평가되는 법률 과제를 위한 AI 규칙 설계법

법학 교육에서 인공지능 규칙은 AI가 좋은지 나쁜지보다 더 분명한 질문에서 시작해야 한다. 이 과제는 어떤 능력을 보여 주기 위한 것인가? 메모랜덤이 학생이 쟁점을 찾고, 권위를 비교하며, 방어 가능한 주장을 구성할 수 있는지를 드러내려는 것이라면, 구조나 문장을 제공하는 도구는 수업이 평가하려는 바로 그 작업을 가릴 수 있다. 반대로 AI 결과를 신중하게 감독하는 법을 가르치기 위한 연습이라면 일률적인 금지는 또 다른 핵심 역량을 감출 수 있다.

2026년 여름부터 적용되는 버클리 로스쿨의 기본 정책은 이 구분을 특히 명확하게 한다. 학점이 부여되는 작업에서 AI를 이용한 구상, 개요 작성, 초안 작성, 수정, 번역, 편집을 금지한다. 시험에서의 AI도 금지하고, AI 조사는 출처 식별로 제한하며, 수업 자료를 생성형 시스템에 업로드하지 못하게 한다. 동시에 교수자는 과목에 맞는 서면 예외를 사전에 정하고 사용 공개를 요구할 수 있다.

핵심은 모든 법률 과제에 같은 경계가 필요하다는 뜻이 아니다. 경계는 측정하는 역량, 보호해야 하는 데이터, 그리고 학생이 도구 사용을 설명하기 위해 보관해야 할 증거를 밝혀야 한다.

도구 이름보다 먼저 평가 역량을 정의하기

단지 “ChatGPT 금지”라고 하는 규칙은 빠르게 낡고 비슷한 도구에 대한 지침도 약하다. 검색엔진, 글쓰기 앱, 법률 조사 서비스, 전사 제품, 문서 검토 플랫폼에는 생성 기능이 늘고 있다. 교육적으로 중요한 것은 제품 이름이 아니라, 그 기능이 과제가 평가하려는 학생의 결정을 대체하는지다.

법률 분석 시험에서 보호할 작업에는 관련 사실 선택, 규칙 식별, 판례 구별, 시간 압박 속 결론 표현이 포함될 수 있다. 규칙은 그 흐름의 생성형 도움을 금지하면서도 모든 곳에서 AI가 부적절하다고 주장할 필요는 없다. 조사 과제에서는 경계가 더 좁을 수 있다. 시스템이 가능한 사건을 찾는 데 도움을 줄 수 있지만, 학생은 권위 있는 자료를 읽고 인용을 검증하며 그것이 명제를 뒷받침하는지 스스로 판단해야 한다.

네 부분의 허용 모델을 사용하기

실용적인 과목 정책은 AI 사용을 네 범주로 나눌 수 있다. 첫째, 독립적으로 해야 하는 작업, 예를 들어 시험 답안, 첫 법률 분석 또는 초기 개요다. 둘째, 공개 출처 찾기, 연습 문제 만들기, 완성된 초안 비평처럼 허용될 수 있는 제한된 도움이다. 셋째, 사전 서면 허가가 필요한 경우다. 넷째, 절대 업로드해서는 안 되는 정보, 즉 의뢰인과 유사한 가정 사실, 공개되지 않은 수업 자료, 녹음, 개인정보가 담긴 문서다.

범주는 관찰 가능한 동사를 사용해야 한다. “조사에 AI를 사용할 수 있다”는 모호하다. “AI에게 검색어 제안을 받을 수 있지만, 인용된 출처를 읽고 확인하기 전에는 AI가 만든 사건 요약이나 인용에 의존할 수 없다”는 학생에게 구체적 행동을 알려 준다. 출처 식별과 제출 작업을 구분한 버클리의 방식은 이 정밀함의 가치를 보여 준다.

허용된 사용을 보이게 하고 검토 가능하게 만들기

공개는 모든 키 입력의 일기를 요구하지 않으면서 과정을 평가할 충분한 맥락을 남길 때 가장 유용하다. 짧은 선언에는 도구, 허용된 목적, 도구에 제공한 자료, 사용한 결과를 검증한 방법을 적을 수 있다. 더 중요한 프로젝트에는 프롬프트 로그나 버전 기록이 적절할 수 있다.

이 기록은 교육 대화를 바꾼다. 교수자는 다듬어진 문장만으로 저자를 추정하는 대신, 왜 출처를 선택했는지, 왜 AI 제안을 받아들이거나 거절했는지, 어떻게 확인했는지를 물을 수 있다. 구두 후속 질문, 단계별 초안, 반복 과제는 추론을 직접 시험한다. 버클리의 질의응답도 구두 발표와 반복적 글쓰기 같은 맥락별 집행 및 평가 방식을 언급한다.

개인정보 보호와 전문직 책임을 역량의 일부로 다루기

법률 작업에는 공용 생성형 서비스로 보내면 안 되는 정보가 흔하다. 교실에서도 읽기 자료, 과제, 녹화 토론, 가상의 의뢰인 사실은 비밀유지, 지식재산, 개인정보 문제를 만들 수 있다. 강한 과목 정책은 이 한계를 학업 정직성 규칙과 별도로 명시한다. 도구가 최종 답안을 작성하지 않더라도 부적절할 수 있다는 점을 학생이 이해하게 한다.

이는 법률 실무와도 닮아 있다. 미국변호사협회는 변호사가 생성형 AI를 사용할 때에도 기존의 전문직 의무가 계속 적용된다고 밝혔다. 학생은 결과물 품질만 평가하는 것 이상을 연습해야 한다. 서비스가 어떤 데이터를 받는지, 생성된 답이 실제로 무엇을 뒷받침하는지, 오류에 누가 책임지는지를 물어야 한다.

구호가 아니라 과제를 통해 규칙을 다시 살피기

효과적인 AI 정책은 시험할 수 있는 교육 설계다. 한 학기 후 교수자는 허용된 사용이 이해되었는지, 규칙이 접근성 요구에 맞았는지, 어떤 오해가 생겼는지, 과제가 여전히 의도한 역량을 측정하는지 검토할 수 있다. 답은 더 구체적인 예시, 더 좋은 공개 양식, 다른 평가 방식일 수 있으며 단지 더 엄격한 금지만은 아니다.

중심 원칙은 오래간다. 법학 교육은 독립적 추론이 평가 대상일 때 이를 보호해야 하며, 감독된 AI 사용이 교육 목표일 때는 바로 그 감독을 가르쳐야 한다. 명확한 경계, 명시적 공개, 검증된 출처, 보호된 데이터는 두 목표를 모두 이루기 쉽게 한다.