이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.
TL;DR
10세에서 18세 청소년들과의 인터뷰에서 AI는 학교와 검색, 오락에 이미 스며든 도구였지만 모두가 열광하는 기술은 아니었습니다. Pew Research Center 조사에서도 미국 청소년의 챗봇 사용은 정보 검색 57%, 학업 54%, 오락 47%에 집중됐고 정서적 지원이나 조언은 12%에 그쳤습니다. 청소년들은 문법 검사, 코드 디버깅, 개인화 튜터, 정책 문서 요약처럼 판단과 창작의 주도권을 남기는 활용을 선호했으며, 의료 판단과 창작 대체, 관계 조언, 환경 부담에는 선을 그었습니다. 기사 속 사례들은 AI의 위험 때문에 사용을 막기보다 출처 확인, 지속적인 조종, 인간의 최종 판단을 포함한 AI 리터러시를 가르쳐야 한다는 관점을 뒷받침합니다.
섹션별 상세
10세에서 18세 청소년에게 AI를 어떻게 쓰는지 물은 결과는 부정행위나 미래 직업 같은 단순한 양분법보다 훨씬 복합적이었습니다. 일부는 AI를 지루하거나 무관한 기술로 여겼고, 일부는 환경 부담과 창의성·비판적 사고의 약화를 걱정했지만, 대부분은 검색·학업·오락처럼 이미 쓰는 기기와 서비스에 내장된 기능으로 AI를 접했습니다. Pew Research Center의 2026년 2월 조사에서도 미국 청소년의 57%가 정보 검색에, 54%가 학업에, 47%가 오락에 챗봇을 사용한 반면 정서적 지원이나 조언에 사용한 비율은 12%에 그쳐, 잠재적으로 해로운 용도보다 일상적 용도가 네 배 이상 많았습니다.
근거
- Pew Research Center의 2026년 2월 조사에서 미국 청소년의 57%가 챗봇을 정보 검색에, 54%가 학업에, 47%가 오락에 사용했으며 정서적 지원이나 조언에 사용한 비율은 12%였다. — 기사 초반의 Pew Research Center 조사 인용 문단
- 청소년들은 AI가 자신의 직업을 빼앗을 가능성보다 사회와 비판적 사고, 창의성에 미칠 영향을 더 크게 걱정했다. — 기사 초반의 청소년 인터뷰 종합 문단과 Winter, Danielle, Hazel, Wesley의 발언
청소년들이 AI를 받아들이는 기준은 무엇이든 자동화하는 데 있지 않고 직접 판단하고 창작할 영역을 지키는 데 있었습니다. Remy는 무료 버전 Claude를 학교 밖 프로그래밍에 활용했지만, 게임 개발에서는 AI가 작성한 코드가 조잡하고 여러 게임 메커니즘을 일관되게 결합하지 못해 직접 만드는 편이 낫다고 말했습니다. 반대로 문법 점검, 아이디어 발굴, 코드 디버깅처럼 결과의 주도권을 사용자에게 남기는 보조 기능은 상대적으로 괜찮다고 여겨졌습니다.
청소년들은 AI의 위험을 단순히 사용 금지로 해결하기보다 안전하게 다루는 법을 배워야 한다고 봤습니다. Wesley는 창작물의 일부를 AI에 맡기지 않는 대신 문법 검사나 기술적 도움에 활용할 수 있다고 했고, Character.AI의 비정제 콘텐츠와 대화가 길어질수록 기억이 약해지는 문제를 직접 경험했습니다. 이런 사례는 AI가 답변을 내놓더라도 사용자가 계속 방향을 잡고, 출처와 한계를 확인하며, 민감한 판단을 넘기지 않아야 한다는 사용 원칙으로 이어집니다.
AI는 민주적 참여와 개인화된 교육을 넓히는 도구로도 쓰였습니다. Danielle이 참여한 Next Voters는 AI 에이전트들이 지방정부 웹사이트와 법안, 회의록을 수집하고 진위와 신뢰성을 확인한 뒤 시민권·이민·경제 같은 범주로 분류해 출처가 붙은 쉬운 요약을 뉴스레터로 보내도록 구성됐습니다. Krishiv는 Aceflow에서 강의 영상, 블로그, 교과서 PDF, 발표 자료를 입력받아 연습 문제와 교사식 설명을 생성하게 했고, 이후 CheetahPrep.com으로 학생별 SAT 학습을 조정하는 서비스를 만들었습니다.
근거
- Next Voters는 여러 AI 에이전트가 정부 자료를 수집·검증·갱신·분류하고 출처가 붙은 평이한 정책 요약을 뉴스레터로 작성하도록 구성됐다. — Danielle 인터뷰에서 Next Voters의 처리 단계와 프로젝트 목표를 설명한 부분
청소년들이 특히 선명하게 그은 경계는 의료·관계·창작처럼 인간의 판단과 정체성이 직접 걸린 영역이었습니다. Evelyn은 당뇨병 관리에서 혈당 모니터와 인슐린 펌프가 예측값에 따라 보정 투여나 중단을 수행하는 기능의 도움을 받으면서도 AI가 자신의 의사가 되기를 원하지 않는다고 말했습니다. Hazel은 데이터센터의 물 사용과 열 배출 때문에 AI를 쓰지 않겠다고 했고, Sylvia는 AI가 만든 음악을 사람이 만든 곡처럼 접하게 되는 상황을 불편해했으며, 이는 편리함보다 투명성·환경·자기결정권을 우선하는 태도를 보여줍니다.
근거
- Evelyn의 혈당 모니터와 인슐린 펌프는 혈당 변화를 예측해 고혈당이 예상되면 보정 투여를 하고 저혈당이 예상되면 인슐린을 중단했다. — Evelyn 인터뷰의 당뇨병 관리와 기기 작동 방식에 관한 문단
- Krishiv가 만든 Aceflow는 강의 영상, 블로그, 교과서 PDF, 발표 자료에서 연습 문제를 만들고 교사식 설명을 제공했으며 수천 명의 사용자를 확보했다. — Krishiv 인터뷰에서 Aceflow의 입력·출력과 사용자 확산을 설명한 부분
용어 해설
- 강화학습(Reinforcement Learning)
- — 강화학습은 모델이 환경과 상호작용하며 행동의 결과로 받는 보상을 기준으로 더 나은 행동 전략을 익히는 방법입니다. Remy는 게임 엔진 안에서 캐릭터가 코인에 가까워질수록 보상을 받고 반복 시행을 거쳐 효율적인 경로를 찾도록 구현했습니다.
- AI 에이전트(AI Agent)
- — AI 에이전트는 목표를 달성하기 위해 외부 자료를 찾고, 검증하고, 분류하고, 결과물을 작성하는 작업을 단계적으로 수행하는 시스템입니다. Next Voters는 여러 에이전트가 정부 자료 수집부터 뉴스레터 작성까지 나눠 맡도록 구성됐습니다.
- 에이전틱 AI(Agentic AI)
- — 에이전틱 AI는 사용자의 한 번의 지시를 단순히 처리하는 수준을 넘어 목표를 쪼개고 필요한 작업을 스스로 이어 가는 AI를 가리킵니다. 기사 속 Krishiv는 이 흐름이 주도성, 판단력, 자기주도성을 중요한 역량으로 만든다고 봤습니다.
- 허위 정보(Misinformation)
- — 허위 정보는 사실과 다르거나 왜곡된 내용이 온라인에서 퍼지는 현상을 뜻합니다. 기사에서는 AI에 대한 과도한 신뢰와 감정적으로 설계된 소셜미디어 콘텐츠가 허위 정보와 편향을 확산시킬 수 있다는 청소년들의 우려가 제기됐습니다.
- 대규모 언어 모델(Large Language Model)
- — 대규모 언어 모델은 방대한 텍스트를 학습해 질문에 답하고 글을 생성하거나 요약하는 모델입니다. 기사 속 청소년들은 ChatGPT와 Claude를 글쓰기, 코딩, 학습 보조에 활용하면서도 생성 결과를 그대로 믿지 않고 직접 방향을 잡아야 한다고 말했습니다.
기술
- Claude
- reinforcement-learning model
- AI agent
- ChatGPT
- Character.AI
- SchoolAI
- Aceflow
- CheetahPrep.com
- Khan Academy
- BenchSci
- MIT
활용 사례
- 정보 검색과 학업 보조
- 문법 검사와 글 수정
- 프로그램 작성과 코드 디버깅
- 게임 개발
- 정책 문서 요약과 시민 정보 제공
- 개인화된 AI 튜터
- SAT 학습 조정
- 당뇨병 혈당 예측과 인슐린 조절
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 08. 13.수집 2026. 08. 13.출처 타입 RSS
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.
