AI+X는 AI를 자기 전공(X)의 질문에 적용하는 학습 방식입니다. 에이전틱 엔지니어링의 자율성 사다리, 안전 규칙, 소유권 평가는 전공과 무관하게 같고 달라지는 것은 프로젝트가 다루는 데이터와 질문입니다. 생명과학 지망생과 역사 지망생이 같은 개념을 배우지만 한 명은 세포 이미지를, 다른 한 명은 신문 아카이브를 다룹니다. 이 페이지는 여덟 분야의 적용 예시와 학년별 진입 지점을 정리했습니다.
최종 수정: 2026-08-05
어느 분야든 일의 구조가 같아지고 있기 때문입니다. 질문을 정하고 데이터를 모으고 도구로 처리하고 결과를 검증해서 결론을 설명하는 흐름은 실험실에도 로펌에도 편집실에도 있습니다. AI 에이전트는 이 흐름의 가운데 단계를 대신하기 시작했고 그럴수록 처음과 끝, 즉 무엇을 물을지 정하는 일과 결과를 믿어도 되는지 판단하는 일이 사람의 몫으로 남습니다. 에이전틱 엔지니어링이 기르는 것이 바로 그 두 가지입니다.
그래서 K–12 커리큘럼의 뼈대는 하나입니다. 자율성 사다리(시스템에 자율성을 0~6단계 중 얼마나 허용할지), 결정적 기반 먼저(AI를 얹기 전에 이해하는 프로그램부터), 읽기 전용 기본과 사람 승인(안전 규칙), 설명·예측·디버그·수정(소유권 평가)은 전공이 바뀌어도 그대로이고 프로젝트에 들어가는 데이터와 질문만 학생의 분야에서 가져옵니다.
같은 것
사다리 · 안전 규칙 · 평가 방법 · 테스트와 Git · 구술 방어
달라지는 것
데이터 · 질문 · 결과를 읽는 분야 지식
작동하는 이유
기본 1:1 수업이라 프로젝트를 학생의 분야로 맞춤
각 분야의 예시는 사다리를 오르는 순서로 적었습니다. 초등은 규칙과 데이터, 중등은 파이썬과 제한된 AI 기능, 고등은 검증과 출처를 갖춘 시스템입니다.
세포 이미지와 유전자 데이터에서 패턴 찾기
초등은 잎·곤충 분류 규칙 만들기, 중등은 공개 데이터로 작은 분류기를 학습하고 오류를 세어 보기, 고등은 유전자 발현 데이터 분석 파이프라인이나 논문 검색 도우미(출처 인용 필수)까지 갑니다.
지킬 것: 의료 개인정보는 다루지 않고 공개·합성 데이터만 씁니다. 계산생물학 안내
물가·고용 데이터로 정책 질문 따져 보기
초등은 용돈·간식 값 데이터 표 만들기, 중등은 공개 통계(KOSIS·World Bank 등)를 불러와 그래프로 비교하는 앱, 고등은 지표를 정기 수집·검증하는 워크플로와 간단한 경제 시뮬레이션까지 갑니다.
지킬 것: 수치의 출처와 기준 연도를 항상 함께 표시합니다. 학생 빅데이터 프로젝트
과거 데이터와 시뮬레이션으로 배우는 금융 데이터 분석
초등은 저금 계획 계산기, 중등은 가계부 데이터 분석 앱, 고등은 공개 과거 데이터로 전략을 검증하는 연구(백테스트)까지 갑니다. 전부 읽기 전용 설계입니다.
지킬 것: 실거래·결제는 커리큘럼 안전 원칙상 금지이고 결과물은 투자 조언이 아닙니다.
법령·판례 문서에서 근거 조항 찾아 보여 주기
초등은 학급 규칙 결정 나무, 중등은 공개 법령 데이터에서 단어로 조문을 찾는 도구, 고등은 질문에 근거 조항을 인용해 답하는 검색 도우미를 만들며 단어 검색(키워드)부터 뜻 기반 검색(임베딩)까지 단계적으로 비교합니다.
지킬 것: 출처 없는 답변은 실패로 분류하고 법률 자문이 아닌 자료 탐구 도구로 설계합니다.
사료와 신문 아카이브를 데이터로 읽기
초등은 연표 데이터 정리, 중등은 공개 아카이브에서 시대별 어휘 빈도를 세는 분석 도구, 고등은 사료 검색과 인용을 갖춘 디지털 인문학 프로젝트까지 갑니다.
지킬 것: 원문과 AI 요약을 구분해 표시하고 저작권과 출처 표기를 지킵니다.
관측·시뮬레이션 데이터로 하는 우주 연구
초등은 행성 데이터 카드 게임, 중등은 공개 관측 데이터 시각화 앱, 고등은 NASA 시뮬레이션 코드와 실험 데이터를 쓰는 연구 포트폴리오까지 갑니다.
지킬 것: 100% 시뮬레이션으로 진행합니다. AI + Space 스튜디오
기후 데이터에서 변화 신호 찾기
초등은 교실 온도 기록 실험, 중등은 공개 기상 데이터를 모아 계절 변화를 비교하는 앱, 고등은 위성·관측 데이터 기반 분석 프로젝트까지 갑니다.
지킬 것: 데이터의 측정 조건과 한계를 결과와 함께 설명합니다. 기후 데이터 과학 안내
창작을 돕는 도구를 직접 설계하기
초등은 이야기 카드 생성 규칙, 중등은 자기 창작물을 정리·태깅하는 아카이브 앱, 고등은 스타일 분석이나 창작 보조 파이프라인을 만들며 생성물과 자기 작업의 경계를 문서로 남깁니다.
지킬 것: 저작권과 출처 표기, AI 사용 공개를 작업 규칙으로 둡니다.
* 위 예시는 커리큘럼 안에서 학생이 만들 수 있는 프로젝트의 방향이며 실제 주제와 범위는 진단과 상담에서 학생의 수준·관심에 맞춰 정합니다.
| 지금 학년 | 들어가는 과정 | 전공은 언제 반영되나 |
|---|---|---|
| 유치~초2 (K–2) | Smart Systems & Human Control | 아직 전공 구분 없이 공통 개념 |
| 초3~초5 (G3–5) | AI Makers | 데이터 프로젝트 소재로 관심 분야 반영 시작 |
| 중등 (G6–8) | Python AI Systems Builder | 분야 데이터로 만드는 마무리 프로젝트 (캡스톤) |
| 고등 (G9–12) | AI-Native Software & Agentic Engineering | 과정 전체가 학생 분야의 시스템 하나를 완성 |
| 고1~고3 심화 | Research Studio | 분야 연구 질문으로 스튜디오 모듈 선택 |
* 나이는 배치의 기준이고 진급은 역량의 기준입니다. 코딩 경험이 있는 학생은 진단을 거쳐 위 단계에서 시작할 수 있습니다.
이 실력이 이어지는 진로 예시
엔터프라이즈 엔지니어링: 조직 전체를 하나의 시스템으로 설계하는 일
모건스탠리 같은 회사의 실제 직무부터 스탠퍼드·MIT·카네기멜론의 관련 과정, K–12가 지금 준비할 것까지 정리했습니다 →
필수는 아닙니다. 다만 어느 전공이든 그 분야의 질문을 데이터와 도구로 탐구할 일은 점점 늘고 있고 법령 검색, 사료 정리, 정책 효과 비교처럼 문과 영역의 작업이야말로 출처를 지키는 AI 활용이 필요한 곳입니다. 학생이 자기 분야의 질문을 하나 정해서 그 질문을 다루는 작은 시스템을 만들어 보면 배울 이유가 스스로 분명해집니다.
시작 단계는 수학보다 순서와 규칙을 정확히 말하는 힘이 중요합니다. 프로그램의 구조, 데이터 정리, 도구 사용, 테스트는 수학 성적과 별개로 익힐 수 있고 통계나 모델의 원리가 필요해지는 시점은 프로젝트가 그것을 요구할 때입니다. 그때는 프로젝트가 동기가 되어 있어 배우는 부담이 다릅니다.
괜찮습니다. K–2와 G3–5 과정은 전공 구분 없이 같은 개념을 배우고 관심 분야가 프로젝트에 반영되기 시작하는 것은 중등(G6–8)부터입니다. 그때도 프로젝트 주제를 바꾸는 것이지 과정을 갈아타는 것이 아니라서 전공 탐색과 커리큘럼 진행이 함께 갑니다. 여러 분야를 짧게 건드려 보고 반응이 좋은 쪽으로 캡스톤을 정하는 학생도 많습니다.
과정의 뼈대는 하나이고 분야는 프로젝트로 반영합니다. 자율성 사다리, 결정적 기반 먼저, 평가와 안전 규칙은 모든 학생이 같게 배우며 다루는 데이터와 질문을 학생의 관심 분야에서 가져옵니다. 기본 1:1 수업이라 이 맞춤이 실제로 작동합니다. 우주 분야는 별도의 AI + Space 포트폴리오 스튜디오가 있어 연구 단위로 더 깊이 들어갈 수 있습니다.
문서를 다루는 분야라서 오히려 검색과 출처 표기 중심의 프로젝트가 잘 맞습니다. 공개 법령·판례 데이터로 조건에 맞는 조문을 찾아 근거 조항과 함께 보여 주는 검색 도우미, 신문 아카이브에서 시대별 어휘 변화를 세는 분석 도구처럼 답이 반드시 출처에 근거해야 하는 시스템을 만들며 검색 방법을 단어 검색(키워드)부터 뜻 기반 검색(임베딩)까지 단계적으로 비교합니다. 이런 프로젝트는 법률 자문이 아니라 자료 탐구 도구로 설계합니다.
대화형 AI 사용은 질문하고 답을 받는 소비에 가깝습니다. 에이전틱 엔지니어링은 AI를 부품으로 넣은 시스템을 설계하고 그 출력이 맞는지 테스트로 확인하고 실패를 분류해 고치는 생산의 방식입니다. 예를 들어 같은 요약 작업도 ChatGPT 사용자는 결과를 읽고 끝나지만 이 커리큘럼의 학생은 답을 정한 형식으로만 받게 강제하고(스키마) 검증에 실패하면 대신 작동할 안전판(폴백)을 만들어 두고 평가 사례로 품질을 잽니다.
아니요. 표준 과정에서 구매와 되돌릴 수 없는 행동은 금지라서 금융 프로젝트는 과거 데이터와 시뮬레이션으로만 진행합니다. 가계부 데이터 분석, 공개 지표 수집과 검증, 과거 데이터로 전략을 검증(백테스트)하는 것처럼 읽기 전용으로 설계하고 결과물은 투자 조언이 아니라 데이터 탐구와 시스템 설계 능력의 증거로 남깁니다.
K–12 커리큘럼은 유치부터 고등까지를 잇고 성인은 별도의 전문가 AI 개발 실습 과정에서 같은 원칙을 실무 도구로 배웁니다. 대학생이나 직장인이 자기 분야에 AI를 적용하려는 경우에도 상담에서 목표를 듣고 맞는 쪽을 안내해 드립니다.