽으로 아주 두꺼운 꼬리가 20~60점 구간까지 늘어져 있다. 평균을 20% 끌어내린 건 이 꼬리다. 그리고 두 번째 그래프가 말해주는 건 그 꼬리에 누가 들어 있는지다. 숙제를 가장 화려하게 잘 낸 학생들이다.

숙제 점수가 실력을 보여주는 지표이길 그만둔 순간이 이 그래프에 그려져 있다. 교사 입장에서 보면 이건 성적이 떨어졌다는 문제가 아니다. 성적을 진단하는 기준 자체가 믿을 수 없게 됐다는 문제다. 숙제를 잘 낸 학생이 잘하는 학생이 아니라면, 교사는 누가 어디서 막혔는지 알 방법이 없다.

가로축 숙제 점수, 세로축 시험 점수. 회색은 AI 미사용, 붉은색은 AI 사용. 출처: The Economist, 2026-08-18, 원자료 Strömberg·Lei·Wu (2026).

AI를 썼느냐보다 숙제에 학생들이 몇 분을 썼느냐가 갈랐다

논문의 핵심 기여는 사실 여기다. 저자들은 AI 사용자를 숙제 소요 시간으로 다시 갈랐다.

• 50분 미만에 끝내면 숙제 아웃소싱

• 45분 미만이면 완전 아웃소싱

기준선은 자의적이지 않다. AI를 쓰지 않는 학생들 중 가장 빠른 축이 대략 이 언저리이고, AI 사용자들은 그보다 훨씬 짧은 시간에 훨씬 높은 점수를 받았다.

전체 AI 사용자 중 아웃소싱에 해당하는 비율은 58%, 완전 아웃소싱은 34%다. 그런데 AI를 쓴 지 5개월이 넘어가면 이 비율이 각각 81%와 50%로 올라간다. 초록에 나오는 "약 80%"는 이 숫자다.

반대편도 있다. 숙제에 65분 넘게 쓰는 AI 사용자들은 숙제 점수도 시험 점수도 비사용자와 거의 같았다. 50~65분 구간의 학생들은 숙제 점수는 유의하게 높은데 시험 점수 분포는 비사용자와 비슷했다. AI를 쓰긴 썼는데 학습 효율은 잃지 않은 집단이다. 여기까지가 "AI를 잘 쓰면 괜찮다"는 희망적인 대목이고, 실제로 많은 소개 글이 여기서 문장을 끝낸다.

논문은 거기서 끝내지 않는다. 65분 넘게 쓰는 AI 사용자는 전원이 AI를 쓴 지 5개월 이하인 학생들이었다. 채택 6개월이 지나면 숙제에 65분 이상을 쓰는 AI 학생은 표본에서 사라진다.

이 문장을 나는 몇 번 다시 읽었다. "건강한 사용자"라는 집단이 있긴 했는데, 그건 안정된 유형이 아니라 아직 미끄러지지 않은 초기 상태였다는 뜻이기 때문이다. 처음에는 대화하듯 쓴다. 막힌 데를 물어보고, 답을 받고, 이해하고, 다시 쓴다. 그러다 어느 날 통째로 넣어보고 되는 걸 확인한다. 그 다음부터는 되돌아가기가 어렵다. 마감이 있고, 학원이 있고, 잠이 부족하니까.

절제된 사용이 유지 가능한 균형이 아니라 대체로 통과 지점이었다는 것. 나는 이게 이 논문에서 가장 불편한 발견이라고 생각한다.

인지심리학 쪽에서는 이런 현상을 설명하는 개념이 이미 오래전부터 있었다. 학습은 저항이 있을 때 일어난다. 답을 보고 이해하는 것과 답을 스스로 인출해내는 것은 뇌에서 다른 일이고, 기억에 남는 쪽은 후자다. 막혀서 헤매는 시간, 틀린 접근을 한 번 시도해보고 버리는 시간, 답을 알고 나서 "아 그렇구나" 하는

순간까지의 지연. 이 불편한 구간이 학습의 본체다. 아웃소싱은 정확히 이 구간만 도려낸다. 결과물은 그대로 남고, 학습만 사라진다. 겉으로는 아무것도 없어지지 않은 것처럼 보이는 이유다.

사진: Tony Alter, "Homework", CC BY 2.0, Wikimedia Commons.

숙제 점수는 본질적으로 무엇을 알려주나?

한 걸음 물러서서 생각해보자. 숙제는 도대체 우리의 학창시절에 왜 존재했는가 ?

숙제는 두 가지 일을 동시에 한다. 하나는 연습이다. 배운 걸 혼자 다시 해보면서 손에 익히는 것. 다른 하나는 진단이다. 학생이 지금 어디까지 왔는지를 교사에게, 그리고 학생 자신에게 알려주는 것. 교육학에서는 후자를 형성평가라고 부른다. 점수를 매기기 위한 평가가 아니라 다음에 무엇을 가르칠지 정하기 위한 평가다.

생성형 AI는 이 두 기능을 동시에 망가뜨린다. 연습이 사라지는 건 명백하다. 덜 명백한 쪽이 더 위험하다. 진단이 멈춘 게 아니라 틀린 진단을 내리게 됐다. 아무것도 제출되지 않았다면 교사는 즉시 알아챈다. 그런데 완성도 높은 과제가, 그것도 예년보다 더 좋은 품질로 제때 들어온다.

첫 번째 그래프의 맨 위 봉우리를 다시 보자. 학교 입장에서 그건 성공 지표다. 숙제 평균이 오르고, 미제출이 줄고, 아이들이 더 빨리 끝낸다. 어느 교장이 이걸 위험 신호로 읽겠는가. 그리고 아래쪽 봉우리가 왼쪽으로 무너져 내리는 데는 6개월이 걸렸고, 입시에서 확인되는 데는 2년이 걸렸다.

그렇다면 왜 2년 동안 아무도 눈치채지 못했을까?

이 정도 크기의 손실이 실시간으로 쌓이는데 학교도 학부모도 조용했다. 논문은 세 가지 이유를 든다.

첫째, 타이밍이다. 월례 시험 점수는 채택 6개월 안에 이미 다 무너졌다. 그런데 인생을 가르는 시험, 즉 중카오와 가오카오에서 -24%, -18%라는 최종 수치가 다 드러나는 데는 약 2년이 걸렸다. 몇 주짜리 실험 연구가 이 격차를 잡아낼 방법이 없다. "한 학기 써봤는데 별일 없더라"는 판단이 왜 위험한지를 이 시차가 설명한다.

둘째, 집계의 문제다. 현 전체 평균 점수에 미친 효과는 2022년 9월부터 2024년 6월까지 누적 **-3.4%**에 불과했다. 그런데 2025년 6월에는 **-9.9%**까지 커졌다. 학생 한 명당 효과가 커져서가 아니다. AI를 쓰는 학생 비율이 80%까지 올라갔기 때문이다. 조용히 번지다가 임계점에서 한꺼번에 보인다.

셋째, 관측 지점의 문제다. 교사는 대개 자기 과목 하나만 본다. 한 과목 안에서 학생 성적은 원래 출렁인다. 그 정상적인 소음 밑에 추세가 숨는다. 그리고 학생 본인은 더 속기 쉽다. 숙제가 매끄럽게 끝나는 감각은 실제로 유능해진 느낌과 구분되지 않는다.

성적이 좋았던 학생일수록 더 많이 떨어졌다

효과의 분포도 직관과 어긋난다.

과목별로는 사회과(정치·지리)가 **-27%**로 가장 크고, STEM이 -22%, 영어 -17%, 국어(중국어) -9% 순이다. 재미있는 건 기존 AI 교육 실험들이 대부분 수학·프로그래밍·외국어에 몰려 있었다는 점이다. 피해가 가장 큰 서술형 사회과가 연구의 사각지대였다. 긴 글로 답하는 과제일수록 통째로 넘기기 쉽다.

학년별로는 중학생 -24%, 고등학생 -17%. 사용 시간에 따라서는 주당 0~1시간 사용자가 **-5%**인 반면 주당 5시간 이상 사용자는 **-30%**로 뚜렷한 용량-반응 관계가 나온다. 성별로는 남학생 -21.6%, 여학생 **-18.4%**인데, 채택률 자체는 82%와 80%로 거의 같고 격차의 대부분은 사용 강도 차이로 설명된다.

그리고 가장 뼈아픈 대목. 사전 성적 상위 3분위 학생들은 -24%, 하위 3분위는 **-16%**였다. 입시 시험에서도 -18% 대 -11%로 같은 방향이다. "잘하는 아이는 도구도 잘 쓸 것"이라는 통념의 정반대다.

왜일까. 나는 이렇게 읽는다. 성적이 좋은 학생일수록 좋은 답이 무엇인지 알아본다. AI가 내놓은 답이 자기가 30분 걸려 쓸 답보다 낫다는 걸 즉시 판별할 수 있다. 판별력이 있으니 검증에 드는 시간도 짧다. 역설적으로 좋은 답을 알아보는 능력이 좋은 답을 만드는 훈련을 건너뛰게 만든다. 지금 "나는 AI를 잘 다루니까 괜찮다"고 생각하는 사람이 있다면, 이 데이터는 정확히 그런 사람을 가리키고 있다.

사진: LEE3Lithium, 준비를 마친 가오카오 고사장, CC BY-SA 4.0, Wikimedia Commons.

그렇다면 AI를 쓰지 말아야 하나

아니다. 그리고 이 결론은 감상이 아니라 다른 연구들의 데이터에서 나온다.

하버드의 그레그 케스틴(Greg Kestin) 연구진이 2025년 《Scientific Reports》에 낸 무작위대조시험은 정반대 결과를 보여

준다. 하버드 물리 입문 강좌(PS2) 수강생 194명을 대상으로, 교육학적으로 설계된 AI 튜터가 능동학습 방식의 대면 수업보다 학습 효과가 컸다. 효과 크기는 회귀 기준 0.63 표준편차, 천장효과를 보정한 분위회귀에서는 0.73~1.3 표준편차였다. 몰입도와 동기도 유의하게 높았다. 그런데 AI 그룹의 학습 소요 시간 중앙값은 49분이었다. 수업은 60분 고정이었다. 시간을 아끼면서 더 배웠다.

와튼의 함사 바스타니(Hamsa Bastani) 연구진이 2025년 PNAS에 낸 터키 고등학교 실험은 그 사이의 조건을 보여준다. 약 1,000명을 세 조건에 나눴다. 답을 그대로 주는 GPT Base 그룹은 연습문제 성적이 48% 올랐고, 힌트만 주고 답은 안 주는 GPT Tutor 그룹은 127% 올랐다. 그런데 AI 없이 치른 시험에서 GPT Base 그룹은 대조군보다 17% 낮았고, GPT Tutor 그룹은 대조군과 통계적으로 구분되지 않았다.

여기서도 정확해야 한다. GPT Tutor는 피해를 없앴을 뿐 향상을 만들지 않았다. 가드레일이 성적을 올려주는 마법이 아니라, 손실을 막는 안전장치라는 뜻이다.

MIT 미디어랩의 나탈리야 코스미나(Nataliya Kosmyna) 연구진의 「Your Brain on ChatGPT」는 메커니즘 쪽을 건드린다. 54명을 대상으로 에세이 작성 중 EEG를 측정했더니 LLM 사용군의 뇌 연결성이 가장 약했고, 첫 세션 직후 자기가 방금 쓴 에세이를 정확히 인용하지 못한 비율이 LLM군 83.3%, 검색엔진군과 순수 작문군은 각각 11.1%였다. 다만 이 논문은 2026년 9월 현재까지도 동료심사를 통과하지 않은 arXiv 프리프린트이고, 표본 크기와 통계 해석에 대한 반론 코멘터리도 나와 있다. 결정적 증거가 아니라 방향성 참고로 읽는 게 맞다.

세 연구를 중첩시켜 놓으면 그림이 선명해진다.

설계된 도구 + 동기 높은 학습자 = 이득. 답을 그대로 주는 도구 + 마감에 쫓기는 십대 = 손실. 중국 연구가 포착한 건 현실 세계의 기본값이 후자라는 사실이다. 아이들은 교육용으로 설계된 튜터를 쓰지 않았다. 더우바오, 딥시크, ChatGLM, 원신이옌, 큐원 같은 범용 챗봇을 직접 골라 썼다.

한 가닥 희망도 있다. 같은 5개월 노출을 기준으로 비교했을 때 학습 손실은 2023년 초 약 25%에서 2025년 6월 약 16%로 줄었다. 2022년 10월에 채택한 코호트만 고정해서 봐도 같은 감소가 나타나므로 표본 구성이 바뀐 탓이 아니다. 학생과 교사가 조금씩 적응하고 있다는 신호다. 물론 뒤집어 말하면 3년이 지나도 16%가 남아 있다는 뜻이기도 하다.

이 결과를 한국에 그대로 적용할 수 있을까

조심할 지점이 여럿이다.

우선 이건 아직 동료심사를 거치지 않은 CEPR 디스커션 페이퍼다. 표본은 1인당 GDP가 6,000달러에 못 미치는 중국 중부의 현 한 곳이다. AI 채택 시점은 자기보고이고, 저자들도 이 점을 방법론에서 길게 다룬다. 세계은행의 데몸빈은 부모의 도시 이주 같은 동시 충격이 AI 사용과 성적 하락을 함께 일으켰을 가능성을 지적하며, 실제 효과가 보고치보다 다소 작을 수 있다고 봤다.

저자들의 방어도 만만치 않다. 채택 전 시점에서 사용군과 비사용군의 궤적은 거의 포개져 있고, 사전 시험 점수 차이는 0.2%에 불과하다. 비AI 학생 중 6개월 사이에 20% 넘게 점수가 떨어진 사례는 전체 표본에서 다섯 명뿐이었다. 여러 학교가 같은 문제로 치르는 현 단위 시험으로 다시 추정해도 효과는 -23%로 비슷했고, 급우에게 번지는 파급효과도 유의하지 않았다. 저자들 스스로 입시 시험 쪽 식별이 월례 시험보다 약하다는 점을 명시해 두었다.

한국 상황에 대입할 때 더 중요한 건 다른 부분이다. 이 연구가 성립한 이유는 숙제는 개방형이고 시험은 폐쇄형이라는 비대칭 때문이다. 한국의 중고등학교도, 대학도, 자격시험도 정확히 같은 구조를 가지고 있다. 그리고 영국 HEPI가 2026년 3월 발표한 조사에서 영국 학부생 1,054명 중 94%가 평가 대상 과제에 생성형 AI를 썼다고 답했다. Chegg가 15개국 대학생 11,706명에게 물은 조사에서는 80%였다. 채택률은 이미 중국 연구의 80%와 같은 영역에 들어와 있다.

그래서 실무적인 결론은 "AI를 막아라!"가 아니다.

채택률 80%짜리 기술을 금지로 막는다는 발상은 이미 실효성이 없고, 케스틴 연구가 보여주듯 잘 쓰면 얻는 것도 분명하다. 데이터가 가리키는 개입 지점은 다른 데 있다. 평가의 무게중심을 집에서 다듬어 오는 결과물에서 그 자리에서 확인 가능한 과정으로 옮기는 것.

구체적으로는 이렇게 갈린다. 구술 확인, 수업 중 작성, 초고와 최종본을 함께 제출받아 비교하기, 자기가 쓴 것을 설명하게 하기. 코스미나 연구에서 LLM 사용군의 83%가 방금 쓴 자기 에세이를 인용하지 못했다는 결과는, 뒤집으면 그 자리에서 한 문장만 물어봐도 판별이 된다는 뜻이다.

그리고 무엇보다, 완료 시간 같은 과정 데이터를 성적표 옆에 놓고 보는 것. 이 논문이 아웃소싱을 찾아낸 방법이 곧 학교가 쓸 수 있는 진단 도구다. 대부분의 학습 플랫폼은 이미 이 데이터를 수집하고 있고 아무도 보지 않는다. 숙제 점수가 아니라 숙제에 걸린 시간을 봐야 한다.

도구 설계 쪽 처방도 바스타니 실험에 답이 있다. 답을 주는 AI와 힌트를 주는 AI의 차이가 시험 성적에서 17%포인트를 갈랐다. 다만 가드레일이 만든 건 향상이 아니라 손실의 방지였다는 점은 기억해야 한다. 교육용 AI를 잘 만들면 성적이 오른다는 이야기가 아니라, 잘못 만들면 확실히 떨어진다는 이야기에 가깝다.

학생들만의 문제가 아니다

나는 이 논문을 학생 이야기로만 읽지 않았다.

주당 5시간 이상 쓴 아이들이 -30%였다. 나는 그보다 훨씬 많이 쓴다. 상위권 학생이 하위권보다 더 크게 잃었다. 그 메커니즘, 즉 좋은 답을 알아보는 능력이 좋은 답을 만드는 훈련을 대체해버리는 경로는 십대에게만 작동하지 않는다. 코드를 리뷰만 하고 짜지 않는 개발자, 초안을 받아 고치기만 하는 기획자, 요약본만 읽고 원문을 열지 않는 분석가에게 똑같이 작동한다.

그리고 우리에게는 월례 시험이 없다. 6개월마다 폐쇄형으로 실력을 재는 장치가 없다. 중국의 그 학생들은 최소한 성적표라도 받았다. 우리는 숙제 점수만 받는다. 그것도 계속 오르는 숙제 점수만.

이 논문에서 내가 가져가는 문장은 하나다. 시간을 아꼈다는 감각과 실력이 늘었다는 감각은 구분되지 않는다. 45분이 64분보다 낫다는 판단은, 그 19분이 무엇을 하던 시간이었는지에 전적으로 달려 있다. 그 19분이 검색과 정리였다면 아낀 게 맞다. 그 19분이 막혀서 끙끙대던 시간이었다면, 그건 아낀 게 아니라 건너뛴 것이다.

교육이 앞으로 무엇을 바꿔야 하는지에 대한 답은 아직 아무도 모른다. 다만 무엇을 측정해야 하는지는 이제 좀 분명해졌다. 결과물의 품질이 아니라, 그 결과물을 만드는 동안 사람의 머릿속에서 무슨 일이 일어났는가. 지금 우리가 보고 있는 점수가 정말 실력을 가리키고 있는지부터 다시 확인해야 한다.

---

검증 메모 및 출처

주 논문

• Strömberg, D., Lei, V., & Wu, Y. (2026). "The Generative AI Learning Penalty: Evidence from Chinese Secondary Education." CEPR Discussion Paper No. 21577, 2026-06-02. https://cepr.org/publications/dp21577 · SSRN: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=6868618 (전문 58쪽 직접 확인)

• 표본·설계: 중국 중부 인구 100만 이상 현, 1인당 GDP 6,000달러 미만, 중학교 5곳·고등학교 4곳, 712학년 26,811명(현 전체 중등학생의 약 90%), 2022년 9월2025년 6월 30개월. Callaway & Sant'Anna(2021) 시차적 이중차분, 대조군은 전 기간 AI 미사용자. 홍콩대 IRB 승인(EA260129).

• 측정 비대칭: 숙제 완료 시간은 디지털 플랫폼의 내려받기~제출 타임스탬프. AI 채택 시점·사용 시간은 2025년 6월 말 자기보고 설문(wjx.cn, 학급 위챗 배포, 유효응답률 96%+).

• 주요 추정치(채택 후 6~10개월): 숙제 점수 +18%(1.9 SD, 전체 ATT +11%), 숙제 시간 -19분(64→45분), 월례 시험 -20%(1.4 SD, 전체 ATT -13%). 입시: 중카오 -24%(1.5 SD), 가오카오 -18%(1.3 SD), 약 2년 뒤 완전 발현.

• 아웃소싱 정의: 50분 미만=아웃소싱, 45분 미만=완전 아웃소싱. 전체 58%/34% → 채택 5개월 초과 시 81%/50%. 65분 초과 사용자는 비AI와 유사한 점수를 보이나 전원 채택 5개월 이하이며 6개월 후에는 사라짐.

• 이질성: 사회과 -27%, STEM -22%, 영어 -17%, 국어 -9%(수학 단독 -22%=0.84 SD). 중학 -24% vs 고교 -17%. 주 0~1시간 -5% vs 주 5시간+ -30%. 남 -21.6% vs 여 -18.4%(채택률 82%/80%). 상위 3분위 -24% vs 하위 -16%, 입시 -18% vs -11%.

• 동학: 5개월 노출 기준 손실 2023년 초 ~25% → 2025년 6월 16%(2022년 10월 코호트 고정표본에서도 확인). 현 전체 평균 효과 -3.4%(2022.92024.6) → -9.9%(2025년 6월), 주로 채택률 80% 상승에 기인.

• 저자 명시 한계: 채택 시점 자기보고의 회고적 오차, 입시 시험 식별이 월례 시험보다 약함, 숙제 시간 지표가 인과적이라는 보장 없음. 강건성: 미처치군 포함 대조, 학교×학년 고정효과, Wooldridge(2025) 확장 TWFE, 표준 TWFE 모두 유사. 현 단위 공통 시험 재추정 -23%(1.3 SD), 급우 파급효과 무의미.

교차 검증 및 반론

• Demombynes, G. (2026-06-18). "A Warning Shot for Human Capital." World Bank Blogs. https://blogs.worldbank.org/en/investinpeople/a-warning-shot-for-human-capital--evidence-of-an-ai-learning-pen — 1.4 SD 규모, 나이지리아 AI 튜터링 +0.31 SD 비교. 부모 이주 등 동시 충격 가능성 제기, "실제 효과는 보고치보다 다소 작을 수 있다."

• 비AI 학생 중 6개월 내 20%+ 하락 사례는 표본 전체에서 5명(논문 p.13).

인용 연구

• Kestin, G., Miller, K., Klales, A., Milbourne, T., & Ponti, G. (2025). "AI tutoring outperforms in-class active learning." Scientific Reports 15, 17458. https://www.nature.com/articles/s41598-025-97652-6 — 하버드 PS2 194명, 0.63 SD(분위회귀 0.73~1.3 SD), AI군 소요 시간 중앙값 49분(수업 60분 고정), 몰입도 4.1 vs 3.6.

• Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö., & Mariman, R. (2025). "Generative AI Without Guardrails Can Harm Learning: Evidence from High School Mathematics." PNAS 122(26). https://www.pnas.org/doi/10.1073/pnas.2422633122 — 터키 고교 약 1,000명. 연습문제 GPT Base +48%, GPT Tutor +127%. 비보조 시험 GPT Base -17%, GPT Tutor는 대조군과 구분 불가(향상 아님, 피해 제거).

• Kosmyna, N. et al. (2025). "Your Brain on ChatGPT." arXiv:2506.08872. https://arxiv.org/abs/2506.08872 — 동료심사 전 프리프린트(2026년 9월 현재 "under review"). 54명, LLM군 83.3%가 자기 에세이 인용 실패 vs 나머지 두 군 11.1%. Stanković et al.(arXiv:2601.00856)의 표본 크기·통계 해석 반론 존재.

사용률 통계

• HEPI Report 199, "Student Generative AI Survey 2026", 2026-03-12. https://www.hepi.ac.uk/reports/student-generative-ai-survey-2026/ — 영국 학부생 1,054명, 95% AI 사용, 94%가 평가 과제에 사용.

• Chegg.org Global Student Survey 2025, 2025-01-28. https://www.chegg.org/global-student-survey-2025 — 15개국 18~21세 11,706명, 80%가 학업에 생성형 AI 사용. (자주 인용되는 "선진국 대학생 80%"는 부정확. 케냐·인도네시아 등 개도국 포함 15개국 평균.)

• [미검증] 이코노미스트가 언급한 "독일 93%"는 1차 서베이를 특정하지 못했다. 가장 근접한 1차 자료는 Hochschule Darmstadt 전국 조사(von Garrel & Mayer, 2025, 4,910명)의 **91.6%**다. 본문에서는 이 수치를 쓰지 않았다.