ChatGPT 이후 대학 성적이 올랐다. 문제는 그 상승이 배움의 증가처럼 보이지 않는다는 점이다. UC Berkeley의 Igor Chirikov는 2018년부터 2025년까지 가을학기 8개 기간, 84개 학과 319개 과목의 성적 50만 건 이상을 분석했다. 과목의 AI 노출도는 ChatGPT가 나오기 전인 2022년 가을 강의계획서의 과제 구성을 기준으로 잡았다. 글쓰기와 코딩 과제가 많을수록 AI가 개입하기 쉬운 과목으로 본 것이다.
결과는 선명했다. 글쓰기와 코딩 비중이 큰 과목에서 ChatGPT 출시 이후 A 비율은 13%p 올랐다. 2022년 기준선보다 약 30% 높은 수준이다. 평균 GPA도 0.12점 상승했고, 성적 분포는 좁아졌다. 특히 A-와 B+가 A로 올라가는 패턴이 관찰됐다. 겉으로 보면 학생들이 더 잘한 것처럼 보일 수 있다.
하지만 연구가 더 흥미로워지는 지점은 숙제와 시험의 차이다. AI가 실제 학습을 넓게 도왔다면 시험 중심 과목에서도 비슷한 상승이 보여야 한다. 반대로 AI가 감독 없는 과제를 대신 처리한 것이라면 숙제 비중이 큰 과목에서 효과가 커져야 한다. 데이터는 후자에 가까웠다. 숙제가 최종 성적에서 중간값보다 큰 비중을 차지하는 과목은 같은 AI 노출 조건에서도 A 비율이 추가로 16%p 더 올랐다. 숙제 비중이 낮은 과목에서는 효과가 작고 통계적으로 뚜렷하지 않았다.
구두 발표 과제에서는 성적 변화가 거의 없었다는 점도 중요하다. AI가 상대적으로 덜 유용한 과제에서는 성적이 움직이지 않았다. 그래서 이 연구는 단순한 성적 인플레 이야기가 아니다. 성적이라는 신호가 무엇을 측정하는지 바뀌고 있다는 이야기다. 글쓰기와 코딩 과목의 높은 점수가 실제 역량이 아니라 AI가 만든 산출물의 품질을 더 많이 반영하기 시작하면, 대학원 선발과 채용 같은 후속 판단도 흔들릴 수 있다.
해법은 단순한 AI 금지로 끝나지 않을 가능성이 크다. 탐지는 불완전하고, 학생들은 이미 도구를 쓴다. 더 현실적인 방향은 과제 설계의 변화다. 초안과 수정 과정, AI 사용 내역, 짧은 구두 확인, 후속 질문처럼 결과물이 만들어진 과정을 평가에 넣어야 한다. 글쓰기와 코딩은 산출물을 내는 기술이기도 하지만, 생각을 훈련하는 방식이기도 하다. AI가 결과물을 쉽게 만들어줄수록 학교는 그 훈련 과정을 더 노골적으로 평가해야 한다.