헤아가 연재하는 책 'AI 시대의 대학 입시 해킹'의 10화다. 매일 아침 한 편씩, AI가 바꿔 놓은 미국 입시의 실제 작동 방식을 짚는다.
헤아가 연재하는 책 'AI 시대의 대학 입시 해킹'의 10화다. 매일 아침 한 편씩, AI가 바꿔 놓은 미국 입시의 실제 작동 방식을 짚는다.
지난 수십 년간 SAT는 종이 시험지 위에서 치러지는 지구력 싸움과 같았다. 두꺼운 시험지를 넘기며 긴 지문을 읽고, 컴퓨터용 사인펜으로 OMR 카드를 꼼꼼히 채워나가는 모습은 전 세계 수험생들에게 익숙한 통과 의례였다. 그러나 2024년부터 전면 도입된 디지털 SAT는 단순히 시험의 매체를 종이에서 스크린으로 옮긴 것 이상의 변화를 의미한다. 이것은 시험이 학생을 평가하는 방식의 근본적인 재설계다.
과거의 시험이 모든 학생에게 동일한 줄자를 들이대는 방식이었다면, 이제 시험 자체가 학생 한 명 한 명의 실력에 맞춰 실시간으로 변화하는 지능적인 상대가 되었다. 이 변화의 핵심에는 대학 입시의 새로운 표준이 된 ‘적응형 시험’이라는 개념이 자리 잡고 있다.
디지털 SAT의 가장 큰 특징은 adaptive testing(적응형 시험) 구조다. 각 섹션은 두 개의 ‘모듈(Module)’로 나뉘어 진행된다. 모든 학생은 동일한 첫 번째 모듈로 시험을 시작하지만, 이 첫 모듈의 성과가 두 번째 모듈의 난이도를 결정한다.¹
첫 번째 모듈에서 좋은 성과를 보인 학생은 평균적으로 더 어려운 문제들로 구성된 두 번째 모듈로 넘어가고, 여기서 더 높은 점수를 획득할 기회를 얻는다. 반면 첫 모듈에서 어려움을 겪은 학생에게는 상대적으로 평이한 난이도의 두 번째 모듈이 주어진다. 첫 모듈의 응답에 따라 두 번째 모듈로 라우팅되는 다단계 적응형 구조다.²
이것은 마치 숙련된 과외 교사와 마주 앉아 있는 것과 같다. 교사는 학생의 답변을 보며 즉석에서 다음 질문의 난이도를 조절하며 학생의 정확한 실력의 경계선을 찾아낸다. 정해진 순서대로 문제를 나열한 교과서와는 근본적으로 다른 접근 방식이다.
이러한 구조는 기존의 시험 전략을 상당 부분 무력화시킨다. 더 이상 첫 모듈을 가볍게 여기고 넘어갈 수 없다. 첫 번째 모듈의 성과가 두 번째 관문의 난이도, 즉 도달할 수 있는 점수의 상한선을 결정하는 데 직접적인 영향을 미치기 때문이다.²
적응형 시험 방식은 자연스럽게 시험 준비의 무게중심을 이동시킨다. 디지털 SAT는 두 섹션 모두 모듈 단위로 시간이 배분되는 구조이며, 학생은 제한된 시간 안에서 각 문항을 정확하게 처리해야 한다. 독해(Reading and Writing) 섹션은 32분짜리 모듈 두 개, 수학(Math) 섹션은 35분짜리 모듈 두 개로 구성된다.¹
이 구조는 긴 지문을 끝까지 끌고 가는 지구력보다, 주어진 시간 안에 문제의 핵심을 신속하게 파악하고 정확한 답을 찾는 능력에 무게를 싣는다. 모듈마다 정해진 시간이 고정되어 있기 때문에, 한 문항에 과도하게 시간을 쓰는 습관은 그대로 점수의 손실로 이어진다.
수학 섹션은 모든 문항에서 계산기 사용이 허용되면서 복잡한 계산 능력보다는 문제의 구조를 이해하고 올바른 풀이법을 적용하는 논리적 사고력을 더 중요하게 측정하는 방향으로 옮겨가고 있다. 즉, 시험의 무게중심이 ‘얼마나 많이 아는가’에서 ‘주어진 조건에서 얼마나 정확하고 효율적으로 사고하는가’로 이동하고 있는 것이다.
이 새로운 게임의 규칙은 단순히 문제를 더 많이 푸는 방식의 훈련만으로는 정복하기 어렵다. 학생 개개인의 취약점을 정확히 진단하고, 그 약점을 메우기 위한 맞춤형 훈련이 필요해졌다. 바로 이 지점에서 전통적인 대형 학원의 교육 모델이 한계에 부딪히고, 새로운 AI 기반 학습 도구들이 그 대안으로 떠오르고 있다.
디지털 SAT라는 새로운 시험 환경은 그에 맞는 새로운 준비 방법을 요구한다. 모든 학생에게 동일한 강의와 문제집을 제공하는 ‘일대다(one‑to‑many)’ 방식의 대형 학원은 학생 개개인의 실력 편차와 취약점을 섬세하게 관리하는 데 구조적인 한계를 가진다.
이러한 교육 시장의 공백을 파고든 것이 바로 AI 개인화 학습 플랫폼이다. 이들은 기술을 활용해 과거 일부 학생들만이 고액 과외를 통해 누릴 수 있었던 ‘일대일(one‑on‑one)’ 맞춤형 학습 경험을 더 낮은 비용으로 구현하려 한다.
가장 분명한 사례는 SAT 주관사인 칼리지보드(College Board)가 공식 파트너로 삼은 칸 아카데미(Khan Academy)다. 칸 아카데미는 칼리지보드와 함께 개발한 ‘Official Digital SAT Prep’을 무료로 제공한다. 이 학습 과정은 시험을 만든 주체가 직접 만든 공식 연습 콘텐츠라는 점에서 신뢰의 기준점이 된다.³ 칸 아카데미는 여기에 AI 튜터 칸미고(Khanmigo)를 결합해, 학생의 풀이 과정을 바탕으로 설명과 추가 연습을 안내하는 방향으로 학습 경험을 확장하고 있다.
어피션트 아카데미(Afficient Academy)나 에디슨OS(EdisonOS)와 같은 플랫폼들은 ‘완전 학습(mastery‑based learning)’ 모델을 내세운다. 학생이 특정 개념을 충분히 이해했다고 판단되기 전까지는 다음 단계로 넘어가지 않게 함으로써, 기초가 부실한 상태에서 진도만 나가는 비효율을 줄이려는 접근이다. 다만 이런 벤더 플랫폼들이 내세우는 성취율 수치는 대부분 자체 발표 자료에 근거하므로, 독립적으로 검증된 효과로 받아들이기보다 마케팅 주장으로 구분해서 볼 필요가 있다.
이 AI 튜터들은 학생의 문제 풀이 과정과 정답에 도달하기까지 걸린 시간 같은 데이터를 축적하고 분석한다. 이를 통해 학생 자신도 인지하지 못했던 약점을 찾아내고, 학습 경로를 조정해주는 것을 목표로 한다.
이러한 변화는 특히 서울 강남의 대형 SAT 학원 문화에 익숙한 한국 학부모들에게 중요한 시사점을 던진다. 여름방학 특강에 수백만 원을 투자하고, 정해진 시간에 맞춰 자녀를 학원에 보내는 것이 SAT 준비의 정석처럼 여겨졌던 시대는 저물고 있다.
물론 인간 강사가 주는 동기 부여, 현장에서의 긴장감, 그리고 복잡한 입시 전략 상담의 가치는 여전히 유효하다. 그러나 문제 풀이 기술을 연마하고 개념의 빈틈을 메우는 과정에 있어서만큼은 AI 기반 학습 도구들이 비용 대비 효율에서 경쟁력을 보이기 시작했다.
월 수십만 원의 학원비와 달리, 월 구독료 모델을 채택한 AI 학습 플랫폼들은 더 적은 비용으로 맞춤형 문제 풀이와 분석 리포트를 제공한다. 이는 ‘학원 수업 몇 시간’이라는 물리적 시간 제약을 넘어, 학생이 필요할 때 언제 어디서든 자신의 약점에 집중할 수 있는 환경을 만들어준다.
따라서 이제 학부모의 역할은 ‘어느 학원이 1타 강사인가’를 찾는 정보전에서, ‘우리 아이의 약점을 보완해 줄 최적의 도구 조합은 무엇인가’를 찾는 포트폴리오 설계자로 바뀌고 있다. 이는 마치 개인 헬스 트레이너처럼 AI 튜터에게 매일의 기본 훈련을 맡기고, 인간 강사에게는 큰 경기를 앞둔 전략 코치의 역할을 맡기는 하이브리드 모델과 같다.
디지털 SAT와 AI 학습 도구의 결합은 표준화 시험의 풍경을 바꾸어 놓았다. 학생의 실력을 이전보다 정교하게 측정하는 시험과, 그 시험을 효율적으로 준비할 수 있는 기술이 동시에 등장한 것이다. 이는 새로운 시대에 맞는 새로운 학습 전략을 요구한다.
표준화 시험이라는 입시의 한 축이 이렇게 기술에 의해 재편되는 것을 확인했다면, 이제 남은 질문은 다른 영역으로 향한다. AI가 에세이와 시험 점수를 평가하는 방식을 이해했다면, 대학이 학생의 고등학교 4년을 총체적으로 들여다보는 ‘종합 평가(holistic review)’의 영역은 이 기술의 영향력 앞에서 어떻게 변하고 있는가?
이 글은 연재의 일부다. 내용은 공개 1차 출처를 기반으로 하며, 개별 입시 판단을 대신하지 않는다.
점수 너머, 아이만의 프로젝트로 지원 서사를 설계한다. 처음부터 끝까지 함께.
이 글이 도움이 되셨나요?
라운지에서 진짜 경험과 고민을 나눠보세요. (익명 보장)
댓글 불러오는 중...
아침 브리핑, 이메일 열어보기 전에 알림으로 먼저 받아보시겠어요?
