Siobahn Day Grady, AI 교육의 자금 격차에 맞서다

Siobahn Day Grady는 이들 기관에 배정되는 자금이 1%에도 못 미치는 환경에서도 HBCU 최초의 AI 연구소를 설립했다. IEEE Spectrum의 프로필은 그녀의 활동을 North Carolina Central University 전반에서 인공지능에 대한 접근성을 높이려는 야심 찬 노력으로 소개한다. 더 날카로운 질문은 이 모델이 극복하고자 하는 재정적 불균형 속에서 살아남을 수 있는지다.

Grady는 2025년 1월 NCCU의 Institute for Artificial Intelligence and Emerging Research, 즉 IAIER를 출범시켰다. AI 리터러시 프로필에 따르면, 이 연구소는 이후 학생, 교수진, 지역 주민 2,800명 이상과 함께했다. 프로그램은 컴퓨터 과학을 넘어 사회복지, 의료, 디지털 아카이브 등 여러 분야로 확장된다.

연구소의 초기 성과는 AI 리터러시를 교양교육으로 다뤄야 한다는 근거를 제시한다. 그러나 보조금과 기술 기업에 의존한다는 점은 더 어려운 제약을 드러낸다. 연구 자원이 적은 대학들은 더 많은 교수진, 컴퓨팅, 모금 자원을 보유한 기관들과 경쟁하면서 AI가 형성하는 노동시장에 학생들을 대비시켜야 한다.

이것이 Grady의 활동을 관통하는 핵심 갈등이다. 대학은 강의실 안에서 AI 교육을 보편화할 수 있지만, 그 교육을 뒷받침하는 인프라에 대한 접근성은 여전히 크게 불평등하다.

Grady는 AI 연구실을 전교 차원의 연구소로 전환했다

IAIER는 NCCU의 AI 전략을 전문가 중심 연구 프로젝트에서 대학 전체를 아우르는 인력 양성 및 교육 프로그램으로 바꿨다.

Grady의 계획은 연구소에서 시작되지 않았다. 그녀는 2020년 NCCU에 Laboratory for Artificial Intelligence and Emerging Research를 설립했다. 이 연구실은 학생들에게 머신러닝, 인간-컴퓨터 상호작용, 의료, 자율 시스템 관련 프로젝트에 참여할 기회를 제공했다.

그러나 이 구조는 여전히 연구 그룹을 중심으로 운영됐다. 참여 학생들을 지원하고 일부 프로젝트를 뒷받침할 수는 있었지만, 모든 학과에 닿을 수는 없었다. 2024년 Google 보조금 기회가 나타나자 Grady는 더 폭넓은 모델을 검토하기 시작했다.

그 결과 설립된 연구소는 Google.org로부터 100만 달러를 지원받았다. NCCU는 IAIER를 학제 간 교육, 연구, 책임 있는 AI 개발을 위한 중심지로 설명한다. 연구소 개요에서는 이를 미국 최초의 HBCU 기반 AI 연구소로도 소개한다.

대학 이사회는 기관 검토를 거쳐 2025년 12월 17일 IAIER를 공식 승인했다. 이 승인으로 조직은 기존 교수진 연구실을 넘어선 지위를 확보했다. 또한 연구소는 학술 프로그램, 파트너십, 연구 보조금, 지역사회 교육을 조정할 수 있는 위치에 놓였다.

이 구분은 AI 리터러시가 컴퓨터 과학자 양성과 같지 않기 때문에 중요하다. AI 리터러시란 AI 시스템이 무엇을 할 수 있는지, 어디에서 실패하는지, 그리고 그 결과물이 의사결정에 어떻게 영향을 미치는지를 이해하는 것을 뜻한다. 또한 데이터 출처를 검토하고, 위험을 식별하며, 특정 분야에 맞는 도구를 사용하는 능력도 포함한다.

간호학 학생과 정보과학 학생이 AI를 사용하는 방식은 같지 않다. 사회복지사, 아키비스트, 교사, 비즈니스 분석가도 마찬가지다. 전교 차원의 연구소는 공통 기반을 각 분야의 전문 기준과 연결할 수 있다.

IAIER의 시드 그랜트 프로그램은 이러한 접근 방식을 보여준다. 연구소는 첫 번째로 보고된 코호트에서 11개 프로젝트에 프로젝트당 최대 1만 달러의 보조금을 지급했다. 프로젝트는 사회복지, 의료, 디지털 아카이빙, 정보과학 등 다양한 분야를 다뤘다.

한 프로젝트는 사회복지학 학생을 위한 AI 지원 시뮬레이션 연구실을 개발하고 있다. 학생들은 이 시스템을 지도감독이 이루어지는 현장 실습의 대체물로 취급하지 않으면서도 클라이언트와의 상호작용을 연습할 수 있다. 이 시나리오는 AI 교육을 단순한 프롬프트 작성이 아니라 전문적 판단의 문제로 전환한다.

이는 학생들에게 챗봇 사용법을 보여주는 것보다 더 까다로운 목표다. 교수진은 AI가 학습을 개선하는 시점, 용납할 수 없는 불확실성을 초래하는 시점, 그리고 학생들이 사용 사실을 어떻게 기록해야 하는지를 판단해야 한다.

IAIER는 Deloitte, FICO, Anthropic, IBM, Google 같은 기업이 참여하는 행사도 운영한다. 이러한 연결은 학생들에게 현재 직장의 기대치를 보여주고, 교수진에는 학계 밖에서 변화하는 관행을 살필 기회를 제공한다.

산업계 참여에는 그 자체의 긴장도 따른다. 기업은 대학이 교육과정을 개정하고, 프로그램을 승인하며, 강사를 양성하는 속도보다 빠르게 AI 제품을 개발한다. 따라서 대학에는 외부 지식이 필요하지만, 벤더가 AI 리터러시를 자사 플랫폼 중심으로만 정의하게 해서는 안 된다.

Grady의 연구소는 바로 이 긴장 속에 놓여 있다. 기업 지원을 활용해 참여를 넓히는 한편, AI 교육을 학제 간 학문적 책임으로 규정한다. 연구소의 다음 시험대는 프로그램과 수요가 확대되는 가운데 이러한 균형을 유지할 수 있는지다.

IEEE Spectrum은 AI 리터러시가 교양교육이 되는 이유를 보여준다

IEEE Spectrum의 보도는 AI 리터러시가 이제 하나의 기술 학과가 아니라 교육과정 전반에 자리해야 한다는 분명한 근거를 제시한다.

NCCU에는 아직 독립적인 컴퓨터 과학 프로그램이 없지만, 대학은 컴퓨터 과학 전공과 AI 부전공을 개발하고 있다. 이러한 부재는 불리하게 보일 수 있다. 그러나 동시에 IAIER가 컴퓨터 과학 등록을 관문으로 삼지 않는 모델을 택하도록 이끌었다.

이제 모든 NCCU 신입생은 필수 대학 교육 과목인 UNIV 1100을 통해 입문 AI 교육을 받는다. NCCU의 필수 AI 모듈에 따르면, 이 프로그램은 2025년 가을 약 1,700명의 1학년 학생을 대상으로 시작됐다.

이 모듈은 기초 기술 교육과 자격증을 제공하는 온라인 학습 플랫폼 IBM SkillsBuild를 사용한다. 학생들은 희망 전공과 관계없이 과정을 이수한다. NCCU는 이를 통해 IBM 및 다른 파트너가 제공하는 멘토링과 인턴십 연계 기회에도 접근할 수 있다고 설명한다.

모듈을 필수 과목에 포함하면 누가 교육을 받는지가 달라진다. 선택형 워크숍은 보통 이미 기술에 익숙한 학생들을 끌어들인다. 보편적 필수 요건은 그렇지 않았다면 AI가 자신의 업무와 무관하다고 판단했을 학생들에게까지 닿는다.

이 설계는 사람들이 더는 디지털 시스템과 일상적인 직업 생활을 분리할 수 없다는 Grady의 주장에 기반한다. 채용 담당자들은 갈수록 졸업생들이 AI 지원 업무를 평가하고, 자동화 시스템과 소통하며, 신뢰할 수 없는 결과물을 알아볼 수 있기를 기대한다. 이러한 기대는 이제 소프트웨어 개발을 훨씬 넘어선다.

그러나 기초적인 프롬프트 작성이 종착점이 되어서는 안 된다. 요약을 요청할 줄 아는 학생이 환각, 개인정보 보호, 저작권, 내재된 편향을 자동으로 이해하는 것은 아니다. 환각은 생성형 모델이 그럴듯하지만 근거 없는 정보를 만들어내는 현상이다.

따라서 AI 리터러시에는 검증이 반드시 포함돼야 한다. 학생들은 결과물을 원자료와 비교하고, 의미 있는 AI 지원 사용을 공개하며, 기밀 정보가 언제 제3자 시스템 밖에 남아야 하는지 이해해야 한다.

이 작업에는 지식 관리의 측면도 있다. 학생과 연구자는 AI에게 해석을 요청하기 전에 출처 자료를 신뢰할 수 있는 방식으로 정리해야 한다. 인용을 보존하고 주장을 증거와 연결해 두는 개인 AI 지식 베이스는 이 과정을 뒷받침할 수 있다.

교수진 개발도 똑같이 중요해진다. 강사들이 평가 방식을 재설계할 시간이나 지침을 받지 못한다면, 기관은 공통된 AI 기대치를 세울 수 없다. IAIER는 교수진 개발팀과 협력해 교육자들이 AI를 수업에 통합하도록 지원해 왔다.

통합은 모든 강의실에서 같은 도구를 사용한다는 뜻이 아니다. 역사 교사는 출처 검증에 집중할 수 있다. 사회복지 교사는 동의와 전문적 경계를 검토할 수 있다. 보건 연구자는 개인정보 보호, 검증, 잘못된 예측의 결과에 주목할 수 있다.

이러한 학문 분야별 접근은 IAIER에 일반적인 기술 센터보다 더 강력한 근거를 제공한다. AI를 여러 형태의 업무를 가로지르는 층위로 다루면서도, 각 직업이 서로 다른 위험을 지닌다는 점을 인정한다.

이 모델은 다른 대학들에도 압박을 가한다. AI 교육을 기술 선택과목으로만 제한하는 기관은 준비 수준이 고르지 못한 졸업생을 배출할 위험이 있다. 더 부유한 대학은 교수진을 채용하고 전문 센터를 설립해 대응할 수 있지만, 규모가 작은 기관들은 더 어려운 선택에 직면한다.

NCCU는 우선 폭넓은 적용을 택했다. 모든 신입생에게 기초 역량을 제공하는 한편, 그 기반 위에 고급 연구와 학위 선택지를 구축하고 있다. 이 접근은 실용적이지만, 그 품질은 지속적인 교수진 지원과 정기적인 교육과정 업데이트에 달려 있다.

보편적 AI 접근성은 불평등한 연구 시스템과 맞닥뜨린다

Grady의 모델은 구조적 불일치에 도전한다. HBCU는 동등한 연구 투자를 받지 못하면서도 AI 인재를 양성해야 한다는 기대를 받는다.

Historically Black colleges and universities는 4년제 학위 수여 기관의 3.2%를 차지한다. 그러나 이들은 2023 회계연도 연방 고등교육 연구개발 지출의 0.91%만을 받았다.

이 격차는 한 해에만 국한되지 않는다. 공개된 연방 R&D 데이터에 따르면, 2018년 이후 HBCU는 연방 학술 연구 자금의 평균 0.87%를 받아 왔다.

기관별 분배는 또 다른 층위를 더한다. 2023년 대학 연구 자금을 제공한 43개 연방 기관 중 17곳은 HBCU에 아무런 지원도 배정하지 않았다. 이는 참여 기관의 40%가 HBCU 연구 예산을 전혀 배정하지 않았다는 뜻이다.

주요 자금원 두 곳도 불균형적으로 적은 비중을 배분했다. Department of Health and Human Services는 학술 연구 자금의 0.54%를 HBCU에 지원했다. Department of Defense는 0.40%를 지원했다.

이 수치가 AI에 중요한 이유는 연구 역량이 누적되기 때문이다. 연방 지원금은 대학원 연구자, 컴퓨팅 접근권, 행정 인력, 파일럿 연구에 자금을 제공할 수 있다. 이러한 자산은 기관이 다음 보조금을 놓고 경쟁하고 추가 파트너를 유치하는 데 도움을 준다.

제한된 자금은 반대의 효과를 낳는다. 교수진은 더 적은 행정 지원으로 제안서 작성에 더 많은 시간을 써야 한다. 기관들은 보조금과 보조금 사이의 기간에 연구실을 유지하기 어렵다. 학생들은 대학원 진학이나 기술 분야 취업으로 이어질 수 있는 유급 연구 기회를 더 적게 받는다.

문제는 관련 인재가 부족하다는 데 있지 않다. HBCU는 오랫동안 과학과 공학 분야에서 여전히 과소대표되는 학생들을 지원해 왔다. AI 시스템이 역사적으로 기술 설계에서 배제돼 온 공동체에 영향을 미치는 상황에서 이들의 참여는 특히 중요하다.

연구자의 배경이 공정한 기술을 보장하는 것은 아니다. 그러나 기관과 공동체를 연구에서 배제하면 제기되는 질문의 범위가 줄어든다. 또한 의문스러운 가정에 이의를 제기할 위치에 설 사람들의 저변도 좁아진다.

IAIER의 학제 간 보조금은 더 폭넓은 참여가 연구 의제를 어떻게 바꿀 수 있는지 보여준다. 사회복지 교수진은 모델 개발자와 다른 방식으로 AI에 접근한다. 아키비스트는 상업 제품팀이 간과할 수 있는 보존, 출처, 재현의 문제를 본다.

이 연구소는 학생들이 노동시장에 진입하기 전에 이러한 질문을 탐구할 수 있는 공간도 제공한다. 연구 경험은 문제를 구성하고, 증거를 다루며, 주장을 검증하고, 불확실성을 전달하는 법을 가르칠 수 있다. 특정 AI 도구가 바뀌더라도 이러한 역량은 여전히 가치가 있다.

기업 보조금은 당장의 공백을 메우는 데 도움이 될 수 있지만, 지속적인 공공 투자를 대체하지는 못한다. 기업은 자선 우선순위를 바꾸거나, 프로그램을 재편하거나, 파트너십을 종료할 수 있다. 대학은 더 긴 주기에 걸쳐 학생과 교원을 지원해야 한다.

정부 지원도 변동될 수 있다. 연방 연구 예산은 정치적 협상의 대상이 되며, 다양성 중심 프로그램은 추가적인 검토에 직면한다. 일회성 배정은 활동을 만들어낼 수 있지만, 지원금이 끝난 뒤에도 인력이나 운영이 유지된다는 보장은 없다.

연방 정부는 2025년 9월 HBCU와 미국 원주민 부족 정부가 설립한 교육기관에 5억 달러를 일회성으로 투자한다고 발표했다. 이 약속은 단기적 지원을 제공했지만, 일회성 구조는 반복되는 연구 격차를 해소하지 못했다.

IAIER에 있어 자금 격차는 성장을 위험으로 바꾼다. 성공은 더 많은 학생, 교원 프로젝트, 지역사회의 요청, 그리고 잠재적 파트너를 끌어들인다. 새로운 프로그램이 추가될 때마다 임시 보조금으로는 감당하지 못할 수 있는 조정과 지원 수요도 늘어난다.

Grady는 자금 조달을 연구소의 가장 큰 지속가능성 장벽으로 꼽았다. 이러한 평가는 높은 참여율이 만들어낸 낙관적인 서사를 복잡하게 만든다. 수천 명에게 도달했다는 사실은 수요를 입증하지만, 운영 모델이 자체적으로 재원을 마련할 수 있음을 입증하지는 않는다.

따라서 주요 경쟁자는 다른 대학이나 AI 연구소가 아니다. 약속으로서의 보편적 접근성과 현실로서의 불평등한 연구 역량 사이의 격차다.

산업 파트너십은 접근성을 넓히지만 교육과정을 결정할 수는 없다

기술 파트너십은 NCCU에 귀중한 자원을 제공하지만, 책임 있는 AI 교육의 의미에 대한 통제권은 대학이 유지해야 한다.

IAIER는 Google 및 IBM과 교육 및 자격 인증 분야에서 협력해 왔다. 또한 고용주와 AI 기업이 참여하는 세션도 개최했다. 이러한 관계는 학생들을 도구, 연구자, 전문 네트워크, 그리고 잠재적 진로와 연결한다.

이 연구소는 HBCU에서 처음 열린 OpenAI Academy Summit을 개최했다. IEEE Spectrum 보도에 따르면, 이 행사는 40개가 넘는 기관에서 온 444명의 참가자를 NCCU에 모았다. 공식 HBCU summit에서는 교육, 인력 양성, 창업, 책임 있는 도입에 관한 논의가 이루어졌다.

이러한 네트워크의 가치는 상당하다. 자금이 풍부한 대학의 학생들은 종종 방문 연구자, 동문, 채용 담당자에게 비공식적으로 접근할 기회를 얻는다. NCCU에서 열리는 행사는 HBCU 학생들과 AI 고용 환경을 형성하는 조직들 사이의 거리를 줄일 수 있다.

자격 인증은 새로 습득한 기술을 가시화하는 데도 도움이 될 수 있다. 기술 전공이 아닌 학생에게는 기초 교육을 받았다는 신호가 되는 공인 인증서가 유용할 수 있다. 다만 자격 인증은 고용주가 그것이 무엇을 측정하는지 이해할 때에만 유용하다.

AI 리터러시가 공급업체 배지의 집합으로 변질될 위험도 있다. 배지는 학생이 과정을 이수했음을 확인할 수 있지만, 학생이 결과물을 비판적으로 검토할 수 있는지, 민감한 데이터를 보호할 수 있는지, 부적절한 적용 사례를 식별할 수 있는지는 보여주지 못한다.

공급업체 중심 교육은 빠르게 낡을 수도 있다. 제품 인터페이스, 모델명, 구독 조건은 변한다. 학생들에게는 선호 도구가 바뀌어도 유용한, 이전 가능한 개념이 필요하다.

따라서 대학은 제품 친숙도와 지속 가능한 리터러시를 구분해야 한다. 제품 친숙도는 학생들이 현재 시스템을 활용해 생산성을 높이는 데 도움이 된다. 지속 가능한 리터러시는 미래 시스템을 평가하고 반복되는 문제를 인식하는 데 도움이 된다.

같은 원칙은 교원 연구에도 적용된다. 기업 지원은 실험에 자금을 제공하고 기술 접근성을 높일 수 있지만, 연구 질문이 기업의 상업적 로드맵에 전적으로 의존해서는 안 된다. 학자들이 편향, 노동 영향, 프라이버시, 시스템 실패를 연구할 때 독립적 탐구는 필수적이다.

IAIER의 학제 간 구조는 협소한 공급업체 중심 사고로부터 어느 정도 보호막을 제공한다. 연구소의 프로젝트는 사회복지와 기록보존 같은 분야 내부의 문제에서 출발한다. 기술은 연구 질문을 규정하기보다 그 질문을 뒷받침한다.

그럼에도 연구소가 외부 파트너십에 의존한다는 점은 정당한 불확실성을 만든다. 공개적으로 보고된 참여자 수는 얼마나 많은 학생이 지속적인 교육을 완료하는지 보여주지 않는다. 졸업생들이 NCCU를 떠난 후 이러한 기술을 효과적으로 활용하는지도 알 수 없다.

고용 성과, 연구 생산성, 또는 교원 실천의 변화에 관한 장기적 증거는 거의 공개되지 않았다. 젊은 연구소라는 점을 고려하면 이러한 부재는 이해할 수 있지만, 모델의 효과성에 관한 폭넓은 주장을 제한한다.

중요한 질문은 IAIER가 이미 불평등한 AI 접근성을 해결했는지가 아니다. 그런 결론을 뒷받침할 만큼의 시간, 자금, 또는 공개된 성과 데이터가 아직 충분하지 않다. 질문은 초기 설계가 다른 기관도 재현할 수 있는 측정 가능한 진전을 만들어내는지다.

유용한 평가는 행사 참석과 더 깊은 참여를 구분할 것이다. 과목 이수, 연구 참여, 인턴십, 자격 인증, 대학원 진학 및 취업, AI 결과물 검증에 대한 학생의 자신감을 추적해야 한다.

또한 대학 내부에서 누가 혜택을 받는지도 살펴봐야 한다. 신입생 전체를 대상으로 한 보편적 교육은 폭넓은 출발점을 만들지만, 심화 기회는 여전히 시간, 사전 경험, 또는 교원과의 연결이 더 많은 학생에게 집중될 수 있다.

교원 역량도 또 다른 한계다. 시드 보조금은 유망한 프로젝트를 시작하게 할 수 있지만, 연구자에게는 시간, 기술 지원, 후속 자금이 필요하다. 그렇지 않으면 파일럿 프로그램은 초기 시연을 만든 뒤 사라진다.

이러한 우려 어느 것도 Grady의 전략을 무효화하지는 않는다. 이는 여전히 필요한 증거가 무엇인지를 규정한다. 이 연구소는 HBCU가 눈에 띄는 전교 차원의 AI 이니셔티브를 조직할 수 있음을 보여줬다. 그러나 초기 보조금이 끝난 뒤에도 이 모델이 안정적으로 유지되는지는 아직 입증하지 못했다.

이 모델의 지속 가능성을 보여줄 세 가지 신호

IAIER의 미래는 지속적인 인프라, 측정 가능한 학생 성과, 그리고 단일 캠퍼스를 넘어선 재현성에 달려 있다.

첫 번째 신호는 NCCU가 연구소를 위해 마련하는 전용 물리적 공간이다. Grady는 IEEE Spectrum에 IAIER가 2026년 가을 첫 전용 캠퍼스 시설을 열 계획이라고 말했다. NCCU는 학습과 연구를 위한 약 5,000평방피트 규모의 연면적 건물을 설명했다.

물리적 센터는 학생과 교원에게 프로젝트, 멘토링, 교육, 협업을 위한 일관된 공간을 제공할 것이다. 또한 대학이 IAIER를 임시 보조금 프로그램으로 취급하는 대신 운영 체계에 내재화하고 있음을 보여줄 것이다.

시설만으로 지속가능성이 확립되지는 않는다. 중요한 세부 사항에는 인력, 장비, 컴퓨팅 접근성, 운영 자금, 그리고 지원할 수 있는 프로그램의 수가 포함된다. 반복적으로 투입되는 자원이 없는 건물은 연구소의 더 큰 주장을 약화시킬 것이다.

두 번째 신호는 NCCU가 계획한 컴퓨터 과학 전공과 AI 부전공의 개설 및 채택이다. 이 프로그램들은 보편적 입문 교육을 더 깊은 학문적 경로와 연결할 것이다.

발표보다 중요한 것은 등록 및 이수 데이터다. 강한 수요는 폭넓은 AI 노출이 학생들로 하여금 심화 학습을 추구하도록 장려한다는 점을 보여줄 것이다. 낮은 진전은 입문 교육에 더 강력한 진로 지도, 선수 요건, 또는 재정 지원이 필요함을 시사할 수 있다.

성과는 기술 전공을 넘어 확장되어야 한다. IAIER의 차별화된 제안은 AI가 여러 학문 분야에 걸쳐 속한다는 것이다. 따라서 연구자들은 AI 관련 교과목을 만드는 학과 수, 교원이 시드 보조금을 활용하는 방식, 학제 간 프로젝트가 파일럿 단계를 넘어 계속되는지를 살펴봐야 한다.

세 번째 신호는 NCCU의 접근법이 다른 곳에서도 재사용 가능한 모델이 되는지다. Grady는 HBCU와 다른 대학들이 유사한 프로그램을 수립하는 데 도움을 줄 수 있는 프레임워크를 만들고 싶다고 말해 왔다.

재현성은 IAIER가 단 한 명의 성공적인 리더나 보조금 이상의 의미를 지닌다는 주장을 강화할 것이다. 또한 서로 다른 교육과정, 학생 구성, 산업 관계를 가진 기관들 사이에서 어떤 요소가 이전 가능한지도 시험할 것이다.

반복 가능한 프레임워크에는 명확한 최소 요건이 필요하다. 대학에는 교원 개발, 책임 있는 사용 정책, 학생 평가, 연구 거버넌스, 고용주 참여, 지속 가능한 자금 조달에 관한 지침이 필요할 것이다.

또한 지역별 우선순위를 반영할 여지도 필요하다. 농촌 지역의 기관은 농업이나 의료 접근성에 초점을 맞출 수 있다. 도시 대학은 행정, 교통, 또는 지역사회 창업을 강조할 수 있다.

향후 몇 달 동안 이 세 가지 신호는 연구소의 궤적을 분명히 보여줄 것이다. 인력이 갖춰진 시설은 제도적 기반을 강화할 것이다. 확대되는 학문 경로는 더 깊은 학생 수요를 입증할 것이다. 다른 대학의 채택은 이 모델이 확산될 수 있다는 Grady의 주장을 뒷받침할 것이다.

이 신호들 중 하나라도 실패한다고 해서 연구소의 초기 작업이 사라지는 것은 아니다. 그러나 시설 지연, 낮은 진전, 또는 재현의 부재는 보조금이 뒷받침한 열의가 조직적 한계와 맞닿는 지점을 보여줄 것이다.

IEEE Spectrum 프로필은 고등교육을 더 폭넓은 AI 준비성의 정의로 이끌려는 리더를 포착한다. Grady의 가장 중요한 생각은 모든 학생이 프로그래머가 되어야 한다는 것이 아니다. 모든 학생이 자동화 시스템에 의문을 제기하고, 지시하며, 검증할 만큼의 이해를 갖춰야 한다는 것이다.

이 생각은 학생, 고용주, 대학에 실질적 결과를 가져온다. 고용주는 도구별 배지를 넘어 지원자에게 AI 지원 작업을 어떻게 평가하는지 물어야 한다. 대학은 단순한 참석이 아니라 지속적인 학습을 측정해야 한다. 학생은 검증과 분야별 판단을 핵심 역량으로 여겨야 한다.

이 이야기는 자금 제공자에게도 책임을 부여한다. 연방 학술 연구개발 자금의 1% 미만을 HBCU에 배정하는 연구 시스템을 유지하면서, 더 대표성 있는 AI 인력을 요구하기는 어렵다.

독자들은 초기 관심이 사그라든 뒤에 어떤 일이 일어나는지 지켜봐야 한다. IAIER는 반복적인 지원을 확보하고, 의미 있는 성과를 공개하며, 다른 캠퍼스가 비교 가능한 프로그램을 구축하도록 돕는가? 이러한 결과가 보편적 AI 리터러시가 제도적 약속이 될지, 아니면 임시 자금을 좇는 예외적인 리더들에게 계속 의존할지를 결정할 것이다.

Grady는 이미 수요를 입증했다. 다음 단계는 대학, 고용주, 공공기관, 기술 기업의 몫이다. 이들은 AI 리터러시가 공동의 교육 우선순위인지 결정하고, 그에 맞게 자금을 지원해야 한다.