William & Mary의 AI 부전공, 윤리를 시험대에 올리다

William & Mary의 19학점 인공지능 부전공이 Google News에서 다시 주목받고 있지만, 진정한 시험대는 윤리가 기술 교육 속에서 살아남을 수 있느냐에 있다.

이 대학은 2025년 9월 School of Computing, Data Sciences & Physics를 통해 이 프로그램을 시작했다. 미래의 소프트웨어 엔지니어뿐 아니라 모든 전공의 학생에게 부전공을 개방했다. 이러한 폭넓은 대상은 핵심적인 긴장을 낳는다. AI 윤리는 장식적인 인문학 요건이 아니라 실제로 작동하는 학문이어야 한다.

시점 역시 분명히 할 필요가 있다. 이 발표는 2026년 8월 다시 피드에 등장하고 있지만, 해당 프로그램 자체가 8월에 출범한 것은 아니다. 대학은 최초 발표를 2025년 9월 12일에 게시했다. 뉴스 집계 서비스를 통해 이 소식을 접한 독자는 이 차이를 쉽게 놓칠 수 있다.

이 날짜가 중요한 이유는 William & Mary가 이제 발표 이후 충분한 시간이 지나 더 어려운 질문에 직면할 수 있기 때문이다. 커리큘럼은 프로그래밍, 통계, 머신러닝, 책임 있는 사용, 학제 간 적용을 약속한다. 다음 단계에서는 이 요소들이 실제로 학생들이 AI 시스템을 구축하고 평가하는 방식에 변화를 주는지 보여줘야 한다.

Harvard의 Embedded EthiCS 이니셔티브는 유용한 역사적 비교 사례를 제공한다. 이 프로그램은 철학자를 컴퓨터 과학 수업 안에 배치해, 학생들이 기술적 결정을 내리는 현장에서 윤리적 추론이 이루어지도록 한다. William & Mary는 더 폭넓은 부전공을 추진하고 있지만, 과제는 비슷하다. 설계 선택이 굳어지기 전에 가치를 구현과 연결해야 한다.

Google News 헤드라인이 놓치는 것

발표는 새로운 학업 경로를 설명하지만, 커리큘럼을 보면 철학보다 컴퓨팅에 더 무게를 둔 프로그램임이 드러난다.

William & Mary의 AI 부전공 커리큘럼은 19학점을 요구한다. 네 개의 핵심 과목은 입문 프로그래밍, 이산 구조, 연구 설계와 통계, 응용 머신러닝을 다룬다. 이 요건들은 함께 상당한 수준의 기술적 기반을 구축한다.

학생들은 이후 제한 선택과목 중 최소 6학점을 선택한다. 공개된 선택지에는 신경망, 대규모 언어 모델, 데이터 마이닝, 신뢰할 수 있는 AI, 생성형 AI, 강화학습, 베이즈 추론, 에이전트 기반 모델링이 포함된다. 이 목록은 학생들이 기술적 학습을 심화할 여러 경로를 제시한다.

대학은 이 부전공이 윤리와 사회적 영향에 관한 비판적 사고도 통합한다고 밝힌다. 출범 발표에서는 개인정보 보호, 형평성, AI의 더 광범위한 영향과 관련된 학습 내용이 커리큘럼 전반에 녹아들 것이라고 더 구체적으로 설명했다.

이 차이는 중요하다. 독립된 윤리 수업은 윤리적 질문을 그러한 질문을 만들어내는 엔지니어링 결정과 분리할 수 있다. 반면 수업 안에 내재화한 접근은 이러한 질문을 모델 선택, 데이터 수집, 평가, 배포, 실패 분석과 연결할 수 있다.

하지만 공개된 요건은 그러한 통합이 정확히 어떻게 평가되는지 설명하지 않는다. 과목명은 학생들이 무엇을 배우는지는 보여주지만, 윤리적 추론이 프로젝트 성적이나 시스템 설계에 영향을 미치는지는 보여주지 않는다. 또한 모든 과목이 공유하는 공통 학습 성과도 제시하지 않는다.

이 공백이 윤리가 피상적이라는 뜻은 아니다. 다만 독자들이 여전히 필요로 하는 증거를 가리킨다. 커리큘럼은 책임 있는 AI를 약속할 수 있지만, 개별 교수자가 그 약속을 서로 다르게 해석하도록 남겨둘 수도 있다.

원래의 부전공 발표는 이 프로그램을 실용적이면서 성찰적인 것으로 규정했다. 컴퓨팅 학교의 학장인 Doug Schmidt는 AI가 예술, 역사, 법학, 비즈니스를 포함한 분야를 변화시키고 있다고 말했다. 그는 이 부전공을 어떤 전공에도 보완이 될 수 있는 과정으로 설명했다.

이 주장은 이 프로그램이 한 캠퍼스를 넘어 뉴스 가치가 있는 이유를 설명한다. 대학들은 AI가 컴퓨터 과학 안에 있어야 하는지, 모든 학문 분야에 걸쳐야 하는지, 또는 별도의 학제 간 영역에 놓여야 하는지를 결정하고 있다. William & Mary의 답은 세 가지 접근법을 모두 결합한다.

이 부전공은 컴퓨팅 학교 안에 자리하면서 대학 전반의 학생을 받아들이고, 인간적 결과에 주의를 기울이겠다고 약속한다. 제도적 기반은 기술적 깊이를 제공한다. 개방된 등록은 학제 간 도달 범위를 제공한다. 윤리에 대한 약속은 어느 한 요소도 비판성 없는 도구 교육으로 변질되지 않게 해야 한다.

Google News는 이런 구성을 컴퓨터 과학과 철학의 만남에 관한 헤드라인으로 압축할 수 있다. 실제 프로그램은 더 복잡하다. 공식 핵심 과정은 프로그래밍, 수학적 추론, 통계, 머신러닝을 강조하는 반면, 윤리적 정체성은 과목 전반의 실행에 달려 있다.

따라서 이 부전공은 완성된 해답이라기보다 진행 중인 제도적 실험에 가깝다. William & Mary는 구조를 정의했다. 그 구조가 기술에 정통한 비판가, 윤리적으로 경각심 있는 개발자, 혹은 또 하나의 AI 자격을 갖춘 졸업생을 배출할지는 교수진과 학생들의 작업이 결정할 것이다.

규범이 정착되기 전에 움직이는 대학들

William & Mary는 AI 도구, 정책, 직업적 기대가 아직 정립되지 않은 상황에서 학생 수요와 제도적 변화에 대응하고 있다.

대학은 이 부전공을 고립된 상태에서 만든 것이 아니다. William & Mary는 2023년 말 Board of Visitors의 승인을 받아 School of Computing, Data Sciences & Physics를 설립했다. 이 학교는 2025년에 문을 열어 응용과학, 컴퓨터 과학, 데이터 과학, 물리학을 하나의 학술 단위로 통합했다.

수요는 이미 그 방향으로 움직이고 있었다. 2023년 대학 보고서에 따르면 컴퓨터 과학과 물리학의 학사 졸업생 수를 합한 수치는 10년간 206% 이상 증가했다. 데이터 과학 프로그램도 2017년 부전공, 2019년 전공을 도입한 뒤 확대됐다.

William & Mary는 Carnegie Classification에 따라 2025년 초 R1 지정을 받아 연구 활동이 매우 활발한 기관군에 속하게 됐다. 대학의 AI 정책 보고서는 이 지위가 더 큰 연구 역량, 잠재적 파트너십, 컴퓨팅 인프라와 연결된다고 설명했다.

이러한 변화는 대학이 산발적인 선택과목 이상을 제공해야 한다는 압박을 가한다. 학생들에게는 선수과목, 기술적 방법론, 응용 질문을 아우르는 일관된 경로가 필요하다. 교수진에게는 도구 한 세대에 맞춰 커리큘럼을 고정하지 않으면서도 적절한 AI 사용을 논의할 공통의 방식이 필요하다.

대학은 더 광범위한 문제에 대응하기 위해 2024년 가을 Artificial Intelligence Policy Initiative를 구성했다. 구성원은 철학, 컴퓨터 과학, 데이터 과학, 비즈니스, 교육, 법학, 정보기술, 학사 행정 분야에서 왔다.

이 이니셔티브의 AI 정책 권한은 수업 내 사용, 연구 지침, 데이터 관리, 대학 운영, 지속적인 거버넌스를 포괄했다. 최종 권고안은 2025년 7월 1일까지 행정 책임자들에게 제출될 예정이었다.

AI 커리큘럼은 이미 학문적 진실성과 씨름하는 기관 안에서 운영되기 때문에 이 정책 작업은 중요하다. 학생들은 보조와 대체를 구분해야 한다. 교수자는 생성형 시스템이 언제 학습 목표를 진전시키고, 언제 이를 우회하는지 판단해야 한다.

이 질문들은 탐지 소프트웨어만으로 해결할 수 없다. 저자성, 공개, 개인정보 보호, 증거, 과제의 목적에 관한 판단이 필요하다. 철학은 이러한 가치를 명확히 하는 데 도움이 될 수 있고, 컴퓨터 과학은 시스템이 실제로 무엇을 하는지 드러낼 수 있다.

고용주 역시 또 다른 압력을 만든다. 조직들은 점점 AI 도구를 활용하고, 그 결과물을 검증하며, 안전하지 않은 적용 사례를 식별하고, 비기술적 동료에게 한계를 설명할 수 있는 사람을 필요로 한다. 인터페이스와 모델이 바뀌기 때문에 단순한 도구 친숙도는 빠르게 낡는다.

따라서 지속 가능한 프로그램은 이전 가능한 판단력을 가르쳐야 한다. 학생들은 모델이 무엇을 최적화하는지, 데이터는 어디에서 왔는지, 성능은 어떻게 측정됐는지, 실패 비용은 어떤 집단이 부담하는지를 질문할 줄 알아야 한다.

William & Mary의 커리큘럼은 통계와 머신러닝을 통해 이 목표의 일부를 뒷받침한다. 이 과목들은 학생들이 불확실성, 평가, 예측과 설명의 차이를 이해하도록 돕는다. 윤리는 이후 이러한 개념을 책임과 수용 가능한 위험에 연결할 수 있다.

대학은 Bachelor of Arts in Interdisciplinary Studies 프로그램 안에서 응용 인공지능 전공도 개발하고 있다. 이는 이 부전공이 생성형 AI에 대한 관심에 대한 일회성 대응이 아님을 시사한다. 더 큰 학술 전략의 일부다.

Google News 노출은 이 전략에 관심을 불러올 수 있지만, 관심은 입증 책임도 키운다. 다른 대학들도 과목명은 빠르게 모방할 수 있다. 설득력 있는 차별점은 학생들이 무엇을 만들어내는지, 교수자가 이를 어떻게 평가하는지, 윤리적 구성 요소가 기술적 선택을 실제로 바꾸는지에서 나올 것이다.

컴퓨터 과학과 철학은 결정을 함께 내려야 한다

핵심 갈등은 기술 대 인문학이 아니라, 통합된 판단 대 개발 이후에 덧붙인 윤리에 있다.

컴퓨터 과학 수업은 학생들에게 목표를 형식적 시스템으로 변환하는 법을 가르친다. 이 작업에는 추상화, 측정, 최적화가 포함된다. 각 단계에는 무엇을 중요하게 볼지, 무엇을 무시할지, 누구의 이해관계가 목표를 형성할지에 관한 선택도 숨어 있다.

철학은 학생들에게 이러한 선택을 검토하는 방법을 제공한다. 윤리 이론은 결과, 의무, 권리, 덕, 관계를 구분한다. 인식론은 무엇이 지식으로 인정되는지, 언제 확신이 정당화되는지를 살핀다. 마음의 철학은 지능, 행위성, 이해에 관한 가정을 검증한다.

어느 한 분야만으로는 충분하지 않다. 시스템의 구조를 오해하는 철학적 비판은 상상 속의 능력을 겨냥할 수 있다. 규범적 질문을 피하는 기술 분석은 해로운 목표를 인상적인 정밀도로 최적화할 수 있다.

가장 효과적인 학제 간 교육은 학생들이 이 수준들 사이를 반복해서 오가게 한다. 채용 모델을 설계하는 팀은 정확도를 측정한 뒤에만 공정성을 논의해서는 안 된다. 의사결정 맥락을 정의하고, 영향을 받는 집단을 식별하며, 대리변수를 점검하고, 평가 지표를 선택하고, 이의 제기 절차를 마련해야 한다.

헬스케어 애플리케이션은 다른 의무를 만든다. 거짓 음성과 거짓 양성은 불균등한 결과를 초래할 수 있다. 모델 성능이 좋아도 개인정보 보호 위험은 지속될 수 있다. 기술적으로 수용 가능한 평균값은 더 작은 인구집단에서의 낮은 성과를 감출 수 있다.

대규모 언어 모델은 또 다른 문제를 제기한다. 유창한 출력은 사실 오류와 불확실한 추론을 가릴 수 있다. 학생들에게는 학습과 평가에 관한 기술 지식뿐 아니라 증언, 증거, 저자성, 신뢰에 관한 철학적 규율도 필요하다.

바로 이 지점에서 내재화된 윤리는 일반 토론 수업보다 더 높은 수준을 요구한다. 학생들은 윤리 분석을 시스템 명세의 일부로 다뤄야 한다. 배포 전에 상충 관계를 문서화하고, 증거가 바뀌면 이를 다시 검토해야 한다.

Harvard의 Embedded EthiCS 모델은 이러한 연결을 만드는 한 가지 방식을 보여준다. 이 프로그램은 철학자와 컴퓨팅 교수진의 협업을 통해 기존 컴퓨터 과학 수업에 윤리 모듈을 통합한다.

William & Mary가 이 모델을 정확히 재현할 필요는 없다. 교양학문 환경은 정부, 비즈니스, 생물학, 역사, 심리학, 법학, 예술을 아우르는 더 폭넓은 결합을 구축할 여지를 제공한다. 그러나 폭넓음은 조정 문제를 낳을 수 있다.

재무학 전공 학생과 컴퓨터 과학 전공 학생은 서로 다른 기술적 준비도를 갖춘 채 이 부전공에 들어올 수 있다. 생물학 전공 학생은 연구의 타당성과 환자에게 미칠 결과에 더 관심을 둘 수 있다. 예술 전공 학생은 동의, 저작자 표시, 창작 노동에 초점을 맞출 수 있다.

핵심 교육과정은 이 학생들이 협업할 수 있도록 충분한 공통 어휘를 제공해야 한다. 기초 프로그래밍은 형식적 지시사항을 직접 경험하게 한다. 통계학은 증거와 불확실성을 설명한다. 머신러닝은 데이터와 목표가 모델의 행동을 어떻게 형성하는지 보여준다.

윤리적 추론은 과목들 옆에 따로 놓이는 것이 아니라 과목들을 연결해야 한다. 학생들은 공통 프레임워크를 활용해 이해관계자를 파악하고, 피해를 구체화하며, 불확실성을 문서화하고, 배포 결정을 정당화할 수 있다. 교수진은 여러 프로젝트에 걸쳐 이러한 역량을 평가할 수 있다.

William & Mary의 철학과는 이미 인접한 분야의 작업을 지원하고 있다. Ethics for Data & Computing 집중과정은 철학 전공 학생들이 데이터, 인공지능, 과학적 가정, 그리고 상충하는 가치 이론을 검토하도록 준비시킨다. 이러한 기존 역량은 더 깊은 협업을 뒷받침할 수 있다.

그러나 공개된 부전공 요건에는 네 개의 핵심 요건 중 전용 철학 과목이 포함되어 있지 않다. 이것이 철학자들이 프로그램에 참여하지 않는다는 뜻은 아니다. 다만 이들의 전문성이 필수 교육에 어떻게 반영되는지 기관이 설명해야 한다는 의미다.

진정으로 융합된 부전공에는 가시적인 공동 주도권이 필요하다. 철학자들은 기술 과제에 영향을 미쳐야 하고, 컴퓨팅 교수진은 철학적 사례 연구를 구성해야 한다. 학생들은 하나의 승인된 어휘만 전달받는 대신 학문 분야 간의 이견을 마주해야 한다.

그러한 마찰은 유용하다. 엔지니어는 흔히 정확한 기준치와 운영적 정의를 필요로 한다. 철학자들은 그러한 정의가 왜 도덕적으로 중요한 세부 사항을 배제하는지 자주 드러낸다. 그 결과로 나오는 논쟁은 더 나은 시스템과 더 정직한 한계를 만들어낼 수 있다.

학생들에게 실질적으로 필요한 역량은 AI 원칙 목록을 암기하는 일이 아니다. 정확성, 프라이버시, 접근성, 자율성, 책무성이 서로 다른 방향으로 작용할 때 결정을 어떻게 옹호할지 배우는 일이다.

윤리적 약속에는 여전히 증거가 필요하다

책임 있는 AI라는 표기는 학생들이 평가되는 기술 작업을 통해 윤리적 추론을 입증해야 한다는 조건이 없다면 별다른 의미가 없다.

대학들은 AI 프로그램에 윤리 관련 표현을 덧붙일 강한 유인을 받는다. 이러한 표현은 가족, 고용주, 교수진, 기관 리더를 안심시킨다. 또한 학문 교육을 단기 상업 훈련 프로그램과 구분해 준다.

위험은 조직이 운영상 결정을 바꾸지 않은 채 포괄적 원칙을 내세우는 윤리 세탁이다. 교육과정에서는 윤리가 읽기 자료와 토론에 등장하지만 프로젝트 요건이나 성적에는 거의 영향을 미치지 않을 때 이런 일이 발생할 수 있다.

William & Mary는 프라이버시, 형평성, 더 광범위한 영향을 모든 과목에 녹여 넣고 있다고 말한다. 이는 야심 찬 약속이다. 프로그래밍 숙련도나 통계적 추론에 적용하는 것과 같은 수준의 엄정함으로 평가해야 한다.

평가는 가장 명확한 시험대를 제공한다. 학생들에게 모델 카드, 데이터 문서, 위험 등록부, 이해관계자 분석 또는 사고 대응 계획을 작성하도록 요구할 수 있다. 관련 집단 간 성능을 비교하고, 선택한 지표가 사용 사례에 적합한 이유를 정당화할 수도 있다.

이러한 산출물이 모든 윤리적 분쟁을 해결하지는 못한다. 그러나 학생들이 가치를 증거와 설계에 연결할 수 있는지 보여줄 것이다. 또한 기술적 자신감이 이용 가능한 근거를 넘어서는 지점을 교수진이 파악하는 데 도움이 된다.

대학의 AI initiative report는 더 넓은 기관적 비전을 제시한다. 이 보고서는 사람을 대체하는 대신 인간의 학습과 결정을 개선하도록 설계된 AI를 뜻하는 인간 중심의 증강 지능을 요구한다.

이 개념은 매력적이지만 해결되지 않은 질문을 담고 있다. 시스템이 인간의 판단을 강화하는지, 대체하는지는 누가 결정하는가? 노동자가 재량권을 잃는다면 생산성 향상이 증강으로 간주될 수 있는가? 대학은 인간의 웰빙을 어떻게 측정해야 하는가?

학생들은 기관이 선호하는 프레임을 비판할 수 있어야 한다. 윤리 교육은 원칙을 브랜딩처럼 가르칠 때 약해진다. 학생들이 그 원칙을 예산, 마감 기한, 인센티브, 측정 가능한 결과에 비춰 검증할 수 있을 때 더 강해진다.

교수진 역량도 또 하나의 불확실성이다. 여러 과목에 윤리를 녹여 넣으려면 시간, 조정, 관련 전문성이 필요하다. 강사들은 동일한 입장을 강요받지 않으면서도 공유 자료를 필요로 한다. 학과에는 기술과 규제가 변함에 따라 사례를 업데이트할 절차가 필요하다.

대학은 교수진이 과목 내용을 지속적으로 새로 고칠 것이라고 밝혔다. 모델 역량과 업계 관행이 빠르게 변하기 때문에 이 접근은 타당하다. 그러나 끊임없는 업데이트는 기초적 추론보다 새로운 도구를 우선시하게 만들 수도 있다.

안정적인 윤리 프레임워크는 이러한 표류를 막을 수 있다. 학생들은 특정 플랫폼이 사라져도 유용하게 남을 반복적인 질문이 필요하다. 시스템의 의도된 사용을 뒷받침하는 증거는 무엇인가? 시스템이 실패하면 어떤 일이 일어나는가? 누가 그 결과에 이의를 제기할 수 있는가? 최종 책임은 누가 지는가?

접근성도 면밀히 검토할 가치가 있다. 모든 전공을 위한 부전공은 포용적으로 들리지만, 선수과목 체계는 프로그래밍 경험이 제한적인 학생들을 위축시킬 수 있다. 수요가 교수진 역량을 초과하면 제한된 선택과목은 병목이 될 수 있다.

19학점 요건에는 네 개의 기술 핵심 과목이 포함되므로, 부전공을 마치려면 계획이 필요하다. 필수 과목이 촘촘히 순차적으로 구성된 전공의 학생들은 이를 시간표에 넣기 어려울 수 있다. 등록 데이터는 참여 양상이 프로그램의 학제간 약속과 부합하는지 보여줄 것이다.

접근성만큼 결과도 중요하다. 대학은 궁극적으로 부전공을 선언하고 이수하는 학생 수, 이들이 속한 전공, 그리고 이들이 수행하는 캡스톤 작업의 유형을 보고해야 한다. 학생들의 윤리적 추론이 향상되는지도 검토해야 한다.

단일 시험으로 도덕적 판단을 포착할 수는 없다. 프로젝트 루브릭, 성찰적 분석, 동료 평가, 시나리오 기반 평가를 결합하면 의미 있는 증거를 제공할 수 있다. 외부 평가자는 학생 작업이 전문적 기대에 부합하는지 평가하는 데 도움을 줄 수 있다.

프로그램에는 이견을 위한 공간도 필요하다. AI 윤리에는 감시, 지식재산권, 노동, 편향, 환경 비용, 안전, 기업 권력의 집중을 둘러싼 갈등이 포함된다. 교육과정은 하나의 체크리스트가 이를 해결할 수 있다는 인상을 주어서는 안 된다.

이 때문에 철학은 생산적인 저항을 만들어낼 때 가장 중요하다. 그 역할은 기술 프로젝트가 책임감 있게 들리도록 만드는 것이 아니다. 피해가 다른 누군가의 문제가 되기 전에 목표를 의문시하고, 가정을 드러내며, 정당화를 요구하는 데 있다.

학생들은 검색 가능한 개인 지식 기반을 통해 이러한 분석을 보존하고, 기술 노트를 사례, 정책, 상충하는 논거와 연결할 수 있다. 중요한 일은 결정의 최종 답만이 아니라 그 결정 뒤에 있는 추론을 보존하는 것이다.

AI 교육에는 여러 경쟁 모델이 있다

William & Mary의 학제간 부전공은 윤리가 기술 교육의 옆에, 내부에, 혹은 그 위에 있어야 하는지를 두고 대학들이 견해를 달리하는 치열한 분야에 진입한다.

한 모델은 공학이나 컴퓨터 과학 학과 내에 전통적인 AI 부전공을 만든다. 학생들은 프로그래밍, 수학, 머신러닝, 고급 기술 선택과목을 수강한다. 윤리적 또는 사회적 질문은 별도의 요건으로 등장할 수 있다.

이 모델은 깊이와 명확한 선수과목을 제공한다. 학생들을 고급 기술 작업에 대비시킬 수 있다. 약점은 비기술 전공 학생들이 높은 진입 장벽에 직면할 수 있고, 윤리적 분석은 일상적인 엔지니어링 실무와 분리된 채 남을 수 있다는 점이다.

두 번째 모델은 AI 리터러시를 교육과정 전반에 분산한다. 경영학 전공 학생은 의사결정 지원을 검토하고, 역사학 전공 학생은 합성 증거를 평가하며, 과학 전공 학생은 연구 응용을 살피고, 예술 전공 학생은 저작권과 동의 관련 문제를 마주한다.

분산형 리터러시는 더 많은 학생에게 도달한다. 그러나 품질이 고르지 않을 위험도 있다. 일부 과목은 비판적 평가를 가르치는 반면, 다른 과목은 시스템의 한계를 설명하지 않은 채 프롬프트 사용이나 생산성에 집중할 수 있다.

세 번째 모델은 윤리학자를 기술 과목 안에 배치한다. 학생들은 데이터베이스, 최적화, 머신러닝 또는 소프트웨어 설계를 배우는 순간 도덕적·정치적 질문을 마주한다. 이 접근은 윤리적 추론을 구체적인 구현 선택과 연결한다.

과제는 확장성이다. 철학자와 컴퓨팅 교수진은 모듈, 용어, 평가, 강의 일정을 조정해야 한다. 성공적인 파일럿이 대규모 프로그램 전체로 자동 확장되는 것은 아니다.

William & Mary의 부전공은 세 모델의 특징을 모두 결합한다. 기술 핵심 과목을 갖추고, 모든 전공을 환영하며, 전 과목에 걸친 윤리를 약속한다. 이 조합은 AI를 순수 공학이나 일반적 문화 리터러시 중 하나로만 다루지 않는다는 점에서 매력적이다.

동시에 운영하기 어렵다. 서로 다른 배경을 가진 학생들에게도 기술 기준은 의미 있게 유지되어야 한다. 윤리 요건은 선택과목 전반에서 일관성을 유지해야 한다. 학제간 참여는 등록 홍보를 넘어야 한다.

대학은 제도적 장점을 갖고 있다. 리버럴 아츠 전통은 학생들이 분야를 연결하도록 장려한다. 철학 교수진에는 인공지능을 연구하는 학자들이 포함되어 있다. 새 컴퓨팅 스쿨은 이전에 분리된 단위에 있던 과목들을 조정할 수 있다.

William & Mary는 여러 스쿨에 걸친 AI 정책 구조도 갖추고 있다. 이러한 거버넌스 작업은 수업 활용, 연구, 프라이버시, 조달, 학문적 진실성과 관련한 실제 캠퍼스 사례를 제공할 수 있다. 학생들은 자신의 기관이 내려야 하는 결정을 분석할 수 있다.

프로그램은 이러한 사례를 기관 홍보로 바꾸지 않도록 경계해야 한다. 진정한 교육에는 모호함과 실패에 접근할 기회가 필요하다. 학생들은 정책이 의도치 않은 효과를 낳은 사례, 모델 평가가 불완전했던 사례, 또는 이해관계자들이 기술적으로 그럴듯한 시스템을 거부한 사례를 필요로 한다.

Google News의 관심은 대학들이 이러한 실험을 공유하는 데 도움이 될 수 있다. 그러나 대학들 사이의 의미 있는 차이를 평면화할 수도 있다. 두 프로그램은 책임 있는 AI와 같은 동일한 표현을 사용하면서도 매우 다른 수준의 기술적·윤리적 작업을 요구할 수 있다.

따라서 예비 학생들은 제목 너머를 살펴봐야 한다. 철학 교수진이 필수 내용을 가르치는지, 프로젝트에 위험 평가가 포함되는지, 과목이 실제 배포 실패 사례를 검토하는지 물어봐야 한다. 선수과목의 깊이도 살펴봐야 한다.

고용주도 비슷한 구분을 해야 한다. AI 부전공이 보편적 역량을 보증하지는 않는다. 졸업생들은 모델 개발, 분야별 적용, 거버넌스, 제품 평가 또는 커뮤니케이션을 전문으로 할 수 있다. 포트폴리오와 프로젝트 문서는 자격증명만으로는 알 수 없는 더 많은 것을 보여줄 것이다.

William & Mary의 가장 가치 있는 기여는 통합 교육이 학생들의 결정을 바꾼다는 증거가 될 것이다. 졸업생들이 수용할 수 없는 사용 사례를 식별하고, 불확실성을 전달하며, 영향을 받는 사람들을 중심으로 시스템을 재설계할 수 있다면, 이 부전공은 의미 있는 성과를 이룬 셈이다.

프로그램이 기술적 친숙함과 포괄적인 윤리 언어만을 제공한다면, 다른 많은 프로그램과 닮아갈 것이다. 차이는 가치가 성과 목표나 기관 인센티브와 충돌할 때 학생들이 행동할 수 있는지에 달려 있다.

Google News 주기가 지나간 뒤 주목할 점

세 가지 신호는 William & Mary가 학제간 학문 분야를 구축했는지, 아니면 시의적절한 과목 모음을 포장했을 뿐인지를 보여줄 것이다.

첫 번째 신호는 전공 전반의 등록과 이수 현황이다. 이 대학은 모든 학부생에게 부전공을 개방했으므로, 참여는 컴퓨터 과학과 데이터 과학을 넘어 확산돼야 한다. 폭넓은 전공 구성이 AI 리터러시가 서로 다른 분야를 보완할 수 있다는 주장을 뒷받침할 것이다.

등록만으로는 충분하지 않다. 대학은 인문학, 사회과학, 자연과학, 경영, 예술 분야 학생들이 선수 과목 과정을 실제로 이수하는지 추적해야 한다. 기존 기술 전공에 참여가 집중된다면 학제 간 접근 방식의 설득력은 약화될 것이다.

두 번째 신호는 가시적인 평가다. William & Mary는 개인정보 보호, 형평성, 책임성, 사회적 영향이 학생 평가에 어떤 영향을 미치는지 보여줘야 한다. 공개 사례에는 익명화된 프로젝트 평가 기준, 과제 설명 또는 대표 포트폴리오가 포함될 수 있다.

이러한 증거는 프로그램의 핵심 약속을 강화할 것이다. 책임 있는 AI가 단순히 논의되는 데 그치지 않고, 설계 결정, 테스트, 문서화, 성찰을 통해 실천된다는 점을 보여줄 수 있다.

공개된 핵심 교과과정에 별도의 철학 과목이 없다는 점은 이 신호를 특히 중요하게 만든다. 독립 과목 없이도 윤리 통합은 가능하지만, 대학은 그 작업이 어디에서 이루어지고 누가 이를 지도하는지 입증해야 한다.

세 번째 신호는 부전공을 넘어선 확장이다. 대학 지도부는 학부 학위와 대학원 프로그램을 포함한 추가 AI 진로 과정을 논의해 왔다. 향후 프로그램 요건은 학제 간 접근 방식이 확장 가능한지, 아니면 전통적인 전문화로 전환되는지를 드러낼 것이다.

철학, 정책, 분야별 전문성이 공식적인 권한을 유지한다면 확장은 William & Mary의 논거를 강화할 것이다. 반대로 기술 분야의 성장이 윤리 교육을 선택 사항으로 만들거나, 일관성 없이 운영하거나, 교양 교육에만 한정한다면 그 논거는 약화될 것이다.

독자들은 캠퍼스 거버넌스가 교육과 어떻게 연결되는지도 지켜봐야 한다. 학문적 진실성, 연구, 데이터, 운영과 관련된 정책은 실질적인 학습 자료가 될 수 있다. 학생들은 추상적 원칙을 실제 기관의 결정에 비추어 검증할 수 있다.

이 이야기가 개발자에게 중요한 이유는 오늘의 학생들이 내일의 시스템을 설계하고 평가할 것이기 때문이다. 책임 있는 조달은 주장, 지표, 배포 조건을 검토할 수 있는 사람들에게 달려 있으므로 엔터프라이즈 구매자에게도 중요하다.

지식 노동자들이 관심을 가져야 할 이유는 더 단순하다. AI 시스템은 글쓰기, 연구, 채용, 분석, 커뮤니케이션을 점점 더 매개하고 있다. 작동 방식을 이해하는 것은 가치 있지만, 언제 이를 신뢰하거나 사용하지 말아야 하는지를 아는 것 또한 똑같이 중요하다.

William & Mary는 충분히 방어 가능한 방향을 선택했다. 이 대학은 기술적 기초를 가르치는 동시에 인간적 결과가 교과과정 안에 남도록 하겠다고 약속하고 있다. 이 구조는 더 나은 판단을 위해 계산적 이해와 도덕적 논증이 모두 필요하다는 점을 인식한다.

이제 대학은 증거를 제시해야 한다. 다음으로 의미 있는 Google News 헤드라인은 또 하나의 AI 자격을 단순히 발표하는 데 그쳐서는 안 된다. 학생들이 무엇을 만들었는지, 무엇을 거부했는지, 그들의 추론이 어떻게 달라졌는지, 그리고 학제 간 감독이 확장 압력 속에서도 살아남았는지를 보여줘야 한다.

예비 학생들은 구체적인 질문을 통해 그 과정을 진전시킬 수 있다. 윤리 관련 요소는 누가 가르치는가? 그 요소들은 성적에 어떤 영향을 미치는가? 어떤 프로젝트가 실제 이해관계자를 포함하는가? 기술적으로 성공한 시스템이 윤리 심사를 통과하지 못하면 어떻게 되는가?

그러한 질문은 유망한 교과과정을 책임 있는 교과과정으로 바꾼다. 또한 AI 프로그램을 구축하는 모든 대학에 유용한 기준을 제시한다. 프로그램의 책임 있는 AI 언어만으로 판단하지 말라. 학생들이 어떤 결정을 옹호하는 법을 배우는지로 판단하라.