Microsoft AI 리터러시 교육, 공공도서관을 통해 확대
Microsoft가 공공도서관을 통해 무료 AI 교육을 확대하는 한편, 참여 지역사회가 이 기술을 각자의 필요에 어떻게 적용할지 결정할 책임을 갖도록 하고 있다. 10월 22일 발표된 Public Library Association과의 협력은 Microsoft AI 리터러시 교육을 도서관 직원과 이용자에게 제공한다. 그 중요성은 제공 방식에 있다. 기업의 교육 자료가, 설명하는 기술 자체를 비판적으로 검토하는 일도 교육 역할에 포함하는 기관으로 들어가기 때문이다.
'Building AI Skills and Agency Through Libraries' 이니셔티브는 교육 자료와 전문성 학습, 지역 단위로 제공되는 교육을 결합한다. AI 리터러시란 AI의 용도, 한계, 영향을 충분히 이해해 정보에 근거한 선택을 내리는 능력을 의미한다. 여기에는 도구 사용을 거부하는 선택도 포함된다.
Microsoft는 이전에도 도서관과 기술 교육을 함께 진행한 바 있으며, 여기에는 2013년에 발표된 워싱턴주 교육 파트너십도 포함된다. Google 역시 도서관 기반 AI 교육을 지원하고 있다. 이번 확대의 당면 과제는 실무적이다. 도서관은 업계 자료를 활용하면서 어떻게 독립적인 교육을 유지할 수 있을까? 이 긴장 관계는 이용자, 도서관 지도자, 그리고 사람들이 책임 있는 AI 역량을 갖추기를 기대하는 고용주에게 이 프로그램의 가치를 좌우한다.
Microsoft AI 리터러시 교육이 공공도서관에 더하는 것
이번 발표는 공동 교육 프레임워크를 마련한 것이며, 모든 공공도서관이 AI 수업을 제공하게 된다는 뜻은 아니다.
Microsoft와 PLA는 AI 역량 협력을 미국 전역의 도서관 직원과 지역사회 구성원을 위한 지원으로 설명한다. PLA는 American Library Association의 한 부문이다. 두 기관은 무료 자료, 전문 교류, 대중 인식 제고를 이 노력의 핵심 요소로 꼽는다.
이 범위가 중요한 이유는 전국적 이용 가능성과 지역 단위 제공이 서로 다른 의미이기 때문이다. 도서관은 워크숍을 즉시 편성하지 않아도 교육 자료에 접근할 수 있다. 이 자료를 공공 서비스로 전환하려면 누군가 이를 검토하고, 교육을 준비하며, 질문에 답하고, 지역 프로그램에 무엇을 포함할지 결정해야 한다.
이번 발표는 AI에 대해 배우는 것과 AI 도입을 요구하는 것을 구분한다. PLA에 따르면, 개별 도서관과 지역사회는 이 기술을 사용할지, 사용한다면 어떻게 사용할지에 대한 결정권을 유지한다. 이에 따라 AI를 도입하기보다 평가하는 데 초점을 둔 수업을 포함해, 동일한 자료에 대한 다양한 대응이 가능하다.
따라서 이용자에게 이 변화는 익숙한 지역사회 기관을 통해 교육에 접근할 수 있는 추가 경로다. 이는 특정 제품, 계정, 자격증 또는 지역 예약 서비스에 대한 권리가 새로 발표된 것은 아니다. 독자는 서비스가 제공된다고 가정하기 전에 자신의 도서관 공지를 확인해야 한다.
도서관 직원에게 공동 자료는 교육을 위한 잠재적인 출발점이 된다. 기존 수업 자료로 시작하면 준비 업무를 줄일 수 있지만, 동시에 검토 의무도 생긴다. 직원은 여전히 사례, 용어, 접근성, 그리고 각 활동에 내재된 가정을 평가해야 한다.
AI를 이용해 취업 지원서를 초안으로 작성하는 예시 수업을 생각해 볼 수 있다. 유용한 수업이라면 표현을 다듬는 것과 자격을 꾸며내는 것을 구분해야 한다. 또한 다듬어진 초안도 제출 전에 검토해야 하는 이유를 설명해야 한다. 이러한 결정은 활동이 판단력을 가르치는지, 아니면 단순히 소프트웨어를 시연하는지를 가른다.
지역사회 선택을 강조하는 프로그램에서 이런 결정은 핵심 약속의 일부가 된다. 참여자가 적절한 사용의 경계를 이해하고, 이후 해당 도구를 사용하지 않기로 결정하더라도 수업은 성공한 것이다.
이 때문에 이번 발표는 또 하나의 온라인 수업 모음 이상으로 주목할 만하다. Microsoft는 지역 서비스 제공자와 연결된 전문 협회를 통해 교육 자료를 제공하고 있다. 이 방식은 지역사회 질문에 맞춰 교육을 조정할 기회를 만들며, 동시에 교육의 독립성을 지켜야 할 책임도 수반한다.
출범 자체만으로 이러한 일이 얼마나 일관되게 이루어질지는 판단할 수 없다. 10월 22일에 달라진 것은 체계화된 파트너십의 이용 가능성과 명시된 방향이다. 그 영향은 도서관이 무엇을 제공하고 이용자가 무엇을 얻어 가는지에 달려 있다.
도입은 도서관 직원 교육부터 시작된다
교육 일정은 이용자 교육을 돕기 위한 워크숍에 앞서 직원 준비를 배치한다.
PLA가 공개한 도서관 교육 일정은 2026년 12월 3일 오후 1시 CST에 열리는 'Building AI Agency with Libraries'로 시작한다. 이어 2027년 1월 20일에는 직원 워크숍이 열린다. 2월 17일 세션은 직원이 직접 교육을 제공하는 방법을 배우는 트레이너 양성 방식으로 진행된다.
PLA에 따르면, 공개된 자료에는 수업 계획, 슬라이드, 진행자 지침, 활동 자료가 포함된다. Microsoft의 교육 설계자들이 도서관 직원의 의견을 반영해 기초 자료를 개발했다. 2027년 봄에는 시범 운영 첫해의 교훈을 공유하기 위한 추가 웨비나도 예정돼 있다.
이 순서는 이니셔티브에 구체적인 일정을 부여하지만, 중요한 실행 문제는 여전히 열어 둔다. 10월 23일 기준으로 이 세션들은 예정된 활동에 머물러 있다. 설명은 의도된 내용을 보여줄 뿐, 참여자가 역량을 습득했거나 도서관이 서비스를 확대했다는 증거는 아니다.
그럼에도 이 순서는 합리적인 의존 관계를 반영한다. 직원은 다른 사람에게 설명하기 전에 시연을 이해할 수 있을 만큼 익숙해져야 한다. 또한 사례에 의문을 제기하고, 활동을 중단하며, 준비된 자료가 예상하지 못한 우려에 대응할 권한도 필요하다.
공개 수업에서는 계획된 주제를 넘어서는 질문이 나올 수 있다. 글쓰기 시연에 참석한 사람은 기밀 문서에 관해 물을 수 있다. 다른 참여자는 조작된 정보를 식별하는 데 도움을 원할 수 있다. 강사는 개인정보 보호나 정확성에 대해 즉흥적인 보장을 하지 않으면서 이런 질문을 다룰 경계를 갖춰야 한다.
따라서 실무적 부담은 개별 참석자뿐 아니라 도서관 관리자에게도 돌아간다. 관리자는 전문성 학습이 어떻게 서비스 약속으로 이어지는지 결정해야 한다. 또한 워크숍이 직원에게 교육, 기본 질문 응대, 또는 더 복잡한 업무 지원 중 무엇을 준비시키는지도 판단해야 한다.
이는 서로 다른 책임이다. 입문 세션을 이수했다고 해서 모든 AI 제품의 전문가가 되는 것은 아니다. 직원이 무엇을 도울 수 있는지 명확히 설명하면, 이용자를 부풀려진 기대에서 보호하고 직원도 정의되지 않은 지원 역할에서 보호할 수 있다.
도서관 AI 교육에는 자료를 갱신하는 경로도 필요하다. 강사는 시연이 더 이상 인터페이스나 계정 요구 사항과 맞지 않는 시점을 식별할 수 있어야 한다. 그렇지 않으면 미리 만들어진 수업이 지역에서 직접 준비한 대안보다 오히려 가르치기 까다로워질 수 있다.
이는 참석 인원 외의 운영상 성공 기준을 만든다. 전문성 학습 이후, 도서관은 무엇을 제공할 준비가 되었는지, 누가 제공할 것인지, 한계는 어디까지인지를 설명할 수 있는가? 명확한 답변은 이 파트너십이 활용 가능한 제도적 역량으로 전환됐음을 보여줄 것이다.
이용자에게 이러한 명확성은 전국적으로 홍보되는 세션 수보다 더 중요하다. 준비된 강사가 제공하는 소규모 지역 프로그램은 지원 체계가 불명확한 야심 찬 일정표보다 더 신뢰할 수 있는 경험을 제공할 수 있다. 도입 과정은 이 수준에서 평가할 가치가 있다.
도서관은 기업 교육에 다른 목적을 부여한다
이 파트너십의 교육적 가치는 제품을 이해하는 것과 사용을 지지하는 것의 구분을 유지하는 데 달려 있다.
PLA는 AI 학습 이니셔티브 페이지에서 이 구분을 다룬다. 도서관의 역할에는 특정 도구를 홍보하거나 단념시키는 것이 아니라, 지역사회가 AI를 이해하고 정보에 근거한 질문을 하도록 돕는 일이 포함된다고 설명한다. Microsoft가 이 이니셔티브에 자금을 지원한다는 점은 자료를 어떻게 평가해야 하는지와 관련이 있다.
교육 페이지는 직원 워크숍의 예시로 Microsoft Copilot도 제시한다. Microsoft가 지원하는 프로그램에서 이 제품이 포함된 것은 예상 가능한 일이다. 중요한 질문은 강사가 제품 시연을 특정 제품을 넘어 유용하게 남는 학습 내용과 어떻게 연결하는가다.
시연은 친숙한 인터페이스를 사용해 추상적 개념을 구체화할 수 있다. 문제는 그 활동이 그 인터페이스를 모든 작업의 기본 답안으로 은밀하게 취급할 때 발생한다. 도서관 수업은 생성형 AI가 필요하지 않은 접근법을 포함해, 참여자가 대안을 검토할 수 있도록 해야 한다.
생성형 AI는 학습 중 습득한 패턴을 바탕으로 콘텐츠를 생성하는 소프트웨어로, 특유의 교육 과제를 제기한다. 유창한 결과물은 누구도 근거를 확인하기 전에 완성된 것처럼 보일 수 있다. 교육은 답변을 생성하는 행위와 함께 검토 과정을 가시화해야 한다.
예를 들어, 예시 활동에서 AI가 작성한 요약과 그 요약의 원문을 비교할 수 있다. 참여자는 빠진 자격 조건, 뒷받침되지 않는 세부 사항, 강조점의 변화를 살펴볼 수 있다. 교육적 이점은 어느 소프트웨어가 초안을 만들었는지와 무관하게 이러한 차이를 식별하는 데서 나온다.
이 접근은 이견을 위한 공간도 만든다. 특정 작업에 도구가 적절한지 의문을 제기하는 이용자는 그 상충 관계에 대한 설명을 받아야 한다. 회의적인 태도를 교육적 기여로 다루는 것은 주체성에 대한 PLA의 명시된 강조와 부합할 것이다.
Microsoft와 도서관 교육의 관계에는 역사적 선례가 있다. 2013년 11월, 이 회사는 IT Academy 교육을 385개 이상의 도서관으로 확대하는 워싱턴 도서관 기술 파트너십을 발표했다. 당시 활동은 디지털 리터러시, Office 교육, 고급 기술 역량을 다뤘다.
이 비교는 배포 전략의 연속성을 보여준다. 즉, 전통적인 교실이나 고용주 교육 프로그램에 등록하지 않을 수 있는 학습자에게 도달하기 위해 도서관을 활용하는 방식이다. 그렇다고 이전 교육 과정과 오늘날의 AI 자료가 동등하다거나, 그 결과가 같을 것이라는 점까지 입증하는 것은 아니다.
현재의 교육 과제에는 생성된 주장을 평가하고, 정보가 AI 서비스에 들어가야 하는지 자체를 결정하는 일이 포함된다. 이런 질문을 다루려면 강사가 역량만큼이나 한계도 공개적으로 논의해야 한다. 성공적인 시연은 참여자가 다른 방법을 선택하는 것으로 끝날 수도 있다.
Microsoft AI 리터러시 교육에서 이는 실질적인 품질 기준이다. 참여자가 다른 상황에도 적용할 수 있는 판단력을 습득할수록 프로그램은 더 유용해진다. 교육이 주로 특정 인터페이스에 대한 친숙함만 만든다면, 그 공공 교육적 가치는 이니셔티브가 내세운 목표보다 좁아진다.
Google은 이것이 더 폭넓은 배포 전략임을 보여준다
도서관은 기술 기업에 전통적인 기술 과정에 등록하지 않을 수 있는 학습자에게 다가갈 경로를 제공한다.
Microsoft만 이 경로를 활용하는 것은 아니다. Google은 2026년 Georgia Public Library Service와 무료 경력 및 AI 교육을 제공하기 위한 파트너십을 발표했다. Georgia 도서관 교육은 두 프로그램의 교육과정이나 조건이 동일하다고 단정하지 않으면서도 관련 비교 사례를 제공한다.
이 비교는 모델 성능이 아니라 배포 방식에 관한 것이다. 두 협력 모두 기술 교육을 도서관 시스템과 연결한다. 이는 도구에 대한 더 폭넓은 친숙도를 확보하려는 기업과 접근 가능한 학습 기회를 원하는 지역사회 모두에게 지역 기관이 왜 중요한지를 보여준다.
독립형 과정에서는 학습자가 제공자를 찾고, 프로그램을 평가하며, 시간을 투자하기로 결정해야 한다. 도서관 파트너십은 지역의 중개 역할을 더한다. 이 중개자는 기회를 설명하고, 관련 질문을 파악하며, 기존 교육 서비스 안에서 교육의 위치를 정하는 데 도움을 줄 수 있다.
이 관계는 양측에 가치를 만들지만, 이해관계가 반드시 같을 필요는 없다. 기술 제공업체는 사람들이 자사 제품을 편안하게 사용할수록 이익을 얻는다. 도서관의 교육 목적은 더 폭넓다. 경쟁 서비스에 관한 결정을 포함해, 사람들이 자신의 상황에 맞는 결정을 내리도록 돕는 것이다.
이 차이를 살피기 위해 부정행위를 가정할 필요는 없다. 지원금, 브랜딩, 사례, 계정 요건은 참여자가 접하게 되는 내용을 좌우할 수 있다. 투명한 과정 설명은 직원과 이용자가 참여 전에 이러한 영향을 이해할 수 있게 한다.
동일한 검토 기준은 제공업체 전반에 적용되어야 한다. Microsoft의 참여가 수업을 자동으로 무효화해서는 안 되며, Google의 참여가 대안을 자동으로 정당화해서도 안 된다. 도서관에는 후원사의 평판을 검토의 대체물로 삼지 않으면서 교육 품질을 평가할 기준이 필요하다.
전이 가능한 책임 있는 AI 역량은 그러한 기준 중 하나다. 참여자는 확인이 필요한 정보를 식별할 수 있는가? 더 높은 전문성이 필요한 작업을 알아볼 수 있는가? 특정 문서가 익숙하지 않은 서비스 밖에 남아 있어야 하는 이유를 설명할 수 있는가?
이 질문은 고용주에게도 중요하다. 공공 워크숍에 참석한 사람은 유용한 기본 지식을 갖추고 있을 수 있지만, 참석 사실만으로 직장 업무 준비도를 알 수는 없다. 고용주는 여전히 자체적으로 승인한 도구, 정보 규칙, 검토 기준을 전달해야 한다.
개발자에게도 시사점은 마찬가지로 실무적이다. 초보자를 위한 시연은 제품 동작 중 설명하기 까다로운 부분을 드러낸다. 기술 문서가 아니라 강사를 통해 소프트웨어가 소개될 때는 명확한 계정 경계, 이해하기 쉬운 제어 기능, 눈에 보이는 출처 정보가 중요할 수 있다.
따라서 경쟁 환경은 독립적인 교육 기준의 필요성을 더 강화한다. 더 많은 제공업체가 참여할수록 도서관에는 교육에 무엇을 포함할지 일관되게 결정할 방법이 필요하다. 그렇지 않으면 후원 자료의 उपलब्ध 여부가 사실상 교육과정을 결정할 위험이 있다.
이 발표가 업계에 가하는 압박이 바로 이것이다. 자원에 접근할 수 있다는 점은 유용하지만, 자원 가운데 무엇을 선택할지는 업무의 일부가 된다. 도서관 AI 교육의 품질은 제공업체가 공급하는 자료만큼이나 그러한 선택에 달려 있다.
무료 자료가 역량과 성과에 관한 질문을 남기다
무료 이용은 참여 비용을 없애지만, 효과적인 교육에 필요한 시간·지원·평가를 누가 제공하는지는 답하지 않는다.
공개된 설명은 목표와 활동을 제시한다. 그러나 그것만으로 학습 향상이나 일관된 운영이 입증되지는 않는다. 이러한 성과를 확인하려면 교육이 이루어진 뒤 수집한 근거가 필요하며, 이 발표는 그 구분을 유지한 채 읽어야 한다.
첫 번째 질문은 역량이다. 누군가는 자료를 검토하고, 공간이나 온라인 세션을 준비하며, 등록을 관리하고, 참여자를 지원해야 한다. 공동 교육과정은 준비에 도움이 될 수 있지만, 현지 운영은 여전히 직원의 관심과 관리 결정에 달려 있다.
접근성은 또 다른 운영상의 질문을 제기한다. AI 인터페이스를 사용한 경험이 없는 사람도 수업을 따라갈 수 있는가? 업무용 소프트웨어 지식 없이도 사례를 이해할 수 있는가? 강사는 실습을 탐색하는 데 더 많은 시간이 필요한 참여자에게 맞춰 지원할 수 있는가?
이는 평가를 위한 질문이지, 이 նախաձեռնության에서 확인된 실패 사례는 아니다. 프로그램을 폭넓게 효과적이라고 설명하기 전에 무엇을 검토해야 하는지를 보여준다. 자원이 전국적으로 제공되더라도 특정 학습자에게는 여전히 이용하기 어려울 수 있다.
개인정보 보호 역시 구체적으로 다뤄야 한다. 예시 문서 요약 실습에서 강사는 참여자가 샘플 자료를 사용해야 하는지, 자신의 파일을 사용해야 하는지를 명확히 밝혀야 한다. 책임감 있게 행동하라는 일반적 당부만으로는 초보자에게 지나치게 많은 해석을 맡기게 된다.
정확성 교육에도 관찰 가능한 행동이 필요하다. 참여자에게 자신감이 높아졌는지 묻는 것은 한 종류의 피드백을 제공한다. 생성된 주장을 원본 문서와 대조하게 하는 것은 다른 점을 살핀다. 즉, 참여자가 과정이 가르치려는 판단을 실제로 수행할 수 있는지를 확인하는 것이다.
자신감과 역량은 함께 높아질 수 있지만, 프로그램이 둘을 같은 것으로 간주해서는 안 된다. 한계점을 인식한 뒤 더 신중해진 학습자는 가치 있는 이해를 얻었을 수 있다. 평가는 열의를 바람직한 결과로만 간주하는 대신 그러한 결과도 수용해야 한다.
관련된 불확실성은 수업이 특정 도구를 넘어 얼마나 잘 적용되는지에 관한 것이다. 인터페이스에 익숙해지면 참여자가 실습을 완료하는 데 도움이 될 수 있다. 전이 가능한 이해를 갖추려면 단계가 왜 중요한지 설명하고, 다른 환경에서도 같은 추론을 적용할 수 있어야 한다.
출처 정리는 유용한 사례를 제공한다. AI 결과물을 원본 자료와 비교하는 사람에게는 그 자료를 보관하고 다시 찾아볼 수 있는 신뢰할 만한 방법이 필요하다. 특정 애플리케이션이 꼭 필요한 것은 아니지만, 개인 지식 베이스의 원칙은 관련이 있다.
이 연결은 수업이 끝난 뒤 AI를 사용하는 지식 근로자에게 중요하다. 뒷받침 문서가 흩어져 있거나 누락되어 있다면, 매끄럽게 작성된 답변도 평가하기 어렵다. 검증이 학습자의 일상적인 정보 처리 방식에 들어갈 때 교육은 더 유용해진다.
따라서 Microsoft AI 리터러시 교육은 참여 여부뿐 아니라 실제로 보여준 판단을 통해 평가해야 한다. 찾아야 할 근거에는 학습자가 무엇을 확인하고, 설명하고, 거부할 수 있는지가 포함된다. 이러한 지표는 등록자 수만으로 공공적 효익을 주장하는 것보다 더 강한 근거를 제공한다.
12월부터 2027년 초까지 주목할 점
다음으로 유의미한 근거는 운영, 지역별 적용, 입증된 학습의 순서로 나올 것이다.
첫 번째 신호는 12월 3일 웨비나가 도서관의 역할과 실질적인 AI 질문에 관한 약속된 논의를 제공하는지 여부다. 그 가치는 논의의 내용에 달려 있다. 지역사회의 우려와 기관의 선택에 주목한다면, 이는 이니셔티브가 강조하는 주체성을 뒷받침할 것이다.
특히 AI에 대해 가르치는 일, 도서관 운영에 AI를 사용하는 일, 이용자의 특정 과업을 지원하는 일을 명확히 구분하는지 살펴볼 필요가 있다. 이 활동들은 서로 다른 기대를 만든다. 이를 분리해 다루면 도서관이 무엇을 책임 있게 지원할 수 있는지 결정하는 데 도움이 된다.
두 번째 신호는 개회 세션 이후의 지역별 적용이다. 도서관이 실습을 수정하고, 서비스 경계를 설정하거나, 이용자 질문에 대응하는 사례는 전국 단위 자료가 실제 운영으로 어떻게 이어지는지 보여줄 것이다. 이러한 사례는 파트너십의 출범 문구를 반복하는 것보다 더 많은 정보를 제공한다.
적용 방식의 차이를 자동으로 불일치로 해석해서는 안 된다. 서로 다른 지역사회는 정확성과 투명성이라는 동일한 기준을 적용하면서도 서로 다른 교육적 선택을 할 수 있다. 핵심은 도서관이 그러한 선택을 설명하고, 서비스를 제공하는 사람들과 연결할 수 있는지다.
1월 20일 직원 워크숍은 또 다른 구체적인 점검 지점을 제공한다. 이 세션의 운영은 입문 시연이 한계와 사람의 검토를 어떻게 다루는지 평가하기 쉽게 만들 것이다. 이어지는 2월 이용자 교육 세션은 일정을 즉각적인 출범 기간 이후까지 확장한다.
세 번째 신호는 워크숍 만족도를 넘어서는 학습의 근거다. 참여자는 검증이 필요한 주장을 식별하고, 부적절한 정보 공유를 알아보거나, 다른 접근법이 더 나은 경우를 설명할 수 있는가? 이러한 능력의 근거는 프로그램의 교육적 타당성을 강화할 것이다.
예정된 봄 논의는 주최 측이 무엇을 배웠는지 검토할 이후의 기회를 제공한다. 유용한 보도는 성공적인 접근법과 미해결 문제를 구분할 것이다. 또한 시범 운영 첫해를 긍정적 사례만으로 제시하는 대신, 피드백이 자료를 어떻게 바꿨는지도 설명할 것이다.
이러한 신호 중 어느 것도 AI 도입에 관한 극적인 판정을 요구하지 않는다. 도서관은 모두가 챗봇을 사용하도록 설득하지 않고도 유용한 프로그램을 운영할 수 있다. 누군가가 한계를 이해하도록 돕는 일은, 열의가 아니라 신중함으로 이어지더라도 교육적 성과다.
Microsoft에게 이 기준은 지원받는 이니셔티브가 실제로 독립적인 학습을 뒷받침하는지 시험한다. PLA에게는 전국적 프레임워크가 획일적인 답을 강요하지 않고 지역 전문가를 지원할 수 있는지를 시험한다. 이용자에게는 수업이 선택하는 능력을 높여 주는지를 결정한다.
Microsoft AI 리터러시 교육에 등록하기 전에 도서관 자체 프로그램 설명을 확인하고 무엇을 실습하게 되는지 물어보라. 원본 출처, 정보 처리, AI가 적절한 경우에 관한 판단을 다루는지 살펴보라. 도서관이나 직장 팀을 관리한다면, 그러한 수업이 기존 책임과 어떻게 연결되는지 검토하라. 시연이 끝난 뒤 결과물을 평가할 수 있도록 관련 원본 자료를 계속 이용할 수 있게 하라. 개회 세션을 교육과정을 살피고 질문을 던질 기회로 활용하라. 유용한 다음 단계는 자신의 선택을 더 명확히 해주는 교육을 찾는 것이다. 자신에게 중요한 과업에 AI를 사용하기 전에 무엇을 이해하고, 검증하고, 보호해야 하는가?
