Nia Jetter, NASA에서 소외된 교실로 AI 리터러시를 가져오다

Nia Jetter는 눈에 띄는 경력 전환으로 Google News에 등장했다. 우주선과 로봇을 개발해 온 20년 뒤, 그는 자신의 전문성을 포용적 AI 교육으로 돌렸다. 갈등은 즉각적이다. 인공지능은 고가의 모델과 집중된 인프라를 통해 발전하고 있지만, 여전히 22억 명은 인터넷을 사용하지 못한다.

원래 UN News가 보도한 이 프로필은 Jetter가 항공우주 엔지니어링에서 기술 업계가 역사적으로 외면해 온 지역사회를 위한 교실로 향한 여정을 다룬다. 그의 비영리 교육 이니셔티브 thinqueBytes는 4개 대륙에서 1,000명 이상의 청소년을 교육한 것으로 알려졌다.

이 숫자는 고무적인 이야기를 만들지만, 동시에 더 어려운 질문을 드러낸다. AI 리터러시는 사람들이 자동화 시스템을 이해하고 비판하는 데 도움을 줄 수 있지만, 교육만으로 전기, 저렴한 기기, 광대역 인터넷, 또는 상업적 AI 개발에 대한 영향력을 제공할 수는 없다.

이러한 긴장은 Jetter의 활동을 일반적인 경력 프로필과 구분한다. 그의 교실은 AI 격차에 대한 실질적 대응을 보여주지만, 선도적 모델을 개발하는 기업들은 여전히 인프라, 제품 결정, 학습 자원의 대부분을 통제하고 있다.

이 이야기는 2026년 7월 6일과 7일 제네바에서 열린 첫 UN 글로벌 AI 거버넌스 대화 이후에 나왔다. 이 시점은 한 교육자의 활동을 단순히 누가 AI를 사용할 수 있는지가 아니라, 누가 AI를 형성할 수 있는지에 관한 더 큰 정치적 논쟁과 연결했다.

Google News 기사가 밝힌 Nia Jetter의 이야기

Jetter의 경력 전환은 AI 포용을 정책 구호에서, 참여할 수 있을 만큼 이른 시기에 누가 기술 지식을 받는가의 문제로 바꾼다.

UN 프로필에 따르면, Jetter는 MIT에서 수학과 컴퓨터 과학을 공부했으며 행성과학을 전공했다. 이후 Stanford University에서 항공우주학 석사 학위를 받았다.

그는 약 20년간 우주선과 로봇을 위한 자율 알고리즘을 개발했다. 자율 알고리즘은 지속적인 인간 통제 없이 센서 데이터에 기반해 기계가 제한된 범위의 결정을 내리도록 한다.

그의 경력에는 NASA, Boeing, Raytheon과 관련된 업무가 포함됐다. 그는 또한 Amazon에서 로보틱스 AI 분야 수석 수석 기술자로 일했는데, 이는 매우 고위급 기술 직책이다.

이 프로필은 그의 경력을 뉴저지에서의 어린 시절 경험과 연결한다. Jetter는 배터리와 전구를 사기 위해 25센트 동전을 모았고, 일상적인 재료로 회로를 만들었다. 아버지는 도서관에서 기술 자료를 찾도록 도왔고, 어머니는 유치원과 특수교육을 가르쳤다.

이 조합은 중요하다. Jetter는 재료에 대한 접근, 성인의 격려, 자신이 이해할 수 있는 설명을 통해 공학을 배웠다. 그의 현재 활동은 기술 분야로 향하는 확립된 경로가 없는 학생들을 위해 이러한 조건을 재현하려 한다.

Jetter는 Distinguished Minds Institute에 편입하기 전 5년에 걸쳐 thinqueBytes를 개발했다. 이 이니셔티브는 인공지능, 로보틱스, 로켓 과학 같은 주제를 bytes라 불리는 짧은 교육 콘텐츠로 구성한다.

이 형식은 직접적인 질문에 답한다. 학생들은 AI가 무엇을 의미하는지, 이를 두려워해야 하는지, 자동화가 고용에 어떤 영향을 줄 수 있는지부터 시작할 수 있다. 이 접근법은 AI 자체가 단순한 것처럼 가장하지 않으면서 개념적 장벽을 낮춘다.

짧은 수업만으로 학생을 머신러닝 엔지니어로 만들 수는 없다. 그러나 자동화된 결정에 의문을 제기하고, 생성된 답변을 평가하며, 기술 분야의 진로를 상상하기 위한 어휘는 제공할 수 있다.

이 구분은 AI 리터러시에 여러 수준이 있기 때문에 중요하다. 기초 친숙성은 사람들이 AI 시스템을 인식하도록 돕는다. 기능적 리터러시는 그러한 시스템을 사용하도록 돕는다. 비판적 리터러시는 결과물, 인센티브, 데이터 출처, 제도적 주장을 비판하도록 돕는다.

Jetter의 가장 중요한 주장은 세 번째 수준에 관한 것이다. AI의 영향을 받는 사람들은 그에 대한 의사결정에 참여할 만큼 충분히 이해해야 한다. 그렇지 않다면 포용이란 타인이 작성한 규칙 아래 다른 곳에서 설계된 제품을 받는다는 의미에 그친다.

Google News 게재는 이 프로필의 독자를 넓혔지만, 집계는 어디까지나 유통일 뿐이다. 검색 노출이 진정한 참여에 필요한 지속적 교육, 멘토링, 연결성, 제도적 지원을 제공하지는 않는다.

Jetter의 활동은 피드가 끝나는 지점에서 시작된다. 이는 영감을 주는 엔지니어를 알아보는 데서 더 많은 학생이 지속적인 기술적 주체성을 획득할 수 있는지 묻는 방향으로 논의를 옮긴다.

접근이 실질화될 때만 AI 리터러시는 권리가 된다

AI를 권리로 가르친다는 것은 강좌, 비영리단체, 또는 영감을 주는 프로필만으로는 충족할 수 없는 의무를 만든다.

Jetter는 신기술을 이해하는 일이 특권이 되어서는 안 된다고 주장한다. AI 시스템이 교육, 채용, 신용, 의료, 공공서비스, 정보 접근을 점점 더 매개하고 있기 때문에 이 주장은 설득력이 있다.

그러나 AI를 이해할 권리는 더 기본적인 기반에 달려 있다. 학습자에게는 전기, 연결성, 적절한 기기, 관련성 있는 콘텐츠, 이용 가능한 시간, 그리고 자료를 맥락 속에 배치할 수 있는 교사가 필요하다.

연결성 격차는 여전히 막대하다. International Telecommunication Union은 2026년에도 22억 명이 인터넷을 사용하지 않는 것으로 추정했다.

연결성의 품질도 제각각이다. 학교가 기술적으로 인터넷에 접속할 수 있어도 많은 학생이 불안정한 연결을 함께 사용해야 할 수 있다. 모바일 데이터가 제공되더라도 동영상 수업이나 클라우드 기반 AI 도구에는 감당하기 어려운 비용일 수 있다.

기기 접근성은 또 다른 불평등의 층을 만든다. 현재의 많은 AI 제품은 최신 스마트폰이나 컴퓨터, 충분한 메모리, 업데이트된 소프트웨어, 원격 서버에 대한 안정적 접속을 전제로 한다.

언어는 더 조용한 장벽이다. 학생은 AI 인터페이스에 접속할 수 있어도 모델이 지역 언어에 대해 보유한 학습 데이터가 적어 더 낮은 품질의 결과를 받을 수 있다. 교육 자료 역시 지역의 제도나 필요와 맞지 않는 사례를 들여올 수 있다.

접근성도 중요하다. 장애 학습자를 고려하지 않고 설계된 인터페이스는 학교에 기기와 연결성이 있더라도 학생들을 배제할 수 있다. 포용적 교육에는 호환 가능한 입력 방식, 읽기 쉬운 레이아웃, 자막, 조정 가능한 교육 자료가 필요하다.

이러한 제약은 AI 리터러시의 필요성을 약화시키지 않는다. 오히려 이를 실현하려면 무엇이 필요한지 보여준다. 교육은 인프라, 접근성, 지역 콘텐츠, 거버넌스에 대한 의미 있는 참여와 함께 이뤄져야 한다.

Jetter의 짧은 동영상 형식은 하나의 실질적 대응책을 제시한다. 더 작은 단위의 수업은 인지 부담을 줄이고 교사가 특정 연령대나 교실에 맞는 자료를 선택하게 해 준다. 완전한 기술 교육과정보다 배포하기 쉬울 수도 있다.

그러나 간결한 콘텐츠조차 수동적 소비가 되어서는 안 된다. 학생들은 주장을 검증하고, 결과물을 비교하고, 오류를 살피며, AI의 행동을 그 이면의 데이터와 연결할 기회를 가져야 한다.

유용한 교실 활동은 여러 시스템에 같은 사실 질문을 던지는 방식일 수 있다. 학생들은 답변을 비교하고, 근거 없는 진술을 식별하며, 신뢰할 수 있는 출처를 추적할 수 있다. 이 수업은 도구 활용과 인식론적 신중함을 함께 가르친다.

또 다른 활동은 자동화된 추천을 살펴볼 수 있다. 학생들은 어떤 데이터가 추천에 영향을 미쳤는지, 누구의 선호가 빠졌는지, 추천이 틀렸을 때 어떤 일이 발생하는지 물을 수 있다.

이러한 활동은 단순한 프롬프트 활용 능력보다 비판적 사고를 길러 준다. 프롬프트 활용 능력은 모델과 효과적으로 소통하는 것을 의미하지만, 사용자가 응답을 평가할 수 있음을 보장하지는 않는다.

같은 원칙은 개인 정보 관리에도 적용된다. 학생과 지식 근로자는 특히 출처 자료를 정리하기 위해 AI knowledge base를 사용할 때, 검색 결과와 진실을 구분해야 한다.

시스템은 문서를 정확히 검색해도 문서 자체에 오류가 있을 수 있다. 또한 원래의 증거에 있던 불확실성을 제거한 유창한 종합 결과를 만들 수도 있다.

따라서 AI 교육에는 명확한 위계가 필요하다. 접근이 먼저이고, 실용적 활용이 뒤따르며, 비판적 평가는 전 과정에서 필수로 남는다. 어느 한 층만을 완전한 해결책으로 취급하면 학습자는 취약해진다.

압력은 학교를 넘어선다. 기술 기업은 더 많은 사람이 자사 제품을 사용할 수 있을 때 이익을 얻지만, 사회에는 그러한 제품이 데이터를 수집하고 위험을 배분하는 방식을 비판할 수 있는 사람도 필요하다.

정부도 비슷한 시험대에 놓여 있다. 입문 과정에 자금을 지원하는 일은 눈에 잘 띄고 비교적 쉽다. 광대역 인터넷, 교사 연수, 접근성, 공익 감시를 개선하려면 더 장기적인 약속과 측정 가능한 예산이 필요하다.

Jetter의 이야기는 이러한 기관들에 압박을 가한다. AI 리터러시가 정말 권리라면, 그 제공 여부가 자원봉사자, 비영리단체, 또는 유난히 뛰어난 엔지니어가 특정 교실에 도달하는지에 좌우되어서는 안 된다.

진짜 격차는 제품 접근이 아니라 참여다

핵심 경쟁은 AI 제품에 대한 접근과 그 제품을 형성하는 결정에 대한 참여 사이에 있다.

상업적 AI 확장은 흔히 제공 가능성을 통해 포용을 측정한다. 기업은 다른 국가에서 서비스를 출시하고, 언어를 추가하며, 제한적 무료 접근을 제공하거나, 학교를 통해 계정을 배포한다.

이러한 조치는 의미가 있을 수 있지만, 대체로 소비를 확대할 뿐이다. 영향을 받는 지역사회가 학습 데이터, 평가 기준, 안전 규칙, 배포 우선순위, 피해 구제 방식에 영향력을 갖도록 자동으로 보장하지는 않는다.

Jetter의 우려는 더 나아간다. 그는 시스템이 형성되는 동안 적절한 목소리가 빠지면 AI의 결과가 나빠진다고 주장한다. 이 지적은 공정성과 기술적 품질 모두를 다룬다.

대표성 있는 의견 없이 설계된 모델은 지역 언어의 패턴, 문화적 맥락, 인프라의 한계, 또는 일반적인 사용자 요구를 놓칠 수 있다. 이러한 누락은 시스템이 원래의 개발 환경 밖에 있는 사람들을 만날 때 제품 실패로 이어진다.

참여는 배포 이전에 시작돼야 한다. 지역사회 구성원은 관련 문제를 식별하고, 용납할 수 없는 실패를 규정하며, 데이터 관행을 검토하고, 현실적 조건에서 시스템을 시험하는 데 도움을 줄 수 있다.

이 접근법은 기술 시연과 다르다. 시연은 모델이 인상적인 작업을 수행할 수 있는지 묻는다. 참여적 평가는 그 작업이 중요한지, 결과가 신뢰할 수 있는지, 실수의 비용을 누가 부담하는지 묻는다.

학교는 많은 기관이 안정적인 규칙을 마련하기 전에 학생들이 AI를 접하기 때문에 이 작업의 중요한 장을 제공한다. 생성형 도구는 이미 학습자가 조사하고, 초안을 작성하며, 번역하고, 코딩하고, 공부하는 방식에 영향을 미치고 있다.

이 도구들을 전면 금지하면 사용을 보이지 않는 곳으로 밀어낼 수 있다. 비판 없는 도입은 반대의 위험을 낳으며, 생성된 자료가 추론을 대체하거나 이해의 공백을 가리게 할 수 있다.

더 강력한 교육과정은 AI의 결과물을 검토 대상로 다룬다. 학생들은 답변이 어디서 왔는지, 어떤 증거가 이를 뒷받침하는지, 시스템이 볼 수 없는 정보는 무엇인지 물어야 한다.

교사는 그러한 교육과정을 위한 지원이 필요하다. 이들에게는 연수 시간, 자신의 과목과 연결된 사례, 명확한 개인정보 기준, 수업을 조정할 권한이 필요하다. 일회성 워크숍만으로 교실 관행이 바뀌는 경우는 드물다.

교육자는 제품이 학생 계정을 요구하거나 외부 서버로 데이터를 전송할 때 사용할 대안도 필요하다. AI 리터러시가 학교에 불명확한 데이터 관행을 받아들이도록 강요해서는 안 된다.

제터의 항공우주 분야 경력은 이러한 접근에 무게를 더한다. 안전이 중요한 공학 분야에서는 자신감 있게 나온 결과를 충분한 증거로 여기지 않는다. 팀은 가정을 검증하고, 실패 가능성을 파악하며, 제약 조건을 문서화하고, 인간의 책임성을 유지한다.

교실에서의 AI 교육은 공학 실험실을 그대로 재현하지 않고도 이러한 원칙을 배울 수 있다. 학생들은 프롬프트를 기록하고, 모델 버전을 비교하며, 일관되지 않은 답변을 메모하고, 관찰과 추론을 구분할 수 있다.

이 습관은 학교 밖에서도 가치가 있다. AI가 회의를 요약하거나 보고서를 초안하고, 내부 문서를 검색할 때 지식 노동자들도 같은 과제에 직면한다. 검색 가능한 기술 지식 베이스는 사용자가 출처를 보존하고 중요한 결론을 검증할 때 가장 유용하다.

참여 격차는 거버넌스에도 영향을 미친다. 컴퓨팅 인프라가 제한적인 국가는 해외에서 개발된 시스템에 의존할 수 있다. 그 국가의 주민들은 여전히 그러한 시스템이 초래하는 노동, 문화, 교육, 환경상의 영향을 경험한다.

회의에서의 대표성만으로는 이런 불균형이 해소되지 않는다. 대표단에는 독립적인 기술 역량, 증거에 대한 접근성, 그리고 논의를 국가 정책으로 전환할 수 있는 제도가 필요하다.

시민사회 단체도 지속적으로 참여할 자원이 필요하다. 짧은 협의 절차는 이미 법무팀, 기술 전문가, 정책 결정자와의 확고한 관계를 갖춘 조직에 유리한 경우가 많다.

청년층은 이 문제를 더 첨예하게 마주한다. 교실 AI에 관한 대부분의 결정은 성인이 내리지만, 그 결과는 학생들이 직접 경험한다. 학생들에게는 피해를 보고하고 학교 규정에 영향을 미칠 수 있는 체계적인 방식이 제공돼야 한다.

따라서 의미 있는 참여에는 관찰 가능한 특징이 있다. 공동체는 완성된 제품을 단순히 시험하는 데 그치지 않고 목표 설정을 함께한다. 교육자는 부적절한 도입을 거부할 수 있다. 학생들은 이의 제기 절차를 이해한다. 공공기관은 결과를 감사할 수 있다.

이러한 조건이 없다면 제품 접근성 확대는 의존성을 심화할 수 있다. 더 많은 사람이 AI를 사용하지만, 조건을 협상하거나 실패에 이의를 제기할 만큼 시스템을 잘 이해하는 기관은 줄어든다.

제터의 교육 모델만으로는 이 불균형을 해결할 수 없다. 다만 더 잘 이해한 참여자를 만들어낼 수 있으며, 이는 필수적인 출발점이다. 더 어려운 과제는 그들의 목소리를 들을 의지가 있는 제도를 구축하는 일이다.

제네바는 포용을 의제에 올렸지만, 법으로 만들지는 않았다

첫 번째 Global Dialogue on AI Governance는 대표성을 확대했지만, 구속력 없는 설계로 인해 이행 책임은 정부와 기관에 남게 됐다.

UN은 2026년 7월 6일과 7일 제네바 Palexpo 센터에서 첫 Global Dialogue on AI Governance를 개최했다. 이 회의는 ITU의 AI for Good Global Summit 및 관련 디지털 정책 행사와 함께 열렸다.

UN General Assembly는 Global Digital Compact를 통해 이루어진 약속 이후 이 대화를 설립했다. 그 목적은 국제 AI 거버넌스에 관한 정기적인 논의를 위해 정부와 기타 이해관계자를 한자리에 모으는 것이다.

공식 프로그램은 네 개의 주제를 다뤘다. AI의 사회·경제적 영향, AI 격차, 안전한 시스템, 그리고 책임성과 인간 감독을 포함한 인권이 그것이다.

이 주제들은 제터의 작업에 담긴 긴장과 밀접하게 맞닿아 있다. 학생에게는 접근성이 필요하지만, 안전성, 대표성, 그리고 자동화 시스템이 자신의 권리에 어떤 영향을 미치는지 이해할 능력도 필요하다.

Global Dialogue는 모든 정부에 논의에 참여할 공식적인 자리를 제공했다. 국제 AI 프레임워크는 첨단 기술 분야와 더 큰 협상 역량을 갖춘 국가들의 관점을 반영해 온 경우가 많았기 때문에 이는 중요하다.

회의는 시민사회, 학계, 산업계, 기술 커뮤니티 등 정부 밖의 이해관계자도 인정했다. 이러한 참여는 정책 결정자에게 국가 대표단이 놓칠 수 있는 지역적 영향을 보여줄 수 있다.

그럼에도 이 포럼에는 의도적인 한계가 있다. 이는 협상 절차가 아니며, 세션에서 구속력 있는 규제가 만들어지지도 않는다. UN은 이 역할을 이후의 결정에 정보를 제공할 수 있는 공동의 이해를 구축하는 것으로 설명한다.

이는 대화를 가치 있게 만들지만 충분하게 하지는 않는다. 합의 문구는 문제를 식별할 수 있지만, 예산, 집행 메커니즘, 기술 표준, 또는 영향을 받는 사람들을 위한 구제책을 마련하지는 못한다.

이 격차는 교육에서 특히 뚜렷하다. AI 리터러시에 대한 세계적 약속은 교사가 무엇을 가르쳐야 하는지, 누가 교재를 인증하는지, 학교가 학생 데이터를 어떻게 보호하는지를 결정하지 않는다.

또한 조달 압력도 해소하지 못한다. 교육부는 나중에 교체하기 어려워지는 제품을 보유한 기업들로부터 클라우드 서비스, 모델 접근권, 기기 또는 교육 제안을 받을 수 있다.

공급업체 지원은 접근성을 빠르게 확대할 수 있지만, 의존성은 정책 위험을 만든다. 시범 사업이 필수 인프라가 되면 학교는 데이터, 교육과정 선택권 또는 비용에 대한 통제력을 잃을 수 있다.

공개 교육 자료는 일부 의존성을 줄일 수 있다. 현지에 맞게 조정할 수 있는 수업 자료는 교사가 사례를 수정하고, 콘텐츠를 번역하며, 상업 서비스가 변경되더라도 자료를 유지할 수 있게 한다.

오픈 모델과 로컬 컴퓨팅도 일부 환경에서 도움이 될 수 있지만, 그 자체로 기술 및 보안 요구사항을 수반한다. 학교에는 여전히 유지보수, 평가, 책임 있는 데이터 관리 관행이 필요하다.

거버넌스는 이러한 운영상의 세부 사항을 다뤄야 한다. 그렇지 않으면 고위급의 포용은 사진과 성명만 남기고 교실 환경은 변하지 않을 수 있다.

UN 사무총장 안토니우 구테흐스는 개막 세션에서 193개국이 참여하고 있다고 말했다. 그의 제네바 발언은 이번 모임을 거버넌스가 기술을 따라잡도록 하기 위한 노력으로 규정했다.

이러한 목표는 높은 기준을 제시한다. 따라잡는다는 것은 프런티어 모델의 안전성만 논의하는 것 이상을 요구한다. 학생들이 자동화 시스템을 알아보고, 그 결과물에 의문을 제기하며, 피해가 발생했을 때 도움을 구할 수 있도록 보장하는 일도 포함한다.

대화의 다음 예정 세션은 2027년 5월 뉴욕에서 열린다. 세션 사이에 정부는 포용적 언어가 국가 계획, 교사 프로그램, 접근 가능한 인프라로 이어지는지 보여줄 기회를 갖는다.

제터와 thinqueBytes 같은 이니셔티브는 실제 학습자로부터 증거를 제공할 수 있다. 이들의 경험은 학생들이 어떤 질문을 하는지, 어떤 설명이 효과적인지, 그리고 연결성 또는 언어 장벽이 어디에서 진전을 막는지를 보여줄 수 있다.

그러나 정책 결정자들은 비영리단체의 성공을 공공 투자 부족을 정당화하는 근거로 삼아서는 안 된다. 1,000명 이상의 학습자를 교육한 것은 의미 있지만, 전 세계적 배제의 규모는 수십억 명으로 측정된다.

가장 강력한 결과는 두 수준을 결합하는 것이다. 지역사회 프로그램은 실용적 접근법을 시험하고, 정부는 인프라에 자금을 지원하며 검증된 방법을 공교육에 통합한다.

더 약한 결과는 그러한 프로그램을 필요하게 만드는 시스템을 바꾸지 않은 채 개별 프로그램만 기념하는 것이다. 영감을 주는 이야기가 Google News와 공공정책 채널을 통해 확산될 때마다 이 위험은 계속 눈에 띄어야 한다.

다음 세 가지 신호가 보여줄 것

다음 시험대는 제터의 이야기가 계속 주목받는지 여부가 아니라, 기관들이 그 주장을 역량, 증거, 영향력으로 전환하는지 여부다.

첫 번째 신호는 측정 가능한 교육 도입이다. 학교, 교육부, 비영리 파트너는 수업을 시청하거나 행사에 참석한 사람의 수 이상을 보고해야 한다.

유용한 증거에는 과정 이수율, 학생 이해도의 변화, 교사 유지율, 접근성, 그리고 신뢰할 수 없는 AI 결과물을 식별하는 능력이 포함된다. 독립적인 평가가 이 결과의 신뢰도를 높일 것이다.

thinqueBytes의 경우 1,000명 학습자 이상으로의 확장은 교육의 질이 일관되게 유지될 때에만 주장을 강화할 수 있다. 학습의 증거 없는 성장은 지속적인 포용에 관한 주장을 약화시킬 것이다.

가장 많은 것을 보여주는 프로그램은 브랜드 친숙도가 아니라 비판적 추론을 평가할 것이다. 학생은 주장을 검증하고, 불확실성을 인식하며, 시스템의 가정에 의문을 제기하는 방법을 알고 떠나야 한다.

두 번째 신호는 디지털 기반에 대한 투자다. 광대역 통신, 전력, 저렴한 기기, 현지 언어 자료, 교사 개발에 관한 구체적인 약속을 지켜봐야 한다.

발표는 이행보다 덜 중요하다. 예산, 조달 기록, 연결 품질, 지속적인 교실 사용은 시범 사업 출범보다 더 강력한 증거를 제공한다.

이러한 기반의 진전은 AI 이해가 폭넓게 가능해질 수 있다는 제터의 주장을 뒷받침할 것이다. 연결성 격차가 계속된다면 교육 콘텐츠가 구조적 장벽 뒤에 갇혀 있음을 보여줄 것이다.

세 번째 신호는 2027년 5월 UN 대화가 재개되기 전에 포용적 거버넌스가 실질적인 힘을 갖게 되는지 여부다. 국가 전략은 학생, 교사, 장애인 사용자, 그리고 대표성이 부족한 공동체가 AI 정책에 어떻게 영향을 미치는지 설명해야 한다.

공개 협의에는 투명한 후속 조치가 필요하다. 참여자들은 어떤 권고가 정책을 바꿨는지, 어떤 권고가 거부됐는지, 그리고 그 이유가 무엇인지 확인할 수 있어야 한다.

정부는 학교와 공공 서비스에서 발생하는 자동화 피해를 위한 신고 채널도 만들 수 있다. 명확한 이의 제기 절차는 사람들에게 상징적 대표성 이상의 것을 제공할 것이다.

대화 프레임워크는 구속력이 없으므로, 국가 차원의 행동이 실제 가치를 결정할 것이다. 국가들이 책임성 있는 프로그램을 수립한다면 제네바 회의는 제도적 출발점으로 보일 것이다.

논의가 예산, 감독 또는 참여 메커니즘을 만들어내지 못한다면, 이 행사는 배치에 대한 영향력이 제한적인 반복 협의처럼 보일 것이다.

기술 기업도 비슷한 검증을 받아야 한다. 다국어 인터페이스와 무료 접근은 사용을 넓힐 수 있지만, 기업은 한계를 공개하고 독립적인 테스트를 지원하며 실질적인 구제책을 제공해야 한다.

학생들의 협상력이 제한적이기 때문에 교육 파트너십에는 특별한 주의가 필요하다. 학교는 시스템이 어떤 데이터를 보존하는지, 모델이 상호작용을 어떻게 사용하는지, 관리자가 기록을 삭제할 수 있는지를 알아야 한다.

생성된 교육 콘텐츠에도 같은 검토가 적용된다. AI가 생성하거나 요약한 수업이라도 전문가 검토, 연령에 맞는 구성, 신뢰할 수 있는 출처가 필요하다.

제터의 망치 비유는 도구가 사용 방식에 따라 건설하거나 해를 끼칠 수 있다는 도덕적 주장을 담고 있다. 그러나 AI 시스템은 사용자가 접하기도 전에 내려진 결정도 반영하기 때문에 이 비유에는 한계가 있다.

개발자는 학습 데이터를 선택하고, 제품팀은 기본 설정을 결정하며, 기관은 배치 규칙을 정하고, 정부는 감독 방식을 결정한다. 도구를 쥔 사람이 그 모든 특성을 통제하는 것은 아니다.

이것이 AI 리터러시에 제도 리터러시도 포함돼야 하는 이유다. 학습자는 모델의 행동뿐 아니라 누가 시스템을 소유하는지, 누가 이익을 얻는지, 책임이 어디에 있는지도 이해해야 한다.

교육자와 지식 노동자에게 즉각적인 행동은 실용적이다. 생성된 모든 답변을 맥락이 필요한 주장으로 다뤄야 하며, 특히 그것이 성적, 채용 결정, 건강 선택 또는 공공 서비스에 영향을 미칠 때는 더욱 그렇다.

원본 자료를 보존하라. 중요한 결과물은 권위 있는 증거와 비교하라. 중대한 결정을 기록하라. 영향을 받는 사람들에게 실수에 이의를 제기할 방법을 제공하라.

Google News는 니아 제터가 우주선에서 교실로 향한 여정을 세상에 알리는 데 도움이 됐다. 더 중요한 이야기는 그 피드 너머의 학교, 예산, 연결성 프로젝트, 거버넌스 절차에서 펼쳐질 것이다.

기관들은 AI 리터러시를 공공의 역량으로 다룰 것인가, 아니면 개별 교육자와 일시적인 프로그램에 의존하도록 남겨둘 것인가? 그 답은 포용이 AI 제품을 사용하는 것을 의미하는지, 아니면 AI가 사회를 형성하는 방식에 대해 실질적인 목소리를 갖는 것을 의미하는지를 결정할 것이다.