AI@GSB Initiative: Founding Scholars Panel

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

AI@GSB 창립 장학생 패널은 학생 주도의 실습·동료 학습·산업 및 사회적 논의를 통해 MBA 학생들이 AI 변화에 대응하도록 돕는 교육 모델을 소개한다.

📌 핵심 요점

1. AI@GSB는 학생들의 취업·역량 불안에서 출발했다. 학장의 발의와 교수진의 지원 아래 네 명의 창립 장학생이 프로그램을 주도했다.
2. 프로그램의 세 축은 AI 도구 활용 실습, 현업의 업무 변화 이해, AI가 산업과 사회에 미치는 영향에 대한 논의다. 특정 도구의 사용법을 넘어 스스로 판단하고 만드는 능력을 지향했다.
3. 학생이 동료를 가르치는 구조는 개념을 더 깊이 이해하고 자신의 전문 분야에 적용하도록 도왔다. 패널은 직접 만든 경험이 비전공자의 기술 참여 자신감을 바꿨다고 설명했다.
4. 패널이 경험한 채용 요구는 AI 지식 설명에서 실제 활용, 결과물 제시와 제한 시간 내 제작으로 높아졌다. 프레디는 데모 출시와 고객 피드백 반영까지 요구받은 면접 사례를 공유했다.
5. 제작이 쉬워질수록 무엇을 만들지 판단하는 비전, 호기심, 대인관계와 리더십의 가치가 커진다는 것이 패널의 관점이다. 교육도 지속 학습, 토론, 구술 발표와 현장 평가를 강조하는 방향으로 실험 중이다.

🧩 배경과 문제 정의

MBA 학생들은 경력 중간에 약 2년간 직장을 떠나 공부하는 동안 AI가 지식 노동과 채용 요구를 빠르게 바꾸는 상황을 마주했다. 제니는 학생들이 복귀 후 필요한 역량을 갖출 수 있을지 걱정했고, 쏟아지는 AI 정보 속에서 자신이 충분히 배우고 있는지 확신하지 못했다고 설명했다.

AI@GSB는 이러한 수요에 대응하기 위해 학장이 발의하고 교수진이 지원하며 학생 장학생들이 운영한 이니셔티브다. 스콧 브래디와 브렛 조던이 지원했고, 창립 장학생 네 명 중 제니 스테이거, 셀레스트 빈, 프레디로 불리는 알프레도 멘데스가 패널에 참여했다. 애비는 참석하지 못했다.

패널의 중심 질문은 AI 도구를 익히는 방법뿐 아니라 변화하는 산업과 채용에 어떻게 대비하고, 제작이 쉬워질 때 어떤 인간적 역량을 키워야 하는가였다. 후반 질의응답에서는 프로그램의 지속성, 정규 수업과 평가 방식의 변화, 학습 격차까지 논의가 확장됐다.

🕒 시간순 섹션별 상세정리

1. AI@GSB의 출발과 학생 주도 운영

• 스콧은 응용 AI 중심 연구 수업 이후 차기 학장이던 사라와 나눈 대화를 보여준다. 사라는 GSB가 AI 분야에서 주도적으로 실험할 기회를 보고 있었다. [01:20]
• 학장이 발의하고 스콧과 브렛이 지원하되, 네 명의 MBA 학생 장학생이 실제 운영을 이끌었다. 패널에는 제니, 셀레스트, 프레디가 참석했다. [01:43]

2. MBA 학생들이 느낀 취업과 학습 불안

• 제니는 2년간 직장을 떠나 공부하는 사이 ChatGPT의 지식 노동 능력이 발전하면서, 복귀할 일터가 달라질 것이라는 인식이 생겼다고 보여준다. [02:34]
• 학생들은 취업과 필요 역량을 걱정했고, 쏟아지는 AI 소식 속에서 자신의 학습 속도를 동료와 비교하며 불안을 느꼈다. [03:15]
• 기숙사에서 혼자 배우던 학생들은 학교가 제공할 자료와 학습 방법, 지원을 원했다. [03:43]

3. 도구·산업·사회라는 세 가지 교육 축

• 학생 수요는 도구를 제대로 사용하는 법, 자신의 직무와 산업이 바뀌는 방식, AI 전반의 흐름을 이해하는 문제로 정리됐다. [04:32]
• 프로그램은 도구와 작업 환경을 익혀 실제 제작물을 보여주게 하고, 현업 제품 관리자 등을 초청해 업무 흐름의 변화를 들려주고자 했다. [05:10]
• 데릭 톰프슨 같은 인사를 초청해 AI 버블 여부 등 큰 흐름을 논의하며 투자·리더십·사회의 관점을 보완했다. [05:32]

4. 직접 만들고 실패를 이해하는 실습 설계

• 셀레스트는 학생들이 직접 해보기를 원했다고 보여준다. 실습에서는 도구 사용뿐 아니라 소프트웨어로 만들 만한 문제인지, 확률적 모델을 쓸 때 어떤 함의가 있는지도 다뤘다. [06:28]
• 학생이 직접 키보드를 사용하도록 하고, 현업 책임자가 실제로 겪은 실수와 수정 경험을 공유하도록 했다. [06:58]
• 윤리적·포용적 활용과 일자리 및 사회에 미칠 장기적 영향도 프로그램의 중요한 축이었다. [07:33]

5. 동료를 가르치며 관찰자에서 제작자로 이동

• 학생 강사는 특정 도구의 시연을 넘어 다른 도구와 상황에도 적용할 수 있는 사고방식을 가르치려 했다. [08:04]
• 동료에게 설명하는 과정은 개념을 깊이 검토하게 했고, 실습 내용을 자신의 전문 분야로 옮겨 적용하도록 도왔다. [08:39]
• 셀레스트는 투자자이자 필라테스 강사인 아만다가 수업 음악 목록을 준비하는 문제에 실습을 적용하고 결과물을 공유한 사례를 들며, 직접 제작한 경험이 참여 자신감을 바꿨다고 설명했다. [09:21]

6. 비전공자의 기술 참여와 진로 인식 변화

• 프레디는 비전공 학생들의 인식이 기술 분야에 속하지 못한다는 생각에서 자신도 만들 수 있고 의견을 낼 수 있다는 생각으로 바뀌었다고 말했다. [10:08]
• 그는 에릭 슈미트의 수업 발언을 인용해 제품 관리자와 엔지니어 비율의 변화 사례를 제시하고, 전문 지식과 뚜렷한 비전을 가진 사람이 필요한 역할을 맡을 수 있다고 해석했다. [10:47]
• 이러한 인식 변화가 학생들이 희망하는 직무·산업·기업의 범위에도 반영됐다는 것이 그의 관찰이다. [11:08]

7. 채용 요구의 변화: 지식에서 실행까지

• 프레디는 2024년 여름 MBA 입학 무렵에는 AI와 트랜스포머, 다음 토큰 예측 등에 대한 이해를 설명하는 것이 주요 요구였다고 회고했다. [11:55]
• 이후 여름 인턴십에서는 AI를 어떻게 활용하는지 설명하고 기업의 전환 전략까지 제안할 것을 기대받았다. 그는 기본 이해는 전제되고 능숙한 활용이 요구됐다고 표현했다. [12:38]
• 올해 봄이라고 지칭한 면접에서는 투자 메모와 제품 요구사항 문서에 더해 24시간 내 데모 제작·출시, 고객 확보와 피드백 반영까지 요구받았다. 스콧은 프레디가 해당 일자리를 얻었다고 덧붙였다. [13:38]

8. 제작이 쉬워질 때 더 중요해지는 역량

• 프레디는 정보를 바탕으로 세계와 미래에 대한 관점을 세우고 지키는 확신, 직접 해보며 배우는 호기심을 강조했다. [14:21]
• 사람의 동기와 관계를 이해하고, 무엇을 만들거나 만들지 않을지 판단하며 후속 영향을 내다보는 능력이 중요하다고 설명했다. [14:42]
• 그는 GSB에서 배우는 리더십·관리·대인관계 역량이 더욱 가치 있어진다는 견해를 밝혔다. [14:55]

9. AI 학습을 건강 관리처럼 지속하기

• 스콧은 경영자 교육에서 AI 변화에 어떻게 대응해야 하는지, 자녀에게 무엇을 말해야 하는지 자주 질문받으며 첫 과제는 대체로 인재에 관한 것이라고 설명했다. [15:25]
• 그는 데릭 톰프슨이 불안해하는 학생에게 AI를 건강처럼 대하라고 조언한 일화를 소개했다. [16:06]
• 양치처럼 매일 미래를 위해 행동해야 한다는 비유를 통해, AI 학습을 한 번의 학력이나 경력 취득으로 끝낼 수 없는 지속적인 과정으로 설명했다. [16:57]

10. 비교 평가 질문과 다음 기수의 운영 기반

• 질의응답에서 다른 경영대학원과의 비교 기준을 묻자 제니는 AI 학습 분야 최상위 MBA 프로그램으로 선정됐다고 답했지만, 구체적인 평가 출처는 설명하지 않았다. [18:02]
• 제니는 다음 장학생 기수의 지원 규모와 매번 가득 찬 세션을 수요의 사례로 들고, 학장과 교수진의 지원 아래 후속 운영 기반이 갖춰졌다고 말했다. [18:57]
• 다만 학생들의 AI 불안을 해결했다고 주장하지는 않았으며, GSB와 인근 연구진의 역량을 활용할 기회가 크다고 강조했다. [19:27]

11. 빠른 학생 콘텐츠와 정규 교육과정의 결합

• 청중은 별도 이니셔티브 외에 기존 수업과 교수진에게 무엇을 기대하는지 질문했다. [20:01]
• 셀레스트는 AI@GSB의 콘텐츠 중 상당수가 오래 유지되기 어렵고, 교수가 매번 교육과정을 갱신하는 데는 큰 노력이 든다고 설명했다. [20:32]
• 기술과 가까운 새 학생 기수의 경험을 민첩한 학생 조직이 받아들이는 구조가 빠르게 변하는 정보를 포착하는 데 도움이 된다고 봤다. [20:50]

12. 함께 있는 시간을 토론에 쓰는 수업

• 셀레스트는 일부 교수들이 플립드 클래스룸을 활용해 학생과 교수가 함께 있는 시간을 더 적극적으로 사용한다고 설명했다. [21:04]
• 다양한 경험을 가진 사람들이 한자리에 있다는 장점을 살리기 위해 일방적인 강의에서 벗어나는 변화가 나타난다고 평가했다. [21:20]

13. AI 시대의 이해도 평가 방식

• 셀레스트는 가정에서 치르는 시험이 더 좋은 Claude 구독을 가진 사람의 경쟁이 된다면 실제 이해도를 보여주는 수단으로서 의미가 약해진다고 지적했다. [21:37]
• 대응 사례로 대면 필기시험과 구술 발표를 소개하며, 학습자가 자신이 다루는 내용을 이해하고 책임 있게 설명하도록 하는 방향을 강조했다. [22:10]
• 학생 주도의 빠른 콘텐츠와 변화에 대응하는 교수진의 전문성이 결합해 교육 변화를 만들고 있다는 것이 그의 평가다. [22:27]

14. 평균 향상과 함께 커질 수 있는 학습 격차

• 프레디는 최적화·시스템 모델링 수업의 교수와 나눈 대화를 소개하며, 성적이 높아졌지만 성적 분산도 거의 두세 배가 됐다는 설명을 전했다. [23:02]
• 그는 AI를 꾸준히 활용하는 학생과 그렇지 않은 학생 사이의 차이가 커질 수 있으며, 참여 자신감이나 도구 접근성도 영향을 줄 수 있다고 말했다. [23:23]
• 교수진이 학생마다 필요한 지원을 살피고 있다는 점도 덧붙였다. [23:30]

15. AI로 준비하고 현장에서 사고하는 사례 수업

• 스콧은 창업 과목에서 학생들이 수업 전 준비에 기술을 충분히 활용하도록 하고, 기존의 정해진 질문 중심 사례 수업을 즉흥적인 대화로 바꾸고 있다고 설명했다. [24:18]
• 교실에서는 컴퓨터 없이 학생·동료·교수가 대화하고 불시에 질문을 받는다. 사전 도구 활용과 현장에서의 사고·설명을 연결하는 방식이다. [24:38]
• 스콧은 이러한 실험으로 학습의 질과 자신의 수업 흥미가 크게 높아졌다고 평가하고, GSB 교수진이 AI 활용을 폭넓게 실험하고 있다는 말로 패널을 마무리했다. [25:04]

🧾 결론

• AI@GSB의 핵심은 불안을 없애겠다는 약속보다 학생이 직접 시도하고 결과물을 설명할 수 있게 만드는 학습 환경에 있다.
• 학생 조직의 빠른 콘텐츠 갱신과 교수진의 전문성을 결합하는 방식이 프로그램의 운영 모델로 제시됐다.
• AI 학습은 한 번의 교육 이수로 끝나는 준비가 아니라 매일 이어가는 습관으로 설명됐다.
• 참여자의 자신감과 교육 경험에 관한 사례는 풍부하지만, 취업 성과나 학습 효과를 입증하는 체계적인 비교 자료는 제시되지 않았다.

📈 투자·시사 포인트

• 인재를 평가할 때 AI에 관한 설명 능력과 함께 실제 제작물, 사용자 반응, 피드백을 반영한 과정을 살펴볼 필요가 있다. 이는 패널이 소개한 채용 경험에서 도출되는 관점이다.
• 제작 장벽이 낮아진다는 전제에서는 산업 전문성, 문제 선택, 고객 동기 이해와 제품 판단력이 차별화 요소가 될 수 있다.
• 기업의 AI 전환을 검토할 때 도구 도입뿐 아니라 구성원의 학습 습관과 업무 변화 대응 역량을 함께 점검필요가 있다. 스콧은 경영자 교육에서 첫 과제가 대체로 인재 문제라고 설명했다.
• 교육 서비스나 조직 내 AI 교육을 평가할 때 참여 규모와 함께 접근성, 실제 활용, 학습 격차를 확인필요가 있다.
• AI 버블 여부는 초청 강연의 논의 주제로만 언급됐다. 이 영상만으로 시장의 과열 수준이나 특정 투자 대상의 가치를 판단할 근거는 없다.

⚠️ 불확실하거나 확인이 필요한 부분

• GSB가 AI 학습 분야의 최상위 MBA 프로그램으로 선정됐다는 발언에는 평가 기관, 조사 시점, 비교 기준이 제시되지 않았다.
• 제품 관리자와 엔지니어의 비율이 1 대 10에서 2 대 1로 바뀌었다는 설명은 프레디가 에릭 슈미트의 수업 발언을 전한 것이다. 적용 조직과 시점이 불명확하므로 업계 전체의 인력 구조로 일반화하기 어렵다.
• OSM 수업의 성적 분산이 거의 두세 배로 커졌다는 내용은 교수와의 대화를 재전달한 사례다. 원자료, 표본, 측정 방식과 AI의 인과적 영향은 확인되지 않았다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 자신의 AI 학습 과제를 도구 활용, 목표 산업의 업무 변화, 사회·윤리적 영향의 세 영역으로 나눠 정리한다.
• 익숙한 전문 분야의 작은 문제를 골라 직접 결과물을 만들고, 무엇을 해결했는지 설명할 수 있게 준비한다.
• 제작물을 다른 사람에게 보여주고 피드백과 수정 내용을 기록해 면접이나 업무 논의에 활용한다.
• 도구 사용법을 동료에게 설명하면서 이해가 부족한 개념과 특정 도구에 의존하는 부분을 확인한다.

❓ 열린 질문

• AI@GSB의 효과를 참여율과 만족도 외에 실제 업무 수행 능력, 취업 성과, 불안 변화로 어떻게 측정할 수 있을까?
• AI 도구에 대한 접근성과 기존 기술 경험의 차이가 학습 격차로 이어질 때 어떤 지원이 효과적일까?
• 빠르게 바뀌는 학생 주도 콘텐츠와 장기간 유지할 수 있는 정규 교육과정은 어떻게 역할을 나누는 것이 좋을까?